Análise do processo de recuperação da informação em bases de dados publicadas como dados abertos ligados utilizando a abordagem RDB2LOD

Analysis of the information retrieval process in databases published as linked open data using the RDB2LOD approach

A Web Semântica é considerada uma extensão da Web atual, na qual os dados recebem um significado bem definido, facilitando o trabalho de computadores e pessoas (BERNERS-LEE; HENDLER; LASSILA, 2001). Na Web Semântica os significados das palavras são levados em consideração na formulação das consultas, o que possibilita a procura de informações considerando aspectos semânticos dos dados, de forma a obter resultados capazes de satisfazer as necessidades de informação do usuário (PABÓN; GONZÁLEZ, 2014). Para isso são usadas as ontologias, caracterizadas como “[...] um dos principais elementos da Web Semântica na construção de informações relacionadas que apresentam significado.” (SANTAREM SEGUNDO; CONEGLIAN, 2016, p. 220).

Assim, essa capacidade de organizar e usar as informações a partir de análise semântica, baseada em ontologias e vocabulários, pode permitir uma representação mais adequada e eficiente do conteúdo dos documentos. Com essa intenção, foram criadas linguagens e ferramentas que descrevem e representam com maior eficiência as informações acumuladas na Internet, como a eXtensible Markup Language (XML) e o Resource Description Framework (RDF) (CUBA RODRÍGUEZ; OLIVEIRA BATISTA, 2018). A partir do desenvolvimento dessas ferramentas, torna-se evidente o potencial da Web Semântica, também conhecida como Web inteligente, que é capaz de gerar avanços em diversos campos científicos, como a busca e recuperação da informação (CONEGLIAN et al., 2017).

A evolução da Web e da Web Semântica propiciou o surgimento de iniciativas de abertura de dados por diversos governos e instituições, viabilizada pelo uso da tecnologia de dados ligados, ou Linked Data. Nesta tecnologia, um conjunto de dados ligados (dataset) é formado por um conjunto de triplas, representadas no formato RDF. Neste formato, uma tripla é composta por: (1) um sujeito/recurso (subject); (2) um objeto/valor (object); e (3) um relacionamento entre sujeito e objeto (predicate). Dessa forma, uma tripla pode ser lida como uma sentença composta por sujeito, predicado e objeto.

A promoção de dados ligados em um contexto de dados abertos (open data), isto é, dados que estão publicamente disponíveis na Web, ocorre por meio das recomendações e boas práticas do projeto Linked Open Data (LOD), ou dados abertos ligados, um refinamento do Linked Data (CRISTOVÃO; FERNANDES, 2018).

Com o uso crescente de Linked Open Data, torna-se cada vez mais importante para os provedores de dados não apenas publicar seus dados como LOD, mas também modelá-los de uma maneira fácil de processar, ou seja, tornar os dados mais legíveis por humanos e processáveis por máquina (SCHAIBLE; GOTTRON; SCHERP, 2014).

Por outro lado, bases de dados relacionais compõem o núcleo da maioria dos sistemas de informação atualmente em operação devido à sua maturidade e eficiência na forma de armazenagem e consulta dos dados, além de apresentarem alta confiabilidade e escalabilidade (LING; ZHOU, 2010).

Nesse sentido, a publicação da imensa quantidade de dados mantidos em bases de dados relacionais ao redor do mundo, seguindo as boas práticas e recomendações do Linked Data, pode contribuir significativamente para a consolidação das ferramentas e tecnologias da Web Semântica, promovendo a interoperabilidade entre sistemas e aplicações, bem como estimular o reuso de dados tanto por humanos quanto por máquinas, de forma a automatizar o conteúdo da Web que conhecemos hoje.

