基于頻繁子樹挖掘的XML聚類方法研究.pdf_第1頁
已閱讀1頁,還剩68頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、XML數(shù)據(jù)由于其開放性、通用性、半結(jié)構(gòu)化等特性,已經(jīng)成為互聯(lián)網(wǎng)上數(shù)據(jù)表示和交換的標(biāo)準(zhǔn)。隨著XML應(yīng)用的不斷擴(kuò)展,大量數(shù)據(jù)源產(chǎn)生出千差萬別的XML文檔,它們所遵循的文檔模式(DTD或XML Schema)也各不相同。對(duì)異源XML數(shù)據(jù)集合進(jìn)行處理的一個(gè)關(guān)鍵技術(shù),是將XML文檔根據(jù)結(jié)構(gòu)相似性進(jìn)行分類并提取DTD。基于同一DTD的XML文檔間會(huì)有較多的相同子結(jié)構(gòu),對(duì)于規(guī)模較大的XML文檔集而言,表現(xiàn)為頻繁子樹。本文研究基于頻繁子樹的XML聚類算

2、法。主要工作包括:
   1、概述現(xiàn)有的針對(duì)XML文檔的聚類方法,指出這些方法的不足之處,提出了新的解決的思路,即基于頻繁子樹進(jìn)行聚類,并闡述了理論依據(jù)。
   2、在經(jīng)典頻繁子樹挖掘算法FREQT的基礎(chǔ)上,引入了等價(jià)類擴(kuò)展的思想,提出了FROTreeMiner算法,該算法大大減少了產(chǎn)生的候選子樹數(shù)目,可用于挖掘頻繁遞歸有序子樹。
   3、基于頻繁子樹挖掘結(jié)果,本文提出兩種XML文檔相似度計(jì)算方法:第一種方法結(jié)

3、合了向量空間模型和頻繁子樹構(gòu)建頻繁結(jié)構(gòu)特征向量,通過特征向量來計(jì)算相似度。第二種方法先構(gòu)建了全局的頻繁子樹包含關(guān)系表,通過該表可以找出文檔包含的最大頻繁子樹和文檔間最大的共有頻繁子樹,并以此為基礎(chǔ)定義了XML文檔相似度計(jì)算公式。在得到文檔的相似度后,通過最小生成樹來進(jìn)行XML文檔的聚類。
   4、實(shí)驗(yàn)表明了(1)FROTreeMiner頻繁子樹挖掘算法效率高于經(jīng)典算法FREQT。(2)基于頻繁子樹的聚類算法在應(yīng)用于XML文檔分

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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論