Deep Web数据集成中模式匹配研究

论文摘要

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。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 Deep Web
• 1.1.2 模式匹配
• 1.2 国内外研究现状及发展趋势
• 1.2.1 国内外研究模式匹配现状和不足
• 1.2.2 模式匹配技术的发展趋势
• 1.3 课题研究的目的和意义
• 1.3.1 数据仓库的需求
• 1.3.2 电子商务的需求
• 1.4 本文工作
• 1.5 论文组织结构
• 第二章 本体、人工神经网络和模式匹配
• 2.1 本体
• 2.1.1 本体的概念
• 2.1.2 本体描述语言
• 2.1.3 本体和模式匹配
• 2.2 人工神经网络
• 2.2.1 人工神经网络的概念
• 2.2.2 人工神经网络和模式匹配
• 2.3 模式匹配
• 2.3.1 模式匹配的概念
• 2.3.2 模式匹配方法和分类
• 2.4 Deep Web中模式匹配特点
• 2.5 本章小结
• 第三章 Deep Web数据集成中模式匹配算法
• 3.1 基于本体和人工神经网络的模式匹配框架
• 3.2 数据库模式的转化
• 3.2.1 关系数据库模式向本体的转化
• 3.2.2 XML数据库模式向本体的转化
• 3.3 语义冲突的消解
• 3.3.1 冲突的产生及分类
• 3.3.2 冲突消解的方法
• 3.4 基于WordNet的分组原理
• 3.5 建立用于模式匹配的人工神经网络
• 3.6 基于本体和人工神经网络的模式匹配步骤
• 3.7 本章小结
• 第四章 Deep Web数据库模式匹配实验
• 4.1 模式本体提取
• 4.1.1 建立关系数据模式的模式本体
• 4.1.2 建立XML模式的模式本体
• 4.2 语义冲突消解
• 4.2.1 建立全局模式视图
• 4.2.2 构造消解冲突因子1
• 4.2.3 构造消解冲突因子2
• 4.3 人工神经网络模式匹配模块
• 4.4 基于本体和人工神经网络的模式匹配实验
• 4.4.1 实验环境和实验数据
• 4.4.2 训练人工神经网络进行匹配
• 4.4.3 评价标准及结果分析
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 论文研究总结
• 5.2 下一步的研究工作
• 参考文献
• 在校期间发表的学术论文
• 致谢