Foi nesse contexto que Pereira (2012) propôs uma abordagem, chamada de Relational DataBase to Linked Open Data (RDB2LOD), para a publicação de dados abertos ligados obtidos a partir de bases de dados relacionais por meio da integração entre as diversas ferramentas de software aplicadas neste processo. Utilizando essa abordagem, foi implementado um aplicativo que possibilita a personalização, de forma semiautomática, do arquivo de mapeamento entre a base de dados relacional e o modelo de dados RDF: o usuário pode incorporar a esse mapeamento uma ontologia de domínio com o intuito de atribuir significados bem definidos (aproximados à linguagem natural) aos sujeitos, predicados e objetos das triplas RDF a serem geradas. Além disso, a abordagem oferece uma interface para consulta, visualização e exploração dos conjuntos de dados ligados.

Apesar de terem decorrido alguns anos desde a concepção da abordagem RDB2LOD, é possível considerar que ela ainda continue relevante para aplicação nos processos de publicação de dados na Web Semântica, uma vez que alguns trabalhos recentes neste campo (PATEL; JAIN, 2019; LANTI; XIAO; CALVANESI, 2019; ULUTAŞ KARAKOL et al., 2018; DEVI; MEHROTRA; BAAZAOUI-ZGHAL, 2018) ainda utilizem como base as linguagens, ferramentas e frameworks (R2RML, D2RQ, Jena) integrados nesta abordagem.

Assim, o presente trabalho tem como objetivo fazer uma análise do processo de recuperação da informação na abordagem RDB2LOD, a fim de averiguar se a utilização desta abordagem pode facilitar a formulação de consultas Sparql Protocol and RDF Query Language (SPARQL) e, consequentemente, melhorar a visualização e exploração dos dados recuperados.

A metodologia empregada neste trabalho, de natureza qualitativa e do tipo exploratório, consistiu em uma pesquisa bibliográfica sobre os temas publicação de dados e recuperação da informação na Web Semântica, a fim de apresentar uma breve revisão sobre estes assuntos. Além disso, foi realizada uma pesquisa documental sobre a abordagem RDB2LOD, possibilitando seu detalhamento.

Em seguida, a capacidade de recuperação da informação da abordagem RDB2LOD foi avaliada por meio de um experimento, no qual a abordagem foi aplicada em duas bases de dados relacionais: uma contendo dados acadêmicos de um programa de pós-graduação, mantida por uma instituição de ensino superior, e outra contendo dados referentes ao acompanhamento (mortes, internações hospitalares e atendimentos ambulatoriais) de casos de câncer, mantida pelo Sistema Único de Saúde (SUS).

A escolha de tais bases de dados para a realização do experimento aqui apresentado se justifica pela disponibilidade de acesso a essas bases no âmbito do projeto de pesquisa em que este trabalho teve origem. Além disso, a diferença entre tamanho e domínio de aplicação dessas bases permitirá demonstrar, como se verá, que a abordagem pode ser aplicada independentemente desses fatores.

Convém ainda esclarecer que os dados constantes na base de dados de acompanhamento de casos de câncer não permitem a identificação nominal de pacientes, tratando-se de dados gerais para fins de acompanhamento estatístico e de acompanhamento do impacto financeiro-orçamentário do tratamento desses pacientes na rede pública de saúde. Com relação à base de dados de teses defendidas em um programa de pós-graduação, trata-se de dados públicos provenientes do sistema de coleta de dados de pós-graduação da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).

As seções seguintes deste trabalho estão assim organizadas: a seção 2 apresenta uma breve revisão sobre os processos de publicação de dados e de recuperação de informação na Web Semântica; a seção 3 mostra um detalhamento da abordagem RDB2LOD; a seção 4 faz a análise do processo de recuperação da informação desta abordagem, a partir de um experimento, e, por fim, a seção 5 apresenta as considerações finais e as sugestões de trabalhos futuros.

Nos últimos anos, o paradigma do Linked Open Data tem se tornado um padrão para a publicação e o enriquecimento de dados, o que promove a transição de uma Web orientada a documentos para uma Web de dados e, por conseguinte, para a Web Semântica. O LOD permite a abertura de dados em formatos legíveis por máquina, deixando-os prontos para consumo e para reutilização e enriquecimento por meio de conexões com outros conjuntos de dados, possibilitando a criação de novos conhecimentos (SILVELLO et al., 2017).

