[发明专利]一种基于关键字的XML检索排序处理系统及方法

说明书

本发明涉及一种基于关键字的XML检索排序处理系统及方法，由6个模块组成：基本语义节点筛选模块，文档语义分割模块，关键字检索模块，单元结构分析模块，语义加权模块以及结果筛选模块。本发明克服了原本基于SLCA结构关键字查询方法返回结果粒度不合适，易返回粒度过大的不相关结果和单关键字返回结果效果不好的缺点，可以更加准确地返回粒度适中，相对独立，比较符合用户意图的语义片段。对XML结果进行排序使用户可以选择返回固定个数的查询结果，进一步提高了查询的准确率，较好地满足了用户的偏好。

技术领域

本发明涉及一种基于关键字的XML检索排序处理系统及方法，属于信息检索和XML数据管理领域，主要应用于对XML数据库查询和对查询结果进行数据处理。

背景技术

关键字检索方式提供给用户友好、便捷的方式检索XML文档，用户只需提交关键字，无需掌握数据的模式信息，也不需要学习复杂的查询语法。针对WWW上的网页、办公文档等非结构化数据，Google、百度、Bing等搜索引擎提供了关键字检索功能，能够帮助用户在海量Web数据中快速获取所需信息，已成为目前最受普通用户欢迎的互联网信息获取方式。XML已成为Web上表示和交换数据的标准格式，各个领域不断涌现出大量的XML数据。如何有效检索满足用户意向的XML数据，已经成为当前数据库与信息检索领域中的研究热点。XML关键字检索方式，无需用户掌握查询语法与数据模式，仅提交关键字即可获取查询结果，深受普通用户欢迎。与传统信息检索中的关键字检索不同，XML关键字检索的目标不是整个XML文档，而是满足关键字条件的XML数据片段。如何根据关键字，快速、准确返回粒度适中且符合用户查询意向的XML结果片段，是XML关键字检索需要解决的基本问题。

用户在提交关键字检索XML文档时，通常希望获得的检索结果是具有相对完整信息的紧致片段，片段粒度过大不利于用户浏览，片段粒度过小不能满足用户的信息需求。将XML文档树划分为符合用户意向、相对独立、粒度适中的片段以便用户检索，为XML关键字检索提供了新的思路。

为提高基于SLCA语义的检索结果的准确度，研究人员尝试在SLCA语义基础之上，进行适当改进以达到目的。Y.Li(参见Y.Li,C.Yu,H.V.Jagadish,Enabling schema-freexquery with meaningful query focus,VLDB J.,2008,17(3),pp.72–84.)提出了MLCA(Meaningful Lowest CommonAncestor，有意义的最低公共祖先)利用XML模式信息来提高查询结果的准确性。黄静(参见黄静,徐俊劲,周军锋,孟小峰.MLCEA:一种基于实体的XML关键字查询语义.计算机研究与发展，第45卷(增刊)：372-377，2008.10)提出了MLCEA(Meaningful Lowest Common EntityAncestor，有意义的最低公共实体祖先)语义以实体作为基本语义单元，要求求取的SLCA节点为实体节点，并排除关键字对应多个同名实体的不同属性的情况，提高查询结果准确性。G.Li(参见G.Li,J.Feng,J.Wang,L.Zhou,Efficient keyword search for valuable LCAs over XML documents,in:Proceedingsof the 16th ACM Conference on Information and Knowledge Management(CIKM2007),2007,pp.31–40.)提出了VLCA(Valuable Lowest CommonAncestor，有价值的最低公共祖先)语义，通过语义信息过滤掉不相关结果，提高查询结果的准确性。Z.Liu(参见Z.Liu,Y.Chen,Identifying meaningful return information for XML keyword search,in:Proceedings of the ACM SIGMOD International Conference on Management of Data(SIGMOD2007),2007,pp.329–340.)提出了XSeek将XML树节点分为实体结点、属性节点和连接节点，利用用户输入的关键字推测用户查询意向，从而提高结果准确性。