XML數(shù)據(jù)頻繁模式挖掘技術(shù)研究.pdf

1、XML具有簡單性、結(jié)構(gòu)化、可擴(kuò)展性、互操作性、開放性、通用性、靈活性等特點(diǎn)，因而在數(shù)據(jù)交換、數(shù)據(jù)集成、數(shù)據(jù)發(fā)布、數(shù)據(jù)存儲、數(shù)據(jù)管理、知識管理、信息檢索等諸多領(lǐng)域獲得廣泛應(yīng)用。XML數(shù)據(jù)的快速發(fā)展迫切需要與之相適應(yīng)的、能有效處理XML，數(shù)據(jù)的數(shù)據(jù)挖掘技術(shù)。然而傳統(tǒng)數(shù)據(jù)挖掘技術(shù)主要處理關(guān)系數(shù)據(jù)庫或數(shù)據(jù)倉庫中的結(jié)構(gòu)化數(shù)據(jù)，無法解決具有復(fù)雜層次結(jié)構(gòu)的XML，數(shù)據(jù)挖掘問題。 目前關(guān)于XML，數(shù)據(jù)頻繁模式挖掘技術(shù)的研究尚處于起步階段，雖然研

2、究人員已經(jīng)提出了一些面向XML數(shù)據(jù)的頻繁模式挖掘算法，但由于XML數(shù)據(jù)具有結(jié)構(gòu)變化、不規(guī)則、沒有完全固定模式等特點(diǎn)，且XML數(shù)據(jù)中可挖掘結(jié)構(gòu)繁多，因而至今缺乏一個統(tǒng)一的、抽象的模型去描述XML數(shù)據(jù)的頻繁模式挖掘過程。本文在研究XML，數(shù)據(jù)結(jié)構(gòu)模型特征、表示方法的基礎(chǔ)上，提出了一個統(tǒng)一、抽象的XML，頻繁模式挖掘框架系統(tǒng)。并在此框架基礎(chǔ)上分別就XML數(shù)據(jù)的頻繁標(biāo)簽序列挖掘技術(shù)、頻繁查詢子樹離線挖掘技術(shù)、頻繁查詢子樹在線挖掘技術(shù)、文檔歷史版

3、本變化結(jié)構(gòu)挖掘技術(shù)進(jìn)行了討論和研究： 面向XML文檔聚類的頻繁XML標(biāo)簽序列挖掘技術(shù)研究采用分而治之的思想，提出了基于概念格的XML，頻繁標(biāo)簽序列挖掘算法。算法將XML標(biāo)簽數(shù)據(jù)按照共同前綴序列分成不相交等價類；通過在每個等價類中分別實(shí)施挖掘過程獲取頻繁標(biāo)簽序列。在標(biāo)簽序列挖掘技術(shù)基礎(chǔ)上，研究了基于頻繁標(biāo)簽序列的XML文檔聚類技術(shù)。該技術(shù)采用頻繁標(biāo)簽序列表示文檔特征，通過考慮標(biāo)簽序列包含關(guān)系，并引入標(biāo)簽路徑長度、標(biāo)簽路徑在XML文

4、檔中連續(xù)狀況等特性，提高XML文檔相似性估量準(zhǔn)確度及聚類質(zhì)量。 面向XML查詢緩存的頻繁XML查詢子樹離線挖掘技術(shù)研究分析XML查詢結(jié)構(gòu)的特點(diǎn)，提出了基于全局樹視圖的、自底向上的頻繁查詢子樹挖掘算法BUMiner和最大頻繁查詢子樹挖掘算法BIJMXMiner。通過構(gòu)建全局樹視圖，使得候選子樹的頻度計算可直接從全局樹視圖中獲得，而不再依賴于掃描XML文檔數(shù)據(jù)集。借鑒頻繁查詢子樹挖掘算法，給出了基于頻繁查詢子樹的XML查詢框架系統(tǒng)。

5、XML查詢系統(tǒng)中，為處理相似但不相同的XML查詢樹，介紹了四種XML查詢樹關(guān)系并給出了相似查詢重寫過程。大量實(shí)驗(yàn)表明BUXMiner算法在性能上優(yōu)于原有查詢子樹挖掘算法；相比于傳統(tǒng)緩存技術(shù)LRU、MRU，應(yīng)用頻繁查詢的緩存技術(shù)可獲得更好的XML查詢效率· >基于滑動窗口的頻繁XML查詢子樹在線挖掘技術(shù)研究通過引入滑動窗口模型，提出了面向XML查詢數(shù)據(jù)流的頻繁查詢子樹在線挖掘算法。算法以全局Trie樹為數(shù)據(jù)緩存結(jié)構(gòu)管理和維護(hù)緩存池的數(shù)據(jù)流

6、，采用自下而上、基于前綴等價類的遍歷方式快速產(chǎn)生所有帶根查詢子樹和標(biāo)準(zhǔn)查詢子樹。實(shí)驗(yàn)結(jié)果表明該算法具有挖掘速度快、內(nèi)存消耗穩(wěn)定等特點(diǎn)，可以有效、平穩(wěn)地處理XML查詢數(shù)據(jù)流。 基于雙位圖B-DOM結(jié)構(gòu)的XML文檔歷史版本變化結(jié)構(gòu)挖掘技術(shù)研究在研究XML動態(tài)數(shù)據(jù)挖掘問題及XML版本變化結(jié)構(gòu)挖掘框架的基礎(chǔ)上，提出了動態(tài)變化結(jié)構(gòu)挖掘算法DXSM，用于有效提取頻繁變化結(jié)構(gòu)及基于此的頻繁插入變化結(jié)構(gòu)和頻繁刪除變化結(jié)構(gòu)。通過構(gòu)建存儲、管理數(shù)