Adição de termos semânticos a consultas OLAP
|
|
- Betty Quintanilha Padilha
- 6 Há anos
- Visualizações:
Transcrição
1 Adição de termos semânticos a consultas OLAP Robson do N. Fidalgo, Samuel de França Arcoverde Universidade Federal de Pernambuco rdnf@cin.ufpe.br, sfa@cin.ufpe.br Abstract. OLAP tools have been widely used for decision support analysis. In turn, ontologies has proven to be an effective and well accepted technology for recovering of semantic information. Thus, the integration of these technologies (OLAP and ontology) allows new types of queries that, individually, these technologies are not capable of performing. In this context, considering that related works still have not provided a solution to integrate OLAP Servers, the MultiDimensional expressions (MDX) language and ontologies, this paper proposes: i) a software architecture for OLAP and ontology integration; ii) a mapping between the metadata of a cube and the metadata of an ontology; iii) an extension of the MDX language to allow the use of semantic terms and iv) an algorithm to rewrite a MDX query with semantic terms in a query fully compliant with the standard syntax of this language. As proof of concept, we have developed a prototype and presented an application that implements our proposal and shows its feasibility. Resumo. Ferramentas OLAP são amplamente usadas para analises de suporte à decisão. Por sua vez, ontologias tem mostrado ser uma tecnologia bem aceita e efetiva para recuperação de informação semântica. Portanto, a integração destas tecnologias (OLAP e Ontologias) permite novos tipos de consultas que, individualmente, estas tecnologias não são capazes de executar. Neste contexto, considerando que os trabalhos relacionados ainda não forneceram uma solução para integrar servidores OLAP, a linguagem MultiDimensional expressions (MDX) e ontologias, este artigo propõe: i) uma arquitetura de software para integrar OLAP e ontologia; ii) um mapeamento entre os metadados de um cubo e os metadados de uma ontologia; iii) uma extensão da linguagem MDX para permitir o uso de termos semânticos e iv) um algoritmo para reescrever uma consulta MDX com termos semânticos em uma consulta MDX totalmente em conformidade com a sintaxe padrão desta linguagem. Como prova de conceito, foi desenvolvido um protótipo e apresentado uma aplicação que implementa as propostas deste trabalho, o que visa mostrar a sua viabilidade. Keywords: OLAP and Ontologies 1. INTRODUÇÃO Sistemas para suporte à decisão permitem analisar estrategicamente os dados de uma organização. Neste contexto, as tecnologias para processamento analítico de dados (On-Line Analytical Processing - OLAP) [Thomsen 2002] se destacam e podem ser resumidas como ferramentas para analisar, sobre diferentes cruzamentos de dados e níveis de detalhes, grandes Bancos de Dados (BD) conhecidos como Data Warehouses (DW) [Kimball et al. 2008]. Apesar da boa aceitação destas ferramentas, elas ainda não dão suporte para utilizar a semântica de um negócio (i.e., suas terminologias e regras) de forma a enriquecer o processo de tomada de decisão. Isso ocorre pelo fato de que as ferramentas OLAP priorizam facilitar e agilizar o processamento de consultas analíticas, ignorando os conhecimentos específicos de cada organização. Por exemplo, as consultas qual o total vendido de produtos baratos nos últimos semestres e meses por fornecedor e loja?, qual o total de internações graves por hospital, tipo de doença e faixa salarial do paciente nos últimos 4 anos? e qual o total de homicídios que ocorreram nos dias quentes por tipo de arma, região geográfica e perfil do criminoso? não podem ser diretamente executadas por uma ferramenta OLAP, pois estas consultas exigem o processamento semântico dos termos barato, grave e quente, os quais dependem do contexto do negócio analisado e, ao longo do tempo, podem ter suas semânticas alteradas. Neste contexto, visando adicionar descrição semântica e lógica ao negócio de uma 105
2 organização, as tecnologias para processamento semântico (e.g., ontologias [Lacy 2005]) vêm sendo amplamente utilizadas para identificar as entidades e os relacionamentos de um domínio, definindo um vocabulário conceitual para dar suporte à realização de inferências sobre esse domínio. Ressalta-se que o conhecimento representado através de ontologias pode ser explorado por máquinas de inferência, permitindo a geração de conhecimento adicional e não trivial, o qual pode ser útil para o enriquecimento semântico de consultas que visam o processamento analítico de dados. Com o objetivo de dar uma contribuição para resolver o problema de integrar consultas OLAP e consultas semânticas em uma única ferramenta para suporte à decisão, este trabalho propõe i) uma arquitetura de software para a integração entre OLAP e ontologia; ii) um mapeamento entre os metadados de um cubo e os metadados de uma ontologia; iii) uma extensão da linguagem MultiDimensional expressions (MDX) [Fouché and Langit 2011] para permitir o uso de termos semânticos em consultas OLAP; e iv) um algoritmo para reescrever a consulta MDX com termos semânticos em uma nova consulta totalmente em conformidade com a sintaxe padrão de MDX. Para avaliação do presente trabalho, desenvolveu-se, como prova de conceito, um protótipo que implementa e mostra que as propostas apresentadas neste artigo são relevantes e factíveis. O restante deste artigo é organizado da seguinte forma. Na seção 2, apresenta-se os conceitos básicos relacionados a OLAP e ontologias. Na seção 3, propõe-se uma arquitetura de software, um mapeamento entre cubos e ontologias, um algoritmo e uma extensão da linguagem MDX para realizar processamento analítico e semântico. Na seção 4, o protótipo desenvolvido é apresentado e avaliado. Na seção 5, os principais trabalhos relacionados são discutidos. Por fim, na seção 6, as considerações finais e trabalhos futuros são apresentados. 2. CONCEITOS BÁSICOS SOBRE OLAP E ONTOLOGIAS OLAP [Thomsen 2002] [Fouché and Langit 2011] é uma ferramenta de consulta que permite realizar cruzamentos e análises em diferentes níveis de agregação dos dados de um DW [Kimball et al. 2008]. Este tipo de ferramenta realiza consultas sobre uma base de dados (materializada ou virtual) chamada de cubo de dados [Thomsen 2002] [Fouché and Langit 2011], o qual corresponde a sumarizações/agregações sobre um subconjunto dos dados do DW. Alguns conceitos básicos sobre cubo de dados são [Thomsen 2002] [OMG 2003]: i) Dimensão (eixos de análises); ii) Níveis (projeções de uma dimensão); iii) Hierarquia (visão ordenada do níveis); iv) Membro (item de dado de um nível) e v) Medida (atributo mensurável a ser analisado). A partir de um cubo de dados, várias operações OLAP podem ser executadas. Dentre estas, as principais são [Thomsen 2002] [Fouché and Langit 2011]: i) Roll-up (agregação dos dados para um nível acima); ii) Drill-down (agregação dos dados para um nível abaixo); iii) Slice (projeção sobre um ou mais níveis da dimensão de um cubo de dados); iv) Dice (seleção sobre um ou mais membros do cubo de dados); e v) Pivoting/Rotate (rotação dos eixos do cubo de dados). Estas operações estão disponíveis na linguagem MDX [Fouché and Langit 2011], a qual é um padrão de facto para realizar consultas sobre servidores OLAP. Em linhas gerais, uma consulta MDX pode ser composta pelas cláusulas: WITH (adiciona uma lista de membros calculados e/ou conjuntos pré-definidos), SELECT (contém os dados que serão projetados), FROM (indica o cubo a ser consultado), WHERE (impõe uma seleção ao escopo da consulta). Ressalta-se que apenas as cláusulas SELECT e FROM são obrigatórias. Ontologias [Lacy 2005] [Segaran 2009] são especificações explícitas e formais de termos ou conceitos compartilhados. Isto é, estas capturam e explicitam a semântica de um negócio (suas terminologias e regras) de forma a evitar ambiguidades e torná-la computável. A estrutura de uma ontologia é geralmente formada por um conjunto de classes (conceitos de um domínio), relações (associações entre as classes) e propriedades (atributos de uma classe). Uma ontologia também pode possuir axiomas, os quais são sentenças que descrevem as regras formais de um domínio. Dentre as linguagens para especificar ontologias, a Ontology Web Language (OWL) [Lacy 2005] é um padrão definido pelo World Wide Web Consortium (W3C). Esta linguagem possui três sub-linguagens, dispostas em uma sequência crescente de níveis expressividade, a saber: OWL-Lite (suporta apenas a 106
3 criação de taxonomias e restrições simples), OWL-DL (utiliza o vocabulário completo de OWL e garante completude e decidibilidade) e OWL-Full (permite representar ontologias com maior flexibilidade, mas sem as garantias de computabilidade de OWL-DL). Como suporte adicional ao uso de ontologias, é possível utilizar mecanismos de dedução chamados de raciocinadores, os quais agem como motores de inferência sobre a descrição das ontologias, realizando checagem de consistência e classificação automática das classes. 3. INTEGRANDO OLAP E ONTOLOGIAS De forma a integrar OLAP e ontologias para realizar processamento analítico e semântico, na Figura 1 apresenta-se a arquitetura de software proposta neste trabalho. Nesta figura tem-se três camadas: Dados, Processamento e Apresentação, as quais, juntamente com seus componentes, são discutidas a seguir. Fig. 1. Arquitetura para integrar OLAP e Ontologias A Camada de Dados é composta por um cubo OLAP e por uma Base de Conhecimento formada por um conjunto de ontologias. O cubo OLAP deve estar em conformidade com os padrões Common Warehouse Metamodel (CWM) [OMG 2003] e XML for Analysis (XMLA) [MSDN 2012]. Por sua vez, a base de conhecimento é formada por três tipos de ontologias: Dimensão, Semântica do Negócio e Integração, as quais são resumidas assim: Ontologia de Dimensão - representa os dados (i.e., membros) e metadados (i.e., hierarquia e nível) da dimensão de um cubo OLAP como classes e relacionamentos ontológicos (ver Mapeamento OLAP- Ontologia na Figura 1). A construção desta ontologia é automática e segue os três passos a seguir: i) nomear a Ontologia de Dimensão com o mesmo nome da dimensão que ela representa; ii) criar, para cada membro de um nível da dimensão, uma classe ontológica cujo nome deve ser o mesmo nome único (propriedade UNIQUE NAME de MDX) do membro e, para cada classe criada, deve-se definir a propriedade NÍVEL, a qual registra o nome do nível a que pertence o membro representado pela classe; e iii) definir os relacionamentos entre as classes de modo que estes representem os mesmos relacionamentos hierárquicos existentes entre os membros de uma dimensão. Ressalta-se que todas as relações de hierarquia devem possuir as propriedades de inversão e transitividade e que o nome dessas relações deve ser o mesmo nome das hierarquias que elas representam, pois isto permite representar o 107
4 conjunto de hierarquias de uma dimensão apenas definindo novos relacionamentos entre as classes. Além disso, é importante destacar que, devido ao fato de todos os membros e hierarquias de uma dimensão estarem presentes em sua respectiva Ontologia de Dimensão, este tipo de representação é completa e única para cada dimensão; Ontologia de Semântica do Negócio - descreve as regras e termos semânticos (i.e., conceitos que representam um conhecimento empírico de um negócio) de uma organização. Esta ontologia é construída em três passos: i) importação de uma ou mais Ontologias de Dimensão, ii) criação de uma classe ontológica para cada termo semântico e iii) definição manual das regras e/ou axiomas que modelam a semântica do negócio da organização. Ressalta-se que uma Ontologia de Semântica do Negócio pode importar várias Ontologias de Dimensão, as quais podem ser importadas por várias Ontologias de Semântica do Negócio (ver Base de Conhecimento na Figura 1). Note que separar as Ontologias de Semântica do Negócio das Ontologias de Dimensão dá flexibilidade para alterar a semântica do negócio sem afetar as Ontologias de Dimensão (representação ontológica dos dados do cubo OLAP), o que facilita e torna menos custosas as alterações dos termos e regras do negócio; Ontologia de Integração - importa as Ontologias de Semântica do Negócio que estão relacionadas a um cubo OLAP, abstraindo a complexidade de manipular várias ontologias diferentes. A partir da Ontologia de Integração qualquer uma das classes das Ontologias de Semântica do Negócio e das Ontologias de Dimensões podem ser acessadas, pois a Ontologia de Integração importa as Ontologias de Semântica do Negócio e estas importam as Ontologias de Dimensão. Portanto, por transitividade, uma Ontologia de Integração contém todas as classes das suas Ontologias de Semântica do Negócio e de Dimensões. Ressalta-se que uma Ontologia de Integração deve ter o mesmo nome do cubo OLAP, pode importar várias Ontologias de Semântica do Negócio e estas podem ser importadas por outras Ontologias de Integração (ver Base de Conhecimento na Figura 1). Além disso, um cubo está associado a uma única Ontologia de Integração e esta só pode estar associada a um cubo (ver Mapeamento OLAP-Ontologia na Figura 1). A Camada de Processamento é composta pelo componente Tradutor OLAP-Ontologia, pela API OLAP e pela API Semântica. O Tradutor OLAP-Ontologia é basicamente a fusão de um analisador de tokens (i.e., termos semânticos) e um gerador de código (i.e., reescrita de uma MDX com termos semânticos em uma MDX padrão). No Quadro 1, apresenta-se o pseudocódigo com os principais passos para implementar o componente Tradutor OLAP-Ontologia. Quadro 1. Pseudocódigo do Componente Tradutor OLAP-Ontologia Entrada: mdx //consulta OLAP com termo semântico Saída: resultado //resultado da consulta OLAP com termos semânticos reescritos em membros OLAP Método: 01: INÍCIO 02: LER (mdx); //Leitura da MDX com termos semânticos 03: vetortermossemanticos[] = obtertermossemanticos(mdx); // Obtenção dos termos semânticos da MDX 04: SE (vetortermossemanticos <> vazio) ENTÃO { //Teste para verificar se a MDX tem temos semânticos 05: PARA (i = 1; i <= VetorTermosSemanticos[].tamanho(); i++){ //Construção do vetor de classes ontológicas 06: vetorclassesontologicas[] = obterclassesontologicas(vetortemossemanticos[i]); 07: vetormembrosolap[] = vazio; // Limpeza do vetor de membros OLAP 08: PARA (j = 1; j <= vetorclassesontologicas[].tamanho(); j++){ //Construção do vetor de membros OLAP 09: vetormembrosolap [] = obternomeunicomembroolap(vetorclassesontologicas[j]); 10: } 11: mdx = reescrevertermosemantico(mdx, vetormembrosolap[]); // Reescrita da MDX 12: vetorclassesontologicas[] = vazio; //Limpeza do vetor de classes Ontológicas 13: } 14: } 15: resultado = executarmdx(mdx); // Execução da MDX 16: enviarresultado(resultado); // Envio do resultado para a interface gráfica do usuário 17: FIM No quadro 1 tem-se os seguintes passos mais importantes: i) A leitura da MDX com termos semânticos (ver linha 02); 108
