Tổng quan luận án

Luận án tiến sĩ với tiêu đề "Cooperative XML (CoXML) Query Answering" được nghiên cứu sinh Shaorong Liu bảo vệ tại Khoa Khoa học Máy tính thuộc Đại học California, Los Angeles (UCLA) vào năm 2006, dưới sự hướng dẫn của Giáo sư Wesley W. Chu cùng hội đồng chấm luận án gồm Giáo sư Junghoo Cho, Giáo sư Carlo Zaniolo và Giáo sư Yingnian Wu.

+---------------------+---------------------------------------------------------+
| Thông tin chung     | Chi tiết                                                |
+---------------------+---------------------------------------------------------+
| Tác giả             | Shaorong Liu                                            |
| Cơ sở đào tạo       | Đại học California, Los Angeles (UCLA)                  |
| Chuyên ngành        | Khoa học Máy tính (Computer Science)                    |
| Năm bảo vệ          | 2006                                                    |
| Người hướng dẫn     | GS. Wesley W. Chu                                       |
| Hội đồng đánh giá   | GS. Wesley W. Chu, GS. Junghoo Cho,                     |
|                     | GS. Carlo Zaniolo, GS. Yingnian Wu                      |
+---------------------+---------------------------------------------------------+

Tính cấp thiết và khoảng trống nghiên cứu

Sự gia tăng mạnh mẽ của định dạng XML trong các kho dữ liệu khoa học, thư viện số và các ứng dụng Web đòi hỏi các phương pháp tìm kiếm linh hoạt và hiệu quả. Dữ liệu XML có cấu trúc phức tạp và không đồng nhất (heterogeneous); ví dụ, bộ dữ liệu thử nghiệm chuẩn INEX chứa khoảng 170 thẻ nhãn (tags) phân biệt và hơn 1.000 đường dẫn phân biệt. Do đó, người dùng khó có thể nắm bắt đầy đủ cấu trúc của dữ liệu trước khi đưa ra câu truy vấn, dẫn đến tình trạng truy vấn thường không trả về kết quả khớp chính xác (exact match). Trong trường hợp này, việc hệ thống phản hồi hợp tác (cooperative query answering) bằng cách nới lỏng các điều kiện truy vấn (query relaxation) để tìm câu trả lời xấp xỉ mang lại giá trị sử dụng cao hơn việc trả về tập kết quả rỗng.

Các phương pháp nới lỏng truy vấn XML trước đó gặp phải ba khoảng trống nghiên cứu chính:

  1. Thiếu một ngôn ngữ truy vấn cho phép người dùng tùy biến và kiểm soát quy trình nới lỏng cấu trúc theo nhu cầu cá nhân hóa.
  2. Việc sinh các truy vấn nới lỏng trực tuyến (online) đối mặt với sự bùng nổ tổ hợp ($2^n$ truy vấn nới lỏng khả dĩ cho $n$ thao tác nới lỏng), gây nghẽn hiệu năng khi xử lý thời gian thực.
  3. Các mô hình xếp hạng truyền thống của ngành truy hồi thông tin (IR) chủ yếu tập trung vào văn bản tự do, chưa tích hợp được cả khoảng cách cấu trúc phân cấp và độ tương đồng nội dung.

Mục tiêu nghiên cứu

Luận án đặt ra mục tiêu xây dựng một hệ thống trả lời truy vấn XML hợp tác mang tên CoXML với ba thành phần cốt lõi:

  1. Xây dựng ngôn ngữ nới lỏng truy vấn XML mở rộng từ chuẩn W3C XQuery, bổ sung các cấu trúc nới lỏng (relaxation constructs) và toán tử kiểm soát nới lỏng (relaxation controls).
  2. Thiết kế cấu trúc chỉ mục nới lỏng phân cấp đa mức mang tên Cây phân cấp trừu tượng kiểu XML (XML Type Abstraction Hierarchy - XTAH) để định hướng và tái sử dụng quá trình nới lỏng có hệ thống, có khả năng mở rộng.
  3. Đề xuất mô hình xếp hạng tích hợp độ tương đồng nội dung (dựa trên không gian vector mở rộng) và khoảng cách cấu trúc (dựa trên mô hình chi phí ngữ nghĩa).

