Schemas for Unordered XML on a DIME
我们调查模式语言的无序XML没有兄弟姐妹之间的相对顺序。首先,我们提出了无序正则表达式(URES),本质上是具有无序连接而不是标准连接的正则表达式,其定义了无序单词的语言来对节点的允许内容进行建模(即,儿童标签的集合)。然而,不受限制的URES计算太昂贵,因为我们显示URES的两个基本决策问题的棘手性:成员的无序字的语言的一个URES和包含两个URES。因此,我们提出了一个实用的和易于处理的限制URES,析取区间多重性表达式(DIMEs)。接下来,我们使用DIME定义无序树的语言,并提出了两种模式语言:析取区间多重性模式(DIMS),和它的限制,无析取区间多重性模式(IMS)。我们研究了以下静态分析问题的复杂性:模式可满足性,成员的树的语言的模式,模式的包容性,以及小枝查询可满足性,蕴涵,并在存在模式的包容。最后,我们研究了所提出的模式语言的表达能力,并将它们与无序树(FO,MSO和Presburger约束)和DTD交换闭包下的标尺语言进行比较。我们的研究结果表明,所提出的模式语言能够表达许多实用的语言无序树,并享有理想的计算性能。
2014-10-28 cs.DB
The XML and Semantic Web Worlds: Technologies, Interoperability and Integration. A Survey of the State of the Art
在新兴的数据网络的背景下,大量的组织、机构和公司(例如,DBpedia、Geonames、PubMed ACM、IEEE、NASA、BBC)采用关联数据实践,并利用语义网(SW)技术发布其数据。另一方面,当今Web中信息交换的主导标准是XML。许多国际标准(例如,Dublin Core、MPEG-7、METS、TEI、IEEE LOM)已经用XML Schema表示,从而产生了大量的XML数据集。SW和XML世界及其开发的基础设施基于不同的数据模型、语义和查询语言。因此,提供互操作性和集成机制来弥合SW和XML世界之间的差距是至关重要的。在本章中,我们将对XML和SW世界所采用的技术和标准进行概述和比较。此外,我们还概述了W3C小组的最新工作,包括最新的工作草案和建议(例如,OWL 2、SPARQL 1.1、XML Schema 1.1)。此外,我们提出了一个调查的研究方法,旨在提供XML和SW世界之间的互操作性和集成。最后,我们提出了SPARQL 2XQuery和XS 2 OWL框架,它们弥合了这两个世界之间的差距,并创建了一个可互操作的环境。这些框架提供了以下机制:(a)查询转换(SPARQL到XQuery转换);(b)映射规范和生成(本体到XML模式映射);以及(c)模式转换(XML模式到OWL转换)。
2016-08-11 cs.DB
Deriving Ontologies from XML Schema
在本文中,我们提出了一种方法和工具,从XML模式文件派生的本体骨架。我们首先回顾一下什么是本体及其与XML模式的关系。接下来,我们专注于本体构建方法和相关的工具要求。然后,我们介绍Janus,一个工具,用于在给定的领域中从各种XML模式构建本体。我们总结了Janus的主要特点,并通过一个简单的例子来说明它的功能。最后,我们比较我们的方法与其他现有的本体构建工具。
2010-01-27 cs.DB cs.PL
Dealing with large schema sets in mobile SOS-based applications
虽然OGC Web服务在服务器、桌面和Web应用程序中的采用已经取得了成功,但它在移动设备中的渗透速度一直很慢。其中一个主要原因是与XML处理相关的性能问题,因为它消耗大量的内存和处理时间,而这在移动终端中是稀缺资源。在本文中,我们提出了一个算法来生成有效的代码,XML数据绑定的移动基于SOS的应用程序。该算法利用了这样一个事实,即单个实现只使用标准模式的一部分,这允许通过使用符合这些模式的XML实例文件的子集,以特定于应用程序的方式简化大型XML模式集。
2011-10-02 cs.DB
HepToX: Heterogeneous Peer to Peer XML Databases
