面向深層網(wǎng)絡的查詢規(guī)劃策略的研究.pdf

1、當今，在線數(shù)據(jù)源(又稱為網(wǎng)絡數(shù)據(jù)庫)越來越盛行，它們把數(shù)據(jù)隱藏在查詢表單之后，從而形成了所謂的深層網(wǎng)絡，和表層網(wǎng)絡相比，表層網(wǎng)絡的HTML頁面是靜態(tài)的，數(shù)據(jù)存儲在文檔中，而深層網(wǎng)絡中的數(shù)據(jù)則是存儲在后臺數(shù)據(jù)庫中，只有用戶在表單上提交了查詢后，它才生成動態(tài)HTML頁面。根據(jù)BrightPlanet公司的統(tǒng)計表明，深層網(wǎng)絡蘊含的信息量是表層網(wǎng)絡的500倍，并且數(shù)量每年仍在飛快地增長，所以研究深層網(wǎng)絡是必需的而且意義深遠。由于Web數(shù)據(jù)庫具有

2、規(guī)模大、自治性、異構(gòu)性、動態(tài)性以及不同的數(shù)據(jù)源具有不同有限的查詢能力等特點，使得深層網(wǎng)絡數(shù)據(jù)集成中的查詢處理比傳統(tǒng)的分布環(huán)境下的查詢處理更具挑戰(zhàn)性。為了解決數(shù)據(jù)源的自治異構(gòu)問題，本文提出了一種數(shù)據(jù)源的描述方法。
　　 為了統(tǒng)計每個領(lǐng)域中屬性詞匯的大小，本文進行了一項調(diào)查：使用搜索引擎(例如：Google和bing)和Web目錄(例如：invisibleweb.com)，收集了200個關(guān)于電影、書籍銷售、汽車銷售和音樂四個領(lǐng)域的數(shù)

3、據(jù)源，其中每個領(lǐng)域含50個。調(diào)查結(jié)果表明：隨著數(shù)據(jù)源的增多，它們的總共詞匯數(shù)量收斂于一個相對較小的范圍內(nèi)。受此啟發(fā)，為每個屬性詞匯建立倒排索引。此外，本文還提出了一個模塊化的方法，來為目標查詢生成可執(zhí)行的查詢規(guī)劃，它有五個模塊共同工作完成這些任務：查詢擴展、預處理、查詢重寫、查找相關(guān)數(shù)據(jù)源和生成模塊。本文還設計了一種基于倒排索引高效生成邏輯規(guī)劃的算法和一種為邏輯規(guī)劃找出可執(zhí)行次序的算法。
　　 在本文中，因為數(shù)據(jù)源存在訪問限制，