Relation de subsumption entre sch

1
Relation de subsumptionentreschémas de types

• Données semi-structuréesettypage de données

2
Au sommaire

• Introduction
• 1. Données semi-structurées
• 2. Modéliser des données semi-structurées
• 3. Subsumption entre schémas
• Conclusion
• Bibliographie

3
Introduction

• Le Web une base de données géante non
  structuréeComment concevoir un SGBD adapté au
  Web ?
• Plus généralement comment mutualiser des
  informations homogènes à partir de sources de
  données hétérogènes ?
• Les SGBD standards ne supportent pas
  lhétérogénéitéIl faut faire appel à des
  modèles plus flexibles qui sadaptent à la forme
  des données plutôt que de limposer.

4
1. Données semi-structurées

• Quelques définitions
• Quelques propriétés
• Quelques enjeux
• Et quelques problèmes !

5
Quelques définitions

• Première définition toute forme de données
  nétant ni une base de données ni de la donnée
  brutegt champ de définition large
• Deuxième définition toute forme de données
  possédant une structure implicite, non rattachée
  à un schémagt données auto-descriptives
• Exemples gt page Webgt textegt document XML

6
Quelques propriétés

• Propriétés des données gt données
  auto-descriptivesgt données hétérogènes
• Propriétés de la structure gt structure
  implicitegt structure irrégulièregt peu de
  contraintes
• Confusion entre données et structure
• Pas de connaissances a priori de la structure

7
Quelques enjeux

• Flexibilité de léchange de données
• Intégration de données
• Gestion de lhétérogénéité
• Système qui sadapte aux données et non pas le
  contraire
• Augmentation des possibilités de requêtage
• Définir des schémas de données
• Correspondance entre schémasgt subsumption

8
Quelques problèmes

• Les SGBD standard ne sont pas adaptésgt ne
  supportent pas lhétérogénéitégt niveau de
  contrainte trop élevégt structure explicite et
  régulièregt connaissance du schéma obligatoire
• Comment modéliser les données semi-structurées ?

9
2. Modéliser des données semi-structurées

• Modèle de données
• Modèle OEM
• Schéma de types
• Assignation de schémas

10
Modèle de données

• Graphe étiqueté, orienté, avec un nœud racinegt
  arcs orientés et étiquetésgt un nœud racine
  uniquegt presque un arbre
• Exemple description des personnages de la bande
  dessinée Astérix

11
(No Transcript)
12
Modèle OEM

• OEM Object Exchange Modelgt Tsimmis Project de
  Stanford
• Modèle minimaliste permettant de représenter un
  grand nombre de formes de données, dont les BD
  standard
• Nœuds objets avec oidgt objets atomiques vs
  objets complexesgt o. atomiques int, string,
  nœuds-feuillesgt o. complexes
  (étiquette,oid) nœuds-intermédiaires

13
Schéma de données (1/2)

• Modèle simplifiégt nœud racine uniquegt arcs
  orientésgt nœuds identifiés (oid) et étiquetés
  (sauf la racine)gt nœuds-références étiquetés
  avec   

14

O1 personnage
O14
O11 nom
O12 origine
O13 description
O111 Astérix
O121 Gaule
O131 cheveux
O132 taille
O2 ami
O1311 jaunes
O1312 petit
Figure 2 Schéma de données
15
Schéma de données (2/2)

• O ensemble infini doid et L ensemble
  détiquettes
• Une b.d. est une structure DltOD, labelD,
  childrenDgt1. OD ? O2. labelD est un mapping de
  OD dans L3. childrenD est un mapping de OD??
  dans ?i?0ODi si labelD(o), alors
  childrenD(o)?OD1
• La structure obtenue en ne considérant pas les
  nœuds-références est un arbre
• Retour à lexemple

16
Schéma de types (1/2)

• Exploiter la structure avec un système de typage
  des donnéesgt notion dobjets typés
• Utilisation dun schéma de types pour décrire ce
  systèmegt prédicats sur les étiquettesgt
  expressions régulières sur les descendants

17

T1 personnage

?
T14
T11 nom
T12 origine
T13 description
T111 String
O121 Gaule
T131 cheveux
T132 taille
T2 ami
T1311 String
T1312 String
Figure 3 Schéma de types
18
Schéma de types (2/2)

• T ensemble infini de noms de types, P ensemble de
  prédicats sur les étiquettes fermé pour la
  disjonction (ou), la conjonction (et) et le
  complémentaire (not()).
• L(R) langage défini par les expressions
  régulières sur Tgtt, t, (t1,t2), (t1t2), t1,
  t1?, etc.
• Un schéma de types est une structure
  SltTS,predicateS, regexpSgt 1. TS sous-ensemble
  fini de T2. predicateS mapping de TS dans P,
  avec soit predicateS(t) soit
  ?predicateS(t)3. regexpS mapping de TS?? sur
  L(R)S, avec si predicateS(t), regexpS(t) est
  de la forme t1t2tn
• Retour à lexemple

