XML文檔聚類研究與應用.pdf_第1頁
已閱讀1頁,還剩75頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、XML(eXtensible Markup Language)是因特網(wǎng)中信息描述、傳輸和交換的重要標準,而XML文檔聚類是眾多XML文檔整合和管理技術中關注的焦點,其目標是有效整合XML文檔使之便于存儲和傳輸。相似度計算則是XML文檔聚類的關鍵步驟,而傳統(tǒng)XML文檔相似度計算方法中,樹編輯距離算法時間復雜度較高,元素比較法丟失文檔結構特性,邊與路徑比較法過于局限,擴展性差,而向量空間計算法雖計算簡便,但多數(shù)算法因其特征權重設定導致無法完

2、整保留文檔結構特性。
  論文著眼于XML文檔的特征權重設定,分別從相似度計算和聚類算法選擇兩方面進行研究,并取得了如下成果:
  1、論文研究了計算XML文檔相似度的pq-gram算法。XML文檔的結點在不同XML文檔樹中所處層次以及本層次中位置都會有所不同,而這些不同正是 XML文檔結構特性的一種體現(xiàn),但pq-gram算法在提取pq-gram時未考慮這一點。鑒于此,論文提出了一種新的帶權pq-gram算法,通過全面考慮X

3、ML文檔樹中結點的層次及位置,結合其父節(jié)點所處的位置,為XML文檔結點以及pq-gram設計了全新的權重設定方法,并在權重設定的基礎上改進了其相似度計算方法。最后通過聚類算法對三個真實數(shù)據(jù)集進行聚類,比較聚類精度的優(yōu)劣以及各聚類簇之間的相似度。
  2、在此基礎上,論文進一步研究了常見的XML文檔特征向量提取方法,發(fā)現(xiàn)大多數(shù)特征提取算法只是針對XML文檔結構特性對特征進行權重設定,未考慮各特征之間是存在偏好關系的。事實上,XML聚

4、類不能完全通過結點在XML文檔中的層次來判定它對于聚類的重要性。論文在此基礎上研究了基于特征偏好的聚類(Clustering with feature order preference,CFP)算法。論文在帶權pq-gram算法對XML文檔進行特征向量提取的基礎上,結合CFP算法,提出了基于特征偏好的XML文檔聚類(CXFP)算法。CXFP算法可結合pq-gram權重以及特征偏好權重兩個方面,并利用CFP算法的特點,在聚類過程中動態(tài)調整

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論