XML文檔匹配研究.pdf

1、隨著信息技術(shù)的發(fā)展,人們對于XML數(shù)據(jù)的轉(zhuǎn)換、集成和共享的需求越來越多,異構(gòu)XML文檔的匹配研究成為新的研究熱點。雖現(xiàn)已存在一些相對成熟的針對結(jié)構(gòu)化數(shù)據(jù)(如數(shù)據(jù)庫數(shù)據(jù))的匹配方法,異構(gòu)XML文檔標簽的匹配方法可以借鑒這些方法中的思想,但同時還需要結(jié)合半結(jié)構(gòu)化數(shù)據(jù)自身的特點,探尋更適合于半結(jié)構(gòu)化數(shù)據(jù)自身特點的匹配算法。
　　本文詳細地闡述了現(xiàn)有模式匹配方法的分類、特征和適用范圍。并在針對已有的異構(gòu)XML文檔標簽匹配算法基礎上,分析其

2、中存在的一些問題,提出一種基于XML schema的匹配算法。該算法利用寬松標識方法,將XML schema所包含的豐富的結(jié)構(gòu)信息和語義信息,結(jié)合基于上下文的結(jié)構(gòu)匹配算法來共同完成匹配任務。實驗驗證該算法能夠有效識別XML文檔中同名異義、異名同義現(xiàn)象,對異構(gòu)XML文檔標簽的匹配起到較好的效果。
　　眾所周知,從一個角度或者一個層面不可能完全表征數(shù)據(jù),而要從多層面和多角度去發(fā)現(xiàn)數(shù)據(jù)間的關聯(lián),這是一切匹配算法的一般原理。為了增加匹配的

3、精度,為了充分進行數(shù)據(jù)間的匹配,本文的第四章引入基于實例的匹配算法,研究了XML文檔在既能夠獲得實例,又包含XML Schema情況下的匹配問題。該算法主要討論了利用實例的各種特征,提出了抽取數(shù)據(jù)分布特征向量結(jié)合數(shù)據(jù)屬性特征向量來共同描述數(shù)據(jù)特征的方法,然后將得到的組合向量作為神經(jīng)網(wǎng)絡的輸入,利用神經(jīng)網(wǎng)絡來計算葉子標簽之間的相似性,最后,利用這個結(jié)果結(jié)合第三章提出的匹配算法,共同完成基于實例、同時能夠獲得語義和結(jié)構(gòu)信息的XML文檔標簽的