【摘要】概率性的数据库由多个概率性数据元素组成,而传统的Skyline查询通常返回的是一些独立的备选推荐项,这就必然使得推荐备选项有可能是错误的。一旦这种错误发生,用户将被迫再次进行Skyline查询来寻找替代选项。这不仅导致成本损失,还损害用户体验。为了解决这个问题,文章提出了一种新的M-Skyline模型。该模型综合考虑了潜在成本损失和数据参数,并提供了有序的备选项。在真实数据库和合成数据库下对算法进行了测试。测试结果表明,所提出的算法能有效地分析处理概率性不确定数据集,并在短时间内获得M-Skyline结果。