CN106560804A - 一种基于xml语义的内容检索方法 - Google Patents

Abstract

一种基于XML语义的内容检索方法步骤如下，分为事件订购和时间匹配两大部分：事件订购：在事件匹配算法的数据结构上的事件订购处理就是事件匹配的预处理过程，当事件服务接收到新的事件订购后，需要更新谓词表、接口列表和订购列表;事件匹配：在数据结构和事件订购的预处理的基础上，只需将接收到的事件在谓词表中逐行进行匹配测试。处理订购区域与发布值的正向匹配，还处理发布区域与订购值的逆向匹配以及发布区域与订购区域的对称匹配；本发明针对分布式虚拟环境中需要动态对称事件匹配支持的要求，在现有的两类算法基础上，提出了一种改进的快速事件匹配算法，此算法综合了两类算法各自的优点，提高了匹配的速度和效率。

Description

一种基于XML语义的内容检索方法

技术领域

本发明涉及分布式虚拟环境中的通讯问题，特别涉及一种事件模型中的快速查询匹配方法，涉及具有异步性、动态性、多对多和匿名等特点事件模型的通讯方式。

技术背景

分布式虚拟环境（DVE）技术已经成为目前计算机领域的一个热门的学科，在军事、医学、建筑、教育及娱乐等众多领域中得到了成功的应用Singh G,Serra L.Brick Net：A Software Toolkit for Network Based Virtual Worlds(分布式虚拟环境的软件工具包)、Presence,1994,3(1):pp.19-34.事件模型（Event Model）是独立于应用的用于提供基于事件通讯的结构，事件（Event)^[2] M.Haahr,R.Meier.P.Nixon,V.Cahill and E.Jul,Filterring and Scalability in the ECO Distributed Event Model(ECO分布式事件模型的过滤和稳定性)，In 5^thInternational Symposium on Software Engineering for Parallel and Distrebuted Syetems ,2000. 就是这种通信模型中的基本通信机制。作为一种新型的通信模型，事件模型在分布式系统通讯中的作用日益明显，其特点和意义在于它提供了一种松耦合的通讯模式。这种通讯模式有异步通信、动态性、多对多通信方式和可匿名的特点，这些特点使其能够适应大规模分布式系统的需要，同时使得分布式虚拟环境的通讯模块和仿真模块可以分别独立进行设计开发，减少了设计开发的复杂性。

事件匹配是事件模型设计中非常重要的一个环节，是决定事件模型的事件传递的效率和准确性的关键。

在分布式虚拟环境的事件模型中，最受关注的是基于内容的对称发布/订购模型中的事件匹配。在这种模型中，事件的发布区域需要与每个定购区域进行匹配，而每个发布区域和订购区域又是由多个谓词组成，所以实际上是通过谓词之间的匹配来实现发布区域与订购区域的匹配。

当一个系统要处理大量的订购和事件时，事件匹配需要面对成千上万的谓词，所以，能否快速的进行事件匹配决定了系统的实时性能否得到满足，同时事件匹配是否准确也将影响整个事件传递的准确性，而一个低效率地准确率的事件匹配算法很大程度上会给系统带来拥塞和瓶颈。

因此，研究一种快速准确的事件匹配算法不仅在相关研究领域具有深远的意义，同时也在很大程度上是分布式虚拟环境在商业领域能否成功的应用的关键。

现有主要的事件匹配算法研究都是在减少额外的谓词匹配测试方面进行优化处理，主要的算法一般分为两类^[3] Walid Rjaibi,Klaus Dittrich and Dieler Jaepel.Event matching in symmetric subscription systems (对称订购系统中的事件匹配)，In CASCON Conference,2002: 基于谓词索引算法（Predicate Indexing Based）和基于匹配网络算法（Testing Network Based）.

