基于序列前缀技术的XML频繁路径挖掘算法

• 作者: 张洁 毛国君
• 来源期刊: 计算机系统应用
• 关键词: XML频繁路径挖掘 序列化 位置信息 前缀
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 78-85
• 页数: 8页
• 字数: 7773字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006166

摘要

XML文档是半结构化数据,对其进行频繁路径挖掘可以分为两步:XML文档序列化和序列挖掘阶段.现有的序列化方式将XML文档表示为Xpath路径集合,其中有大量的节点冗余;序列挖掘阶段采用的类Apriori算法需要多次扫描数据库并产生大量的候选集,采用的PrefixSpan算法会产生大量的投影数据库,占用较大的内存.针对以往XML频繁路径挖掘算法存在的不足,本文提出一种高效的挖掘算法——基于序列前缀技术的XML频繁路径挖掘算法(PXFP,Prefix-based XML Frequent Path Mining Algorithm).PXFP算法以广度优先方式遍历XML文档树并将每个节点表示为"节点:父节点"的形式,这种序列化的方式减少了节点冗余.在序列挖掘阶段借鉴PrefixSpan算法中前缀的概念,但不产生投影数据库,仅得到直接后缀(即前缀的子节点),通过记录频繁子路径的位置信息逐渐扩大频繁模式的长度,位置信息的引入减少了对数据库的扫描.实验结果表明,PXFP算法取得了比PrefixSpan算法更高的时间和空间效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	毛国君	中央财经大学信息学院	12	51	4.0	7.0
2	张洁	中央财经大学信息学院	4	4	2.0	2.0