19
Assignation de schéma (1/2)

• Soient D une base de données et S un schéma de
  types
• D est de type S ssi il existe une fonction
  dassignation f OD?? ?TS ?? tq 1. f(?)
  ?2. Pour o?OD, predicateS(f(o))labelD(o)3.
  Pour o?OD ??, avec childrenD(o)o1,..,on,
  f(o1),..,f(on)?L(regexpS(f(o)))
• Retour aux exemples

20
O23 description
label(O23) description children(023)
O231,O232,O233
O231 cheveux
O233 poids
O232 taille
O2331 bas de poitrine
O2321 grand
O2321 roux
T23 description
predicate(T23) description regexp(T23)
T231,T232,T233?
?
T231 cheveux
T233 poids
T232 taille
T2331 String
T2321 String
T2321 String
predicate(f(O23))label(O23)description f(O231),
f(O232), f(O233)?L(regexp(T23))
Figure 4 Assignation de schéma
21
Assignation de schéma (2/2)

• Première remarque Il existe un schéma minimal
  Any assignable à toute base de données.
• Seconde remarque Pour chaque base de données S,
  il existe un schéma S ne typant que cette base,
  noté SD.

22
3. Subsumption entre schémas

• Le problème
• Subsumption de schémas
• Propriétés
• Utilisation de la subsumption

23
Le problème

• Comment intégrer des données traitant des
  informations homogènes provenant de sources
  hétérogènes ?
• Quelle correspondance entre 2 schémas de types ?
• Exemple

24
PhysicalDescr description
Schema S
hair cheveux
height taille
heightDesc String
hairDescr String
T23 description
Schema S
?
T231 cheveux
T233 poids
T232 taille
T2331 String
T2321 String
T2321 String
Figure 5 Relation entre schémas
25
Subsumption de schémas

• Définition intuitive relation de correspondance
  entre les types de deux schémas, mapping entre
  deux schémas.gt assignation de types entre
  schémas
• Soient S et S deux schémas de types, S subsume
  S sil existe une fonction de mapping gTS???
  TS?? tq 1. g(t)? ssi t?2. ?t?TS,
  predicateS(t)? predicateS(g(t))3.
  ?t?TS??,g(L(regexpS(t)))? L(regexpS(g(t)))
• Si S subsume S et S subsume S alors on a une
  relation déquivalence entre S et S
• Exemple

26
PhysicalDescr description
Schema S
S subsume S avec la fonction g tq
g(PhysicalDescr)descriptiong(hair)T231g(hair
Descr)T2321g(height)T232g(heightDescr)T2321 P
ar ex, on a predicateS(PhysicalDescr)predicate
S(T23) descriptionLregexpS(PhysicalDescr)
cheveux,tailleLregexpS(description)cheveux,ta
ille,poids?et L?L
hair cheveux
height taille
heightDesc String
hairDescr String
T23 description
Schema S
?
T231 cheveux
T233 poids
T232 taille
T2331 String
T2321 String
T2321 String
Figure 6 Subsumption entre schémas
27
Propriétés de la subsumption

• SD subsume tout schéma assignable à D
• La relation de subsumption est transitive
• Si S est assignable à D et S subsume S alors S
  est assignable a Dgt utile pour la validation de
  schémas
• Avantages gt travail sur des schémas (tailles lt
  taille des données)gt pas daccès direct aux
  données

28
Utilisation de la subsumption

• Idée forte accéder aux données par le schéma le
  plus adéquat
• Système de requêtes pour une requête donnée,
  indépendante dun schéma, trouver le schéma
  permettant dobtenir le résultat
• borne inférieure pour le relation de susbsumption
  pour deux schémas, il existe un schéma maximal
  subsumant les deux autres.gt optimiser les
  informations de typage communesgt détermination
  du bon schéma
• Systèmes de requêtes, systèmes de stockage,
  intégration

29
Conclusion

• Notion théorique que lon retrouve dans de
  nombreux travaux sur les données semi-structurées
  XML Schema, YATL, etc.
• Le typage de données est dune grande
  complexitégt la subsumption permet de travailler
  sur des schémas plutôt que sur les bases de
  données directement
• Améliorer les systèmes de requêtes est lune des
  principales motivations

30
Bibliographie

• Subsumption for XML types - Gabriel M Kuper
  Jérôme Siméon (2001)
• Semi-structured data - Peter Buneman (1997)
• Querying semi-structured data - Serge Abiteboul
  (1997)
• Adding structure to unstructured data - Peter
  Buneman, Susan Davidson, Duan Fernandez, Dan
  suciu (1997)