36、网页数据集成系统：方法与案例研究

网页数据集成系统：方法与案例研究

1. 引言

网络是信息发布的平台，也是各类信息的最大资源库。网络上存在大量有价值的数据和商业数据，组织或用户可利用这些数据改进决策过程。因此，确保这些信息完整、精确且能及时获取至关重要。同时，对这些外部信息进行系统管理和利用也十分关键。

网页数据源之间存在多种异质性和差异，这使得从不同网络数据源访问、检索和利用信息变得困难且容易出错。在网页数据集成过程中，需要解决这些异质性冲突。异质性冲突可根据以下抽象级别进行分类：
- 数据值冲突 ：发生在实例级别，与数据值的表示或解释有关，例如类型、单位、精度和允许值的差异（如“kg”和“gram”，“$”和“dollar”）。
- 模式冲突 ：由于一个数据模型为同一现实开发模式的不同选择导致。例如，在一个关系模式中被建模为属性的内容，在另一个关系模式中可能被建模为实体；两个数据源可能使用不同名称表示同一概念，或使用同一名称表示不同概念。
- 数据模型冲突 ：当数据库使用不同的数据模型时发生，例如一个数据库基于关系模型设计，另一个是面向对象的。

每个级别上的冲突又可分为句法冲突和语义冲突。句法冲突指数据表示的差异，语义冲突指对相同或相关数据的含义、解释和使用的分歧。

我们的主要目标是解决网页数据集成过程中的异质性冲突。为此，我们首先提出一种网页数据集成系统的方法和架构，然后开发一个针对马来西亚大学的原型系统。

2. 系统方法与架构

研究人员已提出多种网页数据集成方法，如 SIMS、COIN、MOMIS、K