《开罗大学：智能信息系统语义中介的智能查询处理方法》

EgyptianInformatics Journal（2011）12，151开罗大学埃及信息学杂志www.elsevier.com/locate/eijwww.sciencedirect.com原创文章信息系统语义中介的智能查询处理Saber Benharzallah*，Okba Kazar，Guy CaplatDepartment of Computer Science，University of Mohamed Khider Biskra，07000 Algeria，INSA de Lyon，Villeurbanne Cedex，France收稿日期：2011年2月23日;修订日期：2011年5月21日;接受日期：2011年6月20日2011年7月20日在线提供摘要提出了一种智能、高效的信息系统语义中介查询处理方法。我们还提出了一个通用的多代理体系结构，支持我们的方法。我们的方法侧重于开发智能代理查询重构和使用一种新的技术的语义表示。算法具有自适应性对环境变化的适应性较强，能够动态地解决各种数据冲突，对发现的系统采用模式中介方法，对其它系统采用上下文中介方法，重新©2011计算机和信息学院，开罗大学。由爱思唯尔公司制作和主持All rights reserved.1. 介绍互操作性已成为现代信息系统环境的基本要求。系统的协作面临着许多异质性问题，必须考虑到现代环境的开放和动态方面。语言异质性的类型有：技术异质性、句法异质性、结构异质性和语义异质性.语义异构的解决方案正在成为比以前更重要。它的类型显示为：命名con-*通讯作者。电子邮件地址：sbharz@yahoo.fr（S.Benharzallah），yahoo.fr（O.卡扎尔），盖伊。insa-lyon.fr（G。Caplat）。1110-8665© 2011计算机和信息学院，开罗大学。制作和主办Elsevier B.V.保留所有权利。开罗大学计算机和信息系负责同行审查。doi：10.1016/j.eij.2011.06.003制作和主办：Elsevier问题（分类学和语言学问题），价值观问题（单位和尺度问题，. . ）.大量的信息来源意味着冲突数量的增加和多样化，以及相关信息本地化时间的增加。它还增加了向所有这些信息源发送查询的时间和信息源的响应时间。因此，语义互操作性的解决方案应该具有用于查询处理的智能处理器，该智能处理器允许适应环境的变化并以动态方式解决各种数据冲突。每种解决方案都为其他解决方案提供了一些优势。每一种都只治疗一部分的数据冲突。关键词查询应答;语义中介;多Agent系统;OWL DL152S. Benharzallah等人在本文中，我们提出了一个智能和高效的查询回答方法的语义调解的信息系统。我们还提出了一个通用的多代理架构，支持我们的方法。我们的方法侧重于开发智能代理查询重构和使用一种新的技术的语义表示。该算法具有适应环境变化的能力，适应范围广，能动态地解决各种数据冲突。它对发现的系统使用模式中介方法（在第3节中描述），对其他系统使用上下文中介来重新制定查询。在第2节中，我们对现有的各种方法进行了综合。第3节描述了我们的方法。 第四节介绍基本概念。然后第5节和第6节描述了各种类型的代理和查询处理。第7节介绍了技术方面和原型实现。2. 相关作品由于分布式系统中的查询处理问题已经在传统数据库和语义Web中讨论过，因此提出了两种可能的方向：由源引导的集成（模式中介）和由查询引导的集成（上下文中介）[1，4模式中介是联邦成员方法的直接扩展。数据冲突是静态解决的。在模式中介中，中介者应该与用于定位数据源的知识集（映射规则）相关联。查询处理遵循由确定相关数据的规则建立的执行计划它需要预先了解参与合作的系统。中介的作用是（根据全局模式）将用户查询划分为多个由源支持的子查询，并收集结果。全局模式通常由对象、逻辑、XML或OWL接口指定[3，5，17，22，24]。在所有这些工作中，我们的目标是建立一个全球的模式，整合所有的本地模式。当一个人在一个源可以一直进化的进化世界中工作时，制定一个全局模式是一项困难的任务。每次考虑一个新的源或每次实际源进行一些更改时，都有必要能够重建集成模式[4]。