基于规范化结构树的XML文档相似性度量.pdfVIP

基于规范化结构树的XML文档相似性度量‘ 杨喜权，张博 东北师范大学计算机学院，吉林长春130117 Yangxq375@nenu．edu．crl 摘要：本文以Armstrong公理为基础，给出应用于XML树的规则系统。在对索引树算法研究的基础上，应 用了XML规范化过程，去除了XML文档中的部分函数依赖和传递函数依赖，避免了更新异常，并根据规 范化结果生成规范化结构树NSTree，通过NSTree之间的相似度比较，完成XML文档的相似性度量。 关键词：XML，函数依赖，键，规范化结构树 on MeasurementBasedStructure Comparability XMLTree Simplification Bo YangXiQuan，Zhang of Normal CollegeComputerScience，NortheastUniversityt，Jilin，Changchun，130117，China Yangxq375@nenu．edu．ca Abstract：This forwardaformula that onXML basedonthe axiom．It paperbrings systemapplies trees，which Armstrongwipes offsomefunctional andavoidsmost abnormitieswiththecourseofXML c化atesaNI· dependencies updating standardization，and Tree the ofthestandardization．Andlast the ofXMLdocumentsNSTrees． accordingspartition similarity among accomplished Keywords：XML，functional Tree dependency，key，StructureSimplificationWeight 1 引言 本文结合XML树中存在的部分函数依赖和传递函数依赖，在规范化过程中生成规范化结构树 原理引入XML文档半结构化数据的规范化过程是必要的选择。许多相关文章介绍了XML函数依赖推理及 XML文档规范化过程¨一]。本文基于函数依赖对数据的约束所产生的异常的处理，规范化的同时生成结构 索引树，这样生成的XML树不但保持了原文档中的必要的依赖关系，去除了函数依赖产生的冗余和操作异 常，更重要的是，基于规范化结构树的利用。 2 定义 定义1 DTD是—个五元组(E，A，肘，Ⅳ，r)‘2|：①E是有限元素类型的集合；②A是有限的属性类型集合， tv 串)，或者是一个正规表达式a：：=占IelaIa，aa搴。其中占表示空，e’EE，“I”，“，”和“掌”分别代表连接和 ·国家自然科学基金项目 1230 E 闭包；④对Ve∈E，N(e)称为e的属性类型定义，N(e)_CA。对于VeE，id∈N(e)；⑤r∈E，称为根元素类型。 若e，e7EE，e属于M(e)所定义的字母表，且在M(e)中不包含e的自连接，则称e相对于e是唯一的。