面向企业异构数据源集成的语义模型及进化技术研究

摘要

当前，数据源异构问题已成为影响企业部署实施各种现代设计制造模式和商业模式的主要障碍。为了保证数据源间的互操作性，语义集成是目前企业对异构数据源集成的必然要求，也是数据库领域研究的新热点。本体模型驱动的语义集成以其独特的优点成为目前最为流行的集成方式之一。然而，由于这种方式对本体领域模型的依赖性，在国内制造业领域内它的推广使用遇到了以下两个障碍： ■大多数制造企业中不存在可用的领域本体模型 ■短期内建立一个领域本体模型并不容易 对模型构建方法的研究的滞后已成为影响本体模型驱动的异构数据源语义集成方式在企业内推广应用的主要障碍。本文提出了一种递增式的语义建模方法，使用语义模型取代本体模型驱动企业异构数据源语义集成，并在使用中不断的进行模型进化，使之满足变动的集成场景。为此，论文的研究主要集中在语义模型理论与语义模型进化两方面，包含以下主要内容： ■语义模型驱动的数据集成技术通过讨论模型驱动的异构数据源集成技术和企业内的应用场景，研究了一种面向企业异构数据源集成的语义模型应用框架，分析了递增式语义模型在技术和实现上的可行性。 ■语义模型理论和建模方法为保证异构数据源语义集成的效果和模型本身的可进化性，研究了一种通过概念树和双级映射关系解决语义异构问题的语义模型理论，并在Protégé的基础上讨论了语义模型的建模方法。 ■映射驱动的模型进化方法研究企业异构数据源集成应用场景下，在通过将待集成数据源映射到语义模型完成语义集成的同时，实现模型本身的进化，使之适应变动的集成需求。论文中提出了一套模型进化规则，并设计了一种基于BP神经网络模型的规则实现算法。

目录

文摘

英文文摘

第一章绪论

第二章语义模型驱动的集成方式

第三章语义模型理论与建模方法

第四章数据源映射与模型进化

4.1前言

4.2映射规则与模型进化方法

4.3数据特征提取

4.4神经网络模型的构建

4.5神经网络在论文中的应用

4.6本章小结

第五章原型系统验证与结果分析

第六章结束语

参考文献

致谢

攻读硕士学位期间发表的学术论文

西北工业大学学位论文知识产权声明书和原创性声明