基于滑動(dòng)窗口的XML數(shù)據(jù)流的聚類(lèi)算法研究與實(shí)現(xiàn).pdf

1、XML是一種用于數(shù)據(jù)交換和共享的自描述語(yǔ)言,已經(jīng)成為互聯(lián)網(wǎng)上數(shù)據(jù)表示和數(shù)據(jù)交換的標(biāo)準(zhǔn)。在數(shù)據(jù)傳輸及交換過(guò)程中,許多結(jié)構(gòu)化或半結(jié)構(gòu)化數(shù)據(jù)都以XML格式來(lái)表示,由此產(chǎn)生了大量的XML數(shù)據(jù)。該數(shù)據(jù)是一種按時(shí)間順序無(wú)限到達(dá)的實(shí)時(shí)數(shù)據(jù),我們稱(chēng)之為XML數(shù)據(jù)流。
　　 對(duì)XML數(shù)據(jù)流進(jìn)行知識(shí)挖掘,是一個(gè)重要的研究課題,同時(shí)也面臨著很多挑戰(zhàn)。為了從XML數(shù)據(jù)流中發(fā)掘出有用的知識(shí),眾多研究者主要集中于XML數(shù)據(jù)的聚類(lèi)挖掘,并提出了大量的XML聚

2、類(lèi)算法。但現(xiàn)有的XML數(shù)據(jù)聚類(lèi)算法主要用于靜態(tài)數(shù)據(jù)集的處理,一般需要多次反復(fù)的文檔讀取和解析,并沒(méi)有考慮隨時(shí)間變化的在線(xiàn)聚類(lèi)研究。
　　 本文針對(duì)上述問(wèn)題,提出了一種基于滑動(dòng)窗口的XML數(shù)據(jù)流聚類(lèi)算法。
　　 首先,以時(shí)間聚類(lèi)特征為基礎(chǔ),采用層次結(jié)構(gòu)的方法,來(lái)表示XML文檔的概要數(shù)據(jù)結(jié)構(gòu)。這種表示方法較好的完成了對(duì)XML文檔結(jié)構(gòu)信息的提取和文檔間相似度的計(jì)算。
　　 其次,采用滑動(dòng)窗口模型,以XML聚類(lèi)特征指數(shù)直