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các truy vấn XML dạng mẫu cây (twig query) chứa cả điều kiện cấu trúc và điều kiện nội dung (Content-And-Structure - CAS).
  • Phạm vi không gian và thực nghiệm: Thử nghiệm trên tập dữ liệu và các chủ đề truy vấn chuẩn của Sáng kiến Đánh giá Truy hồi XML (Initiative for the Evaluation of XML Retrieval - INEX), cụ thể là các bộ sưu tập INEX 2003 và INEX 2005.

Tổng quan tài liệu và vị trí của luận án

Luận án điểm lại các hướng tiếp cận liên quan đến xử lý truy vấn xấp xỉ và truy hồi dữ liệu XML:

Hướng nghiên cứu Tác giả & Công trình tiêu biểu Đặc điểm và hạn chế
Truy vấn xấp xỉ trên mô hình quan hệ Chu et al. (CoBase, 1996) [CYC96] Tập trung mở rộng phạm vi giá trị thuộc tính (value conditions), không áp dụng trực tiếp cho cấu trúc cây lồng nhau của XML.
Ngôn ngữ truy vấn XML chuẩn W3C XPath [BBC], W3C XQuery [BCF] Chỉ hỗ trợ biểu diễn các điều kiện khớp chính xác tuyệt đối, không có cơ chế nới lỏng.
Ngôn ngữ tìm kiếm XML xấp xỉ - Fuhr & Großjohann (XIRQL, 2001) [FG01]
- Carmel et al. (2003) [CMM03]
- Trotman & Sigurbjörnsson (2004) [TS04]
- Theobald & Weikum (XXL, 2000) [TW00]
XIRQL hỗ trợ trọng số và vị từ mơ hồ nhưng chỉ cho nội dung; [CMM03] dùng mảnh XML với toán tử +/-; [TS04] dùng hàm about(); XXL dùng biểu thức chính quy cho cấu trúc và nội dung nhưng thiếu cơ chế để người dùng kiểm soát quy trình nới lỏng.
Nới lỏng cấu trúc XML - Amer-Yahia, Cho, Srivastava (2002) [ACS02]
- Amer-Yahia, Koudas, Marian et al. (2005) [AKM05]
[ACS02] định nghĩa các phép nới lỏng cơ bản nhưng sinh truy vấn nới lỏng trực tuyến (online) không tối ưu thời gian thực; [AKM05] tính tần suất tài liệu nghịch đảo cho twig nhưng chi phí tính toán cao.
Khai phá dữ liệu cây Zaki (2002) [Zak02] Khai phá các mẫu cấu trúc cây phổ biến phục vụ lập chỉ mục.

Luận án định vị vị trí nghiên cứu bằng việc kết hợp giữa việc kiểm soát nới lỏng từ phía người dùng với cấu trúc chỉ mục XTAH xây dựng ngoại tuyến (off-line), cho phép tái sử dụng các mẫu cây cấu trúc tương tự nhau để tăng tốc độ truy vấn xấp xỉ.


Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và mô hình hình thức

  1. Mô hình dữ liệu XML (XML Data Model): Một tài liệu XML được mô hình hóa thành cây có thứ tự, có nhãn $D = (V, E)$. Mỗi nút dữ liệu $u \in V$ là một bộ ba $(id, label, text)$, trong đó $id$ là mã định danh duy nhất, $label$ là tên phần tử hoặc thuộc tính, và $text$ là nội dung văn bản. Thuộc tính được xem là phần tử con, giá trị IDREF là kiểu giá trị tham chiếu. Văn bản của nút con được xem là một phần văn bản của các nút tổ tiên.

  2. Mô hình truy vấn XML (Query Model - Twig): Truy vấn được biểu diễn bằng cây mẫu (twig) $T = (root, V, E)$. Mỗi nút truy vấn $$u \in V$ là một bộ ba $(id, label, cont)$, với $cont$ là điều kiện nội dung (ràng buộc giá trị dạng cơ sở dữ liệu hoặc tìm kiếm từ khóa dạng IR kèm tiền tố + hoặc -). Cạnh $e_{$u,$v} \in E$ thể hiện quan hệ cha-con (/) hoặc tổ tiên-con cháu (//).

