1、XML具有簡單性、結構化、可擴展性、互操作性、開放性、通用性、靈活性等特點，因而在數(shù)據(jù)交換、數(shù)據(jù)集成、數(shù)據(jù)發(fā)布、數(shù)據(jù)存儲、數(shù)據(jù)管理、知識管理、信息檢索等諸多領域獲得廣泛應用。XML數(shù)據(jù)的快速發(fā)展迫切需要與之相適應的、能有效處理XML，數(shù)據(jù)的數(shù)據(jù)挖掘技術。然而傳統(tǒng)數(shù)據(jù)挖掘技術主要處理關系數(shù)據(jù)庫或數(shù)據(jù)倉庫中的結構化數(shù)據(jù)，無法解決具有復雜層次結構的XML，數(shù)據(jù)挖掘問題。 目前關于XML，數(shù)據(jù)頻繁模式挖掘技術的研究尚處于起步階段，雖然研

2、究人員已經提出了一些面向XML數(shù)據(jù)的頻繁模式挖掘算法，但由于XML數(shù)據(jù)具有結構變化、不規(guī)則、沒有完全固定模式等特點，且XML數(shù)據(jù)中可挖掘結構繁多，因而至今缺乏一個統(tǒng)一的、抽象的模型去描述XML數(shù)據(jù)的頻繁模式挖掘過程。本文在研究XML，數(shù)據(jù)結構模型特征、表示方法的基礎上，提出了一個統(tǒng)一、抽象的XML，頻繁模式挖掘框架系統(tǒng)。并在此框架基礎上分別就XML數(shù)據(jù)的頻繁標簽序列挖掘技術、頻繁查詢子樹離線挖掘技術、頻繁查詢子樹在線挖掘技術、文檔歷史版

3、本變化結構挖掘技術進行了討論和研究： 面向XML文檔聚類的頻繁XML標簽序列挖掘技術研究采用分而治之的思想，提出了基于概念格的XML，頻繁標簽序列挖掘算法。算法將XML標簽數(shù)據(jù)按照共同前綴序列分成不相交等價類；通過在每個等價類中分別實施挖掘過程獲取頻繁標簽序列。在標簽序列挖掘技術基礎上，研究了基于頻繁標簽序列的XML文檔聚類技術。該技術采用頻繁標簽序列表示文檔特征，通過考慮標簽序列包含關系，并引入標簽路徑長度、標簽路徑在XML文

4、檔中連續(xù)狀況等特性，提高XML文檔相似性估量準確度及聚類質量。 面向XML查詢緩存的頻繁XML查詢子樹離線挖掘技術研究分析XML查詢結構的特點，提出了基于全局樹視圖的、自底向上的頻繁查詢子樹挖掘算法BUMiner和最大頻繁查詢子樹挖掘算法BIJMXMiner。通過構建全局樹視圖，使得候選子樹的頻度計算可直接從全局樹視圖中獲得，而不再依賴于掃描XML文檔數(shù)據(jù)集。借鑒頻繁查詢子樹挖掘算法，給出了基于頻繁查詢子樹的XML查詢框架系統(tǒng)。

5、XML查詢系統(tǒng)中，為處理相似但不相同的XML查詢樹，介紹了四種XML查詢樹關系并給出了相似查詢重寫過程。大量實驗表明BUXMiner算法在性能上優(yōu)于原有查詢子樹挖掘算法；相比于傳統(tǒng)緩存技術LRU、MRU，應用頻繁查詢的緩存技術可獲得更好的XML查詢效率· >基于滑動窗口的頻繁XML查詢子樹在線挖掘技術研究通過引入滑動窗口模型，提出了面向XML查詢數(shù)據(jù)流的頻繁查詢子樹在線挖掘算法。算法以全局Trie樹為數(shù)據(jù)緩存結構管理和維護緩存池的數(shù)據(jù)流

6、，采用自下而上、基于前綴等價類的遍歷方式快速產生所有帶根查詢子樹和標準查詢子樹。實驗結果表明該算法具有挖掘速度快、內存消耗穩(wěn)定等特點，可以有效、平穩(wěn)地處理XML查詢數(shù)據(jù)流。 基于雙位圖B-DOM結構的XML文檔歷史版本變化結構挖掘技術研究在研究XML動態(tài)數(shù)據(jù)挖掘問題及XML版本變化結構挖掘框架的基礎上，提出了動態(tài)變化結構挖掘算法DXSM，用于有效提取頻繁變化結構及基于此的頻繁插入變化結構和頻繁刪除變化結構。通過構建存儲、管理數(shù)