数据空间实体模式匹配方法研究经典.pdfVIP

摘要 摘要 随着数字化技术和互联网的发展，各种信息资源迅速膨胀，数据 呈现出多样化的新特点。这些多样的数据已不再适合存储在单一的数 据模型或传统的关系数据库系统中，因此人们引入一个新的数据管理 模式——数据空间。用户可通过数据空间管理系统所提供的服务功能 来对数据空间进行管理，如数据分类、查询、更新、索引等。数据空 间不仅要能支持不同形式的数据的有效管理，还应具有自我进化能 力，自动抽取数据模式，发现数据资源间的关联，使数据空间的操作 更加高效。与数据库管理系统不同，数据空间采用 pay-as-you-go 的 进化方式，逐步形成数据空间的模式，这个过程也是数据不断被交换 和集成的过程。 本文研究数据空间实体模式匹配问题，首先介绍了课题组提出的 一个数据空间管理系统的框架和它所采用的基于刻面描述的数据模 型。为了在汉英双语的语言环境中分析数据空间中各资源的语义关 系，本文提出了一个基于中文 WordNet 的中英文词义相似度计算方 法，在 WordNet 同义词集（synset ）的上下位关系图中，引入了距离、 密度、深度三个因素来估计同义词集之间的相似度，并采用一个自适 应的方案来解决候选同义词集组合的权重和取舍问题，实现了一个可 以计算英-英、汉-英、汉-汉词语之间相似度的算法。实验结果表明： 本方法得到的结果比较符合人们对词语的理解。 当用户将各种数据源加入到数据空间后，有些数据资源或许存在 着语义关联，描述同一类型的实体可能存在着不同的模式。因此我们 i 摘要 利用词义相似度算法和中文分词工具，从列名距离、数据类型、数据 内容的词性成份等角度来建立同类实体不同模式之间的映射关系，增 强数据空间的语义凝聚力。 关键词：数据空间；WordNet ；词语相似度；语义相似度；模式匹配； 模式进化； ii Abstract Abstract Nowadays, data with various new features has been shown with the rapid expansion of information resources as well as the development of digital technology and the Internet. As a response, in order to solve the new-arising storage problem, a new data management mode, Data Space, is introduced while conventional ways to store data in a single data model or a relational database system are no longer feasible. Users can manage it by the functions provided by Data Space Management System (DSMS), such as data classification, querying, updating, indexing, so on and so forth. Moreover, Data Space can not only provide strong support to effective management of various data, but also has its own self-evolving capabilities, such as automatic extraction of data schema, finding the association between data sources.ect.