一般来说，这种方法的查询的时间响应在这种方法中，透明度（是给他们与本地系统交互的用户的错觉，中央和均匀）得到保证。数据冲突解决的自动化程度较弱，与上下文中介相比，可扩展性（系统有效性不应降低，查询处理保持独立于给定架构中系统的添加或抑制）和演化性（控制信息系统的更新、删除和添加）不受重视。许多作品致力于模式/本体集成的自动方法的命题[30，31]。图式映射的概念在许多研究中得到了特别的研究，因此它导致了几个系统的阐述，如DIKE[7]，COMA[13]，CUPID[14]。是在[18]中可以找到这些系统的分析和比较。提出了几种基于本体的信息整合方法[46]。在[4，20]调查这个问题提出。这些工作的许多缺点之一是，它们没有以完整的方式描述集成过程;它们总是使用假设，如来自一部分的预先存在映射[23，33]，以及来自另一部分的预先存在映射，它们提供了计算一般或特定本体之间映射的方法[30]，并且它们没有指出如何真正利用它进行自动集成或查询重构[22，33]。在[3，21]中，作者提出了一种基于查询静态解析的扩展模式中介DILEMMA。中介由一对中介器/包装器和与参与合作的每个系统相关联的知识库来确保中介器包括查询处理器和促进器。这种方法提供了更好的透明性，并使得解决语义值冲突成为可能但以先验的方式。与模式中介相比，提高了数据冲突解析的自动化程度这以后总是涉及求助于该领域的专家它对进化性和可扩展性的处理能力较低。在上下文中介方法中，中介的作用是根据与查询相关的语义来识别、定位、转换和集成相关数据[3，21]。数据冲突的解决是动态的，不需要定义中介模式。用户的查询一般用本体来表示。根据上下文描述中包含的语义信息，动态地集成数据。这种方法提供了本地源的最佳演化性，并且与模式中介相比，数据冲突解决的自动化程度更好。定义了两类上下文中介：单域方法SIMS[9]，COIN[10]致力于一个单一的领域，其中所有的上下文都是通过使用共识言语的普遍性来可扩展性和进化性受到尊重，但仍然受到域的单一性的限制。多域方法Infosleuth[11]，Observer[12]他们使用各种手段来表示和连接异构语义域：本体，本体的层次结构和统计分析方法在上下文中介方法中，在查询的执行期间动态地解决数据冲突（动态查询解析），允许本地源的最佳演变，并且自动化程度与模式中介一致地增强，这不利于查询的时间响应（其使用语义协调）。关于语义冲突，大多数项目仅解决分类冲突（Coin[10]）。值冲突的解决要么由用户指导 （ Infosleuth[11] ） ， 要 么 在 大 多 数 情 况 下 未 解 决（Observer[12，28]）。Agent范式为系统自然开发提供了新的见解，例如：复杂，异构，分布式和/或自治[15，34，35，38，47]。一些语义互操作性的工作使用代理范例[11，16，25，29，32]。Infosleuth项目[11]用于实现一组合作代理，这些代理根据用户或应用程序的需求发现、集成和呈现信息，并为其提供简单而一致的接口。Infosleuth用户使用KIF（知识交换格式）在特定本体信息系统语义中介的智能查询处理153多智能体协作智能代理智能代理智能代理路由代理路由代理智能代理智能代理智能代理和SQL。查询被分派到专门的代理（代理经纪人，本体论，规划师，…. ）检索分布式源上的数据。许多语义冲突的解决重新-由用户引导的电源[3]。他们使用被视为线程的专门代理，这与分布式人工智能中给出的认知代理的通常定义有很大不同。在[25]中，作者提出了一个多代理系统来实现语义互操作性，并解决与进化本体论领域相关的语义冲突。在这种方法中，查询处理和映射的验证完全与用户相关[29]。他们提出了一个基于Agent的智能元搜索和推荐系统的产品，通过考虑多个属性，使用本体映射和Web服务。这个框架是为电子商务领域设计的用户/应用消费者用户/应用消费者用户/应用消费者3. 方法描述供应商供应商供应商我们的目标是实现具有以下特征的语义中介：允许提供应用环境的系统查找信息系统和这些系统共享的信息。这些信息被动态地集成到系统中，系统可以透明地使用它们。确保上下文和模式中介的优点，并避免它们的缺点。我们的方法侧重于中介系统的动态变化，从上下文中介到模式中介。这种变化是通过使用智能代理来完成的，以确保上下文中介的开放性（高自动化）。