史濤+沈艷霞

摘要： 針對(duì)基于XML的農(nóng)產(chǎn)品溯源平臺(tái)中的數(shù)據(jù)集成問題，提出一種XML Schema模式匹配方法。該方法同時(shí)考慮元素的語義性和結(jié)構(gòu)性，結(jié)合文檔元素的名稱、數(shù)據(jù)類型以及基數(shù)約束3個(gè)方面，通過相應(yīng)的度量標(biāo)準(zhǔn)計(jì)算出元素的語義相似度，實(shí)現(xiàn)語義匹配；通過計(jì)算模式樹中元素節(jié)點(diǎn)的祖先相似度，同時(shí)考元素本身的語義相似度，實(shí)現(xiàn)結(jié)構(gòu)匹配。闡述了匹配算法的設(shè)計(jì)過程和試驗(yàn)評(píng)估結(jié)果。結(jié)果表明，相比較現(xiàn)有的幾種方法，該方法能實(shí)現(xiàn)全自動(dòng)化的匹配過程，提供更精確的匹配結(jié)果。

關(guān)鍵詞： 農(nóng)產(chǎn)品；XML Schema；模式匹配；算法

中圖分類號(hào)： S126 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：1002-1302（2016）03-0442-04

近年來，農(nóng)產(chǎn)品質(zhì)量安全問題成為國(guó)民關(guān)注的重要民生問題[1]。建立面向農(nóng)產(chǎn)品質(zhì)量溯源的公共平臺(tái)，向消費(fèi)者提供農(nóng)產(chǎn)品從生產(chǎn)、加工、流通到銷售的一個(gè)完整的生命周期信息，是避免有質(zhì)量安全或偽劣產(chǎn)品流入市場(chǎng)，確保食品安全的重要保障[2]。

由于具有平臺(tái)獨(dú)立性、可擴(kuò)展性、自描述性等特點(diǎn)，XML已成為農(nóng)產(chǎn)品溯源信息網(wǎng)絡(luò)傳輸與交換的主要標(biāo)準(zhǔn)[3]?；赬ML的農(nóng)產(chǎn)品溯源系統(tǒng)采用統(tǒng)一的方式來處理不同地區(qū)、不同數(shù)據(jù)源的農(nóng)產(chǎn)品信息，屏蔽構(gòu)農(nóng)產(chǎn)品溯源信息在結(jié)構(gòu)、運(yùn)行環(huán)境上的差異，采用XML構(gòu)造數(shù)據(jù)轉(zhuǎn)換的中間層，實(shí)現(xiàn)農(nóng)產(chǎn)品溯源信息的無縫集成。利用XML開發(fā)的系統(tǒng)，農(nóng)產(chǎn)品溯源信息管理員只需遵循一些基本的結(jié)構(gòu)規(guī)則，就可以便捷地創(chuàng)建包含溯源信息的XML文檔，并將其存儲(chǔ)在分布式的計(jì)算機(jī)環(huán)境中。這些結(jié)構(gòu)規(guī)則通常通過XML Schema（XSD）和文檔類型定義（DTD）得到。XSD本身就是XML 文檔，與DTD相比，在支持?jǐn)?shù)據(jù)類型和空間定義方面表現(xiàn)更好，更適合為農(nóng)產(chǎn)品溯源信息定義結(jié)構(gòu)[4]。然而使用不同的XSD文檔描述的農(nóng)產(chǎn)品數(shù)據(jù)在集成過程中會(huì)帶來相互沖突的問題，在農(nóng)產(chǎn)品XSD文檔中，許多元素具有相同的語義，但它們的名稱和結(jié)構(gòu)可能不同，相反許多元素具有相同的模型，但語義不同。因此，在農(nóng)產(chǎn)品數(shù)據(jù)的有效集成中，主要問題之一就是如何在XSD文檔中計(jì)算出元素之間的相似度，實(shí)現(xiàn)高質(zhì)量的模式匹配。

