检索结果-内蒙古大学图书馆

作者：王成勇南京航空航天大学

学位级别：硕士

xml(e Xtensible Markup Language)是因特网中信息描述、传输和交换的重要标准,而xml文档聚类是众多xml文档整合和管理技术中关注的焦点,其目标是有效整合xml文档使之便于存储和传输。相似度计算则是xml文档聚类的关键步骤,而传统xml文... 详细信息

xml(e Xtensible Markup Language)是因特网中信息描述、传输和交换的重要标准,而xml文档聚类是众多xml文档整合和管理技术中关注的焦点,其目标是有效整合xml文档使之便于存储和传输。相似度计算则是xml文档聚类的关键步骤,而传统xml文档相似度计算方法中,树编辑距离算法时间复杂度较高,元素比较法丢失文档结构特性,边与路径比较法过于局限,扩展性差,而向量空间计算法虽计算简便,但多数算法因其特征权重设定导致无法完整保留文档结构特性。论文着眼于xml文档的特征权重设定,分别从相似度计算和聚类算法选择两方面进行研究,并取得了如下成果:1、论文研究了计算xml文档相似度的pq-gram算法。xml文档的结点在不同xml文档树中所处层次以及本层次中位置都会有所不同,而这些不同正是xml文档结构特性的一种体现,但pq-gram算法在提取pq-gram时未考虑这一点。鉴于此,论文提出了一种新的带权pq-gram算法,通过全面考虑xml文档树中结点的层次及位置,结合其父节点所处的位置,为xml文档结点以及pq-gram设计了全新的权重设定方法,并在权重设定的基础上改进了其相似度计算方法。最后通过聚类算法对三个真实数据集进行聚类,比较聚类精度的优劣以及各聚类簇之间的相似度。2、在此基础上,论文进一步研究了常见的xml文档特征向量提取方法,发现大多数特征提取算法只是针对xml文档结构特性对特征进行权重设定,未考虑各特征之间是存在偏好关系的。事实上,xml聚类不能完全通过结点在xml文档中的层次来判定它对于聚类的重要性。论文在此基础上研究了基于特征偏好的聚类(Clustering with feature order preference,CFP)算法。论文在带权pq-gram算法对xml文档进行特征向量提取的基础上,结合CFP算法,提出了基于特征偏好的xml文档聚类(CXFP)算法。CXFP算法可结合pq-gram权重以及特征偏好权重两个方面,并利用CFP算法的特点,在聚类过程中动态调整特征偏好权重。实验表明CXFP算法通过加入了特征偏好,可显著提高聚类的精度。3、分析了当前国内机场噪声现状,并介绍了对其分析研究的必要性,在此基础上,将CXFP算法应用于机场噪声数据的聚类中,根据不同的聚类需求为数据特征设定偏好权重,实验结果表明,CXFP算法较之其他聚类算法可以取得较优的聚类效果。

关键词：相似度计算 xml文档聚类权重特征偏好机场噪声

来源：评论

学校读者我要写书评

暂无评论

基于改进k-medoids算法的xml文档聚类

引用

计算机工程 2015年第9期41卷 56-62页

作者：冯少荣潘炜炜林子雨厦门大学信息科学与技术学院福建厦门361005

xml文档由于其自身的可扩展性、半结构化和自描述性等特点,已成为数据表示和交换的数据格式标准。一个高效、快速的xml文档聚类机制能够大幅缩短信息检索时间,提高数据查询的效率,挖掘出潜在的信息价值。为此,提出一种改进的k-medoids... 详细信息

xml文档由于其自身的可扩展性、半结构化和自描述性等特点,已成为数据表示和交换的数据格式标准。一个高效、快速的xml文档聚类机制能够大幅缩短信息检索时间,提高数据查询的效率,挖掘出潜在的信息价值。为此,提出一种改进的k-medoids算法对xml文档进行聚类。运用模糊聚类方法确定聚类个数,利用遗传算法的全局最优的搜索能力求解最佳聚类中心点或质心,从而提高大规模xml文档集的聚类质量。实验结果表明,与基于传统k-medoids算法的聚类方法相比,改进的聚类方法具有较高的聚类准确性和收敛度。

