基于緩沖的XML語義檢索系統(tǒng)研究與設(shè)計.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，網(wǎng)上的資源呈指數(shù)級增長，如何快速、準(zhǔn)確的從海量的web數(shù)據(jù)中查找到所需要的信息，是當(dāng)今信息技術(shù)領(lǐng)域中研究的一個熱點課題。傳統(tǒng)的信息檢索技術(shù)是基于文本的檢索，信息查詢式的提交是以提交關(guān)鍵詞為主。但是XML文檔中有隱含的結(jié)構(gòu)信息，XML標(biāo)記明確表達了它的含義，搜索引擎就可以根據(jù)關(guān)鍵詞和內(nèi)容之間的依存關(guān)系進行準(zhǔn)確定位，從而能夠根據(jù)用戶提供的關(guān)鍵詞，返回正確的結(jié)果。所以，XML的結(jié)構(gòu)化信息使得在XML文檔中實現(xiàn)語義檢索要比在

2、傳統(tǒng)搜索引擎中要容易得多。 針對當(dāng)前XML信息檢索系統(tǒng)的不足和用戶的需求，本文研究并設(shè)計了一個基于緩沖的XML語義檢索系統(tǒng)：在檢索的整體架構(gòu)中加入一個緩沖結(jié)構(gòu)——常檢索模塊，該模塊主要記錄用戶的頻繁查詢模式，當(dāng)用戶提交關(guān)鍵詞之后，系統(tǒng)首先在該模塊中查找，如果能找到需要的結(jié)果則直接返回，否則才去檢索模塊進一步查找，大大提高了檢索的效率；為更好的實現(xiàn)語義檢索，本文在檢索單元的問題上進行了研究，并提出了一種自動界定檢索單元的方法。這種

3、方法利用XML文檔自身攜帶的語義和結(jié)構(gòu)信息，根據(jù)具體的查詢關(guān)鍵詞，可以自行確定一個大小合適且符合用戶語義要求的檢索單元，稱之為最小檢索單元(Minimum Retrieval Unit，MRU)。這個檢索單元既非整個文檔也非單個元素，而是用戶感興趣并且符合關(guān)鍵字包含關(guān)系的元素集合或者XML子樹集合，該集合可以看作是原文檔的一個片斷。確定好檢索單元之后，要建立倒排索引。本文將信息檢索中常用的方法——聚類應(yīng)用于其中。利用XML文檔的結(jié)構(gòu)信息

4、，使具有相同或相似結(jié)構(gòu)的MRU形成一簇，使每一簇都可以由一個相同的特征詞來描述，先為每個簇中的MRU建立索引，然后以此特征詞為關(guān)鍵詞再對所有的簇建立索引，形成一個二級索引結(jié)構(gòu)。既可以快速有效的建立索引，又提高了檢索效率。 本文的主要貢獻是： (1)提出了一種XML的頻繁查詢模式挖掘算法，利用該算法挖掘出用戶的頻繁查詢模式，并儲存在常檢索模塊，建立一個緩沖結(jié)構(gòu)，提高了檢索速度； (2)提出了一種基于路徑信息的XML文檔聚類算法，