簡介：XMLEXTENSIBLEMARKUPLANGUAGE是可擴展置標語言在網絡和其他領域的數(shù)據(jù)表示與交換方面顯示出強大的數(shù)據(jù)表達能力?，F(xiàn)在越來越多的數(shù)據(jù)以XML文檔進行存儲XML文檔的數(shù)據(jù)挖掘技術在理論與實踐方面成為研究的熱點。由于XML文檔具有復雜性、異構性、半結構化的特點傳統(tǒng)的面向關系型數(shù)據(jù)的挖掘技術無法直接應用探索有效的XML數(shù)據(jù)挖掘技術成為數(shù)據(jù)挖掘領域的一項重要研究課題。目前國內外XML文檔數(shù)據(jù)挖掘技術主要分為文檔內容挖掘和文檔結構挖掘。XML內容挖掘本質上是對標記值的挖掘可以對單個或群組XML文檔進行挖掘。XML的元素標記和嵌套關系表示XML文檔的結構結構挖掘實際操作是將XML文檔的結構看作一棵標記樹在此基礎上對樹的挖掘。本文主要研究XML文檔結構的聚類技術。通過研究發(fā)現(xiàn)傳統(tǒng)相似度計算方法不能滿足嵌套結構的語義要求樹路徑模型的聚類算法存在忽略兄弟節(jié)點之間關系和未考慮路徑權重以及路徑匹配方法等問題。為解決上述問題本文設計了一個新的XML文檔聚類方法XML文檔兩階段聚類方法TPCMTWOPHASECLUSTERINGMETHODOFXMLDOCUMENTS主要研究成果如下1、采用XSLT生成XML文檔結構框架的簡化樹改進XML文檔結構向量定義和XML文檔結構相似度計算公式對XML文檔集合進行第一階段聚類。2、針對樹路徑模型的相似度算法存在的問題提出改進的XML文檔樹路徑模型改進了路徑之間相似度計算使XML文檔結構相似度計算結果更合理。在第一階段文檔集聚類結果基礎上按重聚類標準再進行第二階段聚類得出最后聚類結果。3、對于每個階段分別對處理方法和程序流程進行了詳細說明并編程實現(xiàn)得出了部分測試結果和性能分析。最后實驗結果顯示使用TPCM方法對XML文檔集合進行聚類較大地提高了聚類準確率減少了時間開銷。

簡介：PDF文檔應用范圍十分廣泛數(shù)量極其巨大而且PDF的應用仍然處于繼續(xù)發(fā)展的狀態(tài)它在不斷地被更多的用戶所接受和采納PDF應用的廣泛性和它繼續(xù)蓬勃發(fā)展的狀態(tài)與對PDF文檔的有效管理的滯后性形成了一對十分尖銳的矛盾對PDF基于語義的精確查詢和管理勢在必行該系統(tǒng)的將信息抽取技術和機器學習技術的思想相結合實現(xiàn)了從PDF文檔中按語義抽取出有用的數(shù)據(jù)并包裝成XML文檔該系統(tǒng)的實現(xiàn)主要分為兩個過程一是通過樣本學習生成抽取規(guī)則即用戶先在PDF視圖環(huán)境中根據(jù)對PDF樣本文檔理解創(chuàng)建語義模式對頁面信息附加語義然后通過用戶標記PDF樣本文檔中的數(shù)據(jù)項并在用戶創(chuàng)建的語義模式中選擇相應的語義項在語義模式語義項與PDF樣本文檔中數(shù)據(jù)項之間建立映射關系在創(chuàng)建語義模式、建立映射關系的同時用戶將PDF樣本文檔也提交到預處理模塊經過轉化得到樣本XML文檔系統(tǒng)針對前面建立的映射關系和樣本XML文檔進行自動地學習生成抽取規(guī)則二是利用抽取規(guī)則從文檔集中抽取出有用數(shù)據(jù)并自動包裝成包含語義的數(shù)據(jù)即用戶將PDF文檔集及其領域信息一起提交給系統(tǒng)系統(tǒng)自動地將文檔集通過預處理生成WELLFMEDXML文檔集同時根據(jù)領域知識獲取相應的抽取規(guī)則然后自動地將抽取規(guī)則應用于WELLFMEDXML文檔集得到具有自描述性的包含語義的XML文檔該系統(tǒng)對于實現(xiàn)PDF文檔基于語義的精確查詢和管理具有十分重要的現(xiàn)實意義

