【正文】 。值此論文完成之際，我謹(jǐn)向陳磊老師表示崇高的敬意和深深的謝意！最后，謝謝我的父母。他的嚴(yán)格要求和在研究方法上對(duì)我的指導(dǎo)，在本文的完成過程中，給予我很多的支持和幫助，使我能夠很好的完成這篇論文。 2 陳微 .多數(shù)據(jù)庫查詢接口的設(shè)計(jì)與實(shí)現(xiàn) [碩士論文 ].北京航空航天大學(xué) ,1995。 數(shù)據(jù)庫系統(tǒng)原理 。因此，在以后的工作 中，應(yīng)繼續(xù)改進(jìn)和完善算法，以提高深網(wǎng)查詢接口集成的準(zhǔn)確率。本文提出了 網(wǎng)站查詢接口集成 方法，在模式匹配過程中，通過使用領(lǐng)域本體概念映射方法實(shí)現(xiàn)模式匹配，進(jìn)而避免了傳統(tǒng)屬性兩兩匹配的窮舉匹配算法，大大提高了模式匹配效率；在模式融合過程中，通過定義模式融合規(guī)則對(duì)模式匹配結(jié)果進(jìn)行處理，以產(chǎn)生最終的集成查詢接口。因此，基于 查詢條件 的查詢接口集成方法是一種可行、高效的接口模式集成方法。集成查詢接口精度如表 4 所示： 數(shù)值 屬性編號(hào) 查全率 查準(zhǔn)率 FMeasure 10 86 20 140 30 206 46 306 表 4 深網(wǎng)集成查詢接口深度 通過實(shí)驗(yàn) 3 可以看出，隨著表單數(shù)量的增加， 網(wǎng)站 查詢接口的集成精度趨于穩(wěn)定，并且較高，因此，可以看出 此 查詢接口集成方法是高效可行的。從實(shí)驗(yàn) 2 可以看出，對(duì)于字符類型值融合和離散型數(shù)值融合其精度較高，而對(duì)于區(qū)間型數(shù)值融合由于通常包含修淮南師范學(xué)院 20xx 屆本科畢業(yè)論文 18 飾詞語，需要查找區(qū)間標(biāo)識(shí)符字典才能準(zhǔn)確合并區(qū)間型數(shù)值，其精度主要取決于區(qū)間標(biāo)識(shí)符 step 字典，因此，相對(duì)于字符類型值融合和離散型數(shù)值融合，區(qū)間型數(shù)值融合精度較低。查全率指由算法所識(shí)別出的正確融合屬性占所有融合屬性的百分比，查準(zhǔn)率指由算法所識(shí)別出的正確融合屬性占所識(shí)別融合屬性的百分比。因此，一般來說，領(lǐng)域本體知識(shí)庫越完備屬性匹配精度越高。原因在于模式匹配的過程中，不斷地將未 包含于本體中的概念加入到本體的適當(dāng)位置，使得領(lǐng)域本體不斷完善。 網(wǎng)站 查詢接口集成的數(shù)據(jù)集來自 UIUC 集成知識(shí)庫，從該數(shù)據(jù)集中選 擇 46 個(gè)圖書領(lǐng)域查詢接口用以驗(yàn)證本文的方法。 為了進(jìn)一步驗(yàn)證本文方法的可行性和高效性，分別進(jìn)行以下 3 個(gè)實(shí)驗(yàn)： 實(shí)驗(yàn) 模式匹配 采用信息檢索中的查全率、查準(zhǔn)率和 F－ Measure 來評(píng)價(jià)查詢接口模式匹配的精度。如果用戶從區(qū)域 2 中選擇一些 URL，那么經(jīng)過模式抽取和模式匹配后，將在區(qū)域 4 中產(chǎn)生這些ＵＲＬ的集成查詢接口；如果用戶需要比較某個(gè)源查詢接口和集成查詢接口的差異時(shí)，用戶可以從區(qū)域 2 中選擇源查詢接口的 URL，雙擊該 URL，其接口 結(jié)構(gòu)將在區(qū)同類網(wǎng)站查詢接口的集成系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 17 域 3 中顯示。以圖書領(lǐng)域?yàn)槔?