基于bp神经网络的属性匹配方法研究

为了实现异构数据库的数据共享，关键的问题就是要找出数据库间的相同属性。目前主要采用的方法是通过比较所有的属性来实现属性的相似性匹配，但是当同一属性用不同数据类型表示时，由于描述属性的元数据信息和取值信息的极大差异性，这些方法就不能找出相同的属性。并且将不同数据类型描述的属性放在一起匹配，还会造成属性数据之间的干扰，影响匹配结果的准确性。为此，本文提出一种基于bp神经网络的二步检查法属性匹配算法。该算法中属性首先根据数据类型进行分类，然后用分类后的属性集分别多次训练神经网络，并对每次的匹配结果求交集作为最终