XML文檔近似檢索系統(tǒng)設(shè)計(jì)

張碩 石成

摘 要：本系統(tǒng)主要是實(shí)現(xiàn)了一種找尋近似結(jié)果的方式，它是一種使用基于代價(jià)的查詢轉(zhuǎn)換的樹型查詢方法，通過調(diào)節(jié)轉(zhuǎn)化的代價(jià)，能適應(yīng)不同類型的XML文檔。

關(guān)鍵詞：MSXML；DOM；XML；近似檢索

前言

今天，XML語言的使用已經(jīng)覆蓋了各行各業(yè)，其內(nèi)容的龐大和結(jié)構(gòu)的復(fù)雜使用戶不能輕易的全面掌握整個(gè)文檔。了解到XML文檔的異構(gòu)性和復(fù)雜性，發(fā)現(xiàn)現(xiàn)有的XML文檔檢索系統(tǒng)已不能夠滿足用戶需求，急需更進(jìn)步更人性化的文檔檢索系統(tǒng)。本系統(tǒng)就是在XML文檔精確檢索的基礎(chǔ)上發(fā)展起來的近似檢索系統(tǒng)，通過引入XML文檔，實(shí)現(xiàn)查詢條件的模糊查找，為用戶提供相似度最大的查詢結(jié)果。

1 系統(tǒng)簡(jiǎn)介

本系統(tǒng)避免了一般XML文檔檢索系統(tǒng)給用戶造成的使用上的困難性，形成了方便實(shí)用，為用戶提供最大便捷性的文檔近似檢索系統(tǒng)。它采用VC++開發(fā)工具，設(shè)計(jì)了方便快捷的用戶使用界面，用戶使用用戶名和密碼登錄本系統(tǒng)，可以對(duì)本系統(tǒng)進(jìn)行各項(xiàng)操作。系統(tǒng)具有友好的使用界面，能夠讓用戶引入用戶希望查詢的XML文檔，為了減輕用戶的使用負(fù)擔(dān)，不需要用戶對(duì)整個(gè)XML文檔了解，只需要清楚要查詢的那部分結(jié)構(gòu)信息，在查詢命令輸入界面內(nèi)輸入查詢命令。為了能夠?qū)崿F(xiàn)近似的檢索，需要用戶輸入相應(yīng)節(jié)點(diǎn)的插入，刪除，更名代價(jià)值。這樣，將用戶輸入的查詢表達(dá)式進(jìn)行適當(dāng)?shù)牟迦牍?jié)點(diǎn)或刪除節(jié)點(diǎn)或?qū)⒐?jié)點(diǎn)更名等轉(zhuǎn)化后，變?yōu)榕c引入的XML文檔內(nèi)的某一段內(nèi)容相符。通過不同的轉(zhuǎn)換，能夠得到不同的結(jié)果，將最小代價(jià)和也就是系統(tǒng)認(rèn)為最相近的查詢結(jié)果返回給用戶。這樣實(shí)現(xiàn)了文檔的近似檢索。

關(guān)于XML文檔的近似性，其主旨是如果沒有精確匹配文件被找出， 根據(jù)他們的相似性應(yīng)當(dāng)將其查詢的最相似結(jié)果應(yīng)該找出.

關(guān)于用戶輸入的查詢命令，例如：＼cd[title["piano" and "concerto"] and composer["rachmaninov"]]，在設(shè)計(jì)時(shí)，將屬性名和屬性值同樣對(duì)待，作為元素節(jié)點(diǎn)。將其與用戶添加的XML文本進(jìn)行對(duì)照，找到相似的那部分。如圖1所示。

圖1 嵌入樹模型

在轉(zhuǎn)化的過程中，有時(shí)候不可能正好一一對(duì)照。有可能多一個(gè)節(jié)點(diǎn)，少一個(gè)節(jié)點(diǎn)或者有一個(gè)節(jié)點(diǎn)的名稱不相符。這就要求系統(tǒng)能對(duì)不相符的節(jié)點(diǎn)進(jìn)行近似轉(zhuǎn)化。如圖2所示。

添加節(jié)點(diǎn)、刪除節(jié)點(diǎn)、更名節(jié)點(diǎn)對(duì)系統(tǒng)來說是有代價(jià)大小的，不同的節(jié)點(diǎn)的代價(jià)值也是不相同的。例如：將cd轉(zhuǎn)化為dvd這就是針對(duì)cd節(jié)點(diǎn)的更名，用戶需要輸入相對(duì)節(jié)點(diǎn)的代價(jià)值。如果設(shè)計(jì)這種代價(jià)很小，那么對(duì)于系統(tǒng)來說將其更名是非常容易的，更名后的轉(zhuǎn)化結(jié)果與原文件的相似度是最大的。相反，如果設(shè)置這個(gè)代價(jià)值為無限大，那么就是告訴系統(tǒng)這個(gè)節(jié)點(diǎn)不能被更名。同樣對(duì)于節(jié)點(diǎn)的添加、刪除有一樣的意義。用戶將自定義節(jié)點(diǎn)及對(duì)應(yīng)的代價(jià)值，系統(tǒng)把輸入的這些數(shù)據(jù)系統(tǒng)進(jìn)行后臺(tái)計(jì)算。系統(tǒng)設(shè)定所有沒有在表中列出的刪除和更名代價(jià)都是無限大，所有更名的插入代價(jià)都是1。如表1所示。

