Eingang zum Volltext in OPUS

Home | Suche | Browsen


Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:kobv:517-opus-41396
URL: http://opus.kobv.de/ubp/volltexte/2010/4139/

Bauckmann, Jana ; Leser, Ulf ; Naumann, Felix

Efficient and exact computation of inclusion dependencies for data integration

Dokument 1.pdf (600 KB) (SHA-1:8bddeda0410388003a280b2d0fe8fb02424b9e00)

Kurzfassung in Englisch

Data obtained from foreign data sources often come with only superficial structural information, such as relation names and attribute names. Other types of metadata that are important for effective integration and meaningful querying of such data sets are missing. In particular, relationships among attributes, such as foreign keys, are crucial metadata for understanding the structure of an unknown database. The discovery of such relationships is difficult, because in principle for each pair of attributes in the database each pair of data values must be compared.
A precondition for a foreign key is an inclusion dependency (IND) between the key and the foreign key attributes. We present with Spider an algorithm that efficiently finds all INDs in a given relational database. It leverages the sorting facilities of DBMS but performs the actual comparisons outside of the database to save computation. Spider analyzes very large databases up to an order of magnitude faster than previous approaches. We also evaluate in detail the effectiveness of several heuristics to reduce the number of necessary comparisons. Furthermore, we generalize Spider to find composite INDs covering multiple attributes, and partial INDs, which are true INDs for all but a certain number of values. This last type is particularly relevant when integrating dirty data as is often the case in the life sciences domain - our driving motivation.

Freie Schlagwörter (Deutsch): Metadatenentdeckung , Metadatenqualität , Schemaentdeckung , Datenanalyse , Datenintegration
Freie Schlagwörter (Englisch): metadata discovery , metadata quality , schema discovery , data profiling , data integration
RVK - Regensburger Verbundklassifikation: ST 230
Institut 1: Extern
Institut 2: Hasso-Plattner-Institut für Softwaresystemtechnik GMBH
DDC-Sachgruppe: Informatik
Dokumentart: b Monographie
Schriftenreihe: Technische Berichte des Hasso-Plattner-Instituts für Softwaresystemtechnik an der Universität Potsdam, ISSN 2191-1665
Bandnummer: 34
Sprache: Englisch
Erstellungsjahr: 2010
Publikationsdatum: 15.04.2010
In Printform erschienen im Universitätsverlag Potsdam:

Bauckmann, Jana: Efficient and exact computation of inclusion dependencies for data integration / Jana Bauckmann, Ulf Leser, Felix Naumann. - Potsdam : Universitätsverlag Potsdam, 2010. - 36 S. : graph. Darst.
(Technische Berichte des Hasso-Plattner-Instituts für Softwaresystemtechnik an der Universität Potsdam ; 34)
ISSN 1613-5652
ISBN 978-3-86956-048-9
--> bestellen
Lizenz: Diese Nutzungsbedingung gilt nicht, wenn in den Metadaten eine modifizierende Lizenz genannt ist. Keine Nutzungslizenz vergeben - es gilt das deutsche Urheberrecht

Home | Leitlinien | Impressum | Haftungsausschluss | Statistik | Universitätsverlag | Universitätsbibliothek
Ihr Kontakt für Fragen und Anregungen:
Universitätsbibliothek Potsdam
powered by OPUS  Hosted by KOBV  Open
Archives Initiative  DINI Zertifikat 2007  OA Netzwerk