[论文解读] Preliminary results on Ontology-based Open Data Publishing

Gianluca Cima|arXiv (Cornell University)|May 30, 2017

Semantic Web and Ontologies参考文献 13被引用 10

一句话总结

本文提出一种基于本体的开放数据发布自下而上的方法，使组织能够通过从源查询自动推导本体级查询来发布语义标注数据。其主要贡献是一种计算最优完整源到目标重写（source-to-target rewriting）的算法，利用形式化本体映射确保发布数据的语义解释正确且完整。

ABSTRACT

Despite the current interest in Open Data publishing, a formal and comprehensive methodology supporting an organization in deciding which data to publish and carrying out precise procedures for publishing high-quality data, is still missing. In this paper we argue that the Ontology-based Data Management paradigm can provide a formal basis for a principled approach to publish high quality, semantically annotated Open Data. We describe two main approaches to using an ontology for this endeavor, and then we present some technical results on one of the approaches, called bottom-up, where the specification of the data to be published is given in terms of the sources, and specific techniques allow deriving suitable annotations for interpreting the published data under the light of the ontology.

研究动机与目标

• 解决缺乏正式方法论来决定发布哪些数据，并确保高质量、语义标注的开放数据。
• 提出一种基于本体数据管理（OBDM）范式作为正式基础的开放数据发布原则性方法。
• 使尚未全面采用OBDM的组织能够通过从源查询推导本体级查询来发布数据。
• 开发识别和计算完整源到目标重写（s-to-t rewriting）的算法，以保持语义正确性。
• 通过正式的本体映射确保发布数据的准确性和语义完整性。

提出的方法

• 本文引入一种自下而上的方法，其中数据发布者指定针对源数据库（例如关系表）的查询，而非直接针对本体。
• 提出一种算法，将源查询重写为基于本体的合取查询（CQ），使用本体和映射作为正式规范。
• 该算法确保结果本体查询为完整s-to-t重写，即在所有可能的数据和模式模型中捕获源查询的所有确定性答案。
• 该方法依赖chase过程验证候选重写是否完整，基于本体、映射和源查询进行形式化检查。
• 最优重写定义为保持完整性的最小此类查询（逻辑等价意义下），并通过从源查询和映射构建规范实例来计算该查询。
• 该方法利用映射中查询的单调性，确保在所有一致数据模型下均保持正确性和完整性。

实验结果

研究问题

• RQ1 当组织尚未全面采用OBDM时，如何发布高质量、语义标注的开放数据？
• RQ2 什么形式化标准可定义源查询到本体查询的正确且完整的源到目标重写？
• RQ3 能否从源查询和OBDM规范自动计算出最优（最小）完整s-to-t重写？
• RQ4 在何种条件下，给定的本体查询是源查询的完整s-to-t重写？
• RQ5 如何仅通过源级别规范和本体映射正式保证发布数据的语义？

主要发现

• 所提出的算法计算出源查询在本体上的最优完整s-to-t重写，确保在所有一致模型中均正确且完整。
• 最优重写始终可表示为合取查询（CQ），且该算法返回唯一一个在逻辑等价意义下的此类查询。
• 对于任意源查询，该算法生成的重写均保证完整，经由CheckComplete过程验证返回true。
• 该方法确保通过本体正式捕获发布数据的语义，即使发布者仅在源数据上指定查询。
• 该方法通过弥合源级别规范与语义发布之间的差距，使在无法直接查询本体的组织中实现高质量开放数据发布成为可能。
• 理论结果表明，所计算的重写既完整又最小，为自动化、语义正确的数据发布提供了原则性基础。