Introdução e Conceitos Básicos

Banco de Dados e Internet
Prof. Dr. Cláudio Baptista
Plano de curso





1. Introdução à integração de BD com
Web
2. Modelagem de dados semiestruturados - XML
3. Consulta a dados semi-estruturados XML
4. A Web Semântica
5. Estudos de Caso
Introdução

Revisando SGBD

Qual o propósito de um SGBD?








Independência de dados-programa
Persistência de dados
Concorrência
Recuperação de falhas
Processamento de consultas
Controle de integridade
Controle de Segurança
Distribuição dos dados
Introdução

Revisando SGBD

Características:





Esquema pré-definido
Esquema pouco muda uma vez definido
Estrutura rígida
Níveis de abstração: Externo, Conceitual,
Lógico e Físico
Linguagem de alto nível declarativa para
definição e manipulação dos dados (DDL e
DML)  diz O QUE ao invés de COMO!
Introdução

Dados



Estruturados
Semi-estruturados
Não-estruturados
Introdução

Dados Estruturados




São os dados armazenados no SGBD’s com
esquema rígido.
Ex.: Create table Empregado (matricula int,
nome varchar(30), salario float);
A estrutura é conhecida a priori, então os
comandos de inserção, seleção, atualização e
remoção usam esta estrutura para manipular
os dados
Neste caso a integração com a Web se dá
através do uso de um protocolo de
conectividade, por exemplo JDBC.
Introdução

Dados Não-Estruturados

São dados que não possuem nenhuma
estrutura, tais como um texto, uma imagem,
um video. Portanto, do ponto de vista do SGBD
estes dados são considerados como uma caixa
preta, que precisa ser lida como um stream
(fluxo de bytes).
Introdução

Dados Semi-Estruturados


São conhecidos pela ausência de esquema
e por serem auto-descritivos.
Apresentam uma representação estrutural
heterogênea
Introdução

Dados Semi-Estruturados

Possuem as seguintes características:







Definição à posteriori
Estrutura irregular (ex. curriculum vitae)
Estrutura implícita
Estrutura parcial
Estrutura extensa
Estrutura evolucionária
Distinção entre estrutura e dados não é clara
Introdução

BD x Recuperação da Informação

Duas culturas distintas no passado que
precisam ser integradas no presente!
Gestão de documentos
SGML
Documentação
hipertexto
HTML
Gestão de dados
Bases de dados
estruturados
(relacionais e objeto)
Bases de dados
semi-estruturadas
Sistema de Recuperação de Informação
Doc umentos
Texto
Atribuir id's aos
doc umentos
Quebrar o texto
em pal avras
Pal avras
Atribuir pesos
aos termos
stop-words
Palavras não-comuns
Raízes
Determi nar
raízes (s tem )
Banco de Dados
(Termos e Documentos )
Conjunto de documentos
relevantes
Raízes
Determi nar
raízes (s tem)
Operações
booleanas
Termos da query
Ranking
Analisar query
Pes quisa (query)
Interfac e
Query
Julgamento
de relevancia
Doc umentos
Us uário
Introdução

BD x Recuperação da Informação

Parâmetros
recuperação:

qualidade
da
Recall (Retorno) R: total de itens significantes
recuperados.


de
R = (número de itens relevantes recuperados) /
(número de itens relevantes no sistema)
Precisão (Cobertura) P: total
significantes entre os recuperados.

de
itens
P = (número de itens relevantes recuperados) /
(número de itens recuperados)
Introdução

BD x Recuperação da Informação
Itens
Recupe
rados
R = a / (a+d)
b
itens não
itens
relevantes
relevantes
c
a
P = a/(a+b)
d
Introdução

BD x Recuperação da Informação
SRI
Objetos
Documentos
SGBD
Tabela
Operações
Recuperação
probabilística
Recuperação
determinística
Tamanho BD
Pequeno a muito
grande
Pequeno a muito
grande
Introdução

Visão da Web hoje:



Documentos HTML
Voltados para consumo humano
Muitos são gerados automaticamente por
aplicações

Necessidade de um novo paradigma na Web
Introdução

Visão da Web hoje:


Existem várias aplicações consumindo
documentos HTML, usando uma tecnologia
fraca
O novo padrão XML na Web torna a troca
de dados entre aplicações mais simples



XML gerado por aplicações
XML consumido por aplicações
Troca de dados:


Entre plataformas
Entre empresas
Introdução

A comunidade de BD pode ajudar nos
seguintes pontos:





otimização e processamento de consultas
visões
data warehouses, sistema de integração de
dados
Mediadores, reescrita de consultas
Armazenamento secundário, indexação
Busca na Web

Problema:
Como melhorar os resultados das
nossas buscas na Web?
Tecnicamente:
Como maximizar Recall e Precision?
Busca na Web

Desafios:



Escala
Diversidade
Mudança constante