-
Die
Erfindung geht aus von einem Verfahren zur adaptiven Anfrageevaluierung
von auf XML (Extensible Markup Language) basierenden Katalogen nach
dem Oberbegriff des Anspruchs 1.
-
Elektronische
Kataloge sind eine wichtige Komponente für E-Commerce im Internet, weil sie die verschiedenen
Arten von Produkten und Dienstleistungen von Anbietern auflisten,
beschreiben und kategorisieren. E-Kataloge sind daher der Hauptkommunikationskanal
zwischen Käufern
und Informationsanbietern, deren Wichtigkeit nur von der korrekten
Verwaltung der verschiedenen Gruppen und Kataloge der unterschiedlichen
Anbieter sowie der transparenten Integration dieser Daten überstiegen wird.
-
Werden
mehrere lokale Kataloge in einen globalen Katalog integriert auf
dem eine XPath-Anfrage vorgegeben ist, so muss diese Anfrage in
Begriffe der lokalen Kataloge übersetzt
werden, um die erwünschte
Antwort bekommen zu können.
Dies wird als Rewriting bezeichnet. Die unmittelbare Anwendung der
XPath-Anfrage auf einen der lokalen Kataloge würde zu keinem Ergebnis führen. Derartige Rewritings
sind mit einem hohen Aufwand verbunden, da die XPath-Anfrage für jeden
der lokalen Kataloge übersetzt
werden muss.
-
Aus
W. May: Integration of XML DATA in XpathLog, CaiSE Workshop „Data Integration
over the web", Interlaken,
04. Juni 2001 ist ein Verfahren zur Integration von Daten bekannt,
welches auf Lopix basiert. Die Integration erfolgt hierbei durch
eine einheitliche Terminologie und ist in der Anwendung mit einem
erheblichen Aufwand verbunden. Es handelt sich nicht um ein adaptives
Verfahren für
Anfrageevaluierungen.
-
Aus
D. Guillaume: An application of XML and Xlink using a graphpartitioning
method and a density map for information retrieval and knowledge
discovery, in ASP Conf. Ser., Vol. 172,1999 ist eine Anwendung von
XML und Xlink im Bereich der Astronomie bekannt. Diese Anwendung
wird AML Astronomical Markup Language genannt. Die einzelnen AML
Dokumente sind untereinander durch Links verknüpft. Die Verknüpfung von
lokalen und globalen Katalogen an Hand einer adaptiven Anfrageevaluierung
ist in der Druckschrift nicht beschrieben.
-
Der
vorliegenden Erfindung liegt die Aufgabe zu Grunde, ein Verfahren
zur Integration von auf XML basierenden Katalogen an Hand einer
adaptiven Anfrageevaluierung zur Verfügung zu stellen, mit dem ein
Rewriting einer auf einem globalen Katalog vorgegebenen Anfrage
vermieden werden kann, wenn die Anfrage auf lokale Kataloge angewendet
wird. Bei dem globalen Katalog handelt es sich um einen gemeinsamen
Katalog der lokalen Kataloge.
-
Diese
Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs
1 gelöst.
-
Die Erfindung
und ihre Vorteile
-
Gegenüber dem
Stand der Technik hat das erfindungsgemässe Verfahren mit den kennzeichnenden
Merkmalen des Anspruchs 1 den Vorteil, dass keine lokalen Rewritings
für individuelle
Anfragen stattfinden, sondern eine adaptive Auswertung es ermöglicht,
die gleiche Anfrage auf allen lokalen Katalogen durchzuführen, ohne
dass die Qualität
der Ergebnisse darunter leidet. Die Eigenschaften von XPath-Anfragen
auf XML-Katalogen, die Fexibilität der
Fitness-Funktion,
die eine Priorisierung der Ergebnisse ermöglicht und die Natur der Begriffshierarchie,
auf der Produktkataloge basieren, führt zu einer sehr effizienten
Durchführung
von XPath-Anfragen auf XML-basierenden Katalogen. Die lokalen Kataloge
liefern dabei die richtige Antwort so als hätte ein Rewriting stattgefunden.
-
Das
Verfahren basiert auf der Anwendung und Auswertung von Transformationen
auf jeder der Subanfragen der ursprünglichen XPath-Anfrage und auf
einem Massstab, der von der Fitness-Funktion für jede mögliche Antwort angeboten wird.
