Indonesi an  Journa l  of El ect ri cal Engineer ing  an d  Comp ut er  Scie nce   Vo l.   1 4 ,  N o.   1 ,  A pr il   201 9 , p p.  450 ~ 454   IS S N: 25 02 - 4752, DO I: 10 .11 591/ijeecs .v1 4 .i 1 .pp 450 - 454          450       Journ al h om e page :  http: // ia es core.c om/j ourn als/i ndex. ph p/ij eecs   Effecti ve XQ u ery key wor d usin g XML qu ery pro cessing       E. Sesh atheri 1 ,  T. Bh uvanes w ari 2   1 Com pute r  Scie n ce   and Engi ne ering ,   Manonm ania m   Su ndar ana r  U nive rsit y ,   Indi a   2 Depa rtment of  Com pute r  Appli ca t ions,  Que en Mar y ’s Co ll eg e (Autonom ous),  India       Art ic le  In f o     ABSTR A CT   Art ic le  history:   Re cei ved   A ug   9,   2018   Re vised  O ct   2 8 , 2 018   Accepte d  J an   21 , 2 01 9       The   da ta   h as  struct ure d  is  deter m ine d  using  the  standa rd  is  kno wn  as  XM L  where asla rg e  a m ount  of  dat a  h as  consum ed  through  int ern et   co nsist  of  th e   both  struct ur al   d at a  form at   as  well   as  sem i  structural   da ta   form at  which  get s   stored  and  proc essed  where as  XM L   al low  the  dat a  of  sem i - struct ure d  and   hie ra r chi c al   da ta  re pre sent at ion  not  onl y   consist   of  conc ept   wit h  indi vidual   it ems   from   var i ous  kind  of  data base   but  al so  ha ve  re l at ionship   among  dat a  it ems .   Th e  u ti l ized  knowledg e  b ed  is  prov ide d   with  con ci se   ideas  f or  bot h   struct ure d  and  s emi  struct ure d   d at a  f il es ,   XM L  document  content s  and  ra pid   with  exact   solu tions   for  the   quer i es  re quire d   at  an y   t ime.   The   user   ca n  se arc h   the ir  re sourc es  with  the   hel p  of  quer ie s.  Sear ching t he  re source s with   the   help   of  quer ie s  is  not  a  sim ple   ta sk,  where   inacc ur at e  r esult   and  comple xity   would   occ ur.   H enc e   it   is  not  a  be tt er   wa y   for  se arc h i ng  the   re sourc es .   Thi s  pap er  proposes  the   quer y   answer ing   sy st em  of  Li nea r  sea rc h  usi ngwild  ca rd  sea rc hfor  ex tract ing  the   fre qu ent  pat te rn  to  m ax imize   y our  se arch  re sults  in   li bra r y   d ataba se  on  XM L  document  to  ext r ac t  th e  m ost  re le v ant   fe eds  from   the   la rge   fi le di r ec t l y .   It  wi ll he l p  the user to  f ind   his r esour ce s  co m ple te l y .   Ke yw or d s :   Data m ining   Linear  searc h  a lgorit hm   Tree   base d  ass ociat ion   r ules  (TA R )   W il d  ca rd sear ch   XML  do c um ent   Copyright   ©   201 9   Instit ut e  o f Ad vanc ed   Engi n ee r ing  and  S cienc e .     Al l   rights re serv ed .   Corres pond in g  Aut h or :   E. S es hathe ri,    Com pu te r  Scie nce a nd E ng i ne erin g,   Ma nonm ania m   Sun dar a nar   U niv e rsity ,   Tiru nelveli   –   627 0 12, I nd ia .   Em a il :  esesha3@gm ai l.co m       1.   INTROD U CTION     XML  is  a  sta ndar d  f or  de scri bing  ho w  in for m at ion   is  struc ture d.   It  has  be com e  a  po pula r  f or m at   fo r   storing  a nd  s har i ng   data  a cro ss   hete roge neous  platf orm s.  The  repr esentat ion  of  XML  is  fle xi ble  an d  intero per a ble w hic h  is  f re quently   us ed   in  a pp li cat io n  an d  able  to  c reate  in  va rio us  p la tf or m s.  In  ord e r  to  kn ow   the  str ucture  of   the  XML   file   us er   nee ds   t o  know  t he  sem antic s  befor e  que ryi ng   t he  do c um ent  wh ic h  ne eds  to  form ing   the qu ery.  