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

ER_MITARBEITER aus Schema 2 kann zum Beispiel als Generalisierung zu AU-
TOR und FOTOGRAF aus Schema 1 aufgefasst werden. Auch hier stellt sich
also die Frage, wie das Similarity Flooding das in den Ergebnissen zum Ausdruck
bringt. Zusätzlich gibt es weitere strukturelle Unterschiede – wie etwa die Relation
VERLAG in Schema 1 im Vergleich zum Attribut Verlag in Schema 2 –, die der
Algorithmus sinnvoll lösen sollte.
4. Die letzten beiden Schemata gehören zum Bereich Filmdatenbank. Sie wurden
beide [IntDB10] entnommen und stellen zwei Möglichkeiten dar, um Filminformationen
zu speichern.
Beide Schemata sind verglichen mit den anderen Schemata für die Experimente
wesentlich komplexer. Außerdem weisen sie viele gleichartige Strukturen auf, die
durch das Similarity Flooding gefunden werden sollten. Besonders hervorzuheben
ist hier die Bedeutung von MOVIE in Schema 1 und PRODUCTION in Schema 2.
Während MOVIE in Schema 1 die „zentrale“ Relation darstellt, auf die von nahezu
jeder anderen Relation Fremdschlüssel verweisen, ist das in Schema 2 die Relation
PRODUCTION.
In den Experimenten ist zu erwarten, dass das Similarity Flooding aufgrund der
vielen gemeinsamen Strukturen besonders gute Matching-Kandidaten liefert und
speziell auch die Korrespondenz zwischen MOVIE und PRODUCTION korrekt
erkennt. Außerdem ist davon auszugehen, dass eine Filterung mit Hilfe der Stable
Marriage hier als sinnvolle Eingrenzung der Ergebnisse möglich ist.
7.3.2. Ergebnisse ohne Vorverarbeitung
In dieser ersten Testreihe soll überprüft werden, welche Qualität die Ergebnisse des Similarity
Flooding haben, wenn keinerlei Vorverarbeitung durchgeführt wird, sondern
konstant gleiche Ähnlichkeitswerte verwendet werden. Dazu werden alle Anfangsähnlichkeitswerte
auf 0.5 gesetzt. Dieser Wert wurde dabei gewählt, weil er dem mittleren
Wert des möglichen Wertebereichs ist.
Die Tabellen mit den Ergebniswerten zu den einzelnen Schemata sind in Tabelle C.1,
Tabelle C.5, Tabelle C.1 und Tabelle C.13 in Anhang C abgedruckt.
Bei den Ergebnissen fällt auf, dass die Ähnlichkeitswerte bis auf den Wert für (PRI-
MARY KEY, PRIMARY KEY) in allen Beispielschemata relativ gering (zwischen 0.309
und 0) sind. Qualitativ liefert das Similarity Flooding bei keinem der Schemata zufriedenstellende
Ergebnisse. Zwar steht etwa das Map Pair (MOVIE, PRODUCTION) bei
der Filmdatenbank mit 0.165 an zweiter Stelle bei den nach Ähnlichkeitswerten geordneten
Ergebnissen, die übrigen Map Pairs stellen allerdings kaum sinnvolle Matchings dar.
Das bestätigt die Beobachtung aus Kapitel 7.2.2, dass mit der gewählten Fixpunktformel
nur mit Hilfe einer Vorverarbeitungsphase gute Ergebnisse erzielt werden können.
67