Mit Hilfe der Fitness-Funktion wird eine Auswahl aus der Lösungsmenge
getroffen. Für
jeden lokalen Katalog liefert die XPath-Anfrage ein mit Hilfe der
Fitness-Funktion bestimmtes lokales Endergebnis. Alle lokalen Endergebnisse
werden als globales Endergebnis der Anfrage dargestellt. Sofern
der Benutzer dies wünscht,
kann eine Auswertung der lokalen Endergebnisse stattfinden. Hierzu
kann eine Endergebnis-Fitness-Funktion angewendet werden.
-
Die
Fitness-Funktion zur Auswertung der Zwischenergebnisse der Subanfragen
kann für
alle lokalen Kataloge gleich sein. Es besteht jedoch auch die Möglichkeit,
für verschiedene
lokale Kataloge unterschiedliche Fitness-Funktionen anzuwenden.
Dadurch haben die Anbieter der lokalen Kataloge die Möglichkeit,
die Anfragen der Kunden zu lenken. Die Anfragen können beispielsweise
zeitlich begrenzte Angebote oder spezielle Kundenwünsche der
lokalen Kataloge berücksichtigen.
-
Nach
einer vorteilhaften Ausgestaltung der Erfindung sind als Transformationen
der Subanfrage vorgesehen:
Keine Transformation, Subanfrageverallgemeinerung
und Subanfrageeliminierung.
-
Bei
keiner Transformation wird die Anfrage genauso ausgewertet, wie
sie von dem Benutzer ursprünglich
spezifiziert wurde. Bei einer Subanfrageverallgemeinerung wird die
Achse einer bestimmten Subanfrage folgendermassen verallgemeinert:
Den Ausdrücken „child" und „parent" der ursprünglichen Achse
werden auf der verallgemeinerten Achse die Ausdrücke „descendent" und „ancestor" zugeordnet. Bei
einer Subanfrageeliminierung wird eine Subanfrage von der ursprünglichen
XPath-Anfrage weggelassen, wenn ihre Ergebnismenge bzw. der Ausgabezusammenhang
leer ist. Das ermöglicht
die weitere Evaluierung der folgenden Subanfragen, so als ob die
elimierte Subanfrage von dem Benutzer nicht spezifiziert worden
wäre. Darüber hinaus
sind weitere Transformationen möglich.
-
Um
exakte Ergebnisse zu erzeugen wird jede Subanfrage qi der
XPath-Anfrage Q mit Eingabezusammenhang Ci bezüglich jeder
Subanfragetransformation ausgewertet. Dadurch werden die drei Ausgabenzusammenhänge Cn i+1, Cg i+1 und Ce i+1 erzeugt. Diese entsprechen der Auswertung
der drei möglichen
Transformationen. Der Ausgabezusammenhang Ci+1 entspricht
der Vereinigung der einzelnen Ergebnisse der o.g. Ausgabezusammenhänge, die
durch die Auswertung aller drei Transformationsmöglichkeiten entstanden sind:
Ci+1 = Cn i+1 ∪ Cg i+1 ∪ Ce i+1.
-
Die
Fitness-Funktion ordnet jedem Knoten m des Ausgabezusammenhangs
Ci+1 der Subanfrage qi einen
Wert vm zu, der durch die Evaluierung der
vorherigen Anfragen q0...qi-1 entstanden
ist. Der Knoten m aus Ci+1 ist dabei aus
dem Knoten n aus Ci hervorgegangen. Ist
m Teil des Ausgabezusammenhangs Cn i+1 so wird vm der
Wert b1 2 + vn zugeordnet. Ist m Teil des Ausgabezusamenhangs
Cg i+1 so wird vm der Wert b1+vn zugeordnet. Ist m Teil des Ausgabezusammenhangs
Ce i+1 so wird vm, der Wert 1+vn zugeordnet.
Dabei ist b1 eine Zahl, die die Basis der
Fitness-Funktion auf einem bestimmten Niveau in der Auswertung repräsentiert.
Ist ein Knoten n durch die Anwendung mehrer Strategien entstanden
und beispielsweise Teil von Cn i+1 und
von Cg i+1, so beinhaltet
der endgültige
Ausgabezusammenhang Ci+1 nur die n-Knoten, die
den grössten
Wert haben. Am Anfang wird der Wert der Wurzelknoten mit 1 initialisiert:
vroot = 1.
