Tích hợp dữ liệu trong Semantic Web

ĐẠI HỌC HUẾ
TRƯỜNG ĐẠI HỌC KHOA HỌC
TIỂU LUẬN MÔN HỌC
SEMANTIC WEB

Đề tài:
TÍCH HP DỮ LIỆU TRONG
SEMANTIC WEB
Giáo viên hướng dẫn : TS. Hoàng Hữu Hạnh
Học viên thực hiện: Nhóm 7
Nguyễn Trí Nhân
Trần Thái Sơn
Trần Kiên
Nguyễn Thò Trúc Quỳnh
Lớp Cao học Khoa học máy tính – Khoá 2008 - 2010
Hueá, thaùng 12/2009
2
MỤC LỤC
MỤC LỤC.............................................................................................................................................1
MỞ ĐẦU...............................................................................................................................................1
B. NỘI DUNG.......................................................................................................................................3
1. Tổng quan về AutoMed ...............................................................................................................3
2. Lược đồ biểu diễn các nguồn dữ liệu XML.................................................................................5
3. Chuyển đổi và tích hợp các nguồn dữ liệu XML trong AutoMed ............................................10
3.1 Thuật toán chuyển đổi lược đồ ............................................................................................10
3.2 Phép tương đương lược đồ...................................................................................................16
3.3. Tích hợp lược đồ .................................................................................................................20
3.4. Truy vấn các file XML.........................................................................................................20
3.5. Xử lý nhiều Ontologies........................................................................................................24
C. KẾT LUẬN.....................................................................................................................................25
D. TÀI LIỆU THAM KHẢO..............................................................................................................26

MỞ ĐẦU
Mục tiêu ban đầu của Semantic Web là để hỗ trợ người dùng tìm kiếm thông tin trên mạng
một cách nhanh chóng, chuẩn xác và thông minh hơn so với các công cụ tìm kiếm truyền thống. Kể
từ đó đến nay, các kỹ thuật liên quan đến Semantic Web không ngừng được hoàn thiện, các ứng
dụng liên quan đến Semantic Web cũng được mở rộng như: Phát triển các chuẩn công nghệ chung
để biểu diễn thông tin và cho phép máy tính có thể hiểu được một số thông tin trên Web, hỗ trợ tìm
kiếm thông minh hơn, hỗ trợ việc khám phá, tách chiết thông tin, tích hợp dữ liệu và tự động hóa
một số công việc thay cho con người.
Trong giới hạn của bài tiểu luận, nhóm chúng tôi tìm hiểu các phương pháp tích hợp các
nguồn dữ liệu XML trong Semantic Web bằng hệ thống AutoMed.
Nội dung của tiểu luận gồm có:
Tổng quan về AutoMed
Lược đồ chuyển đổi các nguồn dữ liệu XML
Chuyển đổi và tích hợp các nguồn dữ liệu XML trong AutoMed
Chúng tôi xin chân thành cảm ơn Thầy giáo Hoàng Hữu Hạnh đã tận tình giảng dạy. Mặc
dù chúng tôi đã cố gắng nghiên cứu và tổng hợp các nguồn tài liệu để hoàn thành tiểu luận nhưng
do thời gian có hạn nên chắc chắn sẽ có một số sai sót, chúng tôi mong nhận được những ý kiến
đóng góp của Thầy giáo Hoàng Hữu Hạnh và các anh chị học viên lớp cao học Khoa học Máy tính
khóa 2008.
1
Nhóm 7-KHMT08
Nguyễn Trí Nhân
Trần Kiên
Trần Thái Sơn
Nguyễn Thị Trúc Quỳnh
2
B. NỘI DUNG
1. Tổng quan về AutoMed
AutoMed là một hệ thống tích hợp dữ liệu không đồng nhất hỗ trợ chuyển đổi lược
đồ để tích hợp dữ liệu. Hình 1: mô tả cách tiếp cận AutoMed để tích hợp dữ liệu XML.

