Seminar SS2000 - Data FusionFolie 1 Seminar Enterprise Application Integration Data Fusion Steffen...
Transcript of Seminar SS2000 - Data FusionFolie 1 Seminar Enterprise Application Integration Data Fusion Steffen...
Seminar SS2000 - Data Fusion Folie 1
SeminarEnterprise Application Integration
Data Fusion
Steffen Koch
Betreuer: Holger Schwarz
Universität StuttgartSS 2000
Seminar SS2000 - Data Fusion Folie 2
Übersicht• Motivation• Data Fusion/Informationsfusion
– Datenintegration/ -mangement– KDD und Data Mining– Datenfusion
• Anwendungsfelder der Informationsfusion• Anforderungen• TSIMMIS - The Stanford IBM Manager of Multiple Information Sources
– Das „TSIMMIS Mediation System“– Zusammenfassung von TSIMMIS– Einschätzung des TSIMMIS Systems– Andere Ansätze zur Informationsintegration
• Informationsfusion - ein Ausblick• Literaturhinweise
Seminar SS2000 - Data Fusion Folie 3
Motivation
• Inzwischen effiziente Speicherung großer Datenmengen möglich• Zugriff auf weltweit verteilte Informationen durch moderne
Kommunikationsmedien (Internet)Neue Nutzungspotentiale für unternehmensinterne Informationssysteme durch Integration externer Informationen
Probleme:– Auffinden relevanter Daten– heterogene Datenbestände– Redundanzen, Inkonsistenzen– Aktualität, Vertrauenswürdigkeit– kein effizienter Zugriff– unzureichend strukturierte Daten– versteckte Information/implizites Wissens in Daten
Seminar SS2000 - Data Fusion Folie 4
Der Begriff „Data Fusion“ bzw. „Informationsfusion“
InformationsfusionData Fusion
DatenfusionData Mining/
Knowledge Discovery in Databases(KDD)
Datenintegration und -management
=
Seminar SS2000 - Data Fusion Folie 5
Datenintegration und - management
• Ziel: Überwindung von Heterogenitäten auf verschiedenen Ebenen
– unterschiedliche Datenmodelle– verschiedene Datentypen– andere Einheiten, die den Daten zugrunde liegen– semistrukturierte Daten
• Allgemeine Vorgehensweise:– Transformation in gemeinsames Datenmodell– Erkennung von Übereinstimmungen in den Schemata
Seminar SS2000 - Data Fusion Folie 6
KDD und Data Mining
• Ziel von KDD:Identifikation neuer, potentiell nützlicher und verständlicher Muster in Datenbeständen.
• KDD läuft iterativ und interaktiv in mehreren Schritten ab:1. Festlegung Problembereiche/Zielen
2. Datensammlung/ -bereinigung
3. Auswahl/Parametrisierung der Analysefunktionen
4. Data Mining
5. Bewertung/Interpretation der Ergebnisse
6. Nutzung des gefundenen Wissens
Seminar SS2000 - Data Fusion Folie 7
Datenfusion
• Grundsätzlich: Die Kombination von Daten aus verschiedenen (heterogenen) Quellen
• Anwendungsgebiete der Datenfusion:– Multi-Sensor Fusion– Image Fusion– Multiple Source Interrogation
Seminar SS2000 - Data Fusion Folie 8
Anwendungsfelder der Informationsfusion
Überall dort, wo Daten aus unterschiedlichen Quellen kombiniert und daraus neue Informationen abgeleitet werden sollen
Anwendungsszenario:Betrieb einer großen
Telekommunikationsanlage
Kundendaten Verbindungsdaten
Produktdaten
Daten zumKommunikationsnetz
Integration und Verdichtung dieser Datenbestände für:
• Dispositive Bereiche• Marketing• Netzwerkmanagement• Systemmanagement
Seminar SS2000 - Data Fusion Folie 9
Übersicht• Motivation• Data Fusion/Informationsfusion
– Datenintegration/ -mangement– KDD und Data Mining– Datenfusion
• Anwendungsfelder der Informationsfusion• Anforderungen• TSIMMIS - The Stanford IBM Manager of Multiple Information Sources
– Das „TSIMMIS Mediation System“– Zusammenfassung von TSIMMIS– Einschätzung des TSIMMIS Systems– Andere Ansätze zur Informationsintegration
• Informationsfusion - ein Ausblick• Literaturhinweise
Seminar SS2000 - Data Fusion Folie 10
Anforderungen der Informationsfusion (1)
• Datenzugriff:– Transparenter Zugriff auf Daten– Verarbeitung von Daten mit vorgegebener Struktur– Verarbeitung und Optimierung von Anfragen
• Datenintegration– Integrierte Sicht auf Daten durch homogenes Datenmodell– Behebung von Konflikte auf Schema- und Instanzebene– Repräsentation und Verwaltung quellübergreifender Beziehungen
Seminar SS2000 - Data Fusion Folie 11
Anforderungen der Informationsfusion (2)
• Analyse und Verdichtung– Gewinnung von Daten einer „höheren“ Qualität durch Extrahieren von
Zusammenhängen und Abstraktionen, durch Filterung und Verdichtung der Daten
• Präsentation und Weiterverarbeitung• Repräsentation von Metainformationen
