面向關(guān)系數(shù)據(jù)庫(kù)的模式匹配方法研究.pdf

1、隨著信息技術(shù)的高速發(fā)展，不同企業(yè)在實(shí)際應(yīng)用中都產(chǎn)生了大量的數(shù)據(jù)，這些數(shù)據(jù)通常以關(guān)系數(shù)據(jù)庫(kù)形式存儲(chǔ)，并維護(hù)于各自的信息系統(tǒng)當(dāng)中。隨著信息共享需求的日益加強(qiáng)，企業(yè)內(nèi)部或企業(yè)之間通常需要對(duì)已有數(shù)據(jù)進(jìn)行交換，進(jìn)而挖掘出有利于商業(yè)智能的信息。然而，在數(shù)據(jù)集成過(guò)程中，人們發(fā)現(xiàn)即使對(duì)于同一應(yīng)用領(lǐng)域，其數(shù)據(jù)庫(kù)模式的設(shè)計(jì)也往往存在較大差異，這種異構(gòu)性嚴(yán)重阻礙了數(shù)據(jù)間的互操作性。目前，該問(wèn)題的主要解決方式是由系統(tǒng)設(shè)計(jì)者或DBA手動(dòng)建立兩個(gè)模式元素間的對(duì)應(yīng)關(guān)

2、系，并在此基礎(chǔ)上實(shí)現(xiàn)異構(gòu)數(shù)據(jù)間的集成，然而該操作卻需要花費(fèi)大量的人力和物力，且容易出現(xiàn)較多錯(cuò)誤。此外，隨著數(shù)據(jù)庫(kù)應(yīng)用領(lǐng)域的不斷擴(kuò)展，異構(gòu)數(shù)據(jù)源的數(shù)量呈指數(shù)級(jí)增長(zhǎng)，數(shù)據(jù)庫(kù)中可能包含數(shù)百?gòu)埍怼⑸锨€(gè)屬性，顯然單純的手工匹配方式已不能滿足應(yīng)用的需求。
　　近年來(lái)，一些半自動(dòng)/自動(dòng)化的模式匹配方法被提出，這些方法利用模式信息、數(shù)據(jù)實(shí)例信息和元素間的結(jié)構(gòu)信息對(duì)匹配關(guān)系進(jìn)行推理，進(jìn)而實(shí)現(xiàn)元素對(duì)應(yīng)關(guān)系的自動(dòng)發(fā)現(xiàn)。相對(duì)來(lái)說(shuō)，基于模式信息的匹配方法

3、相對(duì)簡(jiǎn)單，信息獲取也較容易，因此早期的模式匹配方法主要集中于該類信息的使用，但由于其信息量有限，故在應(yīng)用上具有一定的局限性。隨后人們開(kāi)始致力于數(shù)據(jù)實(shí)例信息或結(jié)構(gòu)信息的使用，并希望從中挖掘出更有價(jià)值的信息，進(jìn)而增強(qiáng)匹配關(guān)系的發(fā)現(xiàn)。總體來(lái)看，基于上述信息的模式匹配方法雖然在某種程度上緩解了異構(gòu)數(shù)據(jù)集成所帶給人們的壓力，但仍存在些許不足：首先，匹配操作過(guò)于追求自動(dòng)化，其內(nèi)在固有的不確定性導(dǎo)致匹配結(jié)果需要花費(fèi)大量人力去驗(yàn)證；其次，為了便于記憶，

4、越來(lái)越多的企業(yè)將模式或模式所含元素以中文方式命名，致使已有傳統(tǒng)的模式匹配方法適用性不高，進(jìn)一步增加了匹配的難度；再次，以往匹配方法較多關(guān)注于模式信息的運(yùn)用，而較少考慮數(shù)據(jù)實(shí)例或數(shù)據(jù)實(shí)例所反映出的其他信息，該類信息對(duì)于匹配操作來(lái)說(shuō)同樣具有參考價(jià)值；最后，不同匹配方法的適用性有所不同，在缺少專業(yè)知識(shí)的情況下，用戶無(wú)法做出合理判斷，導(dǎo)致匹配方法選擇不當(dāng)使得匹配結(jié)果可用性不高。
　　為此，結(jié)合已有的模式匹配算法，本文針對(duì)關(guān)系數(shù)據(jù)庫(kù)中的模式

5、匹配方法開(kāi)展了以下幾個(gè)方面的研究工作：
　　1）研究匹配過(guò)程中專家知識(shí)的有效引入。在執(zhí)行整體匹配之前，首先基于元素名稱確定待匹配模式元素間的初步對(duì)應(yīng)關(guān)系，并選取少量關(guān)系交由用戶驗(yàn)證，以此推理出當(dāng)前任務(wù)下已知的匹配、不匹配關(guān)系和不同匹配器的適用性；然后基于上述分析所收集到的先驗(yàn)知識(shí)對(duì)匹配器進(jìn)行選取，并指導(dǎo)單獨(dú)匹配器所得結(jié)果的合并、調(diào)整及優(yōu)化；最后對(duì)優(yōu)化結(jié)果的選擇性進(jìn)行評(píng)估，從而為當(dāng)前匹配任務(wù)推薦最為合理的候選匹配生成方案。
　

6、　2）研究中文環(huán)境下的模式?jīng)_突問(wèn)題。對(duì)缺少數(shù)據(jù)實(shí)例信息或僅能獲取元素中文描述信息的待匹配模式，首先提取數(shù)據(jù)字典中有關(guān)元素的中文描述信息，利用中文信息處理技術(shù)將其轉(zhuǎn)化為詞條向量的形式，并采用聚類分析技術(shù)將特征相似的關(guān)系劃分到相同聚簇中，進(jìn)而縮小匹配執(zhí)行范圍，提高整體匹配效率；對(duì)于同一聚簇中的不同關(guān)系，借助輔助詞典中詞語(yǔ)的組織方式計(jì)算元素間的中文語(yǔ)義相似度，并采用多種選擇策略相結(jié)合的方法對(duì)匹配結(jié)果進(jìn)行過(guò)濾。
　　3）研究面向數(shù)據(jù)的模式

7、匹配解決方案。在模式信息不可用或不充足的情況下，該方法利用相似數(shù)據(jù)檢測(cè)算法標(biāo)識(shí)出待匹配模式數(shù)據(jù)實(shí)例間的相似元組，并以此生成元素間的初始相似度；此外，對(duì)于關(guān)系中的每個(gè)元素，該方法利用數(shù)據(jù)實(shí)例所蘊(yùn)含的元素內(nèi)在聯(lián)系提取與每個(gè)元素相關(guān)聯(lián)的強(qiáng)關(guān)聯(lián)關(guān)系元素集合，并由集合中元素的相似性反映出待匹配元素的關(guān)聯(lián)相似度；最后由數(shù)據(jù)實(shí)例相似度及關(guān)聯(lián)相似度綜合決定元素間的整體相似度。
　　4）研究自適應(yīng)模式匹配流程的構(gòu)建方法。對(duì)于一個(gè)給定的模式匹配任務(wù)，