基于文檔屬性單元擴(kuò)展的XML近似查詢方法的研究.pdf

1、隨著Internet技術(shù)的發(fā)展,越來越多的應(yīng)用采用XML語言作為信息表示和數(shù)據(jù)交換的標(biāo)準(zhǔn),人們對于XML數(shù)據(jù)查詢技術(shù)的要求也越來越高。傳統(tǒng)的XML查詢技術(shù)對查詢條件進(jìn)行精確的匹配,無法反映查詢者對于XML數(shù)據(jù)內(nèi)容在語義上的近似要求。因此,近似查詢技術(shù)被應(yīng)用到了XML查詢當(dāng)中。由于XML文檔是半結(jié)構(gòu)化的數(shù)據(jù)表示形式,基于內(nèi)容的XML近似查詢就要在滿足文檔結(jié)構(gòu)要求的基礎(chǔ)上,考察內(nèi)容的近似性。已有的基于內(nèi)容的XML近似查詢技術(shù),從根本上講都是

2、把元素聚類或映射到相似語義單元中,然后構(gòu)造語義模型進(jìn)行近似查詢。這些方法在實(shí)現(xiàn)上要求構(gòu)造語義模型,構(gòu)造過程中會帶來元素的類別劃分不準(zhǔn)或者語義丟失等問題,查詢代價(jià)也不容忽視。因此需要找到一種不必建立語義模型的近似查詢方法。
　　 本文提出了一種基于文檔屬性單元擴(kuò)展的XML近似查詢方法。該方法提取出XML文檔中的葉子結(jié)點(diǎn)和屬性結(jié)點(diǎn)作為屬性單元,根據(jù)屬性單元的重要程度序列,對初始的查詢條件擴(kuò)展,利用新的查詢條件對原來的XML文檔進(jìn)行查

3、詢。整個(gè)近似查詢方法主要分成三部分:
　　 首先,在提取出的XML文檔屬性單元中,利用一種高效發(fā)現(xiàn)函數(shù)依賴關(guān)系算法,找到屬性單元之間的近似函數(shù)依賴關(guān)系,根據(jù)屬性單元在函數(shù)依賴關(guān)系中出現(xiàn)的左右部位置,求得近似候選碼。選擇支持度最大的候選碼作為近似關(guān)鍵字,組成近似關(guān)鍵字的所有屬性單元成為決定集的成員,剩下的屬性單元成為依賴集的成員。
　　 然后,根據(jù)近似候選碼對依賴集中屬性單元的支持度,計(jì)算出每個(gè)屬性單元的重要性權(quán)重,排出屬

4、性單元重要程度序列。根據(jù)排出的屬性單元序列,先擴(kuò)展依賴集中的屬性單元,最后擴(kuò)展決定集中的屬性單元,保證最不重要的屬性單元先擴(kuò)展。
　　 最后,根據(jù)擴(kuò)展后新的查詢條件,對XML文檔重新查詢,返回結(jié)果。由于利用了XML文檔數(shù)據(jù)自身的函數(shù)依賴關(guān)系,擴(kuò)展后的查詢會將滿足核心查詢條件的結(jié)果排在最前。
　　 實(shí)驗(yàn)測試表明,屬性單元擴(kuò)展的近似查詢方法能夠在滿足查詢者對文檔內(nèi)容的近似要求,同時(shí)在召回率和排序穩(wěn)定性上也取得了較好的效果。<