– Verwaltung von Metainformationen durch das System– Sukzessive Anpassung/Erweiterung der Metainformationen während des
Fusionsprozesses
Seminar SS2000 - Data Fusion Folie 12
Anforderungen im Datenbankbereich
• Intelligente Unterstützung des Integrationsprozesses• Realisierung eines effizienten Datenzugriffs• Integration semistrukturierter Daten• Gewinnung von Metainformationen
Realisierung in DBMS durch– „offenen“ Optimierer– Integrationsmöglichkeiten– Unterstützung von „Ranking“– Repository für Metainformationen– Sampling
Seminar SS2000 - Data Fusion Folie 13
Anforderungen im KDD-Bereich
• Behandlung verschiedener Datentypen• Behandlung unsicherer/vager Daten• Effizienz/Skalierbarkeit der Verfahren• Verbesserung Aussagefähigkeit/Verständlichkeit der
Daten
Seminar SS2000 - Data Fusion Folie 14
Anforderungen an Systemarchitektur
• Unterstützung iterativer/interaktiver Arbeitsweisen• Anpassungsfähigkeit/Erweiterbarkeit des Systems• Nutzerunterstützung bei Auswahl/Anwendung von
Fusionsmethoden
Seminar SS2000 - Data Fusion Folie 15
Übersicht• Motivation• Data Fusion/Informationsfusion
– Datenintegration/ -mangement– KDD und Data Mining– Datenfusion
• Anwendungsfelder der Informationsfusion• Anforderungen• TSIMMIS - The Stanford IBM Manager of Multiple Information Sources
– Das „TSIMMIS Mediation System“– Zusammenfassung von TSIMMIS– Einschätzung des TSIMMIS Systems– Andere Ansätze zur Informationsintegration
• Informationsfusion - ein Ausblick• Literaturhinweise
Seminar SS2000 - Data Fusion Folie 16
Das „TSIMMIS Mediation System“
Komponenten von TSIMMIS:
– OEM (Object Exchange Model)– Mediatoren– MSL (Mediator Specification
Language)– Wrapper– LOREL (Lightweight Object
REpository Language)
Mediator
Wrapper
InformationSource
Wrapper-Generator
Mediator-Generator
MSL oder LOREL
MSL
Seminar SS2000 - Data Fusion Folie 17
Das Mediator KonzeptErmöglicht integrierte Sicht auf Information aus unterschiedlichen Datenquellen, die sich auf ein und dasselbe Objekt beziehen.
Anforderungen an Mediatoren:– Unterstützung breiter Vielfalt von Datenstrukturen– Behandlung unzureichender/vager Daten– Verwaltung von Metainformationen
Anforderungen an Anfragesprache:– Erstellung von Mediatoren– Kopplung von Mediatoren an vorhandene– Kopplung von Datenquellen an bereits vorhandene
Mediatoren
Mediatoren in TSIMMIS:– Berücksichtigung von „Fähigkeiten“ der Datenquellen– Zugriff auf Daten über Wrapper
Mediator
Mediator
Wrapper Wrapper
Source Source
Query
Seminar SS2000 - Data Fusion Folie 18
OEM (Object Exchange Model)
Konzepte von OEM:– OEM ist selbsterklärend– Flexibilität– Objektorientiertheit– OEM ist logisches
Datenmodell
label type valueOID:
OEM-Objekt:
library set
book set
author string Aho
title string Compilers...
...
OEM-Objektstruktur:
Seminar SS2000 - Data Fusion Folie 19
OEM als logisches Datenmodell
OEM - logisches Datenmodell auf Basis der Prädikatenlogik erster Stufe
Betrachtung von Labels als Prädikate, die ObjektIDs mit anderen ObjektIDs oder atomaren Werten verknüpfen.
Beispiele:– Prädikat library(B) nimmt als Wert ObjektIDs aus „Value“-Feld
an– Prädikat book(B,X) identifiziert Menge von Paaren (b,x)
• b: ID des Buch-Objekts• x: ObjektID aus Wertemenge von Buch
Seminar SS2000 - Data Fusion Folie 20
MSL (Mediator Specification Language)
• erlaubt deklarative Spezifikation von Mediatoren• logische, objektorientierte Anfragesprache für OEM
Anfragen haben Form von Regeln:Regelkopf „:-“ Regelkorpus
Beispiel:
<booktitle X>:-<library{<book{<title X><author „Aho“>}>}>@s1
Regelkopf Regelkorpus
Seminar SS2000 - Data Fusion Folie 21
Aufbau von Mediatoren in TSIMMIS
View Expander
Plan Generator
Execution Engine
Query
Source Queries
PlanPhysical
PlanLogical
SourceDescriptionsMatcher
Sequencer
Optimizer
Physical Plan
Logical Plan
Seminar SS2000 - Data Fusion Folie 22
Templates zur Beschreibung von „Source Capabilities“
Verwendung von Templates für die Beschreibung der „Fähigkeiten“ zur Anfragebeantwortung von Quellen
Templates für s1 und s2:T11: X:-X:<entry {<title $T><author A><abs B>}>@s1
T21: X:-X:<entry {<title T><conf $C>}>@s2
T22: X:-X:<entry {<title $T><conf C>}>@s2
liefert:A,BTC
gegeben:TCT
Seminar SS2000 - Data Fusion Folie 23
Wrapper in TSIMMIS
Wrapper bilden Schnittstellen zu den heterogenen Datenquellen:
– Umwandlung von Anfragen in Quellanfragen– Rückgabe von OEM Objekten
• Wrapper sind mit benutzerdefinierten Funktionen für jedes Template ausgestattet.
