一種Deep Web數(shù)據(jù)集成系統(tǒng)預取策略的研究.pdf

1、隨著Web相關技術的日益成熟和Deep Web所蘊含信息量的快速增長,通過Web數(shù)據(jù)庫訪問漸漸成為人們獲取信息的主要手段,因此對于Deep Web的研究也越來越受到人們的關注。本文的研究目的是提出一種基于Deep Web數(shù)據(jù)集成環(huán)境下的預取策略,將預取技術應用到Deep Web數(shù)據(jù)的訪問過程中,使用戶在獲得更專業(yè)更高質(zhì)量的數(shù)據(jù)的同時,減少網(wǎng)絡延遲造成的不利影響,提高用戶的查詢響應速度。
　　 預取技術是一種主動式的Cache技術

2、,緩存的內(nèi)容既可以是客戶訪問過的內(nèi)容,也可以是客戶從未訪問過的內(nèi)容。預取利用的是用戶訪問Web內(nèi)容的空閑時間,把用戶不久將要使用的Web對象提前取回,并存放到Web緩存中。由于預取對象的傳輸利用的是系統(tǒng)的空閑時間,使Web數(shù)據(jù)的傳輸和用戶的瀏覽與思考時間能夠平行進行。Web預取改善的是使用者所感覺到的延遲時間。Web用戶訪問的時間局部性和空間局部性的客觀存在,為預取技術的研究提供的直接依據(jù)。
　　 語義緩存技術是數(shù)據(jù)庫優(yōu)化方法之

3、一,它是將查詢結(jié)果和相關語義信息緩存,利用用戶查詢的語義局部性來重用緩存數(shù)據(jù)。
　　 本文將預取技術與語義緩存技術相結(jié)合,提出了一種適用于Deep Web數(shù)據(jù)集成系統(tǒng)下的預取策略。根據(jù)Web數(shù)據(jù)庫的訪問特點,首先對基于Deep Web數(shù)據(jù)集成系統(tǒng)下的語義緩存項及查詢匹配類型進行定義,對用戶提出的查詢請求都生成一個與其相對應的語義緩存項,根據(jù)不同的查詢匹配類型對每一個語義緩存項進行訪問概率統(tǒng)計,通過多項式回歸模型對每條語義緩存項的

4、下一個周期的訪問概率進行預測,按照預取隊列的生成條件獲得需要預取的語義緩存項,在每一個新的訪問周期到來時進行預取,將用戶感興趣的數(shù)據(jù)提前保存到緩存中供用戶查詢使用。針對緩存空間有限及緩存內(nèi)容需要保持一致性的要求,提出了適用于Deep Web數(shù)據(jù)集成系統(tǒng)下緩存替換策略及緩存一致性策略。實驗表明,在Deep Web數(shù)據(jù)集成系統(tǒng)中加入預取模型,可以大大降低用戶的查詢響應時間,同時預取準確率和網(wǎng)絡流量隨著緩存數(shù)量的增加而提高,當緩存數(shù)量達到某一