基于語義指向性特征提取的數(shù)據(jù)庫優(yōu)化訪問方法

李 浩，王旭輝

(河南工程學(xué)院 計(jì)算機(jī)學(xué)院，河南 鄭州 451191)

?

基于語義指向性特征提取的數(shù)據(jù)庫優(yōu)化訪問方法

李 浩，王旭輝

(河南工程學(xué)院 計(jì)算機(jī)學(xué)院，河南 鄭州 451191)

為通過語義指向性索引實(shí)現(xiàn)數(shù)據(jù)庫的優(yōu)化訪問，提出了一種基于語義本體模型和關(guān)聯(lián)指向性特征提取的數(shù)據(jù)庫優(yōu)化訪問方法,進(jìn)行了數(shù)據(jù)庫存儲機(jī)制和數(shù)據(jù)結(jié)構(gòu)的分析，采用匹配投影法進(jìn)行數(shù)據(jù)庫訪問過程中干擾信息和冗余信息的濾除，采用信息融合算法實(shí)現(xiàn)對數(shù)據(jù)庫中詞頻信息的均衡控制和全局尋優(yōu)，提取語義本體模型的關(guān)聯(lián)指向性特征，以此為指向性索引路徑進(jìn)行數(shù)據(jù)庫信息檢索，實(shí)現(xiàn)數(shù)據(jù)庫的優(yōu)化訪問.仿真結(jié)果表明，采用該方法進(jìn)行Web數(shù)據(jù)庫訪問，語義特征的波束聚焦性較好，冗余信息得到了有效抑制，數(shù)據(jù)庫訪問的查準(zhǔn)率高于傳統(tǒng)算法，性能優(yōu)越.

數(shù)據(jù)庫；語義；特征提?。恍畔⑷诤?/p>

隨著計(jì)算機(jī)信息和網(wǎng)絡(luò)技術(shù)的發(fā)展，大量的數(shù)據(jù)信息通過網(wǎng)絡(luò)傳輸，海量的數(shù)據(jù)通過Web數(shù)據(jù)庫進(jìn)行存儲和信息調(diào)度，需要研究一種有效的數(shù)據(jù)庫訪問方法，從海量數(shù)據(jù)中挖掘出有效的信息特征，實(shí)現(xiàn)數(shù)據(jù)的指向性分析，通過關(guān)鍵字信息查詢和語義索引實(shí)現(xiàn)數(shù)據(jù)庫的優(yōu)化訪問.研究數(shù)據(jù)庫優(yōu)化訪問的方法，在提高數(shù)據(jù)庫集成調(diào)度性能方面具有重要的意義，相關(guān)算法的研究受到了廣大專家學(xué)者的重視.

對數(shù)據(jù)庫訪問和數(shù)據(jù)調(diào)度的過程，本質(zhì)是對數(shù)據(jù)信息流進(jìn)行語義關(guān)鍵信息分析，通過語義信息特征的提取，采用自適應(yīng)波束形成和語義相關(guān)度特征分析方法進(jìn)行數(shù)據(jù)庫訪問的關(guān)鍵信息索引，為數(shù)據(jù)庫訪問提供波束指向性，實(shí)現(xiàn)準(zhǔn)確索引和查詢的目的.對數(shù)據(jù)庫訪問的傳統(tǒng)方法主要有基于時(shí)頻特征查詢的數(shù)據(jù)訪問調(diào)度方法、基于語義關(guān)聯(lián)維特征分析的數(shù)據(jù)庫訪問方法和基于統(tǒng)計(jì)信息特征分析的數(shù)據(jù)庫訪問方法[1-3].這些方法采用信息子空間建模和數(shù)據(jù)關(guān)聯(lián)屬性挖掘，結(jié)合查詢接口進(jìn)行數(shù)據(jù)庫的優(yōu)化訪問，但存在計(jì)算開銷較大、在數(shù)據(jù)庫訪問中受到關(guān)鍵詞屬性的粗糙集干擾較大等問題，導(dǎo)致數(shù)據(jù)庫訪問過程中的查準(zhǔn)性能不好.對此，文獻(xiàn)[4]提出了一種基于信息流減法聚類的語義網(wǎng)絡(luò)數(shù)據(jù)庫的訪問和數(shù)據(jù)調(diào)度模型，采用模糊C均值方法對數(shù)據(jù)庫中的關(guān)鍵信息進(jìn)行聚類處理，結(jié)合語義調(diào)控目標(biāo)函數(shù)進(jìn)行數(shù)據(jù)庫的層階調(diào)度，提高訪問能力，但是該算法在數(shù)據(jù)信息特征聚類中容易陷入局部最優(yōu)解，導(dǎo)致數(shù)據(jù)庫訪問過程中的收斂性不好；文獻(xiàn)[5]提出了一種基于關(guān)鍵字有向圖模型構(gòu)建的數(shù)據(jù)庫訪問方法，由于數(shù)據(jù)庫知識存儲的基本單元具有關(guān)聯(lián)耦合性，在信息分離過程中容易出現(xiàn)錯誤，導(dǎo)致數(shù)據(jù)庫訪問的精度不高.針對上述問題，本研究提出了一種基于語義本體模型檢索和語義關(guān)聯(lián)指向性特征提取的數(shù)據(jù)庫優(yōu)化訪問算法，通過仿真實(shí)驗(yàn)進(jìn)行了性能驗(yàn)證.

