標(biāo)簽劣質(zhì)的XML數(shù)據(jù)上的查詢處理.pdf

1、隨著各組織間數(shù)據(jù)交換的與日俱增，作為Web上數(shù)據(jù)存儲和交換格式事實(shí)標(biāo)準(zhǔn)的XML變得越來越重要，但是不正確數(shù)據(jù)、不一致數(shù)據(jù)、不精確數(shù)據(jù)等XML中的劣質(zhì)數(shù)據(jù)給XML上的有效查詢處理帶來了挑戰(zhàn)。研究在包含劣質(zhì)數(shù)據(jù)的XML上直接進(jìn)行查詢，對 XML的研究與推廣具有重要意義。由于twig查詢具有重要的研究意義，針對劣質(zhì)標(biāo)簽，本文研究標(biāo)簽劣質(zhì)XML數(shù)據(jù)上twig查詢的處理算法及其優(yōu)化算法。
　　利用XML的內(nèi)容與結(jié)構(gòu)信息，本文提出了標(biāo)簽劣質(zhì)X

2、ML數(shù)據(jù)上的查詢處理算法。為了對文檔實(shí)施必要的預(yù)處理以支持查詢處理算法的高效執(zhí)行，本文將整個查詢處理算法劃分為線下的文檔處理和線上的查詢處理。本文的算法首先利用文檔和查詢中標(biāo)簽的內(nèi)容以及文檔中各標(biāo)簽間的父子等關(guān)系求得每個標(biāo)簽的拼寫相近標(biāo)簽、松弛標(biāo)簽、同義標(biāo)簽等相似標(biāo)簽。然后，利用這些相似標(biāo)簽，定義了相似查詢及其相似距離，并定義了支持查詢處理高效執(zhí)行的三種操作。利用這三種操作，采用以空間換時間的方式，提出了在XML文檔中求出與原查詢相似的

3、所有查詢結(jié)果，并按照與原查詢相似程度由大到小的順序返回結(jié)果的高效算法。通過實(shí)驗(yàn)驗(yàn)證了該查詢算法的有效性和效率。
　　針對上述方法中存在的不夠高效之處，本文提出了上述算法的兩點(diǎn)優(yōu)化思想，以及它們的實(shí)現(xiàn)方法——文檔處理優(yōu)化和查詢處理優(yōu)化。文檔處理優(yōu)化利用文檔處理程序遍歷XML文檔中所有路徑的性質(zhì)，提前生成文檔中所有標(biāo)簽的串聯(lián)信息；利用該串聯(lián)信息，查詢處理優(yōu)化對查詢中所有標(biāo)簽間的串聯(lián)關(guān)系進(jìn)行判斷，以盡早過濾掉不可能產(chǎn)生結(jié)果的標(biāo)簽。本文用