基于上下文仲裁的語義信息集成方法研究.pdf

1、對分布異構(gòu)的數(shù)據(jù)源進行無縫訪問來獲得相關(guān)的信息，從而達到信息共享、重用和信息系統(tǒng)之間的互操作已經(jīng)成為當(dāng)前信息社會越來越緊迫的需要。而數(shù)據(jù)源之間存在的多種異構(gòu)極大地阻礙了這種需要的實現(xiàn)。消除數(shù)據(jù)源之間的語義異構(gòu)是信息集成的核心問題之一。
　　 基于本體的語義信息集成通過建立本體來描述全局模式，在本體和各個異構(gòu)的數(shù)據(jù)源模式之間建立模式映射來消除數(shù)據(jù)源之間的語義異構(gòu)。這種解決辦法的不足之處在于：通過模式映射的方式解決的僅僅是數(shù)據(jù)源之間

2、的模式級異構(gòu)而數(shù)據(jù)源之間的異構(gòu)不僅僅包括模式異構(gòu)，還包括其他類型的異構(gòu)。片面地解決其中某一種異構(gòu)，得到的結(jié)果不僅不能讓用戶充分共享和重用已有的信息，反而會給用戶造成迷惑和誤解，導(dǎo)致用戶做出錯誤的判斷。
　　 為了全面解決多種語義異構(gòu)，首先要對分布數(shù)據(jù)源之間的語義異構(gòu)進行研究和分析。信息的上下文語義是數(shù)據(jù)源的設(shè)計者對信息所設(shè)定的一些假設(shè)和前提，描述的是數(shù)據(jù)源模式暗含的語義，這種語義無法為計算機理解和處理。為了解決上下文語義，首先需

3、要研究上下文語義的形式化表示。用一個四元組(D,S,CV,F)對數(shù)據(jù)源的上下文語義進行形式化表示，這是一種緊密耦合的上下文描述方法。在此基礎(chǔ)上，將上下文仲裁機制引入已有的基于本體的語義信息集成中，將原來的用三元組（G，S，M）表示的信息集成系統(tǒng)擴展為用五元組（G，S，C，M，B）表示，實現(xiàn)上下文異構(gòu)的自動檢測和處理。
　　 解決上下文異構(gòu)的核心問題是在同一上下文類型內(nèi)部的不同取值之間進行轉(zhuǎn)換。根據(jù)各上下文異構(gòu)的特點，對于上下文異

4、構(gòu)的四種情況，分別提出了相應(yīng)的上下文轉(zhuǎn)換方法。對于發(fā)生在數(shù)值型屬性之間的單位異構(gòu)和數(shù)量級異構(gòu)，提出了一種基于星型模型的上下文轉(zhuǎn)換方法；對于發(fā)生在枚舉型屬性之間的表示異構(gòu)，提出了一種基于等價類的上下文轉(zhuǎn)換方法；對于發(fā)生在抽象數(shù)據(jù)類型的屬性之間的格式異構(gòu)，提出了一種基于元數(shù)據(jù)格式描述的上下文轉(zhuǎn)換方法。這些上下文轉(zhuǎn)換方法的共同目標(biāo)是減少需要預(yù)定義的轉(zhuǎn)換規(guī)則的數(shù)量，提高上下文轉(zhuǎn)換的適應(yīng)性、擴展性、可維護性和轉(zhuǎn)換效率。
　　 實體異構(gòu)是分

5、布數(shù)據(jù)源之間普遍存在的數(shù)據(jù)級異構(gòu)。已有的實體異構(gòu)解決方案中存在的主要問題是效率和精度問題。通過提出一種基于上下文仲裁機制的兩階段特征向量處理方法來解決信息集成中實體識別的效率問題，通過設(shè)計一個基于公共子串的字符串相似性比較函數(shù)以改進信息集成中實體識別的精度問題。
　　 為了增強系統(tǒng)解決語義異構(gòu)的能力，在現(xiàn)有的基于本體的語義信息集成系統(tǒng)的基礎(chǔ)上進行了兩次擴展。第一次擴展是在基于本體的語義信息集成的基礎(chǔ)上引入上下文仲裁機制，使得擴展