[发明专利]一种基于关键字的XML检索排序处理系统及方法

摘要

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。

主权项

1.一种基于关键字的XML检索排序处理系统，其特征在于：包括基本语义节点单元筛选模块、文档语义分割模块、关键字检索模块、单元结构分析模块、语义加权模块和结果筛选模块；其中：基本语义节点单元筛选模块：将需要查找关键字的XML文档数据库，抽象为G＝(V,E,r,A)，G为XML文档对应的XML数据树，其中V表示G中所有节点的集合，E表示G中所有边的集合，r表示G的根节点，A是所有节点所带标签的集合；对G中的节点进行分析，计算G中每一个节点规模数和包含的节点属性类型数，节点规模数是节点在XML数据树中所含有的后裔节点个数；节点属性类型数指节点在XML数据树中含有的后裔节点的属性的类型数；基于G中的节点规模数和节点属性类型数以及节点的标签，把XML数据树的节点以同样标签进行整合，统计同标签节点平均规模数表和同标签节点平均属性类型数表，根据同标签节点平均规模数表和同标签节点平均属性类型数表设定同标签节点平均属性类型数阈值下界和同标签节点平均规模数阈值下界，在同标签节点平均规模数表和同标签节点平均属性类型表中同时高于两个阈值下界的节点即为基本语义节点，得到基本语义节点集合，将基本语义节点集合存放在结果文件中，供文档语义分割模块调用；文档语义分割模块：对XML文档数据库以基本语义节点集合为基础进行文档语义分割，以结果文件中的基本语义节点为中心，对XML数据树中的其他节点进行分析归类，对基本语义节点的临近节点进行优先归类分析，继而分析临近节点的临近节点，分割XML数据树，每一个分割后的XML数据集合即是一个以基本语义节点为中心的基本语义单元，整理每个基本语义单元，即得到基本语义单元集合，把基本语义单元集合输出至关键字检索模块；关键字检索模块：给定W＝{ω_i|i＝1,...,k}为待查询关键字组成的关键字集合，其中ω_i为待查询关键字，i代表第i个关键字，关键字一共有k个，按照W中的顺序取关键字，选取一个关键字对基本语义单元集合进行倒排索引，得到回答某一关键字的基本语义单元集合，遍历W中所有关键字，得到包含全部关键字的基本语义单元集合，把能够回答所有关键字的基本语义单元集合按照关键字顺序存入临时结果文件传给单元结构分析模块；单元结构分析模块：接收关键字检索模块中的临时结果文件，遍历基本语义单元集合，每一个元素均为一个以基本语义节点为中心的基本语义单元，取一个基本语义单元，以其基本语义节点为中心，保留返回的关键字节点和基本语义节点与关键字路径上的节点，删除其余节点，得到基本语义节点和关键字节点之间的小枝结构关系，对基本语义单元集合中每一个元素都进行此操作，得到每一个基本语义单元中基本语义节点与关键字之间的结构关系集合，将集合储存在临时结果文件中传送给语义加权模块；语义加权模块：遍历临时结果文件中的基本语义节点与关键字之间的结构关系集合，分析集合中每一个元素的重要性，对元素中节点结构关系树的每一个节点进行加权计算，并将每一个节点结构关系树加权计算的结果存入数组中，并把语义重要性加权数组传递至结果筛选模块；节点结构关系树是以基本语义单元为单位，删除不在关键字到基本语义节点片段路径上的节点，即得到对应该基本语义单元的节点结构关系树；结果筛选模块：接收语义加权模块输入的语义重要性加权数组，对语义重要性加权数组进行排序操作，对结构关系的重要性程度按照从大到小的顺序排列，数组中排位越靠前，即为结构关系最严格，最为符合用户检索意图，输入用户所需检索结果的个数，根据用户的需求，对已经排序完成的数组按数组顺序输出符合用户指定个数的检索XML基本语义单元，即为用户所求的检索结果。