基于語義標記樹的XML文檔聚類研究.pdf_第1頁
已閱讀1頁，還剩107頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

1、XML自1998年發(fā)布以來,憑借其自身的簡單性、半結構化、可擴展性、自描述性等特點,逐漸成為了互聯(lián)網(wǎng)數(shù)據(jù)交換和表示的標準,網(wǎng)上關于XML的數(shù)據(jù)出現(xiàn)了爆炸性的增長,目前如何對XML數(shù)據(jù)進行有效挖掘成為了研究熱點。
　　 本文在對XML相關技術以及XML文檔聚類算法進行介紹的基礎上,梳理了近幾年XML文檔相似度計算方法的研究進展,針對這些相似度度量方法依靠的多是文檔中字符串的簡單比對,未涉及文檔語義信息的情況,本文提出了一種基于語義

2、標記樹的XML文檔相似度度量方法,此方法以傳統(tǒng)路徑法基礎,從文檔結構特征和標記的語義信息考察文檔的相似度。首先利用基于WordNet的語義消歧模塊對XML文檔間相同的標記進行語義消歧,然后利用語義相似度計算方法對XML文檔中不相同的標記進行語義相關度計算,將文檔中相同的標記以及標記間的語義相關度共同作為文檔的特征來衡量文檔的相似度,最后在實驗數(shù)據(jù)集上利用層次聚類算法中的最近鄰聚類算法進行分類,證實其確實是一種比較有效的XML文檔聚類方法

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論