1 數(shù)據(jù)庫的信息存儲機(jī)制與數(shù)據(jù)結(jié)構(gòu)分析

1.1 數(shù)據(jù)庫的信息存儲機(jī)制與存儲節(jié)點(diǎn)分布模型

圖1 Web數(shù)據(jù)庫信息存儲和訪問機(jī)制的總體結(jié)構(gòu)Fig.1 Overall structure of information storage and access mechanism of the Web database

為了研究大型Web數(shù)據(jù)庫的優(yōu)化訪問技術(shù)，首先需要分析海量數(shù)據(jù)在數(shù)據(jù)庫中的存儲機(jī)制.在大型Web數(shù)據(jù)庫中，將大量的數(shù)據(jù)分布到多個(gè)服務(wù)節(jié)點(diǎn)中,通過云存儲和Deep Web數(shù)據(jù)存儲方式進(jìn)行數(shù)據(jù)信息的聚類和融合，數(shù)據(jù)庫的訪問接口集成了查詢接口模塊、語義特征提取模塊和查詢信息的輸出處理模塊等.其中，Web數(shù)據(jù)庫的查詢接口模塊是通過信息的輸入和關(guān)鍵詞查詢路徑索引方法實(shí)現(xiàn)Web數(shù)據(jù)庫的發(fā)現(xiàn)、信息抽取及數(shù)據(jù)調(diào)度和訪問的；語義特征提取模塊通過生成語義實(shí)體模型檢索查詢結(jié)果；查詢信息的輸出處理模塊包括Web數(shù)據(jù)庫的選擇、查詢語言的轉(zhuǎn)換和數(shù)據(jù)庫訪問結(jié)果的提交等.通過優(yōu)化的數(shù)據(jù)庫訪問模塊化設(shè)計(jì)，可實(shí)現(xiàn)數(shù)據(jù)訪問結(jié)果的注釋和信息的合并[6].根據(jù)上述分析，可得到典型的Web數(shù)據(jù)庫信息存儲和訪問結(jié)構(gòu)模型,如圖1所示.

根據(jù)上述數(shù)據(jù)庫的存儲結(jié)構(gòu)進(jìn)行數(shù)據(jù)庫存儲節(jié)點(diǎn)分布模型的構(gòu)建,Web數(shù)據(jù)庫三層集成分布式存儲結(jié)構(gòu)的數(shù)學(xué)模型為

(1)

(2)

式中:x描述數(shù)據(jù)庫中的文本集合，整個(gè)Web數(shù)據(jù)庫系統(tǒng)的全文本內(nèi)容的語義狀態(tài)特征信息可表示為

(3)

其中，文本模塊區(qū)域定位特征描述為

u=[u1，u2，…，uN]∈RmN.