表1 代價(jià)輸入表

2 系統(tǒng)功能

2.1 系統(tǒng)提供了新建工程、打開工程和保存工程的功能。用戶在第一次使用此系統(tǒng)時(shí)，需要新建工程；對(duì)XML文件檢索完畢后如果用戶想要在以后查詢此次檢索結(jié)果，可以將此次的檢索工程進(jìn)行保存，需要輸入保存工程的工程名；在今后需要調(diào)用以前保存過的工程時(shí)，要打開用戶所需的工程。

2.2 系統(tǒng)提供了對(duì)XML的管理功能。用戶可以通過系統(tǒng)對(duì)需要檢索的XML文件進(jìn)行添加或刪除操作，并且提供了友好的文本顯示界面，對(duì)添加的XML文件系統(tǒng)會(huì)自動(dòng)對(duì)其進(jìn)行遍歷以文本形式將每個(gè)節(jié)點(diǎn)顯示給用戶，其方便簡(jiǎn)潔性供用戶可以很快對(duì)新添加的XML文件有一個(gè)整體的了解。

2.3 為了實(shí)現(xiàn)用戶的近似查詢，系統(tǒng)除了提供查詢語句輸入功能外還提供了節(jié)點(diǎn)的代價(jià)值輸入功能。實(shí)現(xiàn)近似查詢關(guān)鍵在代價(jià)值的定義，通過用戶定義不同節(jié)點(diǎn)的插入代價(jià)、刪除代價(jià)或更名代價(jià)，能夠?qū)⒂脩糨斎氲牟樵冋Z句進(jìn)行有代價(jià)的轉(zhuǎn)化，適當(dāng)?shù)霓D(zhuǎn)化能夠使原輸入語句變?yōu)榕c引入XML文檔中的一部分內(nèi)容相符的結(jié)果，這就實(shí)現(xiàn)了用戶的近似查詢。不需要用戶非要清楚的記住精確的路徑表達(dá)式，也能夠通過不同節(jié)點(diǎn)的轉(zhuǎn)化達(dá)到成功查詢的目的。

2.4 隨著用戶的要求不斷增多，系統(tǒng)提供了功能的擴(kuò)展，可以及時(shí)將用戶的要求加進(jìn)系統(tǒng)中。其雖然增加了新的功能，但并不影響系統(tǒng)原有的功能。系統(tǒng)將每一個(gè)功能做成一個(gè)功能模塊，新增加的功能變成了新的功能模塊，各個(gè)功能模塊之間由主框架進(jìn)行連接，使系統(tǒng)具有良好的擴(kuò)展性。

2.5 由于本系統(tǒng)能夠直接對(duì)數(shù)據(jù)庫進(jìn)行添加修改操作，不良的操作可能對(duì)數(shù)據(jù)庫造成不良的后果。因此，需要對(duì)用戶進(jìn)行身份驗(yàn)證，只有獲得用戶名和密碼的用戶才能夠?qū)ο到y(tǒng)進(jìn)行操作。沒有輸入正確的用戶名和密碼的用戶將無權(quán)使用本系統(tǒng)，系統(tǒng)將自動(dòng)關(guān)閉。另外，由于在編寫程序的時(shí)候，各個(gè)功能被做成了對(duì)應(yīng)的功能模塊，各個(gè)功能模塊之間沒有直接的關(guān)聯(lián)關(guān)系，一個(gè)功能模塊出了問題，不會(huì)影響其它的功能模塊。每個(gè)功能模塊提供了容錯(cuò)能力，避免了因?yàn)殄e(cuò)誤操作造成系統(tǒng)或服務(wù)的不正常運(yùn)行。

3 結(jié)束語

本系統(tǒng)可以在Windows XP操作系統(tǒng)以上環(huán)境中運(yùn)行，通過用多類不同行業(yè)定義的XML文檔結(jié)構(gòu)進(jìn)行測(cè)試，能夠快速將用戶輸入節(jié)點(diǎn)的代價(jià)和檢索命令進(jìn)行轉(zhuǎn)化形成五元組，系統(tǒng)再將五元組進(jìn)行轉(zhuǎn)化與用戶引入的XML文檔進(jìn)行比較，得到最相近的一段XML文本，在顯示對(duì)話框中顯示出來，實(shí)現(xiàn)XML文檔近似檢索的設(shè)計(jì)目的，為用戶的快速查找提供了方便性與時(shí)效性。

參考文獻(xiàn)

[1]余宏，萬常選.面向XML的語義近似檢索模型[J].情報(bào)，2007（10）.

[2]張曉琳.面向?qū)ο蟮腦ML數(shù)據(jù)管理技術(shù)研究[D].東北大學(xué)，2006.