目前，關(guān)于XML模式匹配的研究已取得了一些研究成果。Kim等將樹-樹的匹配問題分步轉(zhuǎn)換成路徑-路徑、節(jié)點(diǎn)-節(jié)點(diǎn)，最終轉(zhuǎn)換成單詞-單詞的匹配問題[5]，該方法的不足之處在于語義匹配算法中沒有考慮數(shù)據(jù)類型和基數(shù)約束，匹配精度不高。Wojnar等提出了一種樹編輯距離算法，借鑒編輯距離的思想，用語言匹配計(jì)算得到元素對(duì)應(yīng)的語言相似值作為輸入，計(jì)算某一元素的結(jié)構(gòu)完全變?yōu)榱硪粋€(gè)元素結(jié)構(gòu)的操作步數(shù)，從而計(jì)算結(jié)構(gòu)相似值，其理論主要集中在結(jié)構(gòu)計(jì)算[6]。Lee等通過聚合DTD的元素來計(jì)算出DTD樹之間的相似度[7]，Ye等在其聚合方法中增加了權(quán)值因素[8]。文獻(xiàn)[7]提出的聚合方法（XClust）允許相似的信息存儲(chǔ)在一起，分類信息的標(biāo)準(zhǔn)越高，聚合數(shù)據(jù)的質(zhì)量就越高。然而，XClust方法主要依賴于人為判斷和結(jié)構(gòu)化信息去聚合DTD元素；更重要的是，該方法沒有考慮DTD中屬性的數(shù)據(jù)類型相似度。近幾年，部分研究借鑒實(shí)體識(shí)別研究領(lǐng)域的思想來進(jìn)行模式匹配研究，例如使用一個(gè)原型工具Dedoop（使用 Hadoop 的重復(fù)刪除技術(shù)）在大數(shù)據(jù)集中實(shí)現(xiàn)實(shí)體識(shí)別[9]。另外，基于維基百科，WordNet等的知識(shí)網(wǎng)絡(luò)從實(shí)例角度吸引了從事調(diào)查數(shù)據(jù)源管理研究者的興趣[10]。WordNet廣泛用于匹配系統(tǒng)[11]中，例如網(wǎng)絡(luò)搜索[12]和網(wǎng)絡(luò)查詢擴(kuò)展[13]。在本研究中也使用WordNet來計(jì)算元素的名稱相似度。

現(xiàn)階段的一些研究方法只考慮元素的名稱相似度或者結(jié)構(gòu)相似度的計(jì)算[5-6]，雖然有些研究已經(jīng)都考慮語義和結(jié)構(gòu)[7]，但其度量標(biāo)準(zhǔn)中的部分因素需要通過人為判斷來確定。針對(duì)農(nóng)產(chǎn)品溯源信息的XML數(shù)據(jù)量巨大，且包含對(duì)于數(shù)據(jù)類型和基數(shù)約束的多種定義，需要更標(biāo)準(zhǔn)的度量標(biāo)準(zhǔn)得出精確的相似度值。因此，本研究綜合考慮元素的語義匹配和結(jié)構(gòu)匹配，提出一種新的XML Schema模式匹配方法。語義匹配中，綜合考慮元素的名稱、數(shù)據(jù)類型以及基數(shù)約束，提出相應(yīng)的度量標(biāo)準(zhǔn)計(jì)算相似度，無需人為判斷，提高匹配精度和效率；結(jié)構(gòu)匹配中，考慮元素中節(jié)點(diǎn)的祖先相似度，同時(shí)將語義相似度作為計(jì)算的參數(shù)之一，提高結(jié)構(gòu)匹配的精確度。通過性能研究以及同相關(guān)方法對(duì)比實(shí)現(xiàn)對(duì)本研究方法的評(píng)估，可以從XSD農(nóng)產(chǎn)品溯源數(shù)據(jù)中通過全自動(dòng)化的方式計(jì)算出元素之間的語義和結(jié)構(gòu)相似度，實(shí)現(xiàn)模式匹配。

1 模式匹配概念

模式是代表一件設(shè)計(jì)物的一個(gè)比較正式的結(jié)構(gòu)，如XML模式、SQL模式和實(shí)體-關(guān)系模式等[14]。對(duì)于任意的模式S1和S2，模式S1中的某些元素映射到模式S2中的某些元素，其中的映射元素又稱為匹配元素對(duì)，映射叫匹配結(jié)果。模式匹配的目標(biāo)是利用模式間的所有可用信息，得出模式間最匹配的元素。