5 ii) A construção do vetor de termos semânticos (ver linha 03). Este vetor é construído a partir de uma análise léxica para obter os tokens (termos semânticos) da consulta MDX. Ressalta-se que um termo semântico é gramaticamente definido pela seguinte expressão regular #\([a-za-z0-9_\-]+\). A partir desta expressão regular pode-se criar termos semânticos como: #(PeríodoQuente), #(Período_Quente), #(PeríodoQuente2012) e #(Período-Quente), os quais são usados para estender a sintaxe da linguagem MDX, pois podem ser usados em substituição da função MEMBERS desta linguagem. Ou seja, assim como a função MEMBERS, um termo semântico retorna um conjunto de membros de um cubo; iii) O teste que verifica se o vetor de termos semânticos não está vazio (ver linha 04). Isto é, se não houver termo semântico na consulta MDX, não há necessidade de reescrevê-la; iv) A iteração para construir o vetor com as classes ontológicas (ver linha 06). Para cada iteração, usando uma API Semântica (e.g., Jena), deve-se consultar a Ontologia de Integração e obter todas as classes que são filhas da classe que possui o mesmo nome do termo semântico da iteração atual; v) A sub-iteração para construir o vetor com os membros OLAP correspondentes aos termos semânticos (ver linha 08). Para cada iteração, deve-se obter o nome de cada classe ontológica correspondente ao termo semântico e atribuí-lo ao nome de cada membro do vetor de membros OLAP. Note que, como os nomes das classes das Ontologias de Dimensão são idênticos aos nomes únicos dos seus respectivos membros OLAP, os elementos do vetor com membros OLAP já estão totalmente aderentes à sintaxe de MDX; vi) A reescrita de cada termo semântico da consulta MDX (ver linha 11). Neste passo, cada termo semântico é substituído pela função MEMBERS de MDX (e.g., [Data].[Dia].#(PeriodoQuente) [Data].[Dia].MEMBERS). Além disso, como os membros OLAP não precisam estar no mesmo nível hierárquico, para cada nível diferente, deve-se escrever uma função EXISTS de MDX. Esta função tem dois argumentos obrigatórios (conjunto1 e conjunto2) e retorna todos os membros do conjunto1 que pertencem ao conjunto2. Para a reescrita da consulta MDX, o primeiro argumento deve ser a expressão com a função MEMBERS, enquanto o segundo argumento, o conjunto de membros correspondentes ao termo semântico (e.g., EXISTS( [Data].[Dia].MEMBERS, {[Data].[Dia].[29/4/2012], [Data].[Dia].[30/4/2012]}) ). Ressalta-se que os membros do conjunto2 devem ser do mesmo nível; vii) A execução da consulta MDX reescrita (ver linha 15). Este passo é realizado fazendo-se uso de uma API OLAP (e.g., XMLA); viii) O envio do resultado para a interface gráfica do cliente (ver linha 16). Por fim, a Camada de Apresentação é formada pelo componente Interface Gráfica do Usuário. Este componente pode ser qualquer cliente OLAP (local ou remoto) que esteja em conformidade com o padrão XMLA (e.g., JPivot). 4. PROTÓTIPO DESENVOLVIDO Como prova de conceito das propostas apresentadas neste trabalho, um protótipo do tradutor OLAP- Ontologia foi desenvolvido na linguagem de programação Java. Os demais componentes da arquitetura de software apresentada na Figura 1 reusam as seguintes tecnologias: Mondrian (servidor de cubos OLAP), OWL (Base de Conhecimento), XMLA (API OLAP), Jena e Pellet (API Semântica) e JPivot (Interface Gráfica do Usuário). Uma aplicação usando o protótipo desenvolvido é apresentada a seguir. 4.1 AVALIAÇÃO DO PROTÓTIPO Para avaliar o protótipo foi desenvolvida uma aplicação a partir de um cubo de dados Vendas e as seguintes ontologias: Vendas (Ontologia de Integração), Períodos (Ontologia de Semântica do Negócio) e Data (Ontologia de Dimensão), todas escritas em OWL-DL. O cubo Vendas é formado pelas 109
6 dimensões Data, Cliente e Produto e pela medida Quantidade de Vendas. A dimensão Data possui a hierarquia Ano-Mês-Dia (Ano > Mês > Dia). A dimensão Cliente possui a hierarquia País-Região-Cidade (País > Região > Cidade). Por fim, a dimensão Produto possui a hierarquia Categoria-Subcategoria-Tipo (Categoria > Subcategoria > Tipo). Por sua vez, as ontologias são definidas assim: a ontologia Data representa todos os membros da dimensão Data, bem como as suas relações de acordo com a hierarquia Ano-Mês-Dia. A ontologia Períodos importa a ontologia Data e reutiliza as classes dessa ontologia para especificar os seguintes termos semânticos: PeríodoQuente, PeríodoFrio e PeríodoMorno. Finalmente, após a importação da ontologia Períodos, a ontologia Vendas está pronta para ser utilizada pela aplicação. Por limitação de espaço, a Figura 2 ilustra o trecho dessas ontologias que define o termo semântico PeríodoMorno, o qual corresponde aos dias 29/4/2012, 30/4/2012 e a todos os dias do mês de maio. Fig. 2. Ontologia de Integração Vendas Os Quadros 2 e 4 apresentam duas consultas que foram usadas para avaliar o protótipo desenvolvido. Ressalta-se que um termo semântico pode ser usado em substituição da função MEMBERS de MDX, o que permite a construção de várias outras consultas. Quadro 2. Consulta semântica #1 SELECT DRILLDOWNMEMBER( [Data].[Ano-Mês-Dia].[2012].CHILDREN, [Data].[Ano-Mês-Dia].[Mês].#(PeríodoMorno) ) ON 0, [Measures].[Quantidade de Vendas] ON 1 FROM [Vendas] Ao utilizar a função DRILLDOWNMEMBER, a consulta do Quadro 2 tem como objetivo exibir qual a quantidade de vendas para todos os meses do ano de 2012, detalhando pelo nível Dia apenas os meses que pertencerem à definição do termo semântico PeríodoMorno. Após o Tradutor OLAP-Ontologia realizar a reescrita da consulta do Quadro 2, tem-se a consulta apresentada no Quadro 3, a qual está totalmente em conformidade com a sintaxe padrão de MDX e já pode ser executada por qualquer servidor OLAP em conformidade com o padrão XMLA. Quadro 3. Reescrita da consulta semântica #1 SELECT DRILLDOWNMEMBER( [Data].[Ano-Mês-Dia].[2012].CHILDREN, { EXISTS([Data].[Ano-Mês-Dia].[Mês].MEMBERS,{[Data].[Dia].[29/4/2012],[Data].[Dia].[30/4/2012]}, EXISTS([Data].[Ano-Mês-Dia].[Mês].MEMBERS,{[Data].[Mês].[MAIO,2012]} } ) ON 0, [Measures].[Quantidade de Vendas] ON 1 FROM [Vendas] 110
