大数据相关概念

数据集成的首要步骤就是要实现模式匹配，即数据模式元素之间的语义对应关系。
模式匹配是多个异构源中集成信息的一个重要问题[2]。
模式间的对应关系识别是数据集成中的一个重要问题。
为了有效利用这些异构数据,通常采用数据集成的方法,而模式匹配正是数据集成的核心技术。
进行数据集成的关键问题是发现正确的语义映射关系,即模式匹配。

在模式信息不明确或者有冲突的情况下这些方法经常受到限制。
然而,许多数据集具有典型的异构性,并可能存在语义信息不明确、缺失数据、模式信息不全等问题,导致传统的模式匹配技术无法适用。

而模式匹配作为模式操作的第一步,在诸如数据仓库、数据集成、信息共享和计算机网络交换等许多应用领域起到关键作用。
模式匹配已经成为信息集成,数据仓库,电子商务等很多应用领域中的基本问题.
模式匹配在模式集成、数据集成、数据仓库、数据转换、电子商务、本体匹配与集成、语义网等许多不同的应用中起着关键的作用。

对于实现来自不同应用的数据的集成和互操作性，
模式匹配对于实现互操作性和实现来自不同应用程序的数据集成也很重要[3]。
为实现数据共享，模式匹配已成为数据密集型分布式应用的一项基本任务，成为学术界近年来的一个研究热点。

在数据集成过程中，模式匹配可以发现异构数据库模式中存在相应语义关系的属性，从而完成异构数据库的数据抽取和数据转换，因此，模式匹配是数据集成中的一个关键问题。
随着模式集成问题的发展和变化，模式匹配开始应用于数据源集成到数据仓库的过程。

随着网络和信息技术的发展，各个应用领域的合作越来越密切，数据的互操作性日显重要。

 

模式匹配

　　模式匹配被广泛应用于数据库相关领域中，例如数据集成、数据空间、DeepWeb、数据仓库、以及本体合并等。

　　给定源模式和目标模式，模式匹配的目标是发现两个模式间元素的对应关系，具有对应关系的元素表示相同或者相似的语义。由于模式匹配的发现是一个利用已有知识对元素语义进行挖掘和理解的过程，所以其在一定程度上相当于自然语言处理，这也

体现了模式匹配固有的困难性。

　　在最近的二十年，电子商务的出现进一步推动了模式匹配的研究。在电子商务中，交易伙伴经常交换描述商务交易的信息。通常，每一个交易伙伴使用他自己的信息格式。因此不同的消息模式间的转换也需要模式匹配操作。

 

数据集成

　　数据集成是指集成自治、异质的数据源中的数据，为用户提供一个统一全局模式，实现数据共享的问题。数据集成通常有两种实现技术：虚拟(virtual)技术和仓库(warehousing)技术。两种技术都涉及一个关键问题——如何发现数据源系统模式与目标全局模式之间的语义对应关系，来满足查询和分析需要，即模式匹配问题。

 

数据仓库

　　数据仓库是决策支持系统，目的是构建面向分析的集成化数据环境，为企业提供决策支持。“面向主体的”、“稳定的”、“集成的”是其三大主要特点。“面向主题的”指数据仓库中的数据是按照一定的主题域进行组织的；“稳定的”是指数据仓库的构建过程一旦完成后其数据将很少被修改或者删除；“集成的”是指数据仓库中的数据来自于多种分散的数据源。

　　数据仓库本身不产生数据，而是从其他数据源提取并复制到数据仓库中。由于外部数据源具有多种存储形式，而在数据仓库中需要进行统一的表示，所以模式匹配在这一过程中具有很大作用。

 

模式集成

　　模式集成主要目的是将多个数据模式合并成一个统一的全局模式，也称为中间模式。在有些情况这些模式需要被集成以为用户提供一个统一的查询或者访问接口。

　　合并这些模式的第一步工作就是确定并描述这些模式间的元素映射关系，这就是一个模式匹配的过程。一旦确定了这些元素间的映射关系，则可以将对应的元素进行合并，进而产生最后的中间模式。

　　用户提交作用于中间模式上的查询，集成系统通过映射关系将该查询解释成适合每个单独模式的查询并发送到对应的数据库。根据中间模式对每个数据库的返回结果进行组织，展示给最终的用户。

 

本体合并

　　在计算机领域，本体是概念化的明确的规范说明，其定义了组成主题领域的词汇表的基本术语及其关系，以及结合这些术语和关系来定义词汇表外延的规则。本体是用来描述概念与概念之间关系的模型，具有允许知识共用和重用的特点。

　　目前，本体主要应用于web服务，但其异构性阻碍了web服务的互操作性。本体合并是其异构问题的有效解决方法，即在原有本体的基础上通过合并产生新的本体，新产生的本体是原有本体的并集，不仅包含它们语义相似的部分，也包含了语义相异的部分。

　　本体的合并过程一般包含这样几部分：解析本体、映射本体、生成语义桥以及合并本体。其中，映射本体是指在不同本体的概念或者概念的属性间建立映射关系，对应的概念则表示相同的事物或者对象，对应的属性则具有相同的语义。实际上，这一过程就是模式匹配。