異構Web數據庫集成查詢接口模式匹配問題的研究.pdf

1、隨著計算機技術，特別是Internet的迅速發(fā)展，可共享的資源越來越多，各種Web數據庫中已經存放了涵蓋各個領域的大量有價值的信息，成為人們獲取信息的主要渠道。然而由于Web數據庫所獨有的空間復雜性導致了其數據源的極端多樣性，這也使得Web數據庫的表達形式之間存在巨大的差異，描述同一事物的數據卻表現出了明顯的異構特征。如何快速、準確、低成本地將各種描述同一事物的異構Web數據集成到同一個關系數據庫中是很有意義的研究課題，它可以為用戶提供

2、訪問數據的統(tǒng)一接口，實現異構形式對用戶的透明。
　　 傳統(tǒng)的異構Web數據庫集成方式采用Mediator-Wrapper框架模式，使用XQuery作為公共的查詢語言，系統(tǒng)的所有功能都建立在全局數據的XML/元數據表達上。本文針對Web數據庫的信息量大且更新速度快的特點，結合經典的決策樹分類方法對海量含噪的異構Web數據庫集成中的查詢接口匹配問題展開研究。主要工作如下：
　　 1.綜述并分析了現有異構Web數據庫集成框架M

3、ediator-Wrapper的基本理論體系及當前主要的查詢接口模式匹配方法。
　　 2.系統(tǒng)總結了傳統(tǒng)的決策樹模型的基本理論，并分析了其經典算法及優(yōu)化策略。
　　 3.針對異構Web數據中含噪較多的特征，結合已有的決策分類算法，給出一種基于可疑實例影響度分析的混合決策樹學習算法MDSⅡ，通過采用信息增益率函數選擇分裂屬性，分析可疑Web數據全局影響度，判定匹配模式，可以在很好地提高模式的匹配精度的同時解決Mediato

4、r-Wrapper框架對XML/元數據表達的過度依賴問題，大大提高了模型的抗噪性。
　　 4.針對傳統(tǒng)模式匹配方法在處理海量數據時存在的建模速度慢、過度依賴領域知識、分類規(guī)則過擬合現象嚴重等缺陷，提出一種基于當前節(jié)點中最大純度差(PDN)變化趨勢的自主數據集成分類算法PDN_trends，通過對數據自身的跟蹤和觀察計算來判定決策樹的預剪枝時機，不依賴領域知識使得數據集成分類更加自主，同時減小模型規(guī)模使得分類規(guī)則更具可理解性，同時