论文部分内容阅读
摘要：目前随着Web上数据的倍增，针对庞大的信息海洋，人们面临Web上存在的两大问题：一是Internet速度非常慢，有时像爬行的蜗牛。二是即使可以在线获得各种信息，但是要找到所需要的信息却极度困难。这当中有硬件方面的原因，但最主要的原因是由于目前Web语言—HTML的性质引起的。
关键词：XML模式 技术 研究
中图分类号：TP393 文献标识码：A 文章编号：1674-098X(2012)02(c)-0000-00
1 XML前景与特点
可扩展标记语言(Extensible Markup Language，简称XML)的产生改变了Web的根本面貌。1998年2月，W3C(全球互联网联盟)给出了正式的版本XML 1.0，并且正式规定XML为下一代互联网标准。与HTML相比XML具有许多优点： ①XML很简单，进行自我描述而且易于解析。 ②HTML中的标记是不变的，不能进行扩展，可是XML的标记则由用户定义，能任意的扩展。③HTML中的标记表示方法是数据的显示格式，无任何语义，可是XML的标记就明确规定数据的含义，让细粒度的XML成为数据处理。④XML实现了结构、表现和内容三者的分离。
1.1自描述性
XML准许个人、各个组织建立适合自己的标志集合，这一特征可以让XML在电子商务、保险机构、政府文档、司法、出版、、厂商以及中介组织信息交换等领域进行广泛应用，面对厂商、不同系统提出独特的解决方案。
1.2可扩展性
XML在两个方面是可扩展的，首先它准许开发者创建自己的数据模式，以便创建多种应用的“可扩展”标记集。其次，它使用与XML相关的标准，这样对XML的扩展，同时这些扩展给XML添加了查询、转换、链接的能力，同时XML作为核心标准，它可以为创建其他标准提供了一个稳固的基础。
1.3跨平台性
XML不仅在多种平台上使用，还可以用多种工具对其进行解释，并对几种主要的字符编码作为主要标准支持，所以它能在全世界使用在许多不同的计算机环境中。只要在各系统装有相应的XML解析工具，那么就能理解它是以XML为中介把其他系统传递来的信息加以利用。
1.4开放性
XML的有关标准在Web上是充分开放的，能够免费获得。可是XML文档自己也比较开放，任何人都能够对一个结构的XML文档进行语法分析，得到可读信息。这样既能提供了数据模式，还能够校验这个文档的有效性。
2 XML数据模式
可扩展性是XML的一个重要特性，XML文档的作者能够定义任意文档数据的结构以及元素的属性和名称。可扩展性给文档的制作虽然提供了极大的灵活性，但是它也能使各种组织的应用程序间的数据交换很难得到实现，因为各种组织的应用程序对相同的标记名称也有不一样的理解。 XML的模式出现就是为了保证正确的XML文档的元素和属性，建立一个在数据交换过程中的标准。遵守XML模式，规范XML的文档定义为有效文档，当前应用最广泛的两种XML数据模式语言是XML Schemao和XML DTD。
3 XML解析
对XML文档进行操作的不是应用程序，而是首先由XML分析器分析XML文档，然后，通过XML分析器所提供的DOM接口或SAX接口应用程序对分析结果进行操作，对XML文档间接地实现了的訪问。不同的分析器来实现这些接口由，但是它们必须遵守共同的规范。针对XML出现的应用编程接口(API, Application Programming Interface)对于XML应用开发者来说是很重要的。应用开发者利用这些标准的接口来得到和设置XML文档中的元素、数据、属性、内容等。XML的应用编程接口中有四种： SAX、JDOM 、 DOM、 DOM4J。
4 模式匹配方法研究
在多数情况下，模式本身不能够反映它所代表数据完整语义。所以，在进行模式匹配时，一定要利用模式本身包含的一些信息(例如元素名称、数据类型、元素结构)进行匹配。假使用一种匹配器来考虑这些信息中的一部分，就不可以获得与之使用的多种匹配器，必须考虑多种信息的效果。因此使用用多种匹配算法能够准确、有效地发现模式成员间语义上的一一对应关系，能够达到模式匹配的精确度。模式匹配系统框架由以下组件组成。
1、输入模式，由目标模式和原模式组成
2、输入辅助信息。由缩词词典和同义词词典组成，用户利用这些词典扩充以后的匹配工作时能够得到很好的效果。
3、仓库。数据库内存储分析后的输入的模式和辅助信息。
