XML Schema数据到对象关系数据的转换——一种基于DOM-Chart模型的映射算法

讨论了基于模式驱动的XML Sschema到对象-关系数据库模式映射,并给出了基本的映射规则和映射算法。在映射算法的设计中,先对DoM tree模型作适当修改并重新定义一种新的数据模型即DoM-Chart模型,使用新定义的这种模型简化了映射的处理过程。使用完全支持SQL;1999标准并具备面向对象特征的DBMS Oracle9i Release 2作为后台数据库,采用JDOM作为XML文档的编程接口,使用JAVA语言对论文中描述的算法进行了验证。实验结果表明该算法简单有效,由该映射得到的对象—关系模式保留了XML Schema的语义信息和结构信息,同时也引入了面向对象的数据类型和特征。     

基于形式化概念分析的XML Schema映射

XML Schema映射关系的求取对于异构系统的整合起着至关重要的作用．基于此,提出了一种利用形式化概念分析的XML Schema映射算法．该算法使用传统分类技术,并结合形式化概念分析中的相关定义,创建概念格．在概念格上运用新定义的运算规则特化规约和启发式规则推理获得映射．给出了算法所基于的蕴涵于两个Schema所构建交叉表中的定理以及相应的证明．     

业务管理中的XML建模技术

为了改进设计信息模型的效率，文中提出综合使用UML和XML Schema建立信息模型的方法。以对业务管理系统中的共有业务信息建模为例，首先采用UML类图表示业务信息模型，然后利用XMI将UML图转化成XML Schema模型。实验表明，该方法兼有UML直观的图形模式和XML Schema的纯文本特性两种优势，既提高了设计信息模型的效率，又改善了异构系统之间信息的交互性。     

XML模型到关系模型的映射

针对XML数据与关系数据在静态数据转换方面存在的问题,创建一个描述XML的XML model(XML模型).使用XML model和ER模型分别表示XML模式和关系模式,并分析模型间的映射关系,建立XML模式与关系模式的映射框架;给出从XML模式到关系模式的映射算法,应用该算法可以将XML数据转化为关系数据.     

基于抽取规则和本体映射的领域XML语义集成

油气井工程领域中存在大量的XML文档,传统的XML集成方案无法提供面向语义的信息查询,导致数据利用率不高。针对油气井XML文档WeXML语义集成与查询应用需求,提出一种基于抽取规则和本体映射的语义集成方法。首先定义一系列类、属性抽取规则,分别将WeXML Schema中的元素、属性映射为WeOWL本体中的类和属性;然后,利用实例转换算法将WeXML文档转换为本体实例数据;由于WeOWL提供有限的局部语义模型,需要在两者之间建立语义映射,并借助WeOWL中的术语对全局语义模型中的类和属性进行解释,进而提供面向领域全局本体的语义查询。通过构建WeXML数据语义集成原型系统,对提出的转换规则、转换算法和映射规则进行了验证。     

XML文档到关系数据库映射理论研究及应用

本文主要论述了XML中DTD和Schema两种模式到关系数据库映射方法以及该映射方法及其在商品存销管理系统中的运用。     

XML与关系数据库相互转换中的语义约束完整性

采用Shared Inlining方法,提出基于函数依赖的XML到关系的无损映射算法,使得原XML文档的内容和结构信息及语义约束完整地映射到关系数据库中.在此基础上利用外键连接与路径映射规则,提出基于语义约束的关系模式向XML模式的转换算法,以重构出原XML文档.提出的新观点是：映射得到的关系或XML文档的范式不但与映射算法有关,而且与XML文档或关系的规范化程度有关.定义了XML范式,提出XML文档与关系的相互转换中XML范式与关系范式对应关系的相关命题,并给出了相应证明.     

XML模式与关系模式的无损映射研究

由于XML是半结构化的数据,并且包含控制信息,因此XML模式与关系模式的映射是有损映射.从映射的可逆性角度分析,研究并给出了XML模式与关系模式的无损映射算法,使得关系数据库可以作为虚拟平台管理XML文档.     

XML数据库的查询技术研究

XML Schema作为一种描述XML文档模式信息即结构信息的标准,对于XML索引的建立及查询效率的提高有着重要的作用。现在大部分XML索引结构着重研究XML文档的结构查询。本文在比较研究了现有的区间编码方式和XML索引技术的基础上,提出了一种基于Schema的XML索引技术SBXI(Schema-Based XML Indexing)。SBXI充分利用了XML Schema建立XML索引从而提高路径查询的效率,并进一步展望未来的研究方向。     

基于XML的异构数据库信息共享方法研究

为了实现异构数据库之间的信息共享,在定义关系数据库的XML模型(relation XML model,RXM)的基础上,定义关系数据库和XML进行交互的关系数据库与RXM相互映射(relation and XML interact,RXI)规则,提出关系数据库与XML之间的转换模型,并且设计两者之间的映射算法。完成了信息共享的实验,实验结果表明基于RXM的RXI规则能有效实现异构数据库信息共享。     

