19、科研数据匹配与同质集成方法解析

科研数据匹配与同质集成方法解析

在科研数据处理与分析领域，数据匹配和集成是关键环节。本文将深入探讨两个重要方面：一是SONCA系统在出版物数据库中的命名实体匹配，二是基于平衡随机集和提升的同质集成方法在数据挖掘中的应用。

1. SYNAT平台与SONCA系统

SYNAT项目是波兰政府的大型国家研发计划，旨在建立一个统一的网络平台，用于存储和服务广泛科学技术领域的数字信息。该项目由近50个模块组成，由波兰16家领先研究机构的研究团队开发。

在这个大项目框架下，SONCA系统应运而生。它的目标是让用户能够基于语义内容在科学信息存储库中进行搜索，最终能根据用户查询语义列出并展示相关资源。SONCA系统需要理解查询意图和存储文档内容，高效检索相关信息，还能利用各类知识库和独立信息源。

SONCA仓库模型的匹配需求源于构建关系数据模式，以高效存储和查询解析后的科学文章及相关实体。为实现对用户可能感兴趣实体的高效查询，需要进行实例匹配以生成对象。

1.1 SONCA分析数据仓库

SONCA分析索引服务器（数据仓库）的内部架构采用EAV/CR模型，仓库结构分为三层，我们主要关注上层的实例层和对象层。为控制数据库大小并高效执行查询，采用了Infobrigt的RDBMS引擎。

解析器处理本地存储库的文档时，会为文档中识别出的每种实体类型在数据库的通用（与实例相关）部分创建一个实例。实例存储在数据表中，保留原始文档中关系结构的信息。实例可以很简单，如单个单词或数字，也可以很复杂，如代表出版物及其所有子实例（标题、出版年份、出版商等）的实例。

匹配结果存储在数据库服务器的特殊表中，该表存储实例（原始