  3. Ba phép nới lỏng cấu trúc cơ bản:

    • Đổi nhãn nút (Node Relabel - $rel($u, l)$): Đổi nhãn của nút $$u$ thành nhãn tương đương hoặc tương tự $l$ dựa trên tri thức miền.
    • Tổng quát hóa cạnh (Edge Generalization - $gen(e_{$u,$v})$): Chuyển đổi quan hệ cha-con (/) thành quan hệ tổ tiên-con cháu (//).
    • Xóa nút (Node Deletion - $del($u)$): Xóa bỏ nút $$u$ (nếu là nút trong, các con của $$u$ sẽ được nối trực tiếp với cha của $$u$ bằng liên kết //). Nút gốc ($root$) không bao giờ bị xóa.
  4. Tính chất của chuỗi nới lỏng:

    • Chuỗi thao tác không dư thừa (Non-redundant sequence): Không chứa việc tổng quát hóa cạnh nếu một trong hai nút của cạnh bị xóa; không đổi nhãn hai lần trên cùng một nút; không đổi nhãn nút rồi lại xóa chính nút đó (Bổ đề 2.1).
    • Tính bất biến theo thứ tự (Lemma 2.2): Mọi hoán vị của một chuỗi thao tác nới lỏng không dư thừa đều tạo ra cùng một cây nới lỏng ($s'(T) = s(T)$).
    • Giới hạn số lượng cây nới lỏng (Lemma 2.3): Một twig $T$ với $n$ thao tác nới lỏng áp dụng được sẽ có tối đa $2^n$ cây nới lỏng khác nhau.

Phương pháp nghiên cứu thực tế

  • Phương pháp kỹ thuật - định lượng: Thiết kế thuật toán xây dựng cấu trúc chỉ mục XTAH; xây dựng các hàm khoảng cách cấu trúc theo chi phí ngữ nghĩa (semantics-oriented distance) và hàm tương đồng nội dung dựa trên mô hình không gian vector mở rộng (extended vector space model); tính toán trọng số tần suất từ khóa có trọng số (weighted term frequency) và tần suất phần tử nghịch đảo (inverse element frequency).
  • Hiện thực hóa hệ thống: Cài đặt nền tảng thử nghiệm CoXML kết hợp bộ máy cơ sở dữ liệu XML (hỗ trợ BerkeleyDB, Tamino, Galax).
  • Nguồn dữ liệu đánh giá: Tập dữ liệu chuẩn INEX 2003 và INEX 2005 gồm các văn bản XML khoa học kèm tập đánh giá mức độ liên quan (relevance assessments) làm chuẩn đánh giá (gold standard).

Nội dung chính theo từng chương

Chương 1: Introduction

Chương này đặt vấn đề về sự cần thiết của việc tìm kiếm xấp xỉ trên các kho dữ liệu XML không đồng nhất khi người dùng không nắm rõ cấu trúc. Tác giả giới thiệu khung kiến trúc CoXML gồm hai phần chính: các thành phần ngoại tuyến (Off-line Relaxation Index Builder) và các thành phần trực tuyến (Online Relaxation Engine, XML Database Engine, Ranking Module). Khung làm việc cho phép nới lỏng truy vấn từng bước dựa trên chỉ mục và xếp hạng kết quả trả về cho đến khi thỏa mãn điều kiện dừng.

Chương 2: Foundation of XML Relaxation

Chương 2 thiết lập nền tảng toán học và mô hình hóa dữ liệu cho toàn bộ luận án:

  • Định nghĩa mô hình dữ liệu XML, mô hình truy vấn dạng twig và ngữ nghĩa của câu trả lời truy vấn (Definition 2.1).
  • Phân tích chi tiết ba kiểu nới lỏng cấu trúc: Node Relabel ($rel$), Edge Generalization ($gen$), và Node Deletion ($del$).
  • Chứng minh các định nghĩa và bổ đề toán học về chuỗi thao tác hợp lệ, chuỗi không dư thừa, tính giao hoán của các thao tác trong chuỗi (Lemma 2.2), và chặn trên $2^n$ của không gian cây nới lỏng (Lemma 2.3).