簡介：隨著企業(yè)規(guī)模的擴大和數(shù)字化技術的不斷提高，文檔管理的任務越來越重要。但目前許多企業(yè)的文檔管理工作缺乏科學性，文檔的安全性差，檢索困難，難以實現(xiàn)對文檔的共享訪問控制，降低了文檔的使用率和價值。對文檔科學、高效的管理成為一個急待解決的問題，但現(xiàn)有的文檔管理系統(tǒng)DMS市場價格較高，對硬件支撐環(huán)境亦有著較高要求，因此開發(fā)具有行業(yè)特色的文檔管理系統(tǒng)具有重大意義，是企業(yè)文檔管理自動化、信息化的迫切需求。本文在分析現(xiàn)有文檔管理系統(tǒng)不足的基礎上，以杜拉維特公司為研究對象，設計實現(xiàn)了一個基于J2EE的四層結構的文檔管理系統(tǒng)，用于質量部門對標準文檔進行高效管理。本文首先敘述了開發(fā)該系統(tǒng)所采用的關鍵技術，然后采用OOA和OOD對系統(tǒng)進行分析設計，最后采用JAVA作為編程語言實現(xiàn)的系統(tǒng)的開發(fā)。本文重點研究了基于角色的訪問控制模型RBAC，以及它在DMS的安全機制中的應用；研究關系數(shù)據(jù)庫和文件系統(tǒng)相結合的存儲方式。在系統(tǒng)的具體實現(xiàn)中整合了STRUTS和HIBERNATE框架，表現(xiàn)層用JSP實現(xiàn)，控制層用STRUTS實現(xiàn)，持久層用HIBERNATE實現(xiàn)；關系型數(shù)據(jù)庫管理系統(tǒng)采用SQLSERVER2000而文件系統(tǒng)采用FTP服務器的方式。通過對系統(tǒng)的部署實施收到了良好的效果，給企業(yè)帶了顯著的經濟效益，明顯地減少了文檔的滯后時間，提高了企業(yè)員工的工作效率和文檔的利用率。

簡介：主要研究內容包括1總結文本分類的過程和WEB文檔的結構特點在此基礎上闡述基于內容的WEB文檔分類算法其中包括基于網頁文本的分類、基于超鏈接的分類和基于查詢目志的分類等詳細描述了KNN算法、SVM算法、貝葉斯算法和決策樹算法并比較和分析各種分類方法的優(yōu)缺點2提出WEB文檔性質分類的新概念通過對大量網頁的結構特點研究分析該技術的可行性和必要性并在文本分類和內容分類算法的基礎上提出性質分類的具體算法如基于超文本的分類、基于超鏈接的分類和基于文件格式的分類等等3比較內容分類和性質分類的相同點和不同點4提出并實現(xiàn)性質分類技術在搜索引擎結果優(yōu)化中的應用設計兩種不同結構的搜索引擎結果分類代理一種是基于查詢優(yōu)化的結果分類代理另一種是基于結果優(yōu)化的結果分類代理并比較二者的優(yōu)缺點進而提出它們不同的應用范圍

