Die Begriffe Schema-Matching und Mapping werden im Zusammenhang mit Datenbankprozessen oft synonym verwendet . In diesem Artikel unterscheiden wir die beiden Begriffe wie folgt: Schema- Matching bezeichnet den Prozess der Identifizierung semantisch verwandter Objekte (Umfang dieses Artikels), während Mapping die Transformationen zwischen den Objekten beschreibt. Beispielsweise wären in den beiden Schemata DB1.Student (Name, SSN, Level, Major, Marks) und DB2.Grad-Student (Name, ID, Major, Grades) mögliche Matches: DB1.Student ≈ DB2.Grad-Student; DB1.SSN = DB2.ID usw. Mögliche Transformationen oder Mappings wären: DB1.Marks zu DB2.Grades (100–90 A; 90–80 B usw.).

Die Automatisierung dieser beiden Ansätze gehört zu den grundlegenden Aufgaben der Datenintegration . Im Allgemeinen ist es nicht möglich, die verschiedenen Entsprechungen zwischen zwei Schemata vollständig automatisch zu bestimmen – vor allem aufgrund der unterschiedlichen und oft nicht explizit oder dokumentierten Semantik der beiden Schemata.

Hindernisse

Häufige Herausforderungen bei der Automatisierung von Matching und Mapping wurden unter anderem bereits in [ 1 ] klassifiziert , insbesondere für relationale Datenbankschemata. In [ 2 ] findet sich eine recht umfassende Liste von Heterogenitäten, die nicht auf das relationale Modell beschränkt ist und schematische vs. semantische Unterschiede/Heterogenität berücksichtigt. Die meisten dieser Heterogenitäten entstehen, weil Schemata unterschiedliche Repräsentationen oder Definitionen für dieselben Informationen verwenden (Schemakonflikte) oder weil unterschiedliche Ausdrücke, Einheiten und Genauigkeiten zu widersprüchlichen Repräsentationen derselben Daten führen (Datenkonflikte). [ 1 ] Die Forschung im Bereich Schema-Matching zielt darauf ab, die Suche nach semantischen Übereinstimmungen zwischen zwei Schemata automatisiert zu unterstützen. Dieser Prozess wird durch Heterogenitäten auf den folgenden Ebenen erschwert [ 3 ].

  • Syntaktische Heterogenität – Unterschiede in der Sprache, die zur Darstellung der Elemente verwendet wird
  • Strukturelle Heterogenität – Unterschiede in den Arten und Strukturen der Elemente
  • Modell-/Repräsentationsheterogenität – Unterschiede in den zugrunde liegenden Modellen (Datenbanken, Ontologien) oder deren Repräsentationen (Schlüssel-Wert-Paare, relationale Datenbanken, Dokumente, XML, JSON , Tripel, Graphen, RDF, OWL)
  • Semantische Heterogenität – wenn dieselbe reale Entität mit unterschiedlichen Begriffen dargestellt wird oder umgekehrt

Schema-Übereinstimmung

[ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ]

Methodik

Erörtert eine generische Methodik für die Aufgabe der Schemaintegration bzw. die damit verbundenen Aktivitäten. [ 5 ] Laut den Autoren kann man die Integration wie folgt betrachten.

  • Vorintegration – Vor der Integration wird eine Analyse der Schemata durchgeführt, um eine Integrationsrichtlinie festzulegen. Diese regelt die Auswahl der zu integrierenden Schemata, die Reihenfolge der Integration und die mögliche Zuweisung von Präferenzen zu ganzen Schemata oder Teilen von Schemata.
  • Vergleich der Schemata – Schemata werden analysiert und verglichen, um die Entsprechungen zwischen Konzepten zu ermitteln und mögliche Konflikte aufzudecken. Beim Vergleich von Schemata können Eigenschaften zwischen den Schemata entdeckt werden.
  • Schema-Angleichung — Sobald Konflikte erkannt werden, wird versucht, diese zu lösen, damit die Zusammenführung verschiedener Schemata möglich ist.
  • Zusammenführung und Umstrukturierung – Die Schemata können nun übereinandergelegt werden, wodurch integrierte Zwischenschemata entstehen. Die Zwischenergebnisse werden analysiert und gegebenenfalls umstrukturiert, um verschiedene wünschenswerte Eigenschaften zu erzielen.

