基于web的XML中文檢索模型的研究與實(shí)現(xiàn).pdf

1、　　XML是網(wǎng)絡(luò)上數(shù)據(jù)表示和交換的主要標(biāo)準(zhǔn),提高檢索效率和準(zhǔn)確度是XML信息檢索面臨的主要問題。XML信息檢索系統(tǒng)與傳統(tǒng)的信息檢索系統(tǒng)不同,主要體現(xiàn)在三個(gè)方面,首先檢索的對象不同,XML檢索的對象是XML元素,而不是傳統(tǒng)信息檢索的文檔；其次,XML檢索的索引不僅需要建立內(nèi)容索引,還需要建立結(jié)構(gòu)信息索引；最后,由于檢索的對象不同,所以XML檢索的結(jié)果相關(guān)度計(jì)算算法也比較復(fù)雜,不僅需要按照傳統(tǒng)的信息檢索理論考慮關(guān)鍵字之間的距離,還需要考慮X

2、ML文檔樹的結(jié)構(gòu)。
　　為滿足結(jié)構(gòu)復(fù)雜,大規(guī)模的XML信息檢索的需要,本文深入研究了XML信息檢索的已有理論及原型系統(tǒng)。主要研究了XML信息檢索系統(tǒng)的XML索引結(jié)構(gòu)和索引檢索算法,以及檢索結(jié)果的相關(guān)度計(jì)算方法三個(gè)方面的內(nèi)容,提出并實(shí)現(xiàn)了一種基于關(guān)鍵字查詢的XML中文檢索模型。本文包括4個(gè)方面的內(nèi)容：第一,分析了已有的XML數(shù)據(jù)索引結(jié)構(gòu)中存在的問題,提出了一種高效的基于倒排表的“文檔-關(guān)鍵字-節(jié)點(diǎn)”兩級索引結(jié)構(gòu),該結(jié)構(gòu)在不顯著增加索

3、引的空間占用的情況下包含了更加豐富的XML文檔的結(jié)構(gòu)和內(nèi)容信息,縮小了索引檢索時(shí)文檔搜索的范圍,提高了檢索的效率；第二,在提出的基于倒排表的“文檔-關(guān)鍵字-節(jié)點(diǎn)”兩級索引結(jié)構(gòu)的基礎(chǔ)上,提出了一種高效的索引檢索算法,該算法與索引結(jié)構(gòu)相結(jié)合,通過優(yōu)化索引結(jié)構(gòu)的搜索順序,有效的提高了基于關(guān)鍵字的XML信息檢索的檢索效率；第三,本文提出了一種基于TF-IDF的查詢結(jié)果相關(guān)度計(jì)算算法,該算法基于已有的信息檢索理論中結(jié)果相關(guān)度計(jì)算算法,既考慮了XM