UFRGSPesquisas na área de BD

Carlos a. Heuser

Abril de 2003

Temas de pesquisa

Update de bases de dados relacionais através de visões XML (colaboração com Susan Davidson – Universidade da Pennsylvania)

Geração de ontologias de extração Modelo de versões de sites WEB Consultas a fontes XML integradas

Updating relational databases through XML views

Vanessa de Paula Braganholo

Susan Davidson*

Carlos Heuser

Overview

Main goal:

Investigate the problem of updating relational databases through XML viewsExtract XML views from relational databasesUpdate the view Map the changes back to the underlying relational

database

Overview

In order to accomplish this it is necessary to:Define a language to build XML views from

relational databasesDefine the update operations that can be appliedMake sure that it is possible to map the updates

back to the underlying relational database unambiguously and without causing side effects

Proposed solution

We benefit from the connection between XML and nested relationsUse nested relational algebra to define XML viewsNested relational algebra has the operators of the

classical relational algebra (,,,,-,join), plus nest () and unnest ()

We try to map the problem of updating relational databases through XML views to the problem of update relational databases through relational views.

Nest

Nest operator

Invertible A nested relational algebra query can be

unnested when the nest was the last operation to be applied

… R can be unnested to the original R, were R is a classical relational algebra expression

Nest

… R

We call expressions of this kind “nest-last queries”

Unfortunately, nest has extraneous interactions with the other operatorsIn general it is not possible to rewrite an

expression were the nest appears in any position to a nest-last query

Nest-last

We use nest-last queries to define XML viewsReduce the problem of investigating the

updatability of an XML view to the problem of investigating the updatability of the corresponding relational view R

This makes possible to benefit from classical work on relational views

Current work

We are currently working with a subset of nest-last viewsNest-Select-Project-Join viewsWe map XML update operations into updates in

the corresponding relational viewUse Dayal and Bernstein’s [DAY 82] technique to

• map the updates to the relational database• prove that the updates are exact and does not cause

side effects

Future work

Improve the semantics of our update operationsallow deletions of leaf nodes to be mapped to

updates setting the deleted attribute to nullallow insertions to contain part of data that is

already on the view

Improve the power of expression of our query language, R2X [BRA 2001, BRA 2002]currently, R2X is only capable of expressing a

subset of Nest-Select-Project-Join views

Geração de ontologias de extração

Orlando Vivan

Dissertação de Mestrado

Motivação

Extrator baseado em ontologia (Embley)Ontologia = modelo conceitual + regras de

extração (expressões regulares)

Construção da ontologia trabalhosaAnálise de centenas de documentos

Dados referentes ao domínio de extração podem existir em uma base de dados relacional

Geração semi-automática de ontologia Base de dados é construída para gerar a

ontologia de extraçãoEsquema da base de dados – modelo conceitualInstâncias na base de dados – expressões

regulares

Experimentos

BD de biblioteca usada para gerar ontologia com conceitos relativos a livros (título, editora, ano, ...)

Ontologia estendida com preço Ontologia gerada automaticamente

Baixo recall

Alterações manuais

Modelo de versões para sites WEB

Rodrigo Moro

Mestrado

Construção de sites WEB

Necessidade de adaptação (personalização)

Separação de conteúdo (XML) e formatação (XSLT)

Modelo de versões

Extensão do WebDAV Permite versões alternativas Configurações baseadas em critérios

fornecidos por um módulo de personalização Versões do conteúdo e versões da

formatação

Consultas a fontes XML integradas

Visão Geral

Integração de fontes de dados XMLPertencentes ao mesmo domínio de problema

Esquemas descritos através de DTDs

Nível de Esquema

Nível de Instâncias

Visão Geral

ModeloGlobalModeloGlobal

Integração de esquemas (BInXS)

(Ronaldo)

Integração de esquemas (BInXS)

(Ronaldo)

Traduçãoda consulta (Sandro)

Traduçãoda consulta (Sandro) Integração

de instâncias(Carina)

Integraçãode instâncias

(Carina)

Decomposiçãode Consulta (Diego)

Decomposiçãode Consulta (Diego)

WrapperWrapperWrapperWrapperWrapperWrapper

Consulta

Visão XML - virtualVisão XML - virtual

Resposta

Integração - Nível de Esquema

BInXS - Bottom-up Integration of XML Schemata

Integração dos esquemas XML

• DTDs

Mapeamento de cada DTD das fontes para um modelo conceitualIntegração dos modelos conceituais Construção de um modelo global.

Processo de Integração - BInXSNível de Esquema – Tese de doutorado concluída Ronaldo Mello

EsquemaGlobal

Camada doMediador

DTD 1DTD n

. . .Documentos

XMLDocumentos

XML BD

Conversão DTD Conversão DTD. . .

. . .Esquema Conceitual 1 Esquema Conceitual n

Integração Semântica

Especialista

Processo de Integração Consultas

EsquemaGlobal

Consulta é construída com base noEsquema Global.