7 Quadro 4. Consulta semântica #2 SELECT NON EMPTY CROSSJOIN( [Cliente].[Cidade].MEMBERS, [Data].[Mês].#(PeríodoMorno) ) ON 0, [Measures].[Quantidade de Vendas] ON 1 FROM [Vendas] O objetivo da consulta semântica #2 (ver Quadro 4) é processar a quantidade de vendas por cidade e mês que ocorreram em períodos mornos. Após a reescrita da consulta do Quadro 4, tem-se a consulta apresentada no Quadro 5, a qual também está totalmente em conformidade com a sintaxe padrão de MDX. Quadro 5. Reescrita da consulta semântica #2 SELECT NON EMPTY CROSSJOIN( [Cliente].[Cidade].MEMBERS, { EXISTS([Data].[Ano-Mês-Dia].[Mês].MEMBERS,{[Data].[Dia].[29/4/2012],[Data].[Dia].[30/4/2012]}), EXISTS([Data].[Ano-Mês-Dia].[Mês].MEMBERS,{[Data].[Mês].[MAIO,2012]}) } ) ON 0, [Measures].[Quantidade de Vendas] ON 1 FROM [Vendas] 5. TRABALHOS RELACIONADOS [Necib and Freytag 2003] realizam consultas a um BD relacional adicionando termos semânticos às consultas SQL. Os autores baseiam-se na ideia de que um termo semântico, correspondente a uma classe ontológica, pode ser adicionado como um predicado da cláusula WHERE. O passo final do processo consiste em reescrever a consulta SQL substituindo os termos semânticos pelos predicados que representam o significado dos termos. As consultas SQL semânticas definidas aqui possuem maior poder de expressividade e por isso produzem resultados mais significativos. Entretanto, o trabalho de [Necib and Freytag 2003] só funciona para BD relacionais. Isto é, ele não apresenta uma solução para integrar OLAP e Ontologias, tampouco para fazer processamento analítico e semântico a partir de MDX. [Sell et al. 2008] propõe um framework que realiza a tradução de consultas semânticas em consultas analíticas que simulam o comportamento de um cubo OLAP. O framework desenvolvido utiliza uma ontologia formada pelos dados das tabelas de dimensão de um DW e pelas regras de negócio inerentes aos dados. Uma consulta semântica é construída a partir da adição de filtros semânticos na cláusula WHERE de SQL. Apesar de ser apresentado como uma solução OLAP, ao invés de consultar um cubo de dados com a linguagem MDX, o framework realiza consultas SQL diretamente no DW utilizando operadores de agregação. Ou seja, este trabalho também não provê uma solução para integrar um servidor OLAP e uma base de conhecimento ontológica a fim de permitir a realização de consultas analíticas e semânticas a partir da linguagem MDX. [Saleh 2011] sugere uma abordagem para realizar consultas semânticas em um BD relacional. Ele propõe que o esquema relacional e os dados do BD sejam mapeados em uma ontologia e caso seja necessário, um especialista pode adicionar novas classes ou relações à ontologia inicial. A consulta semântica definida pelo usuário é na verdade uma consulta escrita em SPARQL que será traduzida para SQL baseando-se nas informações da ontologia. Embora o autor utilize consultas SPARQL e SQL, seu trabalho não integra efetivamente as duas tecnologias, pois elas não podem ser utilizadas simultaneamente em uma mesma consulta. Além disso, a abordagem proposta por [Saleh 2011] também não é voltada para integrar servidores OLAP com ontologias, tampouco estende a sintaxe da linguagem MDX para permitir a realização de consultas analíticas e semânticas. [Prat et al. 2012] descrevem um conjunto de passos e regras de transformação que visam construir uma ontologia a partir dos conceitos de um metamodelo de um cubo. Assim como todos os trabalhos anteriormente discutidos, este não faz uso de um servidor OLAP tampouco da linguagem MDX. Ou seja, dentre os trabalhos investigados, nenhum ataca o problema de como realizar consultas semânticas usando um servidor OLAP e a linguagem MDX. 111
8 6. CONSIDERAÇÕES FINAIS A integração entre OLAP e ontologias permite estender o poder das consultas OLAP a partir do processamento de termos semânticos e da realização de inferências e raciocínios sobre o domínio de um negócio, enriquecendo o processo de tomada de decisão. A partir de um estudo sobre os principais trabalhos relacionados, pode-se constatar que nenhum deles propõe uma solução que permite integrar OLAP e ontologias para realizar consultas semânticas a partir da linguagem MDX. Dado que este ponto em aberto é relevante, pois estas tecnologias (i.e., OLAP, ontologia e a linguagem MDX) são amplamente usadas pela indústria e academia, este trabalho, de forma a dar uma contribuição na direção de resolver este ponto em aberto, propôs: i) uma arquitetura de software para a integração OLAP e ontologia; ii) um mapeamento entre os metadados de um cubo e os metadados de uma ontologia; iii) uma extensão da linguagem MDX para permitir o uso de termos semânticos; e iv) um algoritmo para reescrever a consulta MDX com termos semântico em uma consulta totalmente em conformidade com a sintaxe padrão de MDX. Como pontos fortes deste trabalho têm-se: i) a independência de um servidor OLAP específico, pois como a arquitetura de software é baseada no padrão XMLA, pode-se usar qualquer servidor OLAP aderente a este padrão; ii) a especificação do mapeamento e dos passos necessários para traduzir um termo semântico em membros do cubo e iii) uma expressão regular que permite facilmente estender a sintaxe da linguagem MDX de forma a fazer uso de termos semânticos. Em resumo, este artigo contribui para avançar o estado da arte na área de processamento semântico e analítico, pois propõe o primeiro trabalho que consegue realizar a integração entre servidor OLAP, linguagem MDX e Ontologias em um único ambiente para suporte à decisão, o que abre uma nova perspectiva de pesquisa científica e industrial. Apesar das contribuições obtidas, muitos trabalhos futuros ainda têm que ser realizados, como por exemplo, uma avaliação experimental usando um cubo com um enorme volume de dados (10GB/20GB), a fim de analisar a escalabilidade das propostas apresentadas neste artigo (para este trabalho pode-se usar ferramentas que geram DW artificiais - e.g., Star Schema Benchmark - SSB). Além deste, outros trabalhos futuros são: melhorar a atual ontologia para que esta permita a realização de inferências que gerem conhecimento adicional e definir operações de drill-down/roll-up semânticos que exporem as hierarquias das ontologias. Agradecimento: Os autores agradecem ao CNPQ pelo apoio financeiro dado a realização deste trabalho, o qual está no contexto do projeto / REFERÊNCIAS FOUCHÉ G, LANGIT L. Foundations of SQL Server 2008 R2 Business Intelligence. Apress; 2011 KIMBALL R, ROSS M, THORNTHWAITE W, MUNDY J, BECKER B. The Data Warehouse Lifecycle Toolkit. 2nd ed. John Wiley & Sons; LACY L. W. OWL: Representing Information Using the Web Ontology Language. Trafford Publishing; 2005 MSDN. XML for Analysis Reference (XMLA). Available at: Accessed July NECIB, C. B., FREYTAG, J. C. Ontology-based Query Processing in Database Management Systems, OMG. Common Warehouse Metamodel (CWM) Specification PRAT, N., AKOKA, J., COMYN-WATTIAU, I. Transforming Multidimensional Models into OWL-DL Ontologies, SALEH, M. E. Semantic-Based Query in Relational Database Using Ontology, Canadian Journal on Data Information and Knowledge Engineering, vol. 2, nº 1, SEGARAN T, EVANS C, TAYLOR J. Programming the Semantic Web. O Reilly Media; SELL, D., SILVA, D. C., BEEPLER, F. D., NAPOLI, M., GHISI, F. B., PACHECO, R. C. S., AND TODESCO, J. L. SBI: A Semantic Framework to Support Business Intelligence. OBI, pp. 1-11, THOMSEN E. OLAP Solutions: Building Multidimensional Information Systems. 2nd ed. John Wiley & Sons;