基于谓词索引算法的事件匹配算法主要以订购中谓词组织成索引结构为基础，此类算法一般由两个阶段组成，第一阶段进行谓词匹配测试，第二阶段再使用第一阶段的测试结果进行订购匹配测试。代表算法有:计数算法（Counting Algorithm）^[4]T.W.Yan and H.Gare^,ya-Molina.Index Structures for Selective Dissemination of Information Under the Boolean Model(在布尔模型下信息选择性分发的索引结构)。ACM Trans.Database Syst.1994,19（2）：pp.332_-334;汉森算法（Hanson Algorithm）^[5]E.Hanson,M.Chaabouni,C.Kim and Y.Wang.A Predicate Matching Alogrithm for Database Rule Systems(一种数据库规则系统中的谓词匹配算法)，In SIGMOD^,90,1990等。

基于匹配网络的算法的主要思想是在预处理阶段把订购组成一个图或者匹配网络的结构，事件从图的入口进入，通过各个中间节点进行过滤，直到出口判定匹配结果。代表算法有：基于匹配数（Tseting Tree Based）的算法^[6]M.Aguilera,R.Strom,D.Sturman,M.Astley and T.Chandra.Matching Events in A Content-based Subscription System(基于内容的订购系统中的事件匹配)，In Eighteen ACM Symposium on Principles of Distributed Computing(PODC^,99)，1999和基于二叉决策图（Binary Decisions Diagrams,BDDs）的算法^[7]A.Campailla,S.Chaki,E.Clarke,S.Jha and H.Veith.Efficient Filtering in Publish-Subscribe Systems Using Binary Decision Diagrams(发布/订购系统中使用二叉决策图的高效过滤)，In Proceedings of the 23th International Conference on Software Engineering,Toronto,Canada,May2001,pp.443-452.

现有的两类匹配算法都有各自的不足：如基于谓词索引的算法无法利用不同属性间的相关性辅助进行匹配，从而提高匹配效率；而基于决策网络的事件匹配算法需要静态的构建匹配树或者二叉决策图，不适应动态事件匹配的需要，难以进行动态更新，一般只适用于静态的事件模型。而在分布式虚拟环境中，事件和订购都是动态的，不仅事件需要实时高速的发送，订购也需要根据用户状态的改变而不断更新。此外，目前算法只能适应非对称的事件匹配，不能解决分布式虚拟环境中对称事件匹配的问题。

发明内容

本发明的目的是：针对分布式虚拟环境中，需要动态对称事件匹配支持的要求，在现有的两类算法基础上，提出一种改进的快速事件匹配算法，此算法能综合了两类算法各自的优点，不仅提高了匹配的速度和效率，还解决了对称事件匹配的问题。

假如订购表达式有多个谓词组成，而事件仍然是由属性对组成。

本发明的重点是数据结构部分，这也是本发明的算法优化的关键。主要数据结构是由一张谓词表（Predicate Table）、一个匹配桶（Match Bucket）、订购列表（Subscription List）和接口列表（Interface List）组成。

谓词表（Predict Table）:本发明中，谓词表是数据结构的核心部分，谓词表的组织结合了谓词索引算法和匹配网络已算法各自数据结构的特点。所有的谓词分类为谓词族，具有相同属性和相同操作符的谓词归入一个谓词族。所有谓词族分成等值谓词、上域值谓词和下域值谓词三类。每个谓词族对应谓词表的一行，且按序排列：“attribute<”谓词族，谓词比值从大到小排列，反之，“attribute>”谓词族，谓词比值从小到大排序，对于等值谓词族则无论何种顺序都可以。此外，谓词表中将订购中的谓词用指针连接起来，最后都指向订购列表的具体订购。

匹配桶（Match Bucket）:用于辅助谓词表进行匹配。对谓词表的匹配是逐行进行的，但不是所有的订购都对所有的谓词族进行订购，有的指针可能会跨越某些行，为了使得这样的谓词在逐行扫描中不会丢失，采用匹配桶的数据结构，用于暂时存储这些被缓解的谓词的索引。

接口列表（Interface List）和订购列表（Subscription List）:接口列表和订购列表维护了接口和接口对应的订购信息。订购列表登记了所有加入到谓词表的订购的一个记录，同时有一个指向谓词表中订购的第一个谓词的指针，便于访问整个订购的所有谓词。接口代表了事件的传送方向，是事件匹配的最终目的。每个接口可能有多条订购信息，

