基於邏輯強化學習的Deep Web模式匹配研究

《基於邏輯強化學習的Deep Web模式匹配研究》是依託蘇州大學，由伏玉琛擔任項目負責人的面上項目。

基本介紹

• 中文名：基於邏輯強化學習的Deep Web模式匹配研究
• 項目類別：面上項目
• 項目負責人：伏玉琛
• 依託單位：蘇州大學

項目摘要

Deep Web具有信息更新快、信息量大、信息質量好等特點，近年來，Deep Web的研究已經取得很大的進展。模式匹配是實現Deep Web大規模異構數據集成的關鍵，在查詢接口集成、查詢接口轉換、結果標註和結果合併中具有廣泛套用。雖然已經有很多模式匹配的研究和系統，但是目前模式匹配在處理大規模匹配任務的能力和自動模式匹配精確度低等問題限制了自動模式匹配的套用。本課題擬在已有研究成果上，進一步針對大規模動態模式匹配的理論方法及其套用進行深入研究。以邏輯強化學習為理論基礎，將Deep Web模式匹配看作是一個最優決策的發現問題，建立一個Deep Web模式匹配模型，研究Deep Web領域自適應的模式匹配策略與算法，有效提高模式匹配的查全率與查準率。本項目研究將促進Deep Web、信息集成等領域的關鍵技術的發展，可有效提高Deep Web信息集成服務質量。

結題摘要

本項目針對Deep Web研究中存在的整體性、大規模模式匹配技術存在不足的現狀，提出了以邏輯強化學習為理論基礎，將Deep Web模式匹配看作是一個最優決策的發現問題，建立一個Deep Web模式匹配模型，研究Deep Web領域自適應的模式匹配策略與算法，有效提高模式匹配的查全率與查準率；使Deep Web信息能更好地為科研、生產和決策服務。主要完成了以下四個方面的研究： （1）結合近年來已有模式匹配理論的相關性研究，針對可參考知識匱乏所導致的匹配結果的脆弱性、模式信息變動導致的匹配知識的無效性，以及模式匹配的智慧型性等問題進行研究，建立基於邏輯強化學習的模式匹配模型，將Deep Web模式匹配轉化為決策行為最最佳化問題，從而儘可能地解決模式匹配中存在的上述問題。 （2）擬採用tableau 推理模型對模式匹配中的邏輯狀態和邏輯活動進行建模，研究一種新的函式估計模型，使其一方面能夠以任何精度逼近理論的強化學習值函式，另一方面在增量環境中保證收斂性，充分利用已有匹配知識，提高匹配結果的獲取效率和正確性。 （3）研究基於邏輯強化學習的模式匹配模型中的映射策略，針對模式概念中元素名稱、實例、結構等特徵，研究基於語言學、基於實例、基於結構三種策略，通過相似度合併計算相應的回報和匹配發現算法最終得到正確的匹配關係。 （4）設計原型系統，驗證上述模型與策略的有效性。