Aula 02. Evandro Deliberal
Aula 02 Evandro Deliberal evandro@deljoe.com.br https://www.linkedin.com/in/evandrodeliberal Data Warehouse; Ambiente de Data Warehouse; Processos e ferramentas envolvidas; Arquiteturas de DW; Granularidade;
Leia maisMetamodelos para Banco de Dados. Carlos Julian Menezes Araújo Prof. Dr. Robson do Nascimento Fidalgo
Metamodelos para Banco de Dados Carlos Julian Menezes Araújo cjma@cin.ufpe.br Prof. Dr. Robson do Nascimento Fidalgo 1 Agenda Metadados MDA MOF Metamodelos CWM Pacote Relacional Referências 2 Metadados
Leia mais3 Estado da arte. 3.1 A linguagem de consultas SPARQL
Estado da arte 24 3 Estado da arte Nesse capítulo serão discutidas ferramentas, tecnologias e soluções existentes na área da web semântica. Na seção 3.1 e 3.2 deste capítulo serão discutidas abordagens
Leia maisOntology-Based Data Access. Diogo Espinhara Oliveira Banco de Dados
Ontology-Based Data Access Diogo Espinhara Oliveira Banco de Dados - 2017.1 Sumário 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Motivação e Objetivo Ontology Based Data Access (OBDA) Ontologia e Lógica de Descrição
Leia mais5 Conclusão e trabalhos futuros
5 Conclusão e trabalhos futuros Neste capítulo fazemos uma retrospectiva do trabalho realizado, uma avaliação da proposta de solução de integração de dados ou conhecimentos mostrada na dissertação e também
Leia maisModelagem Multidimensional
Modelagem Multidimensional Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Modelagem Multidimensional Análises dos usuários de SSD representam
Leia maisIntrodução. descrever os tipos de interfaces e linguagens oferecidas por um SGBD. mostrar o ambiente de programas dos SGBD s
Introdução Contribuição do Capítulo 2: discutir modelos de dados definir conceitos de esquemas e instâncias descrever os tipos de interfaces e linguagens oferecidas por um SGBD mostrar o ambiente de programas
Leia maisArquitetura de um Ambiente de Data Warehousing
Arquitetura de um Ambiente de Data Warehousing Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri OLAP: Fonte: Arquitetura Vaisman, A., Zimányi,
Leia maisSistemas de Apoio à Decisão
Sistemas de Informação e Bases de Dados 2012/2013 Sistemas de Apoio à Decisão Alberto Sardinha Sumário! Data Warehouse! OLAP! Exemplo de OLAP com SQL Server Business Intelligence Development Studio! 2012
Leia maisManipulação de uma ontologia desenvolvida em OWL através da utilização da API JENA 2 Ontology
Manipulação de uma ontologia desenvolvida em OWL através da utilização da API JENA 2 Ontology Paulo Roberto Gonçalves 1, Parcilene Fernandes de Brito 1 1 Laboratorio de Inteligência Computacional Centro
Leia maisConceitos Básicos. Fundação Centro de Análise, Pesquisa e Inovação Tecnológica Instituto de Ensino Superior - FUCAPI. Disciplina: Banco de Dados
Fundação Centro de Análise, Pesquisa e Inovação Tecnológica Instituto de Ensino Superior - FUCAPI Conceitos Básicos Disciplina: Banco de Dados Prof: Márcio Palheta, Esp Manaus - AM ROTEIRO Introdução Dados
Leia maisInteligência nos Negócios (Business Inteligente)
Inteligência nos Negócios (Business Inteligente) Sistemas de Informação Sistemas de Apoio a Decisão Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 4: OLAP) Fundamentação da disciplina Analise de dados
Leia maisArquitetura de um Ambiente de Data Warehousing
Arquitetura de um Ambiente de Data Warehousing Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura Típica usuário usuário... usuário
Leia maisUniversidade Federal da Paraíba CCEN Departamento de Informática Disciplina: Banco de Dados. Aula 1 Introdução a Banco de Dados
Universidade Federal da Paraíba CCEN Departamento de Informática Disciplina: Banco de Dados Aula 1 Introdução a Banco de Dados 1. Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído
Leia maisPROTÓTIPO DE FERRAMENTA DE CONSULTA DE INFORMAÇÕES BASEADAS EM ONTOLOGIAS PETER ANTONY RAUSCH JOYCE MARTINS
PROTÓTIPO DE FERRAMENTA DE CONSULTA DE INFORMAÇÕES BASEADAS EM ONTOLOGIAS PETER ANTONY RAUSCH JOYCE MARTINS ROTEIRO Introdução Objetivos Fundamentação Teórica Especificação Implementação Operacionalidade
Leia maisEste capítulo aborda os fundamentos principais aplicados neste trabalho.
2 Fundamentos Este capítulo aborda os fundamentos principais aplicados neste trabalho. 2.1 Linked Data Linked Data é um padrão de práticas a serem seguidas para a publicação e interligação de dados estruturados
Leia maisSQL. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri
SQL Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura de 3 Camadas esquema operações conceitual metáfora do cubo de dados Cube
Leia maisFerramenta de Suporte a Decisão caracterizada por Consultas OLAP
Ferramenta de Suporte a Decisão caracterizada por Consultas OLAP Daniel Ricardo Batiston Orientador: Evaristo Baptista Seqüência da apresentação Introdução Objetivos Fundamentação Teórica Sistema atual
Leia maisConceitos Básicos. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri
Conceitos Básicos Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Data Warehousing Engloba arquiteturas, algoritmos e ferramentas que possibilitam
Leia maisInformática. Business Intelligence (BI), Data Warehouse, OLAP e Data Mining. Prof. Márcio Hunecke
Informática Business Intelligence (BI), Data Warehouse, OLAP e Data Mining Prof. Márcio Hunecke Conceitos de BI Conjunto de ferramentas e técnicas que objetivam dar suporte à tomada de decisão Refere-se
Leia maisBancos de Dados IV. OLAP e Cubos de Dados. Rogério Costa
Bancos de Dados IV OLAP e Cubos de Dados Rogério Costa rogcosta@inf.puc-rio.br 1 OLAP Online Analytical Processing (OLAP) Análise interativa de dados, permitindo que dados sejam sumarizados e vistos de
Leia maisArquitetura de um Ambiente de Data Warehousing
Arquitetura de um Ambiente de Data Warehousing Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura Típica usuário usuário... usuário
Leia mais3 Tecnologias Relacionadas
Tecnologias Relacionadas 31 3 Tecnologias Relacionadas O objetivo deste capítulo é apresentar um resumo de cada tecnologia relacionada ao processo proposto nesta dissertação, mostrando suas principais
Leia maisSQL. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri
SQL Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura de 3 Camadas esquema operações conceitual metáfora do cubo de dados Cube
Leia maisANALYTICINT FERRAMENTA WEB PARA AVALIAR O PERFIL ACADÊMICO DOS CURSOS TÉCNICOS INTEGRADO DO IFC-VIDEIRA
ANALYTICINT FERRAMENTA WEB PARA AVALIAR O PERFIL ACADÊMICO DOS CURSOS TÉCNICOS INTEGRADO DO IFC-VIDEIRA Autores : Autor 1, Autor 2, Autor 3, Autor 4 1 Autor 2 Autor 3 Autor 4 Autor Introdução Com o objetivo
Leia maisOntologia de Livro: Aplicativo Android para Busca de Dados
Ontologia de Livro: Aplicativo Android para Busca de Dados de Personagens Eduardo Kraus Nunes Prof. Roberto Heinzle, Doutor - Orientador Roteiro de Apresentação 1. Introdução; 2. Objetivos; 3. Fundamentação
