[发明专利]用于深层网数据集成的数据源选择方法

权利要求书

1.一种用于深层网数据集成的数据源选择方法，其特征在于，包括以下步骤：

步骤A、对查询接口进行解析；

步骤B、构建本体库并通过本体库把相应查询信息转化为本体信息；

步骤C、计算本体信息与各数据源的相关度，根据相关度选择满足预先设定的条件的数据源；对于给定目标查询接口对象DWI_i和查询本体Q_i，相关度按照如下公式计算：

R(DWIi,Qi)=Σi=1m(DWIi×Qi)Σi=1m(DWIi)2×Σi=1mQi2,]]>

其中，R(DWI_i，Q_i)表示查询本体Q_i与查询接口对象DWI_i的相关度，m为查询接口中的对象个数。

2.如权利要求1所述用于深层网数据集成的数据源选择方法，其特征在于，所述构建本体库具体按照以下步骤：

步骤B1、通过现有本体库分析HTML表单模式结构来获取查询接口的语义，构建相应本体库中的类；

步骤B2、从查询接口和结果页面抽取概念和实例，提取现有本体库中类的层次关系和函数关系；

步骤B3、从某个主题的多个数据源中提取上述步骤B2中得到的本体类之间关系，然后推理映射不同的关系，最后合并成一个更高层的领域本体；针对每个本体库中的每个类，构建与该类对应的关键词集合，组成本体库的词汇层。

3.如权利要求1所述用于深层网数据集成的数据源选择方法，其特征在于，步骤C之后还包括：

步骤D、建立数据源质量评估模型并利用该数据源质量评估模型计算步骤C中得到的各数据源的质量得分；

步骤E、根据质量得分并按照一定的方法选择若干高质量数据源，得到最终的数据源集。

4.如权利要求3所述用于深层网数据集成的数据源选择方法，其特征在于，步骤E中所述根据质量得分并按照一定的方法选择若干高质量数据源是指：按照质量得分将数据源从大到小排序，选择前k个数据源；k为预先设定的最终选择的数据源的个数。