Escenarios de vinculación de las bases de datos relacionales y las ontologías: un mapeo sistemático
DOI:
https://doi.org/10.29019/enfoqueute.759Palabras clave:
bases de datos relacionales, mapeo sistemático, ontologíasResumen
Las bases de datos relacionales constituyen una de las fuentes de datos más utilizadas. Sin embargo, como fuente de almacenamiento presenta un grupo de limitaciones. En las bases de datos relacionales se dificulta almacenar conocimiento semántico. Para solventar las carencias en la representación de conocimiento de las bases de datos relacionales, una tendencia ha sido el uso de las ontologías. Las ontologías poseen una mayor riqueza semántica y son más cercanas al vocabulario del usuario final que los esquemas de las bases de datos relacionales. El objetivo de la presente investigación consiste en realizar un mapeo sistemático acerca de los escenarios en que se vinculan las bases de datos relacionales y las ontologías para brindar una mejor integración, consulta y visualización de los datos almacenados. El mapeo se llevó a cabo aplicando una propuesta metodológica establecida en la literatura. Como resultado de la investigación, se detectó que el mapeo de bases de datos relacionales a ontologías y la utilización de las ontologías para la integración de fuentes de datos heterogéneas fueron los escenarios de mayor presencia. Igualmente, se identificaron tendencias y desafíos en cada uno de los escenarios que pueden merecer mayores esfuerzos de investigación en el futuro.
Descargas
Citas
Abbes, H.; Gargouri, F. (2017). MongoDB-Based Modular Ontology Building for Big Data Integration. Journal on Data Semantics, 7: 1-27. https://doi.org/10.1007/s13740-017-0081-z
Ameen, A. et al. (2014). Reasoning in Semantic Web Using Jena. Computer Engineering and Intelligent Systems, 5(4): 39-48. https://core.ac.uk/download/pdf/234644794.pdf
Bizer, C.; Seaborne, A. (2004). D2RQ-treating non-RDF databases as virtual RDF graphs. In Proceedings of the 3rd international semantic web conference (ISWC2004) (Vol. 2004). Springer. https://citeseer.ist.psu.edu/viewdoc/summary?doi=10.1.1.126.2314
Capsenta, J. F. S.; Miranker, D. P. (2017). A Pay-As-You-Go Methodology for Ontology-Based Data Access. IEEE Internet Computing, 21(2): 92-96. https://doi.org/10.1109/MIC.2017.46
Čerāns, K.; Būmans, G. (2015). RDB2OWL: a language and tool for database to ontology mapping. In Proceedings of the CAiSE 2015 Forum at the 27th International Conference on Advanced Information Systems Engineering (CAiSE 2015), Kista, Sweden (81-88). http://ceur-ws.org/Vol-1367/paper-11.pdf
Freitas, R., et al. (2017). Using linked data in the data integration for maternal and infant death risk of the SUS in the GISSA Project. In Proceedings of the 23rd Brazillian Symposium on Multimedia and the Web (193-196). https://doi.org/10.1145/3126858.3131606
Gorskis, H.; Aleksejeva, L.; Polaka, I. (2016). Database Analysis for Ontology Learning. Procedia Computer Science, 102: 113-120. https://doi.org/10.1016/j.procs.2016.09.377
Haw, S. C.; May, J. W. (2017). Mapping Relational Databases to Ontology Representation: A Review. In Proceedings of the International Conference on Digital Technology in Education, 54-58. https://doi.org/10.1145/3134847.3134852
Hazber, M. A., et al. (2019). A survey: Transformation for integrating relational database with semantic Web. In Proceedings of the 2019 3rd International Conference on Management Engineering, Software Engineering and Service Sciences (66-73). https://dl.acm.org/doi/10.1145/3312662.3312692
Horridge, M.; Bechhofer, S. (2011). The OWL API: A Java API for OWL Ontologies. Semantic Web, 2(1): 11-21. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.678.6080&rep=rep1&type=pdf
Karimi, H.; Kamandi, A. (2019). PT US CR. Expert Systems With Applications, 125: 412-424. https://doi.org/10.1016/j.eswa.2019.02.014
Liu, X.; Gao, F. (2018). An Approach for Learning Ontology from Relational Database. Proceedings of the 2018 International Conference on Algorithms, Computing and Artificial Intelligence. https://doi.org/10.1145/3302425.3302495
López Rodríguez, Y. A.; Hidalgo Delgado, Y.; Silega Martínez, N. (2016). Método para la integración de ontologías en un sistema para la evaluación de créditos. Revista Cubana de Ciencias Informáticas, 10(4): 97-111. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2227-18992016000400007
Maran, V.; Medeiros, G.; Machado, A. (2017). Database Ontology-Supported Query for Ubiquitous Environments. In Proceedings of the 23rd Brazillian Symposium on Multimedia and the Web, 185-188. https://doi.org/10.1145/3126858.3131575
Miller, G. A. (1995). WordNet: A Lexical Database for English. Communications of the ACM, 38(11): 39-41. https://doi.org/10.1145/219717.219748