所以用接口列表和订购列表将所有的订购组织在一起。

一种事件模型中的快速查询匹配方法步骤如下，分为事件订购和事件匹配两大部分：

事件订购：在事件匹配算法的数据结构上的事件订购处理就是事件匹配的预处理过程，当事件服务接收到新的事件订购后，需要更新谓词表、接口列表和订购列表；

首先，将订购加入到订购列表中，将相应接口的最后一个订购在订购列表中的最后一个条目的后续指向新加入的订购，并将接口列表中对应接口的订购数加1；如果订购数超过了限值，在这个接口的所有订购中选取两个订购进行聚集，选择的标准是两个订购的重叠部分最大；

然后，在谓词表中登记订购列表条目。订购的信息按照谓词表从上往下的顺序，在订购所包含的每个谓词族中通过二分查找，找到插入位置，把对应的订购值插入表中；在谓词表插入的过程中，将插入的谓词按从上至下的顺序逐一链接，最后指向订购列表中的对应位置，并向订购列表中对应表项传递订购在谓词表中第一个位置的指针。

事件匹配：在数据结构和事件订购的预处理的基础上，只需将接收到的事件在谓词表中逐行进行匹配测试,设Pi­­­为第i行谓词族的所有谓词的集合，Pi­­­_match表示Pi­­­中匹配该事件的谓词集合，S_match表示匹配的订购集合；

算法首先对匹配桶内容进行初始化。遍历订购列表，找到每个订购的第谓词的位置，初始化后，匹配桶中保存了所有订购的第一个谓词的索引;采用对谓词表的匹配逐行进行的匹配桶的数据结构，用于暂时存储这些被延缓的谓词的索引。

然后需要对谓词表进行逐行扫描。对于谓词表的每一行，主要进行两部分工作：找到这个谓词族中匹配该事件的所有谓词，然后根据匹配桶的内容对这些匹配的谓词逐个进行考察；将谓词表中的所有谓词分成匹配和不匹配两部分，

在对第i行进行测试时，对于非等值谓词族，由于谓词都经过排序，所以可以使用二分查找法，根据事件中对应的属性值，找到一个位置Pi­­­分成Pi­­­_left和Pi­­­_right两部分; Pi­­­_left就对应这一行的Pi­­­_match，表示该行的谓词中匹配该事件的集合；对于等值谓词族，则查找所有谓词值等于事件对应的属性值的谓词，放入Pi­­­_match；如果该事件不包含此行对应的属性，则认为这一行所有的谓词都是匹配的，Pi­­­_match包含该行的所有谓词；

在逐行测试中，设在对第i行进行测试时，匹配桶中第i行对应的谓词集合为B_i，则该行中所有真正满足匹配测试的谓词集合为Pi­­­_match∩ B_i:将这个集合中订购最后一个节点谓词对应的订购加入S_match,其余的则将其后续谓词索引探入匹配桶中对应的位置。对Pi­­­_match和B_i的求交运算，值需要把B_i中每个谓词索引与这一行将谓词表Pi分为Pi­­­_left和Pi­­­_right两部分的分割位置进行比较，在这个位置之前就表示这个谓词属性这个求交借过，否则被除。

本发明的特点是：此算法综合了两类算法各自的有点，不仅提高了匹配的速度和效率，还解决了对称事件匹配的问题

具体实施方法

本发明具体方法（算法）步骤如下，主要 分为事件订购和事件匹配两大部分：事件订购：虽然本发明地设计目标是快速事件匹配算法，但是事件订购也影响了事件匹配所依赖的数据结构。在事件匹配算法的数据结构上的事件订购处理就是事件匹配的预处理过程，当事件服务接收到新的事件订购后，需要更新谓词表、接口列表和订购列表。首先，将订购加入到订购列表中，将相应接口的最后一个订购在订购列表中的最后一条目的后续指向新加入的订购，并将接口列表中对应接口的订购数加1.如果订购数超过了限值，在这个接口的所有订购中选取两个订购进行聚集，选择的标准是两个的重叠部分最大，然后，在谓词表

中登记订购条目。订购的信息按照谓词表从上往下的顺序，在订购所包含的每个谓词族中通过二分查找，找到插入位置，把对应的订购直插入表中。在谓词表插入的过程中，江插入的谓词按从上至下的顺序住逐一链接，最后指向订购列表中的对应位置，并向订购列表中对应表项递订购在谓词中表中第一个位置的指针。