簡介：WWW自發(fā)展以來同步超媒體信息的控制始終是一個難題也是一個研究熱點為了解決網絡上的超媒體表現(xiàn)的同步控制、實時傳輸和計時超鏈等問題該文采用超文本技術和多媒體技術相結合的超媒體技術應用可擴展標記語言這個新技術來描述同步超媒體文檔模型解決了媒體的異種格式的統(tǒng)一描述和文檔的開放性實現(xiàn)了異構系統(tǒng)之間的交互性、可移植性和資源的共享復用應用同步多媒體集成語言這個新技術來創(chuàng)建該模型的同步超媒體文檔解決了超媒體文檔的實時交互、復用和檢索實現(xiàn)了滿足超媒體同步控制中的多種通信模式兼容、文檔結構開放、實時交互等的性能該文首先簡要介紹了超媒體技術及其同步機制闡述了有關超媒體的基本要素詳細描述超媒體文檔模型的結構形式化定義了超媒體文檔模型分析了超媒體文檔的結構特性其次對超媒體的同步機制進行綜述詳細分析了XML技術及其子集SMIL技術提出基于XML的同步超媒體文檔模型并用UML技術建構了該模型的XML課件文檔模型描述了同步超媒體課件文檔之間的時間同步關系和空間編排關系最后分析了該課件文檔模型的結構特性和建模方法設計并實現(xiàn)了以該課件文檔模型為核心的同步超媒體實時教學系統(tǒng)的原型分析了該系統(tǒng)的通信結構和邏輯結構描述了該系統(tǒng)的基于XML模式的對象模型對該系統(tǒng)原形的一個應用實例進行測試測試的結果表明該系統(tǒng)比傳統(tǒng)網絡教學系統(tǒng)具有較強的自適應能力能較好地解決網絡中超媒體文檔的實時傳輸?shù)膸拞栴}和同步控制問題達到預期的效果該文研究并實現(xiàn)了同步超媒體文檔模型它是基于XML的數(shù)據(jù)模型和建模方法使構建的同步超媒體文檔模型具有算法簡單、創(chuàng)作方便、易于實現(xiàn)、網絡傳輸額外開銷小和較好的QOS質量具有相當廣闊的應用前景但是對超媒體文檔的動態(tài)建模和對超媒體資源庫的實時更新目前還沒有取得應用這將是以后的進一步的研究工作

簡介：因特網上的信息日益豐富已經成為知識獲取的一個重要來源信息資源的豐富也使信息的檢索有如大海撈針檢索到自己所需要的信息資源效率不高對信息進行整理提高信息檢索的效率具有非常重要的意義本課題的研究的內容是對中文WEB文檔進行自動整理歸類以提高用戶對信息檢索的體驗它也是搜索引擎的核心技術本課題開發(fā)的中文WEB文檔自動分類工具有較好分類準確度也為進一步研究打下了基礎本文首先介紹了文本自動分類的主要方法分析了中文WEB文檔的特點提出了中文WEB文檔自動分類的主要技術問題介紹了中文WEB文檔自動分類工具的總體設計它主要包括網絡蜘蛛、中文分詞、特征選取和貝葉斯分類器等功能模塊接著分析了各模塊的主要算法和JAVA實現(xiàn)方法最后對中文WEB文檔自動分類器進行了實驗對我們所構建的中文WEB文檔自動分類工具的性能進行了評估實驗表明此工具有較高的分類準確度達到了設計的要求本論文的結構如下第1章對目前的文檔分類技術進行了分析著重指出了中文WEB文檔分類的特殊性提出了研究的主要內容第2章對中文WEB文檔自動分類器進行了總體設計制訂了它的各個功能模塊及每個模塊的主要功能同時也闡述了所使用的新方法第3章講述了網絡蜘蛛抓取WEB文檔的原理分析了對WEB文檔進行結構化解析的主要技術和網絡蜘蛛的實現(xiàn)方法第4章分析和比較了多種中文分詞實現(xiàn)方法對最大匹配分詞法進行了改進提高了中文分詞的效率和準確度并給出了實現(xiàn)的技術細節(jié)特別是對中文詞典的實現(xiàn)方法作了詳細介紹第5章分析了多種特征選取算法比較了它們的優(yōu)缺點提出了文檔頻度與詞條頻度相結合的特征選取算法并對此方法的實現(xiàn)進行闡述第6章分析了貝葉斯機器學習方法的主要思想對貝葉斯方法用于文檔歸類的原理進行了剖析詳細介紹了貝葉斯分類方法的算法與實現(xiàn)第7章講述了文本分類的評價標準通過實驗對本課題所構建的分類工具進行了評估總結了研究成果指出了不足并提出了改進意見

