BỘ GIÁO DỤC VÀ ĐÀO TẠO
TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
------------------------------------------
LUẬN VĂN THẠC SĨ KHOA HỌC
TÌM HIỂU VỀ ĐỐI SÁNH LƯỢC ĐỒ VÀ
XÂY DỰNG ỨNG DỤNG VNMATCH
NGÀNH: CÔNG NGHỆ THÔNG TIN
NGÔ VĂN QUÂN
HÀ NỘI 2006
i
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Lời cảm ơn
Trong lời đầu tiên của báo cáo luận văn tốt nghiệp “Tìm hiểu về đối sánh
lược đồ và xây dựng ứng dụng VNMatch” này, tôi muốn gửi những lời cảm ơn và
biết ơn chân thành của mình tới tất cả những người đã hỗ trợ, giúp đỡ tôi về
chuyên môn, vật chất và tinh thần trong quá trình thực hiện Đồ án.
Trước hết, tôi xin chân thành cảm ơn TS. Nguyễn Kim Anh, bộ môn Hệ
thống thông tin, Khoa Công nghệ thông tin trường Đại học Bách khoa Hà Nội,
người đã trực tiếp hướng dẫn, nhận xét, giúp đỡ tôi trong suốt quá trình thực hiện
luận văn.
Xin chân thành cảm ơn Khoa Công nghệ thông tin, Trung tâm Đào tạo và
Bồi dưỡng sau đại học Trường Đại học Bách Khoa Hà Nội đã giúp đỡ tôi trong suốt
quá trình học tập và nghiên cứu.
Tôi cũng muốn gửi lời cảm ơn tới TS. Đỗ Hồng Hải1, tác giả của hệ thống
COMA++; anh Lê Hồng Phương2 tác giả của vnTokenizer, vnLTag; Enrico May,
sinh viên nghiên cứu về dự án Cupid. Tôi cũng xin bày tỏ lòng biết ơn đến gia
đình và những người bạn thân đã giúp đỡ, động viên tôi rất nhiều trong suốt quá
trình học tập và làm luân văn tốt nghiệp.
Do thời gian thực hiện có hạn, kiến thức chuyên môn còn nhiều hạn chế
nên đồ án tôi thực hiện chắc chắn không tránh khỏi những thiếu sót nhất định.
Tôi rất mong nhận được ý kiến đóng góp của thầy, cô giáo và các bạn.
Xin chân thành cảm ơn !
Hà Nội, ngày 09 tháng 10 năm 2006
1
http://dbs.uni-leipzig.de/personen/hong_hai_do
Lê Hồng Phương, công tác tại trường Đại Học Quốc Gia Hà Nội, hiện đang làm nghiên
cứu sinh tại Pháp
2
Ngô Văn Quân, lớp cao học CNTT 2004
ii
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
1
2
3
4
5
1
2
3
1
2
3
Mở đầu ............................................................................. 1
Chương 1
Đối sánh lược đồ.......................................................................... 2
Sự hỗn tạp ngữ nghĩa................................................................... 3
Định nghĩa bài toán...................................................................... 6
3.1
Schemas.............................................................................. 6
3.2
Đầu vào bài toán (Input)........................................................ 7
3.3
Đầu ra bài toán (Output)........................................................ 7
3.4
Kiến trúc chung .................................................................... 8
Ứng dụng của bài toán đối sánh lược đồ .......................................... 9
4.1
Các ứng dụng tích hợp dữ liệu và data warehouse...................... 9
4.2
E-Business ......................................................................... 11
4.3
Semantic Web .................................................................... 12
Các vấn đề mở .......................................................................... 13
5.1
Khả năng biểu diễn của ngôn ngữ.......................................... 13
5.2
Làm việc với các lược đồ có kích thước lớn .............................. 13
5.3
Sự kết hợp của các phương pháp đối sánh .............................. 14
Chương 2
Các phương pháp tiếp cận ................................................. 15
Các dự án liên quan ................................................................... 15
1.1
COMA++ ........................................................................... 15
1.2
SEMINT ............................................................................. 16
1.3
LSD .................................................................................. 16
1.4
SKAT................................................................................. 16
1.5
TransScm .......................................................................... 16