我们研究了一组异构的XML数据库,这些数据库维护相似和相关的信息,通过对等覆盖网络交换数据。在这种情况下,中介的全局模式是不现实的。然而,用户/应用程序希望通过一个对等体使用其模式来查询数据库。我们最近开发了一个P2P异构XML数据库系统HepToX。一个关键的想法是,每当一个对等点进入系统,它建立了一个熟人与少数对等数据库,可能与不同的模式。对等管理员使用箭头和框的非正式且直观的符号来提供本地模式与熟人模式之间的对应关系。我们开发了一种新的算法,推断出一组精确的映射规则之间的模式,从这些视觉注释。我们钉下这样的映射规则的查询翻译的语义,并提出了一种新的查询翻译算法的一个简单的,但富有表现力的片段的XQuery,采用在任何方向的映射规则。我们证明了翻译算法是正确的。最后,我们证明了我们的想法和算法的实用性和可扩展性,一组详细的实验上的Emulab,一个大规模的P2P网络仿真测试床。
2005-06-01 cs.DB
On Typechecking Top-Down XML Tranformations: Fixed Input or Output Schemas
类型检查包括静态验证XML转换的输出是否始终符合满足给定输入类型的文档的输出类型。在这个常规设置中,输入和输出模式以及转换都是问题输入的一部分。然而,输入或输出模式可以被认为是固定的情况在实践中非常常见。在目前的工作中,我们调查的计算复杂性的类型检查问题,在后者的设置。
2006-06-22 cs.DB cs.PL
Affinity-based XML Fragmentation
在本文中,我们解决了高度分布式数据库的碎片问题。在这样的环境中,合适的分段策略可以通过最小化分布式事务来提供可伸缩性和可用性。我们提出了一种XML碎片的方法,作为输入的应用程序的预期工作量和存储阈值,并产生作为输出的XML碎片模式。我们的工作负载感知方法旨在通过将相关数据打包到一小部分片段中来最大限度地减少分布式事务的执行。我们目前的实验比较替代碎片模式,表明我们的技术产生的一个提供了更细粒度的结果和更好的系统吞吐量。
2013-04-24 cs.DB
Discovering Restricted Regular Expressions with Interleaving
从给定的XML文档中发现一个简洁的模式是XML应用中的一个重要问题。在本文中,我们专注于从一组给定的XML示例中学习无序模式的问题,这实际上是一个学习的问题,限制正则表达式交错使用正例字符串。具有交错的模式可以呈现有意义的知识,这些知识不能被先前的推理技术所揭示。此外,推理的最小模式交织是具有挑战性的。发现一个最小的模式与交织的问题是NP-难的。因此,我们开发了一个近似算法和一个启发式的解决方案来解决这个问题,使用不同的技术从已知的推理算法。我们在真实世界的数据集上进行实验,以证明我们的方法的有效性。事实证明,我们的启发式算法产生的结果非常接近最优。
2015-04-01 cs.DB
Type-Based Detection of XML Query-Update Independence
本文提出了一种新的静态分析技术来检测XML查询更新的独立性,在一个模式的存在。而不是类型,我们的系统推断类型链。每个链表示在查询/更新评估期间可以在有效文档上遍历的路径。由此产生的独立性分析是精确的,尽管它提出了一个具有挑战性的问题:递归模式可能导致推断出无限多个链。一个健全的和完整的近似技术,确保在任何情况下的有限分析,连同一个有效的实施执行链为基础的分析多项式的空间和时间。
2012-05-30 cs.DB
Practical Study of Deterministic Regular Expressions from Large-scale XML and Schema Data