簡介：隨著計算機技術的普及和INTER的迅猛發(fā)展，數(shù)字化的文檔信息總量呈指數(shù)級的速度增長。面對網絡上分散雜亂且具有一定利用價值的海量文檔信息資源，如何有效利用它們，發(fā)揮它們的最大利用價值成為我們目前面臨的難題。為解決這一難題，我們亟需一種快速有效的文檔自動分類方法對它們進行分類整理，以便用戶能夠更快捷地獲取利用它們。然而傳統(tǒng)基于詞向量空間的文檔自動分類方法，雖然方法簡單、易于學習，在對小規(guī)模文檔進行分類時具有較高分類速度，但是其忽略詞間重要語義關系，不能解決同義詞、多義詞、詞間上下位關系等問題，導致向量空間維度高，分類性能低，在對海量文檔分類時分類速度較慢，增加用戶從海量信息中檢索利用有用信息的難度。對此，國內外學者提出一系列語義驅動的文檔自動分類方法，其雖然能夠在一定程度上解決傳統(tǒng)文檔自動分類方法中存在的問題，但因其剛剛興起，相關技術與方法還不太成熟，目前還基本上停留在理論、模型、框架研究階段，且提出的方法語義推理能力要求高，計算復雜度高，無法快速有效對網絡上海量文檔進行語義分類。針對上述問題，本文以本體集成和文檔語義分類為研究對象，以語義分類過程中需要用到的兩個本體庫WD和SUMO為例。首先通過廣泛閱讀國內外相關文獻，梳理出本體集成和文檔語義分類方面的基礎理論。然后詳細分析和探討WD和SUMO本體庫及兩者之間的映射機制，基于此，設計和實現(xiàn)基于WD和SUMO本體集成的文檔語義分類模型。該模型首先利用WD同義詞集與SUMO本體概念之間的映射關系，編寫正則表達式，對SUMO和WD本體庫進行集成，形成涵蓋WD同義詞集與SUMO本體概念一一映射關系的集成本體庫；然后在此基礎上，設計和實現(xiàn)了一個映射算法，快速有效地將傳統(tǒng)高維詞向量空間映射成低維的概念或語義向量空間，實現(xiàn)文檔的語義分類。不僅可以有效解決傳統(tǒng)文檔自動分類方法和目前語義分類方法中存在的問題，也同時可以解決本體概念和自然語言詞匯之間抽象與具體、普遍性與特殊性的矛盾造成自然語言詞匯無法準確映射到本體概念的問題，并且實驗結果表明提出的文檔語義分類模型能夠較大地提高文檔分類的性能，降低文檔分類的時間，比較適合快速有效對網絡上海量文檔進行語義分類。最后對文檔語義分類的應用領域進行了分析和探討。

簡介：II將它們帶入到PARZEN窗算法中以求得各自的類條件概率密度|IXPΩ，然后使用基于最小錯誤率的貝葉斯決策規(guī)則將驗證集中的各待分類特征向量歸入所屬類別，從而得出了對獨立公式的正確定位率。PARZEN窗中的窗寬是一個非常重要的數(shù)值，它對最終的定位率起到很大的影響。由于窗寬H是一個大于零的實數(shù)，所以本人的想法是將窗寬的初始值和終止值分別設為一個較小值和一個較大值，然后以較小的步長值遍歷此范圍內的所有數(shù)值，從而在此范圍內找出最佳的窗寬值。經實驗表明，此方法是有效的。與以往文獻相比，本文采用了與他們同樣的方法，不但得到了比他們更高的獨立公式定位率，而且確定了與其對應的PARZEN窗窗寬的精確值，這是以往文獻中所未見到的，這也正是本文的創(chuàng)新點所在。為將來的進一步研究奠定了堅實的基礎。關鍵詞特征提取；PARZEN窗；窗寬；公式定位；獨立公式

