XML文档相似度计算方法研究   总被引：1，自引：0，他引：1  

谌志群 《情报学报》2009,28(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   

基于XML与ASP.NET的图片管理技术     

张健 《现代图书情报技术》2005,21(4):83-85

作为Internet网络的标准之一，XML文档通常用于文本数据的描述、存储和交换。本文讨论了用XML文档存储图片的技术方案，包括XML文档结构、图片存储、在线提交、下载和显示，描述了各个功能步骤的技术要点，并给出了基于ASP.NET的程序代码。本文探讨的基于纯XML文档和ASP.NET的图片管理技术具有无数据库驱动、易于实现等特点。  相似文献   

基于XML的词典信息组织技术   总被引：3，自引：0，他引：3  

孙辉 《情报学报》2005,24(1):112-115

如何有效地组织词典信息,是词典数字化出版首要关注的问题。本文针对词典信息的特点,引入基于XML的文档组织技术,并探讨该XML数据库的存储方式和索引机制,设计一种存储XML文档的中粒度的关系数据库模式。  相似文献   

一种基于层次结构的XML编码方法     

门爱华  张敬东  秦晓薇 《管理信息系统》2009,(4):82-84

随着Web的发展,XML文档的应用越来越广泛。目前针对XML文档的查询处理．已有的查询策略往往需要判断结点的祖先／后代关系,因而对结点要进行编码。但是目前的编码技术．有的在文档更新时需要重新对XML文档进行编码,有的支持XML文档更新但需要庞大的存储空间。本文提出了一种基于层次结构的编码方案,不仅可以在线性时间内判断两个结点的祖先／后代关系,并且可以优化存储。  相似文献   

XML文档的约束及其应用探讨   总被引：1，自引：0，他引：1  

张健 《现代图书情报技术》2005,21(5):23-26

在XML文档中应用约束机制，可以保证其数据的规范性、一致性和有效性。文章讨论了两类XML约束，一类是基于XML模式语言XSD或文档类型定义DTD的基本约束，另一类是自定义约束——XML函数依赖，描述了这两类约束及约束验证方式。在探讨XML约束机制的同时，结合图书馆具体业务，给出并分析了几个XML约束和XML文档的实例。  相似文献   

XML结构索引技术     

王俊杰  向桂林 《图书情报工作》2004,48(5):88-92,95

指出传统信息检索技术对XML文档的处理，没有考虑其结构信息，描述粒度不够细致，故不能充分挖掘XML文档的表达能力；认为采用元素索引、属性索引和结构索引来记录XML文档的结构信息，可在细粒度上记载XML文档的结构，从而深层次地挖掘XML文档的表达能力。  相似文献   

XML搜索引擎研究   总被引：1，自引：0，他引：1  

陈金森  原福永  张园园 《图书情报工作》2007,51(1):114-117

首先分析传统搜索引擎查准率不高的原因,然后介绍XML以及XML搜索引擎研究现状,并对XML搜索引擎所涉及的文档存储、索引、查询等关键技术进行详尽探讨。在此基础上,设计现行网络环境下的XML搜索引擎模型。认为该模型可充分利用XML文档的DTD模式信息,并能大幅度提高查询的准确率。  相似文献   

图像索引与检索的XML方法     

周宁  杨传志  吴佳鑫 《现代图书情报技术》2005,21(9):32-35

图像对象特征值的抽取、存储、转换、显现的实现有多种方法，SIMIIRS系统主要采用了数据库方法和XML方法。文章主要讨论了图像资源的XML描述方法、建立图像信息的XML索引文档，检索XML文档以实现图像信息查询与提供。  相似文献   

基于SCHEMA模式的XAMC信息描述及其检索实现研究     

王兰成  田梅  陈雪强  秦蓁珍 《情报学报》2004,23(4):417-421

本文在比较研究XML的DTD和Schema信息描述机制基础上 ,提出基于Schema模式的XAMC信息描述新方案 ,利用XMLSchema技术定义出MARCAMC数据的若干规则和限制 ,并将MARCAMC数据以一种XML文档XAMC的形式加以处理。最后将该研究付诸于XAMC网上信息发布与检索的实现  相似文献   

基于XML与ASP.NET的书评网的设计与实现   总被引：1，自引：0，他引：1  

张健 《图书馆理论与实践》2006,(1):99-101

首先分析了基于Internet/Intranet的书评网站系统的总体功能和运行流程,然后设计了存储读者及书评信息的XML文档的结构,并给出了基于ASP.NET的技术要点及其代码的系统实现。所探讨的基于纯XML文档和ASP.NET的技术方案具有无数据库驱动、部署灵活、维护简单等特点。  相似文献   

