[发明专利]一种实现数据库模式自动匹配的方法

权利要求书

1.一种实现数据库模式自动匹配的方法，其特征在于该方法包括模式信息分析、模式信息分类、模式信息整合以及模式元素相似度的计算四个步骤；

(1)所述模式信息分析用于实现解析格式化的源模式以及目标模式的元素信息，包括以下步骤：

A、获取源数据库模式XML文档及目标数据库模式XML文档；

B、使用XML解析工具DOM4J解析XML文档；

C、整理解析出的模式元素信息，分别生成源模式元素名集合、源模式元素名与元素描述对集合、源模式元素名与元素类型对集合、目标模式元素名集合、目标模式元素名与元素描述对集合、目标模式元素名与元素类型对集合；

(2)所述模式信息分类用于归类模式信息分析阶段分析出的模式元素信息，将所有元素分别按名称、描述以及类型进行分类；主要包括名称分类方法，描述分类方法以及类型分类方法；

所述名称分类方法用于根据模式元素名对源模式元素进行分类，并且计算每个目标模式元素隶属于源模式各类别的隶属度，包括以下步骤：

D、获取源模式元素名称集；

E、对源模式元素按分隔符分解并去除公共前缀；

F、对上述E步骤处理过的词集进行同义词扩展；

G、对该同义词集中的元素进行3段解析后得文本集，该文本集实际就表示了类别所具有的特征；

H、各类别以及标识各类别的特征文本集作为训练样例送入名称分类模块，以供分类模块学习各类别特征；未经过训练样例学习的分类模块不具有分类新样例的能力；

I、对目标模式元素，直接将各目标模式元素的3段解析字符串的集合作为待分类样例送入已经学习完的名称分类模块，以计算出各字符串对应各源模式的各类别的评估值，各评估值将会作为模式信息整合阶段的形式概念上下文的数据进行整合，名称分类模块的输出结果的形式化表示如下：

pi←<esi,et1,et2...etn>,i∈[1,m],]]>

其中，m为源模式字段数，n为目标模式字段数，p_i是指名称分类方法输出的第i个类别，这里用源模式元素名指代各类别，向量是指该类别中包含的元素；是源模式元素，是根据评估值选取的目标模式元素；i是自然数；

所述描述分类方法用于根据模式元素的元素描述对源模式元素进行分类，并且计算每个目标模式元素隶属于源模式各类别的隶属度，包括以下步骤：

J、获取源模式元素描述集；

K、各类别以及标识各类别的特征描述集作为训练样例送入描述分类模块，以供分类模块学习各类别特征；

L、对于目标模式元素，直接将各目标模式元素的描述集作为待分类样例送入已经学习完的描述分类模块，以计算出各描述对应各源模式的各类别的评估值，描述分类模块的输出结果的形式化表示如下：

qi←<esi,et1,et2...etn>,i∈[1,m],]]>

其中，m为源模式字段数，n为目标模式字段数；其中q_i是指描述分类方法输出的第i个类别，这里用源模式元素名指代各类别，向量是指该类别中包含的元素；是源模式元素，是根据评估值选取的目标模式元素；i是自然数；

所述类型分类方法用于将源模式以及目标模式各元素根据自身元素类型归类，包含以下步骤：

M、获取源模式元素名与元素类型对集合以及目标模式元素名与元素类型对集合；

N、按下述规则将各元素分类：

i、数值：包括TINYINT，SMALLINT，MEDIUMINT，INT，BIGINT，FLOAT，DOUBLE，DECIMAL；

ii字符串：包括CHAR，VARCHAR，TINYBLOB，BLOB，MEDIUMBLOB，LONGBLOB，TINYTEXT，TEXT，MEDIUMTEXT，LONGTEXT，ENUM，SET；

iii、日期及时间：DATE，TIME，DATETIME，TIMESTAMP，YEAR；

按照i、ii、iii三项类型将属于同一类的模式元素划为一类；

(3)所述模式信息整合用于整合模式信息分类的分类结果以及元素结构信息，构建加权模糊概念格，主要是采用形式概念分析法来整合各模式分类信息及模式约束信息、构建加权模糊形式背景，并以此为依据构建加权模糊概念格；

所述加权模糊形式背景的构建包括以下步骤：

I、构建形式背景的属性：分别是源模式元素的约束属性、名称分类属性、描述分类属性以及类型分类属性；

II、为各属性设定权值以及有效值区间：所有约束属性权值为1，有效值区间为[1，1]；所有名称分类属性权值为0.8，有效值区间为[0.6，1]；所有描述分类属性权值为0.9，有效值区间为[0.6，1]；所有类型分类属性权值为0.7，有效值区间为[0.6，1]；

III、构建形式背景对象：形式背景对象是指所有源模式元素以及目标模式元素；

IV、针对形式背景各属性，填入各形式背景对象具有该属性的程度，对约束属性及类型分类属性，以值1表示完全具有，值0表示完全不具有；对名称分类属性以及描述分类属性，填入模式信息分类阶段的各评估值；

所述加权模糊概念格构建方法包括以下步骤：

①、将加权模糊形式背景单一化，构建对应0-1矩阵；

②、遍历该矩阵，找出所有相对最大全1子矩阵；

③、去除重复矩阵；

④、确定参数与偏序关系，形成最终的加权模糊概念格；

(4)所述模式元素相似度的计算用于根据加权模糊概念格计算模式元素之间的匹配度并设定阈值确定元素之间的匹配关系，采用的相似计算模型基于加权模糊概念格，计算公式如下：

g(P)=1|P|Σc∈P(ωc×ΣI∈Intent(c)σI);---(7)]]>

其中，g表示势函数g(P)，P表示函数g的参数，为概念格中一概念子集，α为平衡因子，表示相似的对称性，ω_c表示概念的权重，σ_I表示概念的每个外延对每个属性的平均隶属度，表示加权模糊概念格中a、b两结点公共的且只有一条向上边的祖先结点的集合，(a-b)^表示那些只在a中出现但未在b中出现的只有一条向上边的祖先结点的集合，(b-a)^表示只在b中出现但未在a中出现的只有一条向上边的祖先结点的集合。