pdf (18647 Kb) - Fachgebiet Datenbanken und Informationssysteme ...

einer Laufzeit von O(n 2 ).
Da in der Graphentheorie somit schon eine Reihe von Verfahren und Überlegungen
vorhanden waren, lag der Versuch nahe, diese auch auf Schemata bzw. allgemein auf
andere Datenstrukturen zu übertragen.
Hinzu kommt, dass die Verwendung von Graphen in Matching-Verfahren sehr viel
mehr Möglichkeiten von Eingabewerten bietet als andere Verfahren. Theoretisch können
als Eingabe alle Datenstrukturen verwendet werden, die sich in geeigneter Form als
Graphen darstellen lassen. Dadurch sind Graph-Matching-Verfahren weitaus generischer
und können in mehr Bereichen eingesetzt werden als Verfahren, die zum Beispiel nur auf
Basis von XML arbeiten und deshalb nur XML-Dateien als Eingaben akzeptieren.
Das erste Graph-Matching-Verfahren ist – wie bereits in Kapitel 3.1 erwähnt – Tran-
Scm aus dem Jahr 1998, vorgestellt in [MZ98]. Dabei wurde genau die grundsätzliche
Idee hinter Graph-Matching-Verfahren verfolgt, nämlich ein Verfahren zu entwickeln,
um mit verschiedenen Formaten von Daten umgehen und daraus Matchings bestimmen
zu können. Seit diesem ersten Verfahren entstanden noch eine Reihe weiterer, wie zum
Beispiel Cupid, Rondo, SASMINT und das Similarity Flooding, von denen im Rahmen
dieser Arbeit besonders das Similarity Flooding aus dem Jahr 2001 im Fokus steht.
3.3.2. Graph Matching bei räumlichen Daten
Ein Forschungsgebiet an der Leibniz Universität Hannover, in dem Graph Matching
Verfahren eine wichtige Bedeutung spielen, ist das Matching von räumlichen Daten.
Ziel dabei ist es, geographische Datenbestände wie etwa Straßenkarten zu matchen,
die verschiedene Detaillierungsgrade aufweisen und unterschiedliche Erfassungskriterien
verwenden.
Im Rahmen dieses Themas wurde in [Tie03] zunächst ein Modell entwickelt, das räumliche
Datenbanken um topologische Informationen erweitert und es ermöglicht, bestimmte
topologische Integritätsbedingungen zu erstellen. Dieses Modell stellt die Grundlage
für eine Reihe weiterer Arbeiten dar. So wird zum Beispiel in [Rip04] mit dem BFS-
Matching-Verfahren ein Graph Matching Verfahren vorgestellt, das auf räumlichen Datenbeständen
arbeiten kann. Ebenso wird der Algorithmus von Ullman (vgl. [Ull76]) in
einer modifizierten Version darauf angewandt. [Sch09] stellt mit dem GeoFoed-Matching
ein Verfahren dar, das an der Leibniz Universität zum Matching geographischer Daten
entwickelt wurde.
Auch wenn also bereits einige Verfahren existieren, um räumliche Daten zu matchen,
ist die Suche nach weiteren und eventuell besseren Verfahren noch nicht abgeschlossen.
Obwohl der Schwerpunkt dieser Arbeit wie anfangs erwähnt eher auf dem Schema-
Matching und nicht auf dem Matching räumlicher Daten liegt, stellt sich natürlich die
Frage, ob sich Verfahren wie das Similarity Flooding unter Umständen ebenso für ein
solches Matching von räumlichen Datenbeständen eignen.
14