1、隨著互聯(lián)網大數據的發(fā)展,傳統(tǒng)的HTML信息檢索已經滿足不了不斷更新變化的信息需求。而XML作為互聯(lián)網數據交換及數據表現的標準,具有諸多優(yōu)勢特點,重要性日益凸顯,大有取代HTML之勢。如何從大量的XML中挖掘有效信息已成為目前亟待解決的問題,而XML信息檢索將是人們認識和利用海量XML信息的關鍵技術。因此將設計和實驗一個基于BDB的XML信息檢索引擎平臺,供XML檢索研究之用。
　　本文作者主要實現了平臺中兩種不同策略下的關鍵檢索算

2、法:多文檔XObject檢索算法和SLCAOffset算法,因此本文將重點介紹著兩種算法的設計與實現。
　　在多文檔XObject檢索算法中,采用Berkeley DB嵌入式數據庫作為平臺底層數據,效率和性能較傳統(tǒng)關系型數據庫提高一個量級;其次利用VTD-XML技術對XML文檔執(zhí)行解析,提出并實現了基于Trie匹配的XML文檔結構聚類,其聚類效果要優(yōu)于主流的聚類算法;再者提出了樹雙親存儲法優(yōu)化類存儲結構信息;最后動態(tài)構建查詢路徑并

3、在BDB XML上執(zhí)行XQuery查詢,對結果進行二級排序。
　　在SCLAOffset算法中,設計和實現了基于BDB的token記錄格式以及XML文檔分塊存儲方案;其次提出了Object對象節(jié)點偏移量的概念,解決XML文檔存儲占用過多存儲空間的問題;然后通過實現了節(jié)點匯聚算法,求解出了返回Object對象的節(jié)點;最后通過便宜量從存儲塊中讀取片段并對檢索結果進行排序。
　　在測試和實驗結果分析中,本文給出了結構聚類的詳細測試