基于關(guān)系數(shù)據(jù)庫的模式匹配技術(shù)研究

1、基于關(guān)系數(shù)據(jù)庫的形式匹配技術(shù)研究摘要隨著網(wǎng)絡(luò)技術(shù)的開展，信息處理需要對大量的、異構(gòu)的數(shù)據(jù)源的數(shù)據(jù)進展統(tǒng)一存取，多源異構(gòu)數(shù)據(jù)的集成問題就顯得非常重要。而形式匹配是數(shù)據(jù)集成領(lǐng)域的一個根本技術(shù)。文章提出一種解決關(guān)系數(shù)據(jù)庫語義沖突問題的形式匹配技術(shù)，以實現(xiàn)異構(gòu)數(shù)據(jù)的共享與互操作。關(guān)鍵詞數(shù)據(jù)集成；形式匹配；語義沖突1引言隨著計算機及網(wǎng)絡(luò)技術(shù)的快速開展，網(wǎng)絡(luò)上的各種信息以指數(shù)級爆炸性增長，成為了一個宏大的信息庫，同時各企業(yè)單位開發(fā)了大量的軟硬件平臺各異的應(yīng)用系統(tǒng)，在各種應(yīng)用系統(tǒng)下又積累了豐富的數(shù)據(jù)資源。這樣就形成了成千上萬個異構(gòu)的數(shù)據(jù)源，多為傳統(tǒng)的關(guān)系數(shù)據(jù)庫數(shù)據(jù)。這些數(shù)據(jù)資源由于軟硬件平臺各異、數(shù)據(jù)模型各

2、異而形成了異構(gòu)數(shù)據(jù)，使各數(shù)據(jù)源間的互操作變得復(fù)雜。為了更好地利用這些異構(gòu)信息，以及不造成企業(yè)應(yīng)用系統(tǒng)的重復(fù)建立和數(shù)據(jù)資源的浪費，形式匹配技術(shù)吸引了眾多關(guān)注。本文針對形式匹配過程中存在的語義沖突進展分類，并提出了相應(yīng)的解決策略，以到達異構(gòu)數(shù)據(jù)源的共享和互操作。2形式匹配中的沖突問題在數(shù)據(jù)集成領(lǐng)域中，由于數(shù)據(jù)源系統(tǒng)多是獨立開發(fā)，數(shù)據(jù)源是相對自治的，因此描繪數(shù)據(jù)的數(shù)據(jù)模型或存儲構(gòu)造經(jīng)常會出現(xiàn)形式的不一致，數(shù)據(jù)源的自治性和數(shù)據(jù)源形式的異構(gòu)性使數(shù)據(jù)源在共享和互操作上存在了語義沖突。這些正是形式匹配的焦點問題，它們形式上的性質(zhì)使得人們很容易想到要用形式匹配去解決邏輯、語義和知識的描繪問題。對于描繪形式匹配

3、中的語義沖突有兩種較有代表性的分類4。第一種分類將沖突分為異類沖突、命名沖突、語義沖突和構(gòu)造沖突。第二種分類主要是對第一類異類沖突概念的一個細致的改良，但和其它分類仍有細微的不同，它把異類沖突看作是語義不一致的一類(如語義沖突)，把沖突分為命名沖突、域沖突、元數(shù)據(jù)沖突、構(gòu)造沖突、屬性喪失和硬件/軟件不同。形式匹配是一項復(fù)雜而繁重的任務(wù)，所能集成的數(shù)據(jù)源越來越多，上述沖突情況也會越來越普遍，想解決所有的形式?jīng)_突是不現(xiàn)實的。本文主要解決關(guān)系數(shù)據(jù)形式之間的語義沖突。3形式匹配中的語義沖突本文所提出的形式匹配方法是根據(jù)關(guān)系數(shù)據(jù)庫的特點設(shè)計的。關(guān)系數(shù)據(jù)庫中關(guān)系的根本單位是屬性，屬性本身就包含著語義信息，

4、因此異構(gòu)數(shù)據(jù)源語義相似性就圍繞著數(shù)據(jù)源形式中的屬性來進展，并在匹配的過程中解決異構(gòu)數(shù)據(jù)源形式之間的一系列語義沖突。3.1語義匹配體系構(gòu)造本文提出的語義匹配體系構(gòu)造采用數(shù)據(jù)集成中的虛擬法數(shù)據(jù)集成系統(tǒng)的典型體系構(gòu)造，采用將部分形式匹配到全局形式的語義匹配體系構(gòu)造，自下而上地建立全局形式。首先進展形式轉(zhuǎn)化，消除因各種部分?jǐn)?shù)據(jù)形式之間的差異所帶來的影響，解決各種部分形式之間的語義沖突等，然后在轉(zhuǎn)化后的形式的根底上進展形式匹配，其主要手段是提供各數(shù)據(jù)源的虛擬的集成視圖。數(shù)據(jù)仍保存在各數(shù)據(jù)源上，集成系統(tǒng)僅提供一個虛擬的集成視圖和對該集成視圖的查詢的處理機制。系統(tǒng)能自動地將用戶對集成形式的查詢懇求轉(zhuǎn)換成對各

