木文法により圧縮された複数の半構造化文書からの共通頻出木パターンの発見

摘要

本研究では，複数の半構造化文書に共通して出現する木パターンを木文法による圧縮アルゴリズムTGCAにより圧縮された半構造化文書から発見する手法を提案し，同時に圧縮が前処理として発見の効率化に有効であることを示す．この手法は，包摂関係にある木パターンを考慮しながら各共通木パターンの出現回数を求める過程も含んでいる．半構造化文書の圧縮に関する技術と半構造化文書からの知識発見は半構造化文書に関する重要な研究テーマであり，本研究はこの二つを同時に行い，さらに計算の効率化も示すものである．