Rozprawy doktorskie na temat „XMLD”

Sammanfattning, max 25 rader. :

Denna rapport utreder möjligheten till att ta in stora mängder data in i en databas och göra sammanslagningar. Detta för att sedan skicka en mängd data på ett smidigt sätt till en klient som ska bearbeta datat. Arbetet sträcker sig från databas till ett API möjligt att implementera i en applikation som önskar hämta informationen. Arbetet innebär en intelligent hämtning av data för visualisering. Det är ett av två examensarbeten som ligger till grund för en visualisering av försäljningsdata för sportbutikskedjan Stadium AB. Stadium AB har idag ca 80 butiker, vilket innebär en stor försäljning per vecka. Tanken är att detta ex-jobb tillsammans med det parallellt gående ex-jobbet ska vara till hjälp för Stadium AB vid inköp av produkter till nästkommande säsonger. Det ex-jobb som löpte parallellt med detta visualiserar mängden av produkter som säljs för en viss tidpunkt vilket ger Stadium möjlighet att se vilka tidpunkter de har för lite produkter i butiken samt när de har för mycket produkter. Detta ex-jobb ska förse visualiseringsapplikationen med den information som krävs. Sales Data Provider, som applikationen heter, bygger på en datalager lösning som grund. Den innehåller beräknade försäljningsdata på olika nivåer för att lätt kunna gräva sig ner i hierarkin och se information om hur olika produkter säljer. Som transportmedel från datalager till klient använder den Web Services med XML som media, för att möjliggöra en distans mellan datalager och klient. Dessutom innehåller den en logisk klient som tar hand om alla anrop mot Web Servicen och exponerar ett API som visualiseringsapplikationen kan använda sig av. Klienten innehåller både logik för att hämta data från Web Servicen och att exponera data genom en objektmodell.

Electronic data interchange (EDI) är en teknik vilken används för att utbyta elektroniska dokument mellan köpare och säljare. Dessa dokument överförs på en strikt elektronisk standardiserad väg, dokumenten kan vara fakturor, beställningsformulär, leveransplaner etc. EDI har funnits i över 25år och är vida spridd över världen. För att använda EDI krävs det stora resurser i form av kapital och kunskap. Små och medelstora företag har ofta inte de resurser som krävs för att kunna använda EDI.

Nya tekniker utvecklas ständigt. Extensibel Markup Language (XML) är en ny teknik vilken är avsedd att användas främst på Internet. XML delar upp dokumenten med hjälp av etiketter vilket hjälper läsaren att identifiera innehållet i dokumenten. XML har väckt EDI-samhällets intresse då XML anses ha kapaciteten att kunna användas som ett EDI-format samtidigt som XML är Internetanpassat vilket betyder att EDI enklare skulle kunna användas på Internet.

I mitt examensarbete har jag utrett om EDI-användande företag avser använda XML/EDI. Jag har genomfört intervjuer för att besvara problemformuleringen. Resultaten jag kommit fram till är att företagen avser använda XML/EDI om en ordentlig standard blir framtagen. Företagen är dessutom positivt inställda till XML/EDI samt Internetbaserad EDI. Anledningen till den positiva inställningen är främst att XML/EDI samt Internetbaserad EDI skulle innebära lägre kostnader vilket i sin tur skulle innebära att även små och medelstora företag skulle kunna använda tekniken.

Den huvudsakliga tekniken som använts inom webbutveckling består av märkordspråket HTML men HTMLs funktionalitet är för enkelt för att tillfredställa de kraven på komplexa applikationer. En ny teknik i form av märkordsspråket XML uppkom med tanke på att göra lättare att implementera webbaserade applikationer. XML erbjuder möjligheter att utveckla egna element och utforma egna dokumentstrukturer.

Relationsdatabaser är sedan många år ett väl fungerande datahanterarsystem. Med tanke på att göra informationen tillgänglig på Internet är det oundvikligt att undersöka om XML kan användas för att lagra en relationsdatabas. Detta arbete har i syfte att teoretisk analysera hur XML hanterar begreppen primär- och främmande-nyckel från relationsdatabaser. Nyckeln är ett viktigt begrepp inom en relationsdatabas sammanhang därför är en bra startpunkt att undersöka om XML klarar en nyckel hantering som i relationsdatabas.

Flertal teorier har undersökts i denna rapport för att försöka kartlägga de olika förslagen. Efter undersökningen kom författaren till denna rapport fram till att en grupp av de förslagen passar bäst, för att data som lagras i XML, har det inte samma struktur som den data som lagras i relationsdatabaser och på så sätt skiljer sig hanteringen av nycklarna.

