概率XML文檔Top-k關(guān)鍵字檢索算法研究.pdf

1、目前,互聯(lián)網(wǎng)中越來越多的數(shù)據(jù)以XML的格式進(jìn)行傳輸和操作,XML結(jié)構(gòu)的靈活性使復(fù)雜的半結(jié)構(gòu)化數(shù)據(jù)的交換更加方便。但是,在實(shí)際工作中,如傳感器噪聲數(shù)據(jù)、信息抽取時(shí)包含錯(cuò)誤數(shù)據(jù)的數(shù)據(jù)源以及圖像處理等用XML描述的半結(jié)構(gòu)化數(shù)據(jù)會(huì)存在一些不確定性。作為不確定性數(shù)據(jù)研究領(lǐng)域的核心內(nèi)容,概率XML能夠以明確的方式表示不確定性數(shù)據(jù),它是不確定性數(shù)據(jù)的結(jié)構(gòu)化描述語言。
　　 由于概率XML文檔內(nèi)數(shù)據(jù)的不確定性,通過傳統(tǒng)的XMI,查詢語言已不能夠

2、準(zhǔn)確地查詢出用戶期望的信息。因此,在研究以往XML文檔的關(guān)鍵字檢索算法的基礎(chǔ)上,本文提出了一個(gè)概率XML文檔Top-k關(guān)鍵字檢索模型,該模型主要包括概率XML文檔分區(qū)處理、概率XML文檔關(guān)鍵字索引構(gòu)建以及概率XML文檔Top-k關(guān)鍵字檢索三個(gè)部分。
　　 當(dāng)進(jìn)行概率XML大文檔中關(guān)鍵字檢索時(shí),檢索時(shí)間效率會(huì)明顯降低,本文引入普通XML文檔的分區(qū)技術(shù)(XMLPartition),將概率XML文檔分區(qū)分別存儲(chǔ)在相互獨(dú)立的服務(wù)器節(jié)點(diǎn)中

3、,對(duì)各分區(qū)節(jié)點(diǎn)并行執(zhí)行關(guān)鍵字檢索。
　　 為了在概率XML文檔關(guān)鍵字索引結(jié)構(gòu)中體現(xiàn)分布結(jié)點(diǎn)類型信息,本文擴(kuò)展了傳統(tǒng)關(guān)鍵字索引編碼方法-Dewey編碼,設(shè)計(jì)了一種符合概率XML文檔結(jié)構(gòu)特點(diǎn)的關(guān)鍵字索引編碼方法。
　　 在此基礎(chǔ)上,本文設(shè)計(jì)了概率XML文檔Top-k關(guān)鍵字檢索PTKS(ProbabilisticXMLTop-kKeywordSearch)算法,并實(shí)現(xiàn)了原型系統(tǒng)。實(shí)驗(yàn)結(jié)果表明,PTKS算法具有良好的時(shí)間效率,特