連續(xù)不確定XML索引技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的快速發(fā)展, XML類(lèi)型的數(shù)據(jù)已成為當(dāng)前一種主流的數(shù)據(jù)形式,并成為Internet中進(jìn)行數(shù)據(jù)交換和表示事實(shí)上的標(biāo)準(zhǔn)。在實(shí)際生活中，數(shù)據(jù)的不確定性是普遍存在的，傳統(tǒng)的確定性數(shù)據(jù)已經(jīng)不能準(zhǔn)確描述現(xiàn)實(shí)世界。隨著人們對(duì)不確定性數(shù)據(jù)的認(rèn)識(shí)研究和對(duì)數(shù)據(jù)采集和處理技術(shù)的深入理解，不確定性數(shù)據(jù)在物流、工業(yè)、金融、軍事等領(lǐng)域得到相當(dāng)廣泛的應(yīng)用?；旧?，在數(shù)據(jù)庫(kù)中的不確定性是為了捕捉現(xiàn)實(shí)世界的狀態(tài)，如監(jiān)控的壓強(qiáng)，溫度，移動(dòng)目標(biāo)的位置都是在不斷改

2、變的。數(shù)據(jù)的不確定性信息可以以概率值或概率分布的形式在 XML文檔中表示。對(duì)于連續(xù)不確定的數(shù)據(jù)，存儲(chǔ)用概率密度函數(shù) pdf可能值的范圍來(lái)代替存儲(chǔ)數(shù)據(jù)單一的值。而相應(yīng)的概率閾值范圍查詢(xún)，是通過(guò)給定概率閾值及范圍，來(lái)獲取超過(guò)概率閾值起點(diǎn)并滿足查詢(xún)范圍的結(jié)果。在概率閾值范圍查詢(xún)中，由于滿足查詢(xún)指定的概率值的出現(xiàn)，從而使得結(jié)果被擴(kuò)大化。概率閾值范圍查詢(xún)比傳統(tǒng)查詢(xún)更精確及信息化。隨著用戶(hù)查詢(xún)需求的日益增長(zhǎng)和多元化，有效地構(gòu)建XML索引面臨著嚴(yán)峻的

3、挑戰(zhàn)。
　　當(dāng)前，XML索引技術(shù)的發(fā)展也成為了一個(gè)熱點(diǎn)研究。目前，在實(shí)際應(yīng)用中很多的數(shù)據(jù)都是服從連續(xù)分布的，通過(guò)對(duì)已有XML索引的研究，本文針對(duì)概率閾值范圍查詢(xún),提出了一種對(duì)任意連續(xù)不確定XML數(shù)據(jù)均適用的RLPI索引。首先，在Dewey編碼的基礎(chǔ)上進(jìn)行改進(jìn)，增加了對(duì)不確定XML中分布節(jié)點(diǎn)IND和MUX的處理一種前綴編碼PED-ewey。其次，在RLPI路徑索引中將具有相同逆序標(biāo)簽路徑的索引項(xiàng)聚集存儲(chǔ)，節(jié)省了空間花銷(xiāo)；在RLPI值

4、索引中，通過(guò)預(yù)處理任意連續(xù)不確定數(shù)據(jù)，并結(jié)合相應(yīng)地過(guò)濾策略，過(guò)濾與查詢(xún)無(wú)關(guān)的節(jié)點(diǎn)，減少了 pdf的計(jì)算，從而提高了查詢(xún)的速度。由于計(jì)算連續(xù)不確定數(shù)據(jù)pdf比較費(fèi)時(shí)，為進(jìn)一步提高查詢(xún)速度，提出一種優(yōu)化算法CUXI索引樹(shù)。算法借鑒 R樹(shù)的對(duì)空間數(shù)據(jù)自頂向下遞歸構(gòu)建索引樹(shù)的思想，通過(guò)對(duì)連續(xù)不確定的XML數(shù)據(jù)聚類(lèi)構(gòu)建相應(yīng)的索引樹(shù)，并在節(jié)點(diǎn)存儲(chǔ)提前計(jì)算的一些信息，來(lái)過(guò)濾掉與概率閾值范圍查詢(xún)無(wú)關(guān)的元素，以減少查詢(xún)中需處理的元素?cái)?shù)目，提高查詢(xún)的速度。