Schwerpunktthema

SABINE MASSMANN

Das (semi)automatische Erstellen von Mappings zwischen Onto-logien - Matehing genannt - ist ein Problem, das hauptsächlich inder Forschung z.B. von [Rahm & Bernstein 2001] und [Shvaiko& Euzenat 2005] betrachtet wird. Je nachdem, welche Art vonOntologien gematcht werden soll, z.B. Kataloge oder Thesauri,treten unterschiedliche Schwierigkeiten auf.

In diesem Beitrag wird das Matehing von Produktkatalogen be-trachtet. Dabei werden zuerst in Abschnitt 2 die Herausforderun-gen beim Matehing von Produktkatalogen diskutiert. Eine Aus-wahl an aktuellen Matchansätzen wird in Abschnitt 3 präsentiert.Ergebnisse aus einer Evaluierungsinitiative werden in Ab-schnitt 4 vorgestellt. Zum Abschluss wird ein Fazit in Ab-schnitt 5 gezogen.

Ontologie-Matching von Produktkataloqen

Sowohl im E-Commerce als auch in der Forschung stellt dasMatching von Produktkatalogen ein wichtiges Problem dar.Heterogenitäten, Redundanz und mehrfach zugeordnete In-stanzen erschweren dabei das Matchproblem und werden indiesem Beitrag näher betrachtet. Zur Lösung des allgemeinenMatchproblems wurden zahlreiche Techniken entwickelt, dieMetadaten, Instanzen und auch Zusatzinformation wie The-sauri verwenden. In diesem Artikel wird eine Auswahl von vierLösungsstrategien in Bezug auf das Matching von Produktka-talogen untersucht. Zusätzlich werden Ergebnisse des OAEI-Directory-Tests präsentiert, bei dem es galt, verschiedene hie-rarchische Klassifikationen in Form von Webverzeichnissen zumatchen. Die Ergebnisse geben einen Anhaltspunkt, wie gutgegenwärtig Matchsysteme in der Praxis abschneiden.

1 Einleitung

Ontologien spielen eine immer wichtigere Rolle sowohl in derGeschäftswelt als auch in der Forschung. Objekte dieser Domä-nen, wie Z.B. Produkte oder Jobangebote, können mithilfe vonOntologien semantisch beschrieben und anhand von bestimmtenMerkmalen Klassen, Z.B. Kategorien, zugeordnet werden.

Produktkataloge sind Ontologien, die in meist hierarchisch ange-ordneten Kategorien Informationen zu den zugeordneten Produk-ten enthalten. Produkte, die einer Unterkategorie zugeordnet sind,erfüllen dabei auch die Merkmale bzw. Eigenschaften der überge-ordneten Kategorien. Beziehungen zwischen den Kategorien, wiedies zwischen Klassen einer Ontologie möglich ist, gibt es beiProduktkatalogen nicht.

In Abbildung I ist ein Ausschnitt der Amazon-Produktontologiefür Filme dargestellt. Filme werden in dieser Ontologie z.B. in dieKategorien Genres und Regisseure eingeteilt. Die Filme lassensich durch eine Suche über Kategorien, z.B. Genre=Western, oderdurch »Browsen« innerhalb der Ontologie identifizieren.

Für den Kunden bieten Produktkataloge große Vorteile, da siez.B. die Suche nach bestimmen Produkten und den Produktver-gleich erleichtern. Unternehmen setzen Produktkataloge in unter-nehmensübergreifenden Prozessen ein, wie z.B. für die Einkaufs-und Verkaufsorganisation, die immer häufiger über internetba-sierte Anwendungen abgewickelt werden.

Verschiedene Produktkataloge unterscheiden sich gewöhnlich imAufbau und in der Verwendung von Bezeichnungen. Dies ist oftselbst dann der Fall, wenn sie für denselben Zweck entworfenwurden. Für den Datentransfer und als ersten Schritt zur Integra-tion werden daher Mappings benötigt, die semantisch korrespon-dierende Konzepte (hier Kategorien) zwischen unterschiedlichenKatalogen verknüpfen [Schulten et al. 200 I].