Isso tem se refletido num crescente interesse pela publicação de dados e, ao mesmo tempo, pelo desenvolvimento de aplicações que possam consumir esses dados publicados na Web Semântica. Além disso, contribuiu para o surgimento de um quarto paradigma da ciência, o e-Science, no qual a pesquisa e desenvolvimento são baseados predominantemente em dados (SANTAREM SEGUNDO, 2018).

Entretanto, de acordo com Santarem Segundo (2018), “O processo de publicação de dados, que em diversas situações parece uma tarefa trivial, tem se tornado o grande problema das equipes ou pessoas que se propõe [sic] a realizá-lo […]” (SANTAREM SEGUNDO, 2018, p. 120). Esse problema é o que motivou esse autor a apresentar uma proposta de um

[…] fluxo organizacional, segmentado em fases, que descreva as atividades que devem ser desenvolvidas no processo de publicação de dados em formato aberto e semântico, seguindo as melhores práticas de Dados Ligados. (SANTAREM SEGUNDO, 2018, p. 120).

A Figura 1 ilustra este modelo de fluxo organizacional para a publicação de dados ligados.

Figura 1
Fluxo organizacional para publicação de dados ligados
Fonte: Santarem Segundo (2018).

Mesmo depois de terem sido publicados, os dados devem ser constantemente revistos e atualizados, de forma que estejam sempre disponíveis para atender às necessidades de informação dos usuários, as quais exibem um comportamento dinâmico, ou seja, se modificam ao longo do tempo.

Depois de os dados serem efetivamente publicados, o próximo passo é buscá-los e recuperá-los de forma eficiente e precisa para seu devido consumo, transformação e eventual nova disponibilização para reuso.

Para tornar isso possível, a recuperação da informação abrange os aspectos intelectuais da descrição da informação e sua especificação para a busca, bem como quaisquer sistemas, técnicas ou máquinas que são utilizadas para realizar a operação (MOOERS, 1951[1] apud FERNEDA, 2019). Neste processo, as expressões de busca são o meio que o usuário emprega para comunicar a sua necessidade informacional para o sistema. Essas expressões podem ser especificadas em linguagem natural ou por meio de uma linguagem artificial, dependendo dos recursos oferecidos pelo sistema (FERNEDA, 2019).

Um sistema de recuperação da informação tem como meta encontrar a informação exigida para satisfazer uma necessidade de informação do usuário (FRANTZ; SHAPIRO; VOISKUNSKII, 1997[2] apud GONZALEZ; LIMA, 2003). Para tanto, esse tipo de sistema deve ser capaz de realizar, além das buscas, o armazenamento e manutenção de informação (KOWALSKI, 1997[3]apud GONZALEZ; LIMA, 2003). Em outras palavras, deve representar, organizar e dar acesso a itens de informação (BAEZA-YATES, 1999[4]apud GONZALEZ; LIMA, 2003).

Para tentar satisfazer as necessidades informacionais do usuário mais adequadamente, as pesquisas em recuperação da informação têm desviado seu foco da sintaxe para a semântica. Enquanto a sintaxe corresponde à análise de como as palavras se agrupam (estrutura gramatical) para formar frases, a semântica procura analisar os possíveis significados de uma frase, incluindo a desambiguação de palavras no seu contexto. Esse desvio de foco nas pesquisas surgiu, de acordo com Liddy (1998), a partir da utilização do processamento de linguagem natural em nível semântico nos sistemas de recuperação da informação, o qual busca implantar a desambiguação de palavras com múltiplos sentidos e incorporar, às consultas formuladas, todos os sinônimos dos termos utilizados nessas consultas, a fim de expandi-las.

