基于BDB的XML信息檢索引擎平臺設(shè)計與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)大數(shù)據(jù)的發(fā)展,傳統(tǒng)的HTML信息檢索已經(jīng)滿足不了不斷更新變化的信息需求。而XML作為互聯(lián)網(wǎng)數(shù)據(jù)交換及數(shù)據(jù)表現(xiàn)的標(biāo)準(zhǔn),具有諸多優(yōu)勢特點,重要性日益凸顯,大有取代HTML之勢。如何從大量的XML中挖掘有效信息已成為目前亟待解決的問題,而XML信息檢索將是人們認(rèn)識和利用海量XML信息的關(guān)鍵技術(shù)。因此將設(shè)計和實驗一個基于BDB的XML信息檢索引擎平臺,供XML檢索研究之用。
　　本文作者主要實現(xiàn)了平臺中兩種不同策略下的關(guān)鍵檢索算

2、法:多文檔XObject檢索算法和SLCAOffset算法,因此本文將重點介紹著兩種算法的設(shè)計與實現(xiàn)。
　　在多文檔XObject檢索算法中,采用Berkeley DB嵌入式數(shù)據(jù)庫作為平臺底層數(shù)據(jù),效率和性能較傳統(tǒng)關(guān)系型數(shù)據(jù)庫提高一個量級;其次利用VTD-XML技術(shù)對XML文檔執(zhí)行解析,提出并實現(xiàn)了基于Trie匹配的XML文檔結(jié)構(gòu)聚類,其聚類效果要優(yōu)于主流的聚類算法;再者提出了樹雙親存儲法優(yōu)化類存儲結(jié)構(gòu)信息;最后動態(tài)構(gòu)建查詢路徑并

3、在BDB XML上執(zhí)行XQuery查詢,對結(jié)果進(jìn)行二級排序。
　　在SCLAOffset算法中,設(shè)計和實現(xiàn)了基于BDB的token記錄格式以及XML文檔分塊存儲方案;其次提出了Object對象節(jié)點偏移量的概念,解決XML文檔存儲占用過多存儲空間的問題;然后通過實現(xiàn)了節(jié)點匯聚算法,求解出了返回Object對象的節(jié)點;最后通過便宜量從存儲塊中讀取片段并對檢索結(jié)果進(jìn)行排序。
　　在測試和實驗結(jié)果分析中,本文給出了結(jié)構(gòu)聚類的詳細(xì)測試