用户也可以向时间服务发送更新已有订购的请求。在分布式虚拟环境中，需要不断地更新订购。更新订购的处理步骤与加入新订购类似。在谓词表中，将对应订购的谓词逐个替换，并从新排序插入。

事件匹配：在数据结构和事件订购的预处理的基础上，只需将接受到的事件在谓词表中逐行进行匹配测试。

设Pi­­­为第i行谓词族的所有谓词的集合，Pi­­­_match表示Pi中匹配该事件的谓词集合。S_match表示匹配的订购集合。

算法首先对匹配桶内容进行初始化。遍历订购列表，找到每个订购的第一个谓词的位置。如果一个订购的第一个谓词在谓词表中第i行的第就j列的位置，那么在匹配桶的第i行中加入这个位置索引j 。初始化后，匹配桶中保存了所有订购的第一个谓词的索引。

然后需要对谓词表进行逐行扫描。对于谓词表的每一行，主要进行两部分工作：找到这个谓词族中匹配该事件的所有谓词，然后根据匹配桶的内容对这些匹配的谓词逐进行考察。

找到谓词族中匹配事件的所有谓词就是将谓词表中的所有谓词分成匹配和不匹配两部分。在对i行进行测试时对于非等值谓词族，由于谓词都经过排序，所以可以使用二分查找法，根据事件中对应的属性值，找到一个位置将Pi分成Pi­­­_left 和Pi­­­_right两部分，Pi­­­_left就对应这一行的Pi­­­_match,表示该进行的谓词中匹配该事件的集合。对于等值谓词族，则查找所有谓词值等于事件对应的属性的谓词，放入Pi­­­_match.如果该事件不包含此行对应的属性，则认为这一行所有的谓词都是匹配的，Pi­­­_match包含该行的所有谓词。

在逐行测试中，设在对第i行进行测试时，匹配桶中第i行对应的谓词集合为B_i，则该行中所有真正满足匹配测试的谓词集合为Pi­­­_match∩ B_i.将这个集合中是订购最后一个节点的谓词对应的订购加入S_match,其余的则将其后继谓词索引填入匹配的桶中对应位置。对Pi­­­_match和B_i的求交运算，只需要把B_i中每个谓词索引与这一行将谓词表Pi分为Pi­­­_left和Pi­­­_right两部分的分割位置进行比较，在这个位置之前就表示这个谓词属于这个求交借过，否则被剔除。

对称事件的匹配：本发明还能解决其他算法无兼顾的对称事件的匹配问题，对称的事件匹配不仅需要能处理订购区域与发布值的正向匹配，还需要能处理发布区域与订购值的逆向匹配以及发布区域与订购区域对称匹配。对称事件匹配要处理的发布区域和订购区域都是由多个谓词组成的，实际上对称事件匹配的问题就是可以分解为谓词与谓词之间的匹配。在本发明中，谓词已经根据各自限定的操作符分成三类。

对于等值谓词，不管正向，逆向还是对称的事件匹配处理都是相同的，只要属性值相等就匹配，不相等就不匹配。

上域值下域值谓词的事件匹配则有所不同，上域值和下域值谓词一般是成对出现，一起确定一个属性的范围，因此在谓词匹配时需要谓词所包含的属性成对的匹配，这往往采用交叉的谓词匹配方法，如对于某属性谓词A，订购区域A∈（a,b),发布区域A∈（C,D)，很明显，只有当c<b或者d<a的情况下才不匹配，其他情况下两个属性范围都有重叠，所以需要将订购的上域值谓词比较。交叉的谓词匹配在上述介绍的谓词表的算法结构上很容易实现，算法仍然适用，对称的算法仍然在谓词表中逐扫描，对于等值谓词族还是一样，在测试上域值谓词族时，选取发布区域中的下域值谓词的属性值进行测试，仍然像非对称事件匹配一样进行二分查找，把一行中的谓词分成左右两部分，左半部的谓词部分是匹配的，对于下域值谓词族的测试，则取发布区域中相应的上域值谓词匹配，还是将谓词行分割后取左半部。

