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

Weitere Magazine

Empfehlungen

Info

Fazit Abschließend ist zu sagen, dass sich gezeigt hat, dass Graph-Matching-Verfahren und speziell das Similarity Flooding ein sehr komplexes Themengebiet sind, das sich nicht in allen Details im Rahmen dieser Arbeit thematisieren ließ. Dass das Similarity Flooding in einer Reihe anderer Verfahren – wie etwa SASMINT und COMA – Verwendung findet, zeigt nicht zuletzt, dass ihm eine gewissen Bedeutung bei der Integration von Datenbanken geschenkt wird. Die hier betrachteten Aspekte sowie die entwickelte Testumgebung können als Grundlage für weitere Betrachtungen und Experimente mit dem Verfahren bei dem Versuch verstanden werden, es hin zu einem noch universelleren und noch besser einsetzbaren Instrument zu entwickeln und dadurch Matchings in Zukunft weiter vereinfachen zu können. Ob sich das Similarity Flooding für das Matching kartographischer bzw. räumlicher Daten eignet, wird sich wohl erst in Zukunft zeigen, wenn weitere Untersuchungen dazu angestellt wurden. Grundsätzlich dürften räumliche Daten als Eingabe zwar kein Problem darstellen, fraglich ist aber, ob sich Speicherbedarf und Laufzeit des Verfahrens bei großen Datenmengen in den Griff bekommen lassen und ob die Qualität der Ergebnisse zufriedenstellend ausfällt. 76
Literaturverzeichnis [DMR02] [Dra93] [Gal06] [GS62] [IntDB10] [Kuh55] [LN07] [MBR01] Do, Hong hai, Melnik, Sergey und Rahm, Erhard: Comparison of Schema Matching Evaluations. In: In Proceedings of the 2nd Int. Workshop on Web Databases (German Informatics Society), Seiten 221–237, 2002. Drakos, Nikos: Text to Hypertext conversion with L A TEX2HTML. Baskerville, 3(2):12–15, 1993. Gal, Avigdor: Why is Schema Matching Tough and What Can We Do About It SIGMOD Record, 35(4):2–5, 2006. Gale, David und Shapley, Lloyd S.: College admissions and the stability of marriage. The American Mathematical Monthly, 69(1):9–15, 1962. Praktische Informatik, FG Datenbanken und Informationssysteme Institut für: Übungen zu Integration von Datenbanken im WS 10/11. 2010. Kuhn, Harold W.: The Hungarian method for the assignment problem. Naval Research Logistics Quarterly, 2(1-2):83–97, 1955. Leser, Ulf und Naumann, Felix: Informationsintegration - Architekturen und Methoden zur Integration verteilter und heterogener Datenquellen. dpunkt.verlag, 2007. Madhavan, Jayant, Bernstein, Philip A. und Rahm, Erhard: Generic Schema Matching with Cupid. In: Proceedings of the 27th International Conference on Very Large Data Bases, VLDB ’01, Seiten 49–58, San Francisco, CA, USA, 2001. Morgan Kaufmann Pulishers Inc. [MGMR01] Melnik, Sergey, Garcia-Molina, Hector und Rahm, Erhard: Similarity Flooding: A Versatile Graph Matching Algorithm (Extended Technical Report). Technischer Bericht, Stanford University, 2001. [MRB03] [MZ98] Melnik, Sergey, Rahm, Erhard und Bernstein, Philip A.: Rondo: a programming platform for generic model management. In: Proceedings of the 2003 ACM SIGMOD international conference on Management of data, SIGMOD ’03, Seiten 192–204, New York, NY, USA, 2003. ACM. Milo, Tova und Zohar, Sagit: Using Schema Matching to Simplify Heterogeneous Data Translation. In: VLDB’98, Proceedings of 24rd International Conference on Very Large Data Bases, Seiten 122–133, 1998. 77