Embora a tecnologia dos mecanismos de busca venha se aprimorando nas últimas décadas, as técnicas de descrição de conteúdo e processamento de consultas, que são predominantemente empregadas no campo da Recuperação da Informação, ainda se baseiam principalmente em palavras-chave e, portanto, fornecem recursos limitados para capturar e explorar as conceituações envolvidas nas necessidades de informação do usuário e nos significados do conteúdo recuperado (FERNÁNDEZ et al., 2011).

Para tentar superar as limitações dos modelos de consulta baseados em palavras-chave, o desenvolvimento das tecnologias de busca semântica, esta entendida como a busca por significados, em vez de cadeias literais, tem sido o foco de diversas pesquisas nas áreas de recuperação da informação e de Web Semântica. Essas pesquisas empregam as ontologias como elementos-chave para a representação do conhecimento, de forma a constituir o núcleo destas tecnologias. Portanto, a ênfase destas pesquisas está no desenvolvimento de mecanismos capazes de capturar os termos de busca do usuário e convertê-los em uma representação formal de consulta por meio de uma linguagem semântica, como a SPARQL (FERNÁNDEZ et al., 2011).

Companhia da Letras

Figura 2a
Exemplo de conjunto de triplas RDF referentes a livros da literatura brasileira
Fonte: Adaptado de Laufer (2015).

Figura 2b
Consulta SPARQL formulada sobre o conjunto de triplas RDF da Figura 2a
Fonte: Adaptado de Laufer (2015).

Figura 2c
Resultado da consulta SPARQL formulada na Figura 2b
Fonte: Adaptado de Laufer (2015).

Conforme visto, a linguagem SPARQL abre caminho para que uma expressão de consulta possa ser redigida de uma forma muito aproximada à linguagem natural. Os resultados obtidos nas consultas podem ainda assumir a forma de dados ligados, os quais podem ser explorados e levar a outros resultados não obtidos inicialmente.

As ferramentas atualmente disponíveis para efetuar a conversão de dados mantidos em bases de dados relacionais para dados ligados, na forma de triplas RDF, têm diversas limitações que exigem do usuário um elevado nível de conhecimento técnico e de interação manual.

Para suprir essas limitações, a abordagem RDB2LOD oferece um aplicativo que integra alguma dessas ferramentas, por meio de uma interface gráfica pela qual é possível configurá-las e acioná-las, além de uma ferramenta que possibilita a personalização do arquivo de mapeamento pela incorporação de uma ontologia do domínio fornecida pelo usuário. Dessa forma, ficam bastante reduzidas as necessidades de interação manual e de conhecimento técnico por parte do usuário. A Figura 3 apresenta uma visão geral da abordagem, que é composta de duas camadas.

A camada inferior da abordagem é composta pelas ferramentas da plataforma D2RQ: D2RQ Engine, D2RQ Generate Mapping, D2RQ Dump-RDF e D2R-Query. A partir destas ferramentas, é possível efetuar o acesso à base de dados relacional e gerar o mapeamento de seu esquema para o modelo RDF (RDB→RDF Mapping File), o que possibilita a geração das triplas para um formar um dataset RDF ou o armazenamento delas em uma base de dados do tipo triple store.

Por sua vez, a camada superior conta com os seguintes componentes: a ferramenta D2R-Server, que permite publicar de forma dinâmica o conteúdo da base de dados relacional, ou seja, efetuar sob demanda a conversão dos dados da base mapeada para o formato de triplas RDF, sem a necessidade de replicar seu conteúdo em um triple store; e a ferramenta OWLtoD2RQ-Mapping, que tem por finalidade personalizar, de forma interativa e semiautomática, o arquivo de mapeamento para o formato RDF (RDB→RDF Mapping File) a partir de uma ontologia (OWL Ontology File) fornecida pelo usuário.

Figura 3
Visão geral da abordagem RDB2LOD
Fonte: Adaptado de Pereira (2012).

