基于XML搜索引擎的研究

论文摘要

现有的搜索引擎多数是针对静态HTML(Hyper Text Markup Language)而设计的,HTML只是一种简单的显示语言,无法对检索信息做精确定位,从而大大限制了搜索引擎的查准率。目前,互联网上大量的信息开始采用XML(eXtensible Markup Language)语言来描述、存储和交换。XML标记描述了内容的含义,搜索引擎可以依靠标记和内容之间的依存关系,准确找到信息,从而大大减小搜索范围,提高检索精度。本文介绍了XML和搜索引擎的相关理论知识,并对XML查询语言XQuery的发展进行了回顾,深入研究了查询处理的方法,分析比较了各种算法的优缺点。在此基础上,本文提出了一个基于XML搜索引擎的模型,介绍了各个模块的设计思想,并实现了部分模块。对查询处理方法中查询表达式的分解及连接算法进行了优化。本文介绍的分解合并方法,在处理有规则路径表示的XML数据的查询时,与传统处理方法相比,效率有很大的提高;在将动态规划算法用于中间结果集合的合并处理后,又在很大程度上加快了查询的处理速度,提高了查询效率。

论文目录

• 提要
• 第一章 绪论
• 1.1 选题的意义
• 1.2 XML 搜索引擎的研究现状
• 1.3 论文的主要研究内容和结构安排
• 第二章 相关知识研究
• 2.1 XML
• 2.1.1 XML 简介
• 2.1.2 XML 的特点
• 2.1.3 XML 的结构
• 2.1.4 XML 文档解析
• 2.2 搜索引擎
• 2.2.1 搜索引擎概述
• 2.2.2 搜索引擎分类
• 2.2.3 搜索引擎的原理
• 2.2.4 搜索引擎主要技术
• 2.2.5 搜索引擎发展方向
• 第三章 基于XML 的搜索引擎
• 3.1 传统搜索引擎的不足
• 3.2 XML 搜索引擎的优点
• 3.3 设计思想及模型
• 3.4 各模块的具体实现
• 3.4.1 网络蜘蛛模块
• 3.4.1.1 网络蜘蛛基本原理
• 3.4.1.2 网站和网络蜘蛛
• 3.4.2 转换模块
• 3.4.2.1 转换的基本原理
• 3.4.2.2 转换的主要方法
• 3.4.2.3 转换的常见工具
• 3.4.3 解析模块
• 3.4.3.1 基本结构
• 3.4.3.2 XML 节点编码方式
• 3.4.3.3 具体实现思想
• 3.4.4 索引模块
• 3.4.4.1 B+树简介
• 3.4.4.2 索引的设计
• 3.4.5 查询模块
• 第四章 搜索引擎的查询模块
• 4.1 XML 查询语言的发展
• 4.2 XQuery 语言
• 4.3 XML 查询研究现状
• 4.4 查询处理方法
• 4.4.1 传统的查询处理方法
• 4.4.2 查询表达式的分解与连接算法
• 4.5 XML 数据的查询优化
• 4.5.1 动态规划算法的基本要素及求解步骤
• 4.5.2 算法中间结果的连接合并
• 第五章 结论和工作展望
• 参考文献
• 摘要
• ABSTRACT
• 致谢