基于路径特征的XML文档结构相似性度量

摘要

针对现有XML文档结构相似性度量方法大多不能完全反映XML文档的结构特征,相似度计算结果精确度不高,导致聚类效果不够理想的问题,提出一种改进的相似度计算方法SSPF(Similarity based on Sequence,Position and Frequency).该方法充分利用提取的DOM树路径信息,对树路径间序列和位置的相似度计算进行优化,并考虑了路径频率对相似度的影响,使得文档间的相似性更为合理.实验结果表明,SSPF方法具有更加准确的相似度计算结果,聚类的各项评价指标均有所提高.