[发明专利]基于属性共现模式的DeepWeb查询接口模式匹配方法

摘要

本发明公开了一种基于属性共现模式的Deep Web查询接口模式匹配方法，Deep Web查询接口作为获得Web数据库信息的唯一途径，集成问题的首要任务是完成查询接口间的模式匹配。本发明抓住某特定领域属性在各个Deep Web数据源的共现模式，即具有组关系的属性通常会一起出现，以及具有匹配关系的属性几乎不会一起出现的特点，设计了组关系度量和匹配关系度量。同时考虑到匹配得分阈值因依赖于领域而较难确定的特点，为保证算法的灵活性，算法并未设置该阈值。最后，本文利用一种贪心策略，识别出当前具有更高匹配得分和更丰富语义的匹配关系，并采用特定的消除匹配冲突的策略，从而找到某特定领域存在的多分支复杂匹配集。

主权项

一种基于属性共现模式的Deep Web查询接口模式匹配方法，其特征在于，包括如下步骤：步骤1，从每个数据源的查询接口抽取的模式集合S，找到所述模式集合S出现模式频率大于等于阈值Tc的属性集合A；根据属性集合A中每两个属性在所述模式集合S中的一起出现的次数，通过组关系度量公式计算出组得分；组得分大于组关系阈值Tg的两个属性为一个属性组，所有这样的属性组构成一个集合Gp；步骤2，根据步骤1得到的的集合Gp，根据向下闭包性质，找到具有属性个数更多的组关系的集合G；步骤3，发现的G中的每个潜在的属性组分别作为一个整体加入到步骤1得到的属性集合A中；步骤4，对于集合A中的所有属性组，根据匹配关系度量计算公式，计算出每两个属性组的匹配得分，匹配得分大于零的所有的匹配，构成一个匹配集合Mp；所述步骤4包括步骤4‑1，步骤4‑2：步骤4‑1，对于所有属于集合A的两个属性组Gi，Gj，其中Gi≠Gj，得出Gi和Gj在查询接口模式集合S中的一起出现的次数f11，在查询接口模式集合S中Gi出现但Gj不出现的次数f10，在查询接口模式集合S中Gi不出现但Gj出现的次数f01，Gi在查询接口模式集合S中出现的次数f1+、Gj在查询接口模式集合S中出现的次数f+1，其中，对这类属性组出现次数的计算方式为：如果该属性组的任意一个属性出现在某个接口模式中，则该属性组的出现次数加一，因为属性组的每个属性，都部分代表了该属性组的概念或语义；如果该属性组的所有属性都未出现在某个接口模式中，则该属性组的不出现次数加一；步骤4‑2，根据本发明匹配关系度量rm的计算公式，计算出属性组Gi和Gj的匹配得分，对于匹配得分大于零的两个属性组Gi和Gj，则构成一个匹配Mk，判断其具有匹配关系，对于找到的所有的匹配，构成一个匹配集合Mp；步骤5，根据步骤4得到匹配集合Mp，根据向下闭包性质，找到具有属性组个数更多的复杂匹配关系的集合M；步骤6，从复杂匹配关系的集合M中识别出所有真正的复杂匹配是一个不断迭代的过程，每一次迭代，从复杂匹配关系的集合M中，选取一个真正的复杂匹配Mt后，剩余的某些潜在匹配必然与这个真正的复杂匹配存在冲突，经过冲突处理的潜在复杂匹配集进入下一轮迭代过程，即选取下一个具有当前最高匹配得分的复杂匹配，迭代过程继续，直至经过冲突处理的复杂匹配关系的集合M为空；步骤7，输出多分支复杂匹配集合。