模式匹配定義：模式匹配定義為一個(gè)函數(shù)，輸入值為2個(gè)模式，輸出值為模式之間的相似度計(jì)算結(jié)果。

相似度計(jì)算：對(duì)于模式S和T，元素s∈S，t∈T。相似度計(jì)算表示一個(gè)函數(shù)，輸入值為s和t，輸出值為s和t之間的相似度sim（s，t），其中0≤sim（s，t） ≤1。

相似度表示2個(gè)元素之間的相似性，為了精確地評(píng)估一個(gè)元素對(duì)的相似度，相似度計(jì)算應(yīng)該充分考慮元素的特征以及其結(jié)構(gòu)。相似值的大小范圍是[0，1]，0代表2個(gè)元素基本不相似，1代表2個(gè)元素相似度極高甚至是完全相同。

2 匹配算法設(shè)計(jì)

2.1 語義匹配

概念的語義性在文本文檔的集成過程中具有重要的作用[14]。XML Schema的語義包含詞匯、內(nèi)容模式以及數(shù)據(jù)類型。通常來說，XML Schema使用標(biāo)準(zhǔn)的命名空間（xs或xsd）和對(duì)應(yīng)的統(tǒng)一資源標(biāo)識(shí)符（URI）作為文檔開頭；利用XML Schema，可以定義文檔中元素可能出現(xiàn)的次數(shù)，分別表示為maxOccurs和minOccurs 2種屬性；更重要的是，簡(jiǎn)單類型和復(fù)雜類型元素幫助區(qū)分元素中2種屬性類型的數(shù)據(jù)類型相似度[15]。

本研究中，對(duì)于任意2個(gè)元素s1∈T1，s2∈T2，其語義相似度綜合考慮元素名稱、數(shù)據(jù)類型和基數(shù)約束3個(gè)方面，如公式（1）所示：

式中：Sesim為語義相似度；α和β為程序設(shè)定的權(quán)值；Namesim（e1，e2）、Dsim（d1，d2）、Csim（e1，e2）分別為名稱相似度，數(shù)據(jù)類型相似度以及基數(shù)約束相似度，具體計(jì)算分3步驟完成。

2.1.1 步驟1名稱匹配 語義相似度計(jì)算中的關(guān)鍵因素是元素本身的語言相似度。在實(shí)際的農(nóng)產(chǎn)品溯源XML Schema文檔中，表示同一對(duì)象的元素可能出現(xiàn)縮寫，帶有連接符號(hào)等形式，導(dǎo)致基于語言本身的差異。首先進(jìn)行3個(gè)預(yù)處理步驟：（1）使用符號(hào)分析器，將復(fù)合詞組拆分為獨(dú)立的單詞；（2）通過查找WordNet，將縮寫的單詞還原成詞匯本體；（3）刪除慣詞、介詞等修飾詞。預(yù)處理完成后，利用表格中的算法對(duì)元素e1和e2進(jìn)行名稱相似度的計(jì)算。其中，在WordNet中e2的同義詞庫(kù)中，利用深度優(yōu)先搜索算法查找是否含有e2的同義詞，直到e2被匹配。如果沒有匹配結(jié)果，則語言相似度返回0，否則其值為0.9distance。具體算法如表1所示。

2.1.2 步驟2數(shù)據(jù)類型匹配 在XML Schema文檔，每個(gè)元素都是簡(jiǎn)單類型或者復(fù)雜類型。如果2個(gè)元素有相同的名稱，且數(shù)據(jù)類型屬性是相同的，二者之間的語義相似度可能高于其他情況。對(duì)于2個(gè)葉元素，考慮其數(shù)據(jù)類型描述。由于數(shù)據(jù)類型伴隨著屬性元素，數(shù)據(jù)類型相似度的計(jì)算僅適用于2種元素都為屬性的情況。當(dāng)2種元素，其一為復(fù)雜類型而其二為簡(jiǎn)單類型，則二者的數(shù)據(jù)類型相似度為0。

不同于文獻(xiàn)[16]提出的方法，數(shù)據(jù)類型相似度值通過用戶判斷決定，本研究探索每個(gè)數(shù)據(jù)類型的內(nèi)部特征，并比較數(shù)據(jù)類型之間的關(guān)聯(lián)性，通過具體的公式計(jì)算實(shí)現(xiàn)。基于文獻(xiàn)[17]關(guān)于XML Schema數(shù)據(jù)類型的總結(jié)，本研究對(duì)數(shù)據(jù)類型的各個(gè)約束方面求出數(shù)據(jù)類型相似度。在此，將其命名為Dsim，由以下公式得出：