数据冲突的分辨率的信息化程度。. ）以 及 模 式 中 介 的 鲁 棒 性 （ 模 式 术 语 中 的 查 询 公式，.. . ）.要解决大多数语义冲突，请使用new语义表示技术，并尊重查询处理的高度自动化程度。查询处理算法通过对发现的系统使用模式中介方法和对其他系统使用上下文中介来重新表达查询。因此，我们的查询处理方法是自适应的环境的变化。因此，我们的方法是相当明智和有效的。我们的查询处理方法是自适应的环境的变化，它也是关注的中介系统的动态变化，上下文中介模式中介。事实上，方案中介方法的计算复杂度比上下文中介方法的计算复杂度要低（在第6节中描述）。3.1. 我们的方法我们的架构分为两个层次（图1）：物理实体层和代理层。第一级包括现有的信息系统（ISS），包括遗留系统。这些系统是使用诸如数据库管理系统之类的传统技术开发的，图 1通用 架构 基于 剂 为 上下文 和模式中介。可以是关系型的、对象型的、XML型的。. 最初，这些系统是为了满足当地需求而设计的，不一定能协同工作。第二个代理级别是在现有物理系统之上设计的。有两种类型的代理：智能代理（IA）和路由代理（RA）。IA是信息系统和语义媒体环境之间的中介。信息系统可以发挥作用信息提供者和/或消费者。因此，IA可以扮演IA供应商（IAS）和/或消费者（IAC）的角色。换句话说，如果AI要求查询，那么在这种情况下称为AIC，如果另一个代理要求IA运行查询，那么在这种情况下称为AIF。路由代理在GAACSM体系结构中起着重要的作用。它们假设上下文中介，并在语义上组织近域中的智能代理，使用语义接近性来确保，该语义接近性允许将语义可互操作的信息系统分成段（或组，或域集合）。属于同一组的代理被认为是语义上的近代理（在5.2节中描述），我们使用这种分割来避免代理之间的无用通信，并改进我们的查询处理方法。我们解决方案中建议的合作基于：– 信息集成到建筑系统中之前的初步构建。– 静态和动态查询解析。一个新的信息系统（IS）在我们提出的调解系统的集成阶段开始与IA的创建，并继续与紧固这最后的路由代理（RA），这是最接近的语义，算法5。在创建IA之前，我们必须创建它的知识库（KB）。IA是信息系统和语义中介环境之间的中介。IA的知识库主要包括：其本地信息系统的上下文、域名、描述域名的本体和语义本体●●●154S. Benharzallah等人接触值（OSCV）。这些信息使IA为语义中介做好准备成为可能。集成到调解系统中的新IA应用合同网协议并发送描述其域的邀请。RA接收呼叫并提供其能力（语义接近率，算法4）。一旦IA从所有RA接收到答案，则它评估这些速率，并在语义上最接近的RA上做出选择（算法5）。选定的RA将先前的IA添加到其网络触点。我们的方法不使用全局模式或一些预定义的映射。用户询问消费系统（根据消费模式制定的查询）。开始时，智能代理消费（IAC）应用动态查询解析协议（上下文媒体，第6.2节），因为它没有关于供应商系统的信息。该协议通过RA应用，RA在语义上与IAC最接近。在查询的动态评估过程中，智能代理供应商（IAS）更新他们的历史和添加信息（查询本体和它们的本体之间的映射），以促进它们与IAC的动态集成。每个IAS回复结果，RA更新其KB并重新排序对独立IAC最重要的IAS列表（换句话说，包含结果的IAS位于列表的顶部如果没有IAS应答，RA将向其他RA发送如果有回复，RA将其他RA的IAS添加到其KB中（自动重组）。在中介系统的运行过程中，IAC应用该协议发现语义上与其域最近的供应商，并动态地集成它们，以便在模式中介中使用它们。为此，它与亚美尼亚共和国合作。事实上，RA在与其他代理通信期间更新其KB。特别地，其KB包含每个IA的其IAS的有序列表，尚未发现。这些国际会计准则应该在语义上与之接近，列表中的第一个国际会计准则是对国际会计准则回应最多的准则。之后，第一个IAS成为下一个供应商，由IA进行以下动态整合。动态集成后，IAC通过映射规则更新其知识库（算法3），将IAS视为不确定系统。在系统运行过程中，IAC发现了一些供应商，并根据环境进行了自适应。因此，处理一个查询需要两个协议：静态查询解析协议（第6.1节）用于发现的系统，动态查询解析协议（第6.2节）用于其他系统（算法6）。4. 我们方法在下文中，我们提出了一个合作方案，将在整个本文中使用。4.1. 