基于XML的检索结果聚类方法.pdfVIP

第 36卷 第 1期 计 算 机 工 程 2010年 1月 VoL36 No．1 ComputerEngineering January 2010 · 软件技术与数据库 · 文章编号：100o—-3428(2010)o1—085—-02 文献标识码：A 中图分类号：TP311 基于XML的检索结果聚类方法 余 宏 ，万常选 (J．南昌师范高等专科学校信息中心，南昌 330029；2．江西财经大学信息管理学院，南昌 330013) 摘 要：针对 XML文档的半结构化特点，提出一种建模 XML检索结果片段的新思路，设计综合内容和结构语义信息度量相应文档相似 性的方法 ，给出一种适应检索结果聚类应用需求的动态均值软聚类算法。实验表明，面向XML的检索结果聚类方法聚类效果优于传统方法。 关键词：XML检索结果聚类；结构语义相似度；内容相似度；聚类算法 RetrievalResultClusteringM ethodBasedonXM L YU Hong ，WAN Chang—xuan (1．CenterofInformation，NanchangTeachersCollege，Nanchang330029； 2．SchoolofInformationManagement，JiangxiUniversityofFinanceandEconomics，Nanchang330013) [Abstract]Accordingtofeatureofsemi—structureofXMLdocuments，aneweffectivemethodformodelingdocumentsofXMLretrievalresult segmentisbroughtforward，andamethodofrcomputingrelativityofkeywordsandmeasuringsimilarityofstructuresemanticsbetweendocuments isdesigned．AnewalgorithmnamedDynamick-meansSoftClustering(DKMSC)isbroughtforwardtomeetrequirementofclusteringretrieval results．ExperimentindicatesthatthemethodofclusteringXM Lretrievalresultsisobviouslybetterthanthetraditionalway． [Keywords]XMLretrievalresultclustering；structuresemanticsimilarity；contentsimilarity；clusteringalgorithm 1 概述 name…”与路径 “book-)author-)name…”中均含 目前，对检索结果进行聚类的研究绝大部分是针对扁平 有T／ame，但这2个name显然表示的不是同一类东西，因 文档的，基于 XML检索结果聚类的研究尚不多见，但传统 为它们所处的上下文环境不同。 意义上对 XML文档聚类的方法有 2大类 ：基于树表示的方 定义 1标签路径(tagpath)：一个XML文档树中节点 法和基于向量表示的方法。基于树表示的方法将 XML文档 的标签路径为从根节点到v所经过的标签列表。 建模为节点标签树(或图)，对XML文档问的相似性用树之间 定义 2 一邻域(7／一neighborhood)：一个元素e的，z一邻域为 的编辑距离度量_JJ。文献[3]根据文档的结构信息构建一个有