概率XML文檔的查詢研究.pdf

1、隨著數(shù)據(jù)采集和處理技術(shù)的不斷發(fā)展和進(jìn)步，使得人們對(duì)不確定性數(shù)據(jù)的認(rèn)識(shí)逐步加深，對(duì)不確定性的概率數(shù)據(jù)的研究也獲得了廣大科研工作者的更加廣泛的關(guān)注。XML是由W3C所發(fā)布的一種標(biāo)記語言。XML所具有的靈活特性非常適合描述、表示、存儲(chǔ)，不確定性數(shù)據(jù)，利用XML表示不確定性數(shù)據(jù)正越來越多的應(yīng)用于各個(gè)不同的領(lǐng)域中，進(jìn)而導(dǎo)致概率XML文檔的數(shù)量呈現(xiàn)出急劇增長的態(tài)勢(shì)。使用傳統(tǒng)的XML聚類和查詢技術(shù)處理海量概率XML文檔所造成的時(shí)空消耗令人無法接受。盡

2、管針對(duì)不確定XML聚類和查詢的技術(shù)的研究已經(jīng)有很多，但仍有一些方面需要進(jìn)行改進(jìn)和完善。
　　針對(duì)概率XML文檔的查詢研究，本文深入研究了當(dāng)前已提出的方案，分析了其中存在的問題，并對(duì)這些問題提出了針對(duì)性的改進(jìn)策略。本文所做的工作有:
　　第一，直接聚類XML文檔精度較高但存在時(shí)空消耗大等缺點(diǎn)，利用聚類DTD文檔的時(shí)空消耗較小的優(yōu)勢(shì)，提出了基于DTD的XML文檔聚類方法WSDTD。DTD文檔可以從一定程度上反應(yīng)出XML文檔的內(nèi)容

3、和結(jié)構(gòu)，通過聚類XML文檔對(duì)應(yīng)的DTD間接聚類XML文檔。定義DTD文檔對(duì)應(yīng)的樹形結(jié)構(gòu)的結(jié)構(gòu)相似度和語義相似度，用K-Means聚類算法對(duì)DTD文檔樹進(jìn)行聚類，達(dá)到對(duì)XML文檔聚類的目的，從而有效地縮小了查詢范圍，為海量XML文檔查詢奠定基礎(chǔ)。
　　第二，針對(duì)概率XML文檔的特點(diǎn)，本文設(shè)計(jì)了概率XML文檔的查詢算法pTwigList。在TwigList算法的基礎(chǔ)上，加入了Top-K關(guān)鍵字查詢思想，進(jìn)行了三次閾值過濾，對(duì)存在概率較低

4、或非法的查詢結(jié)果予以舍棄，形成了pTwigList算法。并輔以改進(jìn)的區(qū)域編碼，這樣就能達(dá)到查詢概率XML文檔的目的。
　　第三，通過仿真實(shí)驗(yàn)驗(yàn)證本文所提出WSDTD和pTwigList的有效性。實(shí)驗(yàn)采取了查詢時(shí)間來衡量查詢效率。仿真實(shí)驗(yàn)分成兩個(gè)部分，第一部分用來驗(yàn)證先使用WSDTD算法聚類，后使用pTwigList進(jìn)行查詢的時(shí)間消耗小于直接對(duì)海量XML文檔進(jìn)行pTwigList查詢。第二部分用來驗(yàn)證pTwigList算法在不同的測(cè)