위치기반서비스(LBS)의 공간 정보 품질을 향상시키기 위해, 정적 공간 객체의 방문 시간과 같은 추가 정보를 사용자로부터 수집하는 크라우드소싱 기반 LBS(cLBS) 애플리케이션이 등장하였다. 본 논문에서는 존재할 가능성이 높은 객체를 탐색하는 새로운 유형의 최근접 이웃(NN) 질의인 k-최근접 신뢰 이웃(k NRN) 질의를 제안한다. cLBS에서 사용자가 자신과 가까우면서도 존재할 가능성이 높은 식당을 찾고자 한다고 가정하자. 이와 같은 경우 k NRN 질의를 적극 권장한다. 본 논문에서는 cLBS에서의 데이터 모델을 형식적으로 정의하고, 신뢰 객체 및 k NRN 문제를 정의한다. 대규모 데이터셋에서 계산 및 I/O 비용이 큰 이 문제에 대한 무차별 대입 접근법으로는, k NRN 질의를 위한 3DR-tree 기반 기준 알고리즘, 2DR-tree 기반 증분 알고리즘, 그리고 a3DR-tree 기반 분기-한정(branch-and-bound) 알고리즘을 제안한다. 합성 데이터셋과 실제 데이터셋 모두에 대해 성능 평가 연구를 수행하였다. 실험 결과는 제안한 방법들의 효율성을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.