Measuring the Structural Similarity of Semistructured Documents Using Entropy
Measuring the Structural Similarity of Semistructured Documents Using Entropy
复制标题
使用熵测量半结构化文档的结构相似性
DOI：
--
复制
发表时间：
2007
期刊：
影响因子：
--
通讯作者：
S. Helmer
中科院分区：
文献类型：
--
作者：
S. Helmer
提出了一种基于熵的半结构化文档结构相似性度量方法。在从两个文档中提取结构信息后，我们使用Ziv-Lempel编码或Ziv-Merhav交叉解析来确定熵，从而确定文档之间的相似性。据我们所知，这是第一个真正的线性时间的方法来评估结构相似性。在实验评估中，我们证明了我们的算法在聚类质量方面的结果与现有的方法相当，甚至更好。
We propose a technique for measuring the structural similarity of semistructured documents based on entropy. After extracting the structural information from two documents we use either Ziv-Lempel encoding or Ziv-Merhav crossparsing to determine the entropy and consequently the similarity between the documents. To the best of our knowledge, this is the first true linear-time approach for evaluating structural similarity. In an experimental evaluation we demonstrate that the results of our algorithm in terms of clustering quality are on a par with or even better than existing approaches.