簡介：在清嘉慶、道光年間，中國歷史經歷了重要的轉向，特別是以鴉片戰(zhàn)爭為主的外部因素的沖擊，對士人群體的影響更是巨大。與政治環(huán)境的激烈相呼應的是以今文學派為主的經世思潮的興起。如果將今文學派放在乾嘉以來學術的發(fā)展歷程中看，會發(fā)現(xiàn)它只不過是眾多可能結局中的一個，在當時的士人思想中，有遠比今文學派更為激烈的思潮，而且那些思潮在乾嘉之前絕對作為“異端”來對待，比如荀子重回圣人門徒的思想。這種思潮的產生是以考據(jù)學為中心的學術研究發(fā)展的結果，與此相伴隨的是在嘉慶、道光年間，士人群體所發(fā)生的分裂。這種分裂是士人群體對士人身份的認可標準發(fā)生了分裂，集中的表現(xiàn)是以“入幕”、“寫書”等原本被士人視為末端的行為，取得了合法的地位，并被越來越多的士人所接受。期待流芳百世的心態(tài)，更多的表現(xiàn)為一種內在的沖動，它已經不再是傳統(tǒng)的一心只為“代圣賢立言”。這時候就發(fā)生了一系列的問題，比如士人如何看待“入幕”所導致的對士人身份的放棄如何看待荀子等原本被視為異端的學說取得合法的地位如何面對學術專業(yè)化帶來的學術與信仰的矛盾等等。本文選取劉寶楠、劉恭冕父子為研究對象，著重考察父子二人的學術思想與當時士人心態(tài)之間的關系，力求在士人的矛盾心態(tài)中，梳理出學術發(fā)展的內在理路。在通往學術獨立與學者獨立的道路上，劉氏父子沒有走的更遠，但劉氏父子所做的，正是考據(jù)學影響下大多數(shù)士人所能做到的極限。正是基于這樣的考量，使得我們有必要重新審視當這群傳統(tǒng)士人處在歷史的十字路口時，他們所做的改變或許是出于內在的需要。

簡介：隨著OCROPTICALACTERRECOGNITION，光學字符識別技術的出現(xiàn)，掃描儀等固定設備輸入的文字圖象可由OCR自動識別并以字符的形式保存，代替了人工手動輸入，由于其識別速度快，且精度高等特點，OCR技術得到了廣泛的使用。近幾年來，手持拍照設備的出現(xiàn)，取代了固定設備，但又因為手持設備成像環(huán)境的不確定性，使得拍攝出來的文檔圖像發(fā)生光學和幾何形變，給OCR識別文字帶來一定的挑戰(zhàn)。因此，為了提高OCR的識別率，拍照文檔圖像的校正就成為亟待解決的問題。拍照文檔產生的形變分為幾何形變和光學形變，本文主要解決的問題是拍照文檔的幾何校正。本文研究的數(shù)據(jù)集是CBDAR2007校正競賽的數(shù)據(jù)集，通過對該數(shù)據(jù)集進行分析，提出了一種基于文本行的文檔圖像校正算法。該算法先對文檔圖像進行預處理，其中預處理過程包含二值化、傾斜校正、文檔圖文分離。二值化采用局部二值化算法，對于光照不均的圖像有較好的效果，圖文分離主要是采用支持向量機SVM，訓練一個兩類分類器。其次，對圖文分離后僅含文字的圖像進行連通部件提取，對提取的連通部件進行聚類，將其聚為文本行，對聚類后的文本行提取其上下基線，再利用B樣條擬合兩條曲線。最后，對兩條曲線之間的文字進行坐標變換，最終達到校正的目的。