合作场景在本节中，我们将描述一个异构系统之间的互操作性示例。给定的公司希望提供关于以下音乐会的信息服务：来自世界各地的各种艺术家（[44]我们选择这个例子是为了简化。消费系统的模式如下：类别（CS）FunctionalProperty（nbC domain（CS）range（xsd：integer））DatatypeProperty（artistN domain（CS）range（xsd：string））DatatypeProperty（dateC domain（CS）range（xsd：date））DatatypeProperty（Pfree domain（CS）range（xsd：integer））DatatypeProperty（Psolddomain（CS）range（xsd：integer））DatatypeProperty（Pprice domain（CS）range（xsd：dataoat））nbC （ integer ） ： 标 识 音 乐 会 的 数 字 ， artistN（string）：艺术家的名字，dateC（date）：音乐会的日期 ， Pfree （ integer ） ： 免 费 位 置 的 数 量 ， Psold（integer）：售出位置的数量，Pprice（price）：位置的价格（欧元）。下面给出供应商系统1的架构班级（SS1）班级（地点）FunctionalProperty（id domain（SS1）range（xsd：integer））DatatypeProperty（nam domain（SS1）range（xsd：string））DatatypeProperty（seance domain（SS1）range（xsd：date））ObjectProperty（Eidplcdomain（SS1）range（Place））DatatypeProperty（ticket domain（SS1）range（xsd：unique））FunctionalProperty（idplc domain（Place）range（xsd：integer））DatatypeProperty （ nbP domain （ Place ） range （ xsd ：integer））DatatypeProperty（totP domain（SS1）range（ xsd ： integer ） ） FunctionalProperty （ id domain（SS1）range（xsd：integer））id（integer）：标识音乐会的数字，nam（string）：艺术家的名 字，seance （date ）： 降神会的日期 ，Eidplc（ integer ） ： 对 关 系 的 标 识 符 引 用 Place-idplc ， ticket（ ticket ） ： 一 个 地 方 的 价 格 （ Dinars ） ， idplc（integer）：标识符标识nbP和totP，nbP（integer）：免费位置的数量，totP（integer）：总位置的数量。供应商系统2的模式如下：分类（SS2）函数属性（nomCons域（SS2）范围(xsd：integer））数据类型属性（NamArtist域（SS2）范围(xsd：string））数据类型属性（ConsDate域（SS2）范围(xsd：date））DatatypeProperty （ soldP domain （SS2 ）range （ xsd ：integer ） ） DatatypeProperty （ totalP domain （ SS2 ）range（xsd：integer））DatatypeProperty （ Tprice domain （ SS2 ） range （ xsd ：dataoat））numCons：一个音乐会的编号，NamArtist：艺术家的名字，ConsDate：降神会的日期，售出P：售出的位置数，信息系统语义中介的智能查询处理155totalP：总位置数，Tprice：位置的价格（美元）。4.2. Agent应用领域的语义表示为了方便和自动化的新IA在我们的语义中介系统的集成，我们建议使用本体来描述每个IA的应用领域的名称。156S. Benharzallah等人定义1.