1.6
DIKE ................................................................................. 17
1.7
SIMILARITY FLOODING ........................................................ 17
1.8
Cupid ................................................................................ 17
Các phương pháp đối sánh lược đồ ............................................... 20
2.1
Tiêu chuẩn phân loại ........................................................... 20
2.2
Đối sánh dựa trên schema (schema-based) ............................ 21
2.2.1
Phương pháp tiếp cận dựa trên ngôn ngữ (linguistic) .......... 22
2.2.2
Phương pháp tiếp cận dựa trên ràng buộc......................... 23
2.2.3
Phương pháp tiếp cận dựa trên cấu trúc ........................... 23
2.3
Đối sánh dựa trên dữ liệu ..................................................... 23
2.4
Đối sánh kết hợp................................................................. 24
2.5
Match Cardinality ................................................................ 24
2.6
Các hệ số mặc định trong bài toán đối sánh ............................ 25
Các phương pháp đánh giá hệ thống đối sánh ................................ 26
Chương 3
Thiết kế hệ thống đối sánh lược đồ. .................................... 30
Khảo sát................................................................................... 30
Giới thiệu ................................................................................. 33
2.1
Giới thiệu bài toán đối sánh lược đồ. ...................................... 33
2.2
Xử lý schema trong tiếng Việt ............................................... 33
Thiết kế.................................................................................... 35
Ngô Văn Quân, lớp cao học CNTT 2004
iii
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
3.1
Kiến trúc hệ thống .............................................................. 35
3.2
Input ................................................................................ 36
3.2.1
Schema ..............................Error! Bookmark not defined.
3.2.2
WordNet ...................................................................... 39
3.2.3
Output ........................................................................ 40
3.3
Mức ngôn ngữ (linguistic matching) ....................................... 41
3.3.1
Các thuật toán đối sánh cơ bản ....................................... 42
3.3.2
Thuật toán đối sánh kết hợp ........................................... 44
3.4
Mức cấu trúc ...................................................................... 51
3.5
Chọn lựa ánh xạ ................................................................. 55
4 Cài đặt và kết quả ..................................................................... 56
4.1
Cài đặt .............................................................................. 56
4.2
Kết quả thử ngiệm .............................................................. 60
5 Kết luận và hướng phát triển ....................................................... 71
5.1
Kết luận ............................................................................ 71
5.2
Hướng phát triển ................................................................ 72
Tài liệu tham khảo ............................................................................. 75
Sách, bài báo, luận văn.................................................................... 75
Website ......................................................................................... 75
Ngô Văn Quân, lớp cao học CNTT 2004
iv
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Mục lục hình ảnh
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
Hình
1-1: Đối sánh lược đồ
2
1-2: Xung đột ngôn ngữ
5
2-1: Schemas
7
2-2: Kiến trúc chung của bài toán đối sánh lược đồ
8
2-3: Minh họa hệ thống tích hợp dữ liệu giúp người dùng tìm văn bản
10
2-4: Data warehouse
11
2-5: Kiến trúc COMA++
15
2-6: Kiến trúc SEMINT
Error! Bookmark not defined.