簡介：廣西師范大學碩士學位論文胡虔學術研究姓名張振廣申請學位級別碩士專業(yè)專門史指導教師何林夏藍武20080501IIABSTRACTHUQIANWASASCHOLARPARALLELLYFAMEDWITHQIANDAZHAOCHENZHANDURINGQIANLONGJIAQINGPERIODBECAUSEHUQIANWASOTHERS’AIDESSTAFFINALLHISLIFEMOSTOFHISWKSWEREINSCRIBEDBYOTHERS’NAMESXIEQIKUN’SPOEMSCOLLECTIONOFSHUJINGHALLARTICLESCOLLECTIONOFSHUJINGHALLWHICHCANDIRECTLYPROVEHUQIAN’SACADEMICCONTRIBUTIONCOULDBESELDOMFOUNDTHOUGHDONGFANGSHUFIGUREDOUTTHEACADEMICCONTRIBUTIONMADEBYHUQIANHOWEVERHU’SACADEMICPOSITIONHASN’TBEENACKNOWLEDGEDBYTHEOTHERSCHOLARSNOTTOMENTIONTHETHOUGHRESEARCHEVALUATIONOFHISACADEMICACTIVITIESTHOUGHTSTHEMAINPURPOSEOFTHISPAPERISTOBYEXAMININGHUQIAN’SBIRTHFAMILYBACKGROUNDLIFESOCIALINTERCOURSEWKSACKNOWLEDGEHUQIAN’SACADEMICPOSITIONDISCUSSTHEACADEMICVALUESOFHISWKSASWELLASTHESIGNIFICANCEVALUESOFSHOGUNATEACADEMYWHICHISREPRESENTEDBYHUQIANTHISPAPERMAINLYADOPTSTHEBASICEXAMININGCOMPARINGMETHODSACHIEVEMENTSMADEBYTHISPAPERMAINLYLIEINFIRSTBYCOLLECTINGCOLLATINGTHEMATERIALSOFTHELOCALLITERATUREINVOLVEDHUQIANTHERECDGIVENBYHISTEACHERSFRIENDSSYSTEMATICALLYANALYZESHUQIAN’SFAMILYBACKGROUNDASWELLASANALYZESTHEACTERISTICSOFHISFAMILYSCHOOLINGSECONDTOEXAMHUQIAN’SFIVEACADEMICPERIODSTOBEWENGFANGGANG’SAIDESSTAFF，TOBEQINYING’SAIDESSTAFF，TOBEBIRUAN’SAIDESSTAFF，TOBEXIEQIKUN’SAIDESSTAFFTWICETHROUGHTHEEXAMINATIONTHISARTICLEHASCLEAREDTHETIMEWHENHUQIANWASOTHERS’AIDESSTAFFMAINACADEMICACTIVITIESSOCIALINTERCOURSEOFEVERYHUQIAN’ACADEMICPERIODSTHIRDTHEARTICLEHASSUCCESSFULLYSYSTEMATICALLYEXAMEDHUQIAN’SMAINACADEMICACTIVITIESCLASSIFIEDTHEMACCDINGTOPOETFRIENDSLEARNERFRIENDSSCHOLARSLAGGINGBEHINDASWELLASSIMPLYINTRODUCEDEACHOFHISACADEMICFRIEND’SCOMMUNICATINGACTIVITIESACADEMICACHIEVEMENTSFOURTHEXAMINEDTHEWRITINGACHIEVEMENTSOFHUQIAN’SMAINWKSESPECIALLYEXAMEDTHEWKSWRITTENBYHUQIANBUTINSCRIBEDBYOTHERSNAMESEXAMEDTHEWRITINGTIMEMAINVERSIONSMAINCONTENTSOFBOOKOFWESTWEIEXAMOFXIAOXUEEXAMOFHISTYRECDGENERALHISTYOFGUANGXITHENDISCUSSEDTHEACADEMICVALUEOFTHESEWKSFIFTHBYSUMMARIZINGTHEACADEMICACTIVITIESOFTHESCHOLARSWHOWASOTHERS’AIDESSTAFFREPRESENTEDBYHUQIANDISCUSSTHEMAINCONTRIBUTIONOFTHESHOGUNATEACADEMICDURINGQIANJIAPERIODFINALLYANALYSISTHEREASONSWHYHUQIANWASSUCCESSFULINACADEMICBYEXAMINGTHEDEVELOPMENTOFTHESOCIETYDEVELOPMENTOFTHEACADEMICACADEMIC

簡介：隨著企業(yè)信息化的深入國內許多自主開發(fā)產品的中小企業(yè)都急需解決企業(yè)產品數(shù)據(jù)信息管理的問題應用產品數(shù)據(jù)管理技術可以幫助企業(yè)、部門、工作組更加有效地管理產品的整個生命周期內所涉及到的工程圖文檔、工程數(shù)據(jù)縮短產品設計生產周期提高產品開發(fā)質量該文分析了企業(yè)對產品數(shù)據(jù)管理的需求從功能需求和應用范圍等方面介紹了產品數(shù)據(jù)管理技術其次該文討論了設計產品圖檔管理系統(tǒng)所使用的體系結構以及實現(xiàn)時用到的軟件開發(fā)方法由于該系統(tǒng)的特點體系結構采用了客戶機服務器模式CLIENTSERVER和WEB瀏覽器服務器模式BROWSERSERVER兩種模式相結合的方案最后根據(jù)具體企業(yè)的應用需求利用面向對象技術、數(shù)據(jù)庫技術和網絡技術設計了一個產品圖檔管理系統(tǒng)模型并提出了完整的解決方案開發(fā)了一套基于客戶機服務器模式CLIENTSERVER和WEB瀏覽器服務器模式BROWSERSERVER結合模式的產品圖檔管理系統(tǒng)實現(xiàn)了企業(yè)對產品圖文檔管理的需求縮短了產品開發(fā)周期提高了產品開發(fā)效率從而達到提高企業(yè)市場競爭力的目標