正则表达式是计算机科学中的一个基本概念,广泛应用于各种应用中。在本文中,我们重点讨论了确定性正则表达式(DRES)。考虑到研究者以前没有大的数据集作为证据,我们首先从网络上收集了大量的真实数据,然后进行了一个实际的研究,以调查使用的DREs。我们的工作的一个特点是,数据集是足够大的相比,以前的工作,这是使用我们提出的几个数据汇集策略。结果表明,Relax NG中超过98%的表达式是DRE,RegExLib中超过56%的表达式是DRE,而Relax NG和RegExLib都没有确定性约束。这些意见表明,销毁去除率在实践中得到普遍使用。这些结果也表明进一步研究DRE的亚类是必要的。据我们所知,我们是第一个分析Relax NG和RegExLib的DRE的确定性和子类,并给出这些结果。此外,我们还对该数据集进行了一些讨论和应用.我们从原始数据中获得了一个DRE数据集,这在实践中将是有用的,它本身就有价值。我们发现,目前对DREs新亚类的研究还不够,因此有必要做进一步的研究。分析了XSD之间的引用关系,定义了可用于XML Schema设计的SchemaRank。
2018-05-31 cs.DB
Search Driven Analysis of Heterogenous XML Data
XML存储库上的分析处理通常是通过设计复杂的数据转换来实现的,这些转换将文档分解为一个通用的数据仓库模式。这可能非常耗时和昂贵,尤其是当底层XML数据在结构上有很多变化,并且只有属性的子集构成有意义的维度和事实时。今天,还没有工具来探索XML数据集,发现有趣的属性、维度和事实,并快速原型化OLAP解决方案。在本文中,我们提出了一个系统,称为SEDA,使用户能够从简单的关键字风格的查询,并以交互方式完善查询的结果摘要的基础上。然后,SEDA将查询结果映射到一组已知的或新创建的事实和维度上,并导出一个星型模式及其实例,以供输入现成的OLAP工具进行进一步分析。
2009-09-09 cs.DB
XML content warehousing: Improving sociological studies of mailing lists and web data
在本文中,我们提出了一个基于XML的Web数据的社会学研究,如分析邮件列表或数据库在线的方法的指导方针。使用XML仓库是存储和处理这类数据的灵活解决方案。我们提出了一个实施的解决方案,并显示可能的应用程序与我们的案例研究的轮廓参与W3C标准制定活动的专家。我们说明了社会学使用的半结构化数据库,提出我们的XML模式的邮件列表仓库。XML模式允许在不修改现有数据集的情况下对数据源进行多次转换或交叉,同时允许可能的结构演变。我们还表明,隐藏数据的存在意味着传统的SQL用户的复杂性增加。XML内容仓库允许对内容进行详尽的仓库存储和递归查询,对初始存储的依赖性要小得多。最后,我们提出了将存储在仓库中的数据导出到常用的高级软件中进行社会学分析的可能性。
2011-08-23 cs.DB
Warehousing Web Data
在数据仓库过程中,掌握数据准备阶段可以在执行多维分析或使用数据采掘算法时在时间和性能方面获得实质性的收益。此外,数据仓库可能需要外部数据。在这种情况下,网络是一个普遍的数据源。在本文中,我们提出了一个建模过程,将不同的和异构的(所谓的多形式)数据集成到一个统一的格式。此外,模式定义在我们的数据仓库上下文中提供了一流的元数据。在概念层次上,一个复杂的对象用UML表示。我们的逻辑模型是一个XML模式,可以用DTD或XML-Schema语言描述。最后,我们设计了一个Java原型,它将我们的多种形式的输入数据转换为表示我们的物理模型的XML文档。然后,我们获得的XML文档被映射到一个关系数据库中,我们将其视为ODS(操作数据存储),其内容必须以多维方式重新建模,以允许其存储在基于星型模式的仓库中,并在以后进行分析。
2007-05-10 cs.DB
Automata-based Static Analysis of XML Document Adaptation
XML文档的结构可以通过XML模式的方式可选地指定,从而能够利用结构信息进行有效的文档处理。在模式演变时,或者当在利用相关但不相同的模式的不同集合之间交换文档时,可能出现使已知对于给定模式S有效的文档适应目标模式S '的需要。该适配可能需要元素语义的知识,并且不能总是自动导出。在本文中,我们提出了一个自动机为基础的静态分析的用户定义的XML文档的适应性,表示为序列的XQuery更新更新原语。该方法的主要特点是使用自动推理方法提取的类型,表示为一个对冲自动机,一系列的文件更新。从原始模式S和重写规则开始计算类型,重写规则形式上定义了文档更新序列的操作语义。然后,类型包含可以用作一致性测试w.r.t.。从目标模式S '中提取的类型。
