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

Knoten
Iteration
1 2 3 10 15 20 30 34 35 36
(a, b) 1 0.93 0.968 1 1 1 1 1 1 1
(a 1 , b) 0.636 0.547 0.49 0.173 0.085 0.041 0.01 0.006 0.005 0.004
(a 1 , b 1 ) 0.118 0.266 0.319 0.38 0.382 0.383 0.383 0.383 0.383 0.383
(a 1 , b 2 ) 0.867 0.785 0.8 0.714 0.708 0.707 0.707 0.707 0.707 0.707
(a 2 , b 1 ) 0.957 1 1 0.93 0.925 0.924 0.924 0.924 0.924 0.924
(a 2 , b 2 ) 0.636 0.547 0.49 0.173 0.085 0.041 0.01 0.006 0.005 0.004
Tabelle 7.8.: Entwicklung der Ähnlichkeitswerte über mehrere Iterationen (Graph 1) für
Fall 5
deren ZHK über die Iterationen hinweg immer stärker gegen 0 konvergieren und im
Fixpunkt wenig aussagekräftige Matching-Kandidaten liefern.
Außerdem konnte festgestellt werden, dass das Similarity Flooding relativ robust gegenüber
veränderten Anfangsähnlichkeiten ist. Nur in Fall 3 konnte durch gezieltes „Ausblenden“
kompletter ZHK des PCGs erreicht werden, dass sich ein anderer Fixpunkt
einstellt. Der Fixpunkt, der sich dort eingestellt hat, liefert jedoch keine zufriedenstellenden
Matching-Kandidaten. Nur in dem speziell konstruierten Beispiel von Graph 7
konnte in Fall 4 und Fall 5 das Ergebnis durch die Anfangsähnlichkeiten so beeinflusst
werden, dass von den zwei dort möglichen, gleich „guten“ Zuordnungen eine bevorzugt
wurde.
Abschließend lässt sich bezüglich der Anfangsähnlichkeiten festhalten, dass diese wie
von den Autoren in [MGMR01] dargestellt die Ergebnisse des Similarity Flooding nicht
wesentlich beeinflussen. Egal, ob nun gezielt potentiell gute Matching-Kandidaten mit
hohen Anfangsähnlichkeiten belegt, Zufallswerte verwendet oder nur ein einziger Kandidat
mit einem Wert belegt wurde, hatte auf die Ergebnisse keinerlei Einfluss, sondern
lediglich auf die Anzahl der Iterationen, die bis zum Erreichen dieses Ergebnisses notwendig
waren. Die Beeinflussungen, die in Fall 3 festgestellt werden konnten, können in
realen Anwendungen als irrelevant angesehen werden, denn sie würden bedeuten, dass
in einer Vorverarbeitungsphase des Algorithmus komplett falsche Anfangsähnlichkeiten
(und vor allem Werte von 0 für eigentlich gute Matching-Kandidaten) berechnet werden
müssten, was extrem unwahrscheinlich erscheint. Ebenso sind die Beeinflussungen, die
an den Testergebnissen bei Graph 7 festgestellt werden konnten, vermutlich eher theoretisch
relevant als in der Praxis. Dass es dort Fälle gibt, in denen zwei Modelle so gestaltet
sind, dass eines der Modelle mit gleicher Wahrscheinlichkeit zu einem oder dem anderen
Teil des zweiten Modells passt, scheint doch eher unwahrscheinlich.
Bezogen auf die zu Beginn des Kapitels angesprochene Berechnung von Anfangsähnlichkeiten
in der Vorverarbeitungsphase kann man sagen, dass die Ergebnisse der hier
durchgeführten Experimente deren Nutzen in Frage stellen. Ob nun in einer Vorverarbeitungsphase
Ähnlichkeiten berechnet und als Anfangsähnlichkeiten in den Algorithmus
einbezogen werden oder ob direkt Zufallswerte oder konstante Werte ungleich 0 für die
Ähnlichkeiten verwendet werden, wirkt sich offenbar nur darauf aus, wie lange der Al-
56