基于聚类技术的XML文件代表性结构获取  

Representative Structures from XML Documents Based on Clustering Techniques

作　　者：卓月明[1] 

机构地区：[1]吉首大学软件服务外包学院,湖南张家界427000

出　　处：《吉首大学学报（自然科学版）》2011年第6期55-58,共4页Journal of Jishou University(Natural Sciences Edition)

摘　　要：XML文件可以利用树状结构来表示,于是把如何将XML文件做聚类看成如何对树状结构的数据作聚类.使用SOM聚类工具搭配上Jaccard的距离测量公式来对XML文件做聚类,然后在每个cluster中利用GST(Graph SearchTechnique)算法从这些XML文件当中找出他们的最大序列,最后将这些最大序列融合起来成为共同的结构.Since an XML document can be represented as a tree structure,the problem how to cluster a collection of XML documents can be considered as how to cluster a collection of tree-structured documents.The author used SOM(Self-Organizing Map) with the Jaccard coefficient to cluster XML documents.Then,an efficient sequential mining method called GST was applied to find maximum frequent sequences.Finally,the author merged the maximum frequent sequences to produce the common structures in a cluster.

关 键 词：XML文件 树状结构 聚类 序列挖掘 相同结构 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]