支持Web深层数据库网格的部分关键技术的研究

当前,深层Web数据库数量急剧增加,然而其知识并没有得到有效的利用.本文提出将特定的深层Web数据库应用于网格环境中的思想,并针对支持深层Web数据库网格的部分关键技术进行研究,主要包括：（1）深层Web数据库元信息定义模型与模式抽取模型的研究;（2）多层次的模式匹配模型和自协调模型研究;（3）基于属性松弛的Web数据库查询与集成模型研究;（4）多目标函数代价模型和面向局部性的自适应优化调度模型研究.研发成果将为构建深层Web数据库网格提供良好的支持,就像网格的概念所定义的一样,为用户提供统一的接口,可按需为消费者提供集成的深层Web数据知识.其具有广阔的应用前景.     

SKM:一种基于模式结构和已有匹配知识的模式匹配模型

针对已有基于模式结构的模式匹配方法的局限性,提出了一种利用模式结构信息和已有匹配知识的模式匹配模型——SKM(schema and reused knowledge based matching model).在该模型中,借鉴神经网络元之间的影响过程实现语义匹配推理;通过重用已有匹配知识深入挖掘模式元素之间的深层语义关系;基于已有匹配知识自动缩减不确定阈值区之间来确定匹配阈值,有效减少人工干涉;给出了简单的确定模式元素之间匹配关系的方法;同时通过自适应式迭代模型,进一步挖掘求精已有匹配知识.实验结果表明,SKM模型切实可行.     

SMGM：一种基于模式结构和已有匹配知识的模式匹配模型

模式匹配是确定模式间语义匹配关系的技术，它在许多应用中起着重要的作用，如数据集成中异构模式信息整合、本体知识映射、电子商务中消息映射等。针对已有模式匹配方法的局限性，本着最大限度地减少人工干预使模式匹配自动化的原则，本文提出一种利用模式结构信息和已有匹配知识的模式匹配模型SMGM。它借鉴神经网络元间影响作用过程实现语义匹配推理；通过重用已有匹配知识，补充、精化匹配知识，自动缩减不确定阈值区间；并给出一种自适应式迭代挖掘求精已有匹配知识的自学习型模式匹配模型。实验表明：SMGM模型切实可行。