Nakhla, Z.; Nouira, K. (2017). Automatic approach to enrich databases using ontology: Application in medical domain. Procedia Computer Science, 112: 387-396. https://doi.org/10.1016/j.procs.2017.08.221
Petersen, K.; Vakkalanka, S.; Kuzniarz, L. (2015). Guidelines for conducting systematic mapping studies in software engineering : An update. Information and software technology, 64: 1-18. https://doi.org/10.1016/j.infsof.2015.03.007
Pop, C., et al. (2015). M2O: A Library for Using Ontologies in Software Engineering. Intelligent Computer Communication and Processing (ICCP): 69-75. https://doi.org/10.1109/ICCP.2015.7312608
Reynoso, J. L., et al. (2015). Automatic Mapping Magnetic Resonance Images into Multimedia Database Using SIFT. IEEE Latin America Transactions, 13(8): 2709-2714. https://doi.org/10.1109/TLA.2015.7332153
Seo, D., et al. (2014). Development of Korean spine database and ontology for realizing e-Spine. Cluster computing. Recuperado de https://link.springer.com/article/10.1007/s10586-013-0344-x
Sequeda, J. F.; Miranker, D. P. (2013). Ultrawrap: SPARQL execution on relational data. Journal of Web Semantics, 22: 19-39. https://doi.org/10.1016/j.websem.2013.08.002
Soylu, A., et al. (2016). Ontology-based end-user visual query formulation: Why, what, who, how, and which? Universal Access in the Information Society, 16: 435-467 https://doi.org/10.1007/s10209-016-0465-0
Studer, R.; Benjamins, V. R.; Fensel, D. (1998). Knowledge Engineering : Principles and Methods. Data and Knowledge engineering, 25(1): 161-197. https://doi.org/10.1016/S0169-023X(97)00056-6
Sujatha, B.; Raju, S. V. (2016). Ontology Based Natural Language Interface for Relational Databases. Procedia Computer Science, 92: 487-492. https://doi.org/10.1016/j.procs.2016.07.372
Tao, M.; Ota, K.; Dong, M. (2016). Ontology-based Data Semantic Management and Application in IoT- and Cloud-Enabled Smart Homes. Future Generation Computer Systems, 76: 528-539 https://doi.org/10.1016/j.future.2016.11.012
Thi, P., et al. (2014). RDB2RDF : Completed Transformation from Relational Database into RDF Ontology. In Proceedings of the 8th International Conference on Ubiquitous Information Management and Communication, 88. https://doi.org/10.1145/2557977.2558083
Tonella, P., et al. (2007). Empirical studies in reverse engineering : state of the art and future trends. Empirical Software Engineering, 12(5): 551-571. https://doi.org/10.1007/s10664-007-9037-5
Urrutia, A., et al. (2017). An Ontology to Assess Data Quality Domains. A Case Study Applied to a Health Care Entity. IEEE Latin America Transactions, 15(8): 1506-1512. https://doi.org/10.1109/TLA.2017.7994799
Zdravkovi, M., et al. (2013). Explication and semantic querying of enterprise information systems. Knowledge and information systems, 40(3): 697-724. https://doi.org/10.1007/s10115-013-0650-x
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Los Autores
Esta obra está bajo una licencia Creative Commons Reconocimiento 3.0 Unported.
Los artículos e investigaciones publicadas por la Universidad UTE, se realizan en régimen de Acceso Abierto [Open Access] en formato electrónico. Esto significa que todo el contenido está disponible de forma gratuita sin costo para el usuario o su institución. Los usuarios pueden leer, descargar, copiar, distribuir, imprimir, buscar o enlazar los textos completos de los artículos, o usarlos para cualquier otro propósito legal, sin necesidad de pedir permiso previo al editor o al autor. Esto está de acuerdo con la definición de acceso abierto de la Iniciativa de Acceso Abierto de Budapest (BOAI). Al enviar un artículo a cualquiera de las revistas científicas de la Universidad UTE, el o los autores aceptan estas condiciones.
La UTE aplica la licencia Creative Commons Attribution (CC-BY) a los artículos de sus revistas científicas. En virtud de esta licencia de acceso abierto, como autor usted acuerda que cualquier persona puede reutilizar su artículo en su totalidad o en parte para cualquier propósito, de forma gratuita, incluso para fines comerciales. Cualquiera puede copiar, distribuir o reutilizar el contenido siempre y cuando el autor y la fuente original estén correctamente citados. Esto facilita la libertad de reutilización y también asegura que el contenido pueda ser extraído sin barreras para necesidades de investigación.
Esta obra está bajo una Creative Commons Attribution 3.0 International (CC BY 3.0).
Además, la Revista Enfoque UTE garantiza y declara que los autores conservan siempre todos los derechos de autor y todos los derechos de publicación sin restricciones [© Los Autores]. El reconocimiento (BY) permite cualquier explotación de la obra, incluyendo una finalidad comercial, así como la creación de obras derivadas, la distribución de las cuales también está permitida sin ninguna restricción.
Enfoque UTE - Facultad de Ciencias de la Ingeniería e Industrias - Universidad UTE
