fmk2013 datenmodelle krambrich-brändle (rev)

Dr. Volker Krambrich, NORSULT & Dr. Martin BrändleDatenmodelle - Umgang mit unstrukturierten Daten

FileMaker Konferenz 2013 Salzburgwww.norsult.com

Datenmodelle

Umgang mit (un)strukturierten DatenProblemstellungModellbildung

Beispiele in FileMaker


Dr. Volker Krambrich, Dr. Martin Brändle

IMPORTANT NOTE!This presentation contains material that is copyrighted.Use is only permitted as far as it stays in this context of the presentation.For any other use please contact the resp. owners!

Mittwoch, 23. Oktober 13

http://www.norsult.com




Datenmodelle

Umgang mit (un)strukturierten DatenProblemstellungModellbildung

Beispiele in FileMaker


IMPORTANT NOTE!This presentation contains material that is copyrighted.Use is only permitted as far as it stays in this context of the presentation.For any other use please contact the resp. owners!







Nachtrag:Literatur zum Thema• Algorithmen und Datenstrukturen – Donald E. Knuth, The Art of Computer Programming,

Vol. 1, Fundamental Algorithms, 3rd Ed., 1997 (Addison-Wesley)– Teuvo Kohonen, The Self Organizing Map, in: Proceedings of the IEEE, Vol. 78,

No. 9 (1990)

• Datenmodellierung– Len Silverston, The Data Model Resource Book, Revised Edition, Wiley, New York

– Vol. 1 A Library of Universal Data Models for All Enterprises, 2001, ISBN 978-0-471-38023-8

– Vol. 2 A Library of Universal Data Models by Industry Types, 2001, ISBN 978-0-471-35348-5

– Vol. 3 Universal Patterns for Data Modelling, 2009, ISBN 978-0-470-17845-4 (Wiley, Indianapolis)

– David C. Hay, Data Model Patterns, 1995 (Dorset House, New York) – ders., Enterprise Model Patterns: Describing the World (UML Version); 2011

(Technics Publ., Bradley Beach, NJ)







Über MartinKontakt:[email protected]

• Chemiker, promoviert• Informationsspezialist FH NDS Information + Dokumentation• FileMaker 12 Certified Developer• Schwerpunkte: Informationssysteme, Custom Web Publishing (PHP, XML/

XSLT, JavaScript), Visualisierung




mailto:[email protected]





Über Volker

• Linguist und Informatiker, promoviert• FileMaker 12 Certified Developer• FileMaker Certified Trainer und Lehrer• Schwerpunkte: Prozessmodellierung, Custom Software, (Instant) Web

Publishing (auch HTML, XML, XSLT), Modellierung

• FileMaker Re-Cycling — betagte Lösungen aufpeppen und in moderne Programme überführen

Kontakt:[email protected]









Über Volker: Als ...

• FileMaker Entwickler – denke ich in Datenstrukturen– entwickle ich für den Benutzer– setze ich Gedankenbilder in die Wirklichkeit um

• Linguist– denke ich in Algorithmen– sehe ich alles als Textverarbeitung– habe ich Spass an formalen (und natürlichen) Sprachen

• Berater – arbeite ich mit Daten in FileMaker und anderen Systemen– denke ich in Prozessen– arbeite ich oft mit Problemen in der realen Welt– beschäftigen mich Kundenwünsche und ich versuche sie zu erfüllen

Kontakt:[email protected]









Ist das Wirklichkeit?






Datenmodelle - Umgang mit unstrukturierten Daten

1. Problemstellung 2. Modellbildung3. Beispiele in FileMaker4. Diskussion 5. Zusammenfassung und Fragen6. Ausblick auf Teil (2)

Suchen und Optimierung von Suchstrategien






Datenmodelle - Umgang mit unstrukturierten DatenProblemstellung

Arbeitsdomäne festlegenWer arbeitet mit dem Problem Welche Mittel braucht und benutzt der BenutzerWie lässt sich ein Bereich sinnvoll ausgrenzen

Einen Ausschnitt der Welt bestimmenWarum machen wir nicht alles (Beispiel ViMu)

Relevante Elemente in der Welt ausmachenWas soll betrachtet werdenWelche Informationen kenne und brauche ichWelche Rolle spielen Zeitlauf und GeschichteWieviel und ggf. was ist bekannt, was nicht






Datenmodelle - Umgang mit unstrukturierten DatenProblemstellung






Datenmodelle - Umgang mit unstrukturierten DatenModellbildung







Modellierung ist die Nachformung eines realen oder gedachten Vorbildes in einer verkleinerten oder vereinfachten Form.








