HSMA: Hierarchical Schema Matching Algorithm for IoT Heterogeneous Data
-
摘要: 随着物联网技术的快速发展，万物互联已经成为必然趋势.物联网技术涉及智能家居、智慧交通等多个领域，使得人们能够随时随地地连接任何人或者设备.然而目前大多数物联网异构数据是孤立的存储，阻碍了万物互联的步伐.数据模式匹配被广泛应用于数据互联并且能够较好地解决以上问题.由于海量物联网数据的异构性以及高增长性，目前的模式匹配方式人工参与度高，与实际应用的契合度低，难以解决物联网新环境下的模式自动匹配问题.提出了一种面向物联网异构数据的模式分层匹配算法，构建3层映射匹配：特征分类匹配、关系特征聚类匹配和混合元素匹配.该算法通过逐层匹配，不断缩小匹配空间，从而提高了匹配质量，减少了元素间匹配次数和人工参与度，较好地实现了自动模式匹配.运用大量数据样本来检验算法的效率和性能，结果证明该算法可行有效.Abstract: With the rapid development of IoT technology, everything in the world is going to interconnect via IoT, which has become a popular technology that permits users to connect anywhere, anytime, anyplace, anyone and any device, involving many domains such as smart home, intelligent transportation and so on. However, most of IoT heterogeneous data are isolated, which holds back the progress of IoT interconnection. Schema matching techniques are widely used in the scenario of data interconnection to solve the problem above. Because of the characteristics of IoT heterogeneous data such as heterogeneity and increasing growth, the existing schema matching approaches can’t solve the problems caused by schema auto-matching under new IoT environment. In this paper, we attempt to solve this problem by introducing a new algorithm based on hierarchical method that could fulfill automatic schema matching for IoT heterogeneous data. Our algorithm has three parts: classifi-cation matching, clustering matching and mixed element matching. By each step, we keep narrowing down matching space and improving matching quality. We demonstrate the utility and efficiency of our algorithm with a set of comprehensive experiments on real datasets from the scenario of IoT industrial household appliances testing. The result shows that our algorithm has good performance.
-
Keywords:
- Internet of things(IoT) /
- data interconnection /
- schema matching /
- heterogeneous data /
- time series
-
-
期刊类型引用(14)
1. 孙林，马天娇. 基于中心偏移的Fisher score与直觉邻域模糊熵的多标记特征选择. 计算机科学. 2024(07): 96-107 . 
百度学术
2. 袁钟 ，陈红梅 ，王志红 ，李天瑞 . 利用混杂核模糊补互信息选择特征. 计算机研究与发展. 2023(05): 1111-1120 . 本站查看
3. 杨璇，马建敏，赵曼君. 基于邻域互信息的高维时序数据特征选择. 计算机工程. 2023(07): 135-142+149 . 百度学术
4. 马明艳，陈伟，吴礼发. 基于CNN＿BiLSTM网络的入侵检测方法. 计算机工程与应用. 2022(10): 116-124 . 百度学术
5. 孙林，梁娜，徐久成. 基于自适应邻域互信息与谱聚类的特征选择. 山东大学学报(理学版). 2022(12): 13-24 . 百度学术
6. 刘文，米据生，孙妍. 一种新的犹豫模糊粗糙近似算子的公理刻画. 计算机研究与发展. 2021(09): 2062-2070 . 本站查看
7. 王翔，谢胜军. 加权社会网络低维冗余数据快速挖掘算法仿真. 计算机仿真. 2021(08): 372-375+477 . 百度学术
8. 张敏，彭红伟，颜晓玲. 基于神经网络的模糊决策树改进算法. 计算机工程与应用. 2021(21): 174-179 . 百度学术
9. 张仕斌，黄曦，昌燕，闫丽丽，程稳. 大数据环境下量子机器学习的研究进展及发展趋势. 电子科技大学学报. 2021(06): 802-819 . 百度学术
10. 姚晟，陈菊，吴照玉. 一种基于邻域容差信息熵的组合度量方法. 小型微型计算机系统. 2020(01): 46-50 . 百度学术
11. 徐道磊，陈培林，唐轶轩，吴尚，路宇，卞显福. 一种新的决策粗糙集最小化决策代价属性约简算法. 微电子学与计算机. 2020(08): 55-60+65 . 百度学术
12. 姚晟，吴照玉，陈菊，王维. 基于决策理论粗糙集的一种新属性约简方法. 微电子学与计算机. 2019(05): 76-81 . 百度学术
13. 段海玲，王光琼. 一种高效的复杂信息系统增量式属性约简. 华南理工大学学报(自然科学版). 2019(06): 18-30 . 百度学术
14. 龚芝，陈志伟，马凌. 不完备信息系统中一种新的不确定性度量方法. 测控技术. 2018(11): 116-119+124 . 百度学术
其他类型引用(7)
计量
- 文章访问数: 1213
- HTML全文浏览量: 2
- PDF下载量: 385
- 被引次数: 21
下载:
