數據空間數據源描述信息更新策略研究.pdf

1、互聯網的飛速發展使得我們被大量的信息所包圍。大數據是這個信息時代最鮮明的特征，如今全球的數據存儲已經進入了“澤它時代”。信息的爆炸式增長給我們帶來的問題很多，不僅是存儲空間的問題，還有存儲模式的問題。多樣化的數據無法存儲在模式單一的數據庫中。近幾年，為了解決這種異類數據的存儲問題，提出數據空間(Data Space)的概念。數據空間能夠淡化數據模式，支持不同類型數據的分布式存儲，支持 pay-as-you-go的方式。數據空間作為一種新

2、的數據管理技術，以用戶為中心，為用戶提供數據管理服務。
　　數據空間是一個新的研究領域，在數據存儲、查詢、索引等方面已經有一定的研究工作。但是目前學術研究界對其更新問題的研究還不成熟，并且數據空間中數據源的分布式存儲以及數據源的多源異質異構特性使數據空間的更新研究更加復雜。
　　本文研究了數據空間中數據源的更新策略，確切地說是數據源描述信息的更新策略。完成的主要工作包括：（1）采用模糊哈希的方式對文檔內容的變化程度進行分析，

3、確定是否達到需要更新其描述信息的標準。（2）對于文檔數據的更新，提出一種重要性與新鮮度相結合的方法，以用戶的要求為標準，給不同的文檔集合設置不同的更新頻率。（3）將數據空間文件夾單獨視為一類資源，設計了一種檢測其增刪改變化的算法。（4）采用時間序列預測的方法，構建ARIMA模型來預測網頁的改變頻率。
　　本文重點研究了數據空間中的本地數據源與在線數據源的更新策略?；贏RIMA模型，提出了預測數據源改變頻率的方法。針對不同數據源制