[发明专利]一种基于多标签传播的数据库重叠模式摘要生成方法

说明书

一种基于多标签传播的数据库重叠模式摘要生成方法。包括：将数据库模式信息映射为多标签图模型；采用多标签传播算法对数据库模式信息进行聚类，生成可重叠团；采用层次聚类算法对可重叠团进行聚类，进一步生成规模适当的结果类；最后基于信息熵及随机游走模型为每个结果类选取主题表，以生成最终的数据库重叠模式摘要。本发明提出的重叠模式摘要生成方案能够为用户提供更加准确、具有意义的数据库重叠模式摘要，帮助用户快速地理解数据库信息。

技术领域

本发明属于数据库技术领域，具体涉及一种新型的关系数据库重叠模式摘要生成技术。

背景技术

随着计算机的普及和信息技术的飞速发展，大量的数据信息使得数据库技术得到了广泛的使用，数据库应用开始走向普通用户。然而现代数据库的规模往往十分庞大而复杂，用户要想在查询过程中生成适当的结构化查询语言，就必须要对数据库的模式信息具有一定的了解。然而大规模数据库所对应的模式信息通常也十分复杂，并且普遍存在相关文档缺失现象，更给用户了解数据库模式造成了困难。

模式摘要生成技术能够有效的解决上述问题，为用户提供一个简明的数据库模式概要，提高数据库的可用性。现存的模式摘要解决方案都只专注于非重叠模式摘要的生成，也就是只允许一个数据库关系表属于模式摘要中的一个主题类，然而在现实中，数据库关系表往往可以拥有多重意义并隶属于多个主题类。只考虑非重叠情况会导致摘要结果不完整甚至使用户产生误解。

相对于非重叠模式摘要往往不能够全面满足用户需求的问题。重叠模式摘要生成技术能够生成更加合理的数据库模式摘要信息，有效减少用户理解数据库模式所消耗的时间和精力，具有广泛的工程应用前景。

发明内容

本发明的目的在于克服现有技术存在的上述不足，提出一种基于多标签传播的数据库重叠模式摘要自动生成方法。

本发明提供的基于多标签传播的数据库重叠模式摘要生成方法，创新地提出了重叠模式摘要概念；设计一种新的数据库多标签模式图模型；采用了多标签传播算法和层次聚类算法分别对数据库模式进行聚类；最终为聚类所得的每个结果类选取一个主题表，为用户返回一个可重叠的模式摘要。该方法的步骤如下：

第1、将数据库模式映射为一个带权重的多标签图；

第1.1、将数据库模式映射为一个多标签图，

定义1：一个关系数据库模式可以映射为一个多标签图，用一个三元组G＝(V,E,L_M)表示，其中：

①.V表示数据库中关系表节点的集合，v∈V表示数据库中的关系表节点；

②.E表示数据库中外键关系的集合，e∈E表示数据库中的外键关系；

③.L_M为一个标签映射函数，将节点映射到对应的一个或者多个标签，其中标签用(c,b)表示，c表示一个结果类标示符，b为标签隶属度，表示一个数据库关系表v与其结果类标示符c的隶属强度；

第1.2、计算多标签图中连接边的两个关系表间的相似性，作为标签图权重；

第1.2.1、使用空间向量模型计算关系表的表名和属性名的文本相似度，作为关系表的名称相似度；

第1.2.2、使用Jaccard系数对关系表属性列的值进行数值相似度分析，并通过贪心算法找到最佳匹配属性对，取最佳匹配属性对值相似度的平均值求得关系表值相似度；

第1.2.3、通过分析关系表之间的计数比率，计算出关系表的映射关系相似度，

定义2：关系表R与关系表S之间的映射关系相似度，记作Simm(R,S)，定义如下：

其中：

①.τ表示关系表的所有元组；