4、匹配器库。主要有数据类型匹配器、字符串匹配器、名称匹配器和上下文匹配器组成。
5、工作区。在这里进行基本匹配操作，其中包括匹配器执行和相似度合成。
系统的匹配处理过程包括下面三个阶段。
1、模式及辅助信息输入
输入模式包括源模式Ss和目标模式So作为输入模式，在仓库内存储作为辅助信息的同义词词典以及缩字词典。模式及辅助信息作为输入处理阶段，它的主要工作包括对模式及辅助信息的分析和存储。通过不同的分析器模式以及辅助信息，在系统内的各种不同匹配器以完成匹配任务的形式被存储。
2、匹配阶段
在本阶段中，对经过输入处理的模式，执行匹配器库中的不同类型的匹配器。不同匹配器都根据各种的模式信息(包括名称、结构信息、数据类型等)计算出模式各元素之间的相似度。
3、合成阶段
合成不同匹配器的输出结果，要进行选出匹配候选。并依据匹配器的特征需求提前设定好各种合成权重、为匹配候选出筛选的闽值。在数据库很多应用中，如电子商务、面向web的数据集成、模式迁入或改进、数据仓库、应用改进、数据库设计、基于组件的开发和站点的建设与管理等，都要利用模式信息。然而在模式信息的操作中，匹配是最基本一个操作，就是将两个模式作为输入，找到它们的之间相关元素的匹配关系，接着输出两个模式元素间的映射关系。模式匹配的有下面几个方面主要应用：
（1）模式集成
当前，很多关于模式匹配的工作是应用于解决模式集成问题的，就是给定一个独立开发的模式集，创建一个全局视图。模式匹配能够在异构数据库之间确定数据集成点。因为模式是独立开发的，因此其具有不同的结构和术语，描述同一现实领域时，由于创建人的不同，其所处的环境不同，所创建的模式也会有各有不同。集成模式的首先是识别和特征化模式间的关系，关系被确定后，匹配元素统一表示集成的模式或视图。
（2）数据仓库
模式匹配的另外一个应用是将数据源集成到数据仓库中。一个数据仓库是从数据源集中提取数据作为一个决策支持。这个提取过程需要把数据从数据源格式转换成数据仓库格式，设计转换对匹配操作是很有用的。对于一个给定的数据源，我们可以通过查找在数据源中与数据仓库中同时存在的元素，从而得到一个匹配，实际上查找过程就是一个匹配操作。初始映射创建好之后，数据仓库的设计者就必须检查每个源元素的具体语义，接着创建可以协调该语义与目标语义的转换。
关键词：XML模式 技术 研究
中图分类号：TP393 文献标识码：A 文章编号：1674-098X(2012)02(c)-0000-00
1 XML前景与特点
可扩展标记语言(Extensible Markup Language，简称XML)的产生改变了Web的根本面貌。1998年2月，W3C(全球互联网联盟)给出了正式的版本XML 1.0，并且正式规定XML为下一代互联网标准。与HTML相比XML具有许多优点： ①XML很简单，进行自我描述而且易于解析。 ②HTML中的标记是不变的，不能进行扩展，可是XML的标记则由用户定义，能任意的扩展。③HTML中的标记表示方法是数据的显示格式，无任何语义，可是XML的标记就明确规定数据的含义，让细粒度的XML成为数据处理。④XML实现了结构、表现和内容三者的分离。
1.1自描述性
XML准许个人、各个组织建立适合自己的标志集合，这一特征可以让XML在电子商务、保险机构、政府文档、司法、出版、、厂商以及中介组织信息交换等领域进行广泛应用，面对厂商、不同系统提出独特的解决方案。
1.2可扩展性
XML在两个方面是可扩展的，首先它准许开发者创建自己的数据模式，以便创建多种应用的“可扩展”标记集。其次，它使用与XML相关的标准，这样对XML的扩展，同时这些扩展给XML添加了查询、转换、链接的能力，同时XML作为核心标准，它可以为创建其他标准提供了一个稳固的基础。
1.3跨平台性
XML不仅在多种平台上使用，还可以用多种工具对其进行解释，并对几种主要的字符编码作为主要标准支持，所以它能在全世界使用在许多不同的计算机环境中。只要在各系统装有相应的XML解析工具，那么就能理解它是以XML为中介把其他系统传递来的信息加以利用。
1.4开放性
XML的有关标准在Web上是充分开放的，能够免费获得。可是XML文档自己也比较开放，任何人都能够对一个结构的XML文档进行语法分析，得到可读信息。这样既能提供了数据模式，还能够校验这个文档的有效性。