I n  this res earch ,  it   is pro po s ed   a  m et ho d  for  retrievi ng  m or e  eff ic ie nt  m or e   accu rate  res ults   or   the  qu e ries  m ade  by  the  use rs  on  the  X ML  do c um ent   [1 ] .T he  ori gina l  XML  do c um ent  is  interpret ed  to  Mod ifie d  T ree   base d  Associ a ti on   R ules   (TAR )  file s  w hich  wer e   sh a pe d  by   fr e quent  patte rn s   on   the  ori gin a l   do c um ent.  It  pro vid es  c onci se  representat io n  of  Xm l  do cu m ent  based  o n  the  co ntent  an d  structu re  of  X m l  file  [2 ] . An  a ppro a ch  f or  Ta r  us e d as  m ined  ru le s  w hich  ta kes  RSS f ee ds  as in put wh ic h   pro vi de  the m or e sui ta ble  and  sta nda rd  data  get  sto re d  in   the   f or m at   of  XML   in   bo t h  t he  XML   co ntent  as   w el l  as  struct ure  in  t he   do c um ent  [3 ] .   A  novel  fr e qu ent - patte rn  tre e  (FP - tree )  st r uctu re;  ou r  perform ance  study   shows  that  t he  F P - grow t h  m et ho d  is  eff ic ie nt  a nd  scal able  f or   m ining   the   f re qu e nt  patte rn s   of   both  l ong  a nd  s hort  an d  al s o  order  of   m agn it ud e  i s  faster  tha n  A pr i or al go rithm   [4 ] .  I n  [ 5]  pro po s es  the  al gor it h m   of   Ma xim al   Fr equ e nt  I tem set  (MFI )  an d  im pro vised  f re quent  patte r n  tre e  for  associat i on   r ule  m ining .  T his  al gorithm   gen erates  fr e qu e nt  it e m   set s  witho ut  us in g  ca nd i date  set s  an d  Com plexity   Param et er  (CP)   tre es.   I n  [ 6]  discu sses  the  ap proa ch  of   Tree  Ba sed  As so ci at ion   Rule s   (TA R)  play s  an  i m po rta nt  ro le   for  reducin g  the  retrieval  tim e   of   qu e ry.   In  [ 7]   in  their   pap e r  the  stud y  hi gh li gh t  the  analy sis  of   la rg e  scal e  dataset   pr oce ssing,  ha nd li ng  chall en ges  and   it s   syst e m atic  rev ie w  is  com pr ehen sive .  In  [ 8]  has  il lustrate d  a  m et ho d  as  m ine  Tree - base d  associat ion   r ul es  in  Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J   E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Eff ect iv e XQu e ry keyw ord  us i ng XML  query   pr oc essin g   ( E.   Ses ha t heri )   451   XML  do c um ents  wh e reas  t hi s  r ul eo ff e rd at a   in  XML   do c um ent  with  c onte nt  as   wel l  as   structu re. In  thi s  w ork   [9]   offers  m or e  su it able  and   st and a r d  data  ha sstor e d  as  Xm l   fo rm at   in  bo th   the  structu re  as  well   as  con te nt  of  Xm l  do cum ent  base d  on  t he  TAR.   In  [ 10 ]   pro vid e  c on ci s e  represe ntati on   o f  XML  do cum ent  and   al so   to   pro vid e  fast,  a ppr ox im at e  an swer s  t o  the  qu eries  wh e ne ver  required.  I n  [ 11]   has  pro pose d  ap rior i  al gori thm   is   us e d  to   fin ding   the  us a ge  patte rn s   by  m od ifi ed  ver si on  cal le d  a pr i or i  gr a ph.  These   r ules  are  us ed   to  ass ist   for   pr e dict ing  the  su it able  web  pa ges  for  t he  use r  to   visit   fea s ibly   in  f ur t her  as  a  se rv ic e  pr ov i der.  I n  [ 12 ] .  T he  perform ance  of  this  m et ho d  i s  good  in  ease   XML  doc um e nt  but  does n’ t  perform   wo th  XML  doc um e nt  with  com plex  an d  irregular   str uc ture  i n  t oo l  is   sai d  t o  b e  X qu e ry,  t he  la ngua ge   to  i dent ify ing   a nd  el e m ent  extracti on,  at tr ibu te s  f r om   th e  XML  doc ume nt.  I n  [ 13]   ha ve  re pr e sente d  an  al gorithm   na m el y  C Mt ree  Mi ner   wh ic h  is  eff ic ie nt  in  com pu ta ti on al   ha ve  de te rm ined  al l  near est   a nd   m or e  re peate d  s ub   tree  in  t he  root e d  unorde red  tree s  data base.  Th e  DR YADEP AREN T  is  represente d  from   [14]  is  the   rec ent  quic k  tree  m inin g  al gorithm .  