18 Datenbank-Spektrum 24/2008

2 Herausforderungen

Zum automatischen Generieren von Mappings werden Ontolo-gie-Matching-Techniken eingesetzt. Diese verwenden entwederMetadaten, z.B. Kategorienamen, oder Instanzen, z.B. Produkte.Beim Matehing von Produktkatalogen gilt es, mehrere Herausfor-derungen zu meistern, die zum Teil durch spezielle Eigenschaftender Kataloge entstehen: Heterogenitäten, Redundanz und Instan-zen.

2.1 HeterogenitätenDie Produktkataloge von Amazon und Softunity in Abbildung 2machen deutlich, dass Produktkataloge selbst dann große Unter-schiede aufweisen können, wenn sie für dieselbe Anwendung ent-worfen wurden. Dabei lassen sich verschiedene Arten von Hete-rogenität unterscheiden (Auswahl aus [Euzenat & Shvaiko2007]).

Abb. 1:Ausschnitt ausder Amazon-Produktontologie

Ontologie-Matching von Produktkatalogen Schwerpunktthema

Von terminologischer Heterogenität spricht man, wenn gleicheKategorien verschiedene Namen besitzen (Synonyme, z.B. Autorund Schriftsteller) oder umgekehrt gleiche Bezeichnungen ver-schiedene Klassen verkörpern (Homonyme, z.B. Bank als Sitz-gelegenheit oder als Kreditinstitut). Auch die Verwendung vonAbkürzungen (z.B. SciFi steht für Science-Fiction) oder Bezeich-nungen in unterschiedlichen Sprachen (Multilingualität) fuhrenzu Unterschieden in der Bezeichnung. Diese terminologischenUnterschiede sind ein häufiges Problem, da Bezeichnungen oftbranehen- und unternehmensabhängig sind, z.B. durch die ver-wendete Sprache, durch Abkürzungen und technische Begriffe.

Neben der terminologischen existiert das Problem der konzep-tuellen Heterogenität. Konzeptuelle Heterogenität entsteht haupt-sächlich durch:

• Unterschiede in der Abdeckung: Kataloge decken meist einenbestimmten Bereich an Instanzen ab. Dieser kann sehr spezi-fisch sein (z.B. Comic.de nur Comics) oder auch vielfältig(z.B. Amazon.de mit u.a. Literatur, Musik, Filmen und Elek-tronik).

• Unterschiede in der Granularität: Bei Katalogen kann die Ein-teilung der Instanzen in unterschiedlich detaillierte Katego-rien erfolgen. In der Amazon-Produktontologie der Abbil-dung 2 wird zwischen Windows und Linux als Betriebssystemunterschieden. Softunity dagegen hat nur die KategorieBetriebssysteme.

• Unterschiede in der Perspektive: Diese Heterogenität tritt auf,wenn zwei Ontologien denselben Teil der realen Welt mitdemselben Detailniveau abbilden, aber von unterschiedlichenPerspektiven aus, z.B. Produkte nach Preisniveau oder nachVerkaufsrang.

2.2 RedundanzKataloge ermöglichen die schnelle und einfache Suche nachInstanzen, z.B. nach einem bestimmten Film in einem Produkt-katalog. Dies wird durch Redundanz unterstützt: Es gibt meh-rere Wege zu einer Instanz bzw. umgekehrt betrachtet, sind

einer Instanz mehrere Kategorien zugeordnet. Beispielsweisesind Filme bei der Amazon-Produktontologie (siehe Abb. 1)sowohl nach Genres, Schauspieler als auch nach Regisseureeinsortiert.

Sind die Hierarchien vollständig überlappend, kann ein Produkt-katalog in mehrere Teilontologien zerlegt werden, die dieselbenProdukte nach unterschiedlichen Gesichtspunkten abbilden. Danun mehrere Ontologien statt nur zwei miteinander gematcht wer-den müssen, spricht man von einem Multiontologie-Match-problem.

Innerhalb einer Ontologie kann es Redundanzen bezüglich derKategorien geben, die in unterschiedlichen Kontexten verwendetwerden. So werden Kategorien wie beispielsweise Preishits oderZubehör an mehreren Stellen in Produktkatalogen verwendet. InAbbildung 1 existiert in der Amazon-Produktontologie die Kate-gorie Clint Eastwood sowohl unter Genres, Regisseure als auchunter Charts.