Modellierung dient einem Zweck. Je nach Zweck werden unterschiedliche Mittel verwendet.








Modellierung dient einem Zweck. Je nach Zweck werden unterschiedliche Mittel verwendet.

Zweck der Modellierung in der Datentechnik ist die Schaffung eines Speichermodells, an dem reale Zusammenhänge nachgebildet werden.






Datenmodelle - Umgang mit unstrukturierten DatenEntity–relationship

1. Problemstellung: Komplexitätsreduktion2. Modellbildung: Universelles Datenmodell3. Etwas Theorie zu ER Modellen 4. Beispiel in FileMaker5. Diskussion







Chen, Peter Pin-shan: The Entity-Relationship Model: Toward a Unified View of Data (1976), ACM Transactions

Entity–relationship modelling

„Eine Entität kann gedacht werden als ein in der Welt identifizierbares Ding.”







Chen, Peter Pin-shan: The Entity-Relationship Model: Toward a Unified View of Data (1976), ACM Transactions


„Eine Beziehung symbolisiert Zusammenhänge von Dingen.”







Entity–relationship modellingKünstler Vortragsstück

Übersetzung in FileMaker

singt








1972 Roberta Flack The first time ever I saw your face

2006 Hannah Montana The best of both worlds

2007 Leona Lewis The first time ever I saw your face

Künstler Vortragsstück


singt













Künstler Vortragsstück“singt”

singt

Jahr der Aufnahme













Künstler Vortragsstück“singt”

singt






Datenmodelle - Umgang mit unstrukturierten DatenFileMaker Demo

Welche Probleme können gelöst werden?Was kann gesucht werden?

Die Weltsicht “Sänger singt Song im Jahre x” wird abgebildet.Es kann nach dem Wert der Attribute gesucht werden.






Datenmodelle - Umgang mit unstrukturierten DatenFileMaker Demo

Welche Probleme können gelöst werden?Was kann gesucht werden?

Die Weltsicht “Sänger singt Song im Jahre x” wird abgebildet.Es kann nach dem Wert der Attribute gesucht werden.

Warum ist das nicht immer genug?Einführung in Key-Value Modellierung

Demo






Datenmodelle - Umgang mit unstrukturierten DatenKey-Value Modellierung

1. Problemstellung: Komplexitätsreduktion bei einfachen oder sehr komplexen Zusammenhängen

2. Modellbildung: Universelles Datenmodell3. Etwas Theorie zu Key-Value Modellen 4. Beispiel in FileMaker (hatten wir schon)5. Diskussion






Datenmodelle - Umgang mit unstrukturierten DatenKey-Value Datenbanken

Gehören zur Gruppe der NonSQL-DatabasesKennen (und brauchen) keine AbfragespracheBestehen nur aus Schlüsselbegriff und WertSind schnell, da meist speicherbasiert--> Heise.de Literaturtipp (Beispiel ReDis)

Benutzt für viele Web FunktionenIn Filemaker z.B. für Skriptparameter (custom function) odervirtuelle Listen

Großer Nachteil: Daten können nicht in Beziehung gesetzt werden.




http://www.heise.de/developer/artikel/NoSQL-Key-Value-Datenbank-Redis-im-Ueberblick-1233843.html





Gehören zur Gruppe der NonSQL-DatabasesKennen (und brauchen) keine AbfragespracheBestehen nur aus Schlüsselbegriff und WertSind schnell, da meist speicherbasiert--> Heise.de Literaturtipp (Beispiel ReDis)

Benutzt für viele Web FunktionenIn Filemaker z.B. für Skriptparameter (custom function) odervirtuelle Listen

Großer Nachteil: Daten können nicht in Beziehung gesetzt werden.

Konversation mit ReDis; --> http://try.redis.io






http://try.redis.io

http://try.redis.io




Elemente in Filemaker:global gespeicherte Felder (in Memory storage, benutzerspezifisch)Eigenschaft der Wiederholfelder (haben Index = Key)

Beispiel: Sortiertabelle

Angenommener Fall:In einer FM_Lösung wird eine Funktion gebraucht,mit der ein Benutzer die Werte in einer Liste (Portal) nach seinen Wünschen einfach sortieren kann...







