數(shù)據(jù)空間實(shí)體模式匹配方法研究.pdf

1、隨著數(shù)字化技術(shù)和互聯(lián)網(wǎng)的發(fā)展，各種信息資源迅速膨脹，數(shù)據(jù)呈現(xiàn)出多樣化的新特點(diǎn)。這些多樣的數(shù)據(jù)已不再適合存儲(chǔ)在單一的數(shù)據(jù)模型或傳統(tǒng)的關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)中，因此人們引入一個(gè)新的數(shù)據(jù)管理模式——數(shù)據(jù)空間。用戶可通過數(shù)據(jù)空間管理系統(tǒng)所提供的服務(wù)功能來對(duì)數(shù)據(jù)空間進(jìn)行管理，如數(shù)據(jù)分類、查詢、更新、索引等。數(shù)據(jù)空間不僅要能支持不同形式的數(shù)據(jù)的有效管理，還應(yīng)具有自我進(jìn)化能力，自動(dòng)抽取數(shù)據(jù)模式，發(fā)現(xiàn)數(shù)據(jù)資源間的關(guān)聯(lián)，使數(shù)據(jù)空間的操作更加高效。與數(shù)據(jù)庫(kù)管理系統(tǒng)

2、不同，數(shù)據(jù)空間采用pay-as-you-go的進(jìn)化方式，逐步形成數(shù)據(jù)空間的模式，這個(gè)過程也是數(shù)據(jù)不斷被交換和集成的過程。
　　 本文研究數(shù)據(jù)空間實(shí)體模式匹配問題，首先介紹了課題組提出的一個(gè)數(shù)據(jù)空間管理系統(tǒng)的框架和它所采用的基于刻面描述的數(shù)據(jù)模型。為了在漢英雙語(yǔ)的語(yǔ)言環(huán)境中分析數(shù)據(jù)空間中各資源的語(yǔ)義關(guān)系，本文提出了一個(gè)基于中文WordNet的中英文詞義相似度計(jì)算方法，在WordNet同義詞集（synset）的上下位關(guān)系圖中，引入了

3、距離、密度、深度三個(gè)因素來估計(jì)同義詞集之間的相似度，并采用一個(gè)自適應(yīng)的方案來解決候選同義詞集組合的權(quán)重和取舍問題，實(shí)現(xiàn)了一個(gè)可以計(jì)算英-英、漢-英、漢-漢詞語(yǔ)之間相似度的算法。實(shí)驗(yàn)結(jié)果表明：本方法得到的結(jié)果比較符合人們對(duì)詞語(yǔ)的理解。當(dāng)用戶將各種數(shù)據(jù)源加入到數(shù)據(jù)空間后，有些數(shù)據(jù)資源或許存在著語(yǔ)義關(guān)聯(lián)，描述同一類型的實(shí)體可能存在著不同的模式。因此我們利用詞義相似度算法和中文分詞工具，從列名距離、數(shù)據(jù)類型、數(shù)據(jù)內(nèi)容的詞性成份等角度來建立同類實(shí)