半结构化文档的系化模型与方法研究.pdf

中文摘要 中文摘要 数据检索已经成为信息处理领域非常重要的课题之一，基于XML标准的格 式化文档日益得到业界的普遍重视，其简明、易于理解、跨平台的特点使其在 都已经成为的国际标准，同时以ODF和OOXML为主的国际文档标准也开始大 行其道。 XML具有自描述性、可扩展性，既含有内容同时也含有结构信息，随着互 联网的普及和数据量的爆炸性增长，如何解决XML文档的检索问题变得越来越 重要。 本篇论文以与微软亚洲研究院合作的化学公式识别与检索项目为出发点，以 实际项目数据检索需求为立足点，提出了如何将XML结构模式(DTD)转换为 关系模型，并给出了XML数据和元组数据相互转换的方法，以求在半结构化数 据模型和关系数据模型之间达到一个平衡，利用双方的优势提供实时数据存储 和检索解决方案。 关键字 信息检索、关系模型转换、半结构化数据模型、可扩展标记语言 Abs仃act Abstract Dataretrievalhasbecomea inof information veryimportantsubject processing field，XML documentshaswonthe formatting industrysincreasinglywidespread and it wide makehavea attention,itssimple，easy-understanding cross-platform of in fortheXML rangeapplicationsmanyfields．Providingsupport querylanguage XPathhavebecometheinternational XQuery,navigationlanguage standard，ODF andOOXMLinternational have to documentationstandards begun popularity． XMLis itbothcontainscontentandstructured self-descriptive，scalability,and information．Withthe oftheIntemetandthe of data,how popularity explosivegrowth tosolvethe ofXMLdocumentretrievalbecome problem increasinglyimportant． This basedMicrosoftResearchA