Παραγωγή Σημασιολογικού Περιεχομένου Από Δομημένες Και Ημιδομημένες Πηγές Δεδομένων

Abstract

Ο Παγκόσμιος Ιστός αποτελεί πλέον αναπόσπαστο κομμάτι της καθημερινότητας, έχοντας αλλάξει τον τρόπο με τον οποίο επικοινωνούμε με τους συνανθρώπους μας, δημιουργούμε, μοιραζόμαστε και αναζητούμε πληροφορία. Ο Σημασιολογικός Ιστός φιλοδοξεί να φέρει μια αντίστοιχη επανάσταση στη χρήση αυτού του τεράστιου όγκου διαθέσιμης πληροφορίας, επιτρέποντας σε προγραμματιστικές διαδικασίες να αξιοποιήσουν τη σημασία της, να εξάγουν συμπεράσματα από αυτήν και να τη συνδυάσουν με άλλη πληροφορία με τρόπο ωφέλιμο για τον ανθρώπινο χρήστη. Ωστόσο, το όραμα του Σημασιολογικού Ιστού δεν έχει ακόμα υλοποιηθεί στον επιθυμητό βαθμό και μια αιτία για αυτό αποτελεί η έλλειψη ικανής ποσότητας δεδομένων άμεσα αξιοποιήσιμων από σημασιολογικές εφαρμογές. Στην παρούσα διατριβή, εξετάζεται το πρόβλημα της παραγωγής σημασιολογικού περιεχομένου από υπάρχουσες δομημένες και ημιδομημένες πηγές δεδομένων, με απώτερο στόχο τη μεταφορά του πλούτου της πληροφορίας που ενυπάρχει σε αυτές στο Σημασιολογικό Ιστό. Αρχικά, εξετάζεται το πρόβλημα της συμμετοχής και αξιοποίησης σχεσιακών ΒΔ στο πλαίσιο του Σημασιολογικού Ιστού και πραγματοποιείται μια εκτεταμένη βιβλιογραφική επισκόπηση, η οποία μεταξύ άλλων περιλαμβάνει τα προβλήματα της παραγωγής οντολογίας από μια σχεσιακή ΒΔ, της εξαγωγής των περιεχομένων μιας σχεσιακής ΒΔ σε έναν RDF γράφο, καθώς και το πρόβλημα της ανακάλυψης αντιστοιχιών μεταξύ σχεσιακής ΒΔ και οντολογίας. Στη συνέχεια, περιγράφεται ένα απλό σύστημα αντιστοιχίας μιας σχεσιακής βάσης δεδομένων με μια οντολογία, το οποίο προτείνει τη χρήση της SQL για τον ορισμό της αντιστοιχίας, και τονίζονται οι θεωρητικές αδυναμίες και ελλείψεις μιας τέτοιας προσέγγισης. Επίσης, αναλύεται ένας αλγόριθμος για τη μετεγγραφή SPARQL ερωτημάτων σε σημασιολογικά ισοδύναμα SQL υπό την παρουσία μιας R2RML αντιστοιχίας, δυνατότητα που επιτρέπει τη δυναμική πρόσβαση στα περιεχόμενα μιας βάσης δεδομένων μέσω γλωσσών σημασιολογικών ερωτημάτων. Τέλος, εξετάζεται το πρόβλημα της σημασιολογικής επισημείωσης και επεξεργασίας ημιδομημένων δεδομένων από δυναμικές πηγές όπως δίκτυα αισθητήρων και προτείνεται κατάλληλη επέκταση σε ένα υλοποιημένο σύστημα επίγνωσης περιβάλλοντος, η οποία εφαρμόζει παραθυρικές τεχνικές προκειμένου να διατηρήσει το χρόνο απόκρισής του εντός αποδεκτών ορίων.