Chương 3: XML Query Relaxation Language

Chương này phát triển ngôn ngữ truy vấn nới lỏng mở rộng với cú pháp biểu diễn một truy vấn dưới dạng bộ tứ $Q = (T, R, C, S)$:

  • $T$: Twig truy vấn ban đầu.
  • $R$: Tập hợp các cấu trúc nới lỏng cho phép (relaxation constructs), gồm $rel($u, -)$, $del($u)$, $gen(e_{$u,$v})$.
  • $C$: Biểu thức hội các toán tử kiểm soát nới lỏng (relaxation controls), bao gồm: cấm nới lỏng ($!r$), ưu tiên đổi nhãn ($Prefer($u, l_1, \dots, l_n)$), từ chối nhãn ($Reject($u, l_1, \dots, l_m)$), thứ tự ưu tiên nới lỏng ($RelaxOrder(r_1, \dots, r_n)$), và giới hạn kiểu nới lỏng ($UseRType(rt_1, \dots, rt_k)$).
  • $S$: Điều kiện dừng (stop condition), ví dụ số lượng kết quả tối thiểu $AtLeast(n)$ hoặc ngưỡng khoảng cách tối đa $d(Q.T, T') \le \gamma$.
  • Tác giả minh họa việc mô hình hóa chủ đề số 267 trong tập INEX 2005 bằng ngôn ngữ CoXML thông qua việc khóa nút tiêu đề bài báo $!rel($3, -) \wedge !del($3) và loại trừ nhãn mục lục $Reject($2, bb).

Chương 4: XML Relaxation Index Structure - X TAH

Chương 4 giải quyết vấn đề hiệu năng nới lỏng bằng cấu trúc chỉ mục phân cấp XTAH:

  • Khái niệm XTAH: Gom cụm các cây nới lỏng của một cấu trúc twig $T$ thành các nút lá và nút trong (internal nodes). Nút trong đại diện cho một nhóm cây nới lỏng sử dụng chung các phép toán nới lỏng và có khoảng cách gần nhau.
  • Liên kết ảo (Virtual Links): Thiết lập đường liên kết ảo giữa các nút trong không có quan hệ cha-con trực tiếp để hỗ trợ tìm kiếm và cắt tỉa (pruning) toàn bộ các cây nới lỏng chứa một phép toán nới lỏng cụ thể.
  • Thuật toán sinh thao tác và xây dựng cây: Trình bày Thuật toán 1 (getRelaxOperations) để trích xuất toàn bộ các thao tác nới lỏng khả dĩ từ twig và tri thức miền.
  • Tái sử dụng chỉ mục: Chứng minh cơ chế tái sử dụng cấu trúc XTAH đã xây dựng cho một twig để áp dụng trực tiếp cho các truy vấn mới có cùng hoặc tương tự cấu trúc cây.

Chương 5: XML Ranking

Chương 5 trình bày mô hình xếp hạng hai chiều cho các kết quả xấp xỉ:

  • Độ tương đồng nội dung: Sử dụng mô hình không gian vector mở rộng (Extended Vector Space Model), tích hợp tần suất từ khóa có trọng số (Weighted Term Frequency) dựa trên cấu trúc nút và bộ điều chỉnh từ khóa (+, -), cùng tần suất phần tử nghịch đảo (Inverse Element Frequency).
  • Khoảng cách cấu trúc có hướng ngữ nghĩa (Semantics-Oriented Structure Distance): Định nghĩa hàm khoảng cách dựa trên tổng chi phí của các thao tác nới lỏng cấu trúc, phân biệt sự khác biệt về mặt ngữ nghĩa giữa các phép nới lỏng ngay cả khi chúng có tần suất xuất hiện như nhau trong tập dữ liệu.
  • Hàm xếp hạng tổng hợp: Kết hợp khoảng cách cấu trúc và độ tương đồng nội dung thông qua hàm suy giảm (decay function) dạng hàm mũ $\alpha^{dist}$ để tính điểm liên quan tổng thể cho từng phần tử kết quả.

Chương 6: CoXML Testbed

Chương này mô tả chi tiết kiến trúc và luồng điều khiển của hệ thống thử nghiệm CoXML:

  • Kiến trúc hệ thống: Hiện thực ngôn ngữ truy vấn RLXQuery (phiên bản mở rộng của XQuery).
  • Toán tử cục bộ và toàn cục: Cung cấp giao diện cho phép người dùng khai báo các toán tử kiểm soát nới lỏng trực tiếp trên từng nhánh hoặc trên toàn bộ câu truy vấn.
  • Luồng xử lý nới lỏng: Mô tả chu trình tương tác: kiểm tra kết quả khớp chính xác $\rightarrow$ kiểm tra điều kiện dừng $\rightarrow$ tra cứu XTAH để tìm cây nới lỏng tối ưu tiếp theo $\rightarrow$ resubmit câu truy vấn $\rightarrow$ xếp hạng kết quả.
  • Minh họa các ảnh chụp màn hình (screenshots) quá trình nới lỏng từ trạng thái ban đầu đến các lần nới lỏng thứ nhất, thứ hai và thứ ba trên giao diện CoXML.