2 XML数据模式
可扩展性是XML的一个重要特性，XML文档的作者能够定义任意文档数据的结构以及元素的属性和名称。可扩展性给文档的制作虽然提供了极大的灵活性，但是它也能使各种组织的应用程序间的数据交换很难得到实现，因为各种组织的应用程序对相同的标记名称也有不一样的理解。 XML的模式出现就是为了保证正确的XML文档的元素和属性，建立一个在数据交换过程中的标准。遵守XML模式，规范XML的文档定义为有效文档，当前应用最广泛的两种XML数据模式语言是XML Schemao和XML DTD。
3 XML解析
对XML文档进行操作的不是应用程序，而是首先由XML分析器分析XML文档，然后，通过XML分析器所提供的DOM接口或SAX接口应用程序对分析结果进行操作，对XML文档间接地实现了的訪问。不同的分析器来实现这些接口由，但是它们必须遵守共同的规范。针对XML出现的应用编程接口(API, Application Programming Interface)对于XML应用开发者来说是很重要的。应用开发者利用这些标准的接口来得到和设置XML文档中的元素、数据、属性、内容等。XML的应用编程接口中有四种： SAX、JDOM 、 DOM、 DOM4J。
4 模式匹配方法研究
在多数情况下，模式本身不能够反映它所代表数据完整语义。所以，在进行模式匹配时，一定要利用模式本身包含的一些信息(例如元素名称、数据类型、元素结构)进行匹配。假使用一种匹配器来考虑这些信息中的一部分，就不可以获得与之使用的多种匹配器，必须考虑多种信息的效果。因此使用用多种匹配算法能够准确、有效地发现模式成员间语义上的一一对应关系，能够达到模式匹配的精确度。模式匹配系统框架由以下组件组成。
1、输入模式，由目标模式和原模式组成
2、输入辅助信息。由缩词词典和同义词词典组成，用户利用这些词典扩充以后的匹配工作时能够得到很好的效果。
3、仓库。数据库内存储分析后的输入的模式和辅助信息。
4、匹配器库。主要有数据类型匹配器、字符串匹配器、名称匹配器和上下文匹配器组成。
5、工作区。在这里进行基本匹配操作，其中包括匹配器执行和相似度合成。
系统的匹配处理过程包括下面三个阶段。
1、模式及辅助信息输入
输入模式包括源模式Ss和目标模式So作为输入模式，在仓库内存储作为辅助信息的同义词词典以及缩字词典。模式及辅助信息作为输入处理阶段，它的主要工作包括对模式及辅助信息的分析和存储。通过不同的分析器模式以及辅助信息，在系统内的各种不同匹配器以完成匹配任务的形式被存储。
2、匹配阶段
在本阶段中，对经过输入处理的模式，执行匹配器库中的不同类型的匹配器。不同匹配器都根据各种的模式信息(包括名称、结构信息、数据类型等)计算出模式各元素之间的相似度。
3、合成阶段
合成不同匹配器的输出结果，要进行选出匹配候选。并依据匹配器的特征需求提前设定好各种合成权重、为匹配候选出筛选的闽值。在数据库很多应用中，如电子商务、面向web的数据集成、模式迁入或改进、数据仓库、应用改进、数据库设计、基于组件的开发和站点的建设与管理等，都要利用模式信息。然而在模式信息的操作中，匹配是最基本一个操作，就是将两个模式作为输入，找到它们的之间相关元素的匹配关系，接着输出两个模式元素间的映射关系。模式匹配的有下面几个方面主要应用：
（1）模式集成
当前，很多关于模式匹配的工作是应用于解决模式集成问题的，就是给定一个独立开发的模式集，创建一个全局视图。模式匹配能够在异构数据库之间确定数据集成点。因为模式是独立开发的，因此其具有不同的结构和术语，描述同一现实领域时，由于创建人的不同，其所处的环境不同，所创建的模式也会有各有不同。集成模式的首先是识别和特征化模式间的关系，关系被确定后，匹配元素统一表示集成的模式或视图。
（2）数据仓库
模式匹配的另外一个应用是将数据源集成到数据仓库中。一个数据仓库是从数据源集中提取数据作为一个决策支持。这个提取过程需要把数据从数据源格式转换成数据仓库格式，设计转换对匹配操作是很有用的。对于一个给定的数据源，我们可以通过查找在数据源中与数据仓库中同时存在的元素，从而得到一个匹配，实际上查找过程就是一个匹配操作。初始映射创建好之后，数据仓库的设计者就必须检查每个源元素的具体语义，接着创建可以协调该语义与目标语义的转换。