面向资源融合网格的语义数据融合

网格中的数据资源多种多样,为用户提供具有语义支持的、按需访问的数据服务是资源融合网格中数据融合的关键问题。本文提出了基于本体的语义数据容融合方法ODSF;该方法中的基本元素是数据对象,通过数据对象和领域本体之间的映射关系来表达数据对象的语义,使用嵌套关系模型来表达数据对象的模式信息,通过一个网格节点中集成的所有数据对象作为下一个节点的数据对象来实现数据资源由粗到细的融合;定义了ODSF的语义模型,给出了虚拟数据库的查询执行过程和算法,可以为使用者提供具有语义支持、服务质量保障的数据访问服务;通过原型系统验证了ODSF中理论和关键技术的正确性和可行性。     

基于BSON文档树的NoSQL数据库与关系数据库双向映射算法研究

分析了BSON文档的结构,通过比较类似结构的映射方法,给出了BSON文档树的概念和结构,并提出NoSQL数据库文档到关系数据库的映射策略,在此基础上建立了BSON文档模式和关系模式之间的双向映射模型,并给出了双向映射算法.     

XML数据到关系数据的映射

为实现XML数据到关系数据的数据映射,提出一种模式抽取算法,通过XML2XDR模块抽取XML模式,依据模式对XML数据分类.分析XML模式与关系模式的差异性,通过XMLdata2DB模块建立XML数据到关系数据的映射规则,从而实现将XML数据映射到关系数据中.     

基于XML的异构数据库间数据交互技术研究

在对现有异构数据库间数据交换方法进行系统分析的基础上,提出了基于XML的异构数据库间数据交换的新方法。通过数据库模式之间的模板映射,较好地实现异构数据库之间的透明互操作,实现数据交换的跨平台操作,实现异构数据库之间进行无障碍数据交换。     

基于DTD的XML与数据库信息交换技术

XML与数据库信息交换的策略有多种，基于DTD的对象模型映射方法可应用于所有XML文档．映射的策略是以分析处理DTD中的每一个元素映射为对象模型，再由对象模型映射为数据库的关系模型．XML文档中的数据映射到对象所对应的关系数据库中．映射过程也可合并为直接有DTD到关系数据库的映射．     

A Parsing Graph-based Algorithm for Ontology Mapping

Ontology mapping is a critical problem for integrating the heterogeneous information sources. It can identify the elements corresponding to each other. At present,there are many ontology mapping algorithms,but most of them are based on database schema. After analyzing the similarity and difference of ontology and schema,we propose a parsing graph-based algorithm for ontology mapping. The ontology parsing graph (OP-graph) extends the general concept of graph,encodes logic relationship,and semantic informatio...     

基于本体的多源异构XML数据近似查询方法

提出了一种基于本体的面向多源异构可扩展置标语言（XML）的近似查询方法．该方法将传统的基于查询模式树松弛的近似查询策略与基于本体的XML数据集成思想相融合，首先建立文档类型定义结构与全局模式的映射模型（PTO），再将PTO与近似查询领域的松弛操作、打分机制相结合，提出了一种新的XML近似查询算法——OAXQ．这样，用户在全局模式下的查询语言不再是Xpath查询表达式，而是对象查询语言的一个简单子集，松弛的产生不再依靠查询模式树的变换，而是通过一系列映射规则转化而成．汽车外型的智能设计实验表明，OAXQ算法的查询速度比单纯基于查询模式树松弛策略的静态有序选择算法平均提高了20倍，查询准确度提高了2％～24％．     

基于机器学习的数据库小数据集并行集成方法

为了解决传统方法不能按照训练样本量设计最优网络模型,集成效率低的弊端,通过机器学习方法研究数据库小数据集并行集成方法。机器学习选用朴素贝叶斯算法,依据条件独立性假设,通过计算目标先验概率,采用贝叶斯定理求出其后验概率,对后验概率进行比较,完成决策分类,对基分类器进行训练,把不同朴素贝叶斯基分类器当成集成分类器,在原始数据库上对基分类器进行训练,依据分类结果对数据库中小数据集样本分布进行调整,将其当成新数据集对基分类器进行训练,按照基分类器的表现,通过加权将其组合在一起,产生强分类器,实现对数据库小数据集的集成处理。通过MapReduce并行处理完成并行数据集成,输出并行集成结果。通过仿真实验与实例分析验证所提方法的有效性,结果表明:所提方法在训练样本规模相同的情况下有最高的分类精度和最小的波动,在不同集成规模下的分类精度一直最高,波动最小;所提方法可达到数据的最优集成,数据失效比降低,合成比提高。可见所提方法集成精度高,计算稳定性强,集成效果好,效率优。     

约束数据库中的函数依赖公理系统与设计理论

约束数据模型作为一种新的数据模型正受到广泛关注。为了约束数据库的应用，需要研究它的设计。为此本文对约束数据库中的函数依赖给出定义，并提出函数依赖的公理系统，证明了它的有效性和完备性；在此基础上完成了约束数据库设计的核心工作：把约束关系模式分解为3NF或BCNF的算法。