第七讲 XML文档检索.ppt

第七讲XML文档检索 回顾（Review） 结构数据查询 基于内容的图像检索 实体－联系模型 E-R图 矩形：实体集 椭圆：属性 菱形：实体集间联系 段：将属性与实体集相连或将实体集与联系相连 关系代数操作 基本运算 一元运算 选择、投影 多元运算 笛卡儿积、并、集合差 其它运算 集合交、连接、外连接 自然连接 SQL功能 数据查询操作 基本结构 select A1 , A2 , … , An from r1 , r2 , … , rm where P ? ∏A1 , A2 , … , An(?p(r1 ? r2 ? … ? rm)) 示例 给出所有学生的姓名 select SNAME from S Select 子句 目标列形式 可以为列名，* ，算术表达式，聚集函数 “*”：表示“所有的属性” 给出所有学生的信息 select * from S 带?，?， ?， ?的算术表达式 给出所有学生的姓名及出生日期 select SNAME，2008 - AGE from S From 子句 说明 from子句列出查询的对象表 当目标列取自多个表时，在不混淆的情况下可以不用显式指明来自哪个关系 示例 找出选修课程的学生姓名、课程名、成绩 select SNAME , CNAME, GRADE from S , C, SC where S.S# = SC.S# and C.C# = SC.C# Where 子句 语法成分 比较运算符：?、? ?、?、??、=、 ? ? 逻辑运算符：and，or，not between：判断表达式的值是否在某范围内 示例 列出工资在1500~1800之间的老师姓名 select PNAME from Faculty where SAL between 500 and 800 复杂查询 示例 －找出平均成绩最高学生的学号 select SNO from SC group by SNO having avg(GRADE) = all （select avg(GRADE) from SC group by SNO） －找出平均成绩最低学生的学号和姓名 基于内容的图像检索 Content-Based Image Retrieval CBIR 图像有丰富的内容 内容可由不同的特征所表达 颜色、纹理等 减轻用户负担 每个图像可以由其特征来描述 特征 基本特征 颜色 纹理 形状 … 体系结构 本讲内容 背景 体系结构 检索模式 系统评测 待解决问题 背景 应用广泛 自1998年由W3C推出以来，XML已经成为网络上数据交换的标准。广泛应用于电子商务、数字图书馆、内容管理以及中间件等。 数量多，增幅大 越来越多的数据以XML文档的形式发布，如IEEE INEX数据集、Wikipedia、Library of Congress Documents、SIGMOD和DBLP的文献数据等。 背景 需求 面对海量的XML文档，我们自然希望从中检索出非常有用的信息。 实现 IR（信息检索） DB（数据库） ？？？ IR vs. XML文档检索 IR 处理对象：无结构文本文档 核心问题：针对用户需求，有效预测哪些文档与需求相关，哪些不相关 检索模式：关键词检索 XML文档检索 处理对象：半结构化数据 核心问题：相关与否？ 检索模式：关键词检索？ IR vs. XML文档检索 IR技术不适合直接来检索XML文档 问题本质：处理对象不同 无结构文本文档 目前基本上依靠关键词来表达用户查询请求。关键词的语义表达能力有限。 半结构化XML文档 即包含内容信息，又包含结构信息。检索内容信息可以利用IR技术。结构信息从语法角度限定内容信息的语义。因此，需要利用结构信息。而结构信息超出了IR的处理范围。 IR vs. XML文档检索 DB vs. XML文档检索 DB 处理对象：有严格模式定义的数据（结构化数据） 核心问题：针对用户需求，准确找出与需求完全匹配的信息 检索模式：基于模式信息的精确查询 SQL：Select name, price from goods where class = “TV” XML文档检索 处理对象：半结构化数据 核心问题：精确匹配？ 检索模式：SQL？ DB vs. XML文档检索 用DB技术来解决XML文档检索，存在以下问题： XML文档检索是模糊匹配还是精确匹配？ 源于DB的检索语言（XQuery）不适合