XML文檔相似性的研究及其在軟件構(gòu)件聚類中的應(yīng)用.pdf

1、隨著基于構(gòu)件的軟件開發(fā)技術(shù)的推廣和深入發(fā)展，構(gòu)件庫已經(jīng)在軟件研究領(lǐng)域得到越來越多的關(guān)注。構(gòu)件的查詢是構(gòu)件庫的基本功能，利用聚類分析技術(shù)對構(gòu)件進行聚類，可以實現(xiàn)構(gòu)件的自動分類，有效地提高構(gòu)件的查詢效率。兇為構(gòu)件可以采用XML文檔描述，而描述文檔可以作為構(gòu)件的標識，所以對構(gòu)件的聚類可以轉(zhuǎn)換為對其XML描述文檔的聚類。因此對XML文檔相似性和軟件構(gòu)件聚類進行研究具有非常重要的意義。 XML文檔是結(jié)構(gòu)信息和語義信息的綜合體，因此XML文

2、檔相似性的研究需要將結(jié)構(gòu)信息和語義信息兩者相結(jié)合。首先，XML文檔中非葉子節(jié)點重復(fù)出現(xiàn)使得相似性計算復(fù)雜化，通過重復(fù)約簡和嵌套約簡消除非葉子節(jié)點的重復(fù)，使得XML文檔結(jié)構(gòu)簡化；然后，分析XML文檔特征，對前人提出的結(jié)構(gòu)化遞歸模型作了擴展，利用元素間的有序嵌套來體現(xiàn)XML文檔的結(jié)構(gòu)信息，充分考慮標簽、標簽的權(quán)重以及葉子節(jié)點值及其權(quán)重，使用WordNet和自定義的相似字典SD來計算XML文檔標簽的語義信息，通過給出的公式計算葉子節(jié)點的相似性