使用模式聚類的多領(lǐng)域XML關(guān)鍵字檢索.pdf

1、XML關(guān)鍵字檢索近年來成為XML研究領(lǐng)域中的一個(gè)熱點(diǎn)，它將XML處理技術(shù)和信息檢索技術(shù)結(jié)合起來，為用戶提供更友好的檢索方式。但是，當(dāng)前XML，關(guān)鍵字檢索主要關(guān)注的是如何在單個(gè)或者少數(shù)個(gè)文檔中找出匹配的結(jié)果。隨著Web數(shù)據(jù)的爆炸式增長，針對(duì)單個(gè)文檔或者單個(gè)領(lǐng)域的關(guān)鍵字檢索明顯已經(jīng)不能滿足用戶的查詢需求。如何在多領(lǐng)域、海量異構(gòu)XML數(shù)據(jù)上進(jìn)行高效準(zhǔn)確的關(guān)鍵字查詢成為一個(gè)重要問題。
　　傳統(tǒng)的數(shù)據(jù)集成技術(shù)為異構(gòu)多數(shù)據(jù)源問題的提供了一個(gè)可

2、行的解決方法。但是數(shù)據(jù)集成需要使用一個(gè)中間模式將源數(shù)據(jù)集映射為一個(gè)統(tǒng)一的數(shù)據(jù)文檔，改變了原始數(shù)據(jù)的結(jié)構(gòu)和特征，并不適合關(guān)鍵字檢索的特點(diǎn)。針對(duì)多領(lǐng)域海量數(shù)據(jù)的特點(diǎn)，本文提出了一種在多領(lǐng)域XML數(shù)據(jù)集上進(jìn)行高效關(guān)鍵字檢索的方法，首先使用模式聚類將各個(gè)數(shù)據(jù)集分為數(shù)個(gè)領(lǐng)域，然后利用這些領(lǐng)域劃分結(jié)果通過信息檢索技術(shù)推測(cè)查詢關(guān)鍵字的語義，進(jìn)而對(duì)結(jié)果進(jìn)行排序。整個(gè)處理過程可以分為兩個(gè)部分：
　　首先，針對(duì)海量數(shù)據(jù)和XML樹形結(jié)構(gòu)的特點(diǎn)，本文提出