基于核矩阵学习的XML文档相似度量方法

• 作者: 杨建武 陈晓鸥
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: XML文档 相似度量 核矩阵学习 文本挖掘
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 991-1000
• 页数: 10页
• 分类号: TP181
• 字数: 6132字
• 语种: 中文

摘要

XML文档作为一种新的数据形式,成为当前的研究热点.XML文档间相似度的计算是XML文档分析、管理及文本挖掘的基础.结构链接向量模型(structuredlink vector model,简称SLVM)是一种综合考虑XML文档结构信息与内容信息进行XML文档相似度量的方法.体现XML文档结构单元关系的核矩阵在结构链接向量模型中扮演着重要角色.为自动捕获XML文档结构单元关系,提出了两种核矩阵的学习算法,分别是基于支持向量机(support vector machine,简称SVM)的回归学习算法和基于矩阵迭代的学习算法.相似搜索实验对比结果表明,基于核矩阵学习方法的XML文档相似度量方法的准确性明显优于其他方法.进一步实验表明,基于矩阵迭代学习的核矩阵学习算法与基于支持向量机的回归学习算法相比,不仅具有更高的准确性,而且所需训练文档更少、计算代价更小.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨建武	北京大学计算机研究所	17	449	12.0	17.0
5	陈晓鸥	北京大学计算机研究所	16	718	12.0	16.0