Ansätze

Ansätze zur Schemaintegration lassen sich grob in solche einteilen, die entweder nur Schemainformationen oder Schema- und Instanzinformationen nutzen. [ 4 ] [ 5 ]

Schemabasierte Matcher berücksichtigen ausschließlich Schemainformationen, nicht Instanzdaten. Zu den verfügbaren Informationen gehören die üblichen Eigenschaften von Schemaelementen wie Name, Beschreibung, Datentyp, Beziehungstypen (Teil-von, ist-ein usw.), Einschränkungen und die Schemastruktur. Auf Elementebene (atomare Elemente wie Objektattribute) oder Strukturebene (Abgleich von Elementkombinationen innerhalb einer Struktur) werden diese Eigenschaften verwendet, um übereinstimmende Elemente in zwei Schemata zu identifizieren. Sprachbasierte oder linguistische Matcher verwenden Namen und Text (d. h. Wörter oder Sätze), um semantisch ähnliche Schemaelemente zu finden. Einschränkungsbasierte Matcher nutzen Einschränkungen, die häufig in Schemata enthalten sind. Solche Einschränkungen definieren Datentypen und Wertebereiche, Eindeutigkeit, Optionalität, Beziehungstypen und Kardinalitäten usw. Die Einschränkungen in zwei Eingabeschemata werden abgeglichen, um die Ähnlichkeit der Schemaelemente zu bestimmen.

Instanzbasierte Matcher nutzen Daten auf Instanzebene, um wichtige Erkenntnisse über Inhalt und Bedeutung der Schemaelemente zu gewinnen. Sie werden typischerweise zusätzlich zu Schema-basierten Matches eingesetzt, um die Zuverlässigkeit der Ergebnisse zu erhöhen, insbesondere wenn die auf Schemaebene verfügbaren Informationen unzureichend sind. Matcher auf dieser Ebene verwenden linguistische und Constraint-basierte Charakterisierungen von Instanzen. Beispielsweise könnte man mithilfe linguistischer Techniken die Instanzen „Dept“, „DeptName“ und „EmpName“ betrachten und feststellen, dass „DeptName“ ein besserer Kandidat für „Dept“ ist als „EmpName“. Constraints wie „Postleitzahlen müssen 5-stellig sein“ oder „Format von Telefonnummern“ ermöglichen den Abgleich solcher Instanzdaten. [ 9 ]

Hybride Matching- Verfahren kombinieren mehrere Matching-Ansätze direkt, um anhand mehrerer Kriterien oder Informationsquellen passende Kandidaten zu ermitteln. Die meisten dieser Verfahren nutzen außerdem zusätzliche Informationen wie Wörterbücher, Thesauri und vom Benutzer bereitgestellte Informationen zu Übereinstimmungen oder Nichtübereinstimmungen [ 10 ].

Wiederverwendung von Abgleichsinformationen: Eine weitere Initiative besteht darin, zuvor erstellte Abgleichsinformationen als Hilfsinformationen für zukünftige Abgleichsaufgaben wiederzuverwenden. Hintergrund ist die häufige Wiederholung von Strukturen oder Teilstrukturen, beispielsweise in Schemata im E-Commerce-Bereich. Die Wiederverwendung solcher Abgleiche erfordert jedoch eine sorgfältige Abwägung. Sie ist möglicherweise nur für Teile eines neuen Schemas oder nur in bestimmten Anwendungsbereichen sinnvoll. So können beispielsweise Gehalt und Einkommen in einer Lohnabrechnungsanwendung als identisch betrachtet werden, nicht aber in einer Steuererklärungsanwendung. Die Wiederverwendung birgt einige offene Herausforderungen, die weiterer Forschung bedürfen.