O método para incorporar os elementos de uma ontologia ao arquivo de mapeamento entre a base de dados relacional e o modelo RDF (RDB→RDF Mapping File), implementado pela ferramenta OWLtoD2RQ-Mapping, consiste inicialmente na substituição, no corpo do arquivo de mapeamento, dos nomes das tabelas da base de dados relacional pelos nomes das classes da ontologia que foram associados pelo usuário, por meio da interface gráfica da ferramenta.

Assim, para cada rótulo de classe a ser substituído, deve ser localizada no corpo do arquivo de mapeamento uma cláusula d2rq:class acompanhada do nome de uma tabela da base de dados mapeada. Uma vez localizada a cláusula, o nome da tabela é substituído pelo nome da classe da ontologia, de acordo com a associação feita pelo usuário. A Figura 4 ilustra este procedimento.

Figura 4
Localização e substituição do nome da tabela da base de dados pelo nome da classe da ontologia
Fonte: Adaptado de Pereira (2012).

No passo seguinte, são localizados e substituídos, para cada classe no arquivo de mapeamento, os rótulos das respectivas propriedades, ou seja, os nomes das colunas de cada tabela da base de dados mapeada.

Assim, para cada rótulo de propriedade a ser substituído, deve ser localizada no corpo do arquivo de mapeamento uma cláusula d2rq:property acompanhada do nome de uma das colunas de uma tabela da base de dados mapeada. Uma vez localizada a cláusula, o nome da coluna é substituído pelo nome da propriedade da ontologia, também de acordo com a associação feita pelo usuário por meio da interface gráfica da ferramenta. A Figura 5 permite visualizar este procedimento.

Figura 5
Localização e substituição do nome da coluna da base de dados pelo nome da propriedade da ontologia
Fonte: Adaptado de Pereira (2012).

Ao final destes procedimentos, o arquivo de mapeamento entre a base de dados relacional e o modelo RDF, já com os elementos da ontologia incorporados, pode ser utilizado para gerar os dados ligados na forma de triplas RDF. Assim, o valor (ou objeto) de cada tripla RDF a ser gerada corresponderá a um campo de uma coluna (predicado) referente a uma tabela (sujeito) da base de dados mapeada, ou ainda ao campo chave de outra tabela relacionada (expressa por meio de uma URI, Unified Resource Identifier), quando essa coluna (predicado) for uma chave estrangeira da tabela mapeada.

Como resultado, a aplicação desse método possibilitará a atribuição de significados bem definidos (aproximados à linguagem natural) aos sujeitos, predicados e objetos das triplas RDF a serem geradas, a partir da personalização do mapeamento da base de dados relacional pela incorporação de uma ontologia fornecida pelo usuário.

Para prover as interfaces gráficas necessárias para a automatização e integração das ferramentas que compõem a abordagem, foi disponibilizado um aplicativo, em linguagem Java, chamado RDB2LOD. Este aplicativo possibilita a coleta de parâmetros, por meio de campos e listas ou botões de seleção, com a finalidade de automatizar a elaboração e execução das linhas de comando para acionamento e operação de cada uma das ferramentas aplicadas na abordagem.

A seguir será efetuada uma análise do processo de recuperação da informação nesta abordagem, a partir da realização de um experimento.

Para analisar o processo de recuperação da informação na abordagem RDB2LOD, foi realizado um experimento em que essa abordagem foi aplicada em duas bases de dados relacionais: uma contendo dados acadêmicos de um programa de pós-graduação, mantida por uma instituição de ensino superior, e outra contendo dados referentes ao acompanhamento (mortes, internações hospitalares e atendimentos ambulatoriais) de casos de câncer, mantida pelo SUS.

Conforme justificou-se na introdução deste trabalho, por serem bases de dados de tamanhos e domínios de aplicações diferentes, será possível mostrar também neste experimento que a abordagem RDB2LOD pode ser aplicada independentemente destes fatores.

