种关于XLCA的XML关键字搜索方法.pdfVIP

小 型 微 型 计 算 机 系 统 2008年 1月 第 1期 JournalofChineseComputerSystems Vo1．29 No．1 2008 一 种基于XLCA的XML关键字搜索方法 许建军，汪 卫，施伯乐 (复旦大学 计算机与信息技术系，上海 200433) E—mail：xjj@fudan．edu．cn 摘 要：关键字搜索是大多数普通用户搜索信息的有效手段，因为@-A．ll不需要学习复杂的查询语言，也不需要了解底层数据的 结构．本文研究了针对XMI文档的关键字搜索问题 ，首先指 出前人基于 SLCA 的结果集定义的不完备性，进而提 出基于 XL— CA 的结果集定义，使得其能够包含所有可能的结果．基于这样的结果集定义，给 出了一种精简的索引结构以及相应的搜索算 法 ，并实现 了这两种不同的方法，实验证明本文提 出的方法在性能 以及可扩展性方面均有较大的提高． 关 键 词：关键字搜索；XLCA；杜威编码 中图分类号：TP311．13 文献标识码：A 文 章 编 号：1000—1220(2008)01—0052—05 An XM L KeywordSearchM ethodBasedon XLCA XUJian—jun，WANGWei，SHIBo—le (DepartmentofComputerandInformationTechnology。FudanUniversity，Shanghai200433，China) Abstract：Keywordsearchisaneffectiveapproachformostuserstosearchforinformation becausetheydonotneedtolearn complexquerylanguages，orknow theunderlyingstructuresofthedata．ThispaperfocusesonkeywordsearchinXM L EqU- ments．ItfirstpointsoutthedefinitionoftheresultsetbasedonSLCA isnotcompleteandthendefinestheresultsetofXML keywordsearchbasedonXLCA ，whichcanincludeallthepossibleresults．Basedonsuchdefinition，itpresentsacompactj】一 dex structure and the corresponding search algorithm ．Two searchmethodshavebeen implemented and the experiments demonstratethebenefitsofourmethodoverpreviouslyproposedmethods． Keywords：keywordsearch；XLCA ；deweynumbering 1 引 言 何语义信息，因而很难对其进行分割，而且通常HTML文档 ● 的规模都不大，直接返回这样的文档给用户也是可行的．而 关键字搜索 (KeywordSearch)是现今最为流行的信息发 XML文档中的标签具有一定的语义信息，它指出其所包含的 现方法，因为用户不需要学习任何复杂的查询语言，也不需要 数据的含义，这样就使我们可以不返回整个文档给用户，而只 了解底层数据的结构．著名的搜索引擎Google就是针对万维 返回与用户提交的关键字相关的XML文档片断．在XML关 网上HTML文档集的关键字搜索，用户只需在简洁的界面上 键字搜索中，返回结果的粒度 由XML文档精细为XML文档 输入若干关键字，Google就能够返回所有包含这些关键字的 片断，这称为结果粒度精细化．结果粒度精细化对于搜索大型 HTML文档．这种搜索信息的方法大大方便了初级用户在浩 XML文档是