Uso de Ontologias em Data Warehousing

Alexandra Vitorio de Morais Silva

av@cin.ufpe.br

27/04/23 1

Roteiro• Motivação• Data Warehousing• Engenharia de ontologias em DW• Uso de ontologias durante projeto de

ETL• Referências

27/04/23 2

MotivaçãoAutomação de processos de data

warehousing

Conhecimento semântico das fontes de dados

27/04/23 3

Data Warehousing• Coleção de tecnologias de suporte à

decisão:– Consolidação de dados provenientes de fontes

heterogêneas (EIS, fontes externas)• Data warehouse: coleção de dados

orientada a assunto, integrada, variante no tempo e não volátil (Inmon)– Suporte a OLAP (On-Line Analitycal Processing)– Modelagem de dados multidimensional

27/04/23 4

Data Warehousing• Processo se dá em duas fases:– ETL: extração, transformação e carga– Visões multidimensionais dos dados

como entrada para ferramentas de front end de análises gerenciais, mineração de dados e geração de relatórios

27/04/23 5

Arquitetura de Data Warehousing

Fonte: [CHAUDHURI, 1997]

27/04/23 6

Engenharia de ontologia para DW• Proposta por [CAO, 2006]• Construção de uma estrutura ontológica

para o domínio específico• Definição do comprometimento ontológico

e relacionamentos semânticos• Especificação formal da estrutura

ontológica (profile) em lógica de descrição• Agregação, transformação, mapeamento e

consulta intra e inter domínios

27/04/23 7

Estrutura ontológica em WarehousingTransformar o domínio do problema e o

sistema de resolução do problema (DW) em uma ontologia de domínio (DO) e uma ontologia de resolução do problema (PSO)

DO: vocabulário de conceitos e relacionamentosEx:

27/04/23 8

Estrutura ontológica em WarehousingPSO - definir ontologias para:

Tarefas

MétodosLógica de negócioRecursos (bases de dados, bases de

conhecimento, metadados) 27/04/23 9

Comprometimento ontológico e relacionamentos semânticos Acordo de utilização de uma ontologia

compartilhada de forma coerente e consistenteOC = (C,O,R,P,S), onde

C é um conjunto de conceitos de um domínio específicoO é um conjunto de ontologias candidatasR é um conjunto de relacionamentos entre ci e ojP são as propriedade de cardinalidadeS são medidas de similaridade entre ci e oj

27/04/23 10

Especificação formal e Agregação, Transformação, Mapeamento e ConsultasEstrutura ontológica definida mais

precisamente em lógica de descriçãoDefinição de mecanismos de agregação,

transformação, mapeamento e consulta inter e intra domíniosEx: uso de regras semânticas

27/04/23 11

Projeto de ETL• Análise da estrutura e conteúdo das

fontes de dados e mapeamento em um modelo de dados comum

• Em geral, a identificação das transformações necessárias durante o processo de ETL é feita manualmente, guiada pela semântica das fontes de dados e pelas restrições e requisitos da aplicação

27/04/23 12

Projeto de ETL utilizando ontologias• [SKOUTAS, 2006] propõe a utilização

de ontologias para a definição da seqüência de atividades de ETL

• Especificação formal e explícita da semântica dos esquemas das fontes de dados e do esquema do DW

• Automatização do processo

27/04/23 13

Projeto de ETL utilizando ontologias• Construção de uma ontologia

baseada nos esquemas das fontes de dados e do DW

• Derivação automática das transformações necessárias para o processo

27/04/23 14

Abordagens de integração de informação baseada em ontologia ([WACHE, 2001])• Ontologia única: integração simples, mas

difícil de criar e manter• Múltiplas ontologias: mais flexível, no entanto

comparação torna-se difícil• Abordagem híbrida: cada fonte é descrita em

uma ontologia utilizando termos de um vocabulário compartilhado

• [SKOUTAS, 2006]: – vocabulário contendo termos primitivos do

domínio– fontes de dados descritas independentemente

a partir dos termos comuns27/04/23 15

Construção da ontologia do domínio• Representação formal e explícita, permitindo

uso de técnicas de raciocínio• Baseada em um vocabulário comum• Linguagem de representação: OWL DL– classes, hierarquias, propriedades de domínio e

restrições de intervalo, equivalência entre classes e disjunção

• Mapeamento entre a ontologia e os esquemas das fontes

27/04/23 16

Fonte: [SKOUTAS, 2006]

Resumo das características de OWL utilizadas

27/04/23 17

Cenário

As fontes de dados contém informações sobre lojas e produtos; cada produto é vendido em uma loja. Para cada produto, são fornecidos a quantidade disponível e o preço. A informação sobre a quantidade não está disponível para alguns produtos.

Há dois tipos de produto: software e hardware. Em DS1 essa distinção é feita pelo atributo “type”, enquanto em DS2 duas relações distintas são utilizadas. Os preços são armazenados em euro e dólar em DS1 e DS2, respectivamente. Produtos em DS1 possuem uma check constraint para que o preço mínimo seja 200 euros. Cada loja tem nome e endereço, que inclui cidade, rua e número. Em DS1 essa informação está no atributo “location”. No DW, o atributo “street” contém a rua e o número da loja. Assume-se também que as lojas estão localizadas em uma dessas cidades: Paris, Roma ou Atenas. No DW, a relação “products” deve conter apenas produtos de software, com os preços variando de 500 a 1500 euros, a quantidade é conhecida e a cidade é Roma ou Atenas. Finalmente, o id nas relações do DW são surrogate keys que substituem as chaves primárias originais das fontes.

27/04/23 18

Anotação das fontes de dados• Vocabulário de termos em comum

• Mapeamento da fonte DS1

27/04/23 19

Anotação das fontes de dadosAnotação da fonte DS1

27/04/23 20

Construção da OntologiaA ontologia da aplicação é composta por:

Um conjunto de classes primitivas que correspondem aos conceitos especificados, formatos de representação e intervalos ou conjunto de valores

Um conjunto de propriedades correspondente às características dos conceitos do domínio

Um conjunto de classes definidas representando as fontes de dados

27/04/23 21

Classes e propriedadesA partir do vocabulário e das anotações:

Hierarquia final das classes

27/04/23 22

Derivação automática das transformaçõesConjunto de operadores de um processo de

ETL

27/04/23 23

Derivação automática das transformaçõesIntegração das fontes de dados e carga do

DWAlgoritmo que define:

De quais atributos e relações as informações serão extraídas

Quais as transformações necessárias para a integração

27/04/23 24

Referências• [CAO, 2006] Cao, L.; Ni, J.; Luo, D. Ontological Engineering

in Data Warehousing. LCNS - Lecture Notes in Computer Science, vol. 3841, p. 923-929, 2006.

• [CHAUDHURI, 1997] Chaudhuri, S.; Dayal, U. An overview of data warehousing and OLAP technology. ACM SIGMOD Record, vol. 26, issue 1, p. 65-74, 1997.

• [SKOUTAS, 2006] Skoutas, D.; Simitsis, A. Designing ETL Processes Using Semantic Web Technologies. Proceedings of the 9th ACM international workshop on Data warehousing and OLAP, p. 67-74, 2006.

• [WACHE, 2001] Wache, H., et al. Ontology-Based Integration of Information — A Survey of Existing Approache. IJCAI wokshop on Ontologies and Information Sharing, 2001.

27/04/23 25

27/04/23 26

Obrigada!