基于語義的XML模式提取方法的研究.pdf

1、XML(eXtensible Markup Language)已經成為數據表示和數據交換的標準，使用在各種各樣的應用中。XML模式是XML數據交換、高效數據查詢的基礎，因此XML模式對于XML數據管理至關重要。但大部分的XML文檔缺少XML模式信息，從XML數據中自動化的提取出XML數據的模式信息是XML數據管理的重要任務。傳統的XML模式提取技術是對XML文檔的結構進行提取，沒有考慮XML文檔中標簽的語義信息，然而不同的XML文檔的編

2、寫者使用的不同的標簽描述信息，從而導致提取出的XML模式冗余和錯誤。因為，充分利用XML數據的語義信息，產生緊湊正確的XML模式是一個亟待解決的問題。
　　本文提出了基于語義的XML模式提取方法。使用XML文檔進行聚類，把相似度高的文檔聚類在相同的簇內。分析簇內的XML數據，根據元素標簽的語義信息和上下文環(huán)境，把元素劃分為不同的元素類型。使用XML模式提取算法提取出每個元素類型的模式，最終提取出XML模式。基于語義的XML模式提取

3、方法分成三部分:
　　首先，對XML文檔進行聚類，不同類型的XML文檔被不同的XML模式描述，因此使用聚類技術把具有相似模式的XML文檔聚集在一起，本文根據XML文檔的標簽名稱和結構特點對XML文檔進行聚類。
　　其次，根據元素類型對XML元素進行劃分。在聚類的簇內部，分析XML元素，根據元素標簽的語義信息以及元素的上下文信息，把具有元素類型（即具有相同的模式）的元素劃分在一起。把具有相同元素類型的元素標簽名稱以等價關系的形