Uma abordagem para geração de perfil de conjunto de dados com metadados enriquecidos semanticamente

Abstract

A variedade de conjuntos de dados publicados na Web possibilita um cenário ilimitado de informações. No entanto, identificar conjuntos de dados adequados para uma determinada atividade é um grande desafio. Com o intuito de facilitar essa tarefa, metadados que descrevem os conjuntos de dados podem ser disponibilizados. Adicionalmente, os metadados podem ser enriquecidos semanticamente de modo que suas informações contribuam não somente para a identificação, mas também para a compreensão e o consumo dos conjuntos de dados. É possível disponibilizar os metadados por meio de um Perfil de Conjunto de Dados (PCD), utilizando vocabulários recomendados e o representando em formato de dados estruturado. O PCD é composto de informações descritivas, estruturais e de qualidade sobre um determinado conjunto de dados. Na literatura são encontrados alguns trabalhos que abordam a geração de um perfil composto por metadados enriquecidos semanticamente, mas não foram encontrados trabalhos que considerem a geração de um perfil que inclui aspectos descritivos, estruturais e de qualidade. Neste contexto, este trabalho propõe uma abordagem para criação de um PCD, composto por metadados descritivos, estruturais e de qualidade enriquecidos semanticamente. Prover um PCD pode facilitar ainda mais a compreensão, localização, processamento e reuso dos conjuntos de dados por seus consumidores (usuários e aplicações). Para avaliar a abordagem proposta, foi desenvolvido um protótipo e foram realizados alguns experimentos, que demonstraram que a estratégia proposta produz bons resultados no que diz respeito à geração do Perfil do Conjunto de Dados e, em especial, ao enriquecimento semântico dos metadados.