半結(jié)構(gòu)化數(shù)據(jù)到結(jié)構(gòu)化數(shù)據(jù)的映射模式抽取與XML語義約束研究.pdf

1、WEB的普遍應(yīng)用使INTERNET變得更加豐富多彩,也推動(dòng)了INTERNET技術(shù)的深入發(fā)展.WEB上的應(yīng)用,如電子商務(wù)、信息交換、查詢檢索、信息發(fā)布等越來越多,使WEB成為重要的來源.然而WEB數(shù)據(jù)是一種半結(jié)構(gòu)化數(shù)據(jù),無法直接用關(guān)系數(shù)據(jù)庫進(jìn)行管理,如何實(shí)現(xiàn)半結(jié)構(gòu)化數(shù)據(jù)與大量的處于關(guān)系數(shù)據(jù)庫管理下的結(jié)構(gòu)化數(shù)據(jù)的集成和信息共享就成為了研究的熱點(diǎn).該文對(duì)半結(jié)構(gòu)化數(shù)據(jù)/XML的背景知識(shí)以及在WEB上的應(yīng)用進(jìn)行了闡述,在此基礎(chǔ)上重點(diǎn)論述了用具有成

2、熟技術(shù)和高效性能的RDBMS來管理結(jié)構(gòu)化數(shù)據(jù)的方法,即"以關(guān)系數(shù)據(jù)為存貯手段,以XML為交換載體"的方式將半結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)集成起來.我們使用半結(jié)構(gòu)化到結(jié)構(gòu)化數(shù)據(jù)映射模式抽取技術(shù)來實(shí)現(xiàn)半結(jié)構(gòu)化數(shù)據(jù)到結(jié)構(gòu)化數(shù)據(jù)的無損映射,包括使用DTD/SCHEMA的進(jìn)行映射模式抽取的方法和基于數(shù)據(jù)挖掘進(jìn)行映射模式抽取的方法.前者依賴于DTD/SCHEMA的定義,主要通過簡化DTD定義的復(fù)雜性、深度優(yōu)先搜索DTD圖將其分解為ER關(guān)系;后者不依賴于D