Integración semántica

La integración semántica es el proceso de interrelacionar información procedente 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 los gráficos sociales ), resultados de búsqueda y relevancia publicitaria y de marketing derivada de ellos. En este sentido, la semántica se centra en la organización de la información y la acción sobre ella actuando como intermediario entre fuentes de datos heterogéneas, que pueden entrar en conflicto no solo por su estructura sino también por su 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 automáticamente ontologías . Un enfoque para el mapeo de ontologías (semi)automatizado requiere la definición de una distancia semántica o su inversa, similitud semántica 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 la 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 ]} . Estas podrían describirse predominantemente por medio de 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 en tiempo de ejecución funcionan a nivel de sintaxis ^{[ cita requerida ]} . Este enfoque de "enlace semántico temprano" puede mejorar el rendimiento general del sistema al tiempo que conserva los beneficios del diseño impulsado por la semántica ^{[ cita requerida ]} .

Situaciones de integración semántica

A partir del caso de uso de la industria, se ha observado que los mapeos semánticos 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 clase 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 de valor de la propiedad de instancia. Cada una de ellas 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 la propiedad (transformación de unidad). 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 unidad.

Enfoques KG vs. RDB

En el caso de integrar fuentes de datos suplementarias,

KG ( grafo de conocimiento ) representa formalmente el significado involucrado en la información al describir conceptos, relaciones entre cosas y categorías de cosas. Esta semántica integrada con 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 utilizando una consulta de grafo. Por ejemplo, la consulta de grafo realiza la inferencia de datos a través de las relaciones conectadas, en lugar de una búsqueda completa repetida de las tablas en una 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 de datos abiertas vinculadas populares 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 las tablas, y el resultado es generalmente una tabla, y una consulta puede unir tablas por cualquier columna que coincida con el tipo de datos. La consulta SPARQL es el lenguaje de consulta estándar y el protocolo para Linked Open Data en la web y está acoplada de forma flexible con la base de datos para facilitar la reutilización y puede extraer datos a través de las relaciones libres del tipo de datos, y no solo extraer sino también generar un gráfico de conocimiento adicional con operaciones más sofisticadas (lógica: transitiva/simétrica/inversa de/funcional). La consulta basada en inferencia (consulta sobre los hechos afirmados existentes 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 bases de datos tradicionales es compleja, lo que requiere el rediseño de la tabla de la base de datos, como por ejemplo, cambiar la estructura o agregar nuevos datos. En el caso de la consulta semántica, la consulta SPARQL refleja las relaciones entre las 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 omitir las relaciones entre las entidades. A continuación, se muestra el ejemplo que compara las consultas SPARQL y SQL para medicamentos que tratan la "tuberculosis vertebral".

SELECCIONAR ?medicamento
DONDE {
?diagnóstico un ejemplo:Diagnóstico .
?diagnóstico ejemplo:nombre “TB de vértebra” .
?medicamento ejemplo:canTreat ?diagnóstico .
}

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

Ejemplos

El Simposio del Pacífico sobre Bioinformática ha sido un foro 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.