Ylink : um processo para interligação de dados na web semântica

Abstract

A Web semântica vem sendo adotada como meio de troca de informação por uma série de domínios de aplicação ao longo dos últimos anos. Um dos domínios que mais possuem documentos e dados publicados é o biomédico. Há um grande esforço da comunidade científica em fazer com que estes documentos/dados sejam publicados de acordo com boas práticas, como o uso de padrões para facilitar a interoperabilidade. Por exemplo, o uso do formato RDF e a publicação dos dados como recursos identificados unicamente por URIs derreferenciáveis (que retornam um conteúdo válido também utilizando o RDF). Além disso, recomenda-se também que estes recursos estejam interligados com outras fontes de documentos/dados. Interligar um novo conjunto de dados com os que já estão publicados na Web de dados é uma tarefa árdua que depende de mecanismos de mapeamento e de métricas para verificar a similaridade entre tais conjuntos de dados (o novo e os outros já publicados). No entanto, os mecanismos de mapeamento automáticos apresentam problemas com relação à precisão, e embora ajudem na realização desta tarefa, resolvem apenas uma parte do problema. Esta tarefa envolve outros desafios além do mapeamento, como en contrar fontes de dados com as quais interligar, e validar os mapeamentos sugeridos por aqueles mecanismos. Este trabalho apresenta um processo que aborda as principais atividades para realizar a interligação de dados. Tais atividades passam pela seleção e ranqueamento de datasets alvos; mapeamento do dataset fonte com os datasets alvos; validação humana dos pares encontrados e a fusão destes pares validados com o dataset fonte. Foi implementada uma ferramenta de software que materializou os conceitos do processo acima de acordo com cada atividade, e viabilizou a sua avaliação. Experimentos no domínio biomédico foram feitos seguindo o escopo de cada atividade, apresentando resultados satisfatórios e confirmando a aplicabilidade do processo proposto.