2-7: Các phương pháp đối sánh lược đồ
20
2-8: Xây dựng các hệ số ưu tiên
26
2-9: Đánh giá hệ thống đối sánh
27
2-10: So sánh F-Measure và Overall
28
3-1: Sự hỗn tạp của các nguồn dữ liệu
31
3-2:Lược đồ văn bản
33
3-3: Kiến trúc hệ thống
36
3-4: Hợp nhất các lược đồ phân tán
38
3-5: Hợp nhất các kiểu thiết kế schema
38
3-6: Loại bỏ nút có kiểu đơn giản
38
3-7: Tái sử dụng các định nghĩa
39
3-8:Sơ đồ đối sánh mức ngôn ngữ (linguistic matching)
41
3-9: Sơ đồ thuật toán đối sánh kết hợp
45
3-10: Phân tích phần tử đầu vào
46
3-11: Thực hiện bước Direction và Selection
48
3-12: Tổng hợp kết quả
49
3-13: SimCube theo phương pháp đối sánh kết hợp
50
3-14: Kết quả sau khi thực hiện Aggregation
50
3-15: Kết quả sau khi thực hiện Direction và Selection
50
3-16:Kết quả sau khi tổng hợp
51
3-17: Hệ số tương tự của 2 node lá
52
3-18: Hệ số tương tự của 2 node trong
52
3-19: Sự phụ thuộc của hệ số tương tự vào ngữ cảnh
55
3-20:Cấu trúc VNMatch
57
3-21: MatchLib, phần core của VNMatch
57
3-22: Lớp HybridMatcher
58
3-23: VNMatch Framework (đề xuất)
73
Ngô Văn Quân, lớp cao học CNTT 2004
v
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Mục lục các công thức
Công
Công
Công
Công
Công
Công
Công
Công
Công
Công
Công
Công
thức
thức
thức
thức
thức
thức
thức
thức
thức
thức
thức
thức
1: Cupid, hệ số tương tự của hai tập hợp................................ 19
3 ...................................................................................... 19
4 ...................................................................................... 19
2: Công thức EditDistance biến đổi ........................................ 42
3: Lấy Max......................................................................... 47
4: Lấy theo trọng số............................................................ 47
5: Lấy theo trung bình ......................................................... 47
6: AverageSim ................................................................... 49
7: DiceSim......................................................................... 49
8: Wsim cho các node lá ...................................................... 54
9: Liên kết mạnh ................................................................ 54
10: ssim trong trường hợp là các node trong........................... 54
Ngô Văn Quân, lớp cao học CNTT 2004
vi
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Bảng các từ viết tắt và thuật ngữ
Tiếng Anh
Ý nghĩa
Data integration
Tích hợp dữ liệu
Data translation
Chuyển đổi dữ liệu
Data warehouse
Nhà kho dữ liệu
DTD
Document Type Definition
Global schema
Lược đồ tổng thể
Holonym
Bao hàm phần tử
Ghi chú
“Cây” bao hàm phần tử
“Thân cây”
Hypernym
Hyponym
Bao hàm khái niệm thuật
“Thực vật” bao hàm
ngữ
khái niệm “Cây”
Ngược với Hypernym
“Cây” nằm trong khái
niệm “thực vật”
Local schema
Lược đồ địa phương
Meronym
Ngược với Holonym
“Thân cây” là bộ phận
của cây
Ontology
Đặc tả của khái niệm
OWL
Web Ontology Language
Schema
Lược đồ dữ liệu
Schema integration
Tích hợp lược đồ
Ngô Văn Quân, lớp cao học CNTT 2004
vii
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Semantic integration
Tích hợp ngữ nghĩa
Schema mapping
Ánh xạ lược đồ, tương tự
đối sánh lược đồ
Schema matching
Đối sánh lược đồ
Synonym
Từ đồng nghĩa
Web Semantic
Web ngữ nghĩa
XSD
XML Schema Definition
Ngô Văn Quân, lớp cao học CNTT 2004
viii
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Tóm tắt luận văn
Luận văn cao học với đề tài “Tìm hiểu về đối sánh lược đồ và xây dựng ứng
dụng VNMatch” nghiên cứu và tìm hiểu về bài toán đối sánh lược đồ (schema
matching). Bài toán đối sánh lược đồ được áp dụng trong các ứng dụng tích hợp
dữ liệu (data integration), chuyển đổi dữ liệu (data translation), nhà kho dữ liệu
(data warehousing), các ứng dụng web ngữ nghĩa (Web Semantic).
Bài toán đối sánh lược đồ có thể được định nghĩa như sau: “Cho hai lược đồ
S1 và S2 hãy tìm sự tương đồng giữa các phần tử của S1và S2 bằng cách khai thác
tất cả các thông tin tồn tại trong hai lược đồ đó, trong dữ liệu và các nguồn thông
tin hỗ trợ khác”.
Luận văn tập trung nghiên cứu các phương pháp đối sánh lược đồ dựa trên
các dự án đã được phát triển của các viện nghiên cứu, trường đại học và công ty
trên thế giới, tìm hiểu và đề xuất một số phương pháp xử lý cho lược đồ được
thiết kế dùng tiếng Việt. Đồng thời thiết kế và thi công một hệ thống đối sánh
lược đồ, được gọi là VNMatch. VNMatch xử lý đầu vào là hai lược đồ được thiết kế
dùng ngôn ngữ XML Schema, kết quả đầu ra là tập các ánh xạ có sự tương đồng
về mặt ngữ nghĩa giữa các phần tử của hai lược đồ đó.