Inicialmente, para aplicar a abordagem RDB2LOD às bases de dados escolhidas, a fim de gerar as triplas RDF, na forma de dados ligados, foram criadas as ontologias dos respectivos domínios, em formato OWL (Ontology Web Language), utilizando o software para construção de ontologias Protégé. Representações destas ontologias são apresentadas na Figura 6a (para o domínio ‘teses defendidas’) e na Figura 6b (para o domínio ‘acompanhamento de casos de câncer’).

Figura 6a
Ontologia do domínio ‘Teses defendidas’
Fonte: Pereira (2012).

Figura 6b
Ontologia do domínio

‘Acompanhamento de casos de câncer’

Fonte: Pereira (2012).

A partir das ontologias criadas e dos parâmetros de conexão aos respectivos servidores de gerenciamento, torna-se possível efetuar os mapeamentos das referidas bases de dados por meio da ferramenta OWLtoD2RQ-Mapping, disponibilizada pela abordagem RDB2LOD.

Para construir os mapeamentos nesta ferramenta, as tabelas e as colunas das bases de dados, assim como as classes e as propriedades das ontologias, são exibidas em uma janela do aplicativo, na forma de caixa de seleção, permitindo ao usuário efetuar a associação entre as tabelas e classes e entre as colunas e propriedades, tal como exibe a Figura 7 (para o domínio ‘acompanhamento de casos de câncer’).

Figura 7
Tela da ferramenta OWLtoD2RQ-Mapping para mapeamento entre a base de dados e a ontologia do domínio ‘acompanhamento de casos de câncer’
Fonte: Pereira (2012).

Uma vez construídos os mapeamentos entre as bases de dados e as respectivas ontologias do domínio, os dados estarão prontos para formarem as triplas RDF e serem publicados de forma aberta e ligada na Web. A partir daí é possível utilizar as ferramentas da abordagem RDB2LOD para o processo de recuperação da informação, com consultas (queries SPARQL) e com a respectiva visualização dos dados ligados (triplas RDF) recuperados.

Para prosseguir com a análise do processo de recuperação da informação na abordagem RDB2LOD, formulou-se uma consulta em linguagem SPARQL para cada base de dados utilizada neste experimento. Para a base de dados de teses defendidas, a consulta formulada teve por finalidade obter a relação dos docentes que orientaram teses escritas no idioma inglês. Para a base de dados de acompanhamento de casos de câncer, a consulta formulada teve por finalidade obter a relação dos municípios do Estado de São Paulo, com população entre dez mil e cem mil habitantes, nos quais se registraram ocorrências de internação hospitalar de pacientes acometidos de câncer.

As Figuras 8a e 8b apresentam as consultas formuladas, utilizando o nome padrão de cada tabela e coluna da base de dados mapeada, ou seja, sem a aplicação de ontologia. Nestas figuras é importante observar os predicados de cada sentença das consultas formuladas e tentar compreender seus significados.

É possível observar nas Figuras 8a e 8b que as consultas formuladas a partir dos nomes padrão das tabelas e colunas das bases de dados são semelhantes à formulação de consultas SQL tradicionais. Neste caso é preciso que o usuário saiba antecipadamente tais nomes.

Figura 8a
Consulta SPARQL formulada utilizando o nome padrão das tabelas e colunas da base de dados de teses defendidas
Fonte: Pereira (2012).

Figura 8b
Consulta SPARQL formulada utilizando o nome padrão das tabelas e colunas da base de dados de acompanhamento de casos de câncer
Fonte: Pereira (2012).

A seguir, as Figuras 9a e 9b apresentam as mesmas consultas formuladas anteriormente, porém agora com o mapeamento entre as tabelas e colunas das bases de dados e as classes e propriedades das respectivas ontologias de domínio. Mais uma vez é importante observar os predicados de cada sentença e identificar se a aplicação de ontologias, feita por meio da abordagem, proporcionou melhor compreensão de seus significados.

Figura 9a
Consulta SPARQL formulada com o mapeamento entre as classes e propriedades da ontologia e as tabelas e colunas da base de dados de teses defendidas
Fonte: Pereira (2012).