关键词： xml文档聚类遗传算法模糊聚类 k-medoids聚类聚类个数聚类中心

来源：评论

学校读者我要写书评

暂无评论

遗传算法在xml文档聚类中的研究

遗传算法在XML文档聚类中的研究

引用

作者：潘炜炜厦门大学

学位级别：硕士

xml是近年来得到广泛应用的一种元数据置标语言。随着xml文档数量呈现出爆炸式的发展,人们迫切的需要从这些文档中获取相应的信息知识。因此,xml文档的数据挖掘也成为目前的一个研究热点。其中,xml文档的自动聚类是数据挖掘中一个新的... 详细信息

xml是近年来得到广泛应用的一种元数据置标语言。随着xml文档数量呈现出爆炸式的发展,人们迫切的需要从这些文档中获取相应的信息知识。因此,xml文档的数据挖掘也成为目前的一个研究热点。其中,xml文档的自动聚类是数据挖掘中一个新的研究领域,不仅可以增强网络中xml文档的组织性,也为网络上知识信息的收集、整理和检索提供了一个有效的技术支持,同时还能够在海量的xml文档中发现未知的隐含的知识和文档间的联系,具有很大的研究意义。K-medoids聚类方法是一种简洁快速的聚类算法,用于处理一般的聚类问题非常方便快捷,传统的K-medoids聚类需要解决的问题主要有两个,一个是聚类个数的确定,另一个是聚类中心点的选择。本文依次提供了分别解决这两个问题的方法。首先,在确定聚类个数的问题上,本文提出了利用模糊聚类,采取基于模糊等价关系矩阵的方法,利用评估函数确定不同阈值下确定的聚类个数,最后记录评估函数值最高的聚类结果所对应的最佳聚类个数。在K-medoids聚类算法中,初始聚类中心点选择,对最终的聚类结果的质量影响很大,因此,如何选择接近实际聚类中心的初始中心点一直是研究的热点与难点。本文根据遗传算法具有搜索全局最优解的能力,把遗传算法应用到K-medoids聚类中。该算法采用聚类中心点集合作为遗传算法的个体,个体染色体的长度即聚类的个数。我们随机初始化种群,产生一系列的个体,然后依次利用染色体中的基因位作为初始聚类中心点,根据xml文档的相似度矩阵,结合K-medoids算法,对每个个体进行聚类,利用聚类评估函数作为适应度函数对个体进行适应度评价,并结合遗传算法的选择、交叉和变异的操作对种群进行遗传迭代,在全局范围内搜索最佳的聚类中心点,从而确定最优的聚类结果。最后通过多次实验结果的分析,表明本文方法的有效性和实用性。

关键词： xml文档聚类遗传算法模糊聚类 K-medoids聚类

来源：评论

学校读者我要写书评

暂无评论

xml文档聚类的研究

XML文档聚类的研究

引用

作者：刘晨大连理工大学

学位级别：硕士

随着互联网技术迅猛发展,xml (eXtensible Markup Language)文档由于其自身的自描述性、半结构化、可扩展性等特点,已经成为当今网络时代的信息载体与交换方式,一个高效、快速的xml文档聚类机制将会极大缩短信息检索的时间,提高数据查... 详细信息

随着互联网技术迅猛发展,xml (eXtensible Markup Language)文档由于其自身的自描述性、半结构化、可扩展性等特点,已经成为当今网络时代的信息载体与交换方式,一个高效、快速的xml文档聚类机制将会极大缩短信息检索的时间,提高数据查询的效率,挖掘出潜在的信息价值,能够为决策提供更好的数据支持。因此xml文档聚类研究已经成为一个新的研究热点。本文对xml文档聚类进行了深入研究。而不管是文档聚类、分类或者其它一些数据挖掘分析,一个不可忽视的问题就是相似度的计算,相似度是研究数据挖掘的基础,本文正是基于这种考虑,分别从文档的结构、文档的结构与内容相结合这两个方面重点研究了xml文档相似度的计算方法。首先,在xml文档表示方面本文扩展了xml文档树路径模型,通过加入路径和节点的频率信息,给出了频率-路径模型。然后,在频率-路径模型的基础上,给出了一种带位置和频率权重的基于路径的xml文档结构相似度计算方法PFWLCS(Position and Frequency Weight by Longest Common Subsequence)。并且在真实数据集上做实验表明本文给出的PFWLCS方法在召回率和准确率方面具有很好的效果。接着本文除了考虑xml文档结构方面,同时结合xml文档的元素内容,给出一种新的频率-路径模型,并且以此模型为基础给出了一种将xml文档的结构与内容相结合的相似度计算方法SCSC (Similarity Calculation with Structure and Content)。最后,在xml文档聚类方面本文给出了一种基于相似度的简单快速的聚类算法：邻域中心聚类法NCC (the Neighbor Center Clustering algorithm with similarity),并通过实验说明NCC算法在xml文档聚类效果上具有较高纯度和F-measure值。

