使用模式聚类的多领域XML关键字检索.pdf

摘要 和信息检索技术结合起来，为用户提供更友好的检索方式。但是，当前XML关键字检 索主要关注的是如何在单个或者少数个文档中找出匹配的结果。随着Web数据的爆炸 式增长，针对尊全茎堂墓耋璺仝领崮邀羞竣丝室明显已经不能满足用户的查询需求。 如何在多领域、海量异构XML数据上进行高效准确的关键字查询成为一个重要问题。 传统的数据集成技术为异构多数据源问题的提供了一个可行的解决方法。但是数 据集成需要使用一个中间模式将源数据集映射为一个统一的数据文档，改变了原始数 据的结构和特征，并不适合关键字检索的特点。针对多领域海量数据的特点，本文提 出了一种在多领撼xMI二熟堡集上进行高效关键字检索的方法，首先使用模式塞耋步 各个数据集分为数个领域，然后利用这些领域划分结果通过信息检索技术推测查询关 ’·__’’’-．_—．，_。’-_，， L 键字的语义，进而过缝墨鲎短氆序。整个处理过程可以分为两个部分：一 首先，针对海量数据和XML树形结构的特点，本文提出了一利(新颖方效的XML 模式聚类方法，可以在无人工干预的情况下将XML数据集根据其模式聚集到不同的 对查询的关键字，对坦羞塑基i土算 ；字的查询语义和领域的紧密程度， 芋后将结果返回给用户。 关键词：XML模式，关键字检索，结块层次聚类，信息检索 中图分类号：TP3 4 Abstract XML searchbecomesaresearch these duetotheconveniencefor keyword hotspotyears useand natureof search keyword combinestheXML user-friendly technology．It andinformationretrieval processingtechnique to the resultforuser． produceproper XML search However,current focuseson resultin orseveral keyword finding single documents．The ofwebdata XML explosivegrowth searchon already keyword requires of documentratheron document．Thisshouldbemorecrucial largequantity single problem sincethecurrentwebuseranddata has fasterandfaster． grown