Adaptive Similarity of XML Data

Abstract

V předložené práci studujeme aplikaci podobnosti XML schémat v konceptuálním modelování XML schémat. Pokračujeme v předchozích snahách namapovat XML schémata na PIM schéma pomocí rozhodovacího stromu. V této práci je implementována univerzálnější metoda - rozhodovací strom je natrénován z velké množiny vzorků uživatelsky ohodnocených mapovacích rozhodnutí. Je navrženo několik variací trénování, které by mohly mapování vylepšit. Tento přístup je ohodnocen na velkém množství experimentů, které ukazují výhody a nevýhody navržených variací trénování. Práce také obsahuje přehled přístupů k mapování schémat a popis schémat použitých v této práci. Powered by TCPDF (www.tcpdf.org)

In the present work we explore application of XML schema mapping in conceptual modeling of XML schemas. We expand upon the previous efforts to map XML schemas to PIM schema via a decision tree. In this thesis more versatile method is implemented - the decision tree is trained from a large set of user- annotated mapping decision samples. Several variations of training that could improve the mapping results are proposed. The approach is evaluated in a wide range of experiments that show the advantages and disadvantages of the proposed variations of training. The work also contains a survey of different approaches to schema mapping and description of schema used in this work. Powered by TCPDF (www.tcpdf.org)