Hen ce,  it   has  e xt racted  t he  s ub   tree  wh ic h  is   em bed ded  wi th  trees  m ai ntained  with   an cest or  relat ion s hip   a m on g  the  node s  an d  bet wee n  the  a ncest or   desce nd e nt  pa irs  eve n  in  pa ren t - c hild  no des.   T his   pap e r  pro pose s  the  Mult inom ia l   Naïve  Ba ye sia n  (MNB)   Cl assifi er,  Art ific ia l  Neu ral  Netw ork  ( ANN)   a nd   Suppor t  Vecto r  Ma chine  (SVM)  f or  m ini ng   em otion   f r om   te xt.  In   our  set up,  S V M  ou tpe rfo rm ed  ot her  cl assif ie rs  with   prom isi ng   accuracy  [ 15] .   Thi s  stud y  has  il lustrate d  the  disa dv a ntage s  of  the  ab ove  m ent ione d  te chn iq ue  get  inco rpor at e d  a nd   disco ve ry  of   the  ne w  te chn i qu e .   Attri bu te   Or ie nte d  Ind uction  High  le vel   Em erg ing   Patt ern  ( AOI - HE P )  has  bee n  pro ven  ca n  m in e  f reque nt  an d  sim il ar  patte rn s   and  the   fi nd i ng  AOI - HEP   patte rn s  with  co nf i dence  m ining   patte rn   [ 16] .   This   researc h  w ork  pro posed  im pro ved   al go rithm   for   stemm ing   Ind on e sia n  te xt.  The  res ult  of   t he  resea rch   s hows  th at   the  pro posed  al go rithm   was  the  be st  fo r   Ind on esi a n  te xt  pro ces sin g pur po s e w it h  sc ore  of  0.648   [17 ].         2.   SEMI  STR U CTU RED   D A TA TEC HNIQUES  USIN G   X M L Q UER Y  P ROCESSI NG   2.1 .      Associ ati on   Ru le s   The  f oc us   of  da ta   m ining   co m m un it y  is  ba sed  on  the  a dv ancem ent  te chn iq ue  f or   ge ne ral  struct ur e   extracti on  f rom   heterogen e ous  XML  data  is  sai d  to  be  m ining   sem i - st ru ct ur e d  data.  The  def a ult  ap proac h  from   XML  data  for  ass ociat io n  r ule  m ining   wh e reas  it   hel p  to  rec ord  the docu m ent  of  XM L  into  the  m od el  o f   rati on al   data  a nd   finall y  it   get  stored   in  a  re la ti on al   da ta ba se.  He nce,  the se  sta nd a rd   t ools  get  ap plied   us in g  this  m et ho d  in   the  relat ion al   database  to  pe rfor m   ru le   m i ning.  T he  tim e  con s um ption  and   in volvem ent  of   m anu al   intr us i on  due  t o  m a pp i ng  pr ocess   are  a vaila ble   in  this  m et ho d.  T her e f or e,   this  a ppro ac h  is  n ot   appr opriat e  f or  stream ing   X ML  data.   X Q ue ry  is  a  la ngua ge  of  XML   Q ue ry  w hich   ha s  addresses   the   c apab le   requirem ent  for  qu e ryi ng  inte ll igently   the  s ource   of X ML d at a.  He nce,   it   is  hi gh ly   a dopta ble  in   ord er  t o  qu e ry   a  wide   sp ect rum   of   so urce  i n  XML  data  wh ic h  is  incl usi ve  of  both  docum ents  an d  databases .  T hu s,  the   XQuer y   has   m anag ed   to   pe rfor m   m ining  with   ass ociat ion  r ule  from   XML  do c um ents  as   strai ght   f orward  appr oach.  The   XML  Qu e ry  la ng ua ge  has   dev el ope d  th e  XQuer y  w hich  is  us ed  f or   us ual  f un ct io ns   f or   se arch i ng  an d  extracti ng  of  both  el em ents  an d  at trib utes  f ro m   the  XML  do c um ents  wh e rea s  the  i m ple m entat io n  of   c om plex  al gorithm   is  fr equ e ntly   ha rd   in  X Query.  T he  m ajo r  iss ue   in  ass ociat ion  rul e   m ining   has  pr opos e d  init ia ll y  and   se ver al   al go rithm   i m plem entat i on s  hav e  devel oped  i n  the  li te ratur e  database .  X Q ue ry  has  us ed  va rio us   m et ho ds  for  extra ct ing   associat ion   r ules  from   ease  XML  do c um ents.  The   set   of   f un ct io ns  fr om   XQ ue r y  has  dev el oped  an d  get  im plem ented  in  Aprio ri  al gorithm   in  order   to   sh ow  a  bette r per fo rm  o nly i n ea se  X ML d ocu m ent.     2.2 .      