基于聚類(lèi)xml文檔集成管理方法的研究

《基于聚類(lèi)xml文檔集成管理方法的研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、華僑大學(xué)碩士學(xué)位論文基于聚類(lèi)的XML文檔集成管理方法研究姓名：傅珊珊申請(qǐng)學(xué)位級(jí)別：碩士專(zhuān)業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師：吳揚(yáng)揚(yáng)20071201摘要XML作為Internet上信息表示和交換的一個(gè)標(biāo)準(zhǔn)，如何在關(guān)系數(shù)據(jù)庫(kù)中有效地存儲(chǔ)和查詢(xún)這些數(shù)據(jù)已成為ＸＭＬ研究領(lǐng)域的一個(gè)重要問(wèn)題。目前幾乎所有的商業(yè)數(shù)據(jù)庫(kù)產(chǎn)品（如三大商業(yè)ＲＤＢＭＳ產(chǎn)品ＳＱＬ?。樱澹颍觯澹颍希颍幔悖欤寮埃模拢玻┒歼M(jìn)行了擴(kuò)充，支持對(duì)ＸＭＬ　的存儲(chǔ)、查詢(xún)和發(fā)布。通常，ＲＤＢＭＳ提供的ＸＭＬ數(shù)據(jù)存儲(chǔ)功能有：將ＸＭＬ文檔的內(nèi)容或數(shù)據(jù)存儲(chǔ)于數(shù)據(jù)庫(kù)中；或以文本文件的形式對(duì)ＸＭＬ文檔進(jìn)行存儲(chǔ)，并在數(shù)據(jù)庫(kù)中保

2、留對(duì)相應(yīng)文件的索引或鏈接。然而隨著ＸＭＬ應(yīng)用的不斷擴(kuò)展，ＸＭＬ數(shù)據(jù)的大量出現(xiàn)，由于ＸＭＬ數(shù)據(jù)可能來(lái)自各個(gè)不同的數(shù)據(jù)源，它們所遵循的文檔模式（ＤＴＤ或ＸＭＬ　Ｓｃｈｅｍａ）可能不同，文檔之間存在一定的異構(gòu)性，如果采用目前的ＲＤＢＭＳ存儲(chǔ)這些ＸＭＬ數(shù)據(jù)，則存在一定的局限性，即無(wú)法實(shí)現(xiàn)來(lái)自不同ＤＴＤ的多個(gè)ＸＭＬ文檔的有效集成存儲(chǔ)?！”疚难芯縼?lái)自不同DTD的多個(gè)XML文檔的集成存儲(chǔ)問(wèn)題。主要工作包括：1、提出了一種有效的XML文檔頻繁子樹(shù)挖掘方法，具體做法是：首先對(duì)XML文檔進(jìn)行預(yù)處理，提取XML文檔的有效結(jié)構(gòu)SST（SimplestStructuralTree

3、最簡(jiǎn)結(jié)構(gòu)樹(shù)）；然后提出SSTMiner算法，用于挖掘SST中的所有嵌入頻繁子樹(shù)。SSTMiner算法不但繼承了TreeMiner算法的優(yōu)點(diǎn)，而且針對(duì)TreeMiner算法存在的瓶頸問(wèn)題，以及結(jié)合當(dāng)前所處理的SST的結(jié)構(gòu)特點(diǎn)，對(duì)TreeMiner算法進(jìn)行改進(jìn)，提高了算法執(zhí)行的效率；實(shí)驗(yàn)結(jié)果表明了該方法的有效性。2、研究基于頻繁結(jié)構(gòu)的XML文檔聚類(lèi)方法，其頻繁結(jié)構(gòu)包括頻繁路徑和頻繁子樹(shù)，具體做法是：首先對(duì)XML文檔進(jìn)行頻繁結(jié)構(gòu)挖掘，獲取最大頻繁結(jié)構(gòu)集，由于SSTMiner算法是一種非常有效的頻繁子樹(shù)挖掘算法，對(duì)SSTMiner算法稍加修改，即可得到FrePa

4、thMiner算法和FreTreeMiner算法，分別用于挖掘XML文檔中最大頻繁路徑和最大頻繁子樹(shù)；然后提出一種凝聚的層次聚類(lèi)算法XMLCluster，分別以最大頻繁路徑和最大頻繁子樹(shù)作為XML文檔的特征，對(duì)文檔進(jìn)行聚類(lèi)；實(shí)驗(yàn)表明本文提出的FrePathMiner和FreTreeMiner聚類(lèi)方法，與傳統(tǒng)的ASPMiner聚類(lèi)方法相比，其聚類(lèi)效果具有更大的優(yōu)越性。3、提出了一種XML文檔集成存儲(chǔ)方法，即在聚類(lèi)的基礎(chǔ)上，對(duì)XML文檔進(jìn)行集成存儲(chǔ)，集成存儲(chǔ)過(guò)程分為兩個(gè)階段進(jìn)行：第一階段為模式映射階段（SchemaMapping），生成集成模式；第二階段為數(shù)

5、據(jù)存儲(chǔ)階段（XMLStorage），從XML文檔中抽取數(shù)據(jù)存入數(shù)據(jù)庫(kù)，從而實(shí)現(xiàn)對(duì)來(lái)自不同DTD的多個(gè)XML文檔的有效集成存儲(chǔ)。最后，本文給出了基于聚類(lèi)的XML文檔集成管理系統(tǒng)的整個(gè)框架，并通過(guò)具體實(shí)例來(lái)說(shuō)明基于聚類(lèi)的XML文檔集成存儲(chǔ)方法。關(guān)鍵詞：ＸＭＬ，頻繁子樹(shù)挖掘，聚類(lèi)，集成　AbstractXMLisanewstandardofinformationissueandexchangingontheInternet,andhowtostoreandquerythesedataeffectivelyinrelationaldatabasehasbecom

6、eanimportantprobleminXMLfield.Today,nearlyallcommercialdatabaseproducts,suchasSQLServer,OracleandDB2,havebeenextendedtoprovidesupportinstoringandqueryingXML,andpublishingdatainXMLformat.Generally,therearetwostoragewaysthatRDBMSsupportstoXMLdata.OneistostorethecontentofXMLdocument

7、stoRDBMS.TheotheristostoreXMLdocumentsbywholefilesandstoretheindexesofthesefilesindatabase.ButwiththerapidexpansionofXMLapplicationandthehugeemergenceofXMLdata,theseXMLdatamaycomefromdifferentdatasources,sotheirdocumentschemas(DTDorXMLSchema)maybedifferentandtheyareisomerous.Soth

8、ecurrentRDBMSproductswillbelimitifweuset