基于模式結構和已知匹配知識的模式匹配模型的研究.pdf

1、在大量的數(shù)據(jù)庫應用中，如面向 Web 的數(shù)據(jù)集成、電子商務、數(shù)據(jù)倉庫、數(shù)據(jù)庫設計等，都需要用到模式信息。而操作模式信息的一個最基本的操作就是匹配，即將兩個模式作為輸入，產生兩個模式中互相對應的元素的映射。早期的模式匹配工作是為數(shù)據(jù)集成服務的，近年來，電子商務的出現(xiàn)進一步推動了模式匹配的研究，在電子商務應用中也需要通過模式匹配實現(xiàn)不同信息系統(tǒng)之間的數(shù)據(jù)轉換。當今模式匹配技術仍存在許多問題，大多仍以人工 (領域專家或系統(tǒng)開發(fā)人員) 定義方式

2、為主，費時費力且容易出錯。這個問題也隨著 Web 數(shù)據(jù)源的快速增加和電子商務的一體化而日益嚴峻。所以希望找到一種通用的、自動化程度高的、可應用于不同數(shù)據(jù)模型和應用領域的綜合的匹配方法。 本文概要介紹了模式匹配問題及其應用，詳細地闡述了實現(xiàn)模式匹配的不同方法以及它們所應用的結構。針對已有模式匹配方法的局限性，本著最大限度地減少人工干預使模式匹配盡可能做到自動化的原則，本文提出一種利用模式結構信息和已有匹配知識的模式匹配模型 SMG

3、M。 SMGM 模型 (Schema Matching Graph Based Model) 借鑒神經元理論，采用智能推理機制，結合啟發(fā)式思想，有效地實現(xiàn)了模式匹配和已有匹配知識的融合，提高了匹配模型的準確度。SMGM 模型主要由初始匹配矩陣模型、結構化語義推理模型、己知匹配知識重用模型、匹配知識自適應迭代模型、閾值確定策略和匹配類型選擇策略組成。 本模型首先參照輔助信息庫將模式元素分離成詞條向量，并基于向量匹配計算模型

4、計算各模式元素間的匹配度，進而生成初始匹配矩陣。結構化語義匹配推理模型是SMGM 的核心，是模擬神經元相互影響作用的語義推導模型。其基于匹配知識重用模型重用歷史知識，基于高收斂閾值確定模型策略確定最終閾值，并基于匹配類型選擇策略確定模式元素之間的最終匹配關系，進而獲得最終的匹配結果。隨后模式匹配知識庫中的模式匹配知識被組織成圖結構，基于自適應迭代模型，對模式匹配知識進行精化和深入挖掘，為結構化語義匹配推理和閾值區(qū)間自動縮減等操作提供快速