Figura 9b
Consulta SPARQL formulada com o mapeamento entre as classes e propriedades da ontologia e as tabelas e colunas da base de dados de acompanhamento de casos de câncer
Fonte: Pereira (2012).

Nestas figuras é possível notar que a formulação das mesmas consultas SPARQL, quando utilizados os termos das respectivas ontologias do domínio, se assemelha à escrita em linguagem natural, como pode ser observado nos predicados de cada sentença, o que possibilitou uma compreensão mais clara dos significados de cada predicado. Com isso, é possível notar também que houve uma redução no tamanho das sentenças formuladas em ambas as consultas.

No próximo passo, será analisado o impacto do uso da abordagem RDB2LOD nos resultados das consultas SPARQL formuladas neste experimento. As Figuras 10a e 10b exibem os resultados obtidos da execução das consultas ilustradas nas Figuras 8a e 8b, respectivamente.

Figura 10a
Resultados da consulta SPARQL ilustrada na Figura 8a
Fonte: Pereira (2012).

Figura 10b
Resultados da consulta SPARQL ilustrada na Figura 8b
Fonte: Pereira (2012).

Nos resultados apresentados acima, é possível observar que a utilização dos nomes padrão das colunas das bases de dados não dificultou a compreensão dos significados das URIs geradas, porém é importante ressaltar que os nomes de colunas em esquemas de bases de dados nem sempre são triviais como neste caso.

A seguir, nas Figuras 11a e 11b, são exibidos os resultados obtidos da execução das consultas ilustradas nas Figuras 9a e 9b, que utilizam as propriedades das respectivas ontologias do domínio. Nestes resultados é possível observar que as URIs geradas permitem uma compreensão mais objetiva de seus significados.

Figura 11a
Resultados da consulta SPARQL ilustrada na Figura 9a
Fonte: Pereira (2012).

Figura 11b
Resultados da consulta SPARQL ilustrada na Figura 9b
Fonte: Pereira (2012).

Na próxima etapa deste experimento, a partir dos resultados obtidos em cada consulta, será acionada uma das URIs geradas, o que levará à execução automática de uma nova consulta SPARQL, possibilitando a obtenção de novos dados não previstos na consulta inicial.

Assim, nos resultados exibidos na Figura 10a, será acionada a URI <db:col_pessoal/1> como exemplo, que apresentará como resultado, na Figura 12a, mais informações relacionadas à pessoa (docente orientador de tese) a que a URI se refere, tais como as URIs para outras teses de que esse docente foi orientador e/ou de cuja banca examinadora esse docente foi membro.

Da mesma forma, nos resultados exibidos na Figura 10b, será acionada a URI <db:dbo/UNT_MUNICIPIOS/355080> como exemplo, que apresentará como resultado, na Figura 12b, mais informações relacionadas ao município a que a URI se refere, tais como população, latitude, longitude e as URIs para a região de saúde e para os casos de morte, internação e/ou atendimento ambulatorial decorrente de câncer.

É possível perceber que nos novos resultados exibidos, que tiveram origem em consultas formuladas com a utilização dos nomes padrão das colunas das bases de dados (sem aplicação de ontologia), o usuário pode encontrar maior dificuldade para entender os significados das URIs geradas.

Figura 12a
Resultados da nova consulta executada automaticamente a partir de uma URI (nome padrão) acionada nos resultados apresentados na Figura 10a
Fonte: Pereira (2012).

Figura 12b
Resultados da nova consulta executada automaticamente a partir de uma URI (nome padrão) acionada nos resultados apresentados na Figura 10b
Fonte: Pereira (2012).

Por outro lado, são apresentados nas Figuras 13a e 13b os mesmos resultados, porém agora originados das consultas formuladas utilizando o mapeamento de ontologias, como visto nas Figuras 11a () e 11b (). É possível notar como a exibição dos resultados em ambas as consultas ficou mais simples e como o entendimento do significado das URIs geradas, que se assemelham à escrita em linguagem natural, ficou mais fácil.

