XML模式聚类中的一种多策略模式相似度算法研究.pdfVIP

计算机研究与发展 ISSN1000—1239／CN11—1777／TP of Researchand Journal Development Computer XML模式聚类中的一种多策略模式相似度算法 程伟匝园 (中国科学院软件研究所北京 100080) (ehengwei@iscas．ca) A Schema inXMLSchemas MultistrategySimilarityAlgorithm Clustering WeiandSun Cheng Yufang (Institute 100080) ofSoftware，ChineseAcademyofSciences，Beijing AbstractWiththe ofmoreandmoreXMLdocumentsonthe schemas emergence Internet，XML hasbeenahotresearchfield isthefoundationof clustering recently．Similaritycomputation clustering betweenXMLschemasbasedonschema approaches．Amultistrategysimilaritycomputationalgorithm is is usessemanticdistancesbetween matchingproposed．Alinguisticmatchingalgorithmpresented，which wordsto theirsemantic structural basedonsemantic compute similarity．Amatching similarity algorithm between is forward，whichconsiderstheeffect resultson propagationput neighboringnodes．Experimental severalreal—worlddomainsshowthatthe discoverssemantic witha of algorithm mappingshighdegree on schemas canbedone accuracy．Basedthis，XMLclustering conveniently． words Key XML；schema；similarity；clustering 摘要对Internet上越来越多的XML文档的模式进行聚类近年来已成为一个研究热点．相似度计算 是聚类操作的基础．提出了一种基于模式匹配的多策略XML模式相似度计算方法：采用了一种基于词 语间语义距离的方法来计算其语义相似度；提出了一种基于相似度传播的结构匹配算法，有效地考虑了 相邻相似节点间的相互影响．实验结果表明，这种方法在处理模式匹配任务时能达到较高的精度和效 率．在此基础上可方便地对DTD模式进行聚类操作． 关键词XML；模式；相似度；聚类 中图法分类号TP311