Universität Rostock, Lehrstuhl Datenbank- und Informationssysteme: Dbis Repository
Not a member yet
940 research outputs found
Sort by
Heraldik und Semantic Web: Redesign einer Wappendatenbank
Full text linkDie wachsende Bedeutung des Forschungsfelds der Digital Humanities als digitale Kultur- und Geisteswissenschaften in den vergangenen Jahren ist unbestreitbar. Ein Feld, dem dabei bisher vergleichsweise wenig Beachtung geschenkt wurde, ist die Heraldik oder Wappenkunde als Hilfswissenschaft der Geschichtsforschung. Bis heute existiert kein gängiger Standard zur Spei- cherung von Wappen in digitaler Form. Für einen solchen spielen zwei Aspekte eine wichtige Rolle: die Möglichkeit der Recherche nach dem Inhalt des Wappens und die Formalisierung der der Heraldik eigenen Blasonierungssprache. In dieser Bachelorarbeit wird eine Idee zur Wappenbeschreibung vorgestellt, die beide genannten Punkte ermöglicht, die sogenannten Begr
Qualitätssicherung für ChaTEAU
Full text linkIm Sommersemester 2021 im Modul KSWS hatten wir als Gruppe 3 als Oberthema die Qualitätssicherung des Programms ChaTEAU. Die Aufgabe bezog sich auf das Programm aus Sicht eines Programmierers und umfasste deshalb, den Quellcode des Programms durchzusehen und hinsichtlich Benutzbarkeit, Verständlichkeit und Erweiterbarkeit zu überprüfen, die Funktionalität der Anwendung zu testen und gegebenenfalls zu überarbeiten oder reparieren, sowie eine Dokumentation zu erstellen.
Begleitend gab es einen Vorlesungsteil, der die mit ChaTEAU umgesetzten theoretischen Grundlagen behandelte.
Wir nutzen für die Arbeit das GitLab der IEF, wo die Änderungen auf Code-Ebene einsehbar sind und die Diagramme in voller Auflösung vorliegen.
Die Ergebnisse unserer Arbeit werden in diesem Bericht festgehalten
Datenintegration durch inverse Schemaabbildungen: Erweiterung der Rostocker GaLVE-Technik
Full text linkBei einer herkömmlichen Datenintegration stehen global nur die Daten zur Verfügung, die man auch ins globale Schema abgebildet hat. Ebenso nachteilig ist, dass man für Anfragen an die globale Datenbank das neue globale Schema nutzen muss. So müssen nicht nur neue Anfragen an das neue Schema gestellt werden, sondern auch Legacy-Anwendungen umgeschrieben werden, wenn diese auch auf die Integra- tionsdaten in der globalen Datenbank zugreifen sollen. Diese Nachteile können mit einer Erweiterung der Quelldatenbanken der Datenintegration behoben werden. Mit dem in dieser Arbeit vorgestellten Konzept entwickeln wir ein GaLVE-Verfahren, das mit Hilfe von inversen Schemaabbildungen eine Datenintegra- tion als Erweiterung lokaler relationaler Datenbanken umsetzt. Indem wir beliebige durch S-T TGDs formulierte Schemaabbildungen invertieren, erweitern und nachbereiten, erhalten wir eine um neue Tu- pel und interessante Attribute der globalen Datenbank erweiterte Quellinstanz unter einem erweiterten Quellschema. Bestehende Anfragen an dieses erweiterte Quellschema können wie gewohnt angewendet werden und haben direkten Zugriff auf die neuen Tupel. Neue Anfragen können weiterhin auf dem bekannten Quellschema entwickelt werden und dann bei Bedarf die neuen Attribute in der Erweiterung des Quellschemas nutzen. Besonders interessant an unserem GaLVE-Verfahren ist der auf der bisher erfolgten Forschung zur Invertierung von Schemaabbildungen aufbauende, einfache Invertierungsalgo- rithmus, der mit den Disjunktiven-Mengen eine abgewandelte Darstellung der disjunktiven TGDs liefert, welche gute Weiterverarbeitungsmöglichkeiten bieten. Für die Erweiterung der Quelldatenbanken und dessen Nachbereitung stellen wir mit den bEGDs eine ebenso interessante Möglichkeit der Bereinigung von inkonsistenten Integrationsdaten vor
Der BACKCHASE zur Unterstützung von Data Provenance und Schema-Evolution
Full text linkDer CHASE-Algorithmus ist ein Multifunktionswerkzeug der Datenbankforschung. Ursprünglich für die Optimierung des Datenbankentwurfs genutzt, wird er heutzutage auch für den Datenaustausch und Data-Cleaning verwendet und kann ebenfalls genutzt werden, um Anfragen zu optimieren. Für einige Anwendungen reicht eine CHASE-Phase alleine jedoch nicht aus. Teilweise wird eine Nachbearbeitung, eine sogenannte BACKCHASE-Phase, benötigt. Dies ist beispielsweise der Fall, wenn Auswertungen zum Zweck der Rückverfolgbarkeit (Provenance) invertiert werden sollen.
