丁国辉　许莹南　郭军宏

1(沈阳航空航天大学　辽宁 沈阳 110136)

2(沈阳炮兵学院　辽宁 沈阳 110136)



基于DBSCAN聚类算法的多模式匹配

丁国辉1许莹南1郭军宏2

1(沈阳航空航天大学辽宁 沈阳 110136)

2(沈阳炮兵学院辽宁 沈阳 110136)

摘要模式匹配在很多数据库相关领域中有着广泛的应用，例如数据集成、数据空间以及数据仓库。传统的匹配技术主要研究两个属性之间的匹配任务，而忽略了多个属性间的匹配任务。针对这一问题，提出一种基于DBSCAN聚类算法的多模式集成技术。该方法将关注多个属性之间语义对应关系的发现，相对于两个属性之间对应关系的发现，这将是一个更加复杂的问题。主要研究思路是将每个属性看成向量空间中的一个点，然后利用聚类技术将这些属性划分到不同的集合中，在同一个聚类中的属性具有相似的语义。同时，利用Web结构信息源来提高模式匹配结果的质量。最后，通过大量的实验来验证该方法是有效的并具有较好的性能。

关键词模式匹配语义对应关系结构化信息聚类技术

MULTI-SCHEMA MATCHING BASED ON DBSCAN CLUSTERING ALGORITHM

Ding Guohui1Xu Yingnan1Guo Junhong21

(Shenyang Aerospace University,Shenyang 110136,Liaoning,China)2(Shenyang Institute of Artillery,Shenyang 110136,Liaoning,China)

AbstractSchema matching has wide application in many database correlated fields, such as data integration, data space and data warehouse. Matching task between only two attributes is what the traditional matching techniques study, but the matching task between multiple attributes is ignored. With respect to this problem, we proposed a multi-schema integration technique in this paper, which is based on DBSCAN (density-based spatial clustering of applications with noise) clustering algorithm. The proposed approach focus on the discovery of semantic correspondence among multiple attributes, which is a more complex issue relative to discovering the pairwise-attribute correspondence. Our main study idea is to deem every attribute as a point in the vector space, and then to partition these attributes into different sets by clustering technique. The attributes within same cluster have similar semantics. Meanwhile, we utilised the information sources of Web structure to improve the quality of schema matching results. At last, we performed extensive experimental research to verify the approach, and the experimental results showed that our approach was effective and had good performance.

KeywordsSchema matchingSemantic correspondenceStructured informationClustering technique

0引言

数据集成是数据库领域中一个重要研究内容。数据集成的目标是为多个不同的数据源提供统一的查询结构以及在多个信息系统之间提供共享数据的能力。通过统一的查询接口，用户不需要定位所有数据源、不需要单独与每个数据源进行交互，最后以手动方式将这些结果进行合并。在包含大量数据源的大企业中，数据集成是十分重要的，主要表现在以下方面：大规模的科研项目的推进过程，这些项目中的数据集往往由不同的研究人员产生；……