基于聚类xml文档集成管理方法的研究

《基于聚类xml文档集成管理方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、华侨大学硕士学位论文基于聚类的XML文档集成管理方法研究姓名：傅珊珊申请学位级别：硕士专业：计算机应用技术指导教师：吴扬扬20071201摘要XML作为Internet上信息表示和交换的一个标准，如何在关系数据库中有效地存储和查询这些数据已成为ＸＭＬ研究领域的一个重要问题。目前几乎所有的商业数据库产品（如三大商业ＲＤＢＭＳ产品ＳＱＬ　Ｓｅｒｖｅｒ，Ｏｒａｃｌｅ及ＤＢ２）都进行了扩充，支持对ＸＭＬ　的存储、查询和发布。通常，ＲＤＢＭＳ提供的ＸＭＬ数据存储功能有：将ＸＭＬ文档的内容或数据存储于数据库中；或以文本文件的形式对ＸＭＬ文档进行存储，并在数据库中保

2、留对相应文件的索引或链接。然而随着ＸＭＬ应用的不断扩展，ＸＭＬ数据的大量出现，由于ＸＭＬ数据可能来自各个不同的数据源，它们所遵循的文档模式（ＤＴＤ或ＸＭＬ　Ｓｃｈｅｍａ）可能不同，文档之间存在一定的异构性，如果采用目前的ＲＤＢＭＳ存储这些ＸＭＬ数据，则存在一定的局限性，即无法实现来自不同ＤＴＤ的多个ＸＭＬ文档的有效集成存储。　本文研究来自不同DTD的多个XML文档的集成存储问题。主要工作包括：1、提出了一种有效的XML文档频繁子树挖掘方法，具体做法是：首先对XML文档进行预处理，提取XML文档的有效结构SST（SimplestStructuralTree

3、最简结构树）；然后提出SSTMiner算法，用于挖掘SST中的所有嵌入频繁子树。SSTMiner算法不但继承了TreeMiner算法的优点，而且针对TreeMiner算法存在的瓶颈问题，以及结合当前所处理的SST的结构特点，对TreeMiner算法进行改进，提高了算法执行的效率；实验结果表明了该方法的有效性。2、研究基于频繁结构的XML文档聚类方法，其频繁结构包括频繁路径和频繁子树，具体做法是：首先对XML文档进行频繁结构挖掘，获取最大频繁结构集，由于SSTMiner算法是一种非常有效的频繁子树挖掘算法，对SSTMiner算法稍加修改，即可得到FrePa

4、thMiner算法和FreTreeMiner算法，分别用于挖掘XML文档中最大频繁路径和最大频繁子树；然后提出一种凝聚的层次聚类算法XMLCluster，分别以最大频繁路径和最大频繁子树作为XML文档的特征，对文档进行聚类；实验表明本文提出的FrePathMiner和FreTreeMiner聚类方法，与传统的ASPMiner聚类方法相比，其聚类效果具有更大的优越性。3、提出了一种XML文档集成存储方法，即在聚类的基础上，对XML文档进行集成存储，集成存储过程分为两个阶段进行：第一阶段为模式映射阶段（SchemaMapping），生成集成模式；第二阶段为数

5、据存储阶段（XMLStorage），从XML文档中抽取数据存入数据库，从而实现对来自不同DTD的多个XML文档的有效集成存储。最后，本文给出了基于聚类的XML文档集成管理系统的整个框架，并通过具体实例来说明基于聚类的XML文档集成存储方法。关键词：ＸＭＬ，频繁子树挖掘，聚类，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