語義模型驅(qū)動的數(shù)據(jù)屬性匹配技術(shù)研究

摘 要：目前，企業(yè)對數(shù)據(jù)集成的要求逐漸上升到語義層面。針對數(shù)據(jù)語義上的異構(gòu)問題，提出了一種語義模型驅(qū)動的集成方式，并實(shí)現(xiàn)了語義模型應(yīng)用框架；討論了框架中語義模型驅(qū)動的數(shù)據(jù)屬性匹配技術(shù)，該技術(shù)用于在語義模型已存在的前提下，通過提供映射的方法實(shí)現(xiàn)異構(gòu)數(shù)據(jù)到已有模型的映射。

關(guān)鍵詞：語義模型； 異構(gòu)數(shù)據(jù)源； 映射關(guān)系； 屬性匹配

中圖法分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1001-3695(2006)10-0039-02

Semantic Model Driven Approach for Dataattribute Matching

WANG Kefei， ZHANG Shusheng， ZHOU Jingtao， ZHAO Han

(Key Laboratory of Contemporary Design Integrated Manufacturing Technology of Education Ministry， Northwestern Polytechnical University， Xi’an Shanxi 710072， China)

Abstract:Nowadays， enterprises need data integration in a level of semantic. To solve the problem of heterogeneous database semantic integration， a semantic modeldriven approach is proposed， and a semantic modeldriven application framework is implemented. This thesis discusses the dataattribute matching technology， which plays a role in the framework. This technology is used in the precondition that a semantic model is already exist， through providing mapping method， to guide the process of mapping heterogeneous data to exist model.

Key words:Semantic Model; Heterogeneous Database; Mapping Relation; Attribute Matching

企業(yè)在實(shí)施信息化技術(shù)的發(fā)展過程中積累了大量的設(shè)計(jì)、制造和管理數(shù)據(jù)，并為存儲、管理和使用這些數(shù)據(jù)不斷投資。隨著企業(yè)規(guī)模的不斷擴(kuò)大和技術(shù)改造的深入，新的應(yīng)用系統(tǒng)的構(gòu)建和實(shí)施往往需要訪問各種不同的數(shù)據(jù)源，因此企業(yè)異構(gòu)數(shù)據(jù)源集成已經(jīng)成為實(shí)施各種先進(jìn)制造模式和技術(shù)的先決條件，實(shí)現(xiàn)企業(yè)異構(gòu)數(shù)據(jù)源的集成與共享勢在必行。為企業(yè)開發(fā)面向異構(gòu)數(shù)據(jù)源集成的應(yīng)用所面臨的主要問題之一是對語義相關(guān)或異構(gòu)信息的辨別[1]。

利用Ontology驅(qū)動集成過程是近年來研究比較活躍的一種異構(gòu)數(shù)據(jù)源語義集成方式。一個(gè)領(lǐng)域Ontology是包含了該領(lǐng)域所有詞匯及其之間關(guān)系的概念模型。基于本體的語義匹配通過考察待匹配數(shù)據(jù)在Ontology中的關(guān)系來完成[2]，基于Ontology的語義匹配技術(shù)高度依賴于Ontology建模及其維護(hù)。然而，對于國內(nèi)的數(shù)據(jù)集成環(huán)境來說，建立領(lǐng)域Ontology并實(shí)現(xiàn)其維護(hù)是一個(gè)耗資巨大并充滿危機(jī)的工作。在這種情況下，Ontology驅(qū)動方式的集成在某種程度上顯得過于學(xué)術(shù)化而不切實(shí)際。因此我們提出了一種基于知識的異構(gòu)數(shù)據(jù)語義集成機(jī)制，并構(gòu)建了一個(gè)以語義模型為核心的異構(gòu)數(shù)據(jù)源集成應(yīng)用框架[3]。該框架的一個(gè)顯著特點(diǎn)是采用了語義模型來代替Ontology作為知識表達(dá)媒介。數(shù)據(jù)屬性匹配技術(shù)利用語義模型中的知識進(jìn)行推理，實(shí)現(xiàn)異構(gòu)數(shù)據(jù)到模型的映射是應(yīng)用框架的重要組成部分。

