论文部分内容阅读
树型网络的相似性度量方法在信息检索、数据挖掘等众多领域应用广泛。针对现有研究成果进行比较研究，在将树型网络划分为有序树和无序树的基础上，进一步将有序树的相似性度量方法归纳为基于操作策略(operating strategy)、基于分解策略(decomposition strategy)、基于路径比较(path comparison)、基于节点比较(node comparison)四大类；将无序树的相似性度量方法归纳为双边匹配(bilateral matching)法、最大公共子树(largest public subtree)法两大类；对于上述每类相似性度量方法，通过分析相关经典算法及后续优化算法，总结了各类相似性度量方法的处理对象、原理、优缺点、适用范围、领域应用要求及适用原因。最后探讨了本领域的未来研究方向。