一种基于扩展区间编码的结构连接算法TwigELM.docVIP

一种基于扩展区间编码的结构连接算法TwigELM 　　摘要：由于XML具有格式良好，自描述，可扩展等优点，使得XML成为网络上信息表达和数据交换事实上的标准。随着XML格式数据的广泛应用，如何有效地存储和查询XML格式数据成为当前研究的热点。为了有效支持XML结构查询，研究者已经提出了XML数据的各种编码方案。通过编码的方式将XML结构查询的计算转化为结构连接的计算。该文提出了一种新的XML文档树编码方案，并基于该编码方案给出了一种新的小枝模式查询算法TwigELM，实验表明，该算法可有效提高结构连接操作的效率。 　　关键词：XML；结构连接；小枝模式；编码方案 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2011)11-2495-03 　　A Structural Join Algorithm TwigELM Based on Extended Interval Coding 　　SUN Qing-tao, LU Yan 　　(College of Information Science and Engineering, SUST, Qingdao 266510, China) 　　Abstract: Because XML has a well-formed, self-describing, extensible, etc., make the XML information into the network expression and the de facto standard data exchange. With the extensive use of XML formatted data, how to store and query data in XML format to become a research focus. In order to effectively support the XML structure of inquiry, researchers have proposed a variety of XML data encoding scheme. By way of coding the query XML structure into a structure of connected computing calculations. This paper presents a new XML document tree coding scheme and coding scheme based on the given model, a new Twig query algorithm TwigELM, experiments show that the algorithm can effectively improve the efficiency of structural join operation. 　　Key words: XML; structural join; twig pattern; coding scheme 　　XML文档树的编码方案可以分为两大类：基于区间的编码和基于路径的编码。前者是利用XML文档的有序特点，根据每一个元素结点在原XML文档树中字典顺序的位置给每一个元素结点赋予一个编码；后者则是利用XML文档的嵌套的特点，根据XML文档的嵌套结构，给从文档根节点开始所能到达的每一条路径和元素结点赋予一个编码[1]。 　　到目前为止，国内外已经提出的编码方案主要包括：前缀编码、区间编码和二叉树编码等。本文主要研究的是区间编码，提出了一种新的XML扩展区间编码Extended Li-Moon。 　　1 相关研究 　　XML文档树中的每一个结点被赋予一个区间编码[start，end]，并且满足：一个结点的区间编码包含它的后裔结点的区间编码，即如果结点x是结点y的祖先，当且仅当start（x）start（y）∧ end(y) end(x)。 　　文献[3]给出了第一种区间编码方案，称为Dietz编码。编码规则是：XML文档树中的每一个结点被赋予一个先序遍历序号和后序遍历序号的二元组。pre和post分别是结点的先序和后序遍历序号。 　　Li和Moon在文献[4]中提出了第二种区间编码方案，称为Li-Moon编码。编码规则为对XML文档树的每一个结点赋予一个三元组。Order是结点的扩展先序遍历序号，取值是非连续的；size是结点的后裔范围；depth表示该结点在文档树中所在的层数。该编码方案中，判断结点x是结点y的双亲的充要条件是：order（x）order（y）∧order(y) ≤order(x)+