• Rest der Definition wie Mediator!
Seminar SS2000 - Data Fusion Folie 24
Generierung von Mediatoren/Wrappern in TSIMMIS
In TSIMMIS stehen Tools für automatische Generierung von Mediatoren/Wrappern zur Verfügung
– Mediator Generator– Wrapper Generator
Seminar SS2000 - Data Fusion Folie 25
LOREL (Lightweight Object Repository Language)
• LOREL ist OQL-basierte Anfragesprache für OEM-Modell• In TSIMMIS end-user Anfragesprache• Anfragesprache für das LORE lightweight Datenbanksystem zur
Speicherung von OEM-Objekten
Beispiel: Finde Bücher die von Aho verfasst wurdenSELECT library.book.title
(FROM library)WHERE library.book.author = „Aho“
Wichtiger Unterschied zu OQL und SQL: „partial match“ Semantik
Seminar SS2000 - Data Fusion Folie 26
Zusammenfassung von TSIMMIS
Wichtigste Merkmale von TSIMMIS:• Nutzung von OEM-Modell• Konzept von Mediatoren und Wrappern• MSL• LOREL
Seminar SS2000 - Data Fusion Folie 27
Einschätzung des TSIMMIS Systems
TSIMMIS ist ein System zur Informationsintegration.Vorteile:
– transparenter Zugriff auf heterogene verteilte Daten– Verarbeitung semistrukturierter Daten– Anfrageoptimierung– Ausweitung der Anfragemächtigkeit– Speicherung von Metadaten in ObjektIDs– Anpassungfähigkeit/Erweiterbarkeit
Nachteile:– keine Möglichkeit eines globalen Zugriffs auf lokale Optimierung– Darstellung von semantischen Zusammenhängen kompliziert
Seminar SS2000 - Data Fusion Folie 28
Andere Ansätze zur Informationsintegration
Ansätze bisher:• Ansätze zur Integration von strukturierten Datenbanken• Abhängig von Datenmodellen mit großer „Semantik“
Alternativen zu TSIMMIS sind z.B:• The Information Manifold• SIMSUnterschiede zu TSIMMIS:• „Beurteilungsphase“ anstatt View Expander• Capability Records anstatt Templates (bei IM)• Wrapper schlanke Module, die nur direkte Anfragen zulassen (bei
IM)
Seminar SS2000 - Data Fusion Folie 29
Übersicht• Motivation• Data Fusion/Informationsfusion
– Datenintegration/ -mangement– KDD und Data Mining– Datenfusion
• Anwendungsfelder der Informationsfusion• Anforderungen• TSIMMIS - The Stanford IBM Manager of Multiple Information Sources
– Das „TSIMMIS Mediation System“– Zusammenfassung von TSIMMIS– Einschätzung des TSIMMIS Systems– Andere Ansätze zur Informationsintegration
• Informationsfusion - ein Ausblick• Literaturhinweise
Seminar SS2000 - Data Fusion Folie 30
Informationsfusion - Ausblick
– Stetig wachsende Menge an verfügbarer Information – Problematik der effizienten Nutzung– Enormer Bedarf an Lösungen der intelligenten
Informationfusion– Rege Forschungstätigkeit, erste Produkte (DataJoiner
von IBM, OLECOM von Microsoft)
Es steht zu erwarten, dass es viele innovative Lösungsansätze oder Teillösungen auf dem Gebiet der Informationsfusion geben wird und muss!
Seminar SS2000 - Data Fusion Folie 31
Literatur• Stefan Conrad, Gunter Saake, Kai-Uwe Sattler (1999). Informationsfusion
- Herausforderungen an die Datenbanktechnologie. In: A.P. Buchmann (Hrsg.) Datenbanksysteme in Büro, Technik und Wissenschaft, Freiburg, 1.-3. März 1999, Springer, 1999. Seiten 307-316
• Hector Garcia-Molina, Yannis Papakonstantinou, Dallan Quass, Anand Rajaraman, Yehoshua Sagiv, Jeffrey Ullman, Vasilis Vassalos, Jennifer Widom (1997) The TSIMMIS Approach to Mediation: Data Models and Languages. In: Journal of Intelligent Systems, Volume 8, Number 2, March/ April 1997. Seiten 117-132.