22、参考协调与XML树模式查询处理技术解析

参考协调与XML树模式查询处理技术解析

参考协调方法及实验

在参考协调领域，我们通过精确率（Precision）、召回率（Recall）和F值（F - measure）来衡量结果的质量。精确率、召回率和F值的定义如下：假设我们的方法输出的聚类集合为 $C = {C_1, C_2, …, C_n, …}$，真实情况的聚类集合为 $A = {A_1, A_2, A_3, …, A_n, …}$。在集合 $C$ 中的每个聚类 $C_i$ 里，检查所有的参考对，如果参考对中的参考也属于集合 $A$ 中的同一个元素，则真阳性（tp）加1，否则假阳性（fp）加1。在集合 $A$ 中的每个聚类 $A_i$ 里，检查所有的参考对，如果参考对中的参考不属于集合 $C$ 中的同一个聚类，则假阴性（fn）加1。具体计算公式如下：
- 精确率：$Precision = \frac{tp}{tp + fp}$
- 召回率：$Recall = \frac{tp}{tp + fn}$
- F值：$F - measure = \frac{2 * precision * recall}{precision + recall}$

我们希望假阳性和假阴性的值接近零，这样精确率和召回率就会接近1，算法的性能也就越好，F值作为精确率和召回率的综合指标也是如此。

DBLP - SUB数据集实验

DBLP - SUB系列有3个数据集，以dblp - sub - 01数据集为例，该数据集包含1509篇论文和4961位作者。实验步骤如下：
1. 数据预处理 ：遍历XML文档中的所有元素，如作者、发表场所等，并记录它们的出现频率，