赵艳妮，郭华磊，马军生

(1.陕西职业技术学院计算机科学系，陕西西安 710100;2.西安理工大学自动化与信息工程学院，陕西西安 710048; 3.西安通信学院信息服务系，陕西西安 710106)

基于路径权重的XML文档相似度仿真研究

赵艳妮1，2，郭华磊3，马军生3

(1.陕西职业技术学院计算机科学系，陕西西安 710100;
2.西安理工大学自动化与信息工程学院，陕西西安 710048; 3.西安通信学院信息服务系，陕西西安 710106)

针对XML文档查询效率低和准确度不理想的问题，提出一种基于路径权重的树相似度算法。该算法以树节点信息相似度和树结构相似度为出发点，依据信息组织主次分明的客观规律，信息按照重要程度依次排列在树的各个层次，树节点信息自上至下重要程度逐渐减弱。根据距离根节点越近的节点表示的信息越重要，最低层信息的重要性最小的特点，依照树节点在XML文档树中的层次自动计算该节点的路径权重，克服了传统XML文档树相似度计算中树节点信息权重平均分配或手工设置的缺点，解决了XML文档树的相似度自动计算问题，实现了XML查询树与文档树的快速匹配。仿真结果表明，该算法在大量XML文档检索方面查询效率、查准率和查全率都得到有效改进。

相似度;路径权重;查询树;文档树

0 引言

随着XML技术的广泛应用，如何在海量的XML文档中快速准确地检索到有效信息逐渐受到重视，成为近几年的热门研究领域之一。由于XML文档检索受到内容和结构的双重约束，因此XML文档的查询需要考虑关键字相似度和结构相似度两个因素［1］。……