Từ khóa: Schema matching, semantic integration, schema mapping,
matcher; đối sánh lược đồ, ánh xạ lược đồ, tích hợp ngữ nghĩa, tích hợp dữ liệu.
Ngô Văn Quân, lớp cao học CNTT 2004
1
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Chương 1
Mở đầu
Mục tiêu chính của luận văn tốt nghiệp này là nghiên cứu về bài toán đối
sánh lược đồ (schema matching). Đối sánh lược đồ là quá trình xác định ngữ
nghĩa tương ứng giữa các cấu trúc siêu dữ liệu (metadata) như lược đồ của cơ sở
dữ liệu, XSD, Ontology. Đối sánh lược đồ đóng vai trò quan trọng trong các việc
tương tác giữa các dịch vụ với nhau và trong ứng dụng tích hợp dữ liệu, Data
warehouse, E-Business.
Ngô Văn Quân, lớp cao học CNTT 2004
2
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
1
Đối sánh lược đồ
Một lược đồ là một cấu trúc siêu dữ liệu để mô tả dữ liệu được lưu giữ, truy
cập, diễn dịch bởi người dùng và các ứng dụng như thế nào. Ngoài các khía cạnh
liên quan đến quản lý dữ liệu như định dạng dữ liệu, kiểu dữ liệu, lược đồ còn có
sự mở rộng liên quan đến ngữ nghĩa của dữ liệu như tập các giá trị cho phép, các
yếu tố tập hợp, toàn vẹn và ràng buộc tham chiếu… Hiện tại có nhiều ngôn ngữ
biểu diễn lược đồ đã được phát triển cho các lĩnh vực ứng dụng khác nhau, ví dụ
như SQL, DTD, XSD, OWL. Mặc dù có nhiều khả năng và ngôn ngữ biểu diễn khác
nhau nhưng lược đồ đã xuất hiện có thể nói là khắp nơi trong hầu hết các ứng
dụng về quản lý dữ liệu và xử lý dữ liệu.
category publishDate
ND
22/10/1990
TT
22/09/1999
id
15
32
org_id
15
32
topic
ND
TT
publishDate
22/10/1990
22/09/1999
org_name
Bộ tài chính
Bộ thương mại
name
Bộ tài chính
Bộ thương mại
Hình 1-1: Đối sánh lược đồ
Hình 1-1 minh họa cho việc tích hợp dữ liệu sử dụng kịch bản đơn giản
trong đó ta muốn tích hợp nguồn dữ liệu S vào nguồn dữ liệu T. Cả S và T đều
chứa thông tin về cơ sở dữ liệu văn bản pháp quy nhưng trong S người ta dùng
hai bảng để biểu diễn, còn trong T người ta sử dụng 1 bảng để biểu diễn, công
việc của chúng ta là xây dựng quá trình tự động ánh xạ các phần tử tương đương
giữa các phần tử của S với các phần tử của T: S-›category ‹-› T-›Topic
Ngô Văn Quân, lớp cao học CNTT 2004
3
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Quá trình tự động này người ta gọi chung là
đối sánh lược đồ (schema
matching). Nó là chìa khóa trong các ứng dụng tích hợp dữ liệu và chuyển đổi dữ
liệu.
2
Sự hỗn tạp ngữ nghĩa
Việc xác định các thành phần tương đương nhau giữa hai lược đồ cần sự
phân tích ngữ nghĩa trong các lược đồ đó hay nói cách khác chính là sự suy diễn
ngược lại các khái niệm về lược đồ của người tạo ra nó. Qúa trình này nếu có thể
thực hiện được thì sẽ gặp rất nhiều khó khăn vì sự xung đột giữa các nguồn thông
tin hỗn tạp cần được xem xét, ví dụ như lược đồ, dữ liệu, tài liệu đặc tả, tình
trạng dữ liệu… Việc trích lọc ngữ nghĩa chính xác từ các thông tin metadata này
một cách tự động thực sự là một việc nặng nhọc và không có một phương
pháp chuẩn nào để thực hiện.