2012-10-09 cs.DB cs.DS cs.FL
A Grammatical Inference Approach to Language-Based Anomaly Detection in XML
误报是基于异常的入侵检测系统中的一个问题。针对这个问题,我们讨论了异常检测的可扩展置标语言(XML)的语言理论的观点。我们认为,许多基于XML的攻击目标的语法水平,即树结构或元素的内容,和XML文档的语法验证减少了攻击面。XML提供了所谓的模式来进行验证,但在现实世界中,模式通常不可用、被忽略或过于通用。在这篇正在进行的论文中,我们描述了一种语法推理方法,从示例XML文档中学习自动机,用于检测具有异常语法的文档。我们讨论了XML的属性和表达能力,以理解可学习性的局限性。我们的贡献是一个XML模式兼容的词汇数据类型系统抽象的XML内容和学习算法明显下推自动机(VPA)直接从一组例子。该算法不需要XML的树表示,因此可以处理大型文档或流。然后,所得到的确定性VPA允许文档的流验证,以识别底层树结构或数据库中的偏差。
2013-06-25 cs.CR cs.DB
XML Matchers: approaches and challenges
University of Messina(墨西拿大学);Indiana University Bloomington(印第安纳大学伯明顿分校);University Mediterranea of Reggio Calabria(雷焦卡拉布里亚地中海大学)
模式匹配(SchemaMatching),即发现不同数据源模式中概念之间的语义对应关系的过程,多年来一直是数据库和人工智能研究领域的一个重要课题。在过去,它主要是针对经典数据库模型(例如,E/R模式、关系数据库等)。然而,近年来,XML在大多数不同的应用领域的广泛采用促使越来越多的研究人员设计特定于XML的模式匹配方法,称为XML Matchers,旨在发现DTD和XSD中定义的概念之间的语义匹配。XML匹配器不仅采用最初为其他数据模型设计的众所周知的技术并将其应用于DTD/XSD,而且还利用特定的XML特性(例如,DTD/XSD的层次结构)来提高模式匹配过程的性能。XML匹配器的设计是目前一个成熟的研究领域。本文的主要目标是提供一个详细的描述和分类的XML匹配器。我们首先描述DTD/XSD的特性在多大程度上影响了模式匹配任务。然后,我们介绍一个称为XML Matcher Template的模板,它描述了XML Matcher的主要组件,以及它们的角色和行为。我们说明了这些组件是如何在一些流行的XML匹配器中实现的。我们将XML Matcher模板视为客观比较方法的基准,这些方法乍看上去可能是不相关的。这个模板的引入在未来的XML匹配器的设计中会很有用。最后,我们分析了实现XML匹配器的商业工具,并介绍了与此主题密切相关的两个具有挑战性的问题,即XML源聚类和XML匹配器中的不确定…
2014-07-10 cs.AI cs.DB cs.IR
Learning Deterministic Regular Expressions for the Inference of Schemas from XML Data
为给定的XML文档集合推断适当的DTD或XML模式定义(XSD)实质上简化为从正例单词集合中学习确定性正则表达式。不幸的是,没有一个算法能够只从正例中学习确定性正则表达式的完整类,正如我们将要展示的那样。然而,在实际的DTD和XSD中出现的正则表达式使得每个字母符号只出现很少的次数。因此,在实践中,学习确定性正则表达式的子类就足够了,其中每个字母符号最多出现k次,对于某个小k。我们将这样的表达式称为k-出现正则表达式(简称k-ORE)。出于这种观察,我们提供了一个概率算法,学习k-ORE的增加值的k,并选择确定性的一个最好的描述样本的基础上的最小描述长度参数。该方法的有效性在真实世界和合成数据上都得到了经验验证。此外,该方法被证明是保守的,在以前的工作中考虑的表达式的简单类。
2010-04-14 cs.DB cs.FL