Mỗi nguồn dữ liệu được mô tả bởi một lược đồ nguồn dữ liệu, kí hiệu S
i
, nó được chuyển
đổi thành 1 hợp lược đồ thích hợp US
i
bởi một tập các bước chuyển đổi nguyên thuỷ, do
đó sẽ tạo ra một lộ trình chuyển đổi giữa lược đồ nguồn dữ liệu với hợp lược đồ tương
ứng. Tất cả các hợp lược đồ đều đúng cú pháp và được xác định bởi các id chuyển đổi
giữa mỗi cặp US
i
và US
i+1
của các hợp lược đồ. ID là một loại đặc biệt của bước chuyển
đổi nguyên thuỷ, nó nối hai cấu trúc đúng cú pháp trong hai lược đồ khác nhau biểu diễn
tương đương về mặt ngữ nghĩa. Lộ trình chuyển đổi bao gồm các ID có thể được tự động
sinh ra. Sau đó một lược đồ bất kỳ của các hợp lược đồ được chỉ định là một lược đồ tổng
thể hoặc được lựa chọn để chuyển đổi thành một lược đồ mới có khả năng trở thành lược
đồ tổng thể.
Để hoàn thành việc chuyển đổi một lược đồ nguồn dữ liệu thành hợp lược đồ phải
áp dụng các bước chuyển đổi nguyên thuỷ như: Add, Delete hoặc Rename cấu trúc lược
đồ. Mỗi thao tác Add, Delete được đi kèm bởi một truy vấn chỉ rõ việc mở rộng của một
cấu trúc mới được thêm vào hoặc bị xoá trong giới hạn của các cấu trúc lược đồ khác. Truy
vấn này được biểu diễn bởi ngôn ngữ IQL(Intermediate Query Language) của AutoMed.
Truy vấn được hỗ trợ bởi một thao tác chuyển đổi nguyên thuỷ nhằm cung cấp thông tin
cần thiết để tự động nghịch đảo chuyển đổi nguyên thuỷ. Điều này có nghĩa: AutoMed là
một hệ thống tích hợp dữ liệu both-as-view(BAV) [15], trong đó thao tác Add/Extend
trong lược đồ chuyển đổi tương ứng với các luật Global-As-View (GAV), ngược lại thao
tác Delete/Contract tương ứng với luật Local-As-View(LAV). Nó có thể trích lọc một
định nghĩa của lược đồ tổng thể như một view qua các lược đồ nguồn dữ liệu và cũng có
thể trích lọc các định nghĩa của các lược đồ nguồn dữ liệu như các view qua lược đồ tổng

thể.
3
Trong Hình 1 mỗi US
i
có thể chứa thông tin từ các nguồn S
i
tương ứng. các cấu trúc
này không được chèn vào US
i
thông qua thao tác Add, ngược lại thông qua thao tác
Extend. Cần hai truy vấn để xác định ranh giới mức thấp hơn và cao hơn khi mở rộng cấu
trúc mới. Ranh giới thấp hơn có thể là Void và ranh giới cao hơn có thể là Any, chúng xác
định tách biệt mà không biết thông tin về ranh giới thấp hơn và cao hơn của sự mở rộng
một cấu trúc mới. Có thể có những thông tin có trong một lược đồ nguồn dữ liệu S
i
nhưng
không có trong US
i
tương ứng, và thông tin này bị gỡ bỏ bởi thao tác Contract mà không
phải bởi thao tác Delete. Giống như Extend, Contract cần hai truy vấn để xác định ranh
giới mức thấp hơn và cao hơn khi mở rộng cấu trúc bị xoá.
Khi thiết lập tích hợp dữ liệu XML, mỗi nguồn dữ liệu XML được mô tả bởi một
lược đồ XML DataSource kí hiệu S
i
, chuyển đổi thành một lược đồ trung gian I
i
, bởi các
thao tác chuyển đổi nguyên thuỷ như Insert, Remove, Rename các cấu trúc lược đồ. Sau
đó hợp các lược đồ sinh ra tự động và chúng mở rộng mỗi I
i