Lược đồ cung cấp nhiều thông tin mà chúng ta có thể khai thác chúng để
thu nhận được ngữ nghĩa của các phần tử chứa trong lược đồ đó. Ví dụ như các
thuộc tính name, description, constraints…Tuy nhiên các thông tin này có thể
khác nhau giữa các lược đồ, chúng phụ thuộc vào ngôn ngữ biểu diễn, cấu trúc
biểu diễn, ... Vì các lược đồ thường được thiết kế bởi những người khác nhau với
những nhận thức khác nhau về thế giới thực cho các mục đích khác nhau. Dưới
đây chúng ta tìm hiểu và phân loại những khó khăn, thách thức gặp phải khi
nghiên cứu về giải pháp cho bài toán đối sánh lược đồ.
Cho 2 cơ sở dữ liệu với hai lược đồ tương ứng S , T. Chúng ta phải xử lý để
tự động để xác định được sự tương ứng giữa phần tử category trong S với topic
trong T, và name trong S với org_name trong T, nghĩa là s trong S và t trong T
cùng mô tả chung một khái niệm trong một lĩnh vực nào đó thì chúng được coi là
tương đương. Điều này là một thách thức cho chúng ta vì một số yếu tố sau:
Lược đồ
•
Ngữ nghĩa của các phần tử chỉ được suy diễn từ một số ít các thông tin như
người tạo, chú thích, các lược đồ và dữ liệu liên quan. Trích lọc ngữ nghĩa
Ngô Văn Quân, lớp cao học CNTT 2004
4
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
từ các thông tin như vây thực sự là bài toán khó vì những thông tin
metadata đó thường không được đầy đủ và chính xác, chú thích không đủ,
không phù hợp, trong nhiều trường hợp xây dựng các hệ thống tích hợp dữ
liệu qua Web những thông tin metadata đó còn không thể truy cập được.
•
Do các phần tử của lược đồ thường được đối sánh dựa trên các thông tin hỗ
trợ trong lược đồ và dữ liệu. Ví dụ như name, type, value, cấu trúc và các
ràng buộc, nhưng các thông tin này không thực sự có thể tin cậy được. Ví
dụ các một từ có thể mô tả hai khái niệm khác nhau trong thế giới thực
hoặc ngược lại, một khái niệm được phân rã mức chi tiết với cấu trúc khác
nhau
•
Các ràng buộc toàn vẹn thực tế thường được xử lý trong các chương trình
truy cập dữ liệu chứ nó không được thể hiện trong lược đồ.
•
Để xác định được phần tử s trong S được match với t trong T thì một là
phải kiểm tra trong tất cả các phần tử trong T để không có phần tử nào
khác trong T tốt hơn s. Điều này ảnh hưởng lớn đến hiệu năng của qúa
trình tích hợp
Dữ liệu
Đối với dữ liệu chúng ta còn gặp các trở ngại sau
•
Các giá trị khác nhau được sử dụng cho cùng một thông tin, ví dụ như F và
Female để biểu diễn thông tin giới tính chẳng hạn
•
Các giá trị được lưu giữ không nhất quán về định dạng, ví dụ như sử dụng
Kb và Mb để lưu giữ kích thước dữ liệu chẳng hạn
•
Dữ liệu không nhất quán về thời gian
•
Dữ liệu có thể chứa lỗi, sai chính tả, thiếu giá trị, dư thừa ..
Dưới đây là một số hình ảnh thể hiện sự xung đột giữa các lược đồ
Ngô Văn Quân, lớp cao học CNTT 2004
5
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Hình 1-2: Xung đột ngôn ngữ
Ngô Văn Quân, lớp cao học CNTT 2004
6
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
3
Định nghĩa bài toán
Bài toán đối sánh lược đồ có thể được định nghĩa như sau: “Cho hai lược đồ
S1và S2 hãy tìm sự tương đồng nhất giữa các phần tử của S1và S2 bằng cách khai
thác tất cả các thông tin tồn tại như trong lược đồ, trong dữ liệu và các nguồn
thông tin hỗ trợ ”. Bài toán cần phải được giải quyết tới chừng nào có thể theo ý
nghĩa của sự tự động. Mục tiêu chính là giảm các thao tác thủ công nhiều nhất có
thể để tránh việc giải quyết bài toán đối sánh rất hỗn tạp.
