基于上下文的XML LCA關(guān)鍵字查詢技術(shù).pdf

1、隨著XML(eXtensible Markup Language)數(shù)據(jù)已逐漸成為網(wǎng)絡(luò)上信息的主要表示和交換標(biāo)準(zhǔn)，對于XML數(shù)據(jù)檢索的需求越來越多。由于XML數(shù)據(jù)自身的特性，使得對XML進(jìn)行數(shù)據(jù)檢索面臨諸多新的挑戰(zhàn)和機遇。
　　雖然諸如XQuery或XPath等結(jié)構(gòu)化查詢方式，可以將XML查詢轉(zhuǎn)換為復(fù)雜的語義表達(dá)并且獲得精確的查詢結(jié)果，然而很多情況下關(guān)鍵字查詢方式更能夠被大眾所接受。比如，結(jié)構(gòu)化查詢方式要求用戶了解其復(fù)雜語法規(guī)則并對

2、XML文檔信息有一定的認(rèn)識。對于XML關(guān)鍵字查詢，現(xiàn)有的方法多數(shù)都是基于最低公共祖先LCA這個概念。它們認(rèn)為和查詢相關(guān)的內(nèi)容都在LCA(Lowest CommonAncestor)子樹中而LCA子樹外的信息則被認(rèn)為和查詢不相關(guān)。然而，事實上由于用戶不了解XML文檔的結(jié)構(gòu)信息并且輸入的查詢關(guān)鍵字往往由于過短而缺乏足夠的判斷信息，使得基于LCA方法生成的結(jié)果往往未能把所有相關(guān)的信息包含在LCA子樹中，從而導(dǎo)致用戶對查詢結(jié)果不滿意。而這正是本

3、文的研究動機和嘗試解決的問題。
　　本文的主要貢獻(xiàn)如下:總結(jié)了現(xiàn)有的XML關(guān)鍵字查詢研究現(xiàn)狀，指出它們共同的缺陷，即都會忽略不在LCA子樹中的節(jié)點，因此文中提出了基于上下文(context)的LCA節(jié)點的概念;使用結(jié)果擴充的思想來定義并獲取上下文信息，所涉及的問題包括:如何確定當(dāng)前結(jié)果是否需要擴充;如果當(dāng)前結(jié)果需要被擴充，那么應(yīng)該添加哪些內(nèi)容。針對這些問題，文中通過分析日志獲取有意義的上下文信息，提出了一個決策策略進(jìn)行查詢結(jié)果擴充

4、的判斷;提出了一個基于XML的TF*IDF方法，該方法針對需要進(jìn)行查詢擴充操作的實體計算其候選屬性的權(quán)重，并根據(jù)上下文信息，擴展查詢表達(dá)式，這里的候選屬性是指對于一個LCA子樹，那些沒有被該子樹覆蓋的即不會返回給用戶的屬性節(jié)點。
　　在與SLCA方法進(jìn)行的比較實驗中，從召全率、召準(zhǔn)率和F-measure三個指標(biāo)上驗證了本文的工作可以有效改進(jìn)以往基于LCA語義方法的效果，此外也驗證了文中方法的時間復(fù)雜度處于合理的范圍內(nèi)。實驗驗證了本