应用程序域的描述（或应用程序域的本体）。它是以OWL DL本体的形式组织的所有术语的集合。它描述应用程序域的名称例1.下面的示例假定存在一个名为University的域名。对应于该域名的OWL DL本体的构造大学/rdfs：label>教育机构/rdfs：label>为终身教育、职业教育和授予学位而建立的大型和多样化的高等教育机构学术世界/rdfs：label>.... . . . /图2共享建模所需的必要步骤信息.定义2.语义接近。它可以被看作是属于不同应用领域的两个OWL DL本体之间的度量。给定两个应用域d1，d2及其本体Od1和 Od2. 语 义 接 近 度 是 一 个函 数 SemProx ： Od1×Od2！1/20;1]。该函数通过使用本体Od1和Od2计算两个名称d1和d2之间的语义接近度。算法ASCO2用于计算该接近度[36，37]。将使用定义1和2，以便IA确定语义上最接近的RA（第5.2节）。4.3. 语义中介模型这两个小节都介绍了对共享信息进行完整建模的必要步骤。图2总结了对共享信息进行建模的必要步骤4.3.1. 价值观语义冲突的表征值的语义冲突的解决需要转向另一种类型的本体。这个本体（OSCV）类定义了值的语义冲突;它由RDF类的层次结构组成，这些RDF类允许区分数据值。定义3. OSCV本体。用于值的语义连接的分类的本体由元组（OSCV，CV，CI，RC）表示，它被定义为许多概念、实例及其相互关系的集合，其中OSCV是图RDF中的根顶点，CV是虚拟概念的不同集合，CI是可实例化概念的不同集合。RC是指CV和CI上的兄弟关系。(An OSCV本体的示例如图所示。 3.）第三章图3 OSCV本体的示例。OSCV本体通过在中介系统中添加新的IA来逐步构建和丰富。它被认为是IA的KB元素。将新IA添加到中介系统可以创建新的值的语义约束（SCV），这一事实;换句话说，OSCV本体的更新是必要的;新IA将新的值的语义约束发送到参与中介系统的所有IA。其他IA考虑到新的语义冲突的价值观和更新其OSCV本体。地方信息系统5OWL DL本体描述了领域OWL DL本地模式和SCV虚拟架构3翻译OSCV本体的当地IS到 OWL DL的模式Local是SCV：值的语义冲突SCVOWL DL本地模式OSCV规模…精度…单元…长度时间币温度DinarToEURO美元美元欧元…无信息系统语义中介的智能查询处理1574.3.2. 图式、本体和语境我们的方法使用OWL DL[19]作为公共数据模型。OWLDL通过定义一个丰富的词汇表来描述复杂的本体，从而丰富了RDF模式模型。因此，它比RDF和RDFS更具表达性，因为它们只依赖于断言对对象之间关系的定义，因此表达性不足。OWL DL还带来了更好的集成，进化，划分和更容易的本体推理[19]。为了从模式中构建本体，我们提出以下步骤：（a）我们使用模式来提取概念及其之间的关系，换句话说，找到各种概念的语义组织（在模式中使用）以及它们之间的关系（初始化）。(b)我们在“label”中添加每个类名称一个类的子概念，它的超概念和它本体的构建与信息系统应用领域实施例2.下面的例子指出了使用前面的步骤构建的消费者、供应者1和2系统的模式本体（它是一个简明的表示，图1和图2）。 4-6）。b、c、d信息表示为：对应于模式供应商1的本体在图1中给出。 五、对应于模式供应商2的本体在图2中给出。第 六章定义4.明确价值观的语义冲突。它着重于使用OSCV本体来阐明或表示OWL DL模式中值的语义冲突该操作允许通过澄清值的语义冲突来扩展本地信息系统的数据模型，以便于它们的检测和解决实施例3.下面的示例展示了如何使用该本体来阐明与消费系统的OWL DL模式的dateC和Price这两个属性相关的值的语义冲突。图5供应商1系统的本体。图6供应商2系统的本体。法语OSCV：Date/>美元OSCV：货币/>图4消费系统本体。第五章.模式-本体映射。给定一个模式S及其本体O。模式-本体映射由以下函数表示：158S. Benharzallah等人O1O2e1O1，e2O2SimTer（e1，e2）SimTer（e1，e2）SimN模拟器2SimCSimStruc（e 1，e 2）SimV模拟器2SimR模拟器（e1，e2）SimTer模拟器SimStruc2 2 22我我MSO：S！ Ox！e我们可以把模式S的元素看作是本体论O中定义的类的个体。实施例4.消费模式与其本体之间的映射MSO如下：<音乐会rdf：ID<音乐会rdf：ID<艺术家rdf：ID<日期rdf：ID<价格rdf：ID第六章.上下文其描述数据的假设、定义及使用的明确资料。在我们的方法中，上下文由（S，SCV，O，MSO）定义，例如：S是模式，SCV是值的语义约束，O定义本体，MSO是模式-本体映射。定义7.查询语言。我们采用了[2]中定义的语言作为我们架构中的查询语言。给定属于OWL DL数据类型的个体和值的集合。给定V，变量集合与L的变量集合不相交一图7语义相似度算法。考虑到一个概念在其领域中的环境的各种要素。采取的措施主要有：概念的术语学和概念所处的环境。这些度量是从对各种相似性度量[1，36，34]的深入研究和GAACSM架构中模式本体的定义中选择的。我们计算两个元素e1，e2之间的语义距离的算法如下（图1）。 2.（1）（2）（1）（2 SimTer：术语相似性。SimStruc：结构相似性。SimN：本体Oi中的查询Qi的形式为QiQP，其中使用同义词和反义词的名称的相似性SimC：评论两个概念的相似性SimV：● QCi●QP是C i（x）的合取，其中C i2 C和x 2 L [V]。是Pi（x，y）的合取，其中Pi2P，结构相似性邻近（我们的方法是基于这样的假设，如果两个类的邻居是相似的，x，y2L[V.实施例5.这个查询是根据消费模式来制定的。Q¼CSx^artistNx;\artist1“^dateCx;y这意味着艺术家“艺术家1”的日期或日期的知识4.4. 基本定义在发现两个代理（IAC和IAS）之间的映射时，有必要比较IAC和IAS的本体。使用语义相似度比较两个本体的实体。在本节中，我们定义了语义相似性。还将介绍GAACSM架构所需的定义。定义8.语义相似性。两个概念之间的语义相似度的计算是从相似度的基本计算中计算出来的，这两类也被认为是相似的）。SimR：角色相似性(The角色是两个OWL DL类之间的链接。第九章.两个本体的比较 比较属于不同IA的两个本体，比较由Comp函数定义如下：Comp：Of00，例如Comp（e1）= e 0 1 if Sim（e1，e 0 1）> tr其中O和O '是要比较的两个本体，tr指示属于区间[0，1]的最小相似性水平，e1 2 O和e 0 1 2 O 0。10. carton IA的子模式适配。– 给定两个智能体A，B。– 给定模式Sa，A的本体Oa和主体B的本体Ob– 给定函数Comp：OafiOb，分别比较A和B的两个本体Oa和Ob。– 给定COab元素e2Oa的集合，使得Comp（e）=e0且Sim（e，e0）>tr，其中e02Ob。– 给定一个子模式Ssa，元素x2Sa的集合如MSO（x）=e，其中e2COab。C信息系统语义中介的智能查询处理1592 22C我CPC我我我我ðÞ我的天我CC P C PQ我我我Pfg f g fg萨夫格fg fg^我们有Q¼Q ^Q;（代理A的）Sa的子模式Ssa在代理B的本体Ob上的适配是函数：改编：Ssa！O bX！e0级其中存在eCO ab使得Comp（e）= e 0且Sim（e，e 0）>tr，MSO（x）=e.OQCOQIASOQOIASSsQOIAS11.第十一章查询的语义丰富。上下文中C表示通过（S，CSV，噢，MSO）和Q^Qi^QP，根据模式S公式化的查询SsQOIASSsQ通过使用本体O，该查询的语义丰富由以下规则定义(1) 使用函数MSO，找到Ci（x）和Pi（x，y）分别为查询Qi和Qi的QAdapt（X）国际会计准则Q iQ iQ iQ O本体中 O. 他们 注意到 通过 OCi（x）和OPi（x，y）。(2) 通过使用包含关系，找到OCi（x）和OPi（x，y）的每个类的祖先类。它们分别记为pOCi（x）和pOPi（x，y）。(3) 通过使用包含关系，找到OCi（x）和OPi（x，y）的每个类的子类。 它们分别记为cOCi （x）和cOPi（x，y）。(4) 利用等价关系求出OCi（x）和OPi（x，y）每类的等价类。它们分别由eOCi（x）和eOPi（x，y）(5) 通过使用模式S，我们澄清了存在于查询Q中的值的语义冲突。