Integración semántica

La integración semántica es el proceso de interrelacionar información de diversas fuentes, por ejemplo calendarios y listas de tareas pendientes, archivos de correo electrónico, información de presencia (física, psicológica y social), documentos de todo tipo, contactos (incluidos gráficos sociales ), resultados de búsqueda y Relevancia publicitaria y de marketing que de ellos se deriva. En este sentido, la semántica se centra en la organización y la acción sobre la información actuando como intermediario entre fuentes de datos heterogéneas, que pueden entrar en conflicto no sólo por estructura sino también por contexto o valor.

Aplicaciones y métodos

En la integración de aplicaciones empresariales (EAI), la integración semántica puede facilitar o incluso automatizar la comunicación entre sistemas informáticos mediante la publicación de metadatos . La publicación de metadatos ofrece potencialmente la capacidad de vincular ontologías automáticamente . Un enfoque para el mapeo de ontologías (semi)automatizado requiere la definición de una distancia semántica o su similitud semántica inversa y reglas apropiadas. Otros enfoques incluyen los llamados métodos léxicos , así como metodologías que se basan en la explotación de las estructuras de las ontologías. Para indicar explícitamente similitud/igualdad, existen propiedades o relaciones especiales en la mayoría de los lenguajes de ontología. OWL , por ejemplo, tiene "owl:equivalentClass", "owl:equivalentProperty" y "owl: SameAs ".

Con el tiempo, los diseños de sistemas pueden ver el advenimiento de arquitecturas componibles donde las interfaces publicadas basadas en semántica se unen para permitir capacidades nuevas y significativas ^{[ cita requerida ]} . Estos podrían describirse predominantemente mediante especificaciones declarativas en tiempo de diseño, que en última instancia podrían representarse y ejecutarse en tiempo de ejecución ^{[ cita requerida ]} .

La integración semántica también se puede utilizar para facilitar las actividades de diseño y mapeo de interfaces en tiempo de diseño. En este modelo, la semántica solo se aplica explícitamente al diseño y los sistemas de tiempo de ejecución funcionan a nivel de sintaxis ^{[ cita necesaria ]} . Este enfoque de "vinculación semántica temprana" puede mejorar el rendimiento general del sistema y al mismo tiempo conservar los beneficios del diseño impulsado por la semántica ^{[ cita requerida ]} .

Situaciones de integración semántica

En el caso de uso de la industria, se ha observado que las asignaciones semánticas se realizaron solo dentro del alcance de la clase de ontología o la propiedad de tipo de datos . Estas integraciones semánticas identificadas son (1) integración de instancias de clases de ontología en otra clase de ontología sin ninguna restricción, (2) integración de instancias seleccionadas en una clase de ontología en otra clase de ontología por la restricción de rango del valor de la propiedad y (3) integración de instancias de clase de ontología en otra clase de ontología con la transformación del valor de la propiedad de instancia. Cada uno de ellos requiere una relación de mapeo particular, que es respectivamente: (1) relación de mapeo equivalente o de subsunción, (2) relación de mapeo condicional que restringe el valor de la propiedad (rango de datos) y (3) relación de mapeo de transformación que transforma el valor de propiedad (transformación unitaria). Cada relación de mapeo identificada se puede definir como (1) tipo de mapeo directo, (2) tipo de mapeo de rango de datos o (3) tipo de mapeo de transformación de unidades.

Enfoques KG versus RDB

En el caso de integrar una fuente de datos suplementaria,

KG ( gráfico de conocimiento ) representa formalmente el significado involucrado en la información al describir conceptos, relaciones entre cosas y categorías de cosas. Esta semántica integrada en los datos ofrece ventajas significativas, como el razonamiento sobre los datos y el manejo de fuentes de datos heterogéneas. Las reglas se pueden aplicar en KG de manera más eficiente mediante la consulta de gráficos. Por ejemplo, la consulta de gráficos realiza la inferencia de datos a través de las relaciones conectadas, en lugar de una búsqueda completa repetida de las tablas en la base de datos relacional. KG facilita la integración de nuevos datos heterogéneos simplemente agregando nuevas relaciones entre la información existente y las nuevas entidades. Esta facilitación se enfatiza para la integración con fuentes populares de datos abiertos vinculados existentes, como Wikidata.org.
La consulta SQL está estrechamente acoplada y rígidamente restringida por el tipo de datos dentro de la base de datos específica y puede unir tablas y extraer datos de tablas, y el resultado generalmente es una tabla, y una consulta puede unir tablas por cualquier columna que coincida por tipo de datos. La consulta SPARQL es el protocolo y lenguaje de consulta estándar para datos abiertos vinculados en la web y está ligeramente acoplado con la base de datos para que facilite la reutilización y pueda extraer datos a través de relaciones libres del tipo de datos, y no solo extraer sino también generar gráficos de conocimiento adicionales. con operaciones más sofisticadas (lógica: transitiva/simétrica/inversa de/funcional). La consulta basada en inferencia (consulta sobre los hechos existentes afirmados sin la generación de nuevos hechos por lógica) puede ser rápida en comparación con la consulta basada en razonamiento (consulta sobre los hechos existentes más los generados/descubiertos basados en la lógica).
La integración de información de fuentes de datos heterogéneas en una base de datos tradicional es compleja, lo que requiere el rediseño de la tabla de la base de datos, como cambiar la estructura y/o agregar nuevos datos. En el caso de la consulta semántica, la consulta SPARQL refleja las relaciones entre entidades de una manera que se alinea con la comprensión humana del dominio, por lo que la intención semántica de la consulta se puede ver en la consulta misma. A diferencia de SPARQL, la consulta SQL, que refleja la estructura específica de la base de datos y se deriva de la coincidencia de las claves primarias y externas relevantes de las tablas, pierde la semántica de la consulta al perder las relaciones entre entidades. A continuación se muestra el ejemplo que compara consultas SPARQL y SQL para medicamentos que tratan la "TB de vértebra".

SELECCIONE ?medicamento
DONDE {
?diagnóstico un ejemplo:Diagnóstico.
?Ejemplo de diagnóstico:nombre “TB de vértebra”.
Ejemplo de medicamento: ¿Se puede tratar? Diagnóstico.
}

SELECCIONE DRUG.medID
DE DIAGNÓSTICO, DRUG, DRUG_DIAGNOSIS
DONDE DIAGNOSIS.diagnosisID=DRUG_DIAGNOSIS.diagnosisID
AND DRUG.medID=DRUG_DIAGNOSIS.medID
AND DIAGNOSIS.name=”TB de vértebra”

Ejemplos

El Simposio del Pacífico sobre Biocomputación ha sido un lugar para la popularización de la tarea de mapeo ontológico en el dominio biomédico, y en sus actas se pueden encontrar varios artículos sobre el tema.

Ver también

Referencias

enlaces externos

Integración semántica: acoplamiento flexible del significado de los datos
Mapeo de ontologías: el estado del arte (artículo de 2005)
Artículo de 2010 de Carl Hewitt
Interfaz de OpenCyc a Oracle