(4)

假設(shè)存儲節(jié)點(diǎn)的矢量分布軌跡di和dj為兩個(gè)標(biāo)度向量，數(shù)據(jù)庫存儲節(jié)點(diǎn)的分布向量之間的距離采用歐式距離，其計(jì)算公式為

(5)

通過對數(shù)據(jù)庫存儲節(jié)點(diǎn)分布結(jié)構(gòu)的分析，可以估計(jì)數(shù)據(jù)庫的規(guī)模.Web數(shù)據(jù)庫的分布式節(jié)點(diǎn)在進(jìn)行語義檢索的過程中，輸入控制參量采用單個(gè)節(jié)點(diǎn)適應(yīng)度索引方式，可得到Web數(shù)據(jù)庫訪問的語義檢索的控制參量輸入：

(6)

設(shè)當(dāng)前Web數(shù)據(jù)庫的本體語義數(shù)據(jù)流是一個(gè)以三元組形式構(gòu)建的本體模型，此時(shí)，語義特征的適應(yīng)度和關(guān)聯(lián)信息能有效表征數(shù)據(jù)庫訪問的關(guān)鍵詞索引信息，可以此為依據(jù)進(jìn)行數(shù)據(jù)庫的訪問和技術(shù)優(yōu)化設(shè)計(jì).

1.2 數(shù)據(jù)融合預(yù)處理

在進(jìn)行了上述Web數(shù)據(jù)庫的存儲機(jī)制分析和存儲節(jié)點(diǎn)分布模型構(gòu)建的基礎(chǔ)上，為提高對數(shù)據(jù)庫訪問的查準(zhǔn)性能，需要進(jìn)行數(shù)據(jù)融合處理以提高語義特征提取的指向性能力.在Web數(shù)據(jù)庫中，海量數(shù)據(jù)在存儲空間中的狀態(tài)特征信息模型采用二元時(shí)間序列表達(dá)的方式可以描述為

(7)

式中:P為海量數(shù)據(jù)在數(shù)據(jù)庫存儲中的包絡(luò)幅值，x(t)為輸入關(guān)鍵詞查詢指向性信息參量，y(t)為干擾特征.x(t)與y(t)形成語義本體的互相關(guān)共軛關(guān)系，當(dāng)X?U且R?A時(shí)，可得到數(shù)據(jù)庫中信息訪問的融合均衡控制方程：

(8)

式中:x0和y0為數(shù)據(jù)庫訪問的瞬時(shí)頻率與中心頻率，r為丟失信息流的干擾輻射半徑.數(shù)據(jù)庫的海量數(shù)據(jù)存儲系統(tǒng)根據(jù)信息融合的空間結(jié)構(gòu)形成一個(gè)包含n個(gè)矢量結(jié)合的存儲空間組A={A1，A2，…，An}，存儲空間中的殘差信號Rs投影在D中的基函數(shù)

z(t)=x(t)+iy(t)=a(t)eiθ(t),

(9)

式中：

(10)

采用匹配投影法進(jìn)行數(shù)據(jù)庫訪問過程中干擾信息和冗余信息的濾除，通過信息融合實(shí)現(xiàn)對冗余數(shù)據(jù)的全局尋優(yōu).在數(shù)據(jù)庫訪問的語義特征提取尋優(yōu)過程中，采用基于Dopplerlet的自適應(yīng)特征匹配方法，可得到語義相關(guān)的詞頻融合狀態(tài)方程：

(11)

2 語義指向性特征的提取與數(shù)據(jù)庫優(yōu)化訪問的實(shí)現(xiàn)

