16、模式匹配与对等电子商务应用中的数据管理创新

模式匹配与对等电子商务应用中的数据管理创新

模式匹配中的不确定性管理

在模式匹配领域，标准方法存在一个重大缺陷。传统上，它们往往只选定一个最佳映射，通常是在特定约束条件下（如 1:1 映射）使成对相似度之和（或平均值）最大化的那个映射。然而，由于概念解释存在不确定性，匹配器所选的最佳映射实际上可能并非成功之选。

为了缓解这一问题，我们提出不再仅依赖单一最佳映射，而是生成一组前 K 个映射，并对其进行迭代检查，直到找到合适的映射。如果匹配器能将准确映射排名足够高（不一定是最佳），那么就有可能识别出该映射。

我们还提出了一个通用框架，用于同时利用前 K 个映射，并提供了一种名为稳定性分析的具体启发式方法，以利用前 K 个映射提高映射精度（代价是召回率）。经验表明，稳定性分析对单调模式匹配器能产生良好效果。

从实验结果来看，我们仅展示了组合匹配器的结果，因为术语匹配器的结果趋势相同。合成数据和真实数据呈现出相同的趋势，即随着阈值的增加，精度上升，在阈值 t = 0.9 左右趋于平稳。令人有些惊讶的是，随着噪声 v 的增加，启发式方法在精度方面变得更加有效。显然，原始映射的良好起点有助于提升性能，即使噪声增加也是如此。但当我们将启发式方法应用于随机生成的矩阵（其中每个属性对在 [0, 1] 范围内具有均匀分布的值）时，结果变得混乱不堪，该启发式方法几乎毫无用处。召回率的下降则表明了噪声的影响。噪声越多，启发式方法会剔除更多属性映射，包括一些正确的映射。例如，当 v = 0.5 时，匹配器在阈值 t = 10 时召回率损失了 26%（而真实数据的平均召回率损失为 12%）。

不同噪声情况下的实验结果对比：
| 噪声 v 值 | 阈值 t |