關(guān)于XML檢索和索引技術(shù)的研究.pdf

1、隨著Internet和WWW的迅速發(fā)展，Internet上的資源日趨豐富，為了幫助人們?cè)诤迫鐭熀５幕ヂ?lián)網(wǎng)中得到有用的信息，基于Internet的各類信息檢索服務(wù)應(yīng)運(yùn)而生并得到了迅速發(fā)展。但是，僅僅檢索出文檔和網(wǎng)頁(yè)已經(jīng)不能滿足現(xiàn)在用戶的需求，人們希望能夠獲得最精準(zhǔn)的信息，這種信息應(yīng)該具有一個(gè)合適的粒度，在這個(gè)粒度上檢索結(jié)果包含最少的無(wú)用信息。而XML作為一種用戶自定義的標(biāo)記語(yǔ)言，可以很好的解決這個(gè)問(wèn)題。 目前，XML已成為萬(wàn)維網(wǎng)數(shù)

2、據(jù)表示和交換的標(biāo)準(zhǔn)，隨著XML文檔的大量涌現(xiàn)，XML檢索成為目前研究的熱點(diǎn)方向之一。XML作為一種半結(jié)構(gòu)化數(shù)據(jù)，既不同于數(shù)據(jù)庫(kù)記錄中的結(jié)構(gòu)化數(shù)據(jù)，也不同于文本文檔（如HTML）的非結(jié)構(gòu)化數(shù)據(jù)。盡管基于HTML關(guān)鍵字的搜索引擎已取得很大的成功，但由于XML與HTML在諸多方面存在差異，若不加修改直接用于XML數(shù)據(jù)查詢，則不能完全發(fā)揮XML所帶來(lái)的好處。HTML是一種表示性的語(yǔ)言，包含的語(yǔ)義很少，XML允許擴(kuò)展元素標(biāo)記，在這些擴(kuò)展標(biāo)記中，包

3、含了更多的語(yǔ)義信息。通過(guò)對(duì)XML檢索的研究，我們可以合理充分的利用XML中的語(yǔ)義信息，從而為用戶返回更為精確的查詢結(jié)果。 在XML檢索中，有效的XML索引可以加快檢索速度，減少用戶等待時(shí)間，因此，針對(duì)XML數(shù)據(jù)建立有效的索引機(jī)制是實(shí)現(xiàn)高效查詢的重要手段，是左右XML數(shù)據(jù)處理性能的重要因素，這也成為Web信息檢索的一個(gè)重要研究點(diǎn)。 針對(duì)XML數(shù)據(jù)索引問(wèn)題，本文通過(guò)對(duì)現(xiàn)有的XML索引技術(shù)進(jìn)行分析，建立了基于Dewey編碼的新

4、型索引PCiD（Path & Content Index）及其查詢處理方法。該索引不同于其他索引的一點(diǎn)，在于使用了結(jié)構(gòu)/內(nèi)容分而治之的思想，即為路徑信息和值信息分別建立索引。該索引使用路徑索引保存路徑信息，這樣任何一個(gè)結(jié)構(gòu)化查詢中的路徑信息，可以在路徑索引中輕松的找出與之相匹配的元素；另一方面，使用內(nèi)容索引存放XML文檔中的值信息，對(duì)于結(jié)構(gòu)化查詢中的值限制，我們可以在內(nèi)容索引中找出與之對(duì)應(yīng)的索引項(xiàng)，并進(jìn)行處理。最后通過(guò)合并兩個(gè)索引得到結(jié)