2.1 語義關(guān)聯(lián)指向性特征的提取

在進(jìn)行了上述數(shù)據(jù)庫存儲機(jī)制的分析和海量數(shù)據(jù)分布式存儲節(jié)點(diǎn)結(jié)構(gòu)模型構(gòu)建的基礎(chǔ)上，通過數(shù)據(jù)信息融合處理濾除數(shù)據(jù)庫訪問過程中的干擾和冗余信息，降低了數(shù)據(jù)存儲的開銷，以此為基礎(chǔ)進(jìn)行數(shù)據(jù)庫訪問算法的設(shè)計(jì).為了克服傳統(tǒng)方法計(jì)算開銷過大、語義指向性聚焦能力不強(qiáng)的不足，提出了一種基于語義本體模型檢索和語義關(guān)聯(lián)指向性特征提取的數(shù)據(jù)庫優(yōu)化訪問方法.采用主題樹特征匹配方法構(gòu)建語義本體模型，語義本體模型主要包含4層結(jié)構(gòu)模型，分別為語義模型、數(shù)據(jù)模型、導(dǎo)航模型和表現(xiàn)模型[7-9].在語義本體模型中，通過數(shù)據(jù)庫中的數(shù)據(jù)鏈聚類融合，可得到多個(gè)導(dǎo)向性聚類中心進(jìn)行數(shù)據(jù)庫訪問的信息索引和指向性聚焦.在一個(gè)語義本體模型中，語義決策樹采用一個(gè)三元組的形式K=(O，A，R)表示.其中，O是文本所屬類別的對象集合，A是數(shù)據(jù)庫的數(shù)據(jù)聚類屬性集合，R是O和A之間的一個(gè)二元關(guān)系.設(shè)數(shù)據(jù)庫中與語義信息相關(guān)的數(shù)據(jù)類別總數(shù)為m，語義特征信息流{xi}在數(shù)據(jù)庫訪問時(shí)間間隔jτ的自相關(guān)函數(shù)為

(12)

式中:N為采樣的數(shù)據(jù)樣本數(shù).設(shè)E是對象集合O的一個(gè)子集，數(shù)據(jù)庫中的語義指向性特征相互獨(dú)立，語義信息的自相關(guān)信息為

E{h1(y1)h2(y2)}=E{h1(y1)}E{h2(y2)}.

(13)

定義E{[X-E(X)][Y-E(Y)]}為主題樹特征匹配變量X與Y的協(xié)方差，記為Cov(X，Y).此時(shí)，假設(shè)輸入語義主題樹的隨機(jī)變量X與Y分別是Web數(shù)據(jù)庫的特征聚類融合中心的初始值，采用自相關(guān)協(xié)方差表示語義為

Cov(X，Y)=E{[X-E(X)][Y-E(Y)]}.

(14)

此時(shí)，得到兩組信息流的自相關(guān)系數(shù)，表示關(guān)聯(lián)指向性特征為

(15)

式中: ρxy是一個(gè)無量綱的量，修正每個(gè)向量vi進(jìn)行特征聚類，以提高數(shù)據(jù)庫訪問過程中的語義波束指向性.假設(shè)波束指向的時(shí)延尺度系數(shù)為τ，對于連續(xù)的詞頻檢索遍歷x(t)，其自相關(guān)函數(shù)C(τ)定義為

(16)

式(16)中，數(shù)據(jù)庫訪問的有用文本提取率x(t)與x(t+τ)的差別越來越大，語義信息召回的信息流x(t)與x(t+τ)完全無關(guān)，C(τ)作為自相關(guān)函數(shù)趨于0，此時(shí)得到的數(shù)據(jù)庫訪問結(jié)果是穩(wěn)定可靠的.在數(shù)據(jù)庫訪問中，采用關(guān)鍵詞索引方法，對任意兩個(gè)詞頻信息X和Y構(gòu)建Web數(shù)據(jù)庫的語義本體模型的關(guān)聯(lián)指向性特征分別為

(17)

(18)

(19)

式中:P(X)和P(Y)分別是訪問詞頻信息X和Y得到的準(zhǔn)確語義信息召回的概率密度函數(shù)，P(X∩Y)是聯(lián)合訪問詞頻信息X和Y所得到的準(zhǔn)確語義信息召回的聯(lián)合概率密度函數(shù).通過分析上述關(guān)聯(lián)指向性特征的提取結(jié)果，可采用波束形成方法進(jìn)行數(shù)據(jù)庫訪問的語義詞頻信息聚焦，以提高數(shù)據(jù)庫訪問關(guān)鍵信息的波束指向性，實(shí)現(xiàn)數(shù)據(jù)的準(zhǔn)確查詢和訪問.

