基于加权余弦相似度的XML文档聚类研究

• 作者: 孙涛 李巍 李雄飞 罗梓恒 陈建孝
• 来源期刊: 吉林大学学报(信息科学版)
• 学科: 工学
• 关键词: XML文档聚类 加权余弦相似度 频繁变化结构
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 68-76
• 页数: 9页
• 分类号: TP391.1
• 字数: 6204字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2010.01.011

摘要

在实际应用中,XML(eXtensible Markup Language)文档中的一些结构经常被改变.为了挖掘XML文档在历史变化过程中经常改变的结构所蕴含的知识,提出了发现频繁变化结构的方法.该方法用一组频繁变化结构组成的文档向量模型代表一个XML文档,将频繁变化结构在簇中的出现比例作为权值,使用加权余弦相似度对XML文档进行聚类.经过实验分析,根据XML文档历史变化过程中的频繁变化结构能较好地将XML文档进行聚类.用加权余弦相似度对XML文档进行聚类,其聚类结果的正确率、召回率和簇内部距离均优于使用非加权余弦相似度对XML文档进行聚类得到的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李雄飞	吉林大学计算机科学与技术学院	60	783	13.0	27.0
2	陈建孝	韩山师范学院数学与信息技术系	19	98	5.0	9.0
3	李巍	吉林大学计算机科学与技术学院	59	466	10.0	19.0
4	孙涛	吉林大学计算机科学与技术学院	16	247	6.0	15.0
5	罗梓恒	吉林大学计算机科学与技术学院	3	38	1.0	3.0