![](https://csdnimg.cn/release/download_crawler_static/18954511/bg1.jpg)
基于
基于基于
基于布尔
布尔布尔
布尔矩阵的
矩阵的矩阵的
矩阵的
Deep Web
复杂模式
复杂模式复杂模式
复杂模式匹配
匹配匹配
匹配
龚桂芬
龚桂芬龚桂芬
龚桂芬
1
,
,,
,伏玉琛
伏玉琛伏玉琛
伏玉琛
1,2
,
,,
,程远虎
程远虎程远虎
程远虎
1
(1. 苏州大学计算机科学与技术学院,江苏 苏州 215006;
2. 江苏省现代企业信息化应用支撑软件工程技术研发中心,江苏 苏州 215104)
摘
摘摘
摘 要
要要
要:
::
:在正负关联规则中引入布尔矩阵的概念,在双重相关性挖掘算法的基础上提出一种 Deep Web 复杂模式匹配算法。将查询接口模
式中的属性项转化成布尔矩阵,通过对矩阵进行正关联规则运算挖掘组属性,对矩阵进行负关联规则运算挖掘同义属性。实验结果表明该
算法的执行效率较高。
关键词
关键词关键词
关键词:
::
:布尔矩阵;模式匹配;查询接口;深网
Deep Web Complex Schema Matching Based on Boolean Matrix
GONG Gui-fen
1
, FU Yu-chen
1,2
, CHENG Yuan-hu
1
(1. School of Computer Science and Technology, Soochow University, Suzhou 215006, China;
2. R&D Center of Jiangsu Modern Enterprise Informationization Application Support for Software Engineering Technology, Suzhou 215104, China)
【
【【
【Abstract】
】】
】This paper introduces the Boolean matrix into the both positive and negative association rules, based on the Duel Correlated Mining
(DCM) algorithm, it presents a Deep Web complex schema matching algorithm. It transforms the attributes in the query interface schemas into a
Boolean matrix, mines group attributes by positively calculating for matrix and mines synonymous attributes by negatively calculating for matrix.
Experimental results show that the algorithm has higher efficiency.
【
【【
【Key words】
】】
】Boolean matrix; schema matching; query interface; Deep Web
DOI: 10.3969/j.issn.1000-3428.2011.12.016
计 算 机 工 程
Computer Engineering
第 37 卷 第 12 期
Vol.37 No.12
2011 年 6 月
June 2011
·
··
·软件技术与数据库
软件技术与数据库软件技术与数据库
软件技术与数据库·
··
·
文章编号
文章编号文章编号
文章编号:
::
:1000—
——
—3428(2011)12—
——
—0047—
——
—03
文献标识码
文献标识码文献标识码
文献标识码:
::
:A
中图分类号
中图分类号中图分类号
中图分类号:
::
:TP391
1
概述
概述概述
概述
随着信息时代的高速发展,传统的搜索引擎或爬虫程序
所 发 掘 的 静 态 页 面 信 息 已 不 能 满 足 用 户 的 需 求。要 想 从
Internet
海量的信息中挖掘更多、更广的信息,必须不断地“深
入”下去。因此,可以将
Internet
中蕴含的信息根据其深度
分为两大类,即表层网
(Surface Web)
和深网
(Deep Web)
。而
Surface Web
就是指通过传统的搜索引擎或爬虫程序能搜索
的页面,并且这些页面往往都是由静态链接组成。
Deep web
是与之相对的,传统的搜索技术或爬虫程序难以发现其信息
内容的页面,通常是指
Web
中在线数据库,其信息量约是
Surface Web
的
400
倍
~500
倍
[1]
,且这个数量还在不断地增长。
为了获取
Deep Web
中隐藏的大量的、有价值的信息,
必须对这些在线的数据源进行集成,建立一个统一的接口来
识别各个查询接口不同的语义表现形式。模式匹配是统一查
询接口建立的关键。模式匹配是指在
2
个或多个模式的元素
之间建立映射关系。本文分析查询接口属性,基于布尔矩阵
的关联规则对查询接口模式进行复杂匹配。
2 Deep Web
模式匹配
模式匹配模式匹配
模式匹配
当前,
Deep Web
中模式匹配根据其匹配的基数可分为
2
种:简单模式匹配方法
(1:1
匹配
)
,复杂模式匹配方法
(1:
n
匹配,
n
:1
和
m
:
n
匹配
)
。简单匹配方法是指不同查询接口中
单 个 属 性 的 匹 配 , 如 统 计 模 型 方 法
(Hypothesis Modeling,
Generation, Selection, MGS)
[2]
、基于语料库的方法
[3]
。复杂模
式匹配方法是指一个接口模式中的一个或多个属性和另一个
接口模式中的多个属性进行匹配,如双重相关性挖掘
(Duel
Correlated Mining, DCM)
[4]
算 法 , 基 于 聚 类 的 的 交 互 式 方
法
[5]
。
Deep Web
中模式的匹配主要是针对复杂的模式匹配,
但是还没有得到广泛的研究。本文讨论的是基于
Deep Web
查询接口的复杂模式匹配方法。
3
基于布尔矩阵的
基于布尔矩阵的基于布尔矩阵的
基于布尔矩阵的
Deep Web
复杂模式匹配
复杂模式匹配复杂模式匹配
复杂模式匹配
3.1
基本定义
基本定义基本定义
基本定义
定义
定义定义
定义
1
对于任一给定的查询接口模式数据集合
D
={
D
1
,
D
2
,
…
,
D
n
}
,
I
={
I
1
,
I
2
,
…
,
I
n
}
是所有数据集中属性项的集合,令
F
:
D
→
P
, 其中 ,
P
=
F
(
D
)=(
P
ij
)(0
≤
i
≤
m
, 0
≤
j
≤
n
)
,这 里,
1
0
ij
ij
ij
P
=
,
则整个查询接口模式数据集合可表示的矩
阵为:
11 12 1
21 22 2
1 2
...
...
...
n
m n
×
=
P
定义
定义定义
定义
2
对于以上矩阵,针对属性集合中的每一个属性项
I
j
,在每个查询接口中出现的次数构造一个
m
维的向量
j
1 2
j j mj
P P PL
,则属性项
I
j
的支持 度
j
support count I
1 2
+ + +L
,即
1
_ ( )
m
i
=
=
∑
。
定义
定义定义
定义
3
对于以上矩阵,属性集合中的每
2
个属性项
I
i
,
I
j
基金项目
基金项目基金项目
基金项目:
::
:国家自然科学基金资助项目(60873116);江苏省现代企业
信息化应用支撑软件工程技术研究开发中心开放基金资助项目(SX
200902);苏州大学科研预研基金资助项目(Q3118965)
作者简介
作者简介作者简介
作者简介:
::
:龚桂芬(1987-),女,硕士,主研方向:数据挖掘,模式
识别;伏玉琛,副教授、博士;程远虎,硕士
收稿日期
收稿日期收稿日期
收稿日期:
::
:2010-11-04 E-mail:
::
:ggfsan987412@163.com