Exemplo de consulta:

“Endereço profissional de autores de artigos”

. . .Fonte 1

XMLFonte 3

XMLFonte 2

XML

Consulta

Mapeamento da consulta

Consultas sobre o Esquema GlobalDissertação de mestrado – Sandro Camillo

Endereço

residencial

(0,1)

(1,N)

Autor

profissional

(1,1)

(1,N)

Cidade

(1,N)

(1,1)

Logradouro

(1,N)(1,1)

string

Problema Consultar estruturas hierárquicas (presentes nas

fontes XML) através de um modelo conceitual

abstrato

XPath ou XQuery não são adequadas:

ss

•XPath:/Autor/Endereço

•XQuery:{FOR $end IN /Autor/Endereço

RETURN

<Ender>$ender</Ender>

}

Residencialou

Profissional?

Rua

(1,N)

(1,1)

string

Nrinteger

(1,1)

(1,N)

(1,1)

(1,N)

Consultas sobre o Esquema Global Dissertação de mestrado – Sandro Camillo

residencial

(0,1)

(1,N)

Autor

profissional

(1,1)

(1,N) Solução

Uso de uma linguagem que:• Considere a expressividade do modelo

conceitual

• Minimas conversões para a sintaxe das fontes

ss

CXQuery: {FOR $end IN /Autor/Endereço{Profissional}

RETURN

<Ender>$ender</Ender>

}

Endereço

Cidade

(1,1)

Logradouro

(1,N)(1,1)

string

Rua

(1,N)

(1,1)

string

Nrinteger

(1,1)

(1,N)

(1,1)

(1,N)

(1,N)

Decomposição da consultaDissertação de mestrado – Diego Feijó

Problemas similares aos de BD distribuídos.Decomposição de Consultas

Localização das Fontes

Otimização Global

Otimização Local

Resolver heterogeneidade das estruturas

presentes nas fontes

Nível de Instâncias

EquemaGlobal

. . .Fonte 1

XMLFonte 3

XMLFonte 2

XML

Consulta

Mapeamento da consulta

Integração dos resultados

Integração das InstânciasTese de doutorado Carina Friedrich Dorneles

Instâncias não são integradas com base em identificadores e sim com base na similaridadeDados não possuem identificadores

Identificação é feita com base na similaridade da consulta com as instâncias

Integração é feita com base na similaridade entre as instâncias

Integração das InstânciasTese de doutorado Carina Friedrich Dorneles

Identificação:Identificar diferentes representacoes de um

mesmo objeto do mundo real• Encontrar o conjunto de respostas mais relevantes a

uma consulta.

Integração:Feita com base na similaridade entre as

instâncias• Agrupamento das instâncias mais similares entre si

Integração das InstânciasTese de doutorado Carina Friedrich Dorneles

Uso do modelo conceitual global gerado na fase de integração de esquemasRepresentação conceitual das fontes

• Construção das consultas– O usuário usa o esquema fornecido pelo modelo conceitual

para construir consultas

Informação para cálculo da similaridade• Especificação das medidas de similaridade• Propriedades a serem consideradas no cálculo do grau

de similaridade– Indicadas pelos relacionamentos de cada conceito

Exemplo - Possíveis Resultados

<endereco> <profissional> <logradouro> <rua>Av. Jose de Alencar</rua> <nr>1500/12A</nr> </logradouro> <cidade>Porto Alegre/RS</cidade> </profissional></endereco>

<endereco> <profissional> <logradouro> <rua>Av. Jose de Alencar</rua> <nr>1500/12A</nr> </logradouro> <cidade>Porto Alegre/RS</cidade> </profissional></endereco>

Fonte 1

<endereco> <profissional> <logradouro> <rua>Av. Jose de Alencar</rua> <nr>1500 - sala 12A</nr> </logradouro> <cidade>PoA</cidade> </profissional></endereco>

<endereco> <profissional> <logradouro> <rua>Av. Jose de Alencar</rua> <nr>1500 - sala 12A</nr> </logradouro> <cidade>PoA</cidade> </profissional></endereco> Fonte 2

<enderecoProfiss> <logradouro> <rua>J. do Patrocinio</rua> <nr>1500/12A</nr> </logradouro> <cidade>PA - RS</cidade></enderecoProfiss>

<enderecoProfiss> <logradouro> <rua>J. do Patrocinio</rua> <nr>1500/12A</nr> </logradouro> <cidade>PA - RS</cidade></enderecoProfiss> Fonte 3

Exemplo

endereco

profissional

rua

logradouro

Objeto-ConsultaObjeto-Consulta

cidade

Instância da visão XMLInstância da visão XML

nr

1500/12A

Av. Jose de Alencar

Porto Alegre/RS

endereco

profissional

rua

logradouro cidade

nr

1500 – sala 12A

Av. Jose de Alencar

PoA

Similaridade entre as folhas:- Uso de algoritmos de similaridade aplicáveis ao domínio de cada valor, por exemplo:- Similaridade entre Siglas – algoritmo especifico para siglas- Similaridade entre Datas – algoritmo especifico para datas....