Beispielprototypen Die Implementierung solcher Matching-Verfahren lässt sich typischerweise in regelbasierte und lernerbasierte Systeme unterteilen. Die Komplementarität dieser unterschiedlichen Ansätze hat zu einer Reihe von Anwendungen geführt, die je nach Art des betrachteten Anwendungsbereichs eine Kombination verschiedener Techniken nutzen. [ 4 ] [ 5 ]

Identifizierte Beziehungen

Die am Ende eines Abgleichprozesses identifizierten Beziehungstypen zwischen Objekten weisen typischerweise eine semantische Definition auf, wie z. B. Überlappung, Disjunktheit, Ausschluss, Äquivalenz oder Subsumtion. Die logischen Kodierungen dieser Beziehungen definieren ihre Bedeutung. Unter anderem wurde ein früher Versuch vorgestellt, Beschreibungslogiken für die Schemaintegration und die Identifizierung solcher Beziehungen zu verwenden. [ 11 ] Mehrere moderne Abgleichwerkzeuge [ 4 ] [ 7 ] sowie die im Rahmen der Ontology Alignment Evaluation Initiative [ 12 ] bewerteten Werkzeuge sind in der Lage, viele solcher einfacher (1:1 / 1:n / n:1-Element-Abgleiche) und komplexer Abgleiche (n:1 / n:m-Element- oder Struktur-Abgleiche) zwischen Objekten zu identifizieren.

Qualitätsbewertung

Die Qualität des Schemaabgleichs wird üblicherweise anhand von Präzision und Trefferquote gemessen . Während die Präzision die Anzahl der korrekt zugeordneten Paare unter allen abgeglichenen Paaren misst, gibt die Trefferquote an, wie viele der tatsächlich zugeordneten Paare tatsächlich übereinstimmten.

Siehe auch

Referenzen

  1. ^ a b Kim, W. & Seo, J. (Dez. 1991). "Classifying Schematic and Data Heterogeneity in Multidatabase Systems." Computer 24, 12 .
  2. ^ Sheth, AP & Kashyap, V. (1993). „So Far (Schematically) yet So Near (Semantically)“. In Proceedings of the IFIP WG 2.6 Database Semantics Conference on interoperable Database Systems .
  3. ^ Sheth, AP (1999). „Veränderung des Fokus auf Interoperabilität in Informationssystemen: Von System, Syntax, Struktur zur Semantik“. In: Interoperable Geographische Informationssysteme. MF Goodchild, MJ Egenhofer, R. Fegeas und CA Kottman (Hrsg.), Kluwer, Academic Publishers .
  4. ^ a b c d Rahm, E. & Bernstein, P (2001). "A survey of approaches to automatic schema matching". The VLDB Journal 10, 4 .
  5. ^ a b c d Batini, C., Lenzerini, M., und Navathe, SB (1986). "Eine vergleichende Analyse von Methoden zur Integration von Datenbankschemata." ACM Comput. Surv. 18, 4 .{{cite conference}}: CS1 Wartung: Mehrere Namen: Autorenliste ( Link )
  6. ^ Doan, A. & Halevy, A. (2005). „Semantische Integrationsforschung in der Datenbank-Community“. AI Mag. 26, 1 .
  7. ^ a b Kalfoglou, Y. & Schorlemmer, M. (2003). "Ontology mapping: the state of the art". Knowl. Eng. Rev. 18, 1 .
  8. ^ Choi, N., Song, I. und Han, H. (2006). „Eine Übersicht zur Ontologieabbildung“. SIGMOD Rec. 35, 3 .{{cite conference}}: CS1 Wartung: Mehrere Namen: Autorenliste ( Link )
  9. ^ Pereira Nunes, Bernardo; Mera, Alexander; Casanova, Marco Antonio; P. Paes Leme, Luis Andre; Dietze, Stefan (2013). „Komplexes Matching von RDF-Datentypeigenschaften“ . Datenbank- und Expertensystemanwendungen . Lecture Notes in Computer Science. Band 8055. S.  195–208 . doi : 10.1007/978-3-642-40285-2_18 . ISBN 978-3-642-40284-5Die
  10. ^ Hamdaqa, Mohammad; Tahvildari, Ladan (2014). „Prison Break: Eine generische Schema-Matching-Lösung für das Cloud-Anbieter-Lock-in-Problem“. 2014 IEEE 8th International Symposium on the Maintenance and Evolution of Service-Oriented and Cloud-Based Systems . S.  37–46 . doi : 10.1109/MESOCA.2014.13 . ISBN 978-1-4799-6152-8. S2CID  14499875 .
  11. ^ Ashoka Savasere; Amit P. Sheth; Sunit K. Gala; Shamkant B. Navathe; H. Markus (1993). „Zur Anwendung der Klassifizierung auf die Schemaintegration“. RIDE-IMS .
  12. ^ Initiative zur Evaluierung der Ontologieausrichtung: 2006