大数据时代下,数据呈多维化、海量化的特征,查询趋于个性化,用户对结果的准确度、查询效率要求更高。传统的多维数据查询方法存在不能高效地解决静态和空间属性相结合、动态的多用户查询以及分类域上的个性化查询等问题,因此研究在度量空间中的多用户查询以及分类域上的用户偏好获取对于找出高质量的结果集具有十分重要的意义。多维Skyline查询根据对象数据点的属性值特性主要分成两类:数值域和分类域。本文重点关注空间数值属性查询和分类域属性交互问题,设计并提出高效的多用户Skyline查询交互算法,主要研究内容如下:(1)欧式空间中Skyline查询大多仅对空间属性进行探究,而忽略了与静态属性相结合的问题,本文基于Voronoi图、R-tree、凸包等结构的性质,提出查询区域的概念,给出Voronoi R-tree Search算法。该算法通过对数据集剪枝、分阶段支配比较等方式,有效减少了距离计算和数据点间的支配检验次数。在真实和模拟数据集中验证了该算法的有效性。(2)基于道路网的Skyline查询在动态属性上存在仅考虑距离,并未考虑用户速度对查询结果影响的问题。本文给出能处理用户速度变化的查询算法Exit In,该算法根据分割点性质,可利用多次查询间的关联关系,根据用户状态实时更新Skyline结果集。通过在真实路网上的大量实验,并与已有算法进行对比,验证了所提算法的有效性。(3)现有算法大多在数值域进行查询处理,当拓展至分类域属性上时,会造成结果集规模不可控等问题。为此,提出分类域上的Skyline查询问题,给出能描述数据点支配关系的支配表和矩阵索引,并基于该索引提出了属性值对的选择策略,实现了属性值对的高效选择和剔除。与已有算法的实验结果表明,在不同参数下,Skyline Matrix Index Interactive算法表现出更高的查询效率。