Denne masteroppgaven foreslår og undersøker en metode for hvordan informasjons-gjenfinning i heterogene XML dokumenter kan gjøres ved å differensiere indekserings-prosessen ut i fra datatyper angitt i tilhørende XML Schema. Målet er å tilby bedre søkemuligheter for informasjonssøkere ved å muliggjøre spørringer som er uavhengige av elementnavn i en samling av forskjellig strukturerte dokumenter. Informasjonssøking foregår i dag primært i ustrukturerte dokumenter der betydningen av innholdet ikke er direkte kjent. Dette krever kompliserte og unøyaktige tolkninger av innholdet for å kunne trekke ut hva som er hva og hvordan dokumentene best mulig kan indekseres. En stadig økende mengde produsert informasjon og metadata gjør dette til en krevende prosess å utføre manuelt. Det trengs derfor nye metoder der innholdet blir beskrevet ved produksjonstidspunktet slik at en datamaskin automatisk kan forstå dokumentenes innhold. Semistrukturerte dokumentformater som XML inneholder støtte for spesifisering av slik informasjon og muliggjør differensiert indeksering av innholdet basert på annotert informasjon. Dette gjør mer detaljerte spørringer enn tidligere mulig men stiller nye krav til de metoder som brukes for å indeksere dokumentene. En av de største utfordringene er å lokalisere og tolke den informasjonen som øker kvaliteten på resultatet av et søk uten at noe informasjon forsvinner. Informasjonen eksisterer ikke i en flat tekstfil, men inneholder distinkte datatyper som må behandles individuelt. Dette krever nye metoder som muliggjør indeksering basert på denne informasjonen. I denne oppgaven presenteres et forslag til et system som indekserer XML dokumenter ved å tolke tilhørende XML Schema inneholdende annotasjoner av datatype og dataformat. Ved å bruke for hvert element denne informasjonen er ønsket at indekseringen gjøres ved å automatisk normalisere elementinnholdet ut i fra angitt format og datatype. Søk kan dermed optimaliseres basert på datatype uavhengig av om originalt format og dokumentstruktur er forskjellig. Testing av systemet er gjennomført for å finne ut hvordan eksisterende XML dokumenter støtter denne typen indeksering og eventuelle løsninger for hvordan det kan gjøres bedre. Utkommet fra arbeidet på oppgaven og hovedkonklusjonen er at den foreslåtte metoden fungerer godt som løsning på problemstillingen, gitt at de eksterne data som brukes er strukturert slik at datatyper kan defineres for innholdet.

Den enorme økningen av digitale dokumenter de siste 15 årene har ført til en eksplosjonsartet interesse for, og utvikling av, informasjonsgjenfinning. IR har lenge forholdt seg til dokumenter med lite eller ingen formell struktur, og har blitt dominert av de tre søkemodellene boolsk modell, vektormodell og sannsynlighetsmodell. Den stadig voksende mengden med digital informasjon har etter hvert ført til et behov for større formalitet, noe som har ført til utvikling og introduksjon av strukturerte dokumentformater som SGML og XML. Spesielt sistnevnte språk ser stadig mer utstrakt bruk som format for digital informasjon, noe som fører til nye utfordringer og muligheter innen IR. Informasjonsgjenfinning i XML dokumenter setter nye krav til lagring av dokumenter, prosessering av innholdet i dokumentene, indeksering og søking etter informasjon. Et mangfold av muligheter åpner seg også, men ikke helt uten videre, inngående forskning og studier kreves for å kunne få utbytte av disse mulighetene. En viktig framdriftskraft i denne sammenhengen er INEX, et initiativ som eksisterer for å fremme utviklingen av informasjonsgjenfinning i XML dokumenter. Endringene som kreves for å tilpasse seg de nye dokumentformatene ligger i detaljene. På overordnet nivå forholder ikke IR-systemer seg til om dokumentene er strukturerte eller ikke, det er i de enkelte modulene av systemet, hvor parsing, tekstbehandling, indeksering og søking foregår, at utfordringene ligger for forskere og utviklere. Samtidig presenterer XML nye muligheter for brukerne av slike systemer, gjennom nye måter å formulere spørringer på og nye muligheter for å presentere søkeresultater på. IR i XML er et forskningsområde som er svært viktig for fremtiden innen håndtering av digital informasjon, og vil fortsette å få mye oppmerksomhet i lang tid fremover.