Vizuāli semantiski vaicājumi pār relāciju datubāzēm

Abstract

Korektu vaicājumu izveide ir svarīgākais posms datu izguves procesā. Konstruējot vaicājumu vizuāli, tiek sniegta iespēja iegūt korektus datus ne tikai jomas speciālistiem, bet arī citu profesiju pārstāvjiem bez specifiskām tekstuālās vaicājuma valodas sintakses zināšanām. Dažādas vaicājumu bāzētas valodas kā SPARQL tiek izmantotas, lai iegūtu datus no semantiskā tīmekļa, bet, izmantojot minēto vaicājumu valodu, nav iespējams tieši izgūt datus no relāciju datubāzēm. Ontoloģijā bāzēta datu piekļuve ir kļuvusi par populāru pieeju lielo datu laikmetā. Darbā tiek apskatīta iespēja OBDA pieejas ietvaros veikt vizuāli semantisku vaicājumu izpildi, pār relāciju datubāzēm izmantojot R2RML. Izmantojot pieejamos rīkus, tiks pārbaudīta iespēja uz relāciju datu bāzēm skatīties kā uz virtuāliem RDF grafiem, kā arī pār tiem veikt SPARQL vaicājumus, izgūstot rezultātus. Lai problēmu risinātu, darbā tiek apskatīti pieejamie rīki un platformas, ar kuru palīdzību izveidot vizuālo vaicājumu realizāciju pār relāciju datubāzēm.

Creating a properly structured query is a vital step in data retrieval. Visually constructing a query opens a way for IT and non-IT experts alike to retrieve information from data sources, without knowledge of specific textual querying language. Many querying languages like SPARQL are used to retrieve information from the semantic network, but using it directly for relational databases it is impossible to get needed data. Nowadays, in Big Data century, ontology-based data access is a popular approach to use for data retrieval. This document explores the possibility to retrieve data from relational databases using R2RML and visual queries, by using OBDA approach. Different available tools will be analyzed to see if it is possible to look at relational databases as RDF graphs and query them using textual SPARQL query language. To find a solution for the previously described problem, this document examines different platforms and tools, that allows using visual semantic queries for data retrieval from relational databases.