Redundanzen erleichtern den Anwendern das Auffinden gesuch-ter Instanzen, erschweren jedoch beim Matehing das Auffindender korrekten Korrespondenzen. Der Kontext von Kategorienspielt daher eine wichtige Rolle.

2.3 InstanzenEine weitere Herausforderung liegt in der Zuordnung der Instan-zen zu Kategorien und der Heterogenität im Aufbau und beiBeschreibungen von Produkten.

Während bei [Agrawal & Srikant 2001] davon ausgegangen wird,dass Instanzen nur bei den Blättern der Kataloge vorhanden sind,gehen wir davon aus, dass jeder Kategorie Instanzen zugeordnetsein können. Des Weiteren kann eine Instanz nicht nur einer, son-dern mehreren Kategorien zugeordnet werden, wie z.B. in Abbil-dung 2 »SuSe Linux 10.1 (DVD)« zu Novell und Linux.

Produktinstanzen stellen komplexe Objekte dar und besitzenmeist mehrere Attribute, z.B. Name, Hersteller und Preis. Daauch bei Instanzen terminologische Heterogenitäten auftreten

Amazon Softunity

Abb. 2: Ausschnitt aus der Amazon-und der Softunity-Produktontologiemit assoziierten Produkten(basierend auf [Thor et al. 2007])

Id =158298302X Id= ECD435127KEAN= '662644467122' EAN= '0062644467122'Titel= 'SuSELinux10.1(DVD)' j+------....!Produktname = SuSELinux101'Preis=49.99 Erscheinungsdatum= 0206.2000

Id = BOORan.liste= 180 Preis= 59.95~~~~--------------~EAN= 0805529832282 EAN= 0805529832282Hel = 'WindowsXP HorneEditionincl.SP2' Prodt.Ktname= 'WindowsXPHome'Preis= 191.91 Erscheinungsdatum= 15.10.2004Rangliste= 47 LCPc..:re"'is:...=....:238~..;;..90=-- -'

Datenbank-Spektrum 24/2008 19

Schwerpunktthema Ontologie-Matching von Produktkatalogen

können, ist das Auffinden von Instanzduplikaten verschiedenerQuellen ein eigenes Matchproblem [Elmagarmid et al. 2007].Vereinfacht wird dies durch das Vorhandensein global eindeutigerIdentifizierer wie der European Article Number (EAN), wie inAbbildung 2 gezeigt wird.

2.4 Merkmale und Auswirkungen der HeterogenitätUm die Unterschiedlichkeit der zu matchenden Kataloge ein-schätzen zu können, lassen sich folgende Merkmale ausnutzen:

• Statistiken der Ontologien, wie z.B. Breite, Verhältnis Breitezu Höhe und die durchschnittliche Anzahl von Unterklassen

• Art der Instanzen: einfach oder komplex• Der Anteil der in beiden Produktkatalogen vorkommenden

Instanzen• Die Verbindung der Instanzen zu den Klassen, z.B. durch-

schnittliche Anzahl an Klassen, denen eine Instanz zugeord-net ist, und ob nur Blattkategorien Instanzen besitzen.

Stark voneinander abweichende Werte oder unterschiedlicheMerkmale deuten auf heterogene Kataloge hin. Diese Heteroge-nität erschwert das Auffinden der korrekten Korrespondenzenund hat außerdem drei Konsequenzen für das zu erstellende Map-ping.

Zum einen beruht die Beziehung zweier Kategorien nicht nur aufÄquivalenz. Auch weitere Beziehungsarten, Z.B. Spezialisierung,sollten unterstützt werden. In [Bouquet et al. 2003] werden fünfBeziehungen vorgeschlagen: weniger allgemein, allgemeiner,äquivalent, kompatibel und inkompatibel. Die Amazon-Katego-rien Windows und Linux in Abbildung 3 sind weniger allgemeinals die Softunity-Kategorie Betriebssysteme.

