共查询到18条相似文献，搜索用时 219 毫秒
1.
近年来XML凭借其自身的简单性、半结构化、可扩展性、自描述性等特点,逐渐成为了互联网数据表示和数据交换的标准.XML文档聚类是数据挖掘研究中热点一个,为网络信息资源的搜集、组织及检索利用提供良好的技术支持.本文首先介绍了目前主要的XML文档聚类算法,然后在利用WordNet对XML文档中的标记进行语义消歧的基础上,提出了一种新的基于语义标记树的XML文档相似度计算方法,并通过最近邻算法进行聚类,最后在用于XML检索研究的数据集上进行实验,证实其确实是一种比较有效的XML文档聚类方法. 相似文献
2.
XML文档相似度计算方法研究 总被引：1，自引：0，他引：1
XML(可扩展标记语言)正在成为Web上各种应用交换信息的标准.随着XML格式的半结构数据的大量出现,如何处理和管理XML文档已经成为了一个研究热点.XML文档的相似度计算是XML数据处理的重要课题,是XML文档聚类与检索的关键技术.XML文档由逻辑结构(structure)和文本内容(content)构成,可以根据结构特征或内容特征来度量XML文档之间的相似度.本文将XML文档的相似度计算方法分为基于结构的和结构与内容相结合的两类,并对各种已有的XML文档相似度计算方法进行了比较和述评. 相似文献
3.
XML文档自动聚类研究 总被引：6，自引：4，他引：6
本文在文本聚类的基础上对XML文档自动聚类进行了研究,对划分聚类法和层次聚类法进行了改进,使之适合于XML文档聚类;给出了元素比较法、边集比较法和编辑距离法等三种计算文档间相似度的方法,并利用实际数据进行了测试和分析。 相似文献
4.
Clustering XML Search Results Based on the Integration of Content with Structural Semantics 总被引：1，自引：0，他引：1
Zhong Minjuan 《情报学报》2012,31(5)
检索结果聚类是提高检索性能的一种有效手段.其中,如何衡量文档间的相似性是影响聚类质量的关键因素.针对XML文档的内容和结构双重特性,提出了内容与结构语义相融合的扩展向量空间模型,并分析了影响相似性度量的各种特征,进而提出了内容与结构语义相融合的XML语义相似性度量方法.同时,针对IEEE数据集无法提供每篇文档的类别信息,本文从相关文档的分布情况引入了相关簇率和相关文档分布率的概念来进行聚类质量评价.数据集IEEE CS上的实验表明,与同类相似性度量方法和传统方法相比,本文所提方法具有可行性和更好的聚类效果. 相似文献
5.
查询扩展技术通过向初始查询请求加入相似或相关的词,组成更为准确的扩展查询表达式,来减少查询请求与相关文献在表达上的不匹配现象,改善检索性能.与传统的查询扩展不同,XML查询扩展不仅要对文档内容进行有效扩展,而且还要考虑结构扩展.本文提出了一种基于伪反馈的XML查询扩展方法,将初始检索结果聚类,获得与查询请求最为相关的文档簇,然后在文档簇中抽取词组,找到符合用户查询意图的扩展查询词组,并在扩展查询词组的基础上进行结构扩展,最终形成完整的"内容+结构"的查询扩展表达式.相关实验结果表明,相对没有扩展的查询,所提方法具有更好的精度. 相似文献
6.
7.
本文在概述数据挖掘技术的基本概念、分析方法的基础上,分析与比较了文本自动聚类算法;综述了国内外面向MEDLINE文献数据库的数据挖掘、知识提取研究;简述了可扩展标识语言(XML)的基本概念、文档格式及其在数据管理及数据挖掘中的应用. 相似文献
8.
协同推荐中基于用户-文档矩阵的用户聚类研究* 总被引：1，自引：0，他引：1
针对个性化推荐服务的需要以及用户聚类处理时用户-文档访问数据的高维稀疏性问题，采用“比对降维”的思想和K层次聚类算法，分析基于用户资源评价数据的用户聚类处理流程。在此基础上，采用Java开源技术设计并实现一个用户聚类的试验系统。 相似文献
9.
