[论文解读] Semantic Integration & Single-Site Opening of Multiple Governmental Data Sources.

Konstantinos Kotis, Iraklis I. Athanasakis+1 more|arXiv (Cornell University)|Jul 2, 2014

Semantic Web and Ontologies参考文献 14被引用 3

一句话总结

本文提出S3-AI，一种语义应用集成方法，通过D2RQ和Fuseki实现从单一站点对多个分布式政府数据源进行统一、基于本体的查询。该方法在保留数据所有权和自主性的同时，支持对实时、动态演变数据的实时联邦SPARQL查询，在电子政务IT帮助台用例中表现出色，成本最低且高度可定制。

ABSTRACT

In many cases, government data is still "locked" in several "data silos", even within the boundaries of a single (inter-)national public organization with disparate and distributed organizational units and departments spread across multiple sites. Opening data and enabling its unified querying from a single site in an efficient and effective way is a semantic application integration and open government data challenge. This paper describes how NARA is using Semantic Web technology to implement an application integration approach within the boundaries of its organization via opening and querying multiple governmental data sources from a single site. The generic approach proposed, namely S3-AI, provides support to answering unified, ontology-mediated, federated queries to data produced and exploited by disparate applications, while these are being located in different organizational sites. S3-AI preserves ownership, autonomy and independency of applications and data. The paper extensively demonstrates S3-AI, using the D2RQ and Fuseki technologies, for addressing the needs of a governmental "IT helpdesk support" case.

研究动机与目标

• 解决在单一公共行政组织内整合异构、分布式政府数据源的挑战。
• 在不集中化或重构现有系统的情况下，实现对多个自主数据源的实时、统一查询，访问实时、动态演变的数据。
• 使用开放、轻量级的语义网技术支持语义应用集成，同时保留数据所有权和自主性。
• 在真实世界的电子政务IT帮助台用例中，证明该方法的可行性和优势。
• 识别在公共部门数据集成中部署语义技术的最佳实践与经验教训。

提出的方法

• 使用D2RQ将关系型数据库映射为虚拟RDF图，实现对现有关系型数据源的语义访问。
• 使用Fuseki作为SPARQL 1.1端点，执行跨多个虚拟RDF源的联邦查询。
• 开发领域特定的参考本体，并利用其在异构数据模式之间进行查询中介。
• 采用半自动方法并辅以人工验证，建立应用特定模式与参考本体之间的语义映射。
• 实现单一站点访问点，为跨分布式数据的联邦查询提供统一的SPARQL端点。
• 使用模拟数据进行公开演示，以确保初始部署期间的数据安全与隐私。

实验结果

研究问题

• RQ1 如何在不集中化或修改其原始系统的情况下，对多个自主、分布式的政府数据源进行语义集成？
• RQ2 D2RQ和Fuseki在政府环境中在多大程度上能够实现对实时、动态演变数据的高效、实时联邦SPARQL查询？
• RQ3 在公共行政背景下，将异构数据模式映射到通用参考本体时面临哪些实际挑战，以及有哪些最佳实践？
• RQ4 如何在保障统一数据访问和查询的同时，保留数据所有权和自主性？
• RQ5 使用轻量级、开源的语义网技术进行政府数据集成时，性能与可维护性之间的权衡如何？

主要发现

• S3-AI方法成功实现了在NARA电子政务IT帮助台系统中，对五个分布式数据源的统一、基于本体的联邦SPARQL查询。
• 使用D2RQ和Fuseki实现了对实时、动态演变数据的实时访问，无需数据复制或系统重构。
• 该方法表现出低维护成本、高可定制性及低成本，适用于资源有限的公共管理部门部署。
• 即使在复杂模式异构性下，集成过程依然可行，尤其在选用合适参考本体并辅以半自动映射支持时效果更佳。
• 部署过程中暴露出手动映射的挑战，包括错误的术语配对、语法错误和映射缺失，凸显了仔细验证的必要性。
• 数据安全仍是关键关切，作者指出仅公开了匿名化或模拟数据，且安全端点是未来工作的优先事项。