Población de un almacén de datos con datos enriquecidos semánticamente.

Abstract

Debido al auge de la Web Semántica cada vez existen más repositorios con grandes cantidades de datos semánticos (datos anotados con elementos de ontologías), con una estructura compleja, semi-estructurada y heterogénea. En este artículo se presenta un método para la construcción automática de tablas de hechos a partir de datos enriquecidos semánticamente y almacenados en forma de instancias RDF/OWL. Como punto de partida, el método toma un esquema multidimensional en forma de estrella (el tema de análisis, las dimensiones y medidas) diseñado por el analista a partir de los conceptos y propiedades de la ontología que describe el almacén de instancias. El método explota la semántica encapsulada en los axiomas de la ontología para derivar “combinaciones válidas” de instancias y literales y así construir hechos. Además, tanto la ontología como las instancias se indexan con unos índices específicos que proporcionan escalabilidad a la propuesta. El método ha sido evaluado con un conjunto de instancias OWL generadas de forma sintética.

The Semantic Web has become a new environment that enables organizations to attach semantic annotations taken from domain and application ontologies to the information they generate. As a result, large amounts of complex, semi-structured and heterogeneus semantic data repositories are being made available. In this paper, we present an automatic method for on-demand construction of fact tables aimed at analyzing semantic data expressed as instance stores in RDF/OWL. The starting point of the method is a multidimensional star schema (i.e. topic of analysis, dimensions and measures) designed by the analyst by picking up concepts and properties from the ontology of the instance store. The method exploits the underlying semantics of ontology axioms in order to derive facts, that is, “valid combinations” of instances and literals that fulfill the analyst needs. Moreover, both the ontology axioms and the instances are indexed in order to reach scalability. We have tested the method with a synthetically generated instance set in order to show its scalability and effectiveness.