[發(fā)明專利]一種基于多標簽傳播的數(shù)據庫重疊模式摘要生成方法

有效

• 申請?zhí)枺?/td>: 201510464314.1
• 申請日: 2015-07-31
• 公開（公告）號: CN105138588B
• 公開（公告）日: 2018-09-28
• 發(fā)明（設計）人: 袁曉潔;于漫;王超;靳宇東;溫延龍
• 申請（專利權）人: 南開大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 天津佳盟知識產權代理有限公司 12002
• 代理人: 侯力

一種基于多標簽傳播的數(shù)據庫重疊模式摘要生成方法。包括：將數(shù)據庫模式信息映射為多標簽圖模型；采用多標簽傳播算法對數(shù)據庫模式信息進行聚類，生成可重疊團；采用層次聚類算法對可重疊團進行聚類，進一步生成規(guī)模適當?shù)慕Y果類；最后基于信息熵及隨機游走模型為每個結果類選取主題表，以生成最終的數(shù)據庫重疊模式摘要。本發(fā)明提出的重疊模式摘要生成方案能夠為用戶提供更加準確、具有意義的數(shù)據庫重疊模式摘要，幫助用戶快速地理解數(shù)據庫信息。

技術領域

本發(fā)明屬于數(shù)據庫技術領域，具體涉及一種新型的關系數(shù)據庫重疊模式摘要生成技術。

背景技術

隨著計算機的普及和信息技術的飛速發(fā)展，大量的數(shù)據信息使得數(shù)據庫技術得到了廣泛的使用，數(shù)據庫應用開始走向普通用戶。然而現(xiàn)代數(shù)據庫的規(guī)模往往十分龐大而復雜，用戶要想在查詢過程中生成適當?shù)慕Y構化查詢語言，就必須要對數(shù)據庫的模式信息具有一定的了解。然而大規(guī)模數(shù)據庫所對應的模式信息通常也十分復雜，并且普遍存在相關文檔缺失現(xiàn)象，更給用戶了解數(shù)據庫模式造成了困難。

模式摘要生成技術能夠有效的解決上述問題，為用戶提供一個簡明的數(shù)據庫模式概要，提高數(shù)據庫的可用性。現(xiàn)存的模式摘要解決方案都只專注于非重疊模式摘要的生成，也就是只允許一個數(shù)據庫關系表屬于模式摘要中的一個主題類，然而在現(xiàn)實中，數(shù)據庫關系表往往可以擁有多重意義并隸屬于多個主題類。只考慮非重疊情況會導致摘要結果不完整甚至使用戶產生誤解。

相對于非重疊模式摘要往往不能夠全面滿足用戶需求的問題。重疊模式摘要生成技術能夠生成更加合理的數(shù)據庫模式摘要信息，有效減少用戶理解數(shù)據庫模式所消耗的時間和精力，具有廣泛的工程應用前景。

發(fā)明內容

本發(fā)明的目的在于克服現(xiàn)有技術存在的上述不足，提出一種基于多標簽傳播的數(shù)據庫重疊模式摘要自動生成方法。

本發(fā)明提供的基于多標簽傳播的數(shù)據庫重疊模式摘要生成方法，創(chuàng)新地提出了重疊模式摘要概念；設計一種新的數(shù)據庫多標簽模式圖模型；采用了多標簽傳播算法和層次聚類算法分別對數(shù)據庫模式進行聚類；最終為聚類所得的每個結果類選取一個主題表，為用戶返回一個可重疊的模式摘要。該方法的步驟如下：

第1、將數(shù)據庫模式映射為一個帶權重的多標簽圖；

第1.1、將數(shù)據庫模式映射為一個多標簽圖，

定義1：一個關系數(shù)據庫模式可以映射為一個多標簽圖，用一個三元組G＝(V,E,L_M)表示，其中：

①.V表示數(shù)據庫中關系表節(jié)點的集合，v∈V表示數(shù)據庫中的關系表節(jié)點；

②.E表示數(shù)據庫中外鍵關系的集合，e∈E表示數(shù)據庫中的外鍵關系；

③.L_M為一個標簽映射函數(shù)，將節(jié)點映射到對應的一個或者多個標簽，其中標簽用(c,b)表示，c表示一個結果類標示符，b為標簽隸屬度，表示一個數(shù)據庫關系表v與其結果類標示符c的隸屬強度；

第1.2、計算多標簽圖中連接邊的兩個關系表間的相似性，作為標簽圖權重；

第1.2.1、使用空間向量模型計算關系表的表名和屬性名的文本相似度，作為關系表的名稱相似度；

第1.2.2、使用Jaccard系數(shù)對關系表屬性列的值進行數(shù)值相似度分析，并通過貪心算法找到最佳匹配屬性對，取最佳匹配屬性對值相似度的平均值求得關系表值相似度；

第1.2.3、通過分析關系表之間的計數(shù)比率，計算出關系表的映射關系相似度，

定義2：關系表R與關系表S之間的映射關系相似度，記作Simm(R,S)，定義如下：

其中：

①.τ表示關系表的所有元組；