Chương 7: Evaluation Studies

Chương 7 trình bày các kết quả đánh giá thực nghiệm toàn diện trên bộ sưu tập INEX:

  • Đánh giá trọng số nút và bộ điều chỉnh từ khóa: Kiểm tra trên các chủ đề INEX 2003 (chủ đề 62, 65 và toàn bộ 30 chủ đề CAS/SCAS), so sánh các cấu hình trọng số nút ($N_1, N_2, N_3$) và cấu hình bộ điều chỉnh ($M_1, M_2, M_3$) thông qua hàm lượng tử hóa nghiêm ngặt (strict) và tổng quát hóa (generalized).
  • Hiệu năng của hàm khoảng cách cấu trúc: So sánh hàm khoảng cách theo hướng ngữ nghĩa với hàm khoảng cách chi phí đồng nhất (uniform-cost) thông qua chỉ số độ lợi tích lũy chuẩn hóa $nxCG@10$ và $nxCG@25$ trên các truy vấn đa nhánh (multi-branch queries) của INEX 2005.
  • Hiệu quả của toán tử kiểm soát nới lỏng: Đối chiếu kết quả giữa các truy vấn có áp dụng toán tử kiểm soát và không áp dụng toán tử kiểm soát.
  • So sánh quốc tế: So sánh kết quả của CoXML với kết quả xếp hạng top-1 chính thức của các hệ thống tham gia nhiệm vụ VSCAS tại INEX 2005.

Chương 8: Conclusion

Chương này tổng kết các đóng góp chính của luận án về mặt ngôn ngữ truy vấn, chỉ mục nới lỏng XTAH và mô hình xếp hạng, đồng thời khẳng định tính khả thi của hệ thống CoXML trong việc nâng cao chất lượng tìm kiếm XML xấp xỉ.


Kết quả và những đóng góp mới

Đóng góp về mặt lý thuyết

  1. Hệ thống hóa lý thuyết nới lỏng XML: Xây dựng khung hình thức toán học cho nới lỏng cấu trúc XML, thiết lập các tính chất của chuỗi thao tác không dư thừa và chứng minh tính độc lập thứ tự của các phép toán nới lỏng.
  2. Mô hình ngôn ngữ truy vấn $Q=(T, R, C, S)$: Mở rộng đại số truy vấn XML cho phép người dùng đưa ra các ràng buộc nới lỏng, chỉ định các toán tử cấm, ưu tiên hoặc từ chối nhãn, và thiết lập điều kiện dừng linh hoạt.
  3. Cấu trúc chỉ mục XTAH: Đề xuất giải pháp gom cụm phân cấp cây nới lỏng dựa trên thao tác và khoảng cách, giải quyết bài toán không gian tìm kiếm kích thước $2^n$ thông qua các liên kết ảo và cơ chế cắt tỉa nhánh.
  4. Mô hình xếp hạng kết hợp: Thiết lập mô hình xếp hạng tích hợp khoảng cách cấu trúc định hướng ngữ nghĩa và mô hình không gian vector mở rộng có trọng số nút.

Đóng góp về mặt thực tiễn và kết quả thực nghiệm

Luận án đã tổng hợp các kết quả thực nghiệm nổi bật trên tập dữ liệu INEX:

+-------------------------------------------------------------------------------+
| Bảng tổng hợp các cấu hình trọng số nút (Trích Bảng 7.2)                       |
+---------------------+-------------------+------------------+------------------+
| Cấu hình nút        | Nút gốc (Root)    | Nút trong        | Nút lá (Leaf)    |
+---------------------+-------------------+------------------+------------------+
| N_1                 | 1.0               | 1.0              | 1.0              |
| N_2                 | 0.2               | 0.5              | 1.0              |
| N_3                 | 0.1               | 0.3              | 1.0              |
+---------------------+-------------------+------------------+------------------+