Seite 1 und 2:
Leibniz Universität Hannover Insti
Seite 3 und 4:
Inhaltsverzeichnis 1. Einleitung 5
Seite 5 und 6:
1. Einleitung 1.1. Motivation und S
Seite 7 und 8:
2. Grundlagen In diesem Kapitel sol
Seite 9 und 10:
Möglichkeiten erläutert, wie Mapp
Seite 11 und 12:
(etwa OLA oder Microsoft BizTalk Ma
Seite 13 und 14:
Abbildung 3.2.: Klassifizierung von
Seite 15 und 16:
4. Der Similarity Flooding Algorith
Seite 17 und 18:
Definition 4.1 Seien A und B zwei M
Seite 19 und 20:
Gemäß der Definition wird also zu
Seite 21 und 22:
Abbildung 4.3.: Similarity Propagat
Seite 23 und 24:
durch die Formel darstellen, wobei
Seite 25 und 26: Tabelle 4.3 dargestellt sind. Währ
Seite 27 und 28: Abbildung 4.4.: Bipartiter Graph (l
Seite 29 und 30: Das Zuordnungsproblem Beim Zuordnun
Seite 31 und 32: 5. Vergleich mit anderen Verfahren
Seite 33 und 34: (vorgeschlagen ist ein Unterschied
Seite 35 und 36: durchgeführt werden müssen, um ei
Seite 37 und 38: 6. Implementierung der Testumgebung
Seite 39 und 40: Abbildung 6.4.: Menü mit den Anfan
Seite 41 und 42: Abbildung 6.7.: Filterung der Ergeb
Seite 43 und 44: AUTOR(Name (PK), Geburtsdatum); BUC
Seite 45 und 46: sich allein mit der Qualität des V
Seite 47 und 48: Die Graphen 3, 4 und 5 sind jeweils
Seite 49 und 50: Graph 1 2 3 4 5 6 7 |Knoten| 6 15 8
Seite 51 und 52: wie sich das allgemein auf das Simi
Seite 53 und 54: Knoten Iteration 1 (a, b) 0 (a 1 ,
Seite 55 und 56: Knoten Iteration 1 2 3 10 20 30 40
Seite 57 und 58: gorithmus arbeiten muss, um zu eine
Seite 59 und 60: Die Beobachtung, dass sich die Kand
Seite 61 und 62: Knoten Iteration 1 2 3 4 5 6 7 8 9
Seite 63 und 64: Einstellen niedriger Anfangsähnlic
Seite 65 und 66: eines Schemas in einen Graphen. Im
Seite 67 und 68: ER_MITARBEITER aus Schema 2 kann zu
Seite 69 und 70: 1 für α in der Vorverarbeitung da
Seite 71 und 72: Musiksammlung Bei den Musiksammlung
Seite 73 und 74: durch Festlegen von Anfangsähnlich
Seite 75: den Benutzer berücksichtigt wurde,
Seite 79 und 80: A. Anhang - Für Experimente verwen
Seite 81 und 82: A.2. Graph 2 Abbildung A.4.: Graph
Seite 83 und 84: A.3. Graph 3 Abbildung A.7.: Graph
Seite 85 und 86: Abbildung A.10.: Graph 4: Pairwise
Seite 93 und 94: Abbildung B.3.: Graph zu Schema 1 9
Seite 95 und 96: B.2. Bustouren STADT (Name, Highlig
Seite 97 und 98: Abbildung B.8.: Graph zu Schema 2 9
Seite 99 und 100: Abbildung B.11.: Graph zu Schema 1
Seite 101 und 102: B.4. Filmdatenbank MOVIE (movie, ti
Seite 103 und 104: Abbildung B.16.: Graph zur Schema 2
Seite 105 und 106: Schema 1 Schema 2 Ähnlichkeitswert
Seite 119: Schema 1 Schema 2 Ähnlichkeitswert
Alle anzeigen

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

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?