XML數(shù)據(jù)流上關(guān)鍵字查詢的研究與實(shí)現(xiàn).pdf

1、當(dāng)前,應(yīng)用于股票交易、電子郵件監(jiān)測(cè)、網(wǎng)絡(luò)信息訂閱與發(fā)布等領(lǐng)域的以流形式存在的XML數(shù)據(jù)越來越多,對(duì)其進(jìn)行關(guān)鍵字查詢是XML數(shù)據(jù)查詢的一個(gè)研究熱點(diǎn)。XML數(shù)據(jù)流上的關(guān)鍵字查詢不同于Xpath&Xquery等結(jié)構(gòu)語言查詢,用戶不需掌握復(fù)雜的結(jié)構(gòu)化查詢語言和XML的結(jié)構(gòu)信息,只需提交查詢的關(guān)鍵字即可獲得感興趣的信息。但XML數(shù)據(jù)流的大容量、到達(dá)無序且不受控制、僅被訪問一次,這些特性給關(guān)鍵字查詢帶來了新的挑戰(zhàn)?；诖?本文對(duì)XML數(shù)據(jù)流上的關(guān)鍵

2、字查詢做了細(xì)致的研究。
　　 本文在綜述和分析現(xiàn)有XML數(shù)據(jù)流上的關(guān)鍵字查詢相關(guān)技術(shù)的基礎(chǔ)上,著重分析了XML數(shù)據(jù)流上的關(guān)鍵字查詢技術(shù)。首先針對(duì)現(xiàn)有算法的優(yōu)缺點(diǎn),給出了完備性結(jié)果集——全部最小最近公共祖先ASLCA(AllSmallestLowestCommonAncestor)和最大包含序列MCS(MaxContainSequence)的定義,并提出和實(shí)現(xiàn)了XML數(shù)據(jù)流上的關(guān)鍵字查詢算法——XAMM算法(XML-slcaMax

3、-contain-sequenceMinus),該算法解決了Dewey編碼浪費(fèi)內(nèi)存空間,克服了Xpath&Xquery等結(jié)構(gòu)化查詢操作不友好的缺陷。接著設(shè)計(jì)了XML數(shù)據(jù)流上關(guān)鍵字查詢?cè)拖到y(tǒng),該系統(tǒng)在綜合考慮用戶的查詢意圖和查詢數(shù)據(jù)集的精確性的基礎(chǔ)上,從用戶操作、關(guān)鍵字分類、關(guān)鍵字語義擴(kuò)展、數(shù)據(jù)集粗糙過濾和查詢執(zhí)行五個(gè)模塊對(duì)該系統(tǒng)進(jìn)行設(shè)計(jì)。在查詢執(zhí)行前,為準(zhǔn)確捕獲用戶的查詢意圖,對(duì)用戶提交的關(guān)鍵字表達(dá)式進(jìn)行語法規(guī)定,根據(jù)關(guān)鍵字在查詢中充

4、當(dāng)?shù)慕巧?將關(guān)鍵字分為用于查詢的條件關(guān)鍵字和用于顯示結(jié)果的結(jié)果關(guān)鍵字,并利用WordNet語義詞典對(duì)關(guān)鍵字語義進(jìn)行擴(kuò)展:同時(shí)對(duì)XML,文檔數(shù)據(jù)集利用布隆過濾器進(jìn)行數(shù)字簽名,匹配關(guān)鍵字語義擴(kuò)展結(jié)果,以此將無關(guān)的文檔集過濾掉,通過對(duì)數(shù)據(jù)集的粗糙過濾,可在查詢前精簡(jiǎn)數(shù)據(jù)集,為精確化查詢作準(zhǔn)備。在執(zhí)行查詢時(shí),執(zhí)行XAMM算法,同時(shí)為將滿足用戶意圖的查詢結(jié)果返回給用戶,在分析現(xiàn)有基于WordNet的經(jīng)典語義相似度計(jì)算方法均忽略概念間層次關(guān)系的基礎(chǔ)

5、上,提出了概念非對(duì)稱性語義相似度計(jì)算方法-NASSC方法(basedonNotionAsymmetricSemanticSimilarityCalculation)。用NASSC方法計(jì)算候選查詢結(jié)果和關(guān)鍵字同義詞詞集的語義相似度,將相似度高的結(jié)果返回給用戶,完成查詢。
　　 最后通過對(duì)比實(shí)驗(yàn),證明了XAMM算法優(yōu)于現(xiàn)有的算法,XAMM算法的結(jié)果集比SRCT和SLCA結(jié)果集更完備,并具有較好的查詢性能。并通過將NASSC方法與經(jīng)典