一种基于文本节点的XML文档索引和查询方法

论文摘要

XML作为一种扩展标记语言以其独有的特点及优势,使得开展Internet上的深层应用成为可能,它将逐步取代HTML,并成为Internet上数据表示及数据交换格式的新标准。如今,越来越多的数据被存储在XML文档中,在Internet上已经存储了大量的以XML文档为基础的数据集。如何存储和查询XML数据的数据库技术是一个重要的研究课题。由于XML文档中的数据有结构嵌套和模式信息不完整的特点,使得其结构非常复杂,对它的查询处理也比较困难,传统的基于树型结构的遍历查询技术已经不能满足XML文档复杂的处理要求。因此,如何快速准确地对XML文档集中的数据进行查询已经成为一个亟待解决的问题。 本文对XML文档的查询算法进行了研究,构造了一种针对XML这种半结构化文档的基于文本节点的索引及查询策略,并建立了相应的索引结构及算法,实现了对XML文档的高效查询。这种方法有下以优点:索引文件小,查询速度快,易于实现,而且适用于所有XML文档,包括没有DTD(文档类型定义)文件的XML文档。 本文的主要工作如下: 1) 阐述了XML的基本概念及其特性,并说明了对XML文档进行查询的理论基础。 2) 对国内外XML查询技术进行研究,分析现有查询技术的优缺点,找到其中影响查询效率的因素,并吸取其中的先进思想。 3) 引入唯一元素标识UID的思想,并且说明如何利用该思想为XML文档建立索引。 4) 根据半结构化数据的不规则、不完整的特点,构造了一种增强的基于文本节点的XML文档索引。该索引结构存储了由DOM技术生成的XML文档树中对查询有利的关键信息,有效地得用了XML半结构化的特征,可以加快XML查询的速度。这种索引结构的特点是索引文件规模较小,而且可以进行局部查找。根据此索引技术设计了一种合适的查询算法,并对关键算法进行了形式化描述。

论文目录

• 第一章 引言
• 1.1 XML简介
• 1.2 XML文档实例
• 1.3 XML特性
• 1.4 XML的意义及主要研究方向
• 1.5 XML查询的依据
• 第二章 XML查询技术及算法
• 2.1 XML查询语言分类
• 2.2 XML查询语言特征
• 2.3 XML查询方法
• 2.4 索引在XML查询优化中的重要性
• 2.5 XML索引类型
• 第三章 文本节点索引技术
• 3.1 唯一元素标识
• 3.2 增强的唯一元素标识
• 3.3 文本节点索引
• 3.4 非文本节点索引
• 3.5 索引文件
• 第四章 利用文本节点索引进行检索
• 4.1 计算节点的累加频率
• 4.2 词频累加器
• 4.3 计算关键词频率比重
• 4.4 关键算法描述
• 第五章 XML查询系统的实现
• 5.1 XML查询系统
• 5.2 XML查询系统的模块功能
• 5.3 实验结果及系统性能分析
• 第六章 结束语
• 参考文献
• 致谢
• 附录
• 承诺