1 語義模型及其應(yīng)用框架

1．1 語義模型

在我們的研究中，語義模型被定義為通過模型作為媒介來實(shí)現(xiàn)數(shù)據(jù)語義關(guān)系的形式化描述的一種方式。

語義模型具有語義與模型兩方面的含義。所謂語義，從語義學(xué)角度來講，就是數(shù)據(jù)（符號）所代表的概念的含義以及這些含義之間的關(guān)系。在計(jì)算機(jī)領(lǐng)域，語義一般是指用戶對于那些用來描述現(xiàn)實(shí)世界的計(jì)算機(jī)表示的解釋，也就是用戶用來聯(lián)系計(jì)算機(jī)表示和現(xiàn)實(shí)世界的途徑。模型是將待研究的對象通過適當(dāng)?shù)倪^濾，用適當(dāng)?shù)谋憩F(xiàn)規(guī)則描繪出的抽象的概念集合，通過模型人們可以了解到所研究對象的本質(zhì)，而且在形式上便于人們對其進(jìn)行分析和處理。為了便于建模和模型的通用性，我們采用Protégé[4]作為模型的可視化構(gòu)建工具，并以RDF(Resource Description Framework)和RDF Schema作為建模結(jié)果的最終表示方式[5]。在我們的工作中，語義模型的結(jié)構(gòu)如圖1所示。

語義模型是由對問題域進(jìn)行抽象所形成的類結(jié)構(gòu)樹和作用于類結(jié)構(gòu)樹上的語義關(guān)系、映射關(guān)系所組成。映射關(guān)系包括數(shù)據(jù)映射關(guān)系和屬性映射關(guān)系兩部分，稱之為兩級映射（參見第2．1節(jié)）。數(shù)據(jù)映射關(guān)系指的是對模式提取器所提供的訪問異構(gòu)數(shù)據(jù)庫數(shù)據(jù)所必需的信息，通過映射規(guī)則轉(zhuǎn)換為模型可理解的形式并保存于模型中的過程，目的是實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的透明訪問；屬性映射關(guān)系則將數(shù)據(jù)映射實(shí)體與類結(jié)構(gòu)樹建立聯(lián)系，是實(shí)現(xiàn)模型良好的可擴(kuò)

展性的關(guān)鍵。語義關(guān)系指的是數(shù)據(jù)映射實(shí)體之間的語義關(guān)聯(lián)性，目的是保證模型的語義協(xié)調(diào)能力。

1．2 語義模型應(yīng)用框架

語義模型應(yīng)用框架如圖2所示。語義模型在集成應(yīng)用框架中可以看作是一個(gè)在語義層面上的數(shù)據(jù)協(xié)調(diào)器。在語義模型部署及外部應(yīng)用獲得應(yīng)用請求之后，首先通過模型訪問接口對類結(jié)構(gòu)樹進(jìn)行遍歷并得到所關(guān)心的樹節(jié)點(diǎn)信息；然后由模式提取器提供數(shù)據(jù)映射關(guān)系，再建立屬性映射關(guān)系，同時(shí)對其所涉及的語義關(guān)系進(jìn)行解析，進(jìn)而獲得分布于異構(gòu)數(shù)據(jù)庫中的數(shù)據(jù)信息；最后返還給應(yīng)用的是語義一致的數(shù)據(jù)結(jié)果集。

在語義模型應(yīng)用框架中，異構(gòu)數(shù)據(jù)的集成是以一種語義模型驅(qū)動方式進(jìn)行的，其顯著特點(diǎn)就是語義模型先于模型與數(shù)據(jù)之間的映射而存在，數(shù)據(jù)到模型的映射依據(jù)已有語義模型中的知識完成。

2 數(shù)據(jù)屬性匹配

2．1 語義模型的雙層映射機(jī)制

定義1 數(shù)據(jù)映射關(guān)系。對于問題域內(nèi)的任一個(gè)數(shù)據(jù)庫字段ATTi，模型中存在唯一對應(yīng)的元素Oi，通過映射規(guī)則X，使得Oi =X(ATTi)，稱該關(guān)系式為從ATTi到Oi的數(shù)據(jù)映射關(guān)系，Oi稱為一個(gè)數(shù)據(jù)映射實(shí)體。