với các cấu trúc còn của các
lược đồ trung gian. Sau đó các lộ trình chuyển đổi giữa US
i
và US
i+1
của các hợp lược đồ
cũng được tự động sinh ra. Framework tích hợp XML hỗ trợ hai phương pháp tích hợp
lược đồ Top-Down và Bottom-Up. Với phương pháp Top-Down, lược đồ tổng thể được
định nghĩa trước và cấu trúc lược đồ dữ liệu được cấu trúc lại để nối với cấu trúc của nó.
Với phương pháp Bottom-Up lược đồ tổng thể không được định nghĩa trước nhưng được
tự động sinh ra.
4
Hình 1: Tích hợp XML trong AutoMed
2. Lược đồ biểu diễn các nguồn dữ liệu XML
Khi mã hoá dữ liệu trong XML, có hai cách thức bắt buộc các kiểu và cấu trúc dự
định qua các file XML: lược đồ XML và DTD. Tuy nhiên, những kĩ thuật này cung cấp
một cú pháp phức tạp của một file, chúng mô tả một cấu trúc có thể có của một file, không
phải một cấu trúc thực tế. Cấu trúc của một file XML rất quan trọng trong tích hợp dữ liệu,
tích hợp lược đồ và trong tối ưu hoá truy vấn. Có thể nói rằng một file XML có thể không
có lược đồ XML hoặc DTD tham chiếu. Vì những lý do này, giới thiệu lược đồ XML
DataSource (XML DataSource Schema), tóm tắt cấu trúc của một file XML, lược bỏ bớt
thông tin chẳng hạn thông tin về các kiểu dữ liệu. Khái niệm lược đồ XML DataSource
5
tương tự với DataGuide. Tuy nhiên, lược đồ XML DataSource là các cây XML trong khi
đó DataGuide là các đồ thị OEM.
Để có được lược đồ XML DataSource, đầu tiên sao chép file XML vào bộ nhớ,
trong miền biểu diễn của nó. Thuật toán xây dựng lược đồ XML sau khi sao chép file
XML.
1. Gọi R là gốc. Nếu R có các nút con, gọi danh sách các nút con là L.
a. Xét nút con đầu tiên trong L là nút N.

For N’ ∈ {L\N} có cùng đích với N
- sao chép các thuộc tính của N’ mà không xuất hiện trong N qua
nút N.
- sao chép và gắn danh sách chứa các nút con của N’ vào danh sách
chứa các nút con của N.
- Xoá nút N’ và cây con của nó.
b. Xét nút con tiếp theo của L và thực hiện như (a).
2. Xét mỗi nút trong danh sách chứa nút con mới của R.
AutoMed có một mô hình dữ liệu phổ biến thường dùng là Hypergraph Data
Model (HDM). Đây là mô hình dữ liệu mức thấp có thể biểu diễn các ngôn ngữ mô hình
hoá mức cao như mô hình quan hệ ER, mô hình hướng đối tượng và mô hình XML. Lược
đồ HDM bao gồm các nút, các cạnh và các ràng buộc. Lựa chọn một mô hình dữ liệu phổ
biến mức thấp cho hệ thống AutoMed là có chủ ý trước, cũng có thể biểu diễn các ngôn
ngữ mô hình hoá mức cao tốt hơn mà không bị nối ghép sai và tối nghĩa.
Bảng 1 mô tả cách biểu diễn cấu trúc lược đồ XML DataSource trong HDM. Lược
đồ này gồm 4 cấu trúc như sau:
1. Element: Một element e có thể chính nó tồn tại và là cấu trúc một nút. Nó
được biểu diễn bởi lược đồ
〉〉〈〈
e
2. Attribute: Một thuộc tính a của e là một cấu trúc liên kết nút và được biểu
diễn bởi lược đồ
〉〉〈〈
ae,
. Trong HDM chúng được biểu diễn bởi một nút mô tả thuộc tính
và một cạnh nối nút này với nút mô tả e, có ràng buộc một thực thể của e có nhiều nhất
6
một thực thể kết hợp với nó và thực thể này có thể kết hợp với một hoặc nhiều thực thể với
e.
3. NestList: Mối quan hệ cha-con giữa 2 element e

p
và e
c
là một cấu trúc liên
kết với lược đồ
〉〉〈〈
iee
cp
,,
, trong đó i là thứ tự của e
c
trong danh sách các nút con của e
p
.
Trong HDM, mối quan hệ này được biểu diễn một cạnh nối e
p
và e
c
và một ràng buộc mỗi
thực thể của e
p
được kết hợp với 0 hoặc nhiều thực thể của e
c
và mỗi thực thể của e
c
chỉ kết
hợp với một thực thể của e
p
.
4. PCDATA: văn bản trong XML được biểu diễn bới cấu trúc PCDATA. Đây

là một cấu trúc nút với lược đồ
〉〉〈〈
PCDATA
. Trong một lược đồ bất kì, chỉ có một cấu
trúc PCDATA biểu tất cả các thực thể của PCDATA trong một tài liệu XML. Để liên kết
cấu trúc PCDATA với một Element, xem nó như một Element và sử dụng cấu trúc
NestList.
Ở đây IQL là ngôn ngữ truy vấn dựa trên danh sách đã có, do đó chỉ sử dụng một
cấu trúc NestList. Nút con thứ n của nút cha có thể được xác định bởi một truy vấn định rõ
NestList tương ứng, và nút được yêu cầu sẽ là mục thứ n trong danh sách kết quả IQL.
Một vấn đề trong lược đồ XML DataSource là các Element XML trùng tên tại
các vị trí khác nhau. Vấn đề này được mở rộng khi gặp nhiều file. Trong lược đồ XML
DataSource, sử dụng đinh danh:
,count:eelementNam:schemaName
〉〈〉〈〉〈
trong đó
SchemaName là tên lược đồ được định nghĩa trong AutoMed, và Count là một biến đếm
được tăng lên mỗi lần gặp elementName cùng tên khi duyệt sâu đầu tiên(Depth-first) lược
đồ. Đối với tài liệu XML, wrapper XML tạo ra một định danh duy nhất có dạng
〉〈〉〈〉〈〉〈
instance,count:eelementNam:schemaName
trong đó instance là một biến đếm
được tăng lên mỗi lần gặp instance mới của element lược đồ tương ứng trong tài liệu.
7
Bảng 1 Biểu diễn lược đồ nguồn dữ liệu XML theo HDM
Higher Level Construct Equivalent HDM Representation
Construct: Element
Class nodal
Scheme
〉〉〈〈

e
Node:
〉〉〈〈
exml :
Construct: Attribute
Class: nodal-linking, constraint
Schema:
〉〉〈〈
ae,
Node:
〉〉〈〈
aexml ::
Edge
〉〉〈〈
aexmlexml ::,:_,
Links
〉〉〈〈
exml :
Cons makeCard
):1,1:0,::_,( Naexml
〉〉〈〈
Construct NestList
Class linking, constraint
Scheme
〉〈 〈
iee
cp
,,
Node:
〉〉〈〈

aexml ::
Edge
〉〉〈〈
aexmlexml ::,:_,
Links
〉〉〈〈
exml :
Cons makeCard
):1,1:0,:,:,( Nexmlexmli
cp
〉〉〈〈
Construct: PCDATA
Class nodal
Scheme
〉〉〈〈
PCDATA
Node
〉〉〈〈
PCDATAxml :
Ví dụ: Minh họa lược đồ XML DataSource Schemas, xét tài liệu XML sau:
<university>
<school name="School of Law">
<academic>
<name>Dr. G. Grigoriadis</name>
<office>123</office>
</academic>
<academic>
<name>Prof. A. Karakassis</name>
<office>111</office>
</academic>

</school>
<school name="School of Medicine">
8
<academic>
<name>Dr. A. Papas</name>
<office>321</office>
</academic>
</school>
</university>
Lược đồ XMLDSS trích lọc từ tài liệu này là S
1
trong hình 2
Hình 2: Các lược đồ XMLDSS S
1
và S
2
, lược đồ RDFS R
1
và các lược đồ XMLDSS
tương đương IS
1
và IS
2
9