Learning Restricted Regular Expressions with Interleaving
University of Chinese Academy of Sciences(中国科学院大学);Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所)
为XML文档提供XML模式的优点有很多。然而,实际上许多XML文档并没有伴随着模式或有效的模式。Relax NG是一种流行的、功能强大的模式语言,它支持无约束交织运算符。针对Relax NG的推理问题,提出了一种新的带交错的正则表达式子类,并设计了一种多项式推理算法。在大规模真实数据和三个XML数据库上进行了一系列实验,实验结果表明,本文提出的算法具有更好的实用性,推理出的正则表达式更精确。
2019-04-30 cs.AI cs.DB
Constraint-based Query Distribution Framework for an Integrated Global Schema
分布式异构数据源需要使用全局模式进行统一查询。对全局模式的查询被重新制定,以便它可以在本地数据源上执行。全局架构和映射中的约束用于源选择、查询优化以及查询分区和复制的数据源。所提供的系统都是基于XML的,它以XML形式提出查询,转换并将本地结果集成到XML文档中。贡献包括在我们现有的全球模式,有助于在源选择和查询优化,和查询分布式异构数据源的全球查询分布框架的约束的使用。
2010-04-13 cs.DB cs.DC cs.IR
Janus: Automatic Ontology Builder from XSD Files
Orange Labs(奥兰奇实验室);University of Versailles(凡尔赛大学)
为一个大的领域构建一个参考本体仍然是一项艰巨的人工任务。这个过程有时会得到软件工具的帮助,这些软件工具有助于从文本语料库中提取信息抽取。尽管XML模式文件在互联网上,特别是在B2B领域中的大量使用,但提供XML模式完整语义分析的工具确实很少。在本文中,我们介绍Janus,一个工具,自动建立一个参考知识库从XML模式文件。Janus还提供了不同的有用视图来简化B2B应用程序集成。
2010-01-27 cs.AI cs.DB
Web data modeling for integration in data warehouses
在数据仓库过程中,数据准备阶段至关重要。掌握这个阶段可以在执行多维分析或使用数据采掘算法时在时间和性能方面获得实质性的收益。此外,数据仓库可能需要外部数据。在这种情况下,网络是一个普遍的数据源,但在这种介质上广播的数据是非常异构的。在本文中,我们提出了一个复杂的对象表示任何有用的数据源(数据库,纯文本,HTML和XML文档,图像,声音,视频剪辑的超类UML概念模型。转换为逻辑模型是通过XML实现的,它有助于将所有这些不同的异构数据集成到统一的格式中,并且其模式定义在我们的数据仓库环境中提供了一流的元数据。此外,我们受益于XML的灵活性、可扩展性和半结构化数据模型的丰富性,但是如果需要更多的结构化,我们仍然能够在以后将XML文档映射到数据库中。
2007-05-10 cs.DB
An Effective Algorithm for Learning Single Occurrence Regular Expressions with Interleaving
Institute of Software, Chinese Academy of Sciences(中国科学院软件研究所);University of Chinese Academy of Sciences(中国科学院大学);Beijing University of Technology(北京工业大学)
模式的存在所提供的优点是多方面的。然而,在实践中,许多XML文档并不伴随着一个(有效的)模式,使模式推理一个有吸引力的研究问题。XML模式学习的基本任务是推断正则表达式的受限子类。大多数以前的工作要么缺乏对交织的支持,要么只有有限的支持交织。在本文中,我们首先提出了一个新的子类单次出现的正则表达式与交织(SOIRE),它具有无限制的支持交织。然后,基于单次出现自动机和最大独立集,我们提出了一个算法iSOIRE推断SOIRE。最后,我们在真实数据集上进行了一系列实验,并与学术界的学习算法和工业界的工具进行了比较,以评估我们工作的有效性。实验结果验证了SOIRE的实用性和iSOIRE的有效性,表明了我们工作的高度精确性和简洁性。
