UFRGS
Pesquisas 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 views
Extract XML views from relational databases
Update 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 databases
Define the update operations that can be applied
Make 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 relations
 Use nested relational algebra to define XML views
 Nested 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 operators
In 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 views
Reduce 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 views
Nest-Select-Project-Join views
We map XML update operations into updates in
the corresponding relational view
Use 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
operations
allow deletions of leaf nodes to be mapped to
updates setting the deleted attribute to null
allow 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 trabalhosa
Análise 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 extração
Esquema da base de dados – modelo conceitual
Instâncias 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 XML
Pertencentes ao mesmo domínio de problema
Esquemas descritos através de DTDs
 Nível de Esquema
 Nível de Instâncias
Visão Geral
Consulta
Modelo
Global
Resposta
Tradução
da consulta (Sandro)
Integração
de instâncias
(Carina)
Decomposição
de Consulta (Diego)
Integração de
esquemas (BInXS)
(Ronaldo)
Visão XML - virtual
Wrapper
Wrapper
Wrapper
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 conceitual
Integração dos modelos conceituais
Construção de um modelo global.
Processo de Integração - BInXS
Nível de Esquema – Tese de doutorado concluída Ronaldo Mello
Esquema
Global
Camada do
Mediador
Integração Semântica
Esquema Conceitual 1
...
Esquema Conceitual n
Especialista
Conversão DTD
DTD 1
...
Conversão DTD
...
Documentos
XML
Documentos
XML
DTD n
BD
Processo de Integração
Consultas
Consulta é construída com base no
Esquema Global.
Esquema
Global
Exemplo de consulta:
“Endereço profissional de autores de artigos”
Consulta
Mapeamento da consulta
...
Fonte 1
XML
Fonte 2
XML
Fonte 3
XML
Consultas sobre o Esquema Global
Dissertação de mestrado – Sandro Camillo
 Problema
Autor
(1,N)
residencial
(0,1)
(1,N)
(1,1)
(1,N)
profissional
(1,1)
Endereço
(1,N) (1,N)
(1,1)
Cidade
string
Logradouro
(1,N)
(1,N)
(1,1)
(1,1)
 Consultar estruturas hierárquicas
(presentes nas fontes XML) através de um
modelo conceitual abstrato
 XPath ou XQuery não são adequadas:
•XPath:
/Autor/Endereço
(1,1)
Rua
Nr
string
integer
•XQuery:
{FOR $end IN /Autor/Endereço
RETURN
<Ender>$ender</Ender>
ss
}
Residencial
ou
Profissional
?
Consultas sobre o Esquema Global
Dissertação de mestrado – Sandro Camillo
Autor
(1,N)
residencial
(0,1)
(1,N)
(1,1)
 Solução
(1,N)
 Uso de uma linguagem que:
profissional
(1,1)
• Considere a expressividade do modelo
conceitual
Endereço
(1,N) (1,N)
(1,1)
Cidade
string
• Minimas conversões para a sintaxe das fontes
Logradouro
(1,N)
(1,N)
(1,1)
(1,1)
CXQuery:
(1,1)
{FOR $end IN /Autor/Endereço{Profissional}
Rua
Nr
string
integer
ss
RETURN
<Ender>$ender</Ender>
}
Decomposição da consulta
Dissertação 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
Equema
Global
Consulta
Integração dos resultados
Mapeamento da consulta
...
Fonte 1
XML
Fonte 2
XML
Fonte 3
XML
Integração das Instâncias
Tese de doutorado Carina Friedrich Dorneles
 Instâncias não são integradas com base em
identificadores e sim com base na
similaridade
Dados 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 Instâncias
Tese 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 Instâncias
Tese de doutorado Carina Friedrich Dorneles
 Uso do modelo conceitual global gerado na
fase de integração de esquemas
Representação 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>
Fonte 1
</endereco>
<enderecoProfiss>
<logradouro>
<rua>J. do Patrocinio</rua>
<nr>1500/12A</nr>
</logradouro>
<cidade>PA - RS</cidade>
Fonte 3
</enderecoProfiss>
<endereco>
<profissional>
<logradouro>
<rua>Av. Jose de Alencar</rua>
<nr>1500 - sala 12A</nr>
</logradouro>
<cidade>PoA</cidade>
</profissional>
Fonte 2
</endereco>
Exemplo
Objeto-Consulta
Instância da visão XML
Similaridade entre as folhas:
endereco
- Uso de algoritmos de similaridade
aplicáveis ao domínio de cada valor,
por exemplo:
profissional
profissional
- Similaridade entre Siglas –
algoritmo especifico para siglas
- Similaridade entre Datas –
logradouro
cidade
logradouro
cidade
algoritmo especifico para datas
....
endereco
rua
rua
nr
nr
PoA
Porto Alegre/RS
1500/12A
Av. Jose de Alencar
1500 – sala 12A
Av. Jose de Alencar
Exemplo
Instância da visão XML
Objeto-Consulta
endereco
profissional
logradouro
endereco
Similaridade entre objetos
Compostos:
* Avaliação entre:
- Métricas de minkowski, ...
- Redes bayesianas
cidade
profissional
logradouro
cidade
* Uso de pesos no cálculo da
similaridade
rua
nr
rua
nr
Porto Alegre/RS
1500/12A
Av. Jose de Alencar
PoA
1500 – sala 12A
Av. Jose de Alencar
Clustering
<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>
Cluster 1
Representado um objeto do
mundo real
Cluster 2
Representado outro objeto do
mundo real
Resultado
<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>
Trabalhos Futuros
 Identificação de instâncias
Estudo e avaliação das várias métricas de
similaridade para objetos complexos
Avaliação dos resultados obtidos
 Integração de instâncias
Avaliação de algoritmos de clustering
Trabalhos Futuros
 Integração com os módulos de consulta
Especificação de pesos, métricas,... através do
modelo conceitual
Interação com o módulo de consultas
Utilização de técnicas de
Engenharia de Conhecimento
para medir similaridade entre
instâncias de documentos
XML
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
Instituto de Informática - UFRGS
40
Exemplo: estrutura de acórdão
jurídico
• Tema
• Ref. Legislativas
• Recurso
• Procedência
• Reclamante
• Reclamado
• Local
• Data
• Participantes
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
• Órgão Julgador
• Tribunal
• QtdeVoto
• Decisão
• Ref. Legislativas
Ontologia de Domínio
ACÓRDÃO
PART-OF
PART-OF
Cabeçalho
{Número do processo,
Sigla do recurso,
Relator,
Data de publicação }
Encerramento
PART-OF
PART-OF
PART-OF
{ Local, Data,
Participantes}
PART-OF
Ementa
Sentença
PART-OF
{ tema }
Pessoas
Envolvidas
{ Recurso, Procedência,
Reclamante, Reclamado}
{ Órgão julgador, Tribunal, Quantidade
de voto, Decisão, Referências
Legislativas }
Voto
{ tema, Referências Legislativas }
Relatório
{ tema, Referências Legislativas }
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
Ajuste
• Atributos por ter diferentes
pesos na comparação por
similaridade
Busca por similaridade:
• Documentos que possuem
estrutura similar (mesmos
atributos)
• Documentos cujos atributos
tenham os mesmos valores
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