基于半结构化数据信息检索的研究

论文摘要

由于半结构数据具有结构复杂、不规范和易变等特点，研究人员普遍采用灵活的图或树形结构来设计半结构数据模型。在数据模型的基础上，研究人员又提出了若干半结构数据的查询语言。图形的半结构数据模型具有很强的表达能力，能够灵活的表示网络上各种格式的数据，但是图形模型无法对数据种不同程度的结构进行明确的描述和概括，数据所具有的结构完全隐含在数据表示当中，在描述结构规则性较高的数据时存在大量的模式信息冗余，数据的处理效率比较低。 本文试图利用半结构数据中的规则结构来解决上述问题。从实际的半结构数据出发，本文设计了描述数据结构规则性的方法，并根据半结构数据的数据模式将半结构数据转化为关系数据，提高半结构数据处理的效率。本文提出了关系和图数据相结合的半结构数据存储模型，以及根据数据所具有的结构规则性，重新组织和存储数据的实际方法。其次，本文给出了将半结构查询转化为关系运算表达式的算法，提出了利用关系查询执行技术求解半结构数据查询的思路。 另外，本文结合当前搜索引擎的不足之处，提出了基于站点的分布式检索结构；最后，本文对文本分类的算法进行了研究，在分析、比较特征选择和权值调整对文本分类精度和效率的影响后，提出了一种给合评估函数的TEF-WA权重调整技术，设计了一种新的权重函数，将特征评估函数蕴含到权值函数，按照特征对文本分类的辨别能力调整其在分类器中的贡献。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 引言
• 1.1 课题的研究背景
• 1.2 目前的研究现状以及课题的研究内容
• 1.2.1 半结构数据的主要特点
• 1.2.2 半结构数据的相关研究问题
• 1.2.3 搜索引擎的相关研究问题
• 1.3 论文的结构
• 第二章 半结构数据管理的图形方法与结构方法
• 2.1 半结构数据的模型
• 2.1.1 模型的选择
• 2.1.2 边标记图模型
• 2.2 半结构数据的查询语言
• 2.2.1 半结构查询语言的设计要求
• 2.2.2 半结构查询语言的设计思路
• 2.3 半结构数据管理的结构方法
• 2.3.1 图形方法的局限性
• 2.3.2 半结构数据模式的研究现状
• 2.3.3 结构方法的研究内容和特点
• 第三章 半结构数据的存储模型以及查询执行
• 3.1 存储模型
• 3.2 存储模型的生成
• 3.2.1 数据节点与模式节点的对应关系
• 3.2.2 关系数据的生成
• 3.2.3 存储模型的生成算法
• 3.3 存储模型上采用的查询执行方法
• 第四章 基于站点的分布式检索结构的研究
• 4.1 问题的提出
• 4.2 问题的分析
• 4.3 解决的方法:基于站点的分布式检索结构
• 第五章 文本分类技术研究
• 5.1 引言
• 5.2 分类算法
• 5.2.1 几何分类
• 5.2.2 朴素贝叶斯分类
• 5.2.3 k-最近邻参照分类
• 5.3 文本分类中特征选择存在的问题
• 5.4 TEF-WA权重调整技术
• 5.4.1 TEF-WA权重调整技术的基本思想
• 5.4.2 各种评估函数
• 5.4.3 实验结果与分析
• 5.5 结论
• 第六章 结论
• 6.1 论文工作总结
• 6.2 进一步探讨
• 致谢
• 参考文献