关键词： xml文档聚类相似度计算领域中心聚类法

来源：评论

学校读者我要写书评

暂无评论

基于加权余弦相似度的xml文档聚类研究

引用

吉林大学学报（信息科学版） 2010年第1期28卷 68-76页

作者：李巍孙涛陈建孝罗梓恒李雄飞吉林大学计算机科学与技术学院长春130012 韩山师范学院数学与信息技术系广东潮州521041

在实际应用中,xml(eXtensible Markup Language)文档中的一些结构经常被改变。为了挖掘xml文档在历史变化过程中经常改变的结构所蕴含的知识,提出了发现频繁变化结构的方法。该方法用一组频繁变化结构组成的文档向量模型代表一个xml文档... 详细信息

在实际应用中,xml(eXtensible Markup Language)文档中的一些结构经常被改变。为了挖掘xml文档在历史变化过程中经常改变的结构所蕴含的知识,提出了发现频繁变化结构的方法。该方法用一组频繁变化结构组成的文档向量模型代表一个xml文档,将频繁变化结构在簇中的出现比例作为权值,使用加权余弦相似度对xml文档进行聚类。经过实验分析,根据xml文档历史变化过程中的频繁变化结构能较好地将xml文档进行聚类。用加权余弦相似度对xml文档进行聚类,其聚类结果的正确率、召回率和簇内部距离均优于使用非加权余弦相似度对xml文档进行聚类得到的结果。

关键词： xml文档聚类加权余弦相似度频繁变化结构

来源：评论

学校读者我要写书评

暂无评论

基于遗传算法的xml文档聚类的研究与应用

基于遗传算法的XML文档聚类的研究与应用

引用

作者：黄启辉中山大学

学位级别：硕士

xml作为一种Web上通用的数据表示和交换格式，在互联网高速发展的今天得到了越来越多的应用。与HTML相比，xml具有更大的灵活性。它不仅可以用来标记无结构的文本信息，还可以标记高度结构化的规则数据（如数据库中的数据）。但同时，... 详细信息

xml作为一种Web上通用的数据表示和交换格式，在互联网高速发展的今天得到了越来越多的应用。与HTML相比，xml具有更大的灵活性。它不仅可以用来标记无结构的文本信息，还可以标记高度结构化的规则数据（如数据库中的数据）。但同时，这种灵活性也给xml的查询处理带来了新的问题。随着Web上xml数据的快速增长，如何帮助用户快速有效地检索大量的xml数据，得到想要的信息，便成为亟待解决的课题。\n 一般来说，文档聚类是一种帮助人们检索信息的有效手段。与普通文本文档相比，xml具有自描述性、半结构化、层次性等特点，本身带有一定的结构和语义信息，这些特点更使得xml文档聚类成为了检索xml文档信息的有效手段。\n 事实上，国内外对此已做过不少研究，本文在以前学者研究的基础上提出了一种新的基于遗传算法进行xml文档聚类的方法。首先，遗传算法可以用于聚类操作并能取得良好效果，已经得到证明，但如何将该算法的思想应用到xml文档聚类中还没有相关研究。本文针对xml文档可以表示成文档结构树这一特性，提出了一种新的基于树的层次结构的二进制位图索引编码方案，并相应建立了一系列有助于遗传操作（选择、交叉、变异）的位图运算。其次，xml文档聚类的关键点是文档间相似性的度量，本文在综合考虑了xml文档树层次、深度这些特性的基础上，将其与遗传算法交叉算子、变异算子的设置相结合，提出了一种新的基于遗传算法的xml聚类算法。最后，在研究遗传算法的变异过程时，本文针对xml特性提出了一种动态选择变异位置的策略，从而有助于算法更快地寻找到全局最优解或准最优解。\n 最后，本文从实践的角度通过实验对比分析，验证了算法的可行性和高效性。