In dieser Arbeit fassen wir zusammen, wie der Ansatz des CHASE und BACKCHASE verwendet werden kann, um die Why-Provenance von Anfragen unter Schema-Evolution zu gewährleisten
Data Provenance
Full text linkWir werden eine grafische Benutzeroberfläche für das Forschungsprojekt ProSA entwickeln. Das Ziel von ProSA ist die Bestimmung der für ein Anfrageergebnis notwendigen, minimalen Quelldaten im Rahmen von Provenance Management. ProSA nutzt das Java-Tool ChaTEAU, um aus der Quell-Datenbank und einer SQL-Anfrage die minimale Teildatenbank zu bestimmen.
ChaTEAU bekommt eine s-t tgd in Form eines XML-Dokuments und auf dessen Basis wird mit seiner Implementierung der Chase-Algorithmus zwei Mal ausgeführt. Nach der ersten Ausführung hat man das Anfrageergebnis beziehungsweise die Ergebnisinstanz. Beim zweiten Ausführen von ChaTEAU wird als Eingabe die Inverse Anfrage genommen und als Ergebnis erhält man dann die minimale Teildatenbank. Außerdem werden mithilfe des Provenance-Typs und der SQL-Anfrage Provenance-Berechnungen durchgeführt, dessen Ergebnisse dann mit der minimalen Teildatenbank kombiniert werden. Diese wird dann in der von uns entwickelten Benutzeroberfläche von ProSA ausgegeben
Der BACKCHASE zur Unterstützung von Data Provenance und Schema-Evolution
Full text linkDer CHASE-Algorithmus ist ein Multifunktionswerkzeug der Datenbankforschung. Ursprünglich für die Optimierung des Datenbankentwurfs genutzt, wird er heutzutage auch für den Datenaustausch und Data Cleaning verwendet und kann ebenfalls genutzt werden, um Anfragen zu optimieren. Für einige Anwendungen reicht eine CHASE-Phase alleine jedoch nicht aus. Teilweise wird eine Nachbearbeitung, eine sogenannte BACKCHASE-Phase, benötigt. Dies ist beispielsweise der Fall, wenn Auswertungen zum Zweck der Rückverfolgbarkeit (Provenance) invertiert werden sollen.
In dieser Arbeit fassen wir zusammen, wie der Ansatz des CHASE und BACKCHASE verwendet werden kann, um die Why-Provenance von Anfragen unter Schema-Evolution zu gewährleisten
Eignung von funktionalen Abhängigkeiten und Inklusionsabhängigkeiten zur Reformulierung von Anfragen unter Datenschutzaspekten
Full text linkProvenance Tools
Full text linkThe importance of provenance has arose for all kinds of sciences over the recent years. During research on data provenance, several tools have been developed to use provenance in a practical way. We chose seven of those tools and exhaustingly tested five of them: Trio, ORCHESTRA, Perm, GProM, and ProvSQL. In this article, we first introduce the basics of data provenance, especially where-, why-, and how-provenance. After that, we present the results of our tool tests