随着WWW的迅速发展和Internet的广泛应用, Web已成为用户获取信息的重要来源,XML数据规范已经成为目前Web上信息表示和交换的标准,因此大量的异构数据集成于XML文档之中。由于现在Web的用户群已经由过去的少量专业人员扩展到大量的普通用户,他们对 XML 文档的结构和内容并不可能完全了解,并且他们的查询意图本身通常也是模糊或不精确的,因此用户很难从 XML 文档中获取完备、有效的信息。因此,满足大量普通用户即时需求的Top-K近似信息查询正成为XML数据查询技术的研究热点。 　　本文提出了一种基于结构和内容松弛的XML数据Top-K近似查询方法,该方法通过收集用户每次查询的不重复查询片段构建查询历史,当新的小枝模式查询到来时,通过计算查询历史中每个查询片段的新鲜度和兴趣度推测出用户对小枝模式查询中各个查询片段的偏好程度,进而根据已得到的用户偏好对查询片段进行排序；根据查询片段重要程度,对小枝模式查询进行查询松弛,最不重要的查询片段最先松弛,从而确保获得与原始小枝模式查询最为相关的近似查询结果；最后,根据查询片段的新鲜度和兴趣度计算出近似查询结果对原始查询和用户偏好的满足程度,并以此对查询结果进行排序。 　　通过在真实数据集上进行的多次实验,得出的实验结果证实了本文所提出的近似查询方法具有较高的查全率和准确率,所获得的查询结果符合用户真实的查询需求和偏好。