XML数据智能管理若干关键技术地研究.pdf

摘要 随着海量XML数据的涌现与传递，XML已成为互联网上信息表示和 数据交换的一个重要标准，继而产生了对XML数据管理的需求，如何有 效地表示、查询与挖掘这些XML数据已经成为当前XML数据管理领域 遇到的一个重要挑战。 针对目前XML数据管理研究现状中存在的问题与不足，本文研究了 XML数据模型、群体智能、模式识别、神经网络、数据挖掘与智能计算 清洗、查询、数据挖掘等新的智能管理方法，同时探讨了XML重构的有 效途径等问题。 本文围绕XML数据的查询与数据挖掘等智能管理问题展开研究，研 究内容和取得的成果主要体现在以下四方面： 1．XML数据管理框架一XPDM的建立 现有的XML数据模型存在着四个问题影响了XML数据的有效管理， 即：(1)数据的异构：给多数据源集成带来许多困难，影响了信息查询的有 效性；(2)数据的非一致性：由于数据约束的不完整性，常导致数据前后不 一致，影响数据查询的准确性；(3)多数据源之间数据依赖关系的不确定性： 影响数据之间的归并与查询；(4)语义标准的规范：由于XML正处于发展 之中，许多规范还不完善，往往导致了查询语句的繁琐与混乱。 针对以上问题，本文提出了一种以XML键构建的向量空间模型为基 础、利用概率理论进行操作的海量XML数据管理框架一xPDM。该框架 1．0和XPath2．0数据模型XDM进行语义规范新扩充及 通过对XQuery XML数据矢量转换，较好地解决了以上四个问题。 2．数据智能清洗与查询策略 为了解决XML文档中的“脏数据”问题，通过引入XML键组合及 XML向量模型，利用贝叶斯学习方法与马尔可夫链概率转移策略建立XML 数据清洗过程的元数据模型，利用XML树相似性判定算法，提出了一种 智能清洗XML数据的新方法，通过相应规则库的预定义完成XML数据 的清洗；另外为了解决XML数据清洗检测繁锁及灵活性差的问题，提出 了通过合理组合XML键、融入粒子群算法、结合隐马尔可夫模型信息抽 取策略构建XML数据清洗优化算法；为了提高XML数据查询的智能性与 有效性，通过采用启发式方法，结合XML半结构化的特点，将粒子算法 与蚁群算法融入到海量XML数据概率查询上，并进行相应改进，实现了 数据查询范围的并行处理能力与收敛效率的提高。 3．XML数据智能挖掘策略 互联网上已聚集了海量的XML数据，为了有效地对XML数据进行挖 掘，本文从以下几个方面进行研究： (1)为了提高海量XML文档集的聚类质量，分别以粒子群算法与矩阵 迭代自组织算法为基础，提出了基于粒子群的XML白适应混沌聚类算法 和基于向量空间模型的矩阵迭代白组织XML辅助聚类算法； (2)为了提高海量XML文档集的并行处理能力，根据混沌原理，融入 蚁群聚类算法，通过定义相应混沌适应度函数衡量蚂蚁与其邻域的相似程 度，提出了一种基于混沌原理与蚁群聚类模型的XML分片算法； (3)针对XML数据的流动性和无限性等特点及质量检测存在的不足， 提出构建XML键的矢量矩阵作为窗口，利用矢量积小波变换多级分解与 重构，再结合最小二乘支持向量机构建双滑动窗口进行XML数据自适应 监测算法，满足对XML数据进行网络传递的质量管理要求。 4．XML智能重构策略 为了更好地优化XML的语义规范，解决随着用户需求的变化以及时 间的推移、XML数据结构也会发生变化这一问题，对XML重构进行了探 测性研究。在XML文档片段重构的基础上，利用XML语义约束关系及 XML路径层次性，再结合向量机原理与频繁模式的特点，提出了XML频 的质量。 关键词：XML键，蚁群算法，粒子群算法，向量矩阵，投影频繁模式树， 重构 ABSTRACT Withthe ofmassiveXMLdataandits has emergence standardoftheinformationanddata beenthe expressionexchange important ontheInternet．So fortheXML