5、異構(gòu)數(shù)據(jù)源的查詢。在這種體系構(gòu)造中，中間層根本不實際存儲數(shù)據(jù)，當(dāng)客戶端發(fā)出查詢懇求時，僅是簡單地將查詢發(fā)送到適當(dāng)?shù)臄?shù)據(jù)源上。由于該方法不需要重復(fù)存儲大量數(shù)據(jù)，并能保證查詢到最新的數(shù)據(jù)，因此比擬合適于高度自治、集成數(shù)量多且更新變化快的異構(gòu)數(shù)據(jù)源集成。本文中的語義匹配的體系構(gòu)造如圖1所示。3.2關(guān)系數(shù)據(jù)庫形式中語義沖突問題分類及其解決策略大多數(shù)數(shù)據(jù)庫系統(tǒng)提供了一套概念構(gòu)造來對現(xiàn)實世界的數(shù)據(jù)進展建模。每一個概念構(gòu)造被認為是一個類型，它可以是一種復(fù)雜類型或一種根本類型。類型和它所表示的數(shù)據(jù)間的聯(lián)絡(luò)就稱為語義3。在關(guān)系數(shù)據(jù)庫中，一個關(guān)系形式是一個有序?qū)?R，)，其中R為形式所指向的關(guān)系(表)的名稱，而那

6、么為具有不同名稱的屬性的有限集。同時，屬性也是一個有序?qū)?N，D)，其中N為屬性的名稱，而D那么為一個域?？梢钥闯鲫P(guān)系形式的根本單位是屬性。屬性本身就包含著語義信息，因此形式語義相似性就圍繞形式中的屬性來進展，并在形式匹配的過程中解決異構(gòu)數(shù)據(jù)庫形式之間的一系列語義沖突。圖1語義匹配體系構(gòu)造根據(jù)語義的定義，在關(guān)系數(shù)據(jù)庫系統(tǒng)中，語義系統(tǒng)是由形式、形式的屬性、形式中屬性之間的聯(lián)絡(luò)和形式間的屬性之間的聯(lián)絡(luò)構(gòu)成。這里將語義分為3級：形式級、屬性級和實例級。下面將異構(gòu)形式中存在的語義沖突問題進展了分類，并闡述了各種語義沖突的解決策略：轉(zhuǎn)貼于論文聯(lián)盟.ll.1)形式級沖突(1)關(guān)系命名沖突。包括關(guān)系名同義詞

7、和關(guān)系名同形異義詞。前者進展換名或建立關(guān)系名同義詞表以記載該類沖突；后者進展換名或建立關(guān)系名同形異義詞表以記載該類沖突。(2)關(guān)系構(gòu)造沖突。分為包含沖突和相交沖突。包含沖突是指在含義一樣的兩個關(guān)系R1和R2中一個關(guān)系的屬性集是另一個的屬性子集。相交沖突是指兩關(guān)系屬性集的交不為空，我們用attrset代表關(guān)系的屬性集。對包含沖突：假如兩個關(guān)系的屬性集一樣即attrset(R1)=attrset(R2)，那么合并這兩個對象，erge(R1，R2)intR3；假如attrset(R1)attrset(R2)，那么attrset(R2)=attrset(R2)attrset(R1)，attrset(R

8、1)=attrset(R1)；對相交沖突：通常概括語義進展如下解決：generalize(R1，R2)其中attrset(R3)=attrset(R1)attrset(R2)，attrset(R1)=attrset(R1)attrset(R3)；attrset(R2)=attrset(R2)attrset(R3)。(3)關(guān)系關(guān)鍵字沖突：兩個含義一樣的關(guān)系具有不同的關(guān)鍵字約束。包括候選關(guān)鍵字沖突和主關(guān)鍵字沖突。解決候選關(guān)鍵字沖突的方法是，將兩關(guān)系的候選關(guān)鍵字的交集作為兩關(guān)系的候選關(guān)鍵字；解決主關(guān)鍵字沖突的方法是，從兩關(guān)系的公共候選關(guān)鍵字中選一個分別作為兩關(guān)系的主關(guān)鍵字。(4)多對多的關(guān)系沖突：兩