Dsim（d1，d2）=∑i|{cfi|d1[cfi]=d2[cfi]，1< （2）

式中：d1和d2為表1中的任意數(shù)據(jù)類型；cfi為數(shù)據(jù)類型約束方面的列表，其中包括長(zhǎng)度、最小長(zhǎng)度、最大長(zhǎng)度、模式、枚舉數(shù)、空格數(shù)等等；ncf為約束方面的總個(gè)數(shù)，本例中ncf為12。

表2顯示了XML Schema中6種典型屬性類型的數(shù)據(jù)類型相似度結(jié)果。表中的具體值由公式（2）計(jì)算得出。在表1中，整數(shù)型與小數(shù)型2者之間的相似度大于其他類型。當(dāng)2種元素?cái)?shù)據(jù)類型相同時(shí)，二者相似度最高，為1.0。

2.1.3 步驟3基數(shù)約束匹配 基數(shù)約束可以描述為XML Schema文檔中minOccurs（最小可能）和maxOccurs（最大可能），分別定義1個(gè)元素在XML文檔中出現(xiàn)次數(shù)的最小值和最大值。

定義Csim（e1，e2）為元素d1和d2之間的基數(shù)約束相似度。不同于文獻(xiàn)[15]提出的約束表格需要通過人為判斷得出，本研究通過具體公式來計(jì)算約束相似度。對(duì)于具體的minOccurs和maxOccurs值，使用公式（3）計(jì)算基數(shù)約束相似度：

式中，min和max分別為minOccurs和maxOccurs的縮寫。一般情況下，minOccurs被指定為0或1，而maxOccurs被指定為1或無窮大。為了計(jì)算出具體Csim的值，參考文獻(xiàn)[18]的分析，使用公式如下：

結(jié)合公式（3）和（4），可以計(jì)算出屬性基數(shù)約束的相似度，如表3所示。其中unbound=5。

2.2 結(jié)構(gòu)匹配

在樹結(jié)構(gòu)中，2個(gè)元素節(jié)點(diǎn)的結(jié)構(gòu)相似度取決于二者在樹中的所處位置。即使2個(gè)元素節(jié)點(diǎn)的語義相似，也無法得出它們各自的祖先相似；但僅僅考慮元素的祖先相似度并不可取，原因在于可能存在2個(gè)節(jié)點(diǎn)結(jié)構(gòu)相同但語義完全不同。本研究采取計(jì)算節(jié)點(diǎn)的祖先相似度，同時(shí)考慮節(jié)點(diǎn)的語義相似度的方法，提高結(jié)構(gòu)匹配的精確度。

范數(shù)定義：設(shè)V=[x1，x2，…，xn]為一個(gè)向量，且V∈Rn，則其范數(shù)（歐幾里得距離）表示為‖V‖=2∑n i=1xi2。

利用范數(shù)可以更有效地運(yùn)用權(quán)值概念。舉例說明，如果S=（a，b，b，a，c，b，c）為一組節(jié)點(diǎn)，其中a，b，c的權(quán)值分別為2，3，2。因此，如果將這些權(quán)值保存在如N=[2，3，2]的向量中，則S的范數(shù)為‖S‖=222+32+22=217。該范數(shù)將起到相似度值的規(guī)范化作用。

設(shè)T1和T2分別表示XML Schema文檔的2棵樹，提出其相似度計(jì)算如公式（5）所示：

式中：Sesim（e1i，e2j）為元素e1i和e2j的語義相似度值（由公式（1）計(jì)算得到）；PCC（r1→e1i，r2→e2j）（Path Context Coefficient）表示分別從根節(jié)點(diǎn)r1和r2到e1i和e2j的路徑相似度。實(shí)際上，PCC（r1→e1i，r2→e2j）為元素e1i和e2j的祖先相似度；當(dāng)2個(gè)節(jié)點(diǎn)在語義上相同或者高度相似時(shí)，只要節(jié)點(diǎn)的祖先不相似，則二者不相似。PCC（r1→e1i，r2→e2j）的具體計(jì)算公式如下：

