基于多粒度特征的XML關(guān)鍵字檢索研究.pdf

1、近年來，XML的廣泛運用使其迅速成為互聯(lián)網(wǎng)上數(shù)據(jù)表達和交換的標(biāo)準(zhǔn)，網(wǎng)絡(luò)中XML文檔的數(shù)目以指數(shù)級形式不斷增加。而關(guān)鍵字檢索作為一種高效的信息檢索模式，目前已經(jīng)廣泛應(yīng)用到XML文檔檢索領(lǐng)域中。最近的研究大多圍繞“近似關(guān)鍵字查詢”主題展開了研究，但是由于關(guān)鍵字本質(zhì)上具有一定的模糊性和不精確性，因而不能準(zhǔn)確地描述用戶真實的查詢意圖，檢索結(jié)果也不盡如人意。一方面，執(zhí)行關(guān)鍵字檢索時可能返回大量的檢索結(jié)果，因而檢索結(jié)果聚類是返回高質(zhì)量檢索結(jié)果的重要

2、手段;另一方面，同一個聚集中必然存在多個候選結(jié)果能夠匹配關(guān)鍵字查詢，基于聚類內(nèi)部的排序機制也是實現(xiàn)高效查詢的重要途徑。
　　本文圍繞解決“返回有意義的XML聚類結(jié)果”現(xiàn)象展開了研究，針對XML檢索結(jié)果聚類和聚類內(nèi)部檢索結(jié)果排序這兩個方面進行了數(shù)學(xué)建模和算法分析。因此，提出了基于多粒度特征的XML關(guān)鍵字檢索方法。在該方法中，提出了聚類緊密度(ClusterCompactnessGranularity，CCG)的聚類相似性度量方法，從

3、而將相似的檢索結(jié)果聚簇在一起，形成了若干與查詢意圖相關(guān)的聚集。此外，提出了子樹緊密度（SubtreeCompactnessGranularity，SCG）的查詢相關(guān)性度量方法，區(qū)別于傳統(tǒng)的信息檢索排序機制，該粒度實現(xiàn)了基于聚類內(nèi)部的候選匹配子樹的排序。其次，本文定義了緊密LCA(CompactLCA，CLCA)語義，通過消除冗余的LCA節(jié)點從而解決了識別相關(guān)匹配的問題，其次識別出錯誤過濾掉的LCA節(jié)點進而解決識別相關(guān)不匹配的問題，并且從