• Elemente mit Drag-n-Drop ordnen• eine Lösung für alle Fälle• Virtuelle Liste (im Speicher) • Key (RecID) Value (PosInList; AnyText)







Martin, was sind die Probleme bei Key Value Modellen?

Kannst du uns RDF* vorstellen?

*RDF Resource Description Frameworkein W3C Standard




FileMaker Konferenz 2013 Salzburgwww.filemaker-konferenz.com

Dr. Volker Krambrich, Dr. Martin BrändleDatenmodelle

Relationales vs. Key/Value-ModellRelational Key/Value

•Felder: Namen, Anzahl und Anordnung fest

•Werte aus Listen wählbar•Relationen via pk/sk der Tabellen•erfüllt NF

•Mastertabelle hält zusammen•“Felder” = Keys: Namen, Anzahl und

Anordnung variabel•Keys/Values auch aus Definitionslisten

wählbar•Relationen via pk/sk der Mastertabellen•erfüllt NF nicht


http://www.filemaker-konferenz.com




Key-Value-Modell

Vorteile• Benutzer kann “Felder”

hinzufügen• Freie Anordnung möglich• Sichten auf bestimmte Key-

Kombinationen möglich• Suche über beliebige “Felder”• Existenz eines Keys suchbar• Mit Key-Wert Funktionen

verknüpfbar (OO: Klassen - Methoden)

Nachteile• Keine Normalisierung:

Erkennung von Duplikaten/Widersprüchen schwierig

• Gesonderte Behandlung von Datentypen

• Klassische FileMaker-Suche versagt (mehrere Attribute). Alternativen: QuickFind, sequentielle Suche, SQL

• Schlecht transportabel (Import/Export/CWP): Benötigt Transformationsregeln (ber. Felder, XML/XSLT, ...)

• Benötigt zusätzliche Logik






Beziehungsgraphen






RDF: Resource Description Framework

• Grundlage des semantischen Web• Logische Aussagen über beliebige Dinge

• Aussageform: Subjekt - Prädikat - Objekt (RDF-Tripel)• Gerichteter Elementargraph• Subjekt und Prädikat mit Ressource verbunden (URI)• Objekt mit Ressource verbunden (URI) oder literaler Wert• RDF-Modell: Menge der Tripel (Elementaraussagen) in einem Graphen

Subjekt Prädikat Objekt Subjekt-RessourceVolker ist Redner an der FMK 2013 http://xy/PersonDie FMK 2013 findet statt in Salzburg http://z/TagungenMartin ist Referent an der FMK 2013 http://xy/PersonReferent ist gleichbedeutend Redner http://x/FunktionSalzburg liegt in Österreich http://ab/Städte




http://xy/Person

http://xy/Person

http://z

http://z

http://xy

http://xy

http://x/Synonyme

http://x/Synonyme

http://ab/St

http://ab/St



RDF: Schema, Ablage, Abfrage

• Schema– Vokabular, Begriffsysteme definiert durch Ontologien– OWL (Web Ontology Language) als mögliche Beschreibungssprache

• Datenablage– relationale DB weniger geeignet– Triple-Stores

• Abfragesprache: SPARQL (SPARQL Protocol And RDF Query Language)

PREFIX xy: http://meinnamensraum/konferenzenSELECT ?personnameWHERE { ?x xy:isName ?personname ; ?personname xy:istReferent ?y ; ?y xy:isConference FMK2013 . }






Linked Data






Demo Autorenbeziehungen






Datenmodelle - Umgang mit unstrukturierten DatenNeuronale Netze

Volker, du hast ein weiteres spannendes Modell?

Zeig uns was zu SOMs...