，如果集成查詢接口屬性個(gè)數(shù)閾值設(shè)置為 10，相似度閾值設(shè)置為 。進(jìn)行調(diào)用。工具構(gòu)建領(lǐng)域本體，并通過 java API 對(duì) Prot233。 4 實(shí)驗(yàn) 應(yīng)用 Prot233。 規(guī)則 如果集成查詢接口的屬性包括所有源查詢接口屬性，那么集成查詢接口屬性的數(shù)量可能會(huì)較多。 查詢接口 集成 的 布局規(guī)則如下： 規(guī)則 當(dāng)布局集成查詢接口時(shí)，首先按照全局屬性的位置平均值升序排序，值較小的屬性排列在前面。 定義 屬性位置平均值 (attribute average position)。通常，查詢接口的前幾個(gè)屬性的使用頻率比后面屬性的使用頻率高。 一般情況下，用戶友好的、重要的、使用頻率高的屬性出現(xiàn)在查詢接口的前面位置。此時(shí)，需要建立一個(gè)語義詞典保存常用的 range 標(biāo)識(shí)，并記錄 range 的含義，如表 1 所示： 范圍修飾符 符號(hào) 小于 大于 超于 遠(yuǎn)超于 ?? ?? 表 1 區(qū)間標(biāo)識(shí)符字典 例 如果 2 個(gè)源查詢接口的同義屬性的屬性值均含有數(shù)值區(qū)間類型值，那么在合并值的過程，首先解析屬性值，對(duì)于未出現(xiàn)于區(qū)間標(biāo)識(shí)符字典中的字符 (除數(shù)字外 )用空格表示，出現(xiàn)過的字符，根據(jù)區(qū)間標(biāo)識(shí)符字典，將屬性值表示為數(shù)值區(qū)間。 ②對(duì)于區(qū)間型數(shù)值一般由數(shù)值和區(qū)間 (range)修飾語聯(lián)合表示。 圖 4 合并字符型實(shí)例值例子 數(shù)值類型值融合：分為離散型數(shù)值和區(qū)間型數(shù)值。即使用基于本體的短語相似度算法獲得兩個(gè)包含多個(gè)單詞的屬性值的相似度，如果相似則選擇最常用的值作為全局屬性值。 例如，將 NKN 轉(zhuǎn)換成 NIKON 需要添加 2 個(gè)字符，而較長(zhǎng)的字串長(zhǎng)度為 5，因此它們的編輯距離為 ，即 。兩個(gè)屬性名字的一種近似字符串匹配 是找出兩個(gè)名字字符串的編輯距離是否在一個(gè)允許的閾值σ內(nèi)。 字符類型值融合 (Merging alphabetic domains)：使用值之間的語義關(guān)系來合并它們并生成全局值集合。 3）、 查詢接口 集成的 屬性值 (即搜索空間 )的確定 在查詢接口 集成 屬性值的選擇過程中，根據(jù)屬性類型的不同，屬性值融合分為 2 種方式：字符類型屬性值融合和數(shù)值類型屬性值融合。 2）、 查詢接口 集成 屬性類型的確定 根據(jù)類型識(shí)別器識(shí)別各屬性的類型，屬性類型由以下兩個(gè)規(guī)則確定： 規(guī)則 如果所有已匹配同義屬性具有相同的類型 (ｄｏ MAiN ｔｙｐ e)，那么全局屬性的屬性類型為該類型。接口模式的融合包括 4 個(gè)方面： 1）、 查詢 接口 集成 屬性標(biāo)簽的確定 同類網(wǎng)站查詢接口的集成系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 13 網(wǎng)站 查詢接口集成以源查詢接口模式作為輸入，通過 DOCM 建立語義相近屬性間的映射關(guān)系，將多個(gè)數(shù)據(jù)庫模式生成為模式元素間屬性與 DOCM 中概念的映射，在不同查詢接口間發(fā)現(xiàn) 1:1 匹配和 M:N 匹配，使這些模式合并為統(tǒng)一的全局模式。 圖 3 映射表 通過映射關(guān)系能夠自動(dòng)識(shí)別相同語義查詢接口的不同表現(xiàn)形式，將異構(gòu)數(shù)據(jù)庫進(jìn)行整合。 