異構(gòu)數(shù)據(jù)庫(kù)語(yǔ)義集成技術(shù)研究.pdf

1、信息技術(shù)的迅猛發(fā)展和Internet技術(shù)的廣泛應(yīng)用，給人們的生活、工作和學(xué)習(xí)帶來(lái)了極大的方便。但隨著人們對(duì)信息綜合利用需求的進(jìn)一步提高，Internet的局限性也凸現(xiàn)出來(lái)，因?yàn)橛?jì)算機(jī)互連網(wǎng)絡(luò)實(shí)現(xiàn)的是一種硬件的連通，所連接起來(lái)的信息大部分是異構(gòu)的，形成了一個(gè)個(gè)信息孤島，很難達(dá)到互聯(lián)互通，真正實(shí)現(xiàn)數(shù)據(jù)的共享。信息的不一致造成有限的信息共享、缺少數(shù)據(jù)交換是制約實(shí)現(xiàn)數(shù)據(jù)綜合利用的主要瓶頸。因此，如何找出并消除異構(gòu)數(shù)據(jù)庫(kù)中數(shù)據(jù)的沖突、異常，進(jìn)行數(shù)

2、據(jù)庫(kù)集成，是實(shí)現(xiàn)綜合信息應(yīng)用必須解決的問(wèn)題。 數(shù)據(jù)庫(kù)集成技術(shù)可以有效地檢測(cè)數(shù)據(jù)異常、盡早地調(diào)整數(shù)據(jù)、消除數(shù)據(jù)的不完整和不一致，從而有助于提高信息綜合利用的質(zhì)量。異構(gòu)數(shù)據(jù)庫(kù)集成的關(guān)鍵問(wèn)題是找出異構(gòu)數(shù)據(jù)庫(kù)間相同的語(yǔ)義對(duì)象，即語(yǔ)義集成，具體到關(guān)系數(shù)據(jù)庫(kù)中，就是要找出異構(gòu)數(shù)據(jù)庫(kù)間相同的屬性和實(shí)體（記錄），即屬性匹配和實(shí)體匹配問(wèn)題。本篇論文主要在分析研究了現(xiàn)有異構(gòu)數(shù)據(jù)庫(kù)語(yǔ)義集成技術(shù)特點(diǎn)的基礎(chǔ)上，針對(duì)目前方法的不足，考慮到神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的

3、自學(xué)習(xí)能力和推廣能力，比較適合處理語(yǔ)義集成這類不確定性問(wèn)題，將神經(jīng)網(wǎng)絡(luò)理論應(yīng)用到異構(gòu)數(shù)據(jù)庫(kù)語(yǔ)義集成中的屬性匹配和實(shí)體匹配領(lǐng)域。同時(shí)，在解決實(shí)體匹配問(wèn)題時(shí)，針對(duì)屬性權(quán)重難以準(zhǔn)確計(jì)算的問(wèn)題，我們分別考慮了屬性的信息熵和互信息來(lái)估算屬性的權(quán)重。從提高識(shí)別相同語(yǔ)義對(duì)象的查準(zhǔn)率和查全率兩個(gè)重要指標(biāo)出發(fā)，提出了新的屬性匹配和實(shí)體匹配算法，并在具體應(yīng)用環(huán)境中的數(shù)據(jù)庫(kù)上進(jìn)行了實(shí)驗(yàn)，取得了理想的效果。 本論文主要研究工作如下： ①全面地綜

4、述了目前異構(gòu)數(shù)據(jù)庫(kù)集成所涉及的主要問(wèn)題，詳細(xì)地介紹了異構(gòu)數(shù)據(jù)庫(kù)語(yǔ)義集成的任務(wù)、語(yǔ)義異構(gòu)的類型和解決語(yǔ)義異構(gòu)問(wèn)題主要采用的方法，并對(duì)目前方法的特點(diǎn)和不足之處進(jìn)行了研究，分析了將神經(jīng)網(wǎng)絡(luò)理論、信息熵和互信息理論引入異構(gòu)數(shù)據(jù)庫(kù)語(yǔ)義集成領(lǐng)域中解決屬性匹配和實(shí)體匹配問(wèn)題的可行性。 ②分析了目前文獻(xiàn)中基于BP神經(jīng)網(wǎng)絡(luò)的屬性匹配方法的不足，指出不同的輸入在神經(jīng)網(wǎng)絡(luò)上可能對(duì)應(yīng)相同的輸出是影響神經(jīng)網(wǎng)絡(luò)結(jié)果準(zhǔn)確性的主要因素之一，并進(jìn)行了理論上的證