為了使得數(shù)據(jù)映射實(shí)體能夠唯一標(biāo)志一個(gè)數(shù)據(jù)庫中的字段，在語義模型中，數(shù)據(jù)映射實(shí)體必須具有表示數(shù)據(jù)庫IP、數(shù)據(jù)庫名稱、數(shù)據(jù)庫類型表的名稱和字段名稱等信息的屬性。為了使數(shù)據(jù)映射實(shí)體能夠反映其所代表的數(shù)據(jù)庫字段的特征，我們從數(shù)據(jù)模式和數(shù)據(jù)內(nèi)容兩方面考慮。在數(shù)據(jù)模式方面，一個(gè)字段具有以下屬性：主鍵、外建、可否空、數(shù)據(jù)類型、數(shù)據(jù)長度和唯一性約束。在數(shù)據(jù)內(nèi)容方面，需要關(guān)心的主要是數(shù)據(jù)的平均值、最大值、最小值和均方差。在語義模型中，數(shù)據(jù)映射實(shí)體包含以上所有信息。

為了便于分析，我們在研究中將數(shù)據(jù)映射實(shí)體轉(zhuǎn)換為向量。對于數(shù)據(jù)映射實(shí)體o，記由o轉(zhuǎn)換得到的向量為V(o)。在數(shù)據(jù)映射實(shí)體的屬性中，數(shù)據(jù)庫IP、數(shù)據(jù)庫名稱、數(shù)據(jù)庫類型表的名稱和字段名稱是定位數(shù)據(jù)庫字段的信息，并不描述該字段自身的特征。如果在兩個(gè)數(shù)據(jù)映射實(shí)體中除這些定位信息外，其他特征均相同，則稱兩個(gè)數(shù)據(jù)映射實(shí)體相似，記作o;d。

定義2 屬性映射關(guān)系。對于模型中的任一個(gè)類屬性Ci，存在映射方法X使得Ci=X（O1，O2，…，On），On為數(shù)據(jù)映射關(guān)系，稱該關(guān)系式為從（O1，O2，…， On）到Ci的屬性映射關(guān)系，Ci稱為一個(gè)屬性映射實(shí)體。相應(yīng)地，對于一個(gè)數(shù)據(jù)映射實(shí)體o，如果存在一個(gè)類屬性c和映射方法Y，使得o=Y(c)，則稱關(guān)系式Y(jié)為從c到o的映射關(guān)系。

在語義模型中，為了使類屬性能夠表示與其關(guān)聯(lián)的數(shù)據(jù)映射實(shí)體的特征信息，類屬性本身具有數(shù)據(jù)類型、數(shù)據(jù)長度、可否空、最大值、最小值等屬性。為了便于分析，我們將所有滿足類屬性描述的特征數(shù)據(jù)映射實(shí)體的集合抽象為空間，并將其稱作類屬性c所抽象出來的空間，記作S(c)；如果數(shù)據(jù)映射實(shí)體o的屬性與類屬性c所描述的特征一致，則稱實(shí)體o的向量V(c)屬于類屬性c所抽象出的空間S(c)，并記作V(o)∈S(c)。

2．2 數(shù)據(jù)屬性匹配規(guī)則

數(shù)據(jù)屬性匹配是根據(jù)已有語義模型中的信息，自動建立數(shù)據(jù)映射到模型類屬性的屬性映射關(guān)系的過程。根據(jù)語義模型的結(jié)構(gòu)特點(diǎn)，基于前面的定義和約定，提出建立數(shù)據(jù)屬性匹配的規(guī)則如下。

對于已有的語義模型M，設(shè)其屬性集為C={c1，c2，…，cn}，已建立與模型類屬性映射關(guān)系的數(shù)據(jù)映射實(shí)體集為O={o1，o2，…，om}，未建立屬性映射關(guān)系的數(shù)據(jù)映射實(shí)體集為D={d1，d2，…，dk}，則屬性映射建立規(guī)則可表述為：

(1)對于任意一個(gè)d∈D，如果o∈O，滿足o;d且存在c∈C和映射關(guān)系o=Y(c)，那么建立映射d=Y′(c)，并修改映射關(guān)系Ci=X(o1，o2，…，on)為Ci=C′i=X′(o1，o2，…，on，d)。

(2)對于不能由規(guī)則a所確定的d∈D，如果存在并唯一存在c∈C，使得V(d)∈S(c)，那么建立c到d的映射，并修改映射關(guān)系Ci=X(o1，o2，…，on)為Ci=C′i=X′(o1，o2，…，on，d)。

