一种计算XML文档相似度的方法

摘要

本发明属于数据库技术领域，建立一种XML文档约束模型，称为双向路径约束模型。基于这种模型提出一种新的计算XML文档相似度的方法。它通过节点的双向路径约束更全面的提取XML文档的结构信息，有利于更精确的衡量XML文档之间的相似度。本发明引入自然语言领域中非常成熟的N-Gram思想，将基于N-Gram的划分方式应用在路径约束相似度计算中。最后本发明巧妙地运用正整数和权值简化了N-Gram信息的提取和运算。本发明可用于XML文档分类、聚类以及模式提取等领域。