[发明专利]一种计算XML文档相似度的方法

权利要求书

1.一种计算XML文档相似度的方法，其特征在于该方法包括如下步骤：

步骤1、将XML文档定义为一棵XML文档树，并表示为一个6元组；

步骤2、建立双向路径约束Bidirectional path constraints，BPC模型：在步骤1文档树的基础上定义节点的BPC，一篇XML文档包含的所有节点的BPC集合称为双向路径约束模型；

步骤3、使用基于N-Gram的划分方式计算两个祖先路径约束或孩子路径约束之间的相似度，统称为路径约束相似度；

步骤4、根据步骤3得出的路径约束相似度计算两个节点的BPC相似度，进而把这个BPC相似度作为这两个节点的相似度；

步骤5、最后文档中所有节点相似度按照节点的结构层次加权求和作为两篇文档的相似度。

2.根据权利要求1所述的方法，其特征在于步骤1所述的XML文档树的定义如下：

定义1.XML文档树：将一棵XML文档树表示为一个6元组T＝(V，v₀，E，∑，P，lab)，其中：

1)、V是文档树中所有节点的集合；

2)、v₀是文档树的根节点；

3)、E_a定义了父子约束集合，E_a＝{(u，v)|u∈V∧v∈V，并且u是v的父亲节点}，E_s定义了兄弟约束集合，E_s＝{(u，v)|u∈V∧v∈V，并且v是u的右兄弟节点}；用E表示约束集合，即E＝E_a∪E_s；

4)、∑是文档树中节点标签的集合；

5)、P_A定义了祖先路径约束，P_A＝{(v₀，v₁，...，v_n)|(v_i，v_i+1)∈E_a，0≤i＜n}∪{v₀}，P_S定义了孩子路径约束，P_S＝{(v₁，...，v_n)|(v_i，v_i+1)∈E_s，0＜i＜n，v₁，v_n分别是它们父亲节点的第一个和最后一个孩子节点}∪{v₁|v₁是其父亲节点的唯一孩子节点}；用P表示路径约束集合，即P＝P_A∪P_S，P⋐V∪V2∪...∪V|V|;]]>

6)、函数lab返回节点的标签，即当v∈V，lab(v)∈∑。

3.根据权利要求1所述的方法，其特征在于步骤2所述的节点的BPC定义为：

定义2.节点的BPC：P_A(e)定义了节点e的祖先路径约束，P_A(e)＝(v₀，v₁，...，e)∈P_A，P_S(e)定义了节点e的孩子路径约束，P_S(e)＝(u₁，...，u_n)∈P_S，(e，u_i)∈E_a，cons(e)定义了节点的BPC，cons(e)＝(P_A(e)，P_S(e))，e∈V；对于文档树的叶节点，它的P_S(e)为空，用ε表示。