这些信息由csvQ记录。语义上丰富的查询Q由以下组成： Q i Q i; ;OC i x;eOC ix;pOC i x;cOC i x;OP i x;y;eOPx;y ;流行 x;y ;警察x;y ;csQ。这种充实被称为查询本体。Qi QiC P图8算法2.查询本体的语义评估。并且csvQ={dateC：OSCV：Date> French dateOSCV：Date />}<<12.第十二章查询本体的语义评估。对语义上丰富的查询（查询本体）的语义评估;OCx;feOCxg;fpOCxg;我我实施例6.给定以下查询，消费模式Q CS xartistNx;\ artist 1“ dateCx;y。查询的语义丰富如下：我P– 概念CS（x）的对应者，基于函数MSO是概念OCi（x）=concert。– 表示概念{eOCi（x）}、{pOCi（x）}、{cOCi（x）}通过：– 基于函数MSO，概念OP i1（x，y）=artist N（x，“artist 1”）的对应者是概念Artist。– 概念{eOP1（x，y）}、{pOP1（x，y）}、{cOP1（x，y）}表示为– 基于函数MSO的概念OP2（x，y）=dateC（x，y）的对应者是概念Date。– 概念{eOP2（x，y）}、{pOP2（x，y）}、{cOP2（x，y）}表示为查询的语义丰富（查询本体）SC（x）x artistN（xfcOCxg;OPx;yg;feOPx;yg;fpOPx;yg;fcOPx;yg;csQ的定义是算法2（图2）。 8）：实施例7. 根据之前的查询Q¼CSx^artistNx;\artist1“^dateCx;y其查询本体的语义评估，供应商1的来源是通过算法2的应用程序。步骤如下：– 计算查询本体与供应商1– 计算集合CO QIAS ={音乐会，艺术家，人物，日期，.. . }– 子模式SsQ={CS（x），artistN（x，“艺术家1”），dateC（x，y）}– 函数Adapt：SsQFiOIAS的计算。它的值是：{Adapt（SC（x））=Concert，Adapt（artistN（x– 语义评价的适应（SsQ），这需要计算函数MSO的逆。因此：{MSO-1（音乐会）= SS 1，MSO-1（音乐家）=姓名，MSO-1（日期）=降神会}。– 关于值的语义冲突，降神会使用与dateC相同的格式，否则它是必要的160S. Benharzallah等人^IAS阿维尼翁考虑到结果的变化，并使用OSCV本体（转换函数）转换格式。最后，在供应商1的来源层进行查询如下：Q¼SS10x13. history映射规则。模式映射是一个三元组（S1，S2，M）[2]，其中：S1是源模式; S2是目标模式; M是S1和S2之间的映射，即，一组asser-其中qs和qT是S1上的合取查询和S2，分别具有相同的一组可分辨变量x1和x2{c，s，在我们的方法中，S1是IAC的模式，S2是IAS的模式。我们的方法自动生成两个代理（IAC和IAS）之间的映射。出于这个原因，描述IAC和IAS模式的本体比较的算法在下面的图中（图1）。 9）。实施例8.下面的示例使用算法3生成消费模式和供应商模式2之间的映射。步骤如下：– 计算消费本体和供应商本体2之间的比较函数Comp，其中：Comp（ Date）={Date，Englishdate}，Comp（ song ） = 旋 律 ， Comp （ price ） = 价 值 ， Comp（place）={place，soldPlace，avail.ablePlace} ， Comp （ PlaceNumber ） ={place ，soldPlace，soldablePlace}，.– 计算COIACIAS，具有以下一组值sCOIACIAS = {日期，歌曲，价格，音乐会，.. . }– SsIAC和SsIAS的计算：SsIAC= {nbC，artistN，dateC， Pfree， Psold， Pprice}， SsIAS= {numCons ，NamAr- tist，ConsDate，soldP，totalP，Tprice}– 函 数 Adapt 的 计 算 Adapt （ nbC ） =concert ， Adapt（ artistN ） =Artist ， Adapt （ dateC ） ={Date ，EnglishDate}，Adapt（Pfree）={可播放地点，地点}，Adapt（Psold）={FreePlace，place}，Adapt（Price）=value。