Web Intelligence and Data Mining Laboratory: Survey of Schema Mapping Approach

2010年8月17日

Survey of Schema Mapping Approach

此篇論文為綱要對映領域的Survey性質的論文，依據資料來源等特性對於現有的綱要對映做分類。
　　綱要對映是許多研究資訊整合所必須面臨的重要問題，舉凡電子商務、資料倉儲、語意查詢等均需要綱要對映來合併不同來源的資料。此論文就所參考的資料來源作綱要層級和實例層級的分類，綱要層級表示所參考的資料均使用綱要所包含的資訊（綱要名稱、綱要描述、綱要限制等），並不包括實例層級的資訊；而實例層級則只考慮真實世界中的例子和其屬性來當作綱要對映的依據，通常用以修正綱要層級所無法察覺的資訊或者輔助其準確率。當然，實例層級本身也可用於綱要對映。接著再以對映的元素大小作為元素層級和架構層級的分類，元素層級表示每次對映時都以單一元素和單一元素作對映；架構層級則必須考慮相同記錄中元素間相互連結的關係，使之與另一記錄的架構作對映。細分下去就分為語意層級和限制層級，語意層級使用元素的文字內容相似度當作對映的依據，而限制層級是以元素的文字限制（如：字串、非字串、數字等資料型態或數值範圍、數值平均等數據特性）當依據。
以上是單一對映器依照其特性的分類，對於不同目的的對映使用特別的對映器，有時會把多個對映器整合起來當一個多重對映器，根據整合的方式分為混和方式及複合方式。混和方式是把不同對映器的對映準則都加入做考慮，進而形成新的對映器；複合方式則是以不同對映器分別執行後的結果來作對映，複合方式又可細分為以人工或者自動的複合法。
　下圖是對映法的總體分類架構，謹記於心有助於各位瞭解綱要對映的分類。