本文提出的是一种针对近似图查询的Why-Not问题解释方法。在数据库查询过程中，用户经常会遇到期望的结果与实际得到的结果之间存在差异的情况，尤其是当查询涉及到图形数据库时。这种差异可能会导致用户对查询结果产生疑问，比如：为什么某些数据项没有出现在查询结果中？为了回答这些疑问，本文提出了一种有效的方法来解释近似图查询中的Why-Not问题，并给出改进查询的建议。
Why-Not问题在数据库领域中是一个重要的概念，它涉及到查询结果中的缺失数据项，这类问题可以帮助用户更好地理解查询的含义，并且能够提升数据库的数据质量和可用性。在图数据库中，图形结构的复杂性和数据的多样性使得Why-Not问题的解释更为复杂。因此，本文提出的解释技术针对的是近似图查询，旨在给出缺失图形的解释以及如何修改初始查询图形以使缺失图形在结果集中出现。
在实现这一技术时，算法被分为两个部分：候选生成阶段和候选操作的选择阶段。候选生成阶段是基于边的频率信息提出基本算法，并通过图形分解操作提出改进的算法以获取候选操作集。在减少修改初始查询图形的成本方面，本文分别提出了贪心算法和回溯算法来选择候选操作。为了合理设计贪心算法，本文设计了合适的贪心函数，并构建了基于候选选择的剪枝树。同时，提出三种从候选集中选择候选操作的策略，并最终生成了候选操作集。
值得注意的是，文章中提及了资助信息，包括国家973高科技发展计划课题（国家基础研究计划）和国家自然科学基金的资助编号，这表明该研究得到了中国国家级科研项目的资金支持。而期刊《计算机科学前沿》提供了本篇论文的发表平台，该期刊的ISSN为1673-9418，DOI为10.3778/j.issn.1673-9418.1608050，这显示了该论文的正式性和可查询性。
此外，文章还提供了相关的联系方式，包括电子邮件地址***，和联系电话+86-10-***，以及东北大学计算机科学与工程学院的联系地址，这是作者们所属的学术机构。
本文通过提出的解释技术，解决了图形数据库中近似图查询的Why-Not问题，并通过实验验证了其有效性。该技术不仅能够帮助用户理解为何某些图形没有出现在查询结果中，还能指导用户如何修改查询，使得原本缺失的图形得以呈现，从而提高图形数据库的可用性和查询的准确性。
