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
|
相似论文
- 基因调控网络模型描述语言研究,Q78
- 《左传》名词陈述化研究,H146
- 支持XML数据查询的F&B索引结构的研究,TP311.13
- 基于多示例学习的用户关注概念区域发现,TP391.41
- LXI自动测试系统集成技术研究,TP274
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
- 基于网络的服装款式设计系统的研究与实现,TS941.2
- 基于MDA的界面自动生成方法的研究,TP311.5
- 药品扩散中的优化控制及其数值方法,R91
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 面向业务过程的服务动态组合方法研究,TP393.09
- 基于本体的语义检索研究,TP391.3
- 乔治·米勒的认知意义论,B842.1
- C++代码缺陷检测系统的研究与设计,TP311.53
- 基于Web的科学计算遗留应用共享技术研究,TP393.09
- 一种基于领域本体的语义Web服务匹配和组合方法,TP393.09
- 心智游移频率特征研究:问卷开发,B841
- 基于XML的异构数据交换系统的设计与实现,TP311.52
- 基于语义网络的智能搜索引擎研究,TP391.3
- 汉语框架自动识别中的歧义消解,TP391.1
- 《摩诃僧祗律》范围副词研究,H141
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com
|