異構(gòu)數(shù)據(jù)庫集成中相同語義對象識別方法研究.pdf

1、本文首先分析了現(xiàn)有異構(gòu)數(shù)據(jù)庫語義集成技術(shù)；具體到語義匹配，首先提出基于權(quán)值的異構(gòu)數(shù)據(jù)庫語義集成中屬性匹配方法，然后考慮到基于規(guī)則匹配方法需要先驗知識來確定描述屬性的各數(shù)據(jù)指標的權(quán)重，提出了不直接人為地給屬性的元數(shù)據(jù)賦予權(quán)重，而是嘗試應(yīng)用機器學習及人工智能的方法從描述屬性的各數(shù)據(jù)指標中學習規(guī)則。在處理具有不確定性的屬性匹配問題上，神經(jīng)網(wǎng)絡(luò)有著獨特的優(yōu)勢，神經(jīng)網(wǎng)絡(luò)是通過具體的實例進行訓練而不是根據(jù)確定的規(guī)則進行編程，不需要先驗知識，能夠充分

2、考慮到屬性實例值的信息，且有較強的推廣能力和自適應(yīng)能力。 主要研究工作如下： (1)綜述現(xiàn)有異構(gòu)數(shù)據(jù)庫語義集成技術(shù)，分析了目前文獻中應(yīng)用最多的三種判定屬性相似度方法的不足，提出了一種改進的基于權(quán)值的異構(gòu)數(shù)據(jù)庫語義集成中屬性匹配方法-CRC法。該方法首先根據(jù)數(shù)據(jù)類型把屬性進行分類，然后根據(jù)重要性對特征向量進行排序，按照給定的公式計算權(quán)重，最后進行屬性匹配。 (2)基于權(quán)值的方法屬于基于規(guī)則匹配的方法，此類方法需要先

3、驗知識來確定描述屬性的各數(shù)據(jù)指標的權(quán)重，屬性的各數(shù)據(jù)指標的權(quán)重很難準確量化。即便是在一個應(yīng)用環(huán)境下給出了合理的權(quán)重，當環(huán)境變化時仍要重新修改權(quán)重，動態(tài)適應(yīng)能力較差，也不能找到一個通用的固定匹配規(guī)則來實現(xiàn)屬性的匹配。根據(jù)其不足，結(jié)合進行語義匹配的特點以及神經(jīng)網(wǎng)絡(luò)的優(yōu)勢，提出用SOM神經(jīng)網(wǎng)絡(luò)模型對屬性進行分類的思想。 (3)由于標準BP算法存在收斂速度慢、易陷于局部極小點的缺陷。對于復(fù)雜問題，訓練過程需迭代幾千、幾萬次才能收斂到期望

4、的精度。因此，標準的BP算法在很大程度上表現(xiàn)出它的不實用性，特別是對實時性很強的系統(tǒng)。從而出現(xiàn)了各種改進的BP算法。提出了采用改進的BP算LM算法。該算法根據(jù)迭代的結(jié)果動態(tài)地調(diào)整阻尼因子，即動態(tài)地調(diào)整迭代的收斂方向，可使每次的迭代誤差函數(shù)值都有所下降，收斂速度較快。實驗結(jié)果證明該方法能明顯提高屬性匹配的準確率，降低神經(jīng)網(wǎng)絡(luò)的訓練時間。第(2)點與第(3)點結(jié)合起來就是本文提出的一種改進的基于神經(jīng)網(wǎng)絡(luò)的SOM-LM法屬性匹配算法。