面向Web數(shù)據(jù)集成的實(shí)體統(tǒng)一技術(shù)研究.pdf

1、當(dāng)今時(shí)代隨著Internet的高速發(fā)展，越來(lái)越多的人使用互聯(lián)網(wǎng)來(lái)獲取他們想要的信息，但是網(wǎng)上的信息量是如此之巨大以至于一個(gè)人總是不能完全的和精確地獲取他想要的信息。在這種情況下，Web數(shù)據(jù)集成應(yīng)運(yùn)而生，它可以使得應(yīng)用程序從一個(gè)單獨(dú)的數(shù)據(jù)源獲取數(shù)據(jù)，也即把多個(gè)異構(gòu)Web數(shù)據(jù)源的數(shù)據(jù)集成到數(shù)據(jù)倉(cāng)庫(kù)中，便于用戶使用。Web數(shù)據(jù)集成即是集成多個(gè)Web數(shù)據(jù)源中的信息，給用戶提供一種統(tǒng)一的視圖以及多種應(yīng)用層的服務(wù)，例如情報(bào)分析，決策分析，報(bào)表生成等

2、等。
　　 在異構(gòu)數(shù)據(jù)源集成的過(guò)程中，會(huì)出現(xiàn)一些諸如實(shí)體表象不一致，拼寫(xiě)錯(cuò)誤，縮寫(xiě)等等的情況導(dǎo)致多個(gè)相同或者相似的表象指向同一個(gè)現(xiàn)實(shí)世界中的實(shí)體或者同一表象指向不同的實(shí)體。這會(huì)帶來(lái)數(shù)據(jù)冗余，數(shù)據(jù)不一致等等問(wèn)題，實(shí)體統(tǒng)一技術(shù)即用來(lái)解決這些問(wèn)題。
　　 Web數(shù)據(jù)集成環(huán)境下數(shù)據(jù)出現(xiàn)了新的特點(diǎn)，因此實(shí)體統(tǒng)一技術(shù)面臨新的問(wèn)題和挑戰(zhàn)。本文的主要工作有以下幾個(gè)方面：
　　 1.根據(jù)Web數(shù)據(jù)集成針對(duì)的領(lǐng)域不同，集成后的數(shù)據(jù)庫(kù)

3、中與某待統(tǒng)一實(shí)體相關(guān)的數(shù)據(jù)分為兩種，第一種為實(shí)體屬性值豐富的情況。在這種情況下，利用比較兩個(gè)實(shí)體表象的公共屬性值的pair-wise方法就能很好的解決實(shí)體統(tǒng)一問(wèn)題。由于屬性和屬性值都較為豐富，本文著重研究屬性之間的層次關(guān)系以及不同屬性的重要度問(wèn)題，提出了基于決策樹(shù)方法的實(shí)體統(tǒng)一模型。
　　 2.在很多情況下，由于Web數(shù)據(jù)抽取技術(shù)以及模式匹配技術(shù)的不確定性，集成后的數(shù)據(jù)庫(kù)中與某待統(tǒng)一實(shí)體相關(guān)的數(shù)據(jù)會(huì)存在很多缺失屬性值，例如在作者

4、匹配問(wèn)題中，有些作者在工作單位屬性上有值，而有些作者無(wú)法獲取其工作單位的屬性值，這就造成了屬性值缺失的情況。在這種情況下，比較兩個(gè)實(shí)體表象的公共屬性值的pair-wise方法無(wú)法很好的解決實(shí)體統(tǒng)一問(wèn)題，需要一種新的解決方案。由于關(guān)系數(shù)據(jù)庫(kù)中不同實(shí)體之間可以建立關(guān)聯(lián)，從而構(gòu)建圖結(jié)構(gòu)，因此本部分著重研究利用圖方法建立實(shí)體之間的關(guān)聯(lián)，計(jì)算相似度，從而有效解決屬性值缺失情況下的實(shí)體統(tǒng)一問(wèn)題。
　　 3.在Web數(shù)據(jù)集成環(huán)境中經(jīng)常存在多類

5、型實(shí)體需要統(tǒng)一的情況。對(duì)于這種情況，對(duì)每種類型實(shí)體進(jìn)行獨(dú)立統(tǒng)一無(wú)法利用已有實(shí)體統(tǒng)一的結(jié)果，同時(shí)也無(wú)法對(duì)后來(lái)實(shí)體統(tǒng)一進(jìn)行促進(jìn)。因此，本文研究了多類型集合實(shí)體統(tǒng)一，也即集合統(tǒng)一多種實(shí)體類型，使得已有的實(shí)體統(tǒng)一結(jié)果對(duì)后來(lái)的結(jié)果產(chǎn)生促進(jìn)作用并達(dá)到較每種類型獨(dú)立統(tǒng)一更好的效果。
　　 本文對(duì)Web數(shù)據(jù)集成環(huán)境中如何有效的進(jìn)行實(shí)體統(tǒng)一進(jìn)行了探索性的研究，希望為該問(wèn)題的解決提供一種有效的思路和方法。本文的研究不但為實(shí)體統(tǒng)一提供了思路和方法，同