基于XML的頻繁模式發(fā)現(xiàn)研究.pdf

1、XML是一種自描述的元標(biāo)記語言，它是完全面向數(shù)據(jù)的。它的擴(kuò)展性和靈活性允許其描述不同結(jié)構(gòu)的Web站點(diǎn)的數(shù)據(jù)，從而能夠使不同來源的數(shù)據(jù)容易地結(jié)合在一起，因此人們逐漸采用它作為信息表示和交換的標(biāo)準(zhǔn)。同時(shí)，由于基于XML的數(shù)據(jù)是自我描述的，數(shù)據(jù)不需要內(nèi)部描述就能被交換和處理，這就為組織、軟件開發(fā)者、Web站點(diǎn)和終端使用者提供了許多有利條件。 隨著XML的在各個(gè)領(lǐng)域的廣泛使用，從XML中抽取有價(jià)值的信息就顯得越發(fā)的重要，尤其是發(fā)現(xiàn)隱藏其

2、中的規(guī)則和模式。因此，XML中的頻繁模式發(fā)現(xiàn)問題就成為了一個(gè)重要的研究領(lǐng)域。 本文介紹了數(shù)據(jù)挖掘、半結(jié)構(gòu)化數(shù)據(jù)挖掘、XML的相關(guān)概念和研究現(xiàn)狀，提出了一種面向XML的樹型對象模型TOM。然后以TOM為數(shù)據(jù)模型，對XML中的頻繁模式發(fā)現(xiàn)問題進(jìn)行了研究，提出了一種基于XML的頻繁模式發(fā)現(xiàn)算法XMLMINER。最后為了進(jìn)一步提高算法的效率，我們使用了一種修剪策略對XMLMINER算法進(jìn)行了改進(jìn)。 本文所做的主要工作和創(chuàng)新點(diǎn)如下

3、：1.分析了半結(jié)構(gòu)化數(shù)據(jù)模型和XML數(shù)據(jù)內(nèi)容，針對半結(jié)構(gòu)化數(shù)據(jù)模型描述XML數(shù)據(jù)存在的缺陷，提出了一種面向XML的樹型對象模型TOM，作為XML數(shù)據(jù)挖掘任務(wù)使用的數(shù)據(jù)模型； 2.在TOM模型的基礎(chǔ)上，我們提出了XMLMINER算法挖掘XML中的頻繁模式。XMLMINER算法的關(guān)鍵問題在于候選子樹的列舉和支持度計(jì)算。我們改進(jìn)了TreeMiner算法的前綴等價(jià)類技術(shù)以產(chǎn)生候選子樹，并采用出現(xiàn)列表技術(shù)計(jì)算候選子樹的支持度； 3