3.1
Lược đồ.
Trong các thao tác đối sánh, các lược đồ đầu vào chỉ ra các phần tử cần
được đối sánh. Vì vậy ta cần xem xét một số loại lược đồ điển hình và các phần tử
của nó. Tùy thuộc vào lĩnh vực của ứng dụng lược đồ có thể tồn tại dưới nhiều
định dạng và ngôn ngữ khác nhau như SQL, UML, DTD, OWL.
•
SQL (Structured Query Language): Định nghĩa lược đồ cho cơ sở dữ liệu
quan hệ.
•
XSD (XML Schema Definition): Định nghĩa cho các tài liệu có cấu trúc XML
để trao đổi qua môi trường Web.
•
OWL (Web Ontology Language): Định nghĩa Ontology cho Sematic Web.
Ngô Văn Quân, lớp cao học CNTT 2004
7
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
XSD
SQL
CREATE TABLE Document(
docID INT,
signerID INT,
content TEXT,
PRIMARY KEY (docID ),
FOREIN KEY (signerID)
REFERENCES Users(userID )
);
CREATE TABLE Users(
userID INT,
firstname VARCHAR(200),
lastname VARCHAR(200),
birthday DATE,
PRIMARY KEY (userID)
);
Hình 1-3: Lược đồ
3.2
Đầu vào bài toán (Input)
Bài toán đối sánh lược đồ bao gồm các loại thông tin đầu vào để có thể tính
toán mức độ tương đồng như sau.
•
Thông tin lược đồ: Các thông tin như name, data type, description.
constraint ..
•
Dữ liệu: Trong các ứng dụng tích hợp dữ liệu, chuyển đổi dữ liệu thì dữ liệu
luôn đi kèm với lược đồ và chúng cũng được khai thác để xác định ngữ
nghĩa cho các phần tử lược đồ.
•
Thông tin hỗ trợ: Tất cả các loại thông tin khác mà chúng ta có thể khai
thác cho quá trình đối sánh lược đồ. Các thông tin hỗ trợ như từ điển đồng
nghĩa, domain …
3.3
Đầu ra bài toán (Output)
Với đầu vào là 2 lược đồ S1, S2 bài toán cần đưa ra kết quả là một tập các
phần tử ánh xạ giữa 2 lược đồ đó, ta gọi các phần tử này là co-elenment. Mỗi coelenment
được ánh xạ với một hoặc vài phần tử của S1, S2. Mỗi co-elenment
Ngô Văn Quân, lớp cao học CNTT 2004
8
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
trong có thể chứa một biểu thức đối sánh để chỉ ra mối liên hệ giữa các phần tử
của S1, S2. Chúng ta hãy xem xét một số khía cạnh của các biểu thức này
•
Ngữ nghĩa: Các biểu thức ánh xạ có thể là các biểu thức vô hướng, các
quan hệ về mặt thuật ngữ, các quan hệ hướng đối tượng, các hàm biểu
diễn mối liên quan giũa các phần tử.
•
Trực tiếp hay gián tiếp: Các phần tử được ánh xạ trực tiếp giữa chúng hoặc
gián tiếp thông qua các biểu thức
3.4
Kiến trúc chung
Kiến trúc chung của bài toán đối sánh lược đồ được mô tả trong hình dưới:
Application/Tools
Data integration/
Translation
Application/Tools
Application/Tool
Data warehouse
Sematic Web
Schema Import/Export
Internal Schema
representation
Mapping Import/Export
Internal Mapping
representation
Matching Implementation
Schemas, Mappings,
Auxiliary sources
Hình 1-4: Kiến trúc chung của bài toán đối sánh lược đồ
Ngô Văn Quân, lớp cao học CNTT 2004
9
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Kiến trúc này tương thích với nhiều lĩnh vực ứng dụng khác nhauh cho
nhiều loại lược đồ khác nhau. Đầu vào của hệ thống là các lược đồ và các thông
tin hộ trợ việc đối sánh như: Từ điển, Ontology, Các hệ số tương tự giữa các kiểu
dữ liệu … Phần xử lý bao gồm các thao tác chuyển đổi biểu diễn của lược đồ
thành cấu trúc biểu diễn lược đồ bên trong của hệ thống, có thể là dạng đồ thị.
