[發明專利]一種面向關系數據庫的本體模型構造方法及系統

有效

• 申請號: 201810456743.8
• 申請日: 2018-05-14
• 公開（公告）號: CN108733793B
• 公開（公告）日: 2019-12-10
• 發明（設計）人: 趙俊峰;王亞沙;王江濤;崔達;王豐
• 申請（專利權）人: 北京大學
• 主分類號: G06F16/21
• 分類號: G06F16/21;G06F16/25;G06F16/28
• 代理公司: 11200 北京君尚知識產權代理有限公司
• 代理人: 邱曉鋒

1.一種面向關系數據庫的本體模型構造方法，其特征在于，包括以下步驟：

1)提取關系數據庫的元信息；所述關系數據庫的元信息包括表、列及約束；

2)對提取的關系數據庫的元信息進行冗余信息檢測；采用以下四種規則中的一種或多種來進行冗余信息檢測：實例判定法、時間判定法、關聯判定法、后綴判定法；所述實例判定法通過計算表和列的實例數量來判斷冗余性；所述時間判定法通過表的最近活躍時間進行冗余信息檢測；所述關聯判定法將不存在關聯關系的表作為冗余信息；所述后綴判定法通過表的后綴進行冗余信息檢測；

3)對提取的關系數據庫的元信息進行外鍵檢測；所述進行外鍵檢測，首先找出所有符合包含關系的列對，然后使用機器學習中的分類器方法來判斷一個包含關系是否是外鍵關系；

所述分類器方法包括三個步驟：特征提取、訓練集構造、模型訓練；

4)通過映射規則，將冗余信息檢測、外鍵檢測之后的元信息用本體來表達，得到本體模型。

2.根據權利要求1所述的方法，其特征在于，通過數據庫定義語言DDL中的Show tables語句和Describe[table]語句來獲得元信息。

3.根據權利要求1所述的方法，其特征在于，所述時間判定法為：

a)定義數據庫表最近一次插入或刪除的時間、最近一次更新的時間、最近一次被查詢的時間中最晚的那個時間為最近活躍時間；

b)通過解析數據庫日志，將其分隔為時間戳和SQL查詢的組合，對SQL查詢進行語法分析，得到其查詢的目標對象表，進而得到每個表的最近活躍時間；

c)如果步驟b)得到的表的最近活躍時間距離當前時間超過預先設定的閾值，則該表被判定為不活躍。

4.根據權利要求1所述的方法，其特征在于，步驟2)采用所述四種規則來進行冗余信息檢測，包括：綜合所述四種規則，采用積分制來判斷冗余信息；對于數據庫中的表和列，初始為滿分，違反其中任意一條規則均扣除一定的分數，低于特定分數的元素將被標記為冗余信息；同時提供面向領域專家和數據庫設計人員的界面，將不同判斷規則以積分制的形式進行綜合，用于人工地對冗余信息進行界定。

5.根據權利要求1所述的方法，其特征在于，在步驟2)的冗余信息檢測階段先不考慮關聯判定法的結果，待步驟3)的外鍵檢測執行完畢后再實施一次關聯判定法；所述關聯判定法將不存在關聯關系的表作為冗余信息。

6.根據權利要求1所述的方法，其特征在于，對于列A和B，A包含于B，所述特征提取是提取以下特征：A不同值的基數，即A中不同的值的個數；值區間覆蓋率，即A和B中最大值最小值所形成的區間的覆蓋程度；值覆蓋率，即A、B的實例集合中元素的個數的比值；字符串相似度，即外鍵列和引用列在字符串上的相似度；特定后綴，即外鍵列名的后綴；AB所屬表大小比例，即B中被A引用的值的平均被引用次數；所述模型訓練是采用BP神經網絡訓練得到外鍵分類器。

7.根據權利要求1所述的方法，其特征在于，步驟4)所述映射規則包括：數據類型映射、組成成分映射、約束映射。

8.一種面向關系數據庫的本體模型構造系統，其特征在于，包括以下步驟：

元信息提取單元，用于提取關系數據庫的元信息；所述關系數據庫的元信息包括表、列及約束；

冗余信息檢測單元，用于對提取的關系數據庫的元信息進行冗余信息檢測；采用以下四種規則中的一種或多種來進行冗余信息檢測：實例判定法、時間判定法、關聯判定法、后綴判定法；所述實例判定法通過計算表和列的實例數量來判斷冗余性；所述時間判定法通過表的最近活躍時間進行冗余信息檢測；所述關聯判定法將不存在關聯關系的表作為冗余信息；所述后綴判定法通過表的后綴進行冗余信息檢測；

外鍵檢測單元，用于對提取的關系數據庫的元信息進行外鍵檢測；所述進行外鍵檢測，首先找出所有符合包含關系的列對，然后使用機器學習中的分類器方法來判斷一個包含關系是否是外鍵關系；所述分類器方法包括三個步驟：特征提取、訓練集構造、模型訓練；

映射單元，用于通過映射規則，將冗余信息檢測、外鍵檢測之后的元信息用本體來表達，得到本體模型。