论文部分内容阅读
本文首先介绍了XML文档和DTD标记树的生成方法，并对标记树中节点的概念进行了扩充，使之不但包括元素，同时也包括连接符，以适应DTD结构的要求。随后将标记树中的元素分为共有元素、文档元素和DTD元素，并提出层次权重和结构权重以衡量元素的层次和结构复杂程度，给出具体计算方法。在此基础上提出了一个衡量XML文档和DTD之间相似度的算法，将其应用于XML文档自动分类中，并给出该算法的时间复杂度计算公式。从实验结果可以看出，该分类方法准确率较高。