XML数据查询的关键技术研究

论文摘要

XML的全称是Extensible Markup Language(可扩展标识语言)由于具有简单、可扩展、互操作性强,开放性强等特点,正迅速成为一种与技术无关的数据交换的标准和传输格式,并逐渐成为当前网络应用中事实的数据表达、交换的标准。鉴于XML在诸多领域有广泛的应用前景,许多关于XML的研究都是前沿和热点课题。例如在数据库领域,从某种意义上说XML作为数据库使用可以自然地表示嵌套型数据,比关系型数据库具有更强的表达能力,但是对XML数据的查询还有很多不完善的地方,其查询准确性与查询速度都需进一步的提高。XML数据管理系统主要解决XML数据的存储管理、查询处理、访问控制、数据更新等。XML查询处理与优化包括XML查询代数、查询处理、查询优化等。XML数据查询是XML数据管理一个非常重要的组成部分,是当前学术界研究的一个热点方向。XML查询根据其查询模式的不同可以分为两类：XML Query查询方式和XML IR查询方式。而XML IR方式又可以细分为三类：XML IR/keyword方式、XML IR/query方式和XML IR/fragment方式。本文主要研究XML数据集成查询过程中碰到的一些问题,以及所采取的相应解决方案。其中主要包括三部分的内容：第一,由于XPath是当前流行的XML数据查询语言XQuery和XSLT的基础,我们针对XPath语言中的复杂路径表达式,设计了一种路径表达式的最优化方法,用以提高在对XML进行查询时的执行效率；第二,基于当前比较流行的一种查询代数OrientXA,基于代数表达等价原则,设计了一系列的等价转化方法,简化了XML查询路径表达式的代数表示,优化了XML数据的查询效率；第三,针对多XML数据源的集成查询,由于查询过程往往涉及到对多个XML片段中相似重复信息的处理,而我们有时候需要对多XML片段中的共同信息进行提取,由此,本文提出一种XML有向标记树模型,并在此模型上设计了一种相似匹配算法来对共同信息进行挖掘。实验显示,该算法具有很高的可行性及使用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 预备知识
• 1.2 国内外研究现状
• 1.3 本文的主要贡献
• 1.3.1 XPath路径表达式的优化
• 1.3.2 基于OrientXA的XML代数优化
• 1.3.3 多XML文档片段的相似性度量方法
• 1.4 本文的组织结构
• 第二章 XPATH路径表达式的最优化方法
• 2.1 背景与相关概念
• 2.2 MINPATH理论基础
• 2.3 MINPATH结构创建方法
• 2.3.1 元素关系表的建立
• 2.3.2 XTree的生成
• 2.3.3 XGraph的建立
• 2.4 M/NPATH优化处理方法
• 2.4.1 路径表达式的分解
• 2.4.2 路径表达式的重构
• 2.5 实验结果及分析
• 2.6 相关研究工作
• 本章小结
• 第三章 XML查询代数与查询优化方法
• 3.1 背景与相关介绍
• 3.2 XML查询代数ORIENTXA
• 3.2.1 OrientXA的基本特点
• 3.2.2 关键的代数操作符
• 3.2.3 查询代数表示方法
• 3.3 XML查询优化方法
• 3.3.1 基于等价变换的查询优化
• 3.3.2 复杂路径的最小分解算法
• 3.4 最小分解算法复杂性分析
• 3.5 相关研究工作
• 本章小结
• 第四章 多XML文档片段相似性度量方法
• 4.1 背景及相关介绍
• 4.2 文档片段多标签有向树模型
• 4.3 相似度度量方法
• 4.3.1 结点标记分析
• 4.3.2 边标记分析
• 4.4 XML匹配算法设计
• 4.4.1 粗糙结果集计算
• 4.4.2 边优化方法实现
• 4.5 实验效果分析
• 本章小结
• 第五章 结束语
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录
• 在读期间参与科研项目情况
• 学位论文评阅及答辩情况表