Zum anderen werden komplexe Beziehungen benötigt (n:m), umZusammenhänge von Kategorien darzustellen, die sich in belie-biger Art und Weise überlappen können [Thor et al. 2007]. InAnwendungen können diese komplexeren Korrespondenzen fürz.B. sortierte Stichwortanfragen oder Produktempfehlungen ver-wandter Kategorien anderer Onlineshops genutzt werden.

Darüber hinaus führt die Heterogenität zweier Kataloge häufigdazu, dass ein Mapping nicht alle Kategorien der beiden Katalogeabdeckt. Einfacher ist der Spezialfall, wenn ein kleiner Katalogmit einem großen Katalog, z.B. Mediator, gematcht wird, wie diesin [Agrawal & Srikant 2001] betrachtet wird. Für diesen Beitraggehen wir von dem allgemeinen Fall aus.

3 Bisherige Ansätze

Es existieren zahlreiche Publikationen zu den Themen Schema-Matehing und Ontologie-Matehing. Die Ansätze können grob inmetadatenbasiert, instanzbasiert und gemischte Formen eingeteiltwerden [Rahm & Bernstein 2001]. In [Euzenat & Shvaiko 2007]werden 48 Matchsysteme vorgestellt, die diesen drei Formenzugeordnet werden. Mit der Hälfte der Systeme ist das Matehingvon Produktkatalogen möglich, da sie Ontologien unterstützenund Mappings (als Alignments bezeichnet) berechnen.

Aus der Fülle der Möglichkeiten werden im Folgenden vierAnsätze vorgestellt und untersucht, inwieweit sie unterschiedli-che Beziehungstypen und Matchkardinalitäten unterstützen.Tabelle 1 enthält eine Kurzübersicht über die vier Ansätze: Ctx-Match, COMA++, GLUE und [Thor et al. 2007].

Die Auswahl soll einen Überblick über möglichst viele vorhan-dene Techniken - ohne Anspruch auf Vollständigkeit - geben. EinKriterium für die getroffene Auswahl war, dass der Ansatz entwe-der für das Matehing von hierarchischen Klassifikationen entwor-fen wurde oder anhand von Katalogen evaluiert wurde. Evaluie-rungsergebnisse werden hier jedoch nicht aufgeführt, da dieMatchaufgaben bei allen Ansätzen unterschiedlich waren und einVergleich der erzielten Ergebnisse somit nicht sinnvoll ist.

3.1 Metadatenbasierte AnsätzeMehrere Ansätze verwenden Metadaten wie die Kategorienamen,Kategoriebeschreibungen und strukturelle Kontextinformation,um ein Mapping zwischen Ontologien zu bestimmen.

CtxMatch [Bouquet et al. 2003] bestimmt semantische Relatio-nen von zwei hierarchischen Klassifikationen, wie Z.B. den Pro-duktkatalogen. CtxMatch fasst das Problem des Matchens seman-tischer Strukturen als Problem logischer Erfüllbarkeit auf.

Der Algorithmus besteht aus zwei Phasen. Dabei wird angenom-men, dass die Klassifikationselemente durch Worte und Phrasender natürlichen Sprachen beschrieben werden. In der ersten Phasewird die Beschreibung und implizites Wissen, das im Kontext undin der Struktur vorhanden ist, für jede Klasse in Form einer logi-schen Formel erstellt. Auch das Wissen über die Domäne wird ineinem Satz von Formeln codiert. Hierzu wird WordNet als Quellevon lexikalischen und Hintergrundinformationen benutzt. Bei derAufstellung der Formeln werden somit drei unterschiedliche Wis-

Amazon Softunity

Abb. 3: Beispiele fürsemantische Beziehungenund Beziehungstypen

äquivalent

allgemeiner als

20 Datenbank-Spektrum 24/2008

Ontologie-Matching von Produktkatalogen,;,0'."'"