Tiếp theo là các thuật toán đối sánh đối với các lược đồ đã được biểu diễn dưới
cấu trúc bên trong của hệ thống. Cuối cùng là kết quả đối sánh và các thao tác
xử lý kết quả đó như chuyển đổi định dạng biểu diễn, kết xuất cho các ứng dụng.
Các ứng dụng của hệ thống sau khi đã có kết quả đối sánh bao gồm nhiều
lĩnh vực ứng dụng khác nhau như Tích hợp dữ liệu. chuyển đổi dữ liệu, Semantic
Web …
4
Ứng dụng của bài toán đối sánh lược đồ
Để nêu lên vai trò quan trọng của bài toán đối sánh lược đồ, chúng ta sẽ
xem xét một vài ứng dụng về cở sở dữ liệu để minh họa.
4.1
Các ứng dụng tích hợp dữ liệu và nhà kho dữ liệu
Tích hợp lược đồ là một trong những mục tiêu quan trọng nhất của bài toán
đối sánh lược đồ. Vấn đề này đã được nghiên cứu từ đầu những năm 80, nó xuất
hiện khi người ta cần xây dựng một hệ thống cơ sở dữ liệu bao gồm một vài hệ
thống cơ sở dữ liệu khác nhau và thiết kế lược đồ của cơ sở dữ liệu đó (global
schema) từ các lược đồ địa phương (local schema). Trong ngữ cảnh của ứng dụng
trí tuệ nhân tạo hoặc Web ngữ nghĩa, tích hợp lược đồ tương đương với bài toán
trộn các ontology được phát triển độc lập để xây dựng một cơ sở tri thức tích hợp.
Ngô Văn Quân, lớp cao học CNTT 2004
10
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Source schema
Tìm các văn bản
phát hành năm 1999
Mediated schema
Source schema
Documents DB1
Documents DB2
Source schema
Documents DB3
Hình 1-5: Minh họa hệ thống tích hợp dữ liệu giúp người dùng tìm văn bản
Hình 2-3 minh họa cho hệ thống tích hợp dữ liệu văn bản để trợ giúp người
dùng tìm được văn bản cần thiết. Với truy vấn người dùng tới lược đồ trung gian
(Mediated schema), hệ thống sẽ sử dụng tập các ánh xạ ngữ nghĩa giữa lược đồ
trung gian và các lược đồ địa phương của nguồn dữ liệu để chuyển đổi thành truy
vấn trên các nguồn dữ liệu. Sau khi thực hiện truy vấn trên các nguồn dữ liệu sẽ
tổng hợp kết quả và trả lại cho nguời dùng.
Các ứng dụng chia sẻ dữ liệu trình bày ở trên đang xuất hiện rất nhiều
trong các lĩnh vưc hiện nay như thương mại điện tử, sinh học, và trong Ubicomp.
Internet đã mang lại hàng triệu nguồn dữ liệu và cần phải tạo khả năng chia sẻ
dữ liệu giữa chúng.
Ngô Văn Quân, lớp cao học CNTT 2004
11
Luận văn Th.s: Tìm hiểu về đối sánh lược đồ và xây dựng ứng dụng VNMatch
Data warehouse
Data transformation, data integration
Documents DB3
Documents DB2
Documents DB1
Hình 1-6: Data warehouse
4.2
E-Business
Với sự phổ biến của Internet hiện nay, các công ty kinh doanh ngày càng
phải quản lý các giao dịch online của họ như trao đổi thông tin, đặt hàng, xác
nhận và thanh toán. Các giao dịch này là quá trình trao đổi các tài liệu hay thông
điệp (message) giữa các công ty. Thường thì mỗi một công ty phát triển một ứng
dụng với một định dạng message khác nhau như EDI (Electronic Data Exchange),
Ngô Văn Quân, lớp cao học CNTT 2004
- Xem thêm -