随着信息高速公路的发展，互联网上出现了大量采用事件-驱动模式的应用，如主动服务中的发布订阅系统、基于内容的XML路由、XML文档分发以及新闻传递等。这类应用中，信息以XML流的形式由一系列生产者经过事件代理传递到另一些消费者手中；消费者通过过滤引擎进行订阅。由于仅与XML的内容本身有关，而与信息在何处发布无关，这种路由方式常被称作内容路由。然而，现有的内容路由技术在高效匹配算法、对异构事件处理等方面尚存一些问题。扩展标记语言XML作为一种数据表示和交换的标准，具有自描述性、可扩展性、利于异构数据交换等诸多优点。本文以XML为事件模型、XPath作为多用户订阅模型来研究内容路由的若干关键技术。本文提出了一种基于hedge文法的HXFA机来处理XML发布流事件，并给出了HXFA机的过滤优化算法及算法正确性分析。最后，将多个HXFA机合并作为系统的过滤引擎。从算法的效率和可扩展性方面进行实验分析，提出的方法优于著名的内容过滤引擎YFilter。分析了现有XML相似性模型的优缺点，针对这些模型的不足，扩展了向量空间模型，提出了基于语义和支持度的层次路径模型，并给出其生成算法及复杂度分析。模型首先挖掘文档集中频繁出现的路径，通过文档中的语义信息来合并重复节点、路径，同时对文档特征向量进行维数规约。最后给出基于语义和支持度的距离测度方法。该方法兼顾了XML文档的结构信息和语义信息两个方面的相似性。与树编辑距离模型相比，不但每个文档具有“类原型”描述，而且在时间开销上有较大优势。根据H path模型，提出一种基于改进粒子群优化的XML文档聚类方法。首先将文档集映射到粒子群模型问题空间，然后利用粒子群聚类方法进行聚类，最终权衡了时间和准确性两方面因素，进一步提出混合的粒子群聚类方法，增强了聚类收敛程度和准确程度。尽管提出的模型在提取时已进行了数据归约，然而对于冗余的、异构的XML文档而言，高维灾难问题仍然存在。针对此问题，提出一种独立分量分析的预分类方法。该方法首先对文档矩阵进行维数归约，随后在独立分量张成的空间中进行聚类分析。采用本方法有两个优点：第一，去除相关冗余，挖掘更具有区分能力的特性并尽量刻画潜在的数据分布，从而增加聚类准确性。第二，通过有效降低向量空间的维数，大大压缩了搜索空间规模，减小开销。最后，提出了一个支持异构事件处理的XML发布／订阅系统体系结构。该系统反应了本研究中提出的内容路由技术是如何应用的。