基于查询语义的XML关键字查询算法的研究

摘要

随着信息技术的迅猛发展，人们可以通过互联网从世界各地接收和发送信息，而信息交换过程中的一个突出问题就是数据格式的异构性，这将极大地阻碍对信息进行有效地使用。XML的出现正是针对这一问题而提出的解决方案。随着计算机和网络技术的不断发展，XML技术的应用也将不断扩展。该技术不仅可以用于银行之间进行数据交换、证券公司对其上市公司相关的数据进行统计、图书馆对其馆藏书目进行查询检索、企事业单位对其文件档案进行管理，还可用于电子商务、搜索引擎软件、自动智能翻译等领域。在不久的将来，XML数据的规模将可能达到或者超过各种关系数据库中的数据规模，从而成为继关系数据之后新的主流数据形式。如何有效管理XML数据自然成为寻找突破口的数据库界的热点研究问题。
　　 根据查询模式的不同，当前XML查询技术可以归为两大类：XML结构化查询和XML关键字查询。XML结构化查询要求用户掌握相关的XML文档查询语言和被查询文档的组织结构，这在实际中将给用户带来巨大的负担，将难以被大多数用户所接受。XML关键字查询的最大优点是其简单性，用户无须掌握复杂的查询语言，也无须了解任何数据的具体组织方式即可轻松提交查询。
　　 本文对XML关键字查询的基础知识做了比较详细的介绍，包括XML文档结构、主流编码方案、XML关键字查询模式和XML文档的解析方法等。文中对目前主流的XML关键字查询算法做了详细的分析，由于目前大多数算法还是基于LCA概念或其改进的概念，在以满足这些语义概念的最紧致片段作为查询结果的算法中，以SLCA作为返回结果的算法最为成熟、性能也最好。本文重点分析了以SLCA作为返回结果的Stack算法，ILE和SE算法、LISA算法，并详细介绍了基于SLCA节点作为返回结果的查询算法的优缺点。针对SLCA语义的缺点，本文提出了两种改进算法，并通过实验证明本文提出的算法在查询准确率方面具有优势。