-
Neben
dieser Niveau-abhängigen
Fitness-Funktion sind auch Knoten-abhängige Fitness-Funktionen möglich. Im
oben angegebenen Beispiel wäre
der Wert b1 eine Funktion von n.
-
Knoten,
die als Ergebnis der Evaluierung der ursprünglichen Anfrage entstanden
sind, haben einen grösseren
Wert der Fitness-Funktion als die, die von der Verallgemeinerung
oder Elimierung von Subanfragen erzeugt worden sind. Der Grund hierfür besteht
darin, dass den ursprünglichen
Anfragen der Vorzug vor anderen Transformationen gegeben werden
soll, die die Absicht des Benutzers hätten abstrahieren können. Die
Elimierung einer Subanfrage ist stets am niedrigsten bewertet, da
eine bestimmte Subanfrage, die von dem Benutzer vorgegeben worden
ist, für
die Auswertung angewendet werden soll, bevor sie weggelassen wird.
Ansonsten wäre
die leere Anfrage stets ein Teil der Ergebnismenge. Dies ergibt
keinen Sinn. Das Endergebnis der XPath-Anfrage ist daher stets der
Knoten oder die Knotenmenge, deren Wert am Ende des Evaluierungsprozesses
am höchsten
ist.
-
Das
erfindungsgemässe
Verfahren hat den Vorteil, dass eine auf einem globalen Katalog
gestellte Anfrage nicht für
jeden lokalen Katalog übersetzt und
angepasst werden muss. Daher wird der Evaluierungsprozess beschleunigt.
Seine Effizienz ist unabhängig
von der Anzahl der lokalen Kataloge im System. Das System arbeitet
daher effizient und ist skalierbar. Auf den lokalen Katalogen können Anfragen
parallel evaluiert und durchgeführt
werden. Daher kann das System von einer verteilten Architektur profitieren.
Die Anwendung einer Zahl als Basis des exponentiellen Teils der
Definition der Fitness-Funktion, die vom Niveau abhängig ist,
ermöglicht
die effiziente, flexible und unabhängige Anpassung des Anfrageevaluierungsprozesses
auf jeden lokalen Katalog. Falls für eine Gruppe von lokalen Katalogen
dieselben Parameter der Fitness-Funktion
festgelegt werden, kann ein homogenes Bewertungssystem für die Evaluierung
unabhängiger
Ergebenisse kostenlos geschaffen werden, das dem Benutzer die besseren
Antworten seiner Anfrage zuverlässig
zeigt.
-
Das
Verfahren ermöglicht
die effiziente Suche der richtigen Reihenfolge von Transformationsoperationen,
ohne dass damit ein exponentieller Auswand verbunden ist, der bei
Verfahren nach dem Stand der Technik mit entsprechenden Rewritings notwendig
ist. Bei dem Verfahren nach dem Stand der Technik ist nur eine von
drei Möglichkeiten
eine bessere Alternative. Die Vereinigung der Ergebnisse in der
nur der Knoten mit dem höchsten
Wert für
das Endergebnis herangezogen wird, ermöglicht die Reduzierung eines
exponentiellen Suchproblems O(3n), bei dem
n die Anzahl der Subanfragen ist, auf ein lineares Problem O(3·n).
-
Die
Natur und Effizienz des Verfahrens befriedigt die Bedürfnisse,
jede Anfrage gegen eine DTD (Document Type Definition) zu prüfen, die
den Inhalt jedes lokalen Katalogs beschreiben könnte. Dieses Vorgehen führt zu weiteren
Vorteilen: DTDs sind nicht mehr essentiell, was die Integration
von bekannten Katalogen ohne DTD ermöglicht. Lokale Kataloge können effizienter
verwaltet werden, ohne dass jedes neu hinzugefügte Element gegen eine DTD überprüft werden
muss und es dürfen
verschiedene Dokumentstrukturen im gleichen Katalog zusammengefasst
sein, ohne dass hierzu ein spezieller Aufwand notwendig ist, um
die Anfrage mit den Konzepten der anderen DTDs übersetzen zu müssen. Schließlich sei
darauf hingwiesen, dass das Verfahren im Rahmen eines auf LDAP (Lightweight
Directory Access Protocol) [M. Wahl, T. Howes, S. Kille. Lightweight
directory access protocol (v3). RFC 2251, December 1997] basierenden
XML-Prozessierungssystems beispielsweise implementiert werden kann
und bereits zu vielversprechenden Ergebnissen geführt hat.