Clust eri ng       In   data m ining ,  clusterin g  is  one  of  t he  im po r ta nt techn i qu e   us e d  to  disco ve r  patte r n  a nd  al so  for data  distrib ution  f r om   the  or igi nal  data.  T he   cat eg or iz at io n  of  Wo rl d  W i de   W e b  do c um ents,  a rr ay   of  pr otein s  with   sam e  kin d  of   f un ct io ns,  group  of   ge nes  a nd   t he  sei sm ic   fau lt   detect io ns   us in g  cat lo g  of  earth quake   wi th  the   entries  w hich  are  gro uped  ca n  able  to  proce ssed  by  cl us te r ing .  These  sam ples  ha ve  in  ge ner al   that  cl ust eri ng   al gorithm   qu al it y  is  go od  th en  the  ben e fit  o  rec og nize d  higher .  The  r esearche r  [ 18 ]   has  re present ed  this   m et ho d  in  acc ordin g  to  two  la ng ua ge  us e s  with  cl ass  descr ipti on  f or   sem i - structu ral  data  in  auto m at ed  cl us te rin g.   T he   first  cl ass  la ngua ge  has  cl as ses  la tt ic e  wh i ch  is  create d  a s  a  m od el   for  env el op i ng  the   entire   dataset .  T he   se cond   c la ss  la ngua ge   is  the   ba se  f or  inter pr et at ion   of  la tt i ce  pa rt  in   w hic h  t he  us er   nee ds   t o  be   addresse d.   O ne   sign ific a nt  XML  co nce pt s  is  Docum ent  Ty pe  De fini ti on   ( DT D)   w her eas  t he  c om ple t e   adv a ntage s  a re   notc onside red  in  the   prese nt   app li cat io n.   T he   resea rch e r  [19 ]   has   il lustrat ed  cl ust er  al gorithm   for  e xtracti on  of  sem i - structu ral  data  from   t he  or i gin al   data  w her eas   cl ust ering  no vel  m et hod  with  DT Ds  i s   pr ese nted  wh i ch  can  be  us ed  for  cl us te ri ng   the  XML  do c um ent.  This  appro ac h  ha s  two  le vel  cl us te r   appr oach es   na m el y    a.   Cl us te rin g  the  el e m ent  in  DT Ds:  The  first  le vel  m e tho d  w it h  el e m ent  cl us te ring   t hat  prov i ded   with   dem ent cluster s which  h as  appr opriat e ele m ents fo r  init ia ti on.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 4 , N o.   1 ,  A pr il   201 9   :   450   –   454   452   b.   Cl us te rs  DT Ds   sepa ratel y:   Th is  is  a  sec ond  l evel  in  t he  e ntire  cl us te rin g  proces s  in   w hic h  the   D TD  cl us te rin g has  util iz ed  the  ge ner al iz ed  d at a.     2.3 .      Clas si ficat i on   In   m os t  of   th e  cases,  be ha vior  of   cl assif ic at ion   in  XM L  do c um ent  i s  con ceal e d  w it h  structu re   inf or m at ion   presented   in  the  do c um ent.  In   s om e  cases,  the   cl assifi er  of   inf or m at ion al   retrieval  has  pr ob a bly   pro gr ess   to   be   inef fectual  f or  XML  do c ume nts  wh ic h  ha s  f ocused   on   the  ru le   base d  cl assifi er  us es  as  a n  eff ic ie nt  to ol  f or   data  cl assifi cat ion .  T he  m otive  te chn iq ue  is  r ule  base d  cl assifi ers  w hich   hav e  inte gr at e d  the   issues  of  both   cl assifi cat ion   a nd  ass ociat ions.  T he  str uctu r al   ru le s  with   their  c reated   pr ob le m s  are  discuss e d  us in g  XR ULE  [20]   w hich  is  to  pe rfor m   the  cl assifi cat ion   ta sk .  T he  str uct ur es  w hich  are   firm l y  ass ociat ed  to   the  resp ect ive  cl ass  var ia bles   are  identifie d  in  the  trai nin g  ph a se.  O nce  th e  trai nin g  phas e  get  com pleted ,  the  te sti ng   phase  s ta rt  per f orm in g  these  r ule  w hich  are  util iz ed  to  predict   th e  unknown  X ML  do c um ent  cl asses  wh e reas  the  X ML  do c um ents  ca n  be  m od el ed  as  rooted  tr ees  wh ic h  is  order e d   an d  la be le d.   I n  [21 ]   prov i de d   the  f or m   of   XML   doc um e nt  de fines  pat te rn   of   s ubtre es  in  t he  X ML  do c um ent.  