– 生 成 映 射 ： dapt （ nbC ） =concert ， MSOIAS（numCons）=concert，然后生成映射« nbC以相同的方式，通过对其他应用该算法，结果生成以下映射：artistN所生成的映射将用于通过使用本体OSCV和关于系统供应商2（其上下文）的可用信息来重新制定根据消费模式编写的查询，并且考虑消除值的语义冲突。例如，给定查询通过我们对查询的方法重新公式化的Q111/4CSx^artistNx;\artist 1“^Ppricex;y。Q10 1/4SS200x 200x艺术家姓名;\artist 1“T价格x;y：这种重构可以被认为是等价的重构：Q1“Q 1 0。查询Q 2 <$CSx^nbCx;y^artistNx;\artist 1“^Pfreex;z被重新公式化为查询Q 2 0<$SS2x^numConsx; y^NamArtistx;\artist1“^totalPx; z。它是包含Q2的最小重构.系统供应商一级缺乏信息14. history查询重构。设Qi是模式Si中的查询，Qj是由映射Mij中的类和属性描述的模式Si中的查询Q j是Q i的等价重新表述，如果Q jcQ i和Q icQ j，记为Q j“Q i。● Q j是Q i的最小包含重构，如果Q ic Q j并且不存在其他查询Q0j使得Qi<$Q0j并且Q0j<$Qj。● Qj是Qi的最大包含重构，如果QjcQi并且不存在其它查询Q0j使得Qj<$Q0j和Q0j<$Qi。OIACCOIACIAS为了找到近似的查询重构，我们使用映射规则M（定义13），我们将Qi的项替换为它们的对应项[02]。5. 各类代理的描述SSIAC SSIASSsIACOIASIAC国际会计准则IAS  图9生成映射规则。在本节中，我们将描述GAACSM体系结构的代理的角色。5.1. 智能代理它们是单域代理。他们从其他代理人那里获取信息。它们是从自身的知识库和环境的进化中逐渐适应和丰富起来的。IA的角色是多重的：(1) 用户或应用程序查询的执行(2) IAC与IAS之间的本体比较和模式映射规则的自动生成。●信息系统语义中介的智能查询处理161算法4.语义接近率要求：OnewIA一个本体描述新IA的域名.在RA的列表中列出其他IAS的本体集0：模拟0的整数倍;1：对于每个Oi 中文（简体）2：Sim Sim+SimProx（OnewIA，Oi3：EndFor4 ：Sim Sim/N5 ：语义接近率为Sim(3) 它通过使用本体和模式-本体映射来丰富查询的语义。(4) 它将来自其他IAC的查询Q转换为以供应商本地库的适当语言表示的查询Q(5) 过滤结果。5.2. 路由代理它们是多域代理，收集最近的语义域。RA的角色是1. 为了收集最近的语义智能代理在一个网络接触被用作供应商（图。10和11）。算法4计算IA与AR的域相比的语义接近率。这最后一个集合了几个语义上接近的IA。算法5选择具有IA的最佳接近率的RA。如果其接近率高于预定义阈值，则最后决定选择所选择的RA。2. 为了保证查询的动态解析，并与其他路由代理进行通信以执行查询本体。图10语义接近率。3. 动态记录/消除参与协作的Agent。4. 搜索包含与智能代理域（消费）最接近的域的信息的IA。6. 查询处理查询处理分为几个步骤，在这个过程中，多代理系统使用一组协议。主要步骤是（图）。 12）：6.1. 静态查询解析静态解算方法应用于已有的系统中.步骤1：查询验证，IAC检查查询的有效性，即，无论是否步骤2：查询重构：该查询被划分为结果的重组查询和用于IAS的子查询，该子查询包含执行该查询所必需的数据。查询的分解是通过使用映射规则来完成的。IAC应用静态查询解析的协作协议。步骤3：结果的合并：IAC对结果执行重组查询。查询处理问题有两种复杂性度量：查询复杂性和数据复杂性。查询复杂度根据查询Q的大小度量查询应答时间，保持其他输入固定。高查询复杂性（NP完全或更糟），这是相当常见的实际数据库语