Notice bibliographique
Résumé
This dissertation studies the problem of discovering and using semantics for structured and semi-structured data, such as relational databases and XML documents. Semantics is captured in terms of mappings from a database schema to conceptual schemas/ontologies. Data semantics lies at the heart of data integration—the problem of sharing data across disparate sources. To address this problem, database researchers have proposed a host of solutions including federated databases, data warehousing, mediator-wrapper-based data integration systems, peer-to-peer data management systems, and more recently data spaces. In the Semantic Web community, the solution to the problem of providing machine understandable data for better web-wide information retrieval and exchange is to annotate web data using formal domain ontologies. A central issue in all of these solutions is the problem of capturing the semantics of the data to be integrated. This dissertation describes our solutions for discovering semantics for data and using the semantics to facilitate the discovery of schema mappings. First, we develop a semi-automatic tool, MAPONTO, for discovering semantics for a database schema in terms of a given conceptual model (hereafter CM). The tool takes as inputs a relational or XML database schema, a CM covering the same domain as the database, and a set of simple element correspondences from schema elements to datatype properties in the CM. It then generates a set of logical formulas that define a mapping from the schema to the CM. The key is to align the integrity constraints in the schema with the semantic constructs in the CM, guided by standard database design principles. Second, we extend MAPONTO with a semantic approach to finding schema mapping expressions. The approach leverages the semantics of schemas expressed in terms of CMs. We present experimental results demonstrating that MAPONTO saves significant human effort in discovering the semantics of database schemas and it outperforms the traditional mapping techniques for building complex schema mapping expressions in terms of both recall and precision. The development of MAPONTO provides a suite of practical tools for recovering semantics for database-resident data and generating improved schema mapping results for data integration.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,026 | 0,067 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,003 |
| Méta-épidémiologie (sens large) | 0,002 | 0,004 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,016 | 0,038 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».