基于XML虚拟法异构数据集成方法研究.docVIP

基于XML虚拟法异构数据集成方法研究 　　（武汉理工大学 计算机科学与技术学院， 武汉 430070） 　　?? 　　摘 要：随着信息技术的发展，Web上的数据日趋成为当今数据的主流，但是Web上的数据多是异构的，而越来越多的人需要访问各种异构数据，为了满足这种需求，必须有一种系统能够支持异构数据集成。异构数据集成的方法有很多，给出一个基于XML的虚拟法异构数据集成系统体系结构，引入虚拟法，提出用虚拟法进行异构数据集成；最后引入数据清洗技术，能够较好地解决异构数据的集成。?? 　　关键词：虚拟法；包装器；查询引擎；数据清洗?? 　　中图分类号：TP311.13 文献标志码：A 　　 文章编号：1001?B3695(2009)01?B0172?B03 　　?? 　　Research on virtual approach about heterogeneous data integration based on XML 　　YUAN Jingling，XU Lili，MIAO Lianchao 　　??(School of Computer Science Technology, Wuhan University of Technology, Wuhan430070, China) 　　??Abstract:With the development of information technology, Webbased data becomes the mainstream of today’s data, but data on Web are mostly heterogeneous. More and more people need to access all kinds of heterogeneous data, so there must be a kind of system which can support heterogeneous data integration. There are many kinds of methods that can carry out heterogeneous data integration, but this paper introduced a kind of architecture of the virtual approach for heterogeneous data integration based on XML in order to solve the problem of heterogeneous data integration on Web. It proposed to use the virtual approach to carry out heterogeneous data integration, and finally introduced the technology of data cleaning which could solve the integration of heterogeneous data better. ?? 　　Key words:virtual approach;wrapper;search engine;data cleaning 　　?お? 　　0 引言?? 　　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，遍布于Internet中的Web服务器将各种异构数据集成在一起，形成一个全球性的信息共享环境，成为人们获取信息的主要渠道。Web上的数据是数据集成系统中最大的数据来源，具有全面、及时、多样等特点。?? 　　异构数据不仅是指数据库之间的异构，而且还包括不同结构数据之间的异构性。随着信息化建设的不断推进，在选择数据处理方式时存在着时间和空间上的差异，使得对数据的描述千差万别，数据环境的差异也越来越大，主要表现在以下几个方面：?? 　　a）系统异构，即数据源所依赖的业务应用系统、数据库管理系统乃至操作系统间的不同构成了系统异构。?? 　　 b）模式异构，即数据源在存储模式上的不同。存储模式包括关系模式、对象模式、对象关系模式和文档嵌套模式等几种，其中关系模式为主流存储模式。?? 　　c）数据异构，不同数据源具有不同的数据类型，包括结构化数据（数据库）、半结构化数据（HTML、XML）、非结构化数据（如文本、图片）。?? 　　d）语义异构，表现在相同的数据形式表示不同的语义或同一语义由不同形式的数据表示[1]。?? 　　异构数据集成是将互相关联的异构数据源集成到一起，使用户能以透明的方式访问这些数据源，并能够低代价、高效率地使