mainly used to describe how the str

mainly used to describe how the structural information
is organized. For instance, DBLP[42]
is a typical
data-centric XML document. Most existing studies use
the subtrees, which contain all the keywords (e.g., the
conjunctive predicates) or some of the keywords (e.g.,
the disjunctive predicates), as the results of a given
keyword query. They first compute the LCAs of the
content nodes that directly contain at least one key-
word and then take the subtrees rooted at the LCAs as
the results. However, this involves huge computations
and is inefficient. In addition, existing approaches do
not introduce some relevant nodes that do not contain
any keywords into the results. For example, in Fig. 1,
suppose a user wants to retrieve the authors of those
papers published in 2006 and with the keyword
“XML”, but the user does not know how to input the
keyword for the author, since conferences and journals
have different structures for the author tag. Thus, ex-
isting studies cannot deal with this situation since it is

ผลลัพธ์ (ไทย) 1:

ส่วนใหญ่ใช้เพื่ออธิบายว่า โครงสร้างข้อมูล มีการจัดระเบียบ เช่น DBLP [42] เป็นการทั่วไป เอกสาร XML ที่เป็นศูนย์กลางข้อมูล ศึกษาอยู่ที่ส่วนใหญ่ใช้ subtrees ซึ่งประกอบด้วยคำสำคัญ (เช่น การ เพรดิเคต conjunctive) หรือบางส่วนของคำ (เช่น การ disjunctive เพรดิเคต), เป็นผลลัพธ์ของการกำหนด คำถามนี้ พวกเขาแรกคำนวณ LCAs ของการ โหนที่เนื้อหาที่ประกอบด้วยอย่างน้อยหนึ่งคีย์ - โดยตรงword และจากนั้นใช้ subtrees ที่รากที่ LCAs เป็น ผลลัพธ์ อย่างไรก็ตาม นี้เกี่ยวข้องกับประมวลผลขนาดใหญ่ และไม่มีประสิทธิภาพ นอกจากนี้ มีอยู่วิธีทำ แนะนำการโหนที่เกี่ยวข้องบางอย่างที่ไม่ประกอบด้วย คำหลักใด ๆ ในผลการ ตัวอย่าง ในรูปที่ 1 สมมติว่า ผู้ใช้ต้องเรียกผู้เขียนของผู้ เอกสารเผยแพร่ ในปี 2006 และ ด้วยคำสำคัญ "XML" แต่ผู้ใช้ไม่ทราบวิธีการป้อนข้อมูลการ สำคัญสำหรับผู้เขียน ตั้งแต่ประชุมและสมุดรายวัน มีโครงสร้างแตกต่างกันสำหรับผู้เขียนแท็ก ดังนั้น ex-isting การศึกษาไม่สามารถจัดการกับสถานการณ์นี้เนื่องจากเป็น

ผลลัพธ์ (ไทย) 2:

ส่วนใหญ่จะใช้เพื่ออธิบายวิธีการที่โครงสร้างข้อมูล
มีการจัดระเบียบ ยกตัวอย่างเช่น DBLP [42]
เป็นปกติ
เอกสาร XML เป็นศูนย์กลางข้อมูล ศึกษาที่มีอยู่ส่วนใหญ่จะใช้
ต้นไม้ย่อยซึ่งประกอบด้วยคำหลักทั้งหมด (เช่น
ภาคที่เชื่อมต่อกัน) หรือบางส่วนของคำหลัก (เช่น
ภาคแสดง disjunctive) เป็นผลของการได้รับ
การสืบค้นคำหลัก พวกเขาเป็นครั้งแรกคำนวณ LCAs ของ
โหนดเนื้อหาที่มีโดยตรงอย่างน้อยหนึ่งคีย์
คำแล้วนำ subtrees รากที่ LCAs เป็น
ผล แต่นี้เกี่ยวข้องกับการคำนวณขนาดใหญ่
และไม่มีประสิทธิภาพ นอกจากนี้วิธีการที่มีอยู่ไม่
ได้แนะนำโหนดที่เกี่ยวข้องบางอย่างที่ไม่ได้มี
คำหลักใด ๆ ที่เป็นผล ยกตัวอย่างเช่นในรูปที่ 1
สมมติว่าผู้ใช้ต้องการที่จะดึงผู้เขียนของผู้ที่
ตีพิมพ์ในปี 2006 และมีคำหลัก
"XML" แต่ผู้ใช้ไม่ทราบวิธีการป้อนข้อมูลที่
คำหลักสำหรับผู้เขียนตั้งแต่การจัดประชุมและวารสาร
มีโครงสร้างที่แตกต่างกันสำหรับแท็กผู้เขียน . ดังนั้นอดีต
การศึกษา isting ไม่สามารถจัดการกับสถานการณ์เช่นนี้เพราะมันเป็น

ผลลัพธ์ (ไทย) 3:

ส่วนใหญ่ที่ใช้อธิบายว่าข้อมูลโครงสร้างคือการจัด ตัวอย่าง dblp [ 42 ]เป็นปกติศูนย์กลางข้อมูล XML เอกสาร การศึกษาที่มีอยู่ส่วนใหญ่ใช้การ subtrees ซึ่งประกอบด้วยคำสำคัญทั้งหมด ( เช่นสันธานภาคแสดง ) หรือบางส่วนของคำหลัก ( เช่นภาคแสดงดิซจัง ) ผลให้ค้นหาคำหลัก หา lcas ของพวกเขาก่อนโหนดเนื้อหาที่ประกอบด้วยอย่างน้อยหนึ่งที่สำคัญ - โดยตรงWord และใช้ subtrees rooted ใน lcas เป็นผลลัพธ์ที่ได้ อย่างไรก็ตาม , นี้เกี่ยวข้องกับการคำนวณขนาดใหญ่และไม่มีประสิทธิภาพ นอกจากนี้ แนวทางเดิมทำไม่แนะนำที่เกี่ยวข้องโหนดที่ไม่ประกอบด้วยคำหลักใด ๆลงในผลลัพธ์ ตัวอย่างเช่น ในรูปที่ 1สมมติว่าผู้ใช้ต้องการเรียกผู้นั้นเอกสารเผยแพร่ในปี 2006 และมีคำหลัก" XML " แต่ผู้ใช้ไม่ทราบวิธีการป้อนข้อมูลคำหลักสำหรับผู้เขียน เนื่องจากการประชุมและวารสารมีโครงสร้างที่แตกต่างกันสำหรับผู้เขียนแท็ก ดังนั้น , อดีตisting การศึกษาไม่สามารถจัดการกับสถานการณ์นี้ เพราะมันคือ