Schwerpunktthema

Tab. 1: Vergleich der Matchverfahren

CtxMatch COMA++ GLUE [Thor et al, 2007][Bouquet et al. 2003] [Aumueller et at, 2005] [Doan et al. 2002]

>

verwendete Daten Metadaten hauptsächlich Metadaten, hauptsächlich Instanzdaten,Instanzdaten

Instanzdaten Metadaten

1:1-Beziehungen n:m-Beziehungen,n:m-Beziehungen n:m-Beziehungen n:m-Beziehungen (CGLUE auch komplexe Beziehungen zwischen

Beziehungen) Sets von Klassen

weniger allgemein, allgemei-äquivalentBeziehungstypen ner, äquivalent, kompatibel äquivalent (CGLUE auch Vereinigung)

äquivalentund inkompatibel

Evaluierung Kataloge von Google und große Schemata z.B. Kurskataloge, Klassifikation Produktkataloge vonYahoo xCBL, Webverzeichnisse von Unternehmensprofilen Amazon und Softunity

sensarten berücksichtigt: lexikalisches, domainspezifisches undstrukturelles Wissen. Die Berechnung von Relationen zwischenKlassen erfolgt in der zweiten Phase, wobei dies als Problem logi-scher Erfüllbarkeit verstanden wird. CtxMatch unterstützt fünfverschiedene Beziehungstypen: weniger allgemein, allgemeiner,äquivalent, kompatibel und inkompatibel. Damit wird den kon-zeptuellen Unterschieden zweier hierarchischer KlassifikationenRechnung getragen.

COMA++ [Aumueller et al. 2005] ist ein generisches Matchsys-tem und unterstützt das Matehing von verschiedenen Schematy-pen, wie Z.B. XML, relationale Schemas oder auch Ontologien.Diese werden intern in gerichtete Graphen überführt. Mittels dergrafischen Benutzeroberfläche ist es dem Nutzer möglich, inter-aktiv in den Matchprozess einzugreifen.

Der Matchprozess besteht aus drei Phasen. Zuerst werden dierelevanten Schemakomponenten, z.B. Blätter oder Pfade, identi-fiziert und auf diesen wird ein Matchalgorithmus ausgeführt.Ergebnisse verschiedener Mateher werden zu einem Mappingkombiniert. COMA++ ist dabei sehr flexibel, da verschiedeneMatchstrategien, Matchalgorithmen und Kombinationsmöglich-keiten implementiert wurden, die konfigurierbar und beliebigkombinierbar ausführbar sind.

Eine große Anzahl der Matchalgorithmen berechnen die String-ähnlichkeit, z.B. Levenshtein und Soundex. Dahinter steckt dieAnnahme, je ähnlicher die Zeichenketten sind, desto ähnlichersind es auch die dahinterstehenden Kategorien.

Um die terminologische Heterogenität abzudecken, können alsVorverarbeitungsschritt sprachenbasierte Techniken angewendetwerden, die Wörter als Teil einer natürlichen Sprache verwenden.Dabei werden beispielsweise der Wortstamm und Teilwörterbestimmt. Zusätzlich ermöglicht die Nutzung von Verzeichnis-sen, die Synonyme und Abkürzungen enthalten, das Auffindenebensolcher. Die Bedeutung von Homonymen kann durch dieVerwendung des Kontextes, z.B. Pfadnamen, herausgefundenwerden.

Weitere Matchalgorithmen verwenden die Struktur oder benutzenbereits erstellte Mappings. Zusätzlich erfolgte eine Erweiterungum instanzbasierte Matchverfahren [Engmann & Maßmann2007], die entweder auf Eigenschaften der Instanzen oder aufdem Inhalt basieren.

Das von COMA++ generierte Matchergebnis ist ein Mapping, indem jedes Element mit mehreren anderen Elementen korrespon-dieren kann. Somit können auch komplexe Beziehungen abgebil-det werden. Beziehungstypen, wie z.B. Spezialisierung oderGeneralisierung, werden vom System zwar nicht ausgeschlossen,aber auch nicht speziell unterstützt. Eine Korrespondenz hat kei-nen zugeordneten Beziehungstyp.

3.2 Instanzbasierte AnsätzeInstanzbasierte Ansätze matchen Kategorien basierend auf denInstanzen (den Produkten), die diesen zugeordnet sind. Dies istdurch die Annahme motiviert, dass die wirkliche Bedeutung einerKategorie durch die assoziierten Instanzen besser definiert ist alsdurch die Metadaten wie z.B. den Kategorienamen. Sind zudemnoch viele Instanzen vorhanden, so sind die Verfahren meist auchrobust gegen einzelne falsch einsortierte Instanzen oder falscherkannte Instanzduplikate.