9、個數(shù)據(jù)庫中用不同數(shù)量的關(guān)系來表達現(xiàn)實世界的一樣語義信息，就產(chǎn)生了多對多的關(guān)系沖突，這種沖突分3種：一對多，多對一和多對多。解決方法是在表示一樣語義信息的數(shù)據(jù)庫中關(guān)系之間建立映射來表示多對多的關(guān)系。2)屬性級沖突(1)屬性命名沖突：分屬性名同義詞沖突和屬性名同形異義詞。前者的解決方法是，換名或建立屬性名同義詞字典；后者的解決方法是，換名或建立屬性名同形異義詞字典。(2)屬性約束沖突：分屬性類型沖突和屬性長度沖突兩種。當(dāng)在兩個相關(guān)的關(guān)系R1和R2的屬性N1和N2具有不同的屬性類型時，就發(fā)生屬性類型沖突。解決方法是在全局形式中將發(fā)生屬性類型沖突的屬性統(tǒng)一到某種屬性類型。對屬性長度的解決方法是，在全局

10、形式中將發(fā)生屬性長度類型沖突的屬性對統(tǒng)一定義為最大者就可。(3)多對多的屬性沖突：兩個數(shù)據(jù)庫中的關(guān)系分別用不同數(shù)量的屬性來表達現(xiàn)實世界中一樣的語義信息時，就發(fā)生了多對多的屬性沖突，這種沖突分3種：一對多，多對一和多對多。解決方法是在表示一樣語義信息的數(shù)據(jù)庫中關(guān)系的屬性之間建立映射來表示這種多對多的關(guān)系。3)實例級沖突(1)不兼容關(guān)系實例沖突：當(dāng)含義一樣的數(shù)據(jù)項在不同的數(shù)據(jù)庫中存在不一致的數(shù)據(jù)值時就發(fā)生了不兼容關(guān)系實例沖突。其解決方法是：將關(guān)系實例的最近修改作為關(guān)系實例沖突部分的值，但不能保證數(shù)據(jù)的正確性。(2)關(guān)系實例表示沖突：關(guān)系實例表示沖突是指用不兼容的符號、量綱和精度來表示相關(guān)關(guān)系實例中

11、等價的數(shù)據(jù)元素，主要包括表達沖突、量綱沖突和精度沖突。表達沖突是指在兩個相關(guān)的關(guān)系R1和R2中含義一樣的屬性N1和N2具有不同的數(shù)據(jù)表達時，這種沖突使用語義值的概念來解決，即將表示同一概念的多種表達在全局?jǐn)?shù)據(jù)中進展統(tǒng)一即可。量綱沖突是指在兩個相關(guān)的關(guān)系R1和R2和中含義一樣的屬性N1和N2具有不同的量綱表示。量綱沖突也可以語義值加以解決，解決過程如下：分別定義發(fā)生量綱沖突的部分?jǐn)?shù)據(jù)源的語義值形式和語義值說明，然后再定義全局?jǐn)?shù)據(jù)形式中相應(yīng)的語義值形式和語義值說明，將發(fā)生量綱沖突的屬性值在全局形式中進展統(tǒng)一。精度沖突是指在兩個相關(guān)的關(guān)系R1和R2中含義一樣的屬性具有不同的精度。其解決方法是在全局形

12、式中將發(fā)生精度沖突的數(shù)據(jù)項定義為最高精度即可。4總結(jié)本文針對異構(gòu)數(shù)據(jù)源管理自治和形式異構(gòu)的特點，提出了數(shù)據(jù)源集成形式匹配的體系構(gòu)造，制定了匹配策略，研究了基于語義的形式匹配過程。以關(guān)系形式為參考形式，對異構(gòu)數(shù)據(jù)源關(guān)系形式間可能存在的語義沖突問題進展了分類，并闡述理解決這些語義沖突的策略。參考文獻1BergaashiS，astanS，Vinini.SeantiIntegratinfSeistruturedandStruturedDataSuresJ.SIGDRerd，1999，28(1)：54-59.2Li，liftn，LiuS.DatabaseIntegratinUsingNeuralNetrk：IpleentatinandExperienesJ.KnledgeandInfratinSystes，2000，2(1).3ReddyP，PrasadBE，GReddyP.AethdlgyfrIntegratinfHetergeneusDatabasesJ.InfratinSyste，1999，24(5).4RahE，BernstEinP.ASurveyfApprahestAutatiSheaathingJ.TheInternatinalJurnalnVe