(3)對于不能由條件a和b確定的d∈D，如果c∈C，且模型中有n個(gè)數(shù)據(jù)映射實(shí)體建立了映射關(guān)系c=X(o1，o2，…，on)，使得對于c′∈C且c≠c′，同時(shí)模型中有m個(gè)數(shù)據(jù)映射實(shí)體建立了映射關(guān)系c′=X(o′1，o′2，…，o′m)，均有1n∑ni=1|V(d)-V(oi)|＜1m∑mi=1|V(d)-V(o′i)|成立，則建立c到d的映射d=Y(c)，并修改映射關(guān)系Ci=X(o1，o2，…，on)為Ci=C′i=X′(o1，o2，…，on，d)。

(4)對于不能由上述條件確定屬性映射關(guān)系的d∈D，不對其建立屬性映射關(guān)系，并將其保留在模型中。

根據(jù)上述規(guī)則，大部分新的數(shù)據(jù)映射實(shí)體能夠建立到屬性實(shí)體的映射，大大減輕了建模人員的工作量。建立屬性映射關(guān)系后，語義模型驅(qū)動的異構(gòu)數(shù)據(jù)集成應(yīng)用框架就能根據(jù)屬性映射關(guān)系和數(shù)據(jù)映射關(guān)系返回給外部應(yīng)用語義一致的數(shù)據(jù)集。

3 結(jié)論

在基于語義與模型的企業(yè)異構(gòu)數(shù)據(jù)源集成關(guān)鍵算法與實(shí)現(xiàn)技術(shù)中，我們實(shí)現(xiàn)了一個(gè)語義模型驅(qū)動的異構(gòu)數(shù)據(jù)源集成原型系統(tǒng)。根據(jù)本文介紹的技術(shù)所實(shí)現(xiàn)的數(shù)據(jù)屬性匹配模塊在其中工作良好，但該技術(shù)未能將自動建立屬性映射關(guān)系的數(shù)據(jù)映射實(shí)體保留在模型中，還需留待建模人員人工處理。項(xiàng)目已于2005年3月通過驗(yàn)收。經(jīng)過測試，我們認(rèn)為該技術(shù)的主要優(yōu)點(diǎn)在于：①使得語義模型應(yīng)用框架可以支持一種邊建模、邊集成、邊調(diào)整的遞增集成機(jī)制；②建立好的語義模型能夠用于其他的數(shù)據(jù)集成場景下，從而實(shí)現(xiàn)模型的重用和共享；③與我們先前采用的神經(jīng)網(wǎng)絡(luò)聚類等方法相比，本方法效率和準(zhǔn)確度更高。

參考文獻(xiàn)：

[1]Sonia Bergamaschi， Silvana Castano， Maurizio Vincini， et al. Semantic Integration of Heterogeneous Information Sources[J]. Data Knowledge Engineering， 2001，36(3):215-249.

[2]Paulo Gottgtroy， Nik Kasabov， Stephen MacDonell. An Ontology Driven Approach for Knowledge Discovery in Biomedicine[C]. Auckland， New Zealand: Proceedings of the VIII Pacific Rim International Conferences on Artificial Intelligence(PRICAI)， 2004.

[3]T Adams， J Dullea， P Clark， et al. Semantic Integration of Heterogeneous Information Sources Using a Knowledgebased System[C]. Atlantic City， USA: Proceedings of the 5th International Conference on Computer Science and Informatics， 2000.

[4]N Fridman Noy， R Fergerson， M Musen. The Knowledge Model of Protege 2000: Combining Interoperability and Flexibility[C]. Proceedings of EKAW 2000， LNCS 1937， Springer， 2000.17-32.

[5]R Vdovjak， G J Houben. RDFbased Architecture for Semantic Integration of Heterogeneous Information Sources[M].International Workshop on Information Integration on the Web， 2001.51-57.

作者簡介：

王克飛（1981-），男，河北人，碩士研究生，研究方向?yàn)槠髽I(yè)信息集成、Semantic Web；張樹生（1956-），男，山東人，教授，博導(dǎo)，博士；周競濤（1975-），男，遼寧人，博士研究生，研究方向?yàn)槠髽I(yè)集成、語義網(wǎng)格、中間件技術(shù)；趙寒（1980-），男，河南人，博士研究生，研究方向?yàn)檎Z義網(wǎng)格、企業(yè)信息化。

注:本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文