連續(xù)概率XML數(shù)據(jù)查詢(xún)技術(shù)研究與應(yīng)用.pdf

1、近年來(lái)，隨著數(shù)據(jù)采集和處理技術(shù)的不斷發(fā)展，人們對(duì)數(shù)據(jù)的認(rèn)知也開(kāi)始發(fā)生改變，數(shù)據(jù)的屬性開(kāi)始由確定性向不確定性轉(zhuǎn)變。在互聯(lián)網(wǎng)、經(jīng)濟(jì)、金融、電信等許多現(xiàn)實(shí)應(yīng)用中，不確定性數(shù)據(jù)普遍存在，而且有著非常重要的作用。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)具有結(jié)構(gòu)化的特點(diǎn)，難以適用于不確定性數(shù)據(jù)的管理。而XML具有易擴(kuò)展、靈活性和自描述性等優(yōu)點(diǎn)，是結(jié)構(gòu)化和半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行交換、存儲(chǔ)的主要數(shù)據(jù)形式之一，更適合于不確定數(shù)據(jù)的表示。目前，使用連續(xù)概率XML對(duì)不確定數(shù)據(jù)進(jìn)行管理越

2、來(lái)越受到研究者們的關(guān)注，其中高效的查詢(xún)方法是一個(gè)重要研究目標(biāo)。
　　本文研究是在研究生階段參與的具體項(xiàng)目背景下，基于現(xiàn)有的XML編碼和查詢(xún)技術(shù)，針對(duì)連續(xù)概率XML數(shù)據(jù)的特點(diǎn)，提出了一種改進(jìn)的編碼和查詢(xún)算法。具體工作有以下幾個(gè)方面：
　　在編碼方面，提出一種新的基于p-文檔模型的素?cái)?shù)編碼方案EPBH(ExtendedPrimesCodingBasedonHierarchy)。在實(shí)際應(yīng)用中，XML文檔會(huì)經(jīng)常更新，目前的很多編碼都

3、不能很好地支持更新操作。EPBH編碼在素?cái)?shù)編碼的基礎(chǔ)上，加入了層次關(guān)系，并且重復(fù)利用小素?cái)?shù)，實(shí)現(xiàn)了對(duì)XML文檔更新操作的支持，也避免了素?cái)?shù)編碼本身編碼值增長(zhǎng)過(guò)快的問(wèn)題，而且能夠很好地判斷節(jié)點(diǎn)之間的結(jié)構(gòu)關(guān)系。
　　在查詢(xún)方面，提出了一種基于EPBH編碼的擴(kuò)展小枝查詢(xún)算法—PCTwigList。,在XML數(shù)據(jù)管理中，小枝模式查詢(xún)是XML查詢(xún)處理的核心操作，主要分為歸并和非歸并兩大類(lèi)，其中TwigList是一種經(jīng)典的基于區(qū)間編碼的非歸并

4、算法，但TwigList算法的不足之處在于構(gòu)造節(jié)點(diǎn)鏈表集合的過(guò)程中只考慮了節(jié)點(diǎn)間的A-D(Ancestor-Descendant)關(guān)系，而沒(méi)有考慮節(jié)點(diǎn)間的P-C(Parent-Children)關(guān)系，在對(duì)概率XML數(shù)據(jù)的查詢(xún)過(guò)程中會(huì)產(chǎn)生大量的中間結(jié)果。PCTwigList算法針對(duì)這些問(wèn)題進(jìn)行了改進(jìn)，在整個(gè)查詢(xún)過(guò)程中進(jìn)行三次過(guò)濾操作，大大減少了中間結(jié)果，提高了查詢(xún)的效率。
　　本文通過(guò)大量的對(duì)比實(shí)驗(yàn)，證明出EPBH編碼和PCTwig