您现在的位置: 首页> 研究主题> XML文档

XML文档

XML文档的相关文献在2000年到2022年内共计469篇,主要集中在自动化技术、计算机技术、科学、科学研究、信息与知识传播 等领域,其中期刊论文246篇、会议论文75篇、专利文献11880篇;相关期刊155种,包括数字技术与应用、信息技术、电脑知识与技术等; 相关会议40种,包括2011全国软件与应用学术会议(NASAC2011)、第27届中国数据库学术会议、2010全国文档信息处理学术会议等;XML文档的相关文献由814位作者贡献,包括万常选、于戈、周傲英等。

XML文档—发文量

期刊论文>

论文:246 占比:2.02%

会议论文>

论文:75 占比:0.61%

专利文献>

论文:11880 占比:97.37%

总计:12201篇

XML文档—发文趋势图

XML文档

-研究学者

  • 万常选
  • 于戈
  • 周傲英
  • 杨冬青
  • 袁晓洁
  • 陶世群
  • 宋余庆
  • 拉维·穆尔蒂
  • 李战怀
  • 洪晓光
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

    • 魏东平; 马弋惠
    • 摘要: XML文档分类技术可以高效地管理海量存在的数据,XML文档同时拥有结构信息和文本信息.为充分利用XML特点,优化分类效果,在结构链接表达模型(structured link vector model,简称SLVM)的基础上,提出了一种新的特征表达方法,即P-SLVM表达模型.该模型在传统的tf*idf的权重设置方式基础上,根据特征词在类中的分布情况,对特征词权重设置进行改进,同时利用泊松分布理论、特征词所在位置等对结构单元进行加权,以更为有效地表达结构信息和内容信息.实验结果表明,在P-SLVM表达模型下进行的XML文档的分类,有更好的分类效果.
    • 贺挺; 杨柳; 陈真玄; 杨非
    • 摘要: 针对XRel模式无法有效支持动态XML文档存储的问题,在区间编码的基础上,引入向量方法提出一种支持XML文档动态更新的编码方案——NewDietz,设计可以存储NewDietz编码元素的关系模式,并给出新元素在关系模式下的更新方法。新模式既保证新元素的有效存储,又兼顾动态XML文档从该模式中重组需要对元素进行祖先-后裔判断的问题。为验证新模式的实际应用效果,开发一个水利空间数据存储与展示模块,并对空间数据分别采用2种存储模式进行验证。对比结果表明,新模式明显提升XML文档在关系数据库中的存储效率,并有效支持XML文档的动态更新,为基于XML的水利业务数据在关系数据库中的高效存储提供一种可能。
    • 王寅
    • 摘要: 随着互联网的快速发展,具有自描述、半结构化和可扩展特点的XML成为互联网上数据存储和数据交换的标准.本文在树型结构模型和频繁路径模型的基础上,提出针对XML文档结构聚类的模型——加权层次子树模型,能够表示出XML文档的层次关系和层次信息.通过消除重复元素和重复表达式,用更加简洁的表达式表示出XML文档的层次和元素信息,能够快速、准确分辨出具有相同结构的XML文档.
    • 王寅1
    • 摘要: 随着互联网的快速发展,具有自描述、半结构化和可扩展特点的XML成为互联网上数据存储和数据交换的标准。本文在树型结构模型和频繁路径模型的基础上,提出针对XML文档结构聚类的模型--加权层次子树模型,能够表示出XML文档的层次关系和层次信息。通过消除重复元素和重复表达式,用更加简洁的表达式表示出XML文档的层次和元素信息,能够快速、准确分辨出具有相同结构的X ML文档。
    • 徐露瑶
    • 摘要: 针对传统软件对甲板局部静强度测试误差较大的问题,提出并设计了一种基于大数据分析的舰船甲板局部静强度测试软件。利用XML文档对甲板数据导入模块进行优化;利用大数据分析接口对载荷类型判断模块进行重组设计;再通过计算甲板的骨材强度和局部静强度,实现舰船甲板局部静强度的测试。通过实验论证分析的方式,确定基于大数据分析的甲板局部静强度测试软件的有效性,结果表明,大数据分析测试软件较传统软件的测试误差降低了20.951%,且测试过程中具有良好的稳定性。
    • 徐震
    • 摘要: 产品数据管理是信息化时代下企业管理的重要组成部分,将产品数据模型应用到管理中,对管理效率的提高,具有积极意义。本文介绍了产品数据管理的内容,强调了现代企业加强对产品数据的管理的重要性。在此基础上,重点以制造企业为例,阐述了产品数据管理中的产品数据模型的应用方法。以期能够为各类且提供参考,为企业产品管理水平的提升提供支持。
    • 张鑫
    • 摘要: In order to meet the demand for data mining to the XML document collection, is proposed in this paper, based on the semantic information and structure of the XML document tree information to calculate the structural similarity, the structural similarity matrix, the structural similarity based on the DBSCAN algorithm, is applied to clustering XML document collection. Compared with other clustering algorithms, the speed of clustering is greatly improved.%为了满足对XML文档集合进行数据挖掘需求,本文提出了根据XML文档树的语义信息和结构信息来计算其结构相似度,通过结构相似度构造其结构相似度矩阵,在此基础上应用DBSCAN算法来对XML文档集合进行聚类.与其他聚类算法相比,其聚类的速度得到了很大的提高.
    • 赵震; 马宗民; 张富; 林晓庆
    • 摘要: With the arrival of the era of big data, the management of distributed and heterogeneous fuzzy XML data is also becoming more and more important. In the management of fuzzy XML data, the classification of fuzzy XML documents is the key problem. In order to study the classification for fuzzy XML documents, in this paper, a new ELM-based double hidden layer framework is proposed. The proposed architecture is divided into two main components:the feature extraction of fuzzy XML documents are performed using Extreme Learning Machine in first layer, and then use these characteristics to classify the fuzzy XML documents by KELM Kernel Extreme Learning Machine in second layer. Finally, the perfor-mance advantages of the proposed method are verified by experiments. Firstly, the parameters including the number of hidden neuron, and the constant parameter C and kernel parameter γ are investigated in detail. Compared with the tradi-tional single hidden layer ELM(Extreme Learning Machine)and SVM(Support Vector Machine)method, the classifica-tion accuracy has been greatly improved and the training time has been decreased by approach based on the double hidden layer ELM proposed in this paper.%随着大数据时代的到来,对异构和分布式的模糊XML数据管理显得越来越重要.在模糊XML数据的管理中,模糊XML文档的分类是关键问题.针对模糊XML文档的分类,提出采用双隐层极限学习机模型来实现模糊XML文档自动分类.这个模型可以分为两个部分:第一层采用极限学习机提取模糊XML文档的相应特征,第二层利用核极限学习机根据这些特征进行最终的模糊XML文档分类.通过实验验证了所提方法的性能优势.首先对主要的调节参数包括隐藏层节点的数目L,常量C和核参数γ进行了研究,接下来的对比实验说明提出的基于双隐层ELM(Extreme Learning Machine)的方法相较于传统单隐层ELM以及SVM(Support Vector Machine)方法,分类精度得到较大提高,训练时间进一步缩减.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号