Leia mais3 Kuaba: Uma Ontologia para Design Rationale
3 Kuaba: Uma Ontologia para Design Rationale Para que o conhecimento registrado durante o design possa ser automaticamente processado, é desejável representar o design rationale de uma maneira formalmente
Leia maisONTOLOGIAS E ONTOLOGIAS DIFUSAS
Universidade Federal de São Carlos - UFSCar Programa de Pós-Graduação em Ciência da Computação PPGCC Departamento de Computação - DC ONTOLOGIAS E ONTOLOGIAS DIFUSAS SUMARIO Introdução Ontologias OWL Regras
Leia maisModelagem Multidimensional
Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Análises dos usuários de SSD representam requisições multidimensionais aos dados do DW permitem a identificação de problemas
Leia maisSBC - Sistemas Baseados em Conhecimento
Siglas, Símbolos, Abreviaturas DW - Data Warehouse KDD Knowledge Discovery in Database MD Mineração de Dados OLAP - On-line analytical processing SBC - Sistemas Baseados em Conhecimento 1. INTRODUÇÃO O
Leia maisRoteiro da apresentação
Alexandre Schlöttgen Data Warehouse Curso de Pós Graduação em Ciência da Computação Tópicos Avançados em Modelos de Banco de Dados Profs: Clésio Santos e Nina Edelweiss Junho de 2003 Roteiro da apresentação
Leia maisLógicas de Descrição Visão Geral
Lógicas de Descrição Visão Geral The Description Logic Handbook Cesar Augusto Tacla UTFPR/CPGEI INTRODUÇÃO 05/11/2013 2 Lógicas de Descrição É uma família de linguagens formais para representação de conhecimentos
Leia maisVisões Arquiteturais. Visões Arquiteturais
Visões Arquiteturais Separar diferentes aspectos em visões separadas com o objetivo de gerenciar complexidade. Cada visão descreve diferentes conceitos da Engenharia. Visões permitem reduzir a quantidade
Leia maisOntologias. Profa. Lillian Alvares Faculdade de Ciência da Informação, Universidade de Brasília
Ontologias Profa. Lillian Alvares Faculdade de Ciência da Informação, Universidade de Brasília Origem Teoria sobre a natureza da existência Ramo da filosofia que lida com a natureza e organização da realidade.
Leia maisSISTEMAS DE APOIO À INTELIGÊNCIA DE NEGÓCIOS
SISTEMAS DE APOIO À INTELIGÊNCIA DE NEGÓCIOS http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br Introdução a OLAP Material baseado em originais de Maria Luiza Campos NCE/UFRJ Atualizado com publicações
Leia maisModelagem Multidimensional - Nível Físico -
Modelagem Multidimensional - Nível Físico - Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Arquitetura de 3 Camadas esquema operações conceitual metáfora do cubo de dados
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot
Leia mais5 Usando as Representações de Design Rationale
5 Usando as Representações de Design Rationale Como mencionamos anteriormente, representar design rationale em uma linguagem formal usando o modelo formal dos artefatos nos permite atribuir semântica ao
Leia mais1 Introdução. 1 World Wide Web Consortium -
1 Introdução A internet é uma ampla fonte de disseminação de informações, abrangendo praticamente todas as áreas de conhecimento. A maioria das informações disponíveis hoje para a grande parte dos usuários
Leia maisIntrodução. Conceitos Básicos. Conceitos Básicos. Conceitos Básicos
Introdução Laboratório de Computação para Ciências Módulo II Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Mestrado Profissional
Leia maisModelagem Multidimensional - Nível Físico -
Modelagem Multidimensional - Nível Físico - Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura de 3 Camadas esquema operações
Leia maisFenómeno da globalização
Fenómeno da globalização Estamos num mundo em que tudo é possível a qualquer hora e em qualquer lugar Uma empresa não pode ser verdadeiramente global sem ter uma rede de comunicações excelente Um negócio
Leia maisModelagem Multidimensional - Nível Físico -
Modelagem Multidimensional - Nível Físico - Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Arquitetura de 3 Camadas esquema operações conceitual metáfora do cubo de dados
Leia maisAnderson Chaves Carniel Profa. Dra. Cristina Dutra de Aguiar Ciferri
Anderson Chaves Carniel Profa. Dra. Cristina Dutra de Aguiar Ciferri 1 2 Introdução Linguagem de consulta à base de dados multidimensionais criada pela Microsoft em 1998 Parte de um padrão industrial,
Leia maisSistemas da Informação. Banco de Dados I. Edson Thizon
Sistemas da Informação Banco de Dados I Edson Thizon (edson@esucri.com.br) 2008 Apresentação (mini-currículo) Formação Acadêmica Mestrando em Ciência da Computação (UFSC/ ) Créditos Concluídos. Bacharel
Leia maisFelipe de Andrade Batista. Microservice Architecture: A Lightweight Solution for Large Systems in the Future
Arquitetura de Microserviços: Uma Solução Leve para Grandes Sistemas no Futuro Felipe de Andrade Batista Universidade Santa Cecília (UNISANTA), Santos-SP, Brasil Email: feandrade.it@gmail.com Resumo: Este
Leia maisUTFPR - Universidade Tecnológica Federal do Paraná. Processamento e otimização de consultas
UTFPR - Universidade Tecnológica Federal do Paraná Processamento e otimização de consultas Leyza Baldo Dorini 04/Nov/2009 Programação da aula Introdução: processamento e otimização de consultas Etapas:
Leia maisJoana Simon Orientador: Prof. Oscar Dalfovo, Doutor
Joana Simon Orientador: Prof. Oscar Dalfovo, Doutor Introdução Objetivos Fundamentação teórica Especificações da ferramenta Desenvolvimento da ferramenta Operacionalidade da ferramenta Resultados e discussões
Leia maisObtendo Interoperabilidade Semântica em Sistemas. Metamorphosis
Obtendo Interoperabilidade Semântica em Sistemas Heterogéneos de Informação com Metamorphosis Giovani R. Librelotto José Carlos Ramalho Pedro R. Henriques Departamento de Informática Universidade do Minho
Leia mais5 Arquitetura Proposta
5 Arquitetura Proposta Neste capítulo detalhamos a arquitetura proposta que provê acesso a fontes de dados autônomas, heterogêneas e distribuídas, as quais podem ser desde sistemas gerenciadores de bancos
Leia maisPadrões para Definição de Metadados
Padrões para Definição de Metadados Marcos Vinícius Salgado Monteiro mvsmonteiro@midiacom.uff.br 1- Introdução 2- MPEG-7 3- TV-Anytime 4- RDF 4.1- OWL 5- Conclusão Roteiro Introdução Hoje em dia, cada
Leia maisOntologias MARIANNA ARAÚJO
Ontologias MARIANNA ARAÚJO Roteiro Motivação Conceito Tipos Linguagens de Ontologia SPARQL Apresentação de Ferramentas Modelagem de uma Ontologia com Protégé Referencias 2 Motivação Aumento exponencial
Leia maisEngenharia de Software e Gerência de Projetos Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios
Engenharia de Software e Gerência de Projetos Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios Cronograma das Aulas. Hoje você está na aula Semana
Leia maisMatéria Introdutória. Banco de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri
Matéria Introdutória Banco de Dados Motivação Necessidade de armazenar grandes quantidades de dados Necessidade de acessar as informações de maneira eficiente e segura Evolução histórica: desenvolvimento
Leia maisConstrução de Linked Data Mashup: Integração de Dados na Saúde Pública. Gabriel Lopes, Vânia Vidal e Mauro Oliveira.
