XRL：数字图书馆中基于XML的高级查询语言

# XRL：数字图书馆中基于 XML 的高级查询语言 ## 1. 引言 数字图书馆的新应用需要存储和处理大量半结构化数据，主要是包含文本数据的多媒体文档，并通过各种工具提供访问。这些应用的主要目的是为用户提供基于 Web 的新服务，其开发有以下常见要求： 1. 在存储和检索文档时，需将数据库和信息检索（IR）系统的常用功能与新的文档结构轨迹评估技术相结合。 2. 具备中间件架构，减轻服务器执行用户服务特定任务的负担，这些任务对 Web 客户端来说过于复杂。 3. 以统一方式方便查询重用，使用户查询能像文档一样存储、检索、重新定义、交换和执行。 XML 语言能很好地满足这些需求，它可表示和处理半结构化文档，还能在异构架构的软件组件间传输数据。不过，对于上述第一和第三个要求，仍存在一些未解决的问题。因此，提出了一种新的基于 XML 语法的查询语言 XRL，它能表达数据库条件（关于文档属性和结构）以及信息检索条件（关于文档内容和相关性），且查询可存储在 XML 存储库中并像其他 XML 文档一样操作。 ## 2. XML 检索语言（XRL） ### 2.1 变量定义 XRL 查询的变量通过 `define_var` 标签定义。在 XRL 中，变量表示满足给定检索条件的文档组件（即 XML 文档子树）的相关性排序列表。这些检索条件由 `define_var` 的属性指定，具体如下： - `id` 属性：用于标识变量，以便在查询或其他变量中引用。 - `contains` 属性：指定一个布尔信息检索表达式（IRE），用于筛选变量所代表文档组件的文本内容。例如： ```xml <xrl id="d1"> <xrl:definitions> <xrl:define_var id="v1" contains="PSG or (Paris Saint Germain)" path="/NewsPaper//Sports/Article/*" level="Article" d_ini="1/1/2001" d_end="31/12/2001"/> </xrl:definitions> <xrl:queries> <! –Query specification elements -- > </xrl:queries> </xrl> ``` 这里的变量 `v1` 要求文本包含 “PSG” 或 “Paris Saint Germain”。 - `path` 属性：通过路径表达式指定必须满足检索条件的文档组件。若省略该属性，检索条件将应用于文档的所有组件。路径属性可以包含替代路径表达式，还能指定文档组件的顺序和标签属性值。 - `level` 属性：确定变量将检索的文档组件。若省略，变量将表示路径属性中指定的最后一个非通配符组件。 - `d_ini` 和 `d_end` 属性：定义文档发布日期的时间窗口。 - `max` 属性：表示要检索的文档组件的最大数量。 - `min_rel` 属性：指定检索文档组件的最小相关性。 - `redefines` 属性：允许从先前定义的变量定义新变量。新变量继承引用变量的所有属性值，除非在新变量中重新定义。例如： ```xml <xrl:define_var id="v3" redefines="v1" contains="Real Madrid" min_rel="10"/> ``` - `value_of` 运算符（`$`）：用于引用先前定义变量的属性值。例如： ```xml <xrl:define_var id="v5" path="/NewsPaper//Sports//*" level="Article" max="20" d_ini="$v1.d_end"> ``` ### 2.2 查询规范 在 XRL 中，查询可视为变量的组合。查询通过 `query` 标签指定，标签的 `id` 属性为查询提供标识符。用户在指定查询时可选择相关性函数对查询结果进行排序，`relevance` 属性有以下取值： - `contents`：查询结果按关键字频率给出的相关性排序。 - `structural`：查询结果按术语相关性和结构相关性的组合排序。 - `none`：查询结果不排序。 `type` 属性指定查询结果返回给用户的方式： - `x_doc`：获取整个文档组件。 - `x_ref`：获取文档组件的引用。 - `x_count`：获取查询结果的大小。 查询中涉及的变量通过 `var` 标签指定，`id` 属性用于引用先前定义的