1. Beispiel in FileMaker2. Problemstellung: neuronale Strukturen als Vorlage3. Modellbildung: Übertragung in Computer4. Etwas Theorie zu SOM 5. Under the Hood: FileMaker







Teileauswahl in grafischer Umgebung

Zwei Maps: Das Bild als Explosions- zeichnungOverlay einer Kohonen Map







• Neuronale Struktur = angelehnt an Informationsstruktur im Gehirn• Idee = semantisch ähnliche Reize stimulieren örtlich naheliegende

Neuronen (Nervenzellen)

• Analogie• Rechner antwortet auf Problemstellung, für die bereits eine Lösung bekannt

ist• Lösungen werden “gelernt”• Lernen heisst hier, algorithmisch und automatisch einen neuen Reiz

verarbeiten und in der Struktur ablegen







• Neuronale Struktur = angelehnt an Informationsstruktur im Gehirn• Idee = semantisch ähnliche Reize stimulieren örtlich naheliegende

Neuronen (Nervenzellen)

• Analogie• Rechner antwortet auf Problemstellung, für die bereits eine Lösung bekannt

ist• Lösungen werden “gelernt”• Lernen heisst hier, algorithmisch und automatisch einen neuen Reiz

verarbeiten und in der Struktur ablegen

Demo







0

5,0

10,0

15,0

20,0

0 5 10 15 20







0

5,0

10,0

15,0

20,0

0 5 10 15 20

Bauteil 25; 5; 10







0

5,0

10,0

15,0

20,0

0 5 10 15 20

Bauteil 25; 5; 10

25







0

5,0

10,0

15,0

20,0

0 5 10 15 20

Bauteil 25; 5; 10

25

Ablauf Lernen:Positioniere ein neues Zielneuron in der Karte an angegebener StelleMerke seine Beutung und seine MarkeMerke seine Beziehung zum verbundenen Reiz (Bauteilsuche, BauteilID)Zeichne eine Reizumgebung um den Zielpunkt.







0

5,0

10,0

15,0

20,0

0 5 10 15 20

Bauteil 25; 5; 10

25

Ablauf Finden:Akzepiere einen Reiz (MouseClick, [4; 11])Suche nach dem nächsten NeuronBei Treffer aktiviere verbundenen Reiz







• Das Beispiel verwendet eine semantische Karte als Analogie• Geht zurück auf Arbeiten von Prof. Teuvo Kohonen in den 1990ern

• Annahme: semantisch ähnliche Daten lassen sich an räumlich beieinander liegenden Punkten abbilden

• Punkte werden “gelernt”, algorithmisch in vektorielle Darstellung überführt (Beispiel: Landkarten und Ortung in Mobilapplikationen)

• Intelligenz liegt im Finden der geeigneten Abbildung und in der Formulierung eines geeigneten Algorithmus







• Das Beispiel verwendet eine semantische Karte als Analogie• Geht zurück auf Arbeiten von Prof. Teuvo Kohonen in den 1990ern

• Annahme: semantisch ähnliche Daten lassen sich an räumlich beieinander liegenden Punkten abbilden

• Punkte werden “gelernt”, algorithmisch in vektorielle Darstellung überführt (Beispiel: Landkarten und Ortung in Mobilapplikationen)

• Intelligenz liegt im Finden der geeigneten Abbildung und in der Formulierung eines geeigneten Algorithmus

Under the hood...






Datenmodelle - Umgang mit unstrukturierten DatenUnder the Hood






Datenmodelle - Umgang mit unstrukturierten DatenFragen

Diskussion

Zusammenfassung







Diskussion

Zusammenfassung

Vielen Dank für Ihre Aufmerksamkeit!

Volker Krambrich und Martin Brändle

Danke für das Bewerten dieses Vortrages







Diskussion

Zusammenfassung

Vielen Dank für Ihre Aufmerksamkeit!

Volker Krambrich und Martin Brändle


Just a moment, there isOne more thing…






Datenmodelle - Umgang mit unstrukturierten DatenSuchen und Suchstrategien

Ausblick auf Teil (2)Suchen und Optimierung von Suchstrategien

Spielen Sie „5 in einer Reihe”mit Filemaker und uns

Heute, Freitag,18.10.2013 14:00 Uhr

in Saal 1 !







Vielen Dank unseren Sponsoren





http://http.//www.filemaker-magazin.de



















http://www.herrfriedrich.com/



















http://www.guenther-bs.de/



















http://www.filemaker.de



















http://www.tao-solutions.de/



















http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://medioag.ch/

http://camelcase.com/



















http://www.ingeno.ch/



















http://walkingtoweb.com/



















http://www.troi.com/



















http://www.karo.at/index.php/fmk2013



















http://www.myfmbutler.com/



















http://www.gofilemaker.de/



















http://www.monkeybreadsoftware.de/filemaker/



















fmk2013 datenmodelle krambrich-brändle (rev)

Documents