随着信息技术的发展,XML成为一个热门的话题。XML的发展,也为基于Web的信息交换带来了新的希望。但由于XML数据是半结构化的,在搜索处理这些半结构化的数据信息时,尤其是在用户需要查找与某一信息相关(但不完全一致)的数据时会产生很多问题。这就需要研究基于XML文档的近似搜索技术。近似搜索技术的基础是准确地度量所查询的信息与文档、文档与文档间的相关性与相似性,因此XML文档之间的相似性研究问题显得尤为重要。XML文档之间相似度的计算是文档检索、挖掘和文本聚类的基础,是信息检索和数据仓库领域的中心论题。本文介绍了XML文档相似性问题的研究背景,实际意义和该课题的研究现状,分析了XML文档相似性在数据综合、数据仓库和文档聚类中的应用。本文首先对XML的语法结构进行简单概述,XML文档的语法规则是应用和处理XML文档的基础。介绍了语义网和树的概念,然后重点对当前的XML文档相似性计算方法进行了总结。当前的XML文档相似性计算方法主要分为基于编辑距离的、基于信息检索的、边匹配、集合度量、模式匹配和结构信息内容(SIC),文中重点对以上六种方法进行了介绍和总结,说明了它们在不同领域中的应用和方法的不足。最后对XML文档相似性的研究问题进行了展望。