2019-06-05 cs.AI cs.DB
IVOA Recommendation: TAPRegExt: a VOResource Schema Extension for Describing TAP Services
本文档描述了一种XML编码标准,用于实现表访问协议TAP [TAP]的服务的元数据,称为TAPRegExt。实例文档是服务的注册表记录的一部分,也可以从服务本身获得。它们向人类和软件提供有关服务支持的语言、输出格式和上传方法的信息,以及由公开表实现的数据模型、可选语言功能和服务强制执行的某些限制。
2014-02-19 astro-ph.IM cs.DB
Conceptual Level Design of Semi-structured Database System: Graph-semantic Based Approach
本文提出了一种基于图-语义的半结构化数据库系统概念模型GOOSSDM,它以面向对象的方式对半结构化数据库系统的各个方面进行概念化。该模型定义了一组基于图的形式化结构、各种具有参与约束的关系类型和丰富的图形符号集,用于描述半结构化数据库系统的概念级设计。所提出的设计方法有利于不规则的,异构的,层次和非层次的半结构化数据在概念层面上的建模。此外,建议GOOSSDM是能够在概念级的XML文档建模与文档为中心的设计,排序和析取特性的设施。本文还提出了一种基于规则的GOOSSDM模式到等价XML模式定义(XSD)的转换机制。所提出的概念模型的概念已实现使用通用建模环境(GME)。
2012-02-21 cs.DB cs.SE
A Tree Pattern Matching Algorithm for XML Queries with Structural Preferences
在XML社区中,精确查询允许用户精确地指定他们想要在XML文档中检查和/或检索的内容。当它们应用于半结构化文档或具有过于复杂模型的文档时,缺乏或忽略显式文档模型(DTD-文档类型定义、模式等)当查询太具体时,会增加获得空结果集的风险,或者当查询太模糊时,会增加获得太大结果集的风险(例如,它包含诸如"*"的通配符)。原因在于,在这两种情况下,用户都是根据他们心目中的文档模型编写查询的;这可能与实际上可以从文档中提取的模型相差甚远。相对于精确查询,偏好查询更加灵活,并且可以在其评估期间放宽以扩展搜索空间。事实上,在评估过程中,如果有必要,可以放松某些约束(它们包含的偏好),以避免精确的空结果;此外,可以过滤返回的答案,只保留最好的答案。本文提出了一种算法来评估这样的查询的启发,姚等人提出的TreeMatch算法。精确查询。在所提出的算法中,最佳答案是通过使用适应的天际线运营商(定义在关系数据库)的上下文中的文件(树)逐步过滤到部分解决方案集,那些满足最大的优先约束。对文件施加的唯一限制是无自我约束。
2019-06-07 cs.DB cs.IR
The Typed Graph Model -- a Supermodel for Model Management and Data Integration
本文提出一种带属性和标签、受模式约束的类型化图模型,利用超节点和超边提升数据质量与分析能力,并证明其表达能力至少等价于主流数据模型,可作为模型管理和数据集成的超级模型。
2021-12-06 cs.DB
pykci: A Compact Urban Knowledge Graph for Semantic and Spatial Queries using LLMs
HafenCity University Hamburg(汉堡港城大学)
提出pykci系统,将CityGML 2.0数据集转换为Neo4j紧凑城市知识图谱,通过大语言模型实现自然语言查询,支持语义和空间查询,减少幻觉并提供可审计来源。
2026-07-03 cs.DB