基于上下文的XML LCA關(guān)鍵字查詢技術(shù).pdf

1、隨著XML(eXtensible Markup Language)數(shù)據(jù)已逐漸成為網(wǎng)絡(luò)上信息的主要表示和交換標(biāo)準(zhǔn)，對(duì)于XML數(shù)據(jù)檢索的需求越來(lái)越多。由于XML數(shù)據(jù)自身的特性，使得對(duì)XML進(jìn)行數(shù)據(jù)檢索面臨諸多新的挑戰(zhàn)和機(jī)遇。
　　雖然諸如XQuery或XPath等結(jié)構(gòu)化查詢方式，可以將XML查詢轉(zhuǎn)換為復(fù)雜的語(yǔ)義表達(dá)并且獲得精確的查詢結(jié)果，然而很多情況下關(guān)鍵字查詢方式更能夠被大眾所接受。比如，結(jié)構(gòu)化查詢方式要求用戶了解其復(fù)雜語(yǔ)法規(guī)則并對(duì)

2、XML文檔信息有一定的認(rèn)識(shí)。對(duì)于XML關(guān)鍵字查詢，現(xiàn)有的方法多數(shù)都是基于最低公共祖先LCA這個(gè)概念。它們認(rèn)為和查詢相關(guān)的內(nèi)容都在LCA(Lowest CommonAncestor)子樹(shù)中而LCA子樹(shù)外的信息則被認(rèn)為和查詢不相關(guān)。然而，事實(shí)上由于用戶不了解XML文檔的結(jié)構(gòu)信息并且輸入的查詢關(guān)鍵字往往由于過(guò)短而缺乏足夠的判斷信息，使得基于LCA方法生成的結(jié)果往往未能把所有相關(guān)的信息包含在LCA子樹(shù)中，從而導(dǎo)致用戶對(duì)查詢結(jié)果不滿意。而這正是本

3、文的研究動(dòng)機(jī)和嘗試解決的問(wèn)題。
　　本文的主要貢獻(xiàn)如下:總結(jié)了現(xiàn)有的XML關(guān)鍵字查詢研究現(xiàn)狀，指出它們共同的缺陷，即都會(huì)忽略不在LCA子樹(shù)中的節(jié)點(diǎn)，因此文中提出了基于上下文(context)的LCA節(jié)點(diǎn)的概念;使用結(jié)果擴(kuò)充的思想來(lái)定義并獲取上下文信息，所涉及的問(wèn)題包括:如何確定當(dāng)前結(jié)果是否需要擴(kuò)充;如果當(dāng)前結(jié)果需要被擴(kuò)充，那么應(yīng)該添加哪些內(nèi)容。針對(duì)這些問(wèn)題，文中通過(guò)分析日志獲取有意義的上下文信息，提出了一個(gè)決策策略進(jìn)行查詢結(jié)果擴(kuò)充

4、的判斷;提出了一個(gè)基于XML的TF*IDF方法，該方法針對(duì)需要進(jìn)行查詢擴(kuò)充操作的實(shí)體計(jì)算其候選屬性的權(quán)重，并根據(jù)上下文信息，擴(kuò)展查詢表達(dá)式，這里的候選屬性是指對(duì)于一個(gè)LCA子樹(shù)，那些沒(méi)有被該子樹(shù)覆蓋的即不會(huì)返回給用戶的屬性節(jié)點(diǎn)。
　　在與SLCA方法進(jìn)行的比較實(shí)驗(yàn)中，從召全率、召準(zhǔn)率和F-measure三個(gè)指標(biāo)上驗(yàn)證了本文的工作可以有效改進(jìn)以往基于LCA語(yǔ)義方法的效果，此外也驗(yàn)證了文中方法的時(shí)間復(fù)雜度處于合理的范圍內(nèi)。實(shí)驗(yàn)驗(yàn)證了本