所以，对谓词表的扫描过程和上述的算法基本相同，改变的只是选取的测试对象，算法本身不需要改变，这就是实现了对称事件的匹配。

在这样的对称事件匹配算法中，如果要进行正向或者逆向的事件匹配，值需要把一方的订购区域中的相关属性上域值和下域值谓词取相同的值，其他处理仍然一样。

本发明提出的方法，以及数据设计实现的分布式虚拟环境中的事件模型系统有如下的优点：

匹配速度快：本发明的算法利用了谓词间的关联性和属性间的关性，加快了匹配速度，是的基于谓词索引算法和基于匹配网络算法各自的有点都能在本发明中得到体现。

动态性：本发明的算法不需要像现有的如基于匹配网络的算法一样静态的构造匹配网络，克服了之类算法的缺点，可以动态的更新订购信息。

高效率：与基础谓词索引的算法相比，该算法也对谓词族进行了划分，并对每个谓词族用排序或者散列表的方式进行了索引，这是的在对每个谓词进行匹配时能获得很高的效率。复杂速降低：在本发明的算法的空间复杂速按照订购数量线性增长；其预处理过程即事件订购的事件复杂度比现有的基础于匹配网络的事件匹配算法大大降低，匹配过程的时间复杂度其他事件匹配算法的事件复杂度相当，因此算法的总体事件复杂度会大幅度降低。

实现对称事件的匹配：本发明的算法不仅能高效准确的进行非对称事件的匹配，同时还适用于对称事件的匹配，这是现有其他算法所无法做到的。

当前随着Internet的广泛使用，分布式虚拟环境及其相关的一系列应用都迫切的需要一种快速高效的事件匹配技术，而布恩发明的算法可以说正适应了这种需求，可以预见有善良的好市场前景。

实施列：应用于网络的分布式事件模型中

在基础CBT（Core_Based Tree)组播树及主动路由思想的分布式环境中，所有主机都通过主动路由器（Active Router)连接到组播树上，同时使用发布/订购的事件模型来进行通讯。其中的发布信息、订购消息或者发布区域、订购区域都用多个属性的值或者值域组成的结构表示，称为一个兴趣表达式。

在第一阶段，主动路由器在接受到连接其的各各主机或下游路由器发送的订购消息后，在维护虚拟接口状态的同时，创建和维护所有订购区域（兴趣表达式）构成的路由器空间（Routing Space)。这个路由空间如前所述，被构造成多个链表的构结构（谓词表，订购列表及接口列表），根据兴趣表达式中的属性的数目和关系确定链表的结构。

此后，发布/订购消息不断在播树上传播，主动路由器根据新的订购消息或者订购更新的消息不停的维护路由器空间的同时，需要处理接受到的发布数据，根据发布数据中的兴趣表达式进行相应的匹配。

在实施具体匹配时，根据本发明快速事件匹配方法：首先将发布消息中的兴趣表达式中的每个属性值域或值与对应路由空间中链表或数组元素进行比较由于链表是排过序的，因此从小到达的遍历链表就可以找到发布的属性值域在链表中对应的位置，也就可以知道是否某个虚拟接口的订购区域存在交集。

此时,进行判断：如果是对第一个属性值域进行查找过程，那么把存在交集的兴趣表达式收集起来放入一个集合中，对后续属性的匹配过程将从这个借过集合中剔除不匹配的表达式。由于要求发布数据中的所有属性都要求同时满足路由空间中的某个兴趣表达式，因此上述做法是合理的，只要有一条不满足，就可以剔除不必要的表达式。对谓词表的扫描结果，即完成匹配后，集合中剩下的表达式就是匹配的结果。

匹配完成后，陈功匹配的发布消息根据订购链表和接口链表中的内容可以找到对应的订购所在虚拟接口，并由虚拟接口向对应的主动路由器或主机转发这个发布的数据。上述过程不断重复，承担整个分布式环境中的通讯进行。本发明是提供该方法的实现思想和计算机程序，不需要特别的生产条件、一旦研究成功成本几乎可忽略不计。

Claims (6)

1.一种事件模型中的快速查询匹配方法，其特征是分为时间订购和事件匹配两大部分；

事件订购：在事件匹配算法的数据结构上的事件订购处理就是事件匹配的预处理过程，当事件服务接收到新的事件订购后，需要更新谓词表、接口列表和订购列表；

首先，将订购加入到订购列表中，将相应接口的最后一个订购在订购列表中的最后一个条目的后续指向新加入的订购，并将接口列表中对应接口的订购数加1；如果订购数超过了限值，在这个接口的所有订购中选取两个订购进行聚集，选择的标准是两个订购的重叠部分最大；

