关键字 |
| 近似query-answering、数据挖掘、路径建立索引、焦油、XML |
介绍 |
| XML(可扩展标记语言)现在是一个天用于web开发的许多方面,经常来简化数据存储和共享。它有各种简化了数据存储等功能;平台的变化,因此使得数据更容易获得不同的应用程序可以访问我们的数据。由于这些功能,使用XML文档也变得更高的组织和公司。有许多种技术可以从这些文档中提取正确的信息。然而,这些技术是不足以从半结构化的XML文档检索一个有效的回答。它会导致以令人满意的方式回答查询的半结构化文档可能不规则结构文档和冗余数据是可用的。恢复,一个名为树的方法介绍了基于关联规则[1],这将提供一个树表示,这使得用户得到一个近似细节减少给定的查询。快速检索的查询可以被称为路径的方法得到基于索引机制。这种索引机制将有助于访问路径的方式的组成要素; it increases the speed of the getting answer. The above mechanism would take time to get the answer for user query. Another technique called classification is applied in the TAR. This will help to reduce the complexity of calculating the weight and it give an exact answering. |
XML |
| XML(可扩展标记语言)是一种灵活的方式来创建公共信息格式和共享的格式和数据在万维网上,内部网和其他地方。XML可以使用任何个人或团体的个人或公司想以一致的方式分享信息。因此应该有增强和新技术来获得准确的信息从大量的数据驻留在互联网或在指定的组织[1]。XML格式有结构化和半结构化的格式的用法。作为XML文档在互联网有时可能会因为是半结构化的XML文档的格式。半结构化的格式的数据检索将不准确和高效的。一些数据的半结构化文档将null值和冗余值。这将创建一个非结构化的XML文档的格式。例如,创建新帐户的Gmail由各种强制性的和可选的需求。考虑,新用户填满所有的强制性的细节。 The optional details are filled or leave empty according to the user’s wish Thus, user left some of the optional details and these details are stored in an XML format. The above processes are happening in the front end. If the back end user wants to get the detail of any of optional requirements, there could be two possibilities: some of the user’s data is absent and some of the data repeats. This kind of possibility leads to a semi-structured XML Document. It is a difficult process to formulate a query to get the answer from these semi structured document. This project provides a way to extract the answer from the query by using association rule mining and by indexing mechanism. |
| 答:关联规则挖掘 |
| 数据挖掘是一种有效的技术将有助于发现从数据库中数据的大量信息。它允许用户从许多不同的维度或角度分析数据,分类,总结识别的关系。其中一个挖掘技术发现关联规则挖掘数据之间的关系。关联规则是由分析数据频繁模式和使用的标准支持和信心来识别最重要的关系。支持的项目的频率出现在数据库中。规则以支持如果年代% X⇒Y持有D包含X∪Y的交易规则,大于一个指定的支持据说最低支持。例如itemset的支持增刊(X)被定义为交易的比例的数据集包含项目集。在数据库的例子中,项目集{A, B, C}的支持1/5 = 0.2,因为它发生在20%的所有事务(1中的5个交易)。信心表明如果/那么语句的次数已经发现是真的。规则X⇒Y持有信心如果c D包含X %的交易也包含Y规则有一个c大于一个指定的信心据说最低的信心 |
| 基于关联规则的b树 |
| 关联规则描述数据项的同现大量收集数据和表单的表示为影响X = > Y, X和Y是两个任意的数据项集。质量的方法,测量了关联规则的支持和confidenceEq(1)(2)。本文计算的支持和信心通过长度分析XML文档图(3)。因此,可以通过以下公式计算: |
 |
 |
| 在本文中,我们改变了关联规则的公式中引入关系数据库中根据我们的项目要求适应XML文档的层次结构。的表示XML文档作为一个树(N E r, L, C) N组节点,r是树的根,E是边的集合,L是函数返回的标签标记的节点(L所有标签的域)和内容函数返回节点的内容(C域的所有内容)。在现有的系统中,使用TAR纯元素Infoset内容模型中,我们添加了一些功能在我们提出的焦油系统和检索数据元素Infoset和基于路径的搜索。 |
| c .分类 |
| 分类是数据挖掘功能,分配项目目标类别或类集合。分类的目的是准确预测每个案例的目标类数据。在XML中使用长度的分类可以通过分析。文档的长度分类使用一个执行文件被称为树统治者分类。分析文档存储为XML格式,应用于进一步处理在更少的时间得到回答。可以添加一个新的数据分类,以便为其他流程没有问题。长度的算法分析如下所示。 |
| d .实验 |
