異構(gòu)數(shù)據(jù)庫中表的相似性查詢系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著數(shù)據(jù)庫的廣泛使用，異構(gòu)數(shù)據(jù)庫的數(shù)據(jù)集成需求越來越多。為了實(shí)現(xiàn)數(shù)據(jù)共享，可以將本地局域網(wǎng)及遠(yuǎn)程網(wǎng)絡(luò)中的各數(shù)據(jù)庫節(jié)點(diǎn)在邏輯上進(jìn)行集成。很多情況下由于集成的底層異構(gòu)數(shù)據(jù)庫存放的對(duì)象相似，對(duì)象以表的形式描繪出來，表內(nèi)的數(shù)據(jù)也會(huì)存在較大的相似性。查詢相似性的表并進(jìn)一步分析，會(huì)有助于用戶得到更有價(jià)值的信息。
　　異構(gòu)數(shù)據(jù)庫中表的相似性查詢系統(tǒng)根據(jù)屬性列語義匹配技術(shù)，查找出所有相似度較高的表分組。它屏蔽了本地?cái)?shù)據(jù)庫之間的異構(gòu)性，使用戶可以透

2、明訪問表中的數(shù)據(jù)而不用處理各數(shù)據(jù)庫之間的異構(gòu)性。該系統(tǒng)主要包括屬性列語義匹配、表相似性分析、用戶交互等模塊。
　　屬性列語義匹配模塊作為系統(tǒng)核心模塊，它將屬性列分類，對(duì)不同類型的屬性列使用不同的相似性度量算法；該模塊首先會(huì)從數(shù)據(jù)庫字典級(jí)別、模式級(jí)別、內(nèi)容級(jí)別提取屬性列特征值，然后通過優(yōu)化的sigmoid函數(shù)對(duì)特征值進(jìn)行規(guī)范化并組成特征向量，最后根據(jù)特征向量計(jì)算屬性列的相似性系數(shù)，對(duì)于字符類型的屬性列，還結(jié)合擴(kuò)展后的TF-IDF算法

3、度量相似性。表相似性分析模塊首先調(diào)用屬性列語義匹配模塊，將表的相似性分析分解為列的相似性分析，然后根據(jù)列的相似性情況確定兩個(gè)表的相似性系數(shù)。用戶交互模塊會(huì)將n:1的相似性列映射反饋給用戶，由用戶根據(jù)實(shí)際情況確定1:1的映射。當(dāng)系統(tǒng)查詢出所有的相似性表分組后，根據(jù)用戶選擇的合適分組，系統(tǒng)會(huì)對(duì)這些分組建立映射存儲(chǔ)語句，并將分組信息存放起來。
　　對(duì)系統(tǒng)屬性列語義匹配模塊和表相似性分析模塊進(jìn)行了測(cè)試。結(jié)果表明，閾值參數(shù)設(shè)置合理，屬性列和