然后，在谓词表中登记订购条目，订购的信息按照谓词表从上往下的顺序，再订购所包含的每个谓词族中通过二分查找，找到插入位置，把对应的订购值插入表中；在谓词表插入的过程中，将插入的谓词按从上至下的顺序逐一链接，最后指向订购列表中的对应位置，并向订购列表中对应表项传递订购在谓词表中第一个位子的指针；

事件匹配：在数据结构和事件订购的预处理的基础上，只需将接收到的事件在谓词表中逐步进行匹配测试，设Pi为第i行谓词族的所有谓词的集合，Pi­­­_match表示Pi中匹配该事件的谓词集合，Smatch表示匹配的订购集合；

算法首先对匹配桶内容进行初始化。

2.遍历订购列表，找到每个订购的第一个谓词的位置，初始化后，匹配桶中保存了所有订购的第一个谓词的索引；采用对谓词表的匹配逐行进行的匹配桶的数据结构，用于暂时存储这些被延缓的谓词的索引。

3.然后需要对谓词表进行逐步扫描，对于谓词表的每一行，主要进行两部分工作：找到谓词族中匹配该事件的所有谓词，然后根据匹配桶的内容对这些匹配的谓词逐个进行考察；将谓词表中的所有谓词分成匹配和不匹配两部分；

在对第i进行测试时，对于非等值谓词族，由于谓词都经过排序，所以可以使用二分查找法，根据事件中对应的属性值，找到一个位置将Pi分成Pi_left和Pi_right两部分，Pi_left就对应这一行的Pi­­­_match，表示该行的谓词中匹配该事件的集合；对于等值谓词族，则查找所有谓词值等于事件对应的属性值的谓词，放入Pi­­­_match；如果该事件不包含此行对应的属性，则认为这一行所有的谓词都是匹配的，Pi­­­_match包含该行的所有谓词；

在逐行测试中，设在对第i行进行测试时，匹配桶中第i行对应的谓词集合为Bi，则该行中所有真正满足匹配测试的谓词集合为Pi­­­_match∩Bi；将这个集合中是订购最后一个节点的谓词对应的订购加入Smatch，其余的则将其后继谓词索引填入匹配桶中对应位置。

4.对Pi­­­_match和Bi的求交运算，只需要把Bi中每个谓词索引与这一行将谓词表Pi分为Pi_left和Pi_right两部分的分割位置进行比较，在这个位置之前就表示这个谓词属于这个求交结果，否则被剔除。

5. 由权利要求1所述的事件模型中的快速时间匹配方法，其特征是对称事件的匹配的方法是：处理订购区域与发布值的正向匹配，还处理发布区域与订购值的逆向匹配以及发布区域与订购区域的对称匹配；

对称事件匹配要处理的发布区域和订购区域都是由多个谓词组成的，谓词根据各自限定的操作符分成三类；

对于等值谓词，不管正向、逆向还是对称的事件匹配处理都是相同的，只要属性值相等就匹配，不相等就不匹配；

属性成对的匹配采用交叉的谓词匹配方法，将订购的上域值谓词与发布的下域值谓词比较，订购的下域值谓词则与发布的上域值谓词比较；

在测试上域值谓词族时，选取发布区域中的下域值谓词的属性值进行测试，仍然像非对成事件匹配一样进行二分查找，把一行中的谓词分成左右两部分，左半部的谓词部分是匹配的；对于下域值谓词族的测试，则取发布区域中对应的上域值谓词匹配，还是将谓词行分割后取左半部；

在这样的对称的事件匹配算法中，如果要进行正向或者逆向的事件匹配，只需要把一方的订购区域中的相关属性的上域值谓词和下域值谓词取相同的值，其他处理仍然一样。

6.由权利要求1所述的一种事件模型中的快速查询匹配方法，其特征是用户向事件服务发送更新已有订购的请求；在分布式虚拟环境中，需要不断地更新订购；更新订购的处理步骤与加入新订购类似；在谓词表中，将对应订购的谓词逐个替换，并重新排序插入。