Construção de Linked Data Mashup: Integração de Dados na Saúde Pública Gabriel Lopes, Vânia Vidal e Mauro Oliveira. Outline GISSA: Sistema de Apoio a Tomada de Decisões; Problemática: Consulta sobre bases
Leia maisModelagem Multidimensional - Nível Físico -
Modelagem Multidimensional - Nível Físico - Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura de 3 Camadas esquema operações
Leia maisO que não pode faltar em seus projetos de BI. Neimar Chagas
O que não pode faltar em seus projetos de BI Neimar Chagas Consultor de Business Intelligence e Professor. Especialista em projetos de BI com Pentaho. Especialista em Integração de Dados e Data Warehouse
Leia maisOLAP. Rodrigo Leite Durães.
OLAP Rodrigo Leite Durães. rodrigo_l_d@yahoo.com.br OLAP Definição OLAP (Online analytical processing) é uma categoria de tecnologia de software que possibilita a visualização dos dados armazenados, segundo
Leia maisRESUMO UMA ARQUITETURA PARA DISTRIBUIÇÃO DE COMPONENTES ECNOLÓGICOS DE SISTEMAS DE INFORMAÇÕES BASEADOS EM DATA WAREHOUSE. Denilson Sell 2001
Universidade Federal de Santa Catarina Departamento de Informática e Estatística Sistemas de Informação RESUMO UMA ARQUITETURA PARA DISTRIBUIÇÃO DE COMPONENTES ECNOLÓGICOS DE SISTEMAS DE INFORMAÇÕES BASEADOS
Leia maisData Warehousing: Conceitos Básicos e Arquitetura
Data Warehousing: Conceitos Básicos e Arquitetura Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Visão do Mercado Crescimento explosivo do uso da tecnologia de data warehousing
Leia maisImplementing Data Models and Reports with SQL Server 2014 (20466)
Implementing Data Models and Reports with SQL Server 2014 (20466) Formato do curso: Presencial Localidade: Lisboa Com certificação: MCSE: Business Intelligence Data: 11 Set. 2017 a 22 Set. 2017 Preço:
Leia maisEnriquecendo Data Warehouses Espaciais com Descriç es Semânticas *
Enriquecendo Data Warehouses Espaciais com Descriç es Semânticas * Renato Deggau 1,2 Renato Fileto 1 (orientador) 1 Programa de Pós Graduação em Ciência da Computação (PPGCC) Universidade Federal de Santa
Leia maisIntegração de Dados. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri
Integração de Dados Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Integração de Dados Problema: dados armazenados nos provedores são
Leia maisMotivação. Análise de Dados. BD x DW OLTP. Data Warehouse. Revisão Quais as diferenças entre as tecnologias de BD e DW? OLAP Modelos Multidimensionais
Data Warehouse Análise de Dados Motivação Revisão Quais as diferenças entre as tecnologias de BD e? Modelos Multidimensionais BD x OLTP dados volume dados granularidade dados atualização dados uso Característica
Leia maisProgramação Distribuída. Metas de um Sistema Distribuído
Programação Distribuída Metas de um Sistema Distribuído Programação Distribuída Metas de um Sistema Distribuído Um S.D. deve oferecer: 1. fácil acesso a seus recursos; 2. ocultar onde estão esses recursos,
Leia maisMIDB-OP: um Modelo de Integração de Dados Biológicos apoiado em Ontologias e Procedência de dados Caroline Beatriz Perlin
MIDB-OP: um Modelo de Integração de Dados Biológicos apoiado em Ontologias e Procedência de dados Caroline Beatriz Perlin Orientador: Prof. Dr. Ricardo Rodrigues Ciferri Agenda Introdução Bancos de dados
Leia mais6 Conclusão. 6.1 Contribuições
91 6 Conclusão O uso dos padrões da Web Semântica, como o RDF e RDFa, na publicação de informações na Web vêm demonstrando ser a única forma viável de garantir a interoperabilidade [34][53][80-83] de dados
Leia mais6.1. Teste Baseado em Gramática e Outras Abordagens de Teste
6 Discussão Além das técnicas de teste usando modelos gramaticais, existem outras abordagens de teste funcional de sistemas que estão sendo estudadas pela comunidade científica. Algumas delas se dedicam
Leia mais6. Considerações Finais
146 6. Considerações Finais Neste capítulo apresentamos as conclusões que foram feitas nesta dissertação. Estas conclusões são apresentadas em três 4 seções: Lições Aprendidas, Trabalhos Relacionados,
Leia maisCIn/UFPE Projeto Conceitual de BD - Prof. Robson Fidalgo 1/63
CIn/UFPE Projeto Conceitual de BD - Prof. Robson Fidalgo 1/63 Projeto Conceitual de BD Conceitos Básicos Gerais Por: Robson do Nascimento Fidalgo rdnf@cin.ufpe.br CIn/UFPE Projeto Conceitual de BD - Prof.