GLUE [Doan et al. 2002] wurde für das Matehing von Ontologienentworfen und ist ein System, das Lerntechniken verwendet,' umhalbautomatisch semantische Abbildungen zwischen Ontologienzu erzeugen. Die Architektur besteht aus drei Modulen: dem Dis-tribution Estimator, dem Similarity Estimator und dem Relaxa-tion Labeier.

Der Distribution Estimator errechnet für jedes Klassenpaar dergegebenen Ontologien die gemeinsame Verteilung. Dazu wirdein mehrstrategischer Lernansatz verwendet, das heißt, mehrereBase-Learner, die unterschiedliche Informationen aus denInstanzen oder der Struktur verwerten, und deren Voraussagenwerden durch einen Meta-Learner kombiniert. Der SimilarityEstimator berechnet aus diesen Verteilungen für jedes Katego-riepaar einen Ähnlichkeitswert. Der Relaxation Labeier nutzt diedadurch entstandene Ähnlichkeitsmatrix und bestimmt mithilfedomänenspezifischer Bedingungen und Heuristiken ein Map-ping. Im Gegensatz zu CtxMatch müssen die domänenspezifi-schen Bedingungen jedoch von Domänenexperten erstellt wer-den.

Der Ansatz fokussiert auf 1:I-Korrespondenzen. Die erweiterteVersion CGLUE unterstützt auch komplexe Mappings, wobei in[Doan et al. 2003] nur die Vereinigung (Union) von Instanzmen-gen umgesetzt wurde.

Datenbank-Spektrum 24/2008 21

Schwerpunktthema Ontologie-Matching von Produktkatalogen

Der Ansatz von [Thor et al. 2007] bestimmt die Ähnlichkeit vonKlassen aufgrund der sich überlappenden Instanzmengen undwandelt das Ontologie-Matchproblem teilweise in ein Instanz-Matchproblem um. Die Motivation dazu ist, dass das Matehingvon Instanzen auf spezifischen Datenwerten basiert und deshalbmeist einfacher zu lösen ist als das Matehing abstrakter Metada-ten. Im Idealfall besitzen die Instanzen eine global eindeutigeObjektkennung. So verwenden beispielsweise viele Onlineshopseine eindeutige Produktnummer, sogenannte EANs (EuropeanArticle Number) bzw. UPCs (Universal Product Code), die einschnelles und einfaches Auffinden von Produktduplikatenermöglichen. Für den Fall, dass diese Identifizierung nicht gege-ben ist, müssen Ansätze des Objekt-Matchings (Duplikaterken-nung) angewendet werden, die z.B. die Attributwerte verglei-chen.

Die durch das Instanz-Matching erzeugten Instanzkorresponden-zen werden verwendet, um Matches zwischen den zugehörigenProduktkategorien zu ermitteln. Je größer die Instanzüberlappungder Ontologien ist, desto vielversprechender ist dieser Ansatz.Das Verfahren bestimmt außerdem Beziehungen nicht nur zwi-schen einzelnen Klassen, sondern auch zwischen Mengen vonKlassen. Somit werden auch Beziehungstypen zusätzlich zurÄquivalenz ermöglicht.

4 Evaluierungsergebnisse

Viele der Ontologie-Matching-Ansätze wurden in der Forschungentwickelt und auch evaluiert. Zu der Problematik des Matchingsvon Produktkatalogen gibt es bisher wenig Untersuchungen. Umeinen Eindruck davon zu bekommen, inwiefern bestehendeAnsätze in der Lage sind, dieses Problem zu lösen, wird das ver-wandte Problem des Matchings von Webverzeichnissen betrach-tet.

Die Ontology Alignment Evaluation Initiative (OAEIl) führt seit2004 einen Wettbewerb durch, in dem Teilnehmer verschiedeneMatchaufgaben lösen. Dies ermöglicht sowohl einen Vergleichder Teilnehmerergebnisse miteinander als auch der Entwicklungüber die Jahre.

