面向Web的XML检索关键技术的分析.pdfVIP

摘要 web作为一个全球化信息空间，蕴含着海量的信息和知识。随着w曲上资源的日趋丰富，各种基于 web的信息检索服务应运而生并得到了迅速发展。实践证明，web搜索引擎是一个非常有用的信息检索 工具。但对任一用户查询，搜索引擎都将返回成千上万个所谓的“匹配”文档，其中可能只有一小部分 与用户的查询目标有关，而绝大部分毫无关系。如何组织和消化如此大量的信息，一直是困扰着最终用 户的难题。如何帮助用户准确提出信息需求，并快速获得“满意”的查询结果，从而提高检索的效率， 一直是研究的热点。尽管目前有大量的研究工作关注于web数据检索，但现有的技术还远不能令人满意。 式存在。xML规范的提出，使得信息的组织更加规范，使更准确的信息查询成为可能。随着xML获得 越来越广泛的应用以及w曲技术的不断发展，如何检索web上海量的xML数据受到学术界越来越多的 重视。在对目前国内外研究现状进行深入剖析的基础上，本文提出了一种面向web的xML信息检索系 统解决方案，对其中的检索模型、文档聚类、索引以及检索等关键技术进行了深入研究。 本文的主要工作可以概括为以下几个方面 统一向量表示方法；定义了xTeⅡ11的权重计算方法，并给出了文档和查询向量的相似度计算方 法。x2vsM支持对xML文档进行内容和结构查询，支持任意嵌套层次的元素作为返回结果， 还支持基于内容和结构相关性的查询结果排序，同时继承和保持了vsM简单易用等优点。 2．研究了xML文档的聚类。分析和比较了直接和间接的聚类策略，在此基础上提出一种基于路 径信息的xML文档问接结构聚类算法PBsc。它没有直接计算文档的结构距离，而是采用间接 聚类的策略。与其它基于编辑距离的算法相比，具有算法简单、效率较高以及聚类过程直观等 优点。聚类结果可用于用户导航以及提高检索的效果。 把对xML文档的路径查询转换为后缀树中的字符串匹配，显著提高了查询处理效率；对传统 的后缀树构建算法做了改进，使之能够用来创建由路径集合转换得到的字符串集合的广义后缀 树；提出了间接包含路径查询，即查询式包含子孙一后代关系(含有“，／”)的高效处理算法。 PIGsT的构造时间复杂度和空间复杂度是线性的，只与查询字符串的长度有关。 素相关性计算的查询处理算法；对传统的倒排索引进行了扩展，提出了一种带Dewey编码的倒 排索引；结合结构索引PIGsT，提出了一种高效的内容索引和结构索引的联合索引结构，以支 持对xML文档的检索及权重的动态计算；研究了路径的相似性问题，给出相应的计算方法， 相关性排序。 关键词：web，xML，索引结构，信息检索，文档聚类，检索模型 III ABSTRACT Asthe containsallkindsof 910balinfoHnationma丽x{WWW data，including andnostrucmfeddata．Muchresearchhasfocusedonthe ofWebjnfomation its stL】dy retrieval．HoweveL currentstatusisstlllf打f如msatisfactionofWebusers XMLhasbecomethedefactost{mdardto datajnWWWa1】dit aunifbmdatamodel represent provides forW曲data1tisreasonableto thatmostofthedataonWebwjllbein the on imagjne XM巴，asresult，research ro】einWebinfom