連續(xù)概率XML數(shù)據(jù)查詢技術研究與應用.pdf

1、近年來，隨著數(shù)據(jù)采集和處理技術的不斷發(fā)展，人們對數(shù)據(jù)的認知也開始發(fā)生改變，數(shù)據(jù)的屬性開始由確定性向不確定性轉變。在互聯(lián)網(wǎng)、經(jīng)濟、金融、電信等許多現(xiàn)實應用中，不確定性數(shù)據(jù)普遍存在，而且有著非常重要的作用。傳統(tǒng)的關系型數(shù)據(jù)庫具有結構化的特點，難以適用于不確定性數(shù)據(jù)的管理。而XML具有易擴展、靈活性和自描述性等優(yōu)點，是結構化和半結構化數(shù)據(jù)進行交換、存儲的主要數(shù)據(jù)形式之一，更適合于不確定數(shù)據(jù)的表示。目前，使用連續(xù)概率XML對不確定數(shù)據(jù)進行管理越

2、來越受到研究者們的關注，其中高效的查詢方法是一個重要研究目標。
　　本文研究是在研究生階段參與的具體項目背景下，基于現(xiàn)有的XML編碼和查詢技術，針對連續(xù)概率XML數(shù)據(jù)的特點，提出了一種改進的編碼和查詢算法。具體工作有以下幾個方面：
　　在編碼方面，提出一種新的基于p-文檔模型的素數(shù)編碼方案EPBH(ExtendedPrimesCodingBasedonHierarchy)。在實際應用中，XML文檔會經(jīng)常更新，目前的很多編碼都

3、不能很好地支持更新操作。EPBH編碼在素數(shù)編碼的基礎上，加入了層次關系，并且重復利用小素數(shù)，實現(xiàn)了對XML文檔更新操作的支持，也避免了素數(shù)編碼本身編碼值增長過快的問題，而且能夠很好地判斷節(jié)點之間的結構關系。
　　在查詢方面，提出了一種基于EPBH編碼的擴展小枝查詢算法—PCTwigList。,在XML數(shù)據(jù)管理中，小枝模式查詢是XML查詢處理的核心操作，主要分為歸并和非歸并兩大類，其中TwigList是一種經(jīng)典的基于區(qū)間編碼的非歸并

4、算法，但TwigList算法的不足之處在于構造節(jié)點鏈表集合的過程中只考慮了節(jié)點間的A-D(Ancestor-Descendant)關系，而沒有考慮節(jié)點間的P-C(Parent-Children)關系，在對概率XML數(shù)據(jù)的查詢過程中會產(chǎn)生大量的中間結果。PCTwigList算法針對這些問題進行了改進，在整個查詢過程中進行三次過濾操作，大大減少了中間結果，提高了查詢的效率。
　　本文通過大量的對比實驗，證明出EPBH編碼和PCTwig