Unter den gestellten Aufgaben gibt es auch den Directory- Test,bei dem die Webverzeichnisse von Google, Yahoo und Looksmartmiteinander gematcht werden müssen. Die Aufgabe bestandsowohl 2006 als auch 2007 darin, für mehr als 4500 Matchaufga-ben Mappings zu bestimmen. Da keine Instanzen vorhanden sind,können nur metadatenbasierte Ansätze angewendet werden.

Im Jahr 2006 gab es 7 [Euzenat et al. 2006] und im Jahr 20079 Teilnehmer [Euzenat et al. 2007]. Die Ergebnisse für Precision,Recall und Fmeasure sind in Abbildung 4 dargestellt. Die Ansätzekonnten im Jahr 2006 durchschnittlich nur ein Viertel allergesuchten Korrespondenzen ermitteln (Recall 0,26), während fastzwei Drittel aller gefundenen Korrespondenzen falsch waren(Precision 0,35).

Die Ergebnisse ein Jahr später zeigen eine Verbesserung von über60% für Precision (Durchschnittswert 0,57) und Fmeasure(Durchschnittswert 0,49). Der Recall verdoppelte sich auf 0,50.

1. http://oaei.ontologymatching.org

22 Datenbank-Spektrum 24/2008

Abb. 4: Ergebnisse des OAEI-Directory-Tests- im Vergleich 2006 und 2007

1,00

0,90

0,80

0,70~0,60 t -Maximum

0,50 • Durchschnitt

0,40...••. .L

-Minimum

0,30.! I

T0,20

0,10

0,00Precision I Recall IFmeasure Precision I Recall IFmeasure

2006: 7 Systeme 2007: 9 Systeme

Das System mit den besten Ergebnissen konnte einen Fmeasure-Wert von 0,71 erreichen. 2006 war der höchste erreichteFmeasure-Wert dagegen 0,43.

Es lässt sich feststellen, dass eine deutlichere Steigerung inner-halb eines Jahres erreicht wurde. Dies könnte auf eine Optimie-rung der Systeme bezüglich der Matchaufgabe und Erweiterun-gen um zusätzliche Techniken zurückzuführen sein.

Es ist jedoch auch zu erkennen, dass die Bandbreite der Ergeb-nisse noch sehr groß ist. Unterschiedliche Ansätze finden auchunterschiedliche Mappings. Nur 15% aller Korrespondenzenwurden von fast allen (8 der 9) Teilnehmer im Jahr 2007 gefun-den, Es gibt somit noch Bedarf zur Weiterentwicklung der jewei-ligen Ansätze.

5 Fazit

Sowohl im E-Commerce als auch in der Forschung stellt das Mat-ching von Produktkatalogen ein wichtiges Problem dar. Hetero-genitäten, Redundanz und mehrfach zugeordnete Instanzen kön-nen dabei das Matchproblem erschweren. Zur Lösung desallgemeinen Matchproblems wurden zahlreiche Techniken entwi-ckelt, die Metadaten, Instanzen und auch Zusatzinformationenwie Thesauri verwenden. In diesem Beitrag wurde eine Auswahlvon vier Lösungsstrategien in Bezug auf das Matehing von Pro-duktkatalogen betrachtet. Da die Evaluierung auf jeweils unter-schiedlichen Daten erfolgte, wurden stattdessen Ergebnisse desOAEI-Directory- Tests betrachtet. Dabei konnte eine Verbesse-rung der durchschnittlichen Ergebnisse innerhalb eines Jahresvon über 50% festgestellt werden.

Wünschenswert sind Matchaufgaben mit Instanzen oder eineErweiterung des bestehenden Tests um diese, damit auch instanz-basierte Ansätze evaluiert werden können. Dabei sollten Instan-zen nicht nur einfache, sondern auch komplexe Objekte einschlie-ßen, wie dies Z.B. in Produktkatalogen der Fall ist.

Abschließend lässt sich feststellen, dass zusätzliche Untersuchun-gen nötig sind, um weitere vorhandene Matchverfahren in Bezugauf die Herausforderungen zu evaluieren und eine Weiterentwick-lung bestehender Ansätze anzuregen.