-
Weitere
Vorteile und vorteilhafte Ausgestalungen der Erfindung sind der
nachfolgenden Beschreibung, der Zeichnung und den Ansprüchen entnehmbar.
-
Zeichnung
-
Ein
Ausführungsbeispiel
der Erfindung ist in der Zeichnung dargestellt und im folgenden
näher beschrieben.
Es zeigen:
-
1 Lokale
Kataloge für
die Firmen SESP (links) und BIGGER (rechts),
-
2 Begriffshierarchie
für SESP
(links), BIGGER (rechts) und den globalen Katalog (Mitte),
-
3 Beispiel
einer klassischen XPath-Anfrage-Auswertung,
-
4 Subanfrage
Verallgemeinerungsstrategie,
-
5 Bespiel
der adaptiven Anfrageevaluierung zu der XPath-Anfrage gemäss 3.
-
Beschreibung
des Ausführungsbeispiels
-
Eine
Gruppe von Elektro-Firmen entschließt sich, ihre Produkte online
mittels einer gemeinsamen, integrierten Webseite anzubieten. Dieses
Bespiel wurde ursprünglich
von Gabriel M. Kuper und Jérôme Siméon in
dem Artikel „Subsumption
for XML Types" in „Proceedings
of the 8th International Conference on Database Theory (ICDT), London,
UK, Januar 2001" beschrieben.
Es wird im folgenden verwendet, um eine Anwendung des erfindungsgemäßen Verfahrens
zu erörtern.
Die Unterschiede bezüglich
Bandbreite und Arten der Produkte der Elektro-Firmen zeigen sich
in ihren individuellen Katalogen, aber es gelingt Ihnen trotzdem,
sich auf einen einheitlichen Katalog zu einigen, der auf der Webseite
implementiert werden soll. Die Firma SESP [http://sesp.co.uk/4.htm)
z.B. verkauft nur Jammer, wie man ihrem lokalen Katalog in 1 links
entnehmen kann, während
die Firma BIGGER gemäß 1 rechts
eine größere Auswahl
an Produkten von Computern bis Jammer anbietet. Nach mehreren Besprechungen
einigen sie sich darauf, daß der
gemeinsame Katalog eine Kombination der individuellen Konzepte,
in XML durch Tags dargestellt, haben soll, die eine allgemeine Darstellung
ihres Geschäftsmodells anbietet.
Sie vereinbaren, daß sie
products (Produkte) haben werden, die in verschiedenen departments (Abteilungen)
organisiert werden. Ferner darf jedes Produkt eine interne Beschreibung
seiner Merkmale und Fähighkeiten
haben, wie etwa company (Hersteller), name (Produktname), price
(Preis), usw.. 2 zeigt die hierarchische Struktur
des globalen Katalogs in der Mitte, des lokalen Katalogs der Firma SESP
auf der linken Seite und des lokalen Katalogs der Firma BIGGER auf
der rechten Seite.
-
Würden wir
das klassische XPath-Modell benutzen, um eine Anfrage an den globalen
Katalog zu richten, müßten wir
wissen, wie man diese Anfrage in Begriffe der lokalen Kataloge übersetzt,
damit wir die erwünschte
Antwort bekommen könnten.
-
In
unserem Beispiel ist die Anfrage Qglobal =
/ department/ mobile/ products/ jammer [price < 200]eine valide XPath-Anfrage,
die wir an den globalen Katalog richten können, um alle Jammer im System als
Ergebnis zu bekommen, deren Preis niedriger ist als 200 EUR. Ihre
Auswertung im Rahmen des klassischen Modells beinhaltet die Erschaffung
zweier equivalenter Anfragen QSESP und QBIGGER, und ihre Auswertung in den entsprechenden
lokalen Katalogen.
