Integración semántica

La integración semántica es el proceso de interrelacionar información de diversas fuentes, como calendarios y listas de tareas, archivos de correo electrónico, información de presencia (física, psicológica y social), documentos de todo tipo, contactos (incluidos los grafos sociales ), resultados de búsqueda y la relevancia publicitaria y de marketing derivada de ellos. En este sentido, la semántica se centra en la organización y el procesamiento de la información , actuando como intermediaria entre fuentes de datos heterogéneas que pueden entrar en conflicto no solo por su estructura, sino también por su contexto o valor.

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 la posibilidad de vincular automáticamente ontologías . Un enfoque para el mapeo (semi)automatizado de ontologías 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 declarar 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 ". ^{[ 1 ]}

Con el tiempo, los diseños de sistemas podrían dar paso a arquitecturas componibles donde las interfaces semánticas publicadas se combinan para habilitar capacidades nuevas y significativas . Estas podrían describirse principalmente mediante especificaciones declarativas en tiempo de diseño, que finalmente podrían renderizarse y ejecutarse en tiempo de ejecución .

La integración semántica también puede utilizarse para facilitar las actividades de diseño y mapeo de interfaces durante la fase de diseño. En este modelo, la semántica se aplica explícitamente solo al diseño, y los sistemas de ejecución operan a nivel sintáctico . Este enfoque de "enlace semántico temprano" puede mejorar el rendimiento general del sistema, conservando al mismo tiempo las ventajas del diseño basado en la semántica .

A partir del caso de uso industrial, se ha observado que los mapeos semánticos se realizaron únicamente dentro del alcance de la clase de ontología o la propiedad del tipo de dato . Estas integraciones semánticas identificadas son: (1) integración de instancias de una clase de ontología en otra sin ninguna restricción, (2) integración de instancias seleccionadas de una clase de ontología en otra mediante la restricción de rango del valor de la propiedad y (3) integración de instancias de una clase de ontología en otra con la transformación del valor de la propiedad de la 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 unitaria). Cada relación de mapeo identificada puede definirse como (1) tipo de mapeo directo, (2) tipo de mapeo de rango de datos o (3) tipo de mapeo de transformación unitaria. ^{[ 1 ]}

En el caso de integrar una fuente de datos suplementaria,

• Un grafo de conocimiento (KG ) representa formalmente el significado de la información al describir conceptos, relaciones entre elementos y categorías. 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 a los grafos de conocimiento de forma más eficiente mediante consultas de grafos. Por ejemplo, las consultas de grafos realizan la inferencia de datos a través de las relaciones conectadas, en lugar de realizar búsquedas completas y repetidas en las tablas de una base de datos relacional. Los grafos de conocimiento facilitan la integración de nuevos datos heterogéneos simplemente añadiendo nuevas relaciones entre la información existente y las nuevas entidades. Esta facilidad se destaca para la integración con fuentes de datos abiertos enlazados populares como Wikidata.org.
• Las consultas SQL están estrechamente vinculadas y rígidamente restringidas por el tipo de dato dentro de la base de datos específica. Permiten unir tablas y extraer datos de ellas, obteniendo generalmente una tabla como resultado. Una consulta puede unir tablas mediante cualquier columna que coincida en el tipo de dato. SPARQL es el lenguaje y protocolo de consulta estándar para Linked Open Data en la web, con un acoplamiento flexible a la base de datos que facilita la reutilización y permite extraer datos a través de relaciones, independientemente del tipo de dato. Además de extraer datos, también permite generar grafos de conocimiento adicionales con operaciones más sofisticadas (lógica: transitiva/simétrica/inversa/funcional). Las consultas basadas en inferencia (que utilizan los hechos existentes sin generar nuevos hechos mediante lógica) pueden ser más rápidas que las consultas basadas en razonamiento (que utilizan los hechos existentes más los generados/descubiertos mediante 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 el cambio de estructura o la adición de nuevos datos. En el caso de las consultas semánticas, las consultas SPARQL reflejan 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 apreciar en la propia consulta. A diferencia de SPARQL, las consultas SQL, que reflejan la estructura específica de la base de datos y se derivan de la coincidencia de las claves primarias y foráneas relevantes de las tablas, pierden la semántica de la consulta al no reflejar las relaciones entre entidades. A continuación se muestra un ejemplo que compara las consultas SPARQL y SQL para medicamentos que tratan la "TB vertebral".

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

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

El Simposio del Pacífico sobre Biocomputación ha servido de plataforma para la popularización de la tarea de mapeo de ontologías en el ámbito biomédico, y en sus actas se pueden encontrar varios artículos sobre el tema.

• Integración de datos
• Espacios de datos
• Integración empresarial
• Integración de datos basada en ontologías
• Alineación de ontologías
• Ingeniería de ontologías
• Coincidencia de ontologías
• Heterogeneidad semántica
• Tecnología semántica
• Traducción semántica
• Unificación semántica

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