一种基于图模型的Web数据库采样方法分析.docVIP

一种基于图模型的Web数据库采样方法分析 　　摘 要：随着我国科学技术水平的不断提高，促进了web的快速发展。Web逐渐成为一个很大的信息资源。在web的数据库中，大量丰富的信息资源存在于特定查询能力的查询接口中，不能让人了解到web数据库自身的特点，比如分布、更新频率等。给web数据集成带来了很大的挑战。因此，为了解决此问题，提出了一种基于图模型的Web数据库采样方法。本文通过对该种方法进行分析。 　　关键词：图模型；web；数据库采样方法；分析 　　中图分类号：TP311.13 　　一种基于图模型的Web数据库采样方法，能够通过运用查询接口的方式，在web数据库中以增量的形式得到最相似的样本，也就是通过查询得到一定数量的样本，然后对已经保存过的样本作为下一次查询的记录。该种方法不受到查询接口中的属性表现形式所局限，是一种一般的web数据库采样方法，具有在小代价下获得高质量样本的优点。 　　1 一种web数据库图模型 　　Web数据库图模型，通过运用以图游历的方式实现web数据库采样的目的，对web数据库模型的相关定义、性质以及定理等进行分析。 　　1.1 强查询的定义 　　针对两个查询Q1和Q2，如果满足A（Q1） A（Q2），且对于 ai∈A（Q2）能同时满足三个条件，就可以说Q1是Q2的强查询： 　　（1）ai如果是属于关键词属性，那么Q1在ai上的值就是Q2在ai中数值的超集；（2）ai如果是属于范围属性，那么Q1在ai上的取值范围等同于Q2在ai中的子范围；（3）ai如果是属于分类属性，那么Q1在ai上的值相当于Q2在ai上的值。 　　强查询的性质，具有包含性和传递性。 　　1.1.1 包含性 　　如果Q1是Q2的强查询，那么就能满足R（Q1） R（Q2）。另外，在证明过程中， 记录Ri∈R（Q1），针对属性aj∈A（Ri） A（Q2）的值Vj，要考虑到以下几点： 　　（1）aj如果是属于关键词属性，那么受到Vj属于Q1在ai上数值的超集，那么就得到Q1在ai上的值就是Q2在ai中数值的超集，因此，Vj和Q2在ai中的数值交集不能为空；（2）aj如果是属于范围属性，那么Vj一定在Q1在ai上的取值范围中，由于Q1在ai上的取值范围等同于Q2在ai中的子范围，因此，Vj属于Q2在ai中的取值范围；（3）aj如果是属于分类属性，那么Vj等同于Q1在ai上的取值，由于Q1在ai上的值相当于Q2在ai上的值，因此，Vj和Q1在ai上的值相等。 　　由此可以了解到，Ri一定满足Q2，也就是R（Q2） R（Q1）. 　　1.1.2 传递性 　　如果Q1是Q2的强查询，Q2是Q3的强查询，那么由此可以得出，Q1是Q3的强查询。在证明的过程中，按照强查询的定义，得出A（Q1） A（Q2） A（Q3），针对属性aj∈S（Q1），要从以下几个方面进行考虑： 　　（1）aj如果是属于关键词属性，那么Q1在ai上的值属于Q2在ai值的超集，由于Q2在ai中的值属于Q3在ai中值的子集，所以，Q1在ai上的值等同于Q3在ai中的超值集；（2）aj如果是属于范围属性，那么Q1在ai上取值范围属于Q2在ai中的子范围，由于Q2在ai中取值范围相当于Q3在ai中值的子集，由此可以得出，Q1在ai上取值范围等同于Q3在ai中值的子范围；（3）aj如果是属于分类属性，如果Q1在ai上的值和Q2在ai中的值相等，又由于Q2在ai中的值相当于Q3在ai中的值，那么可以得出Q1在ai上的值和Q3在ai中的值相等。 　　从以上三个方面可以得出结论，Q1是Q3的强查询。 　　1.2 弱查询的定义 　　根据强查询的定义，Q1是Q2的强查询，那么弱查询就是，Q2是Q1的弱查询。其性质和强查询的性质相同。 　　1.3 查询相关记录 　　查询相关记录，指的是给一个特定的记录集合，例如{R1，R2，R3，...Rn}，如果将一个强查询进行提交，使其同时出现在一个查询结果中，那么就称这两个集合是与查询Q有关的；与此相反，那么就表明他们是与查询没有关系的。 　　1.4 web数据库图模型 　　web数据库图模型，简称WG。给其一个特定的WDB，其图模型表示为WG（V，E），其中，V作为顶点的集合，每个顶点Vi和WDB中的记录Ri互相对应，也就是│V│=│WDB│，其中，E属于无向边的集合。若两个记录间的查询是相关的，其相对应的顶点之间有一条互相连接的边，针对每个顶点，都要进行最强查询；针对每条边，对所互相连接的两个顶点记录进行最强查询。由于在该种图模型中，对每个顶点、每条边都进行了查询，所查询的方法在强查询的定义中已经给出。因此，针对每个顶点，在记录集合R中，顶点互相对应的记录与其相等；针对每条边，对于记录集合R中，两