Exemplo

endereco

profissional

rua

logradouro

Objeto-ConsultaObjeto-Consulta

cidade

Instância da visão XMLInstância da visão XML

nr

1500/12A

Av. Jose de Alencar

Porto Alegre/RS

endereco

profissional

rua

logradouro cidade

nr

1500 – sala 12A

Av. Jose de Alencar

PoA

Similaridade entre objetosCompostos:* Avaliação entre:

- Métricas de minkowski, ... - Redes bayesianas

* Uso de pesos no cálculo da similaridade

Clustering

Cluster 1Cluster 1

Cluster 2Cluster 2

<Visão> ...<endereco> <profissional> <logradouro> <rua>Av. Jose de Alencar</rua> <nr>1500/12A</nr> </logradouro> <cidade>Porto Alegre/RS</cidade> </profissional></endereco><endereco> <profissional> <logradouro> <rua>Av. Jose de Alencar</rua> <nr>1500 - sala 12A</nr> </logradouro> <cidade>PoA</cidade> </profissional></endereco><enderecoProfiss> <logradouro> <rua>J. do Patrocinio</rua> <nr>1500/12A</nr> </logradouro> <cidade>PA - RS</cidade></enderecoProfiss></Visão>

Representado um objeto do mundo real

Representado outro objeto do mundo real

<Resultado> <variasRepresentacoesObjetoConsulta> <endereco> <profissional> <logradouro> <rua>Av. Jose de Alencar</rua> <nr>1500/12A</nr> </logradouro> <cidade>Porto Alegre/RS</cidade> </profissional> </endereco> <endereco> <profissional> <logradouro> <rua>Av. Jose de Alencar</rua> <nr>1500 - sala 12A</nr> </logradouro> <cidade>PoA</cidade> </profissional> </endereco> </variasRepresentacoesObjetoConsulta></Resultado>

Resultado

Trabalhos Futuros

Identificação de instâncias Estudo e avaliação das várias métricas de

similaridade para objetos complexosAvaliação dos resultados obtidos

Integração de instâncias Avaliação de algoritmos de clustering

Trabalhos Futuros

Integração com os módulos de consultaEspecificação de pesos, métricas,... através do

modelo conceitualInteração com o módulo de consultas

Utilização de técnicas de Engenharia de Conhecimento para medir similaridade entre

instâncias de documentos XML

Instituto de Informática - UFRGS 40

Abordagem Utilização de técnicas típicas de raciocínio baseado

em casos Extração de conhecimento de domínio através da

análise de documentos legados e da interação com usuários

Identificação da estrutura dos documentos Extração da ontologia do domínio Utilização da ontologia para definir similaridades

entre instâncias no mesmo domínio

Exemplo: estrutura de acórdão jurídico

1. Cabeçalho... 2. Ementa... 3. Pessoas Envolvidas... 4. Relatório... 5. Voto...6. Sentença...7. Encerramento...

• Número do processo• Sigla do recurso• Relator• Data de publicação

• Tema• Ref. Legislativas

• Recurso• Procedência• Reclamante• Reclamado

• Órgão Julgador• Tribunal• QtdeVoto• Decisão • Ref. Legislativas

• Local• Data• Participantes

• Tema• Ref. Legislativas

Ontologia de Domínio

Cabeçalho

Ementa

Pessoas Envolvidas

Relatório

Voto

Sentença

Encerramento

{ tema, Referências Legislativas }

{ tema }

{ tema, Referências Legislativas }

{Número do processo,Sigla do recurso,Relator,Data de publicação }

{ Recurso, Procedência, Reclamante, Reclamado}

{ Órgão julgador, Tribunal, Quantidade de voto, Decisão, Referências Legislativas }

{ Local, Data,Participantes}

PART-OF

PART-OF

PART-OF

PART-OF

PART-OF

PART-OF

PART-OF

ACÓRDÃO

Etapas

Aquisição de Conhecimento:

• Identificação e análise do domínio com auxílio de documentos e pessoas

Identificação da ontologia de domínio:

• Estrutura dos documentos e domínio dos atributos

Busca por similaridade:• Documentos que

possuem estrutura similar (mesmos atributos)

• Documentos cujos atributos tenham os mesmos valores

Ajuste • Atributos por ter

diferentes pesos na comparação por similaridade

Vantagens da engenharia de conhecimento Modelo de documentos mais fiel do que

extração automática de estrutura

Busca de documentos utilizando a ontologia permite comparar por estrutura e conteúdo

Permite busca contextualizada ao domínio

Abordagem reutilizável para representação e busca de documentos na WEB