34、基于潜在语义索引的相似聚类确定方法及地理本体不确定处理

基于潜在语义索引的相似聚类确定方法及地理本体不确定处理

1. 基于潜在语义索引的相似聚类确定

在处理模式匹配问题时，为了使匹配过程具有通用性，需要将待匹配的模式以一种通用的方式进行内部表示。这里采用图数据结构，即模式图，来表示 XML 模式。

1.1 模式准备

将 XML 模式内部表示为模式图，以实现通用的匹配过程。例如，有 DeptDB 和 orgDB 两个模式图，它们都表示了部门、员工、资助以及资助项目等信息。

1.2 模式聚类

使用特定的聚类算法，将每个模式图划分为一组不相交的子图，使得同一聚类中的节点在结构上相似。具体步骤如下：
1. 计算模式图中每对节点之间的结构相似度，基于节点上下文的公共节点数量，即 (|C(v_i) ∩ C(v_j)|)。
2. 根据结构相似度，为每对节点构建链接，包含两个节点及其结构相似度。
3. 生成的链接集合构成一个哈希表，即 Links 哈希表，作为聚类算法的输入。

例如，对 DeptDB 和 orgDB 两个模式图应用聚类算法，得到两个聚类集：CSet1 = {C11, C12} 和 CSet2 = {C21}。

1.3 相似聚类确定

潜在语义索引的目标是检测两个模式图中语义相似的分区（聚类），以减少匹配开销。以下是确定相似聚类的算法步骤：

Algorithm 1. 相似聚类确定
Require: 两个聚类集，CSet1 = {C11, C12, ..., C1n} 和 CSet2 = {C21, C22, ..