關(guān)系數(shù)據(jù)庫(kù)中XML全文檢索技術(shù)研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)上的信息呈指數(shù)級(jí)增長(zhǎng),涌現(xiàn)了海量的XML數(shù)據(jù),如何處理這些數(shù)量龐大的XML數(shù)據(jù)已經(jīng)成為非常重要的研究課題。關(guān)系數(shù)據(jù)庫(kù)技術(shù)已經(jīng)十分成熟,在數(shù)據(jù)管理中占據(jù)著主導(dǎo)地位,如何利用關(guān)系數(shù)據(jù)庫(kù)來(lái)實(shí)現(xiàn)XML數(shù)據(jù)管理已經(jīng)受到了廣泛的關(guān)注和重視。
　　 XML數(shù)據(jù)管理很重要的一個(gè)研究領(lǐng)域就是XML全文檢索。全文檢索作為近年來(lái)的研究熱點(diǎn)取得了很多新成果和新突破,但是對(duì)于XML這種異構(gòu)結(jié)構(gòu)與文本內(nèi)容結(jié)合的半結(jié)構(gòu)化數(shù)據(jù)的全文檢索

2、,許多數(shù)據(jù)庫(kù)系統(tǒng)都對(duì)其支持不夠。因此,尋找一種能夠滿足XML這種半結(jié)構(gòu)化數(shù)據(jù)的全文檢索方案具有重要的現(xiàn)實(shí)意義。
　　 本文通過(guò)了解目前主流關(guān)系數(shù)據(jù)庫(kù)對(duì)XML數(shù)據(jù)的支持情況,最終選擇以關(guān)系數(shù)據(jù)庫(kù)PostgreSQL為研究對(duì)象,在對(duì)其體系結(jié)構(gòu)進(jìn)行研究的基礎(chǔ)上,深入剖析了其全文檢索模塊的機(jī)制,利用其全文檢索TSearch2模塊,實(shí)現(xiàn)了基于PostgreSQL數(shù)據(jù)庫(kù)的XML數(shù)據(jù)全文檢索。具體工作如下:
　　 1.實(shí)現(xiàn)了Postg

3、reSQL的中文全文檢索。PostgreSQL不支持中文全文檢索,本文通過(guò)對(duì)其核心函數(shù)的重寫和配置文件的修改,去除了中文的StopWords,利用ICTCLAS分詞系統(tǒng)實(shí)現(xiàn)了PostgreSQL中的中文全文檢索功能。
　　 2.研究了XQuery and XPath Full Text1.0標(biāo)準(zhǔn),在PostgreSQL中實(shí)現(xiàn)了FTContainsExpr表達(dá)式功能,并在此基礎(chǔ)上實(shí)現(xiàn)了score語(yǔ)法；實(shí)現(xiàn)了全文檢索的幾個(gè)主要功能模

4、塊:Cardinality Selection、Logical Full-Text Operators和Positional Filters。
　　 3.改進(jìn)檢索模型,提高了檢索效率。比較了幾種經(jīng)典的信息檢索模型,由于XML數(shù)據(jù)的半結(jié)構(gòu)化特性,考慮XML的結(jié)構(gòu)特征對(duì)檢索結(jié)果排序的影響,改進(jìn)了傳統(tǒng)向量空間模型,對(duì)檢索結(jié)果進(jìn)行相關(guān)性排序計(jì)算時(shí),綜合考慮了全文檢索的關(guān)鍵字頻率分布特征和XML數(shù)據(jù)的結(jié)構(gòu)分布特征,提高了XML數(shù)據(jù)的全文檢