关键词：遗传算法 xml文档聚类变异算子全局最优解

来源：评论

学校读者我要写书评

暂无评论

基于频繁结构的xml文档聚类

引用

计算机工程与应用 2008年第9期44卷 135-138,171页

作者：傅珊珊吴扬扬华侨大学计算机科学系福建泉州362021

研究基于频繁结构的xml文档聚类方法,其频繁结构包括频繁路径和频繁子树。首先介绍一种挖掘xml文档中所有嵌入频繁子树的算法SSTMiner,对SSTMiner算法进行修改,得到FrePathMiner算法和FreTreeMiner算法,分别用于挖掘xml文档中最大频繁... 详细信息

研究基于频繁结构的xml文档聚类方法,其频繁结构包括频繁路径和频繁子树。首先介绍一种挖掘xml文档中所有嵌入频繁子树的算法SSTMiner,对SSTMiner算法进行修改,得到FrePathMiner算法和FreTreeMiner算法,分别用于挖掘xml文档中最大频繁路径和最大频繁子树,在此基础上,提出一种凝聚的层次聚类算法xmlCluster,分别以最大频繁路径和最大频繁子树作为xml文档的特征,对文档进行聚类。实验结果表明FrePathMiner算法和FreTreeMiner算法找到频繁结构的数量都比传统的ASPMiner算法多,这就可以为文档聚类提供更多的结构特征,从而获得更高的聚类精度。

关键词： xml文档聚类最大频繁路径最大频繁子树层次聚类

来源：评论

学校读者我要写书评

暂无评论

基于频繁路径特征的xml文档结构聚类算法研究与实现

基于频繁路径特征的XML文档结构聚类算法研究与实现

引用

作者：于洋吉林大学

学位级别：硕士

xml已经成为互联网上数据表示和交换的一种标准语言,随着xml技术的广泛应用以及xml数据的日益增多,如何对xml数据进行有效管理和分析,成为研究者关注的问题。作为一种半结构化数据,xml数据以半结构文档的形式表示和存储。xml文档的结构... 详细信息

xml已经成为互联网上数据表示和交换的一种标准语言,随着xml技术的广泛应用以及xml数据的日益增多,如何对xml数据进行有效管理和分析,成为研究者关注的问题。作为一种半结构化数据,xml数据以半结构文档的形式表示和存储。xml文档的结构信息与内容信息对于描述xml数据都具有重要的作用。随着数据挖掘技术应用于xml文档,xml文档的结构聚类研究在信息检索和数据处理等领域都扮演着日益重要的角色。本文介绍了xml数据挖掘与传统结构化数据、文本数据挖掘的不同之处,讨论了几种序列模式挖掘和聚类算法,以及聚类处理时的相似度计算方法,并在此基础上实现了一种基于频繁路径特征的xml文档结构聚类算法-PBClustering算法。本文的主要工作是针对PBClustering算法在处理高噪声和大数据量等方面的不足之处,通过调整相似度的计算方法、特征加权和增强可伸缩性等途径对其进行了改进优化。对比实验表明,改进后的算法聚类准确度得到提升,并且满足大数据集的时间伸缩性要求。

关键词： xml文档聚类频繁结构挖掘序列模式挖掘

来源：评论

学校读者我要写书评

暂无评论

基于语义网的本体相似度算法研究

基于语义网的本体相似度算法研究

引用

作者：闵江华东交通大学

学位级别：硕士

随着网络时代的快速发展,信息资源的快速增加,用户对信息资源的筛选和利用,已经成为人们信息生活中的一个日趋严重的问题,而信息资源的相似度计算则能对这个问题的解决提供很好的帮助。现在的语义相似度计算已经取得了很多进展,但同时... 详细信息

随着网络时代的快速发展,信息资源的快速增加,用户对信息资源的筛选和利用,已经成为人们信息生活中的一个日趋严重的问题,而信息资源的相似度计算则能对这个问题的解决提供很好的帮助。现在的语义相似度计算已经取得了很多进展,但同时其还有一些缺点是由其先天性的技术缺陷造成的,其忽略了节点中的语义。每一个节点都含有特定的语义,不同的节点其结构、定义、所处文档的层次可能不同,但其语义可能是相似的。为了解决这些问题,本论文分析了xml的语义问题,并提出了一个基于xml2OWL的从xml文档到OWL文档的生成方法。在该方法的基础上我们提出了一个改进后的基于本体的语义相似度计算方法,由于xml的结构性,该公式充分考虑了影响语义相似度的五大主要因素——概念,密度,语义权重,深度,和非层次结构下的语义权重,并通过实例比较设定了因素中的影响参数,使其能够适用于大多数文档情况。为验证该公式相比传统的语义距离公式的效果的提升,我们应用实例仿真对该公式进行了验证。实验结果表明,该方法在文本的语义相似度处于[0.4,0.8]时,改进后的计算方法能够更好的区分出文档节点之间的相似度,给予文档更好的聚类。