+-------------------------------------------------------------------------------+
| Đánh giá hiệu năng hàm khoảng cách ngữ nghĩa vs đồng nhất (Trích Bảng 7.8 & 7.9)|
+-------------------+---------------------------+-------------------------------+
| Chỉ số đánh giá   | Hàm chi phí đồng nhất     | Hàm chi phí định hướng ngữ    |
|                   | (Uniform-cost)            | nghĩa (Semantics-oriented)    |
+-------------------+---------------------------+-------------------------------+
| nxCG@10 trung bình| Thấp hơn                  | Cao hơn rõ rệt trên các chủ đề|
| nxCG@25 trung bình| Thấp hơn                  | Cải thiện độ chính xác phân hạng|
+-------------------+---------------------------+-------------------------------+
  • Đánh giá trên 30 chủ đề INEX 2003 CAS/SCAS: Cấu hình trọng số nút $N_2$ kết hợp bộ điều chỉnh từ khóa $M_1$ đạt độ chính xác trung bình (Average Precision) vượt trội so với các cấu hình không phân cấp trọng số.
  • Nhiệm vụ VSCAS tại INEX 2005: Với tham số suy giảm $\alpha = 0.5$, hệ thống CoXML đạt độ chính xác và độ liên quan vượt kết quả top-1 chính thức của các hệ thống tham gia đánh giá tại hội thảo INEX 2005 (Bảng 7.11).

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các nội dung được tác giả trình bày trong luận án:

  • Phụ thuộc vào tri thức miền: Việc xác định các nhãn tương đương trong thao tác đổi nhãn nút ($rel$) và gán chi phí cho các phép nới lỏng ngữ nghĩa phụ thuộc vào tri thức miền được xây dựng trước.
  • Phạm vi mô hình truy vấn: Hệ thống tập trung giải quyết truy vấn cấu trúc dạng cây mẫu (twigs); chưa mở rộng cho các truy vấn chứa các liên kết đồ thị phức tạp (ID/IDREF đa chiều lặp) hoặc các hàm tổng hợp dữ liệu nâng cao.
  • Hướng phát triển: Tự động hóa quá trình học tri thức miền từ dữ liệu và nhật ký truy vấn (query logs); tối ưu hóa thuật toán cập nhật chỉ mục XTAH khi cơ sở dữ liệu XML gốc có sự thay đổi cấu trúc động.

Giá trị tham khảo

Luận án là tài liệu tham khảo có giá trị chuyên môn cao cho:

  • Nghiên cứu sinh và học viên cao học ngành Khoa học Máy tính: Tham khảo phương pháp hình thức hóa bài toán nới lỏng cây (Chương 2), cấu trúc dữ liệu chỉ mục phân cấp XTAH (Chương 4), và kỹ thuật xây dựng mô hình xếp hạng đa chiều (Chương 5).
  • Giảng viên và nhà nghiên cứu trong lĩnh vực Cơ sở dữ liệu và Truy hồi thông tin: Cung cấp phương pháp luận thực nghiệm chuẩn mực trên bộ dữ liệu INEX với các độ đo đánh giá $nxCG$, đường cong Precision/Recall, và cách thiết kế các bộ trọng số thử nghiệm (Chương 7).
  • Kỹ sư phát triển hệ thống CSDL XML: Tham khảo kiến trúc tích hợp bộ tiền xử lý truy vấn nới lỏng (RLXQuery engine) lên trên các hệ quản trị XML database engine sẵn có (như BerkeleyDB, Tamino, Galax) (Chương 6).

Câu hỏi thường gặp

1. Ba phép nới lỏng cấu trúc XML cơ bản trong luận án được định nghĩa như thế nào?

Ba phép nới lỏng cấu trúc bao gồm:

  • Node Relabel ($rel($u, l)$): Đổi tên nhãn của nút truy vấn $$u$ thành nhãn $l$ tương đương hoặc có liên quan ngữ nghĩa dựa trên tri thức miền.
  • Edge Generalization ($gen(e_{$u,$v})$): Nới lỏng liên kết cạnh trực tiếp cha-con (/) giữa hai nút $$u$ và $$v$ thành liên kết tổ tiên-con cháu (//).
  • Node Deletion ($del($u)$): Xóa bỏ nút $$u$ khỏi cây truy vấn. Nếu $$u$ là nút trong, các nút con của nó sẽ được nối trực tiếp với nút cha của nó bằng liên kết //. Nút gốc ($root$) không được phép xóa.

