Dissertação de Mestrado

Type-aware XML Duplicate Detection

Orientador

Pavel Pereira Calado

Co-Orientador

Helena Isabel de Jesus Galhardas

Enquadramento

Muitas empresas armazenam dados essenciais ao seu funcionamento em várias bases de dados independentes. É frequente este processo dar origem à existência de dados redundantes, o que pode implicar custos desnecessários no seu funcionamento. Por exemplo, uma empresa que guarde informação sobre o cliente em duas bases de dados separadas pode, inadvertidamente, enviar correspondência em duplicado. Para resolver este problema, foi proposto num mestrado anterior, com sucesso, um método eficaz de detecção de duplicados em BDs. No entanto, este método limitava-se a comparar todos os elementos no objecto XML como strings de texto. No entanto, é possível determinar o tipo destes elementos através do seu esquema (DSD ou XSD). Este trabalho consiste na implementação de um sistema de detecção de duplicados em XML capaz de usar o tipo dos elementos para escolher correctamente a melhor função de similaridade a usar.

Objectivos

Implementar um método de detecção e eliminação de objectos duplicados em bases de dados XML, capaz de analisar cada elemento dos objectos XML de acordo com o seu tipo.

Descrição

Este trabalho consistirá em: * realizar uma pesquisa bibliográfica sobre detecção de duplicados * estudar o sistema existente de detecção de duplicados em XML * desenhar uma solução para a escolha de funções de similaridade de acordo com o tipo dos elementos implementar a solução desenhada * testar e avaliar a solução implementada-

Resultado Esperado

Sistema de detecção e eliminação de objectos duplicados em bases de dados XML, capaz de analisar cada elemento dos objectos XML de acordo com o seu tipo.

URL da descrição detalhada da dissertação

http://dmir.inesc-id.pt/dmir/

Observações

Referências * Structure-based inference of xml similarity for fuzzy duplicate detection

Localização da realização da dissertação

INESC-ID, Taguspark