对一种基于动态可调自组织神经网络(the dynamic adaptive self-organizing map neural network,简称DASOM)的增量中文文本聚类方法进行研究,认为其只需处理更新数据,提高聚类速度,并能自动抽取SOM聚类结果;DASOM模型具有动态的结构,通过数值实验表明该方法对中文文本增量聚类具有有效性。 相似文献
10.
国外专利分析工具的比较研究 总被引：8，自引：0，他引：8
从“数据整理和概念分组”、“列表或直方图”、“比较矩阵”、“有结构数据聚类”、“无结构数据聚类”、“文档聚类地图”、“引文分析”以及“SAO”8个方面介绍当前国外主要的专利分析工具的功能及特色，并进行比较研究，为专利分析人员选取适当的工具以及软件公司改进专利分析工具提供参考。 相似文献
11.
A new method is proposed for clustering XML documents by structure-constrained phrases. It is implemented by three machine-learning approaches previously unexplored in the XML domain, namely non-negative matrix (tri-)factorization, co-clustering and automatic transactional clustering. A novel class of XML features approximately captures structure-constrained phrases as n-grams contextualized by root-to-leaf paths. Experiments over real-world benchmark XML corpora show that the effectiveness of the three approaches improves with contextualized n-grams of suitable length. This confirms the validity of the devised method from multiple clustering perspectives. Two approaches overcome in effectiveness several state-of-the-art competitors. The scalability of the three approaches is investigated, too. 相似文献
12.
一种基于Native XML的全文检索引擎 总被引：5，自引：0，他引：5
随着XML的日益流行 ,基于XML的全文检索应用需求也迅速扩大。在这些应用中 ,native XML数据库是发展方向。虽然商业化的native XML数据库已经出现 ,但其全文检索的性能还不尽人意。本文提出一种方法 :在传统的倒排索引的框架下 ,对XML的标记建立索引 ,使得一个全文数据库能够以Native的方式存储、索引、检索和输出XML文档 ,成为一个真正意义上的native XML全文数据库 ,既有传统全文数据库的优越性能 ,又能满足基于na tive XML的应用需求 相似文献
13.
14.
15.
Massih R. Amini Anastasios Tombros Nicolas Usunier Mounia Lalmas 《Information Retrieval》2007,10(3):233-255
Documents formatted in eXtensible Markup Language (XML) are available in collections of various document types. In this paper,
we present an approach for the summarisation of XML documents. The novelty of this approach lies in that it is based on features
not only from the content of documents, but also from their logical structure. We follow a machine learning, sentence extraction-based
summarisation technique. To find which features are more effective for producing summaries, this approach views sentence extraction
as an ordering task. We evaluated our summarisation model using the INEX and SUMMAC datasets. The results demonstrate that
the inclusion of features from the logical structure of documents increases the effectiveness of the summariser, and that
the learnable system is also effective and well-suited to the task of summarisation in the context of XML documents. Our approach
is generic, and is therefore applicable, apart from entire documents, to elements of varying granularity within the XML tree.
We view these results as a step towards the intelligent summarisation of XML documents.
相似文献
| Mounia LalmasEmail: |
16.
新一代WEB技术层：XML 总被引：3，自引：0，他引：3
可扩展标记语言（XML）是万维网协会（W3C）定义的用于优化Web上的传输的SGML的子集，它是一种元标注语言，提供一种描述结构数据的格式，本文讨论使用XML作为数据的标准格式，Web发展的趋势是数据集成和管理，而只有利用XML才是解决这一问题的关键。 相似文献
17.
18.
MARC的XML交换格式研究 总被引：5，自引：0，他引：5
延卫平 《现代图书情报技术》2006,1(8):31-36
在分析MARC ISO 2709交换格式局限性的基础上，对MARC的XML交换格式（MarcXchange和MARCXML）进行分析和研究，阐明MarcXchange的原理、结构、作用和意义，并对MarcXchange和ISO 2709进行比较。针对用OAI实验MARCXML的结果，指出OAI的局限性。最后提出CNMARC应用XML交换格式的具体建议。 相似文献