基于域加权词频法的XML文档级检索实现与评价   总被引：1，自引：0，他引：1  

陆伟  Stephen Robertson 《中国图书馆学报》2006,32(6)

利用BM25F模型,通过实验,在INEX 04数据集的基础上,实现了对多个域(元素)词频进行加权的XML文档级检索。XML文档结构的确蕴含了一定的语义信息。利用这些语义信息,可以提高检索性能。表2。图1。参考文献16。  相似文献   

Expected reading effort in focused retrieval evaluation     

Paavo Arvola  Jaana Kekäläinen  Marko Junkkari 《Information Retrieval》2010,13(5):460-484

This study introduces a novel framework for evaluating passage and XML retrieval. The framework focuses on a user’s effort to localize relevant content in a result document. Measuring the effort is based on a system guided reading order of documents. The effort is calculated as the quantity of text the user is expected to browse through. More specifically, this study seeks evaluation metrics for retrieval methods following a specific fetch and browse approach, where in the fetch phase documents are ranked in decreasing order according to their document score, like in document retrieval. In the browse phase, for each retrieved document, a set of non-overlapping passages representing the relevant text within the document is retrieved. In other words, the passages of the document are re-organized, so that the best matching passages are read first in sequential order. We introduce an application scenario motivating the framework, and propose sample metrics based on the framework. These metrics give a basis for the comparison of effectiveness between traditional document retrieval and passage/XML retrieval and illuminate the benefit of passage/XML retrieval.  相似文献   

基于关键词和摘要相关度的文献聚类研究   总被引：1，自引：0，他引：1  

魏建香  苏新宁 《情报学报》2009,28(2)

现有的文献聚类方法都是通过文献关键词来进行的.本文在研究大量文献聚类方法的基础上,提出了一种通过文献关键词和摘要进行加权的新的文献聚类算法.首先,改进了传统相似度计算的方法,设计出基于关键词和摘要词加权的相似度公式,使文献相似度计算更加精确.其次,基于"文献距离越大,聚为一类的概率越小"的思想,提出了一种"最大距离聚类法",并给出了算法的详细步骤.最后,实现算法并进行了大量的实验仿真.通过改进相似度计算公式,调整关键词和摘要词的权重,提高了聚类的质量.结果表明,本文提出的文献聚类算法是一种行之有效的方法.  相似文献   

基于标记树的XML文档自动分类研究     

潘有能  丁楠 《情报学报》2007,26(3):350-355

本文首先介绍了XML文档和DTD标记树的生成方法,并对标记树中节点的概念进行了扩充,使之不但包括元素,同时也包括连接符,以适应DTD结构的要求。随后将标记树中的元素分为共有元素、文档元素和DTD元素,并提出层次权重和结构权重以衡量元素的层次和结构复杂程度,给出具体计算方法。在此基础上提出了一个衡量XML文档和DTD之间相似度的算法,将其应用于XML文档自动分类中,并给出该算法的时间复杂度计算公式。从实验结果可以看出,该分类方法准确率较高。  相似文献   

XML文档的数据库转换技术研究*   总被引：3，自引：0，他引：3  

陈俊林  张文德 《现代图书情报技术》2006,1(9):38-42

概述目前XML的几种存储方法，简单分析科技论文的文档类型，最后采用SQL Server 2000对PDF格式的科技论文经元数据信息抽取后所生成的XML文档实现具体的XML的数据库转换。  相似文献   

Evaluating the effectiveness of content-oriented XML retrieval methods   总被引：1，自引：0，他引：1  

Norbert Gövert  Norbert Fuhr  Mounia Lalmas  Gabriella Kazai 《Information Retrieval》2006,9(6):699-722

Content-oriented XML retrieval approaches aim at a more focused retrieval strategy: Instead of retrieving whole documents, document components that are exhaustive to the information need while at the same time being as specific as possible should be retrieved. In this article, we show that the evaluation methods developed for standard retrieval must be modified in order to deal with the structure of XML documents. More precisely, the size and overlap of document components must be taken into account. For this purpose, we propose a new effectiveness metric based on the definition of a concept space defined upon the notions of exhaustiveness and specificity of a search result. We compare the results of this new metric by the results obtained with the official metric used in INEX, the evaluation initiative for content-oriented XML retrieval.

Gabriella KazaiEmail:

  相似文献