[发明专利]保证语义正确性的动态分层集成数据访问方法

说明书

技术领域

本发明涉及数据工程领域的集成数据访问方法。

背景技术

数据是驱动现代企业业务发展的关键要素之一，实现数据资产业务价值的最大化是当代企业的首要目标之一。然而，虽然企业数据资产的逐年递增，但是当前利用信息的能力和手段仍然相对落后，信息过载（Information Overloading）问题已经越来越成为困扰人们的难题。造成这一问题的根本原因在于：人们在信息系统的建设过程中忽视顶层规划和设计，导致现有的数据环境异常复杂，数据的综合利用难度极大。因此，企业和科研机构在数据集成和访问方面的投入开始逐年增加。有调查表明，到2012年为止，全球在数据集成和访问技术方面的投入将会增长到30亿美元以上。

数据集成技术已经发展了三十多年，到目前为止可分为以数据仓库为代表的物化集成方式(Materialized Approach)和以Wrapper/Mediator为代表的虚拟集成方式(Virtual Approach)。其中，前者建造和维护的成本高昂，时效性也存在明显缺陷；而后者则较为灵活，更适合于对Web环境下自治、分布式的关系数据源进行集成。现有的数据集成方案通常在语法层面或者术语语义层面解决关系数据库的模式异构问题，经常无法向上层应用提供优质、正确的数据，因而难以支持企业智能决策向更加高端的方向发展。

目前基于本体进行数据集成和访问的研究已经有了多年的发展，虽然已经取得了一定成果，但是尚未有能够解决集成数据访问的解决方案。现有的研究成果可归为三类：（1）仅以解决模式异构问题为目标的传统的基于本体的数据集成方法，（2）以解决术语级语义的数据访问为基本目标的数据访问方法（3）以解决模式级语义的数据访问为基本目标的数据访问方法。

1.传统的基于本体的集成数据访问方法

本体技术于上世纪90年代中期出现并最先应用于数据集成领域。但是长期以来，本体的主要作用是充当领域的共享词汇集，人们希望通过本体来屏蔽对数据源描述的差异。Michael Gruninger等人在1996年的第十二届人工智能大会上提出，本体是足够描述领域知识的一个公理集合。传统基于本体的集成数据访问方法对本体的定位较低，在集成过程中并不关注本体中的公理类型以及本体自身的表达能力和推理复杂度，而且在查询处理过程中通常不涉及本体的ABox推理（这里的ABox是指依据本体公理定义而表示的个体信息）。比较有代表性的系统有1996年在期刊《Advanced Planning Technology》上的文章Query Processing in the SIMS Information Mediator中公布的SIMS(Search In Multiple Source)系统、1996年在第一届国际协作信息系统大会上的文章An approach for query processing in global information systems based on interoperability between pre-existing ontologies中公布的OBSERVER(Ontology Based System Enhanced with Relationships for Vocabulary hEterogeneity Resolution)项目、1997年在ACM大会上的文章The context interchange mediator prototype中公布的COIN(COntext INterchange)项目等。依据引入本体的数量和方式，通常可以区分为单本体方式（如SIMS）、多本体方式（如OBSERVER）和混合方式（如COIN）。

传统的基于本体的集成数据访问方法主要解决异构数据源集成问题，其数据访问并不能提供给用户高质量的数据，即无法保证数据语义的正确性。因而，通常本体在这类系统所起到的作用有限，查询处理的过程通常并不涉及本体的ABox推理。

2.面向术语级语义的数据访问方法