半構造XMLデータからのスキーマ抽出及び変換アルゴリズムの開発

开发半结构化 XML 数据的模式提取和转换算法

• 批准号: 14780330
• 负责人: 鈴木 伸崇
• 金额: $ 1.98万
• 依托单位: Okayama Prefectural University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2002
• 资助国家: 日本
• 起止时间: 2002 至 2003
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-14780330/
• 关键词: XML; データ変換; スキーマ抽出; アルゴリズム

本研究のスキーマ抽出は,構造の類似したXMLデータ同士を同じクラスに分類し,同じクラスに属するデータを共通の構造に変換する,という手順で行われる.これを実現するため,本研究では構造の異なる2個のXMLデータを同じ構造に変換(この処理を以下では併合と呼ぶ)するアルゴリズムの開発等を行った(このようなアルゴリズムが得られれば,クラスタリング的手法と本アルゴリズムを組み合わせることによりスキーマ抽出を行うことができる).本研究では,XMLデータをラベル付き順序木とみなす.前年度,報告者は2個のXMLデータを併合するためのアルゴリズムを構成したが,このアルゴリズムでは併合の際に用いる操作が(1)頂点の追加,(2)頂点の削除,(3)頂点のラベルの変更,という3種のものに限定されていた(各操作にはコストが付与される).今年度は,これら3種の操作に加えて(4)部分木の移動,という操作を追加した上で,2個のXMLデータを併合する問題について考察した.本研究で得られた結果は次の通りである.まず,2個のXMLデータおよび操作系列が与えられた場合に,その操作系列をXMLデータに適用して併合を行う多項式時間アルゴリズムを構成した.次に,2個のXMLデータおよび整数Kに対して,それらXMLデータがコストK以下で併合可能か否かを決定する問題がNP完全であることを示した.最後に,「部分木の移動」のコストが移動対象の頂点にのみ依存し,かつ,操作系列に含まれる「部分木の移動」操作の数がある定数以下に抑えられている場合,併合を行うための操作系列でコスト最小のものが多項式時間で得られることを示した.

The purpose of this study is to extract and construct the same structure as the XML document and to classify it into the same category. This study is based on the common structure of に変change する, という手顺で行われる.ではstructuralのdifferentなる2のXMLデータを同じstructuralに変change(このprocessをfollowingではmergeとcallぶ)するThe technique of アルゴリズムの开発wait を行った(このようなアルゴリズムが得られれば,クラスタリング) This is a set of アルゴリズムを组み合わせることによりスキーマdraw out を行うことができる). This research is done, ML application program. In the previous year, the reporter had 2 XML applications.のアルゴリズムを constitutes したが, このアルゴリズムでは merges the edge of the いる operation が (1) vertex の addition , (2) vertex removal, (3) vertex change, three kinds of vertex limited edition (each operation is done) (はコストが发される). This year's は, これら 3 kinds of operations, にplus えて (4) part of the wood の movement, というcaution The problem of adding two XML files and merging them was investigated. This study was concluded. The operation series of the two XML files is the operation series of the operation series and the operation of the occasion is the operation of the operation series. Series をXML データにapplicable して merge を row うpolynomial time アルゴリズムを constitute した.time に, 2のXM LデータおよびINTEGER Kに対して,それらXMLデータがコストK The following mergers are possible and not decided. The problem is that the NP is completely solved. Finally, "Part of the wood moves" and the top moves to the elephant.のみdependenceし,かつ,operation series に contain まれる「partial wood movement」operation のnumber があるa fixed number or less に suppress えられてIn this case, the combined operation sequence is the minimum polynomial time and the minimum polynomial time is obtained.

项目成果

Nobutaka Suzuki: "On Merging Structured Documents with Move Operation"Proceedings of the International Symposium on Information and Communication Technologies (ISICT03). 256-261 (2003)

Nobutaka Suzuki：“论将结构化文档与移动操作合并”信息与通信技术国际研讨会 (ISICT03) 论文集。