Komprese XML souborů

Abstract

Práce s XML soubory je dnes čím dál tím více častější. Existují také XML dokumenty, které obsahují velké množství dat. Tato diplomová práce popisuje existující algoritmy používané ke kompresi XML dokumentů a také popisuje některé nové způsoby, jak stávající přístupy vylepšit. Zaměřuje se na několik populárních kompresních algoritmů a jejich použití jak při kompresi XML jako textu, tak i při kompresi XML s využitím sémantických informací dostupných v XML dokumentech. Dále popisuje rozšíření těchto metod o optimalizaci XML pomocí shlukování. Na základě provedených testů jsou porovnány efektivnosti jednotlivých algoritmů a vysloven závěr, zda lze rozšířením stávajících metod komprese XML dokumentů dosáhnout lepších výsledků komprese.

Working with XML files is now becoming more frequent. There are XML documents containing large amount of data. This thesis deals with existing algorithms used for XML compression and some new ways of improving current approaches. This thesis focuses on some popular text compression algorithms and their application either in standard text file compression or in XML compression through semantic information that is present in XML documents. The thesis also describes extending the methods with XML optimization through agglomerative clustering. Various compression methods are compared on the basis of testing in order to find out whether XML compression methods extension can achieve better results.