传统关于偏好推理、偏好查询的研究主要集中在对关系元组表示的单个对象的偏好上，而将时间条件偏好查询的方法扩展到数据流的提取序列中是一个挑战，遇到的问题主要包括对数据流中序列的提取、快速处理以得到占优序列和占优对象等。针对偏好数据流，首先，扩展了连续查询语言（CQL），提出专门为有效处理数据流上的时间条件偏好的查询语言StreamSeq，它允许对数据流中提取的序列进行时间条件偏好规范和推理；然后，设计了从数据流中按时间索引提取对象序列的算法和执行序列间占优对比的算法，根据输入的数据流返回满足偏好条件的占优序列；最后，使用两组数据集进行实验验证。在合成数据集上，当属性数、序列数、时间范围和时间滑动间隔为10、8、20 s、1 s时，提取序列算法和CQL等效算法的运行时间加速比为13.33；在真实数据集上，当时间范围和时间滑动间隔为40 s、1 s时，占优对比算法和mintopK、partition、incpartition的运行时间加速比为10.77、6.46、5.69。实验结果表明，与其他偏好查询算法相比，所提算法所需的运行时间少，得到结果的效率更高。
