异构web数据库集成查询接口模式匹配问题的研究

《异构web数据库集成查询接口模式匹配问题的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、异构Web数据库集成中查询接口模式匹配问题的研究QueryInterfacePatternMatchingConsiderationsinHeterogeneousWebDatabaseIntegration2011年11月合肥工业大学1IlYUlllll21111110／11111141111111111116111／11011111115011Y2041605本论文经答辩委员会全体委员审查，确认符合合肥工业大学硕士学位论文质量要求。答辩委员会签名：(工作单位、职称)主席：委员：导师：名乙舷凝独创性声明⋯一签锻秘⋯月E

2、学位论文版权使用授权书

3、本学位论文作者完全了解金壁王些太堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅或借阅。本人授权．金鳇王些盔!差一可以将学位论文的全部或部分论文内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文者签名：≯弋叁签字日期：年月日学位论文作者毕业后去向：工作单位：通讯地址：导师签签字日电话：邮编：2月6日致谢光阴荏苒，三年的研究生生涯即将结束，在分布式控制研究所，我遇到了可敬的老师和可爱的同学们，学到了很多，也留下了许多美

4、好的回忆。值此论文完成之际，我首先要向我的导师韩江洪教授表示最诚挚的感谢。韩老师一丝不苟的治学态度、实事求是的科研精神、扎实深厚的理论基础、严谨细致的工作方法以及他宽以待人的处事风格使我不仅学到了扎实的专业知识；同时学会了如何做人、如何做事。韩老师对科研事业勇于创新的精神和忘我的工作态度是我以后工作和学习的楷模。三年来，韩老师给予了我极大的关怀和帮助，从课程学习、研究选题到论文撰写，都离不开韩老师的悉心指导和谆谆教诲，这些我将永远铭记在心。同时还要感谢实验室张利教授。三年来，张老师不仅在学业上给我以精心指导，同时还在思想、生活上给我以无微不至的

5、关怀。感谢张老师一直以来对我的严格要求，在此谨向张老师致以诚挚的谢意和崇高的敬意。此外我还要感谢安全关键工业测控技术教育部工程研究中心的张建军老师、史久根老师、魏振春老师、张本宏老师等各位老师。感谢他们提供的宽松、自由、互助的实验环境和良好的实验条件，正是你们无私的关心和热心的帮助让我顺利完成论文。我也要感谢我的学长王强、潘晓明、孙安，感谢我的同学王科富、吴迈、江月、刘梦阳、李鸿鸣，感谢我的师妹李桂枝、夏凤仙，与他们的交流和讨论丰富了我的知识，给了我很大的启发。三年中他们给我的支持和鼓励为我创造了一个和谐、融洽的学习环境。感谢我的父母，在最艰难

6、的年月里仍尽力支持我继续求学。焉得谖草，言树之背，希望妈妈永远健康快乐。最后，衷心感谢合肥工业大学传授我知识的老师们，计算机与信息学院的领导和老师，以及支持和帮助过我的同学和朋友们，在此谢谢你们!作者：邓青2011年11月关于异构Web数据库集成中查询接口模式匹配问题研究摘要随着计算机技术，特别是Internet的迅速发展，可共享的资源越来越多，各种Web数据库中已经存放了涵盖各个领域的大量有价值的信息，成为人们获取信息的主要渠道。然而由于Web数据库所独有的空间复杂性导致了其数据源的极端多样性，这也使得Web数据库的表达形式之间存在巨大的差异

7、，描述同一事物的数据却表现出了明显的异构特征。如何快速、准确、低成本地将各种描述同一事物的异构Web数据集成到同一个关系数据库中是很有意义的研究课题，它可以为用户提供访问数据的统一接口，实现异构形式对用户的透明。传统的异构W曲数据库集成方式采用Mediator-Wrapper框架模式，使用XQuery作为公共的查询语言，系统的所有功能都建立在全局数据的XML／元数据表达上。本文针对Web数据库的信息量大且更新速度快的特点，结合经典的决策树分类方法对海量含噪的异构Web数据库集成中的查询接口匹配问题展开研究。主要工作如下：1．综述并分析了现有异构

8、Web数据库集成框架Mediator．Wrapper的基本理论体系及当前主要的查询接口模式匹配方法。2．系统总结了传统的决策树模型的基本理论，并分析了其经典算法及优化策略。3．针对异构W曲数据中含噪较多的特征，结合已有的决策分类算法，给出一种基于可疑实例影响度分析的混合决策树学习算法MDSII，通过采用信息增益率函数选择分裂属性，分析可疑Web数据全局影响度，判定匹配模式，可以在很好地提高模式的匹配精度的同时解决Mediator．Wrapper框架对XML／元数据表达的过度依赖问题，大大提高了模型的抗噪性。4．针对传统模式匹配方法在处理海量数据

9、时存在的建模速度慢、过度依赖领域知识、分类规则过拟合现象严重等缺陷，提出一种基于当前节点中最大纯度差(PDN)变化趋势的自主数据集成分类算法PDN一凼