-
Angenommen
wir haben die Kataloge von 2, so können wir
nicht einfach QSESP = QBIGGER = QGLOBAL nach SESP und BIGGER weiterleiten,
weil SESP keinen department-Knoten und BIGGER keinen products-Knoten
hat. Für
das serielle Auswertungsmodell von XPath und die Struktur des lokalen Katalogs
von SESP, das die Knoten department und mobile nicht hat, ergibt
die Auswertung von Qglobal ohne Modifizierungen
auf dem SESP lokalen Katalog kein Ergebnis, da der Ausgabezusammenhang
C1 der / department/ Subanfrage leer ist.
Das gleiche Problem findet man bei BIGGER.
-
Wir
müssen
aus diesem Grund QSESP =
/ products/ jammer [price < 200] und QBIGGER = / department/
mobile/ jammer [price < 200]setzen,
wenn wir überhaupt
eine Antwort von den lokalen Katalogen erhalten wollen. Das ist
das klassiche Problem von Anfragerewriting in Mediatorensystemen,
die in der semistrukturierten Welt die Analyse und Adaptierung der
Anfrage auf eine DTD in Anspruch nehmen würde, die den Inhalt der lokalen
Datensammlung beschreibt, oder, wenn dieses DTD nicht vorhanden
wäre, auf
die Daten selbst.
-
Wir
müssen
also ein Rewriting für
das vorherige Beispiel finden, weil das XPath-Auswertungsmodell
es so verlangt. In diesem Modell ist eine XPath-Anfrage Q die Zusammensetzung
von Pfadausdrücken,
die Laufoperationen auf einem Dokumentbaum ausführen, indem sie die Menge von
Knoten wiedergeben, die die Anforderungen der Anfrage erfüllen. Jeder
Ausdruck ist mit dem nächsten
vermittels des Zeichens '/' verbunden. Formal
gesehen wird eine XPath-Anfrage Q als Q = q1 /q2 /.. /qn definiert, wo
jedes qi ein Pfadausdruck ist. Bei singulärer Betrachtung
einer XPath-Subanfrage wird qi als 3-Tuple qi = (Ci, ωi, Ci+1 ), 1 ≤ i ≤ n geschrieben,
wo Ci, eine Menge von XML-Knoten ist, die den
Eingabezusammenhang (input context) bestimmen, ωi der
Pfadausdruck, der auf jedem Knoten des Eingabezusammenhangs ausgewertet
werden muss, und Ci+1 eine Menge von XML-Knoten,
die sich als Ergebnis der Auswertung von ωi aus
dem Inhalt des Eingabezusammenhangs Ci ergibt.
Ci+1 wird auch Ausgabezusammenhang (output
context) genannt. Im Besonderen ist Cn+1 das
endgültige
Ergebnis der Anfrage Q. Letzendlich wird ein Pfadausdruck ωi als 3-Tuple ωi =
ai :: ei[ci] definiert, wo ai eine
XPath-Achse ist,
ei ein Knotenausdruck, der entweder den
Namen oder den Typ des Knotens testet, und Ci ein
Boolnischer Ausdruck von vorausgesetzen Bedingungen, die von allen
Knoten in dem Ausgabezusammenhang erfüllt werden müssen. Wenn ωi leer ist, repräsentiert durch ωi = ε,
erhält
man die Auswertung von qi = (Ci, ε, Ci+1), indem der Inhalt des Eingabezusammenhangs
an den Ausgabezusammenhang weitergegeben wird: Ci+1 =
Ci.
-
3 zeigt
eine graphische Darstellung des Auswertungsprozesses einer klassischen
XPath-Anfrage, die aus sechs Subanfragen besteht. Dieses Beispiel
ist von dem Beispiel der Firmen SESP und BIGGER zu unterscheiden.
Die Ovale in jedem Zusammenhang zwischen zwei Subanfragen repräsentieren
die individuellen Knoten, die jede Subanfrage an dem Punkt erfüllt.
-
5 stellt
dagegen eine grafische Repräsentierung
der Auswertung der Anfrage gemäß 3 dar,
bei der die dunkleren Knoten die Ergebnisse der Auswertung der unveränderten
Anfrage, die helleren Knoten die Auswertung der verallgemeinerten
Anfrage und die weißen
Knoten die Auswertung der Eliminierung der Subanfrage symbolisieren.
Die Verallgemeinerung einer Subanfrage erfolgt nach den Angaben
von 4.
