XML文档相似性的研究及其在软件构件聚类中的应用

论文摘要

随着基于构件的软件开发技术的推广和深入发展,构件库已经在软件研究领域得到越来越多的关注。构件的查询是构件库的基本功能,利用聚类分析技术对构件进行聚类,可以实现构件的自动分类,有效地提高构件的查询效率。因为构件可以采用XML文档描述,而描述文档可以作为构件的标识,所以对构件的聚类可以转换为对其XML描述文档的聚类。因此对XML文档相似性和软件构件聚类进行研究具有非常重要的意义。XML文档是结构信息和语义信息的综合体,因此XML文档相似性的研究需要将结构信息和语义信息两者相结合。首先,XML文档中非叶子节点重复出现使得相似性计算复杂化,通过重复约简和嵌套约简消除非叶子节点的重复,使得XML文档结构简化;然后,分析XML文档特征,对前人提出的结构化递归模型作了扩展,利用元素间的有序嵌套来体现XML文档的结构信息,充分考虑标签、标签的权重以及叶子节点值及其权重,使用WordNet和自定义的相似字典SD来计算XML文档标签的语义信息,通过给出的公式计算叶子节点的相似性,依据其结构特点给出标签和叶子节点的权重;最后,给出XML相似性计算的层次递归算法。本文采用通用的刻面描述方案来描述构件,并以XML作为构件描述的标记语言。根据XML相似性的层次递归算法得到相似性矩阵,然后通过凝聚式层次聚类算法实现对构件描述文档的聚类。实验表明XML相似性的层次递归算法可以有效地计算XML文档之间的相似性,在此基础上的构件描述文档聚类能有效满足软件构件聚类的要求。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题的提出及研究意义
• 1.2 国内外研究现状
• 1.3 主要研究内容
• 1.4 论文组织结构
• 第二章 XML 文档及聚类分析
• 2.1 XML 文档
• 2.1.1 文档结构
• 2.1.2 文档解析
• 2.1.3 文档查询
• 2.2 聚类分析
• 2.2.1 聚类概念
• 2.2.2 聚类算法
• 2.2.3 聚类应用
• 2.2.4 算法评价
• 2.3 小结
• 第三章 XML 相似性的层次递归算法
• 3.1 传统的相似性计算方法
• 3.2 XML 文档特征分析
• 3.3 XML 文档结构约简
• 3.3.1 非叶子节点重复与嵌套
• 3.3.2 约简算法描述
• 3.4 标签语义相似性计算
• 3.4.1 基于词典的词语相似性计算
• 3.4.2 SD（相似字典）
• 3.5 XML 相似性的层次递归计算模型
• 3.6 XML 相似性的层次递归算法
• 3.6.1 对应节点选择方法
• 3.6.2 叶子节点值相似性的计算
• 3.6.3 算法描述
• 3.7 算法分析
• 3.8 小结
• 第四章 基于XML 相似性的软件构件聚类
• 4.1 基于XML 的构件描述文档
• 4.1.1 软件构件定义
• 4.1.2 基于XML 的构件描述文档
• 4.2 文档相似性矩阵
• 4.3 XML 文档聚类
• 4.3.1 算法思想
• 4.3.2 簇的数据结构
• 4.3.3 算法描述
• 4.4 算法分析
• 4.5 小结
• 第五章 实验结果与分析
• 5.1 实验环境
• 5.2 测试数据集
• 5.3 实验结果与分析
• 5.4 小结
• 结论
• 参考文献
• 攻读硕士学位期间取得的学术成果
• 致谢