Leia maisConceitos e arquitetura do banco de dados. Andre Noel
Conceitos e arquitetura do banco de dados Andre Noel SGBD SGBD cliente/servidor SGBD SGBD cliente/servidor Módulo cliente SGBD SGBD cliente/servidor Módulo cliente Módulo servidor Abstração de dados Quais
Leia mais3 Uma Abordagem Orientada a Aspectos para o Desenvolvimento de Frameworks
48 3 Uma Abordagem Orientada a Aspectos para o Desenvolvimento de Frameworks Este capítulo apresenta uma visão geral da contribuição principal deste trabalho: uma abordagem orientada a aspectos para o
Leia mais6 Trabalhos Relacionados
6 Trabalhos Relacionados Existem vários projetos, tais como DILLEO e ILUMINA, que constroem Bibliotecas Digitais de LOs, mas não integram os repositórios nem os ambientes. Portanto, eles retratam abordagens
Leia maisTreinamento Pentaho Business Intelligence Open Source - Avançado
Treinamento Pentaho Business Intelligence Open Source - Avançado Sobre o treinamento O treinamento avançado é recomendado a profissionais quem busca maximizar seus conhecimentos na Suite Pentaho assim
Leia maisINE 5612 Professor: Frank Siqueira. Leonardo Silva Jean Ercilio Thiago
INE 5612 Professor: Frank Siqueira Alunos: Gustavo de Geus Leonardo Silva Jean Ercilio Thiago DESENVOLVEDORES JAVA EM TODO MUNDO LIDER GAVIN KING JBOSS MANTEVE O SUPORTE História Hibernate foi criado por
Leia maisINF1013 MODELAGEM DE SOFTWARE
INF1013 MODELAGEM DE SOFTWARE Departamento de Informática PUC-Rio Ivan Mathias Filho ivan@inf.puc-rio.br Programa Capítulo 1 O Paradigma Orientado a Objetos A Linguagem UML Descrição da Arquitetura 1 Programa
Leia maisGESTÃO DE DADOS NAS ORGANIZAÇÕES. Prof. Robson Almeida
GESTÃO DE DADOS NAS ORGANIZAÇÕES Prof. Robson Almeida INFRA-ESTRUTURA DE SISTEMAS DE INFORMAÇÃO 3 CONCEITOS Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único
Leia maisBD e Aplicações em Negócios
BD e Aplicações em Negócios Sistemas de Banco de Dados: conceitos e arquitetura evandro@usp.br Modelo de dados Temos um conceito inicial (primitivo) do que pode ser um BD BD é um conjunto de dados Para
Leia maisSistemas de Banco de Dados
Sistemas de Banco de Dados Fundamentos em Bancos de Dados Relacionais Wladmir Cardoso Brandão www.wladmirbrandao.com Departamento de Ciência da Computação (DCC) Instituto de Ciências Exatas e Informática
Leia maisProjeto de Banco de Dados. Componentes de um Sistema de Informação. Arquitetura de SI. Sistema de Informação (SI) SI nas Organizações
Sistema (SI) Coleção de atividades de Banco de Dados que regulam o compartilhamento, SI nas Organizações a distribuição de informações Fernando Fonseca e o armazenamento de dados relevantes ao gerenciamento
Leia maisConstruindo Aplicações Semânticas com Desenvolvimento Ágil: Plataforma JOINT
Conferência Web.br 2014 Construindo Aplicações Semânticas com Desenvolvimento Ágil: Plataforma JOINT Ig Ibert Bittencourt e Seiji Isotani ig.ibert@ic.ufal.br e sisotani@icmc.usp.br NEES/IC e CAED/ICMC
Leia maisPÓS-GRADUAÇÃO LATO SENSU. Curso: Banco de Dados. Disciplina: Data Warehouse e Business Intelligence Professor: Fernando Zaidan
PÓS-GRADUAÇÃO LATO SENSU Curso: Banco de Dados Disciplina: Data Warehouse e Business Intelligence Professor: Fernando Zaidan Unidade 2.2 - Cubos 2016 ACOMPANHAMENTO IMPLEMENTAÇÃO 9 8 7 TESTE 6 CONTACTO
Leia mais4 Integração DLMS e LMS
4 Integração DLMS e LMS Neste capítulo define-se inicialmente a arquitetura proposta, que visa integrar repositórios de Bibliotecas Digitais e de Ambientes de Aprendizagem, podendo os mesmos estar armazenados
Leia maisENGENHARIA DE SOFTWARE
EMENTA ENGENHARIA DE SOFTWARE DISCIPLINA: Estrutura e Fluxo de Informação EMENTA: A disciplina Estrutura e Fluxo de Informação se propõe a capacitar o aluno sobre os fundamentos da Gestão da Informação
Leia maisUma Arquitetura para Catálogos de Objetos baseados em Ontologias
1 Daniela Francisco Brauner Uma Arquitetura para Catálogos de Objetos baseados em Ontologias Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do título de Mestre pelo
Leia maisUMA FERRAMENTA DE APOIO A DETERMINAÇÃO DE EQUIVALÊNCIAS SEMÂNTICAS ENTRE ESQUEMAS GML UTILIZANDO ONTOLOGIAS OWL
UNIVERSIDADE FEDERAL DE SANTA CATARINA DEPARTAMENTO DE INFORMÁTICA E ESTATÍSTICA CURSO DE SISTEMAS DE INFORMAÇÃO UMA FERRAMENTA DE APOIO A DETERMINAÇÃO DE EQUIVALÊNCIAS SEMÂNTICAS ENTRE ESQUEMAS GML UTILIZANDO
Leia maisSistemas de Suporte à Decisão. Suporte à Decisão X Operacional. Banco de Dados Avançado. Data Warehouse. Data Warehouse & Data Mart
Sistemas de Suporte à Decisão Sistemas de Suporte a Decisão (SSD) Permitem armazenar e analisar grandes volumes de dados para extrair informações que auxiliam a compreensão do comportamento dos dados Armazenar
Leia mais2 Metodologias para Projetos de Aplicações Hipermidia
2 Metodologias para Projetos de Aplicações Hipermidia O processo de desenvolvimento de aplicações é o objeto de diversas pesquisas, principalmente no caso das aplicações voltadas para a Internet, que diferem
Leia maisATUALIZANDO BANCO DE DADOS OBJETO RELACIONAL ATRAVÉS DE VISÕES XML
ATUALIZANDO BANCO DE DADOS OBJETO RELACIONAL ATRAVÉS DE VISÕES XML Mestrando: Wamberg Gláucon Chaves de Oliveira Orientadora: Profa. Dra. Vânia Maria Ponte Vidal Universidade Federal do Ceará Departamento
Leia maisFERRAMENTA DE AUXÍLIO AO PROCESSO DE DESENVOLVIMENTO DE SOFTWARE INTEGRANDO TECNOLOGIAS OTIMIZADORAS
FERRAMENTA DE AUXÍLIO AO PROCESSO DE DESENVOLVIMENTO DE SOFTWARE INTEGRANDO TECNOLOGIAS OTIMIZADORAS Acadêmico: Roger Anderson Schmidt Orientador : Marcel Hugo Supervisor : Ricardo de Freitas Becker Empresa
Leia maisConteúdo. Integração de Dados, Web e Warehousing. Introdução. Introdução. BD Heterogêneos. Introdução. Introdução
Conteúdo Integração de Dados, Web e Warehousing Integração de Informações Consultando a Web Arquiteturas de Integração Fernando Fonseca Ana Carolina 2 Motivação Web e BD Arquitetura na Web Evolução da
Leia maisIntrodução à Programação Aula 03. Prof. Max Santana Rolemberg Farias Colegiado de Engenharia de Computação
Aula 03 Prof. Max Santana Rolemberg Farias max.santana@univasf.edu.br Colegiado de Engenharia de Computação Linguagens de Programação A primeira linguagem de programação foi criada por Ada Lovelace. Amiga
Leia maisOntologias: Definições e Tipos
Ontologias: Definições e Tipos Ricardo de Almeida Falbo Ontologias para Engenharia de Software Departamento de Informática Universidade Federal do Espírito Santo Agenda O que é uma ontologia Tipos de Ontologias
Leia maisData Warehouse ETL. Rodrigo Leite Durães.
Data Warehouse ETL Rodrigo Leite Durães rodrigo_l_d@yahoo.com.br Introdução Um dos desafios da implantação de um DW é a integração dos dados de fontes heterogêneas e complexas, padronizando informações,
Leia maisSEFAZ INFORMÁTICA Olap Prof. Márcio Hunecke
SEFAZ INFORMÁTICA Olap Prof. Márcio Hunecke www.acasadoconcurseiro.com.br Informática OLAP Partindo dos primórdios da informatização, quando um sistema que gerava relatórios era a principal fonte de dados
Leia maisBanco de Dados - Conceitos. Baseado no material da Profa. Vania Bogorny (UFSC)
Banco de Dados - Conceitos Baseado no material da Profa. Vania Bogorny (UFSC) 1 Por que estudar BD? Os Bancos de Dados fazem parte do nosso dia-a-dia: operação bancária reserva de hotel compra de passagens
Leia maisBanco de Dados. Introdução e Definições
Banco de Dados Introdução e Definições Conceitos Diferença entre Informação e Dado Informação: é qualquer fato ou conhecimento do mundo real e que pode ou não ser registrado /armazenado Dado: é a representação
Leia maisMotivação. Pouco conhecimento. Muitos dados e informações. Problemas para tomada de decisão
Motivação Problemas para tomada de decisão Muitos dados e informações Pouco conhecimento Motivação Uso amigável Sistemas computacionais que integram dados oriundos de diversas fontes Grande poder analítico
Leia mais