雅宝题库解析：
信息与通讯技术正在以前所未有、超乎人类想象的速度发展。互联网络，尤其是大规模互联网络，包括已经形成海量规模的因特网、万维网(World Wide Web)、各种P2P网络，还有正在飞速增长的传感网、卫星网络、RFID技术所形成的物联网相互融合，形成了一种新的网络空间形态。在这种新的网络空间环境下，数据管理面临着新的巨大挑战：第一，数据强演化性。在大规模互联网络环境下，例如web2.0中，数据在整个网络中快速传输与转换，使得数据，甚至数据模式不断地快速演化。第二，高度异构与自治性。在大规模互联网络环境下，数据随着网络的分布式特点，产生高度异构与自治性。例如P2P网络中数据管理以及个人数据管理等。第三，多层次数据不确定性。在大规模互联网络环境下，无论是信息采集和获取(例如传感网络的信息采集，深度web的信息抽取)、信息查询处理(模糊查询、信息检索排序)，还是信息集成与整合都需要处理数据的不确定性题目。针对这些挑战，本论文在归纳总结前人研究的基础上，在数据模型和操作的理论、方法和技术方面开展了相应的研究，具体包括：第一，提出基于文法的数据模型(Grammar based Data Model，GDM)，该模型能够统一地描述各种模型的数据，包括关系型数据、半结构化数据、XML数据甚至结构化文档和图数据等。在属性文法的基础上，定义GDM的查询规则，并给出了包括选择、投影、笛卡尔乘积、连接、分组、聚合等的GDM集合代数操作，为批量数据处理奠定了基础。为形式化地描述GDM数据操作，基于一目二阶逻辑(Monadic Second Order Logic)定义GDM数据操作逻辑，并给出GDM集合代数操作和GDM数据操作逻辑之间的对应关系，与此同时证明存在GDM数据操作的线性时间算法。第二，在基于文法的数据模型的基础上，将Web网页形式化为GDM的数据实例，将Web网页的数据抽取形式化为GDM的模式组合文法的推断。通过这种形式化处理，Web数据抽取题目转化为文法推断题目。与此同时，针对GDM数据模型，提出一种可计算的上下文无关文法的推断算法，实现Web数据抽取。第三，针对数据不确定性题目，以元组依赖性为核心，提出一种基于元组存在性的概率数据库模型。基于该模型，给出了选择、笛卡儿乘积和投影等概率关系代数操作，并在研究概率数据库查询的内涵和外延语义的基础上，提出了一种安全的、有效的概率数据查询算法。
发表于 
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
