تطبیق طرح‌واره‌ی نامطمئن ۲۰۲۲
Uncertain Schema Matching 2022

تطبیقِ طرح‌واره (Schema Matching) عبارت است از یافتن ارتباط بین مفاهیمی که معنای داده‌ها را در منابع داده‌ای گوناگون، توزیع‌شده و ناهمگن توصیف می‌کنند. تطبیقِ طرح‌واره یکی از عملیات اساسی مورد نیاز در فرآیند یکپارچه‌سازی داده و طرح‌واره است، و از این رو، تأثیر بسزایی بر نتایج آن دارد، چه این نتایج شامل تحویل هدفمند محتوا، یکپارچه‌سازی نماها، یکپارچه‌سازی پایگاه داده، بازنویسی پرس‌و‌جوها بر روی منابع ناهمگن، حذف داده‌های تکراری، یا خودکارسازی فعالیت‌های گردش کار که شامل منابع داده‌ای ناهمگن می‌شوند، باشد.

اگرچه تحقیقات در زمینه تطبیقِ طرح‌واره بیش از ۲۵ سال است که ادامه دارد، اما اخیراً این درک به‌وجود آمده است که تطبیق‌دهنده‌های طرح‌واره ذاتاً نامطمئن هستند. از سال 2003، کار بر روی عدم قطعیت در تطبیقِ طرح‌واره، همراه با تحقیق در مورد عدم قطعیت در سایر زمینه‌های مدیریت داده، شتاب گرفته است.

این درس‌گفتار، جنبه‌های مختلف عدم قطعیت در تطبیقِ طرح‌واره را در یک چارچوب واحد و منسجم ارائه می‌دهد. ما فرمول‌بندی‌های اساسی عدم قطعیت را معرفی کرده و چندین نمایش جایگزین از عدم قطعیت تطبیقِ طرح‌واره را ارائه می‌کنیم. سپس، دو روش متداول را که برای مقابله با عدم قطعیت در تطبیقِ طرح‌واره پیشنهاد شده‌اند، یعنی مجموعه‌ها (Ensembles) و تطبیق‌های برتر K (Top-K Matchings)، پوشش داده و آنها را در این زمینه تجزیه و تحلیل می‌کنیم. در پایان، مجموعه‌ای از کاربردهای دنیای واقعی را بررسی خواهیم کرد.

فهرست مطالب: مقدمه / مدل‌های عدم قطعیت / مدل‌سازی تطبیقِ طرح‌واره نامطمئن / مجموعه‌های تطبیق‌دهنده طرح‌واره / تطبیق‌های برتر K طرح‌واره / کاربردها / نتیجه‌گیری و کار آینده

Schema matching is the task of providing correspondences between concepts describing the meaning of data in various heterogeneous, distributed data sources. Schema matching is one of the basic operations required by the process of data and schema integration, and thus has a great effect on its outcomes, whether these involve targeted content delivery, view integration, database integration, query rewriting over heterogeneous sources, duplicate data elimination, or automatic streamlining of workflow activities that involve heterogeneous data sources. Although schema matching research has been ongoing for over 25 years, more recently a realization has emerged that schema matchers are inherently uncertain. Since 2003, work on the uncertainty in schema matching has picked up, along with research on uncertainty in other areas of data management. This lecture presents various aspects of uncertainty in schema matching within a single unified framework. We introduce basic formulations of uncertainty and provide several alternative representations of schema matching uncertainty. Then, we cover two common methods that have been proposed to deal with uncertainty in schema matching, namely ensembles, and top-K matchings, and analyze them in this context. We conclude with a set of real-world applications. Table of Contents: Introduction / Models of Uncertainty / Modeling Uncertain Schema Matching / Schema Matcher Ensembles / Top-K Schema Matchings / Applications / Conclusions and Future Work