XML信息檢索關(guān)鍵技術(shù)研究.pdf

1、隨著XML技術(shù)的廣泛應(yīng)用，XML已成為Web上表示和交換數(shù)據(jù)的標(biāo)準(zhǔn)格式，各個領(lǐng)域不斷涌現(xiàn)出大量的XML數(shù)據(jù)。如何有效檢索大量的XML數(shù)據(jù)，是當(dāng)前數(shù)據(jù)庫與信息檢索等領(lǐng)域中一個亟待解決的熱點研究問題。傳統(tǒng)信息檢索技術(shù)在處理非結(jié)構(gòu)化數(shù)據(jù)的檢索上，取得了大量卓有成效的研究成果。XML數(shù)據(jù)具有半結(jié)構(gòu)化特性，既有結(jié)構(gòu)又有內(nèi)容，給信息檢索領(lǐng)域的研究帶來了新的挑戰(zhàn)。將數(shù)據(jù)庫技術(shù)與信息檢索技術(shù)巧妙結(jié)合，用于解決XML檢索問題，已在研究人員中達(dá)成共識，為X

2、ML檢索提供了新思路。
　　 本文在深入分析XML檢索研究現(xiàn)狀的基礎(chǔ)上，以XML檢索方式為主線，結(jié)合數(shù)據(jù)庫技術(shù)與信息檢索技術(shù)，對XML檢索的若干關(guān)鍵技術(shù)進(jìn)行了深入研究，包括XML關(guān)鍵字檢索、模糊結(jié)構(gòu)上下文的XML內(nèi)容與結(jié)構(gòu)檢索、基于關(guān)系數(shù)據(jù)庫的XML全文檢索等內(nèi)容。具體的創(chuàng)新和貢獻(xiàn)如下：
　　 提出了一種基于候選片段語義的XML關(guān)鍵字檢索方法。該方法首先根據(jù)XML文檔樹中節(jié)點所包含的屬性類型數(shù)量以及節(jié)點的后裔節(jié)點數(shù)量選擇

3、候選節(jié)點，以候選節(jié)點為中心創(chuàng)建候選片段，將候選片段作為回答XML關(guān)鍵字檢索最基本的語義單元；然后，針對候選片段建立倒排索引，在回答關(guān)鍵字查詢時，根據(jù)XML數(shù)據(jù)集自身特點和用戶的選擇返回包含全部關(guān)鍵字的候選片段集合或存在祖先后裔關(guān)系的候選片段集合。實驗結(jié)果表明以候選片段作為XML關(guān)鍵字檢索的基本語義單元，能夠為用戶返回粒度適中、信息比較完整、擁有實際意義的檢索結(jié)果，并且檢索效率也比較理想。
　　 提出了一種模糊結(jié)構(gòu)上下文的XML檢

4、索方法。該方法將查詢與文檔中的結(jié)構(gòu)化約束條件定義為結(jié)構(gòu)上下文，以結(jié)構(gòu)化詞項集合表示XML查詢和XML文檔。在上下文相似度計算方面，綜合考慮了上下文之間的最大匹配部分以及各元素的層次權(quán)重、元素間的層次相似性等因素，提出了查詢上下文與文檔上下文相似度計算方法。為有效實現(xiàn)XML內(nèi)容與結(jié)構(gòu)檢索，擴(kuò)展了向量空間模型，設(shè)計了模糊結(jié)構(gòu)上下文的XML內(nèi)容與結(jié)構(gòu)檢索算法。實驗結(jié)果表明，該方法在檢索效率、檢索結(jié)果上均有較好性能。
　　 提出了一種基

5、于關(guān)系數(shù)據(jù)庫的XML全文檢索方法ReXFT。ReXFT采用基于模型映射的XML數(shù)據(jù)存儲方案NXRel，能夠在關(guān)系模型之上自然的體現(xiàn)出XML數(shù)據(jù)邏輯模型。提出了基于全文檢索元素節(jié)點的XML全文索引方案，允許用戶自定義全文索引路徑。ReXFT以W3C推薦的XML全文檢索標(biāo)準(zhǔn)作為XML全文檢索提交形式，檢索語法符合國際標(biāo)準(zhǔn)。綜合考慮XML數(shù)據(jù)層次特性以及檢索詞之間的邏輯關(guān)系、距離、出現(xiàn)頻率等因素，提出了一種基于文本覆蓋密度的檢索結(jié)果計分方法。