式中：Sesim（n1k，n2l）為節(jié)點(diǎn)n1k和n2l的語義相似度值；節(jié)點(diǎn)n1k和n2l分別屬于路徑r1→e1i和r2→e2j；p和q分別為2條路徑上的節(jié)點(diǎn)數(shù)目；P1和P2為2個(gè)向量，其值分別表示為從屬于2條路徑上的節(jié)點(diǎn)權(quán)值。

原則上，公式（7）應(yīng)該適用于所有節(jié)點(diǎn)；然而，假設(shè)元素e1i和e2j中至少一個(gè)為根節(jié)點(diǎn)，則其很明顯沒有祖先。因此，該相似度計(jì)算在系統(tǒng)上存在偏差。為了彌補(bǔ)系統(tǒng)偏差，當(dāng)出現(xiàn)上述情況時(shí)，令PCC（r1→e1i，r2→e2j）=1。

2.3 元素匹配

本研究同時(shí)考慮XML Schema樹中元素的結(jié)構(gòu)性和語義性。因此，2個(gè)XML Schema中的元素相似度可以由上述2個(gè)部分計(jì)算得到：

當(dāng)計(jì)算得到2個(gè)XML Schema中所有的元素對(duì)的相似度，可以計(jì)算出2個(gè)XML Schema的相似度。2棵XML Schema樹的相似度由下式計(jì)算可得：

3 試驗(yàn)評(píng)估

為了驗(yàn)證此方法的有效性，將本研究方法與現(xiàn)有的2種方法，即XClust[7]和XMLSim[19]進(jìn)行試驗(yàn)對(duì)比。試驗(yàn)數(shù)據(jù)源選用超過20組的XML Schemas（以及對(duì)應(yīng)的DTDs）。試驗(yàn)采用的硬件環(huán)境為Intel Core i3 CPU，內(nèi)存為4GB，操作系統(tǒng)為Windows 7，測(cè)試平臺(tái)是Altova Spy和Microsoft Visual Studio 2010標(biāo)準(zhǔn)環(huán)境，系統(tǒng)代碼通過C#實(shí)現(xiàn)。試驗(yàn)中選取的權(quán)值分別為α=0.3，β=0.3，δ=0.6，ε=0.6。通過上述3種匹配算法得到的結(jié)果顯示在表4中。

如表4中所示，XMLSim匹配率最低，原因在于XML文檔中的實(shí)例數(shù)目是可變的，且各文檔之間大多不相同。當(dāng)文檔中的節(jié)點(diǎn)與另一個(gè)文檔中的節(jié)點(diǎn)匹配成功后，算法開始計(jì)算下一對(duì)節(jié)點(diǎn)。因此，如果2個(gè)文檔中的節(jié)點(diǎn)數(shù)目不同時(shí)，匹配值將會(huì)下降。

為了更好地評(píng)價(jià)3種匹配方法，本研究使用Do H-H[20]提出的評(píng)價(jià)標(biāo)準(zhǔn)，分別為查準(zhǔn)率（precision）、查全率（recall）、F_measure，如下公式：

試驗(yàn)在相同的權(quán)值和相似度閾值的條件下，得出本研究方法Esim與XMLSim以及XClust方法的計(jì)算結(jié)果，如圖1所示。

試驗(yàn)結(jié)果表明，本研究方法的匹配質(zhì)量高于XMLSim和XClust這2種方法。原因在于，XClust方法沒有考慮元素之間的數(shù)據(jù)類型相似度，然而一些元素對(duì)可能有同樣的名稱，但數(shù)據(jù)類型不同。XMLSim方法過于重視信息本身內(nèi)容的相似度，而沒有考慮元素之間的數(shù)據(jù)類型和基數(shù)約束相似度，匹配質(zhì)量最低。