| 中扮演着重要角色的关系找到有效的方式回答查询。我们添加了一些功能在焦油以更少的时间和更少的近似的方式得到答案。首先介绍了预处理技术。在焦油预处理技术应用图(1)作为数据驱动方法。因此用户可以手动访问XML文档中的元素,可以删除不需要的元素。预处理文档然后应用到下一个重量计算的过程。重量计算使用余弦相似性值范围。获得值聚集在F为查询提供答案。 |
 (3) |
| 我们的项目的主要流程是树表示给定查询的用户。关联规则使元素之间的关系得到的XML文档的结构和内容长度分析。我们计算的支持和信心为每个元素值[4]。从这些值树可以构造。这些值的元素放置在树。 |
| e .实验的分类规则 |
| 有一个长度分析算法在XML文档查询回答在一个精确的方式和更少的时间比关联规则挖掘。 |
| 1。可以考虑买大学的细节 |
| 2。分类树的数据项 |
| 例:第1类:学生 |
| 第2类:员工 |
| 第三类:部门 |
| 3所示。用户搜索一个学生的细节 |
| 将预测树的长度 |
| 例:输入:学生的名字 |
| 搜索将会是:大学- >名称- > - > - >部门年学生的名字 |
| 4所示。用户搜索的细节,一个学生在一个部门 |
| 将预测树的长度 |
| 例:输入:学生部门 |
| 搜索将会是:大学- >名称- > - > - >部门年总学生 |
| 5。减少时间和准确性的查询回答。 |
| f .查询回答 |
| 在这个项目中我们做了一个简单的比较正常的查询回答和树表示回答。这个回答可以通过XML查询(XQuery)[3]我们分类查询三种回答: |
| 1)σ/ n查询 |
| 这是一种查询和或者运营商习惯图(2)。我们结合,这个查询或运营商回答方法。 |
| 2)统计查询 |
| 在这样的查询,该特定查询的数据总数将答案。如果我们想计算出文档的名称意味着它可以通过这个查询。 |
| 3)不同: |
| SQL截然不同的子句可以删除重复的结果集。它可以用来在单一领域或在多个领域。在单一领域,最简单的方法使用SQL的条款将返回单个字段,删除重复的结果集。 |
信息检索 |
| 信息检索是跟踪和恢复从存储数据的特定信息。信息检索和数据挖掘技术搜索、分析和组织文本文档结构化或半结构化数据。在我们的项目检索可以通过使用重量计算的帮助下余弦相似度值范围。这种相似性分析两个文档之间的距离,将集团的价值观。它会显示有多少百分比的值是相似的。因此,相似的价值观将分组。如果用户给定的查询,它将搜索和检索答案。重量计算的过程会导致更多的时间来得到答案,但长度分析获取准确的回答,用更少的时间。基于路径的索引也增加回答的时间数据。 |
与树的分类 |
| 上面的查询应答方法被用于正常的回答方式方法聚类后使用重量计算。重量计算提供了一种传统的查询方式回答。这不会为半结构化的XML文档提供一个完整信息按照用户的需要。这可能需要时间来搜索。例如,如果用户要求查询客户名称和工资的细节,查询将返回相应的细节。如果用户想要进一步的细节如名称和指定客户,用户再次想给相同的查询来获得细节。从而减少时间约束,基于关联规则的树表示会提供更多的信息在一个树图(5)。用户不需要重复的查询来获得各种相同的客户的详细信息。因此查询回答的可用性提高,因焦油表示。这个过程是基于关联规则挖掘的。通过使用分类规则的长度分析我们可以提高准确性和更少的时间[5]。 |
基于路径索引 |
| 应用焦油查看每个属性树表示的方式。索引是一种机制的价值指数是存储和处理。值由semi-TAR索引建设像个人,教育和其他细节。因此树后建设的支持和信心的值可以很容易地在相应的地方。因此,搜索项可以通过索引搜索路径值。在现有工作的索引机制由沥青本身提供近似回答查询。但是,因为使用这个路径建立索引[2]机制近似水平下降和确切的回答查询相应增加。在这个项目中基于路径索引使用两个层次即内容水平和无花果(4)的比率水平。内容级别指定文档中出现的元素。在这个项目中有100份文件出现在数据集。每个文档显示在内容层面的元素。 The ratio range for an element specifies the ratio of the corresponding element present in whole document. If |
结论 |
| 所有频繁关联规则开采不强加任何限制的结构和规则的内容。基于该算法扩展路径索引和允许用户从XML文档中提取有效的回答。我们已经达到的主要目标是:1)开采频繁关联规则给出了结构和XML文件的内容使用树表示法[1];2)开采的信息存储在XML格式;因此,3)可以有效地使用提取的知识来获得信息,通过使用XML查询语言,对原始数据集的挖掘算法已经应用[4]。确切的信息,海员在一些情况下提供了一个有效的支持。它允许获取和存储文档的隐性知识。相比,关联规则分类将极大地提高了查询的效率,回答和时间减少搜索文档。对于任何类型的XML文档的用户可以很容易地得到准确的回答。 |
数据乍一看 |
|
|
引用 |
- MirjanaMazuran、ElisaQuintarelli LetiziaTancaA¢AXML数据挖掘Query-Answering SupportA¢IEEE知识和数据工程l . 24号2013年8月8日。
- 耶稣基督于k . Wong, n .唐一个¢回答XML查询使用索引:一项调查显示,一个¢万维网,9卷,没有。3、277 - 299年,2006页。
- J.W.W. Wan和g .多臂机,一个¢使用XQuery从XML文档中提取关联规则,一个¢Proc。第五ACM IntA¢l车间Web信息和数据管理,94 - 97年,2003页。
- c .结合b Oliboni, r . Rossato¢查询XML文档,使用关联规则,一个¢Proc。16 IntA¢l相依数据库和专家系统应用,1020 - 1024年,2005页
- 艾伯特Bifet和RicardGavald¢适应XML树分类进化数据streamsA¢AUniversitatPolitecnica de加泰罗尼亚,巴塞罗那,西班牙,2010年
|
菜单
(3)
