基于自动机XML正则路径表达式查询研究

计算机应用 ›› 2010, Vol. 30 ›› Issue (9): 2317-2320.

基于自动机XML正则路径表达式查询研究

赵尔平¹,王聪华¹,雒伟群¹,党红恩¹,张兆基²

1. 西藏民族学院信息工程学院
2.

收稿日期:2010-03-15 修回日期:2010-05-16 发布日期:2010-09-03 出版日期:2010-09-01
通讯作者: 赵尔平
基金资助:
863计划资源环境技术重点项目;西藏民族学院科研项目

Research of XML regular path expression query based on automaton

Received:2010-03-15 Revised:2010-05-16 Online:2010-09-03 Published:2010-09-01
Contact: zhao erping

摘要/Abstract

摘要： 基于自动机正则路径表达式查询技术是半结构化数据模式下XML查询研究领域颇有价值的方法。许多研究方法对含有“//”操作符和“*”通配符复杂正则路径重写都会产生大量中间路径。设计了处理XML正则路径查询高效方法——CSAS，利用对象交换模型(OEM)作为XML数据模型，有限自动机作为查询模型，提出裁剪XMLSchema转化的自动机片断作为重写自动机来重写“//”和“*”符号的重写技术；利用剪枝技术、谓词处理后移策略实现查询优化。实验证明，CSAS方法是一种高效的XML正则路径表达式查询方法。

关键词: XML, 正则路径表达式, 自动机, 裁剪, 查询处理

Abstract: Currently, the query technique that supports finite automaton Regular Path Expression (RPE) is valuable in the research area of eXtensible Markup Language (XML) query in semi-structured data mode. Lots of middle paths were produced by many research methods that rewrite complex RPE with "//" symbol and "*" wildcard. The authors designed an efficient XML RPE query disposing method—Cutting Schema Automaton Snippet (CSAS) using Object Exchange Model (OEM) as XML data model and finite automaton as query model, put forward rewriting technology that cut out snippet of XML Schema transforming into automaton to rewrite "//" and "*", the query optimization was realized by Pruning techniques and predication back strategy. The experimental results prove that CSAS is an effect query method of RPE.

Key words: eXtensible Markup Language (XML), Regular Path Expression (RPE), automaton, cutting, query processing

中图分类号:

TP311.13

赵尔平王聪华雒伟群党红恩张兆基. 基于自动机XML正则路径表达式查询研究[J]. 计算机应用, 2010, 30(9): 2317-2320.

[1]	肖海林, 黄天义, 代秋香, 张跃军, 张中山. 基于轨迹预测的安全强化学习自动变道决策方法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2958-2963.
[2]	崔雨萌, 王靖亚, 刘晓文, 闫尚义, 陶知众. 融合注意力和裁剪机制的通用文本分类模型[J]. 《计算机应用》唯一官方网站, 2023, 43(8): 2396-2405.
[3]	岑黎彬, 李靖东, 林淳波, 王晓玲. 基于深度自回归模型的近似查询处理方法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2034-2039.
[4]	陈少权, 蔡剑平, 孙岚. 动态梯度阈值裁剪的差分隐私生成对抗网络算法[J]. 《计算机应用》唯一官方网站, 2023, 43(7): 2065-2072.
[5]	周欢欢, 郑伯川, 张征, 张琦. 基于自适应近邻参数的密度峰聚类算法[J]. 《计算机应用》唯一官方网站, 2022, 42(5): 1464-1471.
[6]	轩书婷, 刘惊雷. 基于离散哈希的聚类[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 713-723.
[7]	刘专, 韩瑞琛, 张延松, 陈跃国, 张宇. 面向多核CPU和GPU平台的数据库星形连接优化[J]. 计算机应用, 2021, 41(3): 611-617.
[8]	刘然, 刘宇, 顾进广. 基于自适应学习率优化的AdaNet改进[J]. 计算机应用, 2020, 40(10): 2804-2810.
[9]	关皓元, 朱斌, 李冠宇, 蔡永嘉. 基于资源描述框架图切分与顶点选择性的高效子图匹配方法[J]. 计算机应用, 2019, 39(2): 360-369.
[10]	蔡瑞初, 钟椿荣, 余洋, 陈炳丰, 卢冶, 陈瑶. 面向“边缘”应用的卷积神经网络量化与压缩方法[J]. 计算机应用, 2018, 38(9): 2449-2454.
[11]	关皓元, 朱斌, 李冠宇, 赵玲. 基于RDF图结构切分的高效子图匹配方法[J]. 计算机应用, 2018, 38(7): 1898-1904.
[12]	孟红月, 翟东海, 李梦雪, 曹大命. 参照四邻域裁剪样本的图像修复算法[J]. 计算机应用, 2018, 38(4): 1111-1116.
[13]	韩德帅, 邢建春, 杨启亮, 李决龙. 自适应软件动态过程时间特性建模与验证方法[J]. 计算机应用, 2018, 38(3): 799-805.
[14]	王家润, 任菲, 荣明, 罗童心. 拟合复杂形状主骨架的颜色渐变填充[J]. 计算机应用, 2018, 38(3): 829-835.
[15]	王莎莎, 冯子亮, 傅可人. 基于图节点中心性和空间自相关的显著性检测方法[J]. 计算机应用, 2018, 38(12): 3547-3556.