Vyhledávání vzorků ve stromech a indexování stromů za použití automatů zpracovávajících řetězce

Abstract

Problém vyhledávání vzorků ve stromech lze definovat jako vyhledávání všech výskytů vzorku ve vstupním stromě. Tento problém je často připodobňován k problému vyhledávání v řetězcích. Jedním z přístupů používaném při vyhledávání v řetězcích jsou algoritmy založené na formalismu konečných automatů, které se ukázaly být intuitivním, elegantním a efektivním nástrojem pro pochopení a řešení mnoha problémů spojených s řetězci. Intuitivnost a elegance automatového přístupu k problémům spojených s řetězci je motivací pro tuto disertační práci, která se zaměřuje na prozkoumání automatového přístupu k problému vyhledávání vzorků v uspořádaných stromech s pojmenovanými uzly. Konkrétně se tato práce zaměřuje na použití automatů (zpracovávajících řetězce) pro přibližné vyhledávání ve stromech a na indexování stromů pro lineární dotazy inspirované jazykem XPath. Tato práce se dále zabývá klasifikací problémů vyhledávání ve stromech. Ačkoliv se totiž tyto problémy v literatuře vyskytují v různých variantách, nejsou pojmenovávány jednotně. Důsledkem toho je, že problémy vyhledávání ve stromech jsou známé pod různými názvy, což činí porovnání výsledků výzkumu zbytečně složité.

The problem of tree pattern matching can be defined as the search for all occurrences of a pattern in an input tree. Often, this problem is declared to be analogous to the problem of pattern matching in strings. One of the approaches used for string pattern matching involves basing algorithms on the formalism of finite automata, which have been shown to be intuitive, efficient, and elegant tools for understanding and solving many string pattern matching problems. Motivated by intuitive and elegant solutions to various string pattern matching problems using the automata theory, this dissertation thesis focuses on exploring a string automata approach to the problem of pattern matching in ordered labeled trees. Specifically, we explore a string automata approach to the inexact (approximate) tree pattern matching and tree indexing for linear XPath-inspired queries. Furthermore, this dissertation thesis deals with a classification of tree pattern matching problems. The reason for this is that although various variants of the tree pattern matching problem appear in the literature, no unified naming standard for the problem exists. As a result, tree pattern matching problems are known under several names, making the comparison of research results unnecessarily difficult.