5、明和具體實(shí)驗(yàn)環(huán)境的驗(yàn)證。為了解決該問(wèn)題，在論文中提出了用相同的訓(xùn)練數(shù)據(jù)在不同的初始權(quán)值和閾值的情形下多次訓(xùn)練神經(jīng)網(wǎng)絡(luò)，從而構(gòu)建不同于一般多級(jí)分類器方法的多個(gè)分類器的思想，可以實(shí)現(xiàn)對(duì)干擾數(shù)據(jù)的有效過(guò)濾。該思想在本文的第三章和第五章得到了很好的體現(xiàn)。 ③針對(duì)目前異構(gòu)數(shù)據(jù)庫(kù)語(yǔ)義集成中屬性匹配方法的不足，根據(jù)建立多個(gè)分類器的思想，提出了基于BP神經(jīng)網(wǎng)絡(luò)的二步檢查法屬性匹配算法。算法中，屬性首先根據(jù)數(shù)據(jù)類型進(jìn)行分類，然后根據(jù)各分類后的屬

6、性集的特點(diǎn)構(gòu)建相應(yīng)的神經(jīng)網(wǎng)絡(luò)，并在各分類的屬性集內(nèi)用不同的初始權(quán)值和閾值多次訓(xùn)練神經(jīng)網(wǎng)絡(luò)。在進(jìn)行屬性匹配時(shí)，將待匹配的屬性特征向量分別輸入對(duì)應(yīng)的已訓(xùn)練好的多個(gè)神經(jīng)網(wǎng)絡(luò)中，并對(duì)每個(gè)神經(jīng)網(wǎng)絡(luò)上的匹配結(jié)果求交集作為最終的屬性匹配結(jié)果。實(shí)驗(yàn)結(jié)果證明該方法能明顯提高屬性匹配的準(zhǔn)確率，降低神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間。 ④針對(duì)目前異構(gòu)數(shù)據(jù)庫(kù)語(yǔ)義集成中實(shí)體匹配問(wèn)題屬性的權(quán)重分配方案的不足，本文給出了一種基于屬性信息熵的方法來(lái)計(jì)算屬性的權(quán)重，并給出了實(shí)

7、體匹配的決策模型和基于信息熵的異構(gòu)實(shí)體匹配算法。該方法充分考慮了數(shù)據(jù)的特征，客觀且容易量化，具體應(yīng)用環(huán)境下的實(shí)驗(yàn)結(jié)果顯示有較高的精確度。另外，對(duì)于具有相同信息熵的不同屬性，若直接按基于屬性信息熵的方法計(jì)算權(quán)重，則這些屬性會(huì)獲得相同的權(quán)重，未能有效地對(duì)屬性的重要性進(jìn)行區(qū)分。為此，還考慮了屬性的互信息，并給出了計(jì)算屬性的最終熵值的算法，通過(guò)考慮屬性信息熵和互信息來(lái)決定屬性的權(quán)重，然后根據(jù)實(shí)體匹配的決策模型和算法實(shí)現(xiàn)實(shí)體匹配，進(jìn)一步提高了實(shí)體

8、匹配的查準(zhǔn)率和查全率。 ⑤針對(duì)異構(gòu)數(shù)據(jù)庫(kù)語(yǔ)義集成中實(shí)體匹配的屬性權(quán)重準(zhǔn)確計(jì)算比較困難的問(wèn)題，除了采用本文給出的基于屬性信息熵和互信息的方法進(jìn)行解決外，還采用不直接計(jì)算屬性的權(quán)重，而是將基于學(xué)習(xí)的思想引入到實(shí)體匹配領(lǐng)域，通過(guò)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)屬性之間的內(nèi)在關(guān)系來(lái)實(shí)現(xiàn)實(shí)體是否匹配的判斷。在應(yīng)用神經(jīng)網(wǎng)絡(luò)解決實(shí)體匹配問(wèn)題前，首先結(jié)合一個(gè)具體的分類問(wèn)題，分析了影響B(tài)P神經(jīng)網(wǎng)絡(luò)解決分類問(wèn)題的性能及準(zhǔn)確率的原因。然后分別給出了基于BP神經(jīng)網(wǎng)絡(luò)的實(shí)