Ontologie-Matching von Produktkatalogen

Literatur[Agrawal & Srikant 2001] Agrawal, R.; Srikant, R.: On integrating catalogs.

In: Proc. ofthe 10th lnt. WWW Conference. China, 2001: 603-612.[Aumueller et al. 2005] Aumueller, D.; Do, H-H; Maßmann, S; Rahm, E.:

Schema and ontology matehing with COMA++. SIGMOD Conference.USA, 2005: 906-908.

[Bouquet et al. 2003] Bouquet, P; Serafini, L.; Zanobini, S: Semanticcoordination: a new approach and an application. In: Proc. ofthe 2ndISWC. USA, 2003:130-145.

[Doan et al. 2002] Doan, A.; Madhavan, J.; Dhamankar, R.; Domingos, P;Halevy, A.: Learning-to map between ontologies on the semantic web.In: The Eleventh International WWW Conference, USA, 2002.

[Doan et al. 2003] Doan, A.; Madhavan, J.; Dhamankar, R.; Domingos, P;Halevy, A.: Learning to match ontologies on the Semantic Web. TheVLDB Journal 12, 4 (Nov. 2003), 303-319.

[Elmagarmid et al. 2007] Elmagarmid, A.; Ipeirotis, P; Verykios, V:Duplicate Record Detection: A Survey; IEEE Transactions on Knowledgeand Data Engineering, 2007, 1-16.

[Engmann & Maßmann 2007] Engmann, D.; Maßmann, S: lnstanceMatehing with COMA++. BTW Workshops. Germany, 2007: 28-37.

[Euzenat & Shvaiko 2007] Euzenat, J.; Shvaiko, P: Ontology Matching.Springer-Verlag, 2007.

[Euzenat et al. 2006] Euzenat. J.; Mochol, M; Shvaiko, P; Stuckenschmidt,H; Svab, 0.; Svatek, V; van Hage, W. R.; Yatskevich, M: Results oftheOntology Alignment Evaluation Initiative 2006. In: Proceedings oftheOntology Matehing Workshop at ISWC'06, 2006.

[Euzenat et al. 2007] Euzenat, J.; Isaac, A.; Meilicke, C; Shvaiko, P;Stuckenschmidt, H; Svab, 0.; Svatek, V; vanHage, W. R.; Yatskevich, M:Results ofthe Ontology Alignment Evaluation Initiative 2007. In:Proceedings of the Ontology Matehing Workshop at ISWC'07, 2007.

[Rahm & Bernstein 200 I] Rahm, E.; Bernstein, P: A survey of approaches toautomatie schema matching. The VLDB Journal 10, 4 (Dec. 2001),334-350.

[Schulten et al. 2001] Schulten, E.; Akkermans, H; Botquin, G; Dörr, M;Guarino, N; Lopes, N; Sadeh, N: Call for Participants: The E-CommerceProduct Classification Challenge. IEEE Intelligent Systems 16, 4 (Jul.2001), 86-c3.

[Shvaiko & Euzenat 2005] Shvaiko, P; Euzenat, J.: A survey of schema-basedmatehing approaches. Journal on Data Semantics IV (2005), 146-171.

[Thor et a1. 2007] Thor, A.; Kirsten, T; Rahm, E.: Instance-based matehingofhierarchical ontologies. BTW. Germany, 2007: 436-448.

iIP

'

;,,; ~

T,I

, ..~.'>A,"

Schwerpunktthema

Sabine Maßmannstudierte Informatik an den UniversitätenRostock und Leipzig. Seit 2006 ist sieStipendiatin im Graduiertenkolleg Wissens-repräsentation an der Universität Leipzig undpromoviert bei Prof. Dr. Rahm zu dem Thema»Schema- und Ontologie-Matching«.

Dipl.-Inform. Sabine MaßmannUniversität LeipzigAbteilung DatenbankenPostfach 10092004009 Leipzigmassmann@informatik.uni-Ieipzig.dewww.informatik.uni-Ieipzig.de

Datenbank-Spektrum 24/2008 23