关键词： xml Schema 语义Web OWL 节点相似度语义相似度 xml文档聚类

来源：评论

学校读者我要写书评

暂无评论

搜索引擎中文档聚类方法研究

搜索引擎中文档聚类方法研究

引用

作者：周翀华中科技大学

学位级别：博士

随着互联网的发展，Web上的信息浩如烟海，搜索引擎作为互联网中的基础应用已经成为人们获取信息的重要工具。为了能给用户提供更好的搜索服务，近年来，数据挖掘和机器学习技术被广泛用来改善搜索结果的质量。其中，聚类技术在无任何... 详细信息

随着互联网的发展，Web上的信息浩如烟海，搜索引擎作为互联网中的基础应用已经成为人们获取信息的重要工具。为了能给用户提供更好的搜索服务，近年来，数据挖掘和机器学习技术被广泛用来改善搜索结果的质量。其中，聚类技术在无任何先验知识的情况下，能将大规模数据按照数据的相似性划分成用户可迅速理解的簇(cluster)，从而使用户更快地了解大量文档中所包含的内容。因此，聚类技术成为搜索引擎中不可或缺的部分和研究热点。在搜索引擎中，存在着两类数据：一是搜索引擎从互联网抓取的文档即用户搜索的对象，包括普通文本网页、xml文档和包括Flash、AJAX在内的超链接信息较少的文档；二是搜索日志即用户使用搜索引擎时产生的行为记录(userbehavior data)，搜索日志提供了一个潜在的知识库来辅助文档聚类分析。不同的文档有不同的特点，不同的应用对聚类分析有不同的要求。因此，数据的表示、数据相似度的定义，以及聚类分组算法是重要研究课题，具有重要的理论和实际意义。对于文本文档(text document)，现有的文本聚类算法忽略了文档是有序的单词序列而将文档视为一系列离散单词的集合。基于带窗口约束的关联规则的聚类算法(FICW)首先用滑动窗口对单词的位置进行约束，挖掘出文本集合中的频繁项目集，然后将得到的频繁项目集用于文本聚类。实验表明，FICW产生了质量更高的聚类结果，具有更好的效率和伸缩性。 xml文档是Web上的重要组成部分，基于公共路径的xml文档相似度定义因为计算开销小而被应用于xml聚类，却忽略了公共子路径在xml树上的分布信息。一种基于启发性策略的合并编辑距离(MED)，利用将两棵xml树压缩为它们的公共子树所需的编辑代价来捕获公共子路径的分布情况。实验表明，MED成功表示了xml树间公共子树的分布情况，基于MED的相似度定义较基于路径的相似度定义更好地衡量了xml文档间的相似程度。另一方面，为解决xml文档随意命名标签导致的度量xml文档相似度困难的问题，根据xml描述同类对象时，所使用的数据在数据类型的构成上具有一致性的特点，一种基于数据类型树的相似度评估标准被应用于xml文档聚类中。实验验证了该相似度定义的有效性，得到了较高质量的聚类结果。搜索日志记录的用户点击情况反映了网页中哪些主题才是真正引起用户兴趣的主题。因此利用搜索日志从用户的角度对网页进行聚类分析成为一种有效的方法。基于用户行为的混合网页表示模型首先从搜索引擎的搜索日志中抽取访问过给定网页的查询，将这些查询作为描述该网页的主题词，然后以主题词为中心从网页中抽取内容生成描述网页的虚拟文档以及相应的向量表示。实验结果表明，该混合表示模型能有效地改善网页分类和聚类的质量。 Web上的AJAX应用和PowerPoint文件等弱链接文档由于缺乏足够的超链接信息，导致搜索该类文档时，排序结果不佳。针对该问题，基于聚类的弱链接文档排序算法利用聚类算法从高质量的网页搜索结果中提取与查询相关的主题，并根据主题的相关网页的排名确定该主题的重要性，最后根据识别的带权重的主题计算弱链接文档的排序值。实验结果表明该算法能够为弱链接文档产生较好的排序结果。

关键词：搜索引擎 Web使用挖掘聚类技术 xml文档聚类弱链接文档

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：