一种基于语义信息计算XML文档相似度的新方法.pdfVIP

一种基于语义信息计算XML文档相似度的新方法 ASemantics—BasedMethodfor ofXMLDocuments CalculatingSimilarity 雷庆吴扬扬 (华侨大学计算机科学系泉州362021) Asa data onthe Abstractstandardfor W曲，XMLhasbeenusedtovariousdomains．Accurate exchange quantita— tiredeterminationof betweentwo ofXMLdocumentsan basisforavarG similarity paragraphs providesimportant of olXMLdocumentand this anewmethodforcalculat— ety applications paper．wepropose miningprocessing．In the betweentwo ofXMLdocumentsaccountofthesemanticsofXML We ing similarity paragraphs bytaking tags and an XMLdocuments the designimplementexperimentsystem，whichfirstlyparses automatically，thenanalyze ofXML betweentwo ofdocuments semanticinformationdocuments．finallycalculatethesimilarity paragraphs showthatthemethodcanreflectthesimilar betweentwo ofXMLdocumentsBccu— Experiments degree paragraphs rately． similar KeywordsXML，Datamining．Semanticdegree 基于以下几个方面考虑： 1引言 ·XML文档中的元素反映了文档的内容。 xML(eXtensibleMarkup ·XML标记的同义词、合成词和缩写形式。 Language，可扩展标 记语言)的提出给基于Web的应用软件赋予强大的 同样的一个语义信息可以通过不同的词语、句 功能和灵活性，正越来越广泛地为开发者和用户所 子以及方式表达出来，因此在考虑两段XML文档 使用。 的语义相似度时，我们需要分析两段文档是否使用 目前Web中很多处理XML文档的应用，例如了包含相同语义信息的标记。 寻找相似的XML文档将它们归为一类，并为每一 -文档中单词前后文往往决定了单词含义。 类文档建立一个模式，利用该模式我们可以进一步