2.2 數(shù)據(jù)庫訪問優(yōu)化的實(shí)現(xiàn)

在進(jìn)行關(guān)聯(lián)指向性特征提取的基礎(chǔ)上，為信息索引路徑進(jìn)行數(shù)據(jù)庫的優(yōu)化訪問.假設(shè)數(shù)據(jù)庫訪問中的數(shù)據(jù)信息流為x(t)，通過語義關(guān)聯(lián)指向性特征構(gòu)建多源節(jié)點(diǎn)，在海量數(shù)據(jù)的存儲空間中形成新的映射.在數(shù)據(jù)存儲空間中，數(shù)據(jù)存儲節(jié)點(diǎn)的空間軌跡矢量場表示為X，采用特征值和特征向量信息模板匹配方法得到輸出的融合代價(jià)為hi(t)，數(shù)據(jù)庫訪問的干擾項(xiàng)為npi(t)，采用異步迭代方法得到初始化的數(shù)據(jù)訪問的融合中心離散度：

Xri(t)=X(t)×hi(t)+npi(t),

(20)

式中:hi(t)表示X(t)在Web數(shù)據(jù)庫的語義本體加速分布融合函數(shù)，即數(shù)據(jù)庫訪問的語義詞頻信息的響應(yīng)函數(shù).為了提高訪問精度，需要對冗余數(shù)據(jù)信息流進(jìn)行特征壓縮，得到特征壓縮的控制函數(shù)

(21)

(22)

(23)

通過上述處理，得到最優(yōu)訪問的控制序列.輸入關(guān)聯(lián)指向性特征進(jìn)行語義信息素聚焦，以此為索引變量進(jìn)行詞頻分類，采用虛假最近鄰點(diǎn)算法訪問數(shù)據(jù)的K個(gè)近鄰點(diǎn)，輸入查詢關(guān)鍵字keyword，執(zhí)行輸入的語義序列y(k)，得到的查詢結(jié)果輸出為M(Q,R1)，可表示為

y(k)=a(k)h(k)+n(k),

(24)

M(Q，R1)=M(keyword，p1)+M(search，p2),

(25)

式中: p1為數(shù)據(jù)庫訪問的查詢樣本測試集，p2為數(shù)據(jù)庫訪問的詞頻信息搜索訓(xùn)練集.通過上述處理，提高了數(shù)據(jù)庫關(guān)鍵信息的查詢性能，實(shí)現(xiàn)了數(shù)據(jù)庫的優(yōu)化訪問.

3 仿真實(shí)驗(yàn)與結(jié)果分析

圖2 數(shù)據(jù)庫中海量數(shù)據(jù)信息采樣時(shí)域波形Fig.2 Time domain waveform of massive datainformation sampling in the database

為測試本方法在實(shí)現(xiàn)Web數(shù)據(jù)庫訪問中的性能，進(jìn)行仿真實(shí)驗(yàn).實(shí)驗(yàn)的硬件環(huán)境：處理器為2.94 GHz的Intel(R)Core(TM)2 Duo CPU，內(nèi)存為8 GB.采用Matlab仿真軟件進(jìn)行算法編程設(shè)計(jì).首先,進(jìn)行Web數(shù)據(jù)庫的分布式存儲結(jié)果模型設(shè)計(jì)，通過數(shù)據(jù)庫的信息采樣，進(jìn)行數(shù)據(jù)庫存儲數(shù)據(jù)的語義本體模型的構(gòu)建和關(guān)聯(lián)指向性特征的提取.測試數(shù)據(jù)來自Deep Web的CWT200G數(shù)據(jù)庫，信息以多媒體和文本信息的方式進(jìn)行云存儲分布，在數(shù)據(jù)庫訪問過程中,數(shù)據(jù)信息流從1 024 MB到100 GB均勻線性增長.為了測試數(shù)據(jù)庫的訪問性能，首先進(jìn)行數(shù)據(jù)信息流的時(shí)域采樣，數(shù)據(jù)采樣的歸一化初始頻率f1=0.8 Hz，終止頻率f2=0.15 Hz，數(shù)據(jù)訪問的信道帶寬B=1 028 Hz，冗余數(shù)據(jù)的干擾比特率為0.45 bps/s，在干擾強(qiáng)度為SNR=-5 dB和SNR=-8 dB條件下，進(jìn)行數(shù)據(jù)庫的訪問和特征提取.根據(jù)上述仿真環(huán)境和參數(shù)的設(shè)定，進(jìn)行數(shù)據(jù)庫訪問的實(shí)現(xiàn)過程仿真，以此作為一組樣本實(shí)驗(yàn)集形成海量數(shù)據(jù)集合，得到數(shù)據(jù)采樣的時(shí)域波形,如圖2所示.

