基于元素層次表達(dá)式模型的XML文檔相似度計(jì)算.pdf

1、XML是W3C推薦的一種通用標(biāo)記語言,憑借其自描述性、可擴(kuò)展性、半結(jié)構(gòu)化等特點(diǎn),逐漸成為Web上數(shù)據(jù)表示和交換的標(biāo)準(zhǔn),在多個(gè)領(lǐng)域都有廣泛應(yīng)用。隨著XML文檔的大量涌現(xiàn),如何從海量文檔中挖掘出有價(jià)值的信息成為研究熱點(diǎn)。XML數(shù)據(jù)挖掘是知識(shí)發(fā)現(xiàn)技術(shù)在XML領(lǐng)域的重要應(yīng)用。XML文檔挖掘包含內(nèi)容挖掘和結(jié)構(gòu)挖掘。其中結(jié)構(gòu)挖掘利用XML的層次結(jié)構(gòu)特性,挖掘出XML文檔結(jié)構(gòu)中的知識(shí),為XML數(shù)據(jù)的提取、集成以及其它應(yīng)用提供便利。 XML文檔

2、的表示模型是結(jié)構(gòu)挖掘的基礎(chǔ)。論文在總結(jié)樹型結(jié)構(gòu)和頻繁路徑兩個(gè)模型的基礎(chǔ)上,針對(duì)XML文檔的結(jié)構(gòu)聚類進(jìn)行研究,提出了一種新的表示模型--元素層次表達(dá)式模型(ELEM)。該模型以元素為中心,以元素之間的層次關(guān)系為主體,以關(guān)系集合為表示形式。該模型以簡(jiǎn)潔的形式表示XML文檔的結(jié)構(gòu)信息,改善了樹型模型不易處理、操作難的缺點(diǎn),并彌補(bǔ)了頻繁路徑模型在表示層次信息方面的不足。 在XML結(jié)構(gòu)挖掘中,分類、聚類是常用的挖掘方法。XML文檔的相似度