高精度XML文書検索システムの問合せ処理高速化に関する研究

高精度XML文档检索系统查询加速处理研究

• 批准号: 16700103
• 负责人: 波多野 賢治
• 金额: $ 2.3万
• 依托单位: Nara Institute of Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Young Scientists (B)
• 财政年份: 2004
• 资助国家: 日本
• 起止时间: 2004 至 2005
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-16700103/
• 关键词: XML検索; 高精度・高速検索; リレーショナルデータベース; 計量統計学

本研究では,XML文書に対し利用者が問合せキーワードを入力し,そのキーワードに合致するXML部分文書を得る検索のことを「XML検索」と呼んでいる.検索対象がXML文書ではなくその部分文書となっていることで,検索対象となる部分文書数が爆発的に増加するため,検索精度の低下だけではなく検索速度の低下もXML検索における問題点となっている.この問題の解決には,キーワード検索の特質を理解し,明らかに検索結果となりえない,すなわち検索の際に不要となるXML部分文書(以下,不要部分文書と呼ぶ)を検索対象から外し,検索対象部分文書数を削減することが重要だとされており,この不要部分文書の除去によって検索速度および検索精度の改善が期待されている.従来から行われているこの種の研究では,不要部分文書の決定は人手によって行われてきた.例えば,<author>Kenji Hatano</author>のような部分文書は,ブーリアン検索では有用な検索結果になりえるが,キーワード検索の検索結果としては情報が不十分であるため,Kenji Hatanoが何のauthorなのかを理解できるようその上位の部分文書を検索対象とするといった具合である.しかし,このような作業を人手で行うのは重労働であるため,その作業の自動化が求められてきた.本年度の研究実績は,昨年度の研究成果である不要部分文書の自動決定するための統計量をリレーショナルデータベースに格納し,かつそのリレーショナルデータベースで検索処理ができるよう,問合せ変換器を構築したことである.また,不要部分文書の決定に統計量だけではなく不要部分文書だと明確なものはあらかじめリレーショナルデータベースに格納しない手順を追加した.その結果,本年度は検索対象XMLデータが昨年度と比較して約200MB増加したにも関わらず,検索速度,検索速度ともにほとんど変化しなかった.このように,本提案は実運用に耐えうる使用となっており,未来のWeb検索エンジン実現のための要素技術として,有用なものであるということができる.今後の課題は,問合せ処理時の最適化処理によって更なる高速化が期待できるため,今年度利用した統計情報をどのように検索システム内に格納するかなど,既存のRDBを利用した問合せ最適化について考える予定である.

In this study,XML documents are used to search for XML documents. The number of search objects in some XML documents is increasing, the search accuracy is decreasing, and the search speed is decreasing. The solution of this problem is to understand the characteristics of the search, to clarify the search results, to clarify the search results, to clarify In order to study this topic, we should not make decisions on the part of scholars. For example,<author>Kenji Hatano's</author> search results are not very good,Kenji Hatano's search results are very good. This is the first time that we've had to automate our work. This year's research results are different from those of last year's research results, and some of the documents are automatically determined. Statistics are used to analyze and analyze the data. The statistics of the decision of the document are not clear, and the order of the document is added. As a result, this year's search object XML file has increased by about 200MB compared with last year's, and search speed, search speed, and change. This proposal is based on the application of the new technology, which is useful for future Web search. Future issues are: optimization of data processing, improvement of speed, utilization of statistical information, optimization of existing RDBs.

项目成果

キーワードに基づいた部分文書検索における解答部分文書が持つ性質の分析

基于关键词的部分文档搜索中答案部分文档的属性分析

• 发表时间: 2004
• 期刊: 電子情報通信学会技術研究報告 Vol.1041 No.345
• 作者: 波多野 賢治;絹谷 弘子;吉川 正俊;植村 俊亮
• 通讯作者: 植村 俊亮

Analyzing the Properties of XML Fragments Decomposed from the INEX Document Collection

分析从 INEX 文档集合分解的 XML 片段的属性

• 发表时间: 2005
• 期刊: Advances in XML Information Retrieval, Lecture Notes in Computer Science 3493
• 作者: Kenji Hatano;Hiroko Kinutani;Toshiyuki Amagasa;Yasuhiro Mori;Masatoshi Yoshikawa;Shunsuke Uemura
• 通讯作者: Shunsuke Uemura

類似度計算の効率化によるXML検索の高速化について

关于通过提高相似度计算效率来加速XML搜索

• 发表时间: 2005
• 期刊: 第16回データ工学ワークショップ(DEWS2005)論文集
• 作者: 森 康弘;吉川 正俊;波多野 賢治
• 通讯作者: 波多野 賢治

キーワードを利用したXML文書検索

使用关键字搜索 XML 文档

• 发表时间: 2004
• 期刊: 情報処理学会論文誌:データベース Vol.45,No.SIG7(TOD22)
• 作者: 絹谷 弘子;波多野 賢治;吉川 正俊 植村 俊亮
• 通讯作者: 吉川 正俊 植村 俊亮