一种有效的XML数据清洗方法

研究XML格式的重复数据元素的特点,提出对于特定应用领域,在具体的上下文环境中主动学习XML重复元素的识别规则。通过结构转换,将结构不尽相同的XML数据映射成结构一致的数据,并通过学习不同层次数据元素间的依赖关系权重来获得匹配规则。根据学习得到的转换和匹配规则,采用哈希过滤的方法来提高检测重复XML元素的效率。该方法能够有效地解决XML重复检测面临的结构多样性的问题,理论分析和实验表明,该方法有较高的精度和效率。     

基于用户请求服务的QoS评价模型

进行SOA系统构建时,在选择同一功能服务不同物理实现的过程中,需要考虑用户适合度。提出根据用户需求确定服务QoS属性集的方法,该方法用扩展的WSDL协议描述服务QoS,量化服务QoS和用户QoS需求。构建基于用户请求的服务质量模型和相应算法,完成对最佳用户适合度服务物理实现的选择。     

Internet上的数据库联合查询优化

Ｉｎｔｅｒｎｅｔ是一个大型１自治的分布式系统,其结点正日益成为数据库系统,Ｉｎｔｅｒｎｅｔ形成的新环境要求重新考虑现行分布式数据库技术的许多概念,文中对Ｉｎｅｒｎｅｔ上－－类重要的查询－－联合查询作了代娄分析,指出联合查询的优化是一个ＮＰ完备问题,然后提出酌情处理较低的启发式查询优化算法,采取“扩展半连接”的思路降低通信费用,以“本地析取、异地合取”的策略减少响应时间。     

异构数据源集成中的模式映射技术

模式映射是异构数据源集成中实现查询重形成（Reformulation）的关键技术，本文首先介绍了模式映射的集中式和非集中式集成体系，总结了定义模式映射的3种基本形式：GAV、LAV和GLAV，重点探讨了模式映射中的核心技术：模式匹配和映射生成，最后讨论了模式映射技术新的研究议题。     

从ER模式到OWL DL本体的语义保持的翻译

提出了一种从ER模式到OWL DL本体的语义保持的翻译方法.该方法在形式化表示ER模式的基础上,建立ER模式和OWL DL本体之间精确的概念对应,通过一个翻译算法按照一组预定义的映射规则实现模式翻译.理论分析表明,该方法是语义保持的和有效的;算法实现和案例研究进一步证实,完全自动的机器翻译是可实现的.该文方法是原创性的,为Web本体的开发以及数据库和语义Web之间语义互操作的实现开辟了一条有效途径.     

高维数据流的在线相关性分析

为了解决在资源受限的计算环境下快速检测高维数据流之间相关性的问题，提出一种新颖的在线典型相关性分析（CCA）算法QuickCCA，针对传统CCA计算中的性能瓶颈，首先采用不等概列采样技术约减流元组的数量，形成概要矩阵；然后在概要矩阵的基础上增量地计算多维数据流之间的前k个典型相关系数．经理论分析和实验证明，QuickCCA能够在线精确地识别同步滑动窗口模式下多维数据流之间的相关性．与已有分析多数据流相关性的算法相比，QuickCCA显著地降低了计算复杂度，并且能够在精度和性能之间折中，可以作为通用的分析工具广泛应用于数据流挖掘领域．     

一种基于规则的交互式数据清洗技术

以往数据清洗工具在三个方面存在不足:工具和用户之间缺少交互,用户无法控制过程,也无法处理过程中的异常;数据转化和数据清洗规则缺少逻辑描述,没有达到与物理实现的分离;缺少元数据管理,用户很难分析和逐步调整数据清洗过程。文中提出了一种新的基于规则描述的交互式数据清洗框架,解决了上述三个方面存在的不足,提高了数据清洗的效率,使得数据的质量得到保证。并通过描述清洗规则的定义和执行,详细阐述了该清洗框架的结构。     

ETL执行的流水线优化

ETL工具是构建和维护数据仓库的基本构件，由于它处理的是海量数据．如何有效地加快响应时间成为值得研究的问题．本文提出了ETL过程的“主表衍生”模式．并针对这种模式采用流水线算法来提高并行性从而加快ETL过程的响应时间，理论分析和实验表明具有好的效果．     

数据流管理技术

最近,人们已经广泛认识到：在某些新的应用领域中,把数据看作瞬时的数据流比看作持久的关系更为适合。本文首先分析了传统数据库管理系统处理数据流的局限性,然后分析了三个典型的数据流管理系统的基本实现技术,讨论了当前数据流管理技术的研究现状和今后的研究方向,最后,给出了一个数据流管理原型系统的体系结构。     

多数据流滑动窗口并发连接方法

提出一种多数据流滑动窗口连接方法M3Join及其实现架构Roujoin．Roujoin由一个连接路由表和多个连接区组成,其内容根据并发连接请求设置,先将新元组插入缓冲区,然后根据其路由标记查找连接路由表进入合适的连接区执行连接或输出给用户．如果产生连接元组,则更改其路由标记后送回连接路由表,并反复迭代直到没有连接元组．由于共享中间结果,在处理多个并发查询时只需扫描流元组一遍．实验结果表明M3Join具有良好的性能,能够满足并发连接查询处理的需求．