Integración de fuentes de datos espaciales con base en ontologías

Abstract

Los retos que se persiguen en el estado actual de la tecnología de la información, apuntan hacia la búsqueda de métodos para integrar datos de distintas fuentes de una forma coherente que resulte útil a un propósito específico. En este sentido, en los últimos años, se han realizado trabajos significativos sobre integradores de información, todos caracterizados por la intención de trabajar con las fuentes originales de datos, sin duplicidad ni actualización de terceros y de presentar al usuario en una vista única el contenido que le es de relevancia, a partir de una consulta fácil de elaborar. La tarea no es sencilla, ya que las fuentes de datos son heterogéneas en más de un sentido. Particularmente, las diferencias en la conceptualización del dominio entre las distintas fuentes de datos a integrar, redundan en diferencias en los esquemas lógicos de las fuentes de datos y en los términos que se emplean para definirlos. Son estas diferencias, conocidas como heterogeneidad semántica, las que el presente trabajo contribuye a resolver dentro del problema de la integración de datos. La metodología aquí expuesta propone el uso de una ontología como una capa intermedia entre la interfaz de usuario para el manejo de la información y las fuentes originales de datos. Con el uso de la ontología, las consultas se elaboran sólo en términos de la misma y la integración de cada fuente de datos es independiente de la estructura peculiaridades de las otras fuentes que participan en la integración. El problema de integración que se pretende resolver en este trabajo corresponde a un caso hipotético en el que es deseable, a través de un mapa geográfico inserto en la aplicación, el acceso unificado a dos conjuntos de datos distintos en relación a egresados de instituciones de educación superior en el país y a la ubicación de su domicilio de residencia, para responder a preguntas como: ¿quiénes son los egresados de cierta carrera?, ¿quiénes concluyeron sus estudios en una u otra escuela?, ¿quiénes de ellos viven más cerca de una determinada colonia o población? o ¿quiénes tienen edad entre cierto rango?, cuyas respuestas pueden ser de relevancia para el segmento empleador del país, para las instituciones que poseen la información y para los mismos egresados de estas instituciones. // The challenges to be pursued in the current state of the art in information technology, pointing to the search for semantic methods to integrate data from different sources in a coherent way that is useful for a particular purpose. In recent years, there has been significant work on integrated information, all characterized by the intention to work with the original sources of data without duplication or updates from third parties and presented to the user in a single view content, which is relevant to a query from easy to elaborate. The information integration task is not easy, because data sources are heterogeneous in more than one sense. In particular, the differences in the conceptualization of the field between several data sources to integrate, result in differences in the logical schema of data sources and the terms used to define them. These differences are called semantic heterogeneity. In this dissertation, we attempt to contribute partially solving the problem within the semantic data integration. The methodology outlined here proposes the use of an ontology as an intermediate layer between the user interface for managing information and original data sources. With the use of the application ontology, the queries are made only in terms of the same and the integration of each data source is independent of the structure frameworks of the other sources involved in the integration. The integration problem to be solved in this work corresponds to a hypothetical case in which it is desirable, through a geographical representation embedded in the application, unified access to two different datasets related to graduates of education institutions in the country and the location of your residence, in order to answer questions such as who are the graduates of a certain race? Who completed their studies in a particular university? Who of them live near a given neighborhood or population? or Who are among a range?, whose answers may be of relevance to the employee sector in the country, the institutions that possess the information and for the same graduates of these institutions.