簡介：點擊查看更多網絡結構單元中學術信息分布的計量研究.pdf精彩內容。

簡介：隨著網絡數(shù)字資源的日益豐富和網絡環(huán)境對人們存取信息方式的改變，數(shù)字文檔唾手可得，文檔復制變得越來越容易。近年來，學術剽竊現(xiàn)象屢見報端，互聯(lián)網上日益增多的重復網頁降低了檢索效率，給用戶帶來許多不便。文檔復制檢測技術是為了防止數(shù)字文檔的非法復制和擴散而提出的，在知識產權保護和信息檢索中有著重要應用，它可以防止剽竊事件的發(fā)生，提高互聯(lián)網檢索效率，是近年來數(shù)據(jù)安全領域研究的熱點。文檔復制檢測就是判斷一篇給定文檔是否抄襲、剽竊或者復制于另外一篇或者多篇文檔的內容，剽竊不僅僅意味著原封不動地照搬，還包括對原作的移位變換、同義詞替換以及改變說法重述等方式。本文首先介紹文檔復制檢測技術的發(fā)展背景、基本概念、國內外的研究現(xiàn)狀、應用領域及科學意義。接著分析現(xiàn)有檢測系統(tǒng)的功能和特點，并探討構建系統(tǒng)所需要的XML、、以及SQLSERVER等相關技術及其特點，提出了建立基于BS三層架構的文檔復制計算機輔助檢測系統(tǒng)的構思。其次，本文設計了文檔復制計算機輔助檢測系統(tǒng)的體系結構，以及數(shù)據(jù)庫、用戶注冊登錄模塊、文檔上傳模塊、文檔檢測模塊、系統(tǒng)管理模塊。該系統(tǒng)采用SQLSERVER2005作為后臺數(shù)據(jù)庫服務器，XML表示文檔文件，用組件訪問數(shù)據(jù)庫，用INTERINFMATIONSERVER51作為WEB服務器，使用C＃編寫WEB服務器有關程序，客戶端用網頁瀏覽器即可訪問本系統(tǒng)。再次，詳細介紹了該系統(tǒng)各具體功能模塊的實現(xiàn)，包括用戶登錄注冊、文檔上傳、文檔檢測、用戶文檔管理、系統(tǒng)的基本設置管理、用戶管理、系統(tǒng)文檔管理?；谏鲜龉ぷ?，實現(xiàn)了基于句子的中英文文檔復制計算機輔助檢測系統(tǒng)，為用戶提供在線文檔復制計算機輔助檢測服務。在此基礎上進行了大量的系統(tǒng)測試，測試證明，該系統(tǒng)具有較強的實用性。

簡介：到目前為止萬維網已經成為世界上最豐富和最密集的信息來源但是它的結構使它很難用系統(tǒng)的方法來利用信息為了高效率地利用這些數(shù)據(jù)首先必須要研究異構數(shù)據(jù)的集成問題以XML為基礎的新一代WWW環(huán)境是直接面對WEB數(shù)據(jù)的不僅可以很好地兼容原有的WEB應用而且可以更好地實現(xiàn)WEB中的信息共享與交換XML可看作一種半結構化的數(shù)據(jù)模型可以很容易地將XML的文檔描述與關系數(shù)據(jù)庫中的屬性對應起來實施精確地查詢與模型抽取由于XML語言的特性使得XML文檔與數(shù)據(jù)庫管理系統(tǒng)存在著聯(lián)系這里需要解決的一個關鍵問題就是XML文檔的存儲和版本管理問題問題因此該文主要討論是WWW信息集成系統(tǒng)中的一個模塊XML文檔存取器為了更加有效我們提出了基于UBCC模式的XML文檔版本管理機制以及實現(xiàn)方法基于ACLE8I數(shù)據(jù)庫通過JAVA語言對XML文檔的分析實現(xiàn)XML文檔的版本管理