以上述采樣的數(shù)據(jù)信息為測試樣本集進(jìn)行數(shù)據(jù)庫語義關(guān)聯(lián)指向性特征的提取，通過語義信息融合處理降低數(shù)據(jù)庫訪問過程中的特征干擾，濾除冗余信息，得到采用本方法和未進(jìn)行冗余信息濾波處理的語義關(guān)聯(lián)指向性特征提取結(jié)果,如圖3所示.從圖3可見，采用本方法進(jìn)行Web數(shù)據(jù)庫的數(shù)據(jù)訪問，通過語義指向性特征的提取，提高了詞頻信息的聚焦性能，波束指向性較好，冗余信息的干擾得到了有效抑制，時(shí)頻空間特征分布的聚類能力較強(qiáng)，提高了數(shù)據(jù)庫準(zhǔn)確訪問的性能.

為了定量分析本方法進(jìn)行數(shù)據(jù)庫優(yōu)化訪問的性能，以數(shù)據(jù)查準(zhǔn)率為測試指標(biāo)，在干擾強(qiáng)度為-10～10 dB時(shí)進(jìn)行10 000次蒙特卡羅實(shí)驗(yàn)，采用本方法和文獻(xiàn)[5]的關(guān)鍵字查詢方法得到了查準(zhǔn)率對比結(jié)果,如圖4所示.從圖4可見，采用本研究的語義指向性特征提取算法對數(shù)據(jù)庫訪問的查準(zhǔn)率明顯高于傳統(tǒng)方法，抗干擾能力較強(qiáng)，表現(xiàn)出了較好的性能.

圖3 語義關(guān)聯(lián)指向性特征提取結(jié)果Fig.3 Results of semantic connection point to characteristic extraction

圖4 性能對比Fig.4 Performance comparison

4 結(jié)語

研究了Web數(shù)據(jù)庫的優(yōu)化訪問關(guān)鍵技術(shù)，提出了一種基于語義指向性特征提取的數(shù)據(jù)庫優(yōu)化訪問算法.

[1] 辛宇,楊靜,湯楚蘅,等.基于局部語義聚類的語義重疊社區(qū)發(fā)現(xiàn)算法[J].計(jì)算機(jī)研究與發(fā)展,2015,52(7):1510-1521.

[2] 陸興華,陳平華.基于定量遞歸聯(lián)合熵特征重構(gòu)的緩沖區(qū)流量預(yù)測算法[J].計(jì)算機(jī)科學(xué),2015,42(4):68-71.

[3] 王小英,劉慶杰.關(guān)系型數(shù)據(jù)庫中數(shù)值數(shù)據(jù)的密文檢索模型研究[J].計(jì)算機(jī)仿真,2013,30(11):409-411.

[4] CHONG F T,HECK M J R,RANGANATHAN P,et al.Data center energy efficiency:improving energy efficiency in data centers beyond technology scaling[J].IEEE Design & Test,2014,31(1):93-104.

[5] WANG L,ZHANG F,ARJONA A J,et al.GreenDCN:a general framework for achieving energy efficiency in data center networks[J].IEEE Journal on Selected Areas in Communications,2014,32(1):4-15.

[6] 衛(wèi)星,張建軍,石雷,等.云計(jì)算數(shù)據(jù)中心服務(wù)器數(shù)量動態(tài)配置策略[J].電子與信息學(xué)報(bào),2015,37(8):2007-2013.

[7] 侯森,羅興國,宋克.基于信息源聚類的最大熵加權(quán)信任分析算法[J].電子學(xué)報(bào),2015,43(5):993-999.

[8] 羅亮,吳文峻,張飛.面向云計(jì)算數(shù)據(jù)中心的能耗建模方法[J].軟件學(xué)報(bào),2014,25(7):1371-1387.

[9] 章登義,吳文李,歐陽黜霏.基于語義度量的RDF圖近似查詢[J].電子學(xué)報(bào),2015,43(7):1320-1328.

2016-01-28

李浩(1974-)，男，河南洛陽人，副教授，研究方向?yàn)橛?jì)算機(jī)網(wǎng)絡(luò)與算法.

TP391

A

1674-330X(2016)04-0057-05