I n  [ 22]   intr oduce d   XMI NERUL E   for  en rich  XQuer y  wit h  knowle dge  disc ov ery  an d  datam i ning  capa bili ti es.  I n  [ 23 ]   des cribe d   the  si m ple  XML  do c um ent   has  il lustrate d  the  pr op os e d  te chn iq ue  that  perform   go od  on ly   in  sim ple   XML   do c um ent b ut   no t i n  the  c omplex  XML  doc um ent w hich  has i rr e gula r  str uctu re.    The  lim it a ti on   of   this  m et ho d  is  a  hu ge  num ber   of   ru le s  are  pro d uce d  by   ru le   gen e rator   al gorithm ,   and  it   is  ve ry  diffi c ult  to  st ore  the  ru le s,   ret rieve  t he  relat e d  r ules,   an d  s e t  the  r ules.  I n  m os t  cases,  X RULE  achieves  high - cl assifica ti on   accuracy  by  us i ng   c on si der a bl y  la rg e  nu m ber   of   r ules  in  the  cl assifier,  wh ic h  su cce ssi vely  m igh t ca us e  over fitt ing , pa rtic ularly  f or sm al l tr ai ning  dataset s.     2.4 .      Constr u ction  of T AR  ba sed   X Q uer y Searc h     The  m os t  flexi ble  arch it ect ure  is  XML  do cum ents  wh ic h  can  be  prep rocessed  w her ea s  the  X M L     pre - pr ocessin g  is  done  by  X ML  par se r.   T he   DO M  (Doc um ent  Object  Mod el )  pa rser   is  us ed  he re  w hich  is   us e d  to  co ns tr uct  the  tree  f rom   the  XML  docum ent.  Acc ordi ng   to  t he  X ML  do c um ent,  DO M  ha s  cre at ed  a  structu re  of  tre e  within  the  in te rn al   m e m or y  wh e reas  D O M  can  able  to  store  the  e ntire   do c um ents  in  t o  the   internal  m e m or y  be fore  proc essing  the  acc essible   XML   do c um ents  w hi ch  get  l oad e d  as  an   ob j ect   of  XML   DO M.   It  al lo ws  th e  use rs   to  tra verse  the   docum ent  us i ng  wild   car d  appr oach  XM L  trees,   acce s s,  inse rt ,   update  the  c on te nt,  sty le   and   structu re  of   th e  d oc um ent  an d  al so   t o  delet e  the  node s  f rom   the  tree.  Th eref or e   XML  doc um e nt  form s  a  tree   structu re.  Also   the  XML  do cum ent  sh ou l d  be  validat e d  (i .e)  the  ta gs   s houl d  be   sta rted  a nd end ed  c orrectl y wi thout l eavi ng a ny tag  with ou t  it s p ai r.     2.4.1 .      Fre que nt  P attern  Ex t ract i on       The  fr e quent   e ven t   of  dataset s  with   hu ge  a m ou nt  of  c ollec te d  data  is  de te rm ined  in   th e  asso ci at io n  ru le s. The  tw o  data  it e m s   c on si der e d  are  X  an d  Y  an d  it   is  rep rese nt ed  in  te rm   ofX  ՈY.   S uppo rt  and  Confide nce  ar e  the  fact or s  us e d  to  m eas ur e  the  as so ci at ion   ru le   w her e as  the  S upport   is  represe nted   wit h  fr e qu e ncy  of   t he  set   nam el y  X  a nd  Y  w hich  is  a vaila ble  i n  the   data  set   and  Co nf i den c e  is  re pr ese nte dw it h  conditi on al   prob a bili ty   abo ut   find in g  Y ,  ha ving  got  X.   The  interest in g  patte r ns   am ong  the  s ub t re es  of   th e   giv e n  XML  docum ent  can   be   ide ntifie d.  I n  the  XML  doc um ent,  the  s ubtree  patte r n  ha s  de fine d  t he  XML   do c um ent in the  set of  T AR  w her eas t he  w ho le  d oc um ent o f  X ML i s acces sed  in  orde r  to  pro vid e s up por t and   confide nce sta nd a r ds .   Accor ding  to  T AR m ining  the re ar e  tw o  sta ge  of  process i nvol ved is m entione d belo w :   St age  1:  Mining frequ ent  s ub  tr ees    St age  2:  Com put in g  in teres ting rul es   The  data  c onsidere d  i n  al l  the   file s  are   m erg ed  in   te rm   of  one X ML do c um ent,  after   acq uiring  t he  se t   of   file s   f r om  the prop os ed  m od el .T he  ste p ne xt to  t his is to   ob ta in  the  TA R of al l t he fil es. Once it  is  do ne,  t he  pro po se d  m od el   of   CM Tree  Mi ner   al gorith m   will   giv e  the  m os t  fr eq uent   feed s  of  al l  t he  file s  w her e as  this   process  is  c omplet ed  the n  fee d  searc h  has  pe rfor m ed  w hich  are  pro vid e d  with  filt ere d  r esult.  