انجمن کامپیوتر ایران

رفع ناهمخوانی در يکپارچه‌سازی داده‌ها به معنی به دست آوردن مقدار يکتا و درست از ميان مقادير مختلف توليد شده برای يک موجوديت خاص است. به روش‌های ارائه شده برای اين کار همجوشی داده‌ها گفته می‌شود. اکثر روش‌های همجوشی ارائه شده تاکنون بر اساس تخمين قابليت اطمينان به منبع توليدکننده داده عمل می‌کنند و تعداد کمی از مقالات از اطلاعات موجود در رابطه ميان موجوديت‌ها بهره برده‌اند. چالش اصلی در اين روش‌ها، چگونگی تشخيص وجود رابطه ميان موجوديت‌هاست. رويکردهای قبلی تنها به ويژگی‌های ظاهری ميان موجوديت‌ها توجه کرده و با استفاده از يک تابع شباهت، ارتباط ميان آنها را تخمين زده‌اند. در اين مقاله، روشی پيشنهاد شده است که با بردن داده‌ها به يک فضای معنايی پنهان و سپس خوشه‌بندی آنها، رابطه ميان موجوديت‌ها را تخمين می‌زند. آنگاه با تعريف يک تابع اطمينان براساس فاصله داده‌ها از مراکز خوشه‌ها، مقادير درست را تعيين می‌کند. روش پيشنهادی بر روی سه دسته داده مصنوعی، شبيه‌سازی شده و واقعی پياده‌سازی و ارزيابی شده است. نتايج بدست آمده نشان می‌دهد که روش پيشنهادی به ويژه در محيط‌هايی که تعداد منابع قابل اطمينان در آنها کم است، از ساير روش‌ها بهتر عمل می‌کند.