-
Um
in unserem Beispiel Qglobal =
/ department/ mobile/ products/ jammer [price < 200]mit dem Verfahren auszuwerten,
werden auf den zwei lokalen Katalogen SESP und BIGGER folgende Operationen
durchgeführt:
Angenommen,
daß mit
root der Wurzel-Knoten des SESP Katalogs bezeichnet wird, dann ist
der erste Schritt die Zuweisung von QSESP zu
Qglobal, ohne daß irgendeine Transformation
erfolgt. Dann wird q0 = / department auf
dem Eingabezusammenhang C0 = {root} ausgewertet,
aus dem Cn 1 = ∅ entsteht,
da es keine department-Knoten als direkte Abkömmlinge von der Wurzel gibt.
Der nächste
Schritt ist die Evaluierung der verallgemeinerten Anfrage q0 = /department auf C0,
die auch keine Ergebnisse produziert Cg 1 = ∅, da es keine department-Knoten
auf dem SESP Katalog gibt. Letzendlich wird q0 = ε auf C0 ausgewertet, womit wir Ce 1 = {root} bekommen. In diesem Punkt ist νroot =
2. Der gleiche Prozeß geschieht bei
der Evaluierung von q1 = /mobile, da es
keine mobile Knoten im Katalog gibt. Deswegen wird C2 = {root}
und νroot = 3. Auf der anderer Seite erzeugt die Auswertung
von q2 = /products eine nicht-leere Menge
Cn 3, da, wie man
im Katalog der 1 sehen kann, products ein direkter
Abkömmling
der Wurzel ist. Der Wert von jedem Knoten n ∈ Cn 3 ist nach der Definition unserer Fitness-Funktion νn =
102 + 3 = 103, unter der Annahme, daß bl = 10 auf jedem Niveau, und daß alle Knoten
in Cn 3 aus dem einzigen Wurzelknoten
(root) in C2 entstanden sind. Die Auswertung
der verallgemeinerten Anfrage q2 = // products
produziert Cg 3 =
Cn 3, da es keine
andere products Knoten im Katalog gibt. Ferner, da der Wert der Knoten
in Cn 3 höher ist,
als der der Knoten in Cg 3,
ergibt die Vereinigung beider Mengen nur die Knoten von Cn 3. Letzendlich erzeugt
die Auswertung von q2 = ε das Ergebnis Ce 3 = {root}, mit νroot =
4.
-
Die
Evaluierung von q3 = / jammer [price < 200] benutzt C3 als Eingabezusammenhang, in dem manche
der Knoten, nämlich
die, die die vorherige Subanfrage erfüllt haben, einen höheren Wert
haben, als den der Wurzel-Knoten (root), z.B. der nur in dem Eliminierungsprozeß erzeugt
worden ist. Deswegen beinhaltet Cn 4 Knoten, die direkte Abkömmlinge jammer von C3 sind, deren Preis niedriger ist als 200 EUR.
Daher wird, wenn n ∈ Cn 4 und sein vorheriger Knoten
m ∈ Cn3 ist, was wahrscheinlich der Fall sein wird,
der Wert von n νn = 102 + 103 = 203
sein. Auf der anderen Seite, wenn ein Knoten n von der Wurzel erzeugt
wird, dessen Wert νroot = 4 ist, wird, wie wir schon gesehen
haben, der neue Knoten einen Wert von νn =
102 + 4 = 104 haben. Dieser Wert von νn ist geringer
als der oben genannte. Als Ergebnis der Anfrage wird daher die zu νn =
203 gehörende
Knotemenge ausgewählt.
-
Am
Ende dieses Prozesses stellt das Ergebnis dieser Anfrage die Knotenmenge
in C4 dar, deren Wert am höchsten ist.
Es läßt sich
leicht vom Beispiel ableiten, dass der bestmögliche Wert für jeden
Knoten in C4 den Knoten entspricht, die
von der Anfrage QSESP = / products/ jammer
[price < 200] erzeugt
worden sind, die genau dem optimalen Rewriting für den lokalen SESP Katalog
entspricht.
-
Der
Auswertungsprozeß für QBIGGER läuft ähnlich ab.
-
Sämtliche
Merkmale können
sowohl einzeln als auch in beliebiger Kombination miteinander erfindungswesentlich
sein.