2. Cú pháp một truy vấn nới lỏng trong ngôn ngữ CoXML gồm những thành phần nào?

Một truy vấn nới lỏng trong CoXML được biểu diễn bằng bộ tứ $Q = (T, R, C, S)$:

  • $T$: Cây mẫu truy vấn gốc (twig).
  • $R$: Tập các cấu trúc nới lỏng được phép áp dụng ($rel, del, gen$).
  • $C$: Biểu thức hội các toán tử kiểm soát nới lỏng, cho phép cấm thao tác ($!r$), xếp thứ tự ưu tiên ($Prefer, RelaxOrder$), từ chối nhãn ($Reject$), hoặc chọn kiểu nới lỏng ($UseRType$).
  • $S$: Điều kiện dừng quy trình nới lỏng, xác định theo số kết quả tối thiểu ($AtLeast(n)$) hoặc ngưỡng khoảng cách tối đa ($d(Q.T, T') \le \gamma$).

3. Cấu trúc chỉ mục XTAH giải quyết vấn đề bùng nổ tổ hợp truy vấn nới lỏng bằng cách nào?

Cấu trúc XTAH gom cụm trước (offline) các cây nới lỏng của một mẫu twig phổ biến thành cây phân cấp đa mức. Các cây có cùng thao tác nới lỏng và khoảng cách gần nhau được nhóm vào cùng nút trong (internal node). XTAH sử dụng các liên kết ảo (virtual links) để nối các nhóm có chung thao tác, cho phép hệ thống nhanh chóng định vị hoặc cắt tỉa hàng loạt cây nới lỏng không thỏa mãn điều kiện kiểm soát của người dùng, tránh việc phải tính toán trực tuyến không gian $2^n$ cây nới lỏng.

4. CoXML kết hợp độ tương đồng cấu trúc và nội dung để xếp hạng kết quả như thế nào?

CoXML sử dụng mô hình xếp hạng hai chiều:

  • Nội dung: Đo lường bằng mô hình không gian vector mở rộng, kết hợp tần suất từ khóa có trọng số theo vị trí nút ($Weighted\ TF$) và tần suất phần tử nghịch đảo ($IEF$).
  • Cấu trúc: Đo lường bằng hàm khoảng cách chi phí ngữ nghĩa ($Semantics\text{-}oriented\ Structure\ Distance$), tính tổng chi phí các thao tác nới lỏng.
  • Điểm tổng hợp: Điểm liên quan cuối cùng được tính bằng cách nhân độ tương đồng nội dung với một hệ số suy giảm hàm mũ theo khoảng cách cấu trúc: $Score = ContentSimilarity \times \alpha^{StructureDistance}$ (với $\alpha \in (0, 1]$).

5. Kết quả thực nghiệm của CoXML trên tập dữ liệu chuẩn INEX đạt được những gì?

Trên tập dữ liệu INEX 2003 (30 chủ đề CAS), việc phân cấp trọng số nút ($N_2$) và bộ điều chỉnh ($M_1$) giúp cải thiện đường cong Precision/Recall so với tìm kiếm không trọng số. Trên tập dữ liệu INEX 2005, việc sử dụng hàm khoảng cách ngữ nghĩa giúp tăng đáng kể chỉ số $nxCG@10$ và $nxCG@25$ so với hàm chi phí đồng nhất. Đồng thời, kết quả nới lỏng có kiểm soát của CoXML (với $\alpha = 0.5$) đạt hiệu năng vượt kết quả top-1 chính thức của nhiệm vụ VSCAS tại INEX 2005.


Kết luận

Luận án tiến sĩ của Shaorong Liu đã giải quyết bài toán truy vấn xấp xỉ trên dữ liệu XML có cấu trúc không đồng nhất bằng hệ thống trả lời hợp tác CoXML. Công trình đóng góp mô hình hình thức cho ngôn ngữ truy vấn nới lỏng có kiểm soát $Q=(T,R,C,S)$, cấu trúc chỉ mục phân cấp XTAH giúp tối ưu hóa không gian tìm kiếm, và mô hình xếp hạng kết hợp chi phí cấu trúc ngữ nghĩa với không gian vector mở rộng. Các kết quả thực nghiệm trên tập dữ liệu chuẩn INEX 2003 và 2005 đã chứng minh tính hiệu quả và độ chính xác của phương pháp trong việc truy hồi dữ liệu XML xấp xỉ.