4 結(jié)論

本研究針對(duì)基于XML的農(nóng)產(chǎn)品溯源信息平臺(tái)中異構(gòu)源XML數(shù)據(jù)集成問題，提出了一種基于元素語義性和結(jié)構(gòu)性的模式匹配方法。語義性方面，綜合考慮數(shù)據(jù)名稱、數(shù)據(jù)類型以及基數(shù)約束3個(gè)方面，通過研究分析推斷出具體計(jì)算公式，無需人為判定；結(jié)構(gòu)性方面，同時(shí)考慮元素的祖先相似度與語義相似度，提高相似度計(jì)算精度。通過試驗(yàn)比較目前的相似度計(jì)算方法，本研究提出的方法計(jì)算精確度更高，具有較好的可行性。本方法實(shí)現(xiàn)了完全自動(dòng)化轉(zhuǎn)換，大大減少了人工勞動(dòng)，提高了效率，具有一定的研究意義。下一步，結(jié)合本研究的模式匹配算法，將對(duì)農(nóng)產(chǎn)品溯源信息平臺(tái)的異構(gòu)XML數(shù)據(jù)集成模塊進(jìn)行研究設(shè)計(jì)。

參考文獻(xiàn)：

[1]白紅武，孫愛東，陳 軍，等. 基于物聯(lián)網(wǎng)的農(nóng)產(chǎn)品質(zhì)量安全溯源系統(tǒng)[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)，2013，29（2）：415-420.

[2]毛 林，程 濤，成維莉，等. 農(nóng)產(chǎn)品質(zhì)量安全追溯智能終端系統(tǒng)構(gòu)建與應(yīng)用[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)，2014，30（1）：205-211.

[3]楊信廷，錢建平，趙春江，等. 基于XML的蔬菜溯源信息描述語言構(gòu)建及在數(shù)據(jù)交換中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2007，23（11）：201-205.

[4]Amano S，David C，Libkin L，et al. XML schema mappings：data exchange and metadata management[J]. Journal of the ACM，2014，61（2）：488-507.

[5]Kim J，Peng Y，Ivezic N，et al. An optimization approach for semantic-based XML schema matching[J]. Int J Trade Econ，F(xiàn)inance，2011，2（1）：78-86.

[6]Wojnar A，Mlnková I，Dokulil J. Structural and semantic aspects of similarity of Document Type Definitions and XML schemas[J]. Information Sciences，2010，180（10）：1817-1836.

[7]Lee M L，Yang L H，Hsu W，et al. XClust：clustering XML schemas for effective integration[M]. ACM Press，2002：292-299.

[8]Ye Y，Li X，Wu B，et al. A comparative study of feature weighting methods for document co-clustering[C]. IJITCC，2011：206-220

[9]Kolb L，Thor A，Rahm E. Dedoop：efficient deduplication with Hadoop[J]. Proceedings of the VLDB Endowment，2012，5（12）：1878-1881.

[10]Tagarelli A. Exploring dictionary-based semantic relatedness in labeled tree data[J]. Information Sciences，2013，220：244-268.

[11]Shvaiko P，Giunchiglia F，Yatskevich M. Semantic matching with S-Match[M]. Semantic Web Information Management：A Model-Based Perspective，2010：183-202.

[12]Pyshkin E，Kuznetsov A. Approaches for web search user interfaces：how to improve the search quality for various types of information[J]J Conver，2010，1（1）：1-8.

[13]Klyuev V，Yokoyama A. Web query expansion：a strategy utilizing Japanese WordNet[J]. J Conver，2010，1（1）：23-28.

[14]Agreste S，de Meo P，F(xiàn)errara E，et al. XML matchers：approaches and challenges[J]. Knowledge-Based Systems，2014，66：190-209.

[15]Gong J，Cheng R，Cheung D W. Efficient management of uncertainty in XML schema matching[J]. The VLDB Journal，2012，21（3）：385-409.

[16]Algergawy A，Nayak R，Saake G. Element similarity measures in XML schema matching[J]. Information Sciences，2010，180（24）：4975-4998.

[17]Dan V. XML schema-data types quick reference[EB/OL]. [2015-04-01]. http：//www.xml.dvint.com.

[18]Thu P T T，Lee Y K，Lee S. Semantic and structural similarities between XML Schemas for integration of ubiquitous healthcare data[J]. Personal and Ubiquitous Computing，2013，17（7）：1331-1339.

[19]Resnik P. Semantic similarity in a taxonomy：An information-based measure and its application to problems of ambiguity in natural language[J]. Journal of Artificial Intelligence Research，1999，11：95-130.

[20]Do H H. Schema matching and mapping-based data integration[D]. University of Leipzig，2005.