Figura 13a
Resultados da nova consulta executada automaticamente a partir de uma URI (nome personalizado) acionada nos resultados apresentados na Figura 11a
Fonte: Pereira (2012).

Figura 13b
Resultados da nova consulta executada automaticamente a partir de uma URI (nome personalizado) acionada nos resultados apresentados na Figura 11b
Fonte: Pereira (2012).

Neste experimento foi possível observar que houve um ganho de informação quando foram adicionadas as classes e propriedades de uma ontologia ao processo de mapeamento para geração de conjuntos de dados ligados a partir dos dados mantidos em uma base de dados relacional.

Nos conjuntos de dados ligados produzidos a partir desta abordagem, os sujeitos, predicados e objetos das triplas geradas são de fácil compreensão e permitem que expressões de busca na linguagem SPARQL sejam formuladas levando-se em conta a semântica, ou os significados, de cada termo que as compõe. Isso certamente trará como resultado uma informação mais precisa e de maior valor para o usuário, que ainda poderá navegar pelos resultados, sem a formulação de novas consultas, com o intuito de obter novas informações ou relacionamentos que não estavam previstos na consulta inicial, de forma a atender mais efetivamente sua necessidade de informação. Esta navegação pelos dados, ou ainda, os dados que levam a outros dados, é um dos benefícios proporcionados pelos dados ligados (Linked Data), que possibilitarão a consolidação da Web de Dados.

Neste trabalho foi realizada uma análise do processo de recuperação da informação na abordagem RDB2LOD, na qual foi possível averiguar que a utilização desta abordagem pôde facilitar a formulação de consultas SPARQL e, consequentemente, melhorar a visualização e exploração dos dados recuperados nessas consultas.

Para avaliar a recuperação da informação na abordagem RDB2LOD, foi realizado um experimento que consistiu na aplicação dessa abordagem a duas bases de dados distintas (de tamanhos e domínios diferentes), a fim de gerar triplas RDF que puderam ser recuperadas a partir de consultas formuladas em linguagem SPARQL em duas situações: utilizando os nomes padrão das tabelas e colunas das bases de dados, tal como numa consulta SQL tradicional, e aplicando o mapeamento das ontologias dos respectivos domínios, por meio de ferramenta disponibilizada pela abordagem, o que proporcionou significados bem definidos aos sujeitos, predicados e objetos das triplas geradas.

A partir do experimento, ficou demonstrado que, quando aplicado o mapeamento de ontologias ao processo de geração de triplas RDF, a formulação de consultas SPARQL, no processo de recuperação, apresentou escrita muito próxima à linguagem natural, o que contribui para que o usuário encontre menor dificuldade em expressar sua necessidade de informação, levando-o a uma experiência satisfatória no uso de um sistema de recuperação da informação baseado neste mecanismo de busca. Por conseguinte, os resultados retornados por essas consultas também apresentaram sujeitos, predicados e objetos, na forma de URIs, com rótulos escritos da mesma forma (linguagem próxima à natural), o que facilita a compreensão de seus significados e possibilita a navegação pelos dados ligados gerados de forma intuitiva e sem a necessidade de formulação de novas consultas.

Desta forma, quando se levam em consideração os aspectos semânticos (significados) dos termos empregados nas expressões de consulta, o que é proporcionado pela aplicação de ontologias, fica possível tornar mais eficiente e precisa a recuperação de dados para consumo, transformação e eventual disponibilização para reuso, o que vai ao encontro da literatura consultada.

Espera-se assim que este trabalho contribua para o avanço das áreas de recuperação da informação e de Web Semântica, bem como estimule o aumento da publicação de dados ligados e o consequente reuso dos dados mantidos em bases de dados relacionais, o que pode impulsionar a consolidação da Web de dados e ampliar a interoperabilidade e a integração de aplicações e sistemas na Web.

Como trabalhos futuros são sugeridos: a adaptação da abordagem RDB2LOD, com a respectiva análise