Deep Web数据集成中模式匹配研究

作     者：颜无瑕 

作者单位：曲阜师范大学 

学位级别：硕士

导师姓名：曹宝香

授予年度：2011年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 

主      题：Deep Web 数据集成 模式匹配 本体 人工神经网络 

摘      要：随着人们对互联网深层信息需求的扩大,对Deep Web数据的研究日益增加,Deep Web数据集成已经成为当前信息领域的研究热点问题,而模式匹配作为数据集成的前提和基础,更是广泛应用于数据库领域的不同方面：Deep Web数据集成中的查询处理、模式集成中对交互模式间关系的定义和描述、模式的改进或迁入、数据仓库中源数据库模式向数据仓库模式的转换、电子商务信息互操作中信息模式的转换、站点的建立与管理、基于构件的开发等。模式匹配已经成为数据集成领域中一个亟待解决的核心问题。 针对Deep Web数据集成中模式匹配的研究需求,基于国内外有关模式匹配和本体知识的研究成果,深入理解和分析本体和人工神经网络对模式匹配的作用,本文提出一种利用本体为Deep Web数据集成中的模式提供有效语义理解及匹配,并用人工神经网络作为匹配工具提高匹配自动化的方法。 首先,本文系统全面的阐述了国内外在模式匹配领域的研究和发展现状,并介绍了进行模式匹配用到的基础知识,包括本体、人工神经网络、模式匹配的概念和分类以及Deep Web中模式匹配的特点。 其次,本文提出了改进的基于本体和人工神经网络的模式匹配方法。从整体的框架、详细的匹配过程和具体的实施步骤展开,重点介绍了关系数据库模式和XML数据库模式向本体的转化、模式匹配过程中遇到的各种冲突及冲突的消解办法。 最后是实验验证,分为三个部分：模式本体提取模块、人工神经网络匹配模块、模式匹配实验和实验结果分析。通过对实验结果的分析进一步说明本文提出方法的有效性。