论文部分内容阅读
针对当前XML文档结构聚类算法的一些不足，指出XML文档树中节点的重复和嵌套影响聚类的质量和效率。利用重复剪枝和嵌套剪枝简化XML文档树的表示，然后根据化简后的结构计算两棵XML文档树中的编辑距离，在此基础上得出两棵树整体的结构相似度量，按照层次聚类方法得到聚类结果。实验证明该算法有比较高的查全率和查准率，有效降低了时间复杂性，具有改进效果。