学位论文 > 优秀研究生学位论文题录展示

XML数据实体识别关键技术的研究

作　者: 韩哲
导　师: 高宏
学　校: 哈尔滨工业大学
专　业: 计算机科学与技术
关键词: XML 实体识别语义优化算法聚簇
分类号: TP311.13
类　型: 硕士论文
年　份: 2011年
下　载: 50次
引　用: 0次
阅　读: 论文下载

内容摘要

随着网络技术的飞速发展,用XML表示与存储的数据量与日俱增,尤其在网络数据的发布,各组织间的数据交换以及电子商务等应用领域中。XML已经成为数据表示,存储与交换的标准,在XML信息的识别与整合应用中,XML数据的实体识别技术有着大量的需求。目前,在XML数据实体识别的研究中,主要的方法是基于距离度量和相似性函数,而且研究人员忽略了XML数据实体识别的优化问题。但在现实世界中,一方面,不同源数据集的表现形式往往不同,而且数据经常是非清洁的,相似的XML数据不一定表示同一实体,指代同一实体的XML数据并不一定具有相似性。另一方面,源数据集通常包含多个可区分的实体信息,在进行实体识别时,存在着很多无用的代价消耗,具有较大的优化空间。本文提出了基于语义规则的XML数据实体识别方法和基于双聚簇的优化算法。首先提出了“类树结构”,类树结构利用了描述实体的结点和XPath路径的语义,它是由比较符连接的,带有XPath限制的可比较结点对。其次,根据类树结构和一组语义规则集推导出若干用于实体匹配的“识别类树体”,“识别类树体”能够保证在源数据集非清洁时,得到较好的实体识别效果。然后,在XML源数据集的规模上,进行了优化。在两个XML数据集上进行实体识别时,首先为各XML树建立索引,并将索引相似的XML数据聚为一簇,而不在任何聚簇中的数据,无需进行进一步的实体识别操作。最后,实验验证了本文提出的算法在保证了准确率的前提下,具有较高的效率,并且优化算法取得了较好的优化效果。

全文目录

摘要  4-5
ABSTRACT  5-8
第1章绪论  8-17
  1.1 课题背景及研究的目的和意义  8-9
  1.2 XML 数据实体识别的研究现状  9-14
  1.3 本文研究的主要内容  14-16
  1.4 本文的结构安排  16-17
第2章预备知识  17-21
  2.1 XML  17-18
  2.2 XML 数据模型  18-19
  2.3 XML 模式  19-20
  2.4 XPath  20
  2.5 XML 数据的解析  20
  2.6 本章小结  20-21
第3章基于语义的XML 数据实体识别方法  21-44
  3.1 XML 数据实体识别问题的定义  21-24
  3.2 类树体与类树结构推导  24-33
    3.2.1 类树结构  26-29
    3.2.2 识别类树体与类树结构推导  29-33
  3.3 类树体群算法  33-35
  3.4 推理最优识别类树体  35-37
  3.5 实验分析  37-42
    3.5.1 实验环境  37
    3.5.2 实验数据集  37-39
    3.5.3 本文方法的准确度  39-40
    3.5.4 本文方法的效率分析  40-41
    3.5.5 参数的影响  41-42
  3.6 本章小结  42-44
第4章基于双聚簇的XML 数据匹配优化方法  44-55
  4.1 索引结点的选择方法  45-46
  4.2 XML 数据集双聚簇算法  46-49
  4.3 XML 数据双聚簇算法的理论分析  49-52
  4.4 实验分析  52-54
    4.4.1 实验环境及数据集  52
    4.4.2 优化方法的效率分析  52-53
    4.4.3 参数的影响  53-54
  4.5 本章小结  54-55
结论  55-57
参考文献  57-60
攻读硕士学位期间发表的学术论文  60-62
致谢  62

XML数据实体识别关键技术的研究

内容摘要

全文目录

相似论文