3）、記錄匹配關(guān)系 映射表結(jié)構(gòu)如 圖 3 所示，它記錄了 DOCM 中每個(gè)本體概念與之相匹配的所有源查詢接口屬性之間的映射關(guān)系。因此，需要對(duì)每個(gè)詞匯使用詞干分析算法提取詞干。 Step轉(zhuǎn)換詞匯中的縮寫和簡(jiǎn)寫。停用詞是指那些在語言中常常出現(xiàn)、但是可以忽略的單詞。 Step轉(zhuǎn)換所有的大寫字符為與之等價(jià)的小寫字符。 查詢接口 集成 模式匹配詳細(xì)流程如圖 2 所示： 圖 2 查詢接口 集成 模式匹配過程 其過程可以分為 3 個(gè)階段： 1)、 數(shù)據(jù)預(yù)處理 為了避免因?yàn)樾问缴系牟顒e導(dǎo)致丟失匹配，在執(zhí)行匹配過程之前，需要對(duì)查詢接口及 DOCM 進(jìn)行標(biāo)準(zhǔn)化處理。由于源查詢接口屬性“ category”與DOCM 中主類“ subject”相似，因此，需要合并屬性值，以確定實(shí)例空間。對(duì)于查詢接口屬性 A*的實(shí)例 Ins*j， Ins*j∈｛ CI*｝，存在以下幾種情況： 1)如果 INｓ *j∈｛ CIi｝，那么 Nih\j＝ Nij＋ 1； 2)如果 INs*j｛ CIi｝，｛ CIi｝＝｛ INS1，? INsk｝， SiM(Ins*j， INsM)＝ Mａｘ｛ SiM(Ins*j，INS1)， SiM(Ins*j， INS2)，?， SiM(INｓ *j， INsk)｝≥σ， 1≤ M≤ k，那么 NiM＝ NiM＋ 1，否則表示實(shí)例 INs*j 的概念不存在于 Ai 的實(shí)例中，那么將 INs*j 作為一個(gè)新實(shí)例加入 DOCM 中類 Ai 的｛ CIi｝中，同時(shí)，將新實(shí)例的初始計(jì)數(shù)器設(shè)置為 1。假設(shè) A*表示 Web 數(shù)據(jù)庫查詢接口的屬性， Ai表示DOCM 中概念節(jié)點(diǎn) Ci 的概念主類，｛ CI*｝表示 A*的實(shí)例集合，｛ CIi｝表示 Ai 的實(shí)例集合，｛ NI1， NI2，?， Nik｝表示 Ai 的 k 個(gè)實(shí)例計(jì)數(shù)器集合。例如：某個(gè)源查詢接口中存在屬性“ 公共屬性 ”，它包含 2 個(gè)條件屬性“ date from”和“ date to”，當(dāng)查找 DOCM 時(shí)， DOCM 中包含類屬性“ from”和“ to”，并且類屬性“ from”和“ tp”在 DOCM 中的概念主類為“ 出版日期 ，那么通過比較可知源查詢接口屬性“ publication”與 DOCM 中主類“ 出版日期 ”是相似的，進(jìn)而可以推知“ publication”與“ from”和“ to”為 1:M 匹配，“ date from”與“ publication date”為 M∶ 1 匹配，“ from”和“ to”與“ date from”和“ date to”為 M： N 匹配。通過比較，如果發(fā)現(xiàn)查詢接口 QI1 中屬性 e 與 DOCM 中主類 g 相似，并且在 g 的同義詞集合中包括同義詞 f，那么 DOCM 中的主類 g 可以看作“橋接”，進(jìn)而推出查詢接口 QI1 中屬性 e 和查詢接口 QI2 中屬性 f 是相似的，此時(shí)查詢接口 QI1 中屬性 e 和查詢接口 QI2 中屬性 f 為 1:1 的簡(jiǎn)單匹配。相比于傳統(tǒng)模式匹配方法，大大提高了匹配精度并降低了模式匹配過程的復(fù)雜性。如果 Sim(P1， P2)＝ Sim(P1， P3)≥δ成立，那么可以推測(cè)短語 P2 和短語 P3 是語義相似的