Searc hi ng  the   resou rces  with  the h el p of q ue ries is  no t a  sim ple task,  w he re in acc urat e r esult an d  c om plexity  w ould  oc cur.        3.   PROP OSE D   METHO D    3.1 .      Ef fecti ve   X Q uery  Ke yw ord  Se arch   The  m ajo r  c ha ll eng e  of  this  r esearch  is  to  r ank   al l  these  queries  base d  on  the  in div i dual   m at ches.   Tree  base d  ass ociat ion  r ule  w her e   it   is  m ai n ly   qu e ry  ba sed   syst e m .  The   use r  ca n  sea rc h  their  resou rces   wit h  the  hel p  of  qu eries.  Sea rc hing  the   res ource s  with  t he  help   of  que ries  is   no t  a   sim ple  task ,  w her e   inac cur at e   resu lt   a nd  c omplexit y  w ould  occur.   It  is   not  a  bette r   way  for  sea rch i ng  the   res ources.   He nce,  t his  resear ch  ha s   fo c us e d  to   res olv e  t he  a bove   lim i ta ti on s  and  al so  in  our  resea rch,  t he  a bove  al l  disad va ntages  is  al so  Evaluation Warning : The document was created with Spire.PDF for Python.
Ind on esi a n  J   E le c Eng &  Co m p  Sci     IS S N:  25 02 - 4752       Eff ect iv e XQu e ry keyw ord  us i ng XML  query   pr oc essin g   ( E.   Ses ha t heri )   453   inco rpor at e d  a nd  determ ined   the  novel  te chn i qu e .  T he  associat ion  r ul e  has  s pecific   m ining   i deas   for  pro vid in g  su m m arized  repres entat ion   in  X ML  do c um ent s  hav e  in vestig at ed  thr ough  sever al   pro posa ls  ei ther  us in g  la ngua ge   li ke  Xquer y   and   a dv a nce d  te chn iq ue  in  XML   co ntent  or   us in g  im pl e m entat ion   of   li near   search  al gorith m .  Ther efore,  an  ad va nced   s earch  te c hn i que  is  wildcar d  wh ic h  ha s  us e d  f or   m axi m izing   th e   search  res ult  in  the  databa se.  I n  ord er  to sear ch  the r ep rese nt ed  one  or  m or e  char act e r  in  t he  w ord ,  wildc ard   i s   the  m os t  eff ect ive  te chn i qu e   wh e reas  t he  r epr ese ntati on  of   a  si ngle   ch aracte r  is  m entioned   i n  the  f or m   of  qu e sti on   m ark   ( ? ? )   wh ic h  is  ve ry  essenti al   w hile  there  are  s ever al   s pelli ngs  for  a  w ord  a nd  it   has  to  sea r ch  f or   al l  var ia ti on  at   once.M or e   ef f ic i ency  beca use   if  t he  us er   f orget  t he  e xact  r eso ur ces   that  t he  us e r  wan t.   I n  t his  case al so   Wild card searc h wil l help t he use r t o  fi nd h is  res ources  co m plete ly .   Fo r  e xam ple, S earchi ng for Ja va would  r et urn jav a .   The fo rm s o f wil dcard sy ntax  s pecified  b y t his   XML   do c um ent are:   a.   A  sin gle  per i od, wit hout a ny  qu al ifie r s: M at ches a  sin gle ar bitrary c har act er.   b.   A  per i od   im mediat el y  fo ll ow ed  by  a  sing le   qu est ion   m a rk,  " ? ":   Ma tc hes  ei ther  no   c har act er s  or   on e   char act e r.   c.   A peri od im m e diate ly  f ollo we d by a si ng le  a ste ris k, "*": M at ches zero  or  m or e char act er s.   d.   A peri od im m e diate ly  f ollo we d by a si ng le   pl us  si gn, "+": M at ches  on e  or  m or e char act er s.   e.   A  per i od  im m ediat el y  fo ll ow e d  by  a  se qu e nce  of  c ha racters  t hat  m at ches  the   re gula r  e xpressi on     {[0 - 9]+, [0 - 9]+}:   Ma tc hes  a  nu m ber   of  ch aracte rs,   wh e r e  the  nu m ber  is  no   le ss  than  the  num ber   represe nted  by  the  series  of  di gits  befor e  t he  com m a,  and   no  great er  tha n  the  num ber   repr esented  by  the   series  of   dig it s  fo ll owin g  t he  c omm a.   In   XQue ry,  co ntains  wildcar d  searc h  op ti on  co ns ist s   of   m ul ti ple  search  key wor ds   na m el y  *,? ,  fu l l   stop,+  that  a r e  al te rn at ively   f ollow e d  by  a  qual ifie r.  E ver y  wildcar d  searc h  has  m at ched   z er o  or  m any   char act e rs  with   a   X Q uer y  t oken  in   the   te xt  a re  bein g  sea rched.  The   num ber   of   c ha racters  that  can   be   m atch e d  dep e nds o n  t he   qu al ifie r .  T his  search  us e d  to   i m pr ove  the perf or m ance  an d  retrie ve  rele va nt  inf or m at ion   f ro m   the  XML  doc um ent.       4.   CONCL US I O N   The  pr opos e d  m od el   of   li near   searc h  al gorit hm   is  pr ov i ded  with  m os t  fr equ e nt  fee ds   of   al l  the  file s  wh il e  the   fee d  searc h  has  be en  perform ed  by  the  wildca r d  base d  sea rch  on  XQue ry  does  pro vid e d  with  th e   filt ered   re su lt .  Ther e f or e,  t he  pro po se d  wild card   sea rc h  is an  ad va nce  sea rch   te c hn i qu e  t hat  can b e u ti lized  f or  m axi m iz ing the  searc h  resu lt s   in  li brary  data bases  with  le ss   tim e  con s um ption s  i n  order  to  fin d  the   res ourc e   com plete ly  f or   the users .       REFERE NCE S   [1]   Sashathe ri ,   E . ,   a nd   Dr.  Bhuvan e shw ari ,   T . ,   “ A  Novel  Method   t o  Mana ging   Se m i  Struct ure d   Data  in  Distr ibut e d   Envi ronm ent   using  Modifie d  T re e  base d  As sociation  Rul es(T AR)”,   Australi a n  Journal  of  B asic  and  Appl i e d  Sci en ce s,   vol. 9 ,   no.   35 ,   pp .   277 - 286,   2015 .   [2]     Vikhe,   P.   B. ,   an d   Gunjal,  B .   L . ,   “ Ext ra c ti ng   Tree  Based   As sociation  Rul es  from   XM L  Docum ent ”,   In te rnationa l   Journal  of   Eme r ging  Techno logy and  Ad vanced E ngi nee ring ,   vol .   3,   no .   6 ,   June   20 13.   [3]   Alfi y aIq ba l,   A .   S.,   and   Sanchi k a ,   B. ,   “ Freque nt   Pattern  Mining  f o r  XM L  Quer y -   Ans weri ng  Support”,  Inte rnat ion al   Journal  of   Innov ati v e  Techno log y  and  Ex p loring Engineering  ( IJ I TEE) ,   vol. 4, no. 2, Jul y   2014.   [4]   Nee le s h,   S. ,   and   Ric ha ,   K.,   “ FP - Grow th  Tre e  Ba sed  Algorit hm s  Anal y sis:    CP - Tr ee   and  K  Map” ,   Bi nary  Journal  of   Data  Mini ng   &   Net working ,   vol . 5,   pp .   26 - 29 ,   20 15.   [5]     Vandit ,   A . ,   Mandha ni,   K . ,   and   Dr.  Pree tha m ,   K .,   “ An  Im provis ed  Freque nt  Pattern  Tre e  Based  As socia ti on  Rul e  M ini ng  Te chn iq ue  with  Mining   Freque nt  Ite m   Sets  Algorit hm   and  a  Modifie d  Hea d er  Ta b le ” ,   Inte rnat ion al   Journal  of   Data  Mini ng  &   Knowl edge   Manag eme nt  Proc ess ( IJ DKP) ,   vol. 5, no.  2,   2015 .   [6]   Sham bhu,   K.  S.,  et   al.,  “ As socia ti on  Policy   for  X ML  Quer y   Ans weri ng   B y   Mini ng  Tree”,  Int ernati onal  Journal  o f   Adv anc ed Re sea rch  in  Comput er  and  Comm unication Engi ne erin g,   vol .   4 ,   no .   3 ,   2 015.   [7]     Sesha the ri ,   E.,  and   Dr.   Bhuva neshwari ,   T.,  “ An  Eff icient  di stribut ed   data  proc essing  m ethod  for  sm ooth   envi ronm ent ” ,   J ournal  o f Engi ne ering  and  Appl i e d  Scienc es   vol .   1 1,   no .   8 ,   pp .   185 5 - 1858,   2016 .   [8]   Sw aru pa,   N.  S.,  “ TAR:  Algorit hm   for  Mining  XM L  Quer y   Ans weri ng”,   Int ernati onal  Jour nal  of  Adv an ced  Re search in   Co mputer  Scienc e and Sof tware   En gine ering ,   vol .   6 ,   no .   6 ,   2016 .   [9]     Poonam ,   R.   M.,   “ Ans weri ng  XM L  Quer y   Us ing  Tre e  Base d  As socia ti on  Rule ” ,   IJ CSMC ,   vol.   6,   no .   2,     pp. 75  –   80,   2017 .   [10]   Neha ,   H.  N.,   an d   Kapil ,   H.,   “ Data   Mining  for  Inte nsional   Quer y   Ans weri ng  Us in g  Tre e  Based  As socia ti on  Rul es” ,   IJ EDR ,   vol .   4 ,   n o.   2 ,   2016 .   [11]   Priti sh,  Y. ,   and   Suneet ha ,   K.   R. ,   “ Modifie d  Apri ori  Graph  Algor it hm   for  Freque nt  Pattern  Min in g”,   In te rnationa l   Confe renc e  on   I nnovat ions  in  in f orm ati on  Embe d ded  and  Comm u nic ati on   Syst ems.   2016 .   [12]   W an,   J.  W . ,   an d   Dobbie,   G. ,   “ Ext ra ct ing  As sociatio n  Rul es  from XM L  Docu m ent s  Us ing  X Quer y , ”  Proc .   F if t h   ACM  Int’ l  Work shopWeb  Information  and   Data  Manage ment,   pp :  94 - 97,   2003.   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2502 - 4752   Ind on esi a n  J  E le c Eng &  Co m p  Sci,   Vo l.   1 4 , N o.   1 ,  A pr il   201 9   :   450   –   454   454   [13]   Chi,   Y.,   Y ang,   Y.,   Xia,   Y. ,   an d   Muntz,   R.   R. ,   “ CMTree Mine r:  Mining  both  Closed  and  Maximal  Freque nt  Subtree s”,   Proc .   Ei gh th  Pa cific -   Asia  Conf .   Know le dge   Discov ery   and  Data  Min in g,   pp:   63 - 73,   20 04.   [14]   Te rm ie r,   A. ,   Rouss et ,   M.,   Seb a g,   M.,   Ohara ,   K . ,   W ashio,   T.,  a nd   Motoda,   H.,   “ Dry ade Pare n t,   an  Eff icient   an d   Robust  Closed  Attri bute   Tree  Mining  Algorit h m ”,   IEE E  Tr ans.  Knowle dge  a n d  Data  Eng,   vol.  20,   no.   3,   pp.   3 00 - 320,     Mar,   2008 .   [15]   Muham m ad,   A.  A.,   and   Mahm udul,   H.  B. ,   “ T ext   to  Emotion  Ext ra ct ion  Us in g  Supervised  Mac hin e  Learni ng   Te chn ique s” ,   TE LK OMNIKA,   vo l. 16,   no. 3 ,   pp .   13 94~1401,  2018.   [16]   Harc o,   L .   H.  S.  W . ,   Agung,  T. ,   &   Ric har d ,   R. ,   “ Confide nc e  of  AO I - HEP  Mining  Patt ern ”,   TEL KOMNIKA,   vol. 1 6,   no. 3,   pp.   1217 - 1 225,   2018 .   [17]   Afia n,   S.  R. ,   Aris,  T. ,   and   Rah m at ,   T.,  “ Com p ari son  of  stemming  al gorit hm s  and  it s  eff ect  on  indone sian  text   proc essing”,   TE LK OMNIKA   Tele communic at ion ,   Computing ,   El e ct ronics  and   Co ntrol ,   vo l - 17,   20 18.   [18]     Natha l ie ,   P. ,   Marie - Christi n e,   R . ,   &  Veroni que,   V.,   “ Autom at ic   Construct ion  an d  re fine m ent   of  a  cl ass  hie ra r c h y   over   sem i - struc t ure d  da ta”,   [19]   Svetl oz ar,  N., Se rge ,   A . ,   and   Raje ev,   M . ,     “ Ext r ac t in g  sche m a   from   sem i - struct ur ed dat a ”,   [20]   Abite boul ,   S. ,   B uneman,   P. ,   Suc i u,   D. ,   “ Data on t he  W eb’ ,   Morga n  Kaufm ann,   20 00.   [21]   Sugan y a ,   I.,  Velmuruga n,   N.,   and   Gan eshkum ar,   P.,   "X ML  Quer y - Ans weri ng  Support  S y stem  usin g   As socia ti onMini ng  Techni que" ,   I EE E   conference  on  ICT.   2013 .   [22]     Braga ,   D. ,   Campi,   A.,   Ceri,  S.,   Klemett in en,   M. ,   and   La nz i,   P.,   “ Discove ring  Inte re sting  Inform a ti on  in  XM LDa ta   with  As socia t ion   Rule s” ,   Proc. ACM S Y mp.   Appli ed  Computing ,   p p.   450 - 454 ,   200 3.   [23]   W an,   J.  W .   W . ,   and   Dobbie,   G. ,   “ Ext ra cting  As s oci a ti on  Rule s  fr om   X ML  Docu m ent s  Us ing  XQue r y , ”  Pro c.   Fift h   ACM  Int’ l  Work shop We b  In formation  and  Data   Manage ment ,   p p.   94 - 97 ,   2003 .     Evaluation Warning : The document was created with Spire.PDF for Python.