数据集成中基于组合相似度计算的属性映射搜索算法.pdfVIP

第31卷第3期 计算机应用 V01．31No．3 2011年 3月 JournalofComputerApplications Mar．2011 文章编号 ：1001—9081(2011)03—0683—03 doi：10．3724／SP．J．1087．2011．00683 数据集成中基于组合相似度计算的属性映射搜索算法 郑 凯 ，梁卓明 ，郑文栋 (1，华南师范大学 教育信息技术学院，广州510631；2．华南师范大学 网络中心，广州510631) (david@scnu．edu．cn) 摘 要：针对企业数据物化集成中属性映射技术存在的问题，提出了基于组合相似度计算的属性映射搜索算法 (SACS)。通过建立直观的属性相似度计算因子和组合公式，在数据源属性间遍历搜索映射关系，从而规避传统属性 映射技术在机器学习过程中数据样本的选择问题，提高属性映射关系的查准率和查全率。 关键词：数据集成 ；属性映射；相似度计算；遍历搜索 中图分类号：TP392 文献标志码 ：A Attributemappingsearchalgorithm based on combinedsimilaritycalculationin dataintegration ZHENG Kai一．LIANG Zhuo—ming ．ZHENG Wen—dong (1．SchoolofEducationInformationTechnology,SouthChinaNormalUniversity,GuangzhouGuangdong510631，China； 2．NetworkCenter,SouthChinaNormalUniversity,GuangzhouGuangdong510631，China) Abstract：Inview oftheproblem ofattributemappingtechniquesinmaterializeddataintegration，theauthorsproposeda searchalgorithm ofattributemappingbasedoncombinedsimilaritycalculation (SACS)．Theproposedalgorithm was establishedthrough intuitivecalculation factorsand combined formulatotraversesattributemappingindatasources．The algorithm avoidsthesampleselectionproblem ofmachinelearningintraditionalattributemappingtechniques，andimproves theprecisionrateandrecallrateforattributemapping． Keywords：dataintegration；attributemapping；similaritycalculation；traversalsearch 映射关系的建立是寻找多个数据源在数据模式和语义上对应 0 引言 关系的首要问题。在映射关系建立之前，普遍存在数据源属 数据集成已经成为企业信息集成过程中一个关键的基础 性重复、命名不规范，数据源之间相同属性的属性名称、数值 性工作 ，目前的数据集成技术从实现方式上可以分为两类：虚 类型存在差异等现象，但相 同属性的数据实例仍具有很大的 拟集 成 和 物