基于使用信息和聚类方法的多模式集成

摘要

数据集成是解决多数据源整合问题的有效手段。如何准确高效地集成多数据源模式具有重要研究意义。本文在用户使用信息的基础上提出一种新颖的基于聚类技术的多模式数据集成方法。首先从数据库的查询日志中为模式属性提取特征向量，并对其进行聚类。然后根据结果聚类间的最小差异性，为每个结果聚类引入最大相似性阈值，利用该阈值发现结果聚类中与该类语义不相似的异常属性。最后针对结果聚类中的三类异常属性，设计三种异常属性去除规则，进一步提出异常属性去除算法EPKO。实验结果表明，本文方法具有较高的准确度，可以有效地解决多个模式的集成问题。