基于互聯(lián)網(wǎng)的異構(gòu)數(shù)據(jù)源集成的研究與實現(xiàn).pdf

1、本文在綜合分析目前異構(gòu)數(shù)據(jù)集成理論和方法的基礎(chǔ)上，著重研究了系統(tǒng)實現(xiàn)中關(guān)鍵問題。 首先，提出異構(gòu)數(shù)據(jù)集成模型。模型的抽取過程采用的是一種由用戶的需要和期望驅(qū)動的集成方法。當(dāng)數(shù)據(jù)源“插入”系統(tǒng)時并不立刻抽取數(shù)據(jù)，而只是在元數(shù)據(jù)庫中存儲數(shù)據(jù)源的描述信息。同時，它集成了所有可以提供JDBC／0DBC接口的數(shù)據(jù)庫以及未來可以提供JOL,AP接口的數(shù)據(jù)倉庫、各種普通使用文件系統(tǒng)和Web數(shù)據(jù)。 接著，設(shè)計并實現(xiàn)了異構(gòu)數(shù)據(jù)庫系統(tǒng)和文件

2、系統(tǒng)數(shù)據(jù)集成模塊，并提供了一個統(tǒng)一的數(shù)據(jù)訪問接口，極大地提高了系統(tǒng)的集成能力。 然后，在提出的關(guān)于Web數(shù)據(jù)集成的3點研究假設(shè)前提下，探討了基于規(guī)則樹的Wrapper生成流程。它包括預(yù)處理、生成HTML樹、生成模式樹、獲取映射規(guī)則、生成規(guī)則樹、修復(fù)規(guī)則樹和執(zhí)行Wrapper?？紤]到Web站點經(jīng)常發(fā)生變化，研究了Wrapper維護的流程。它包括識別數(shù)據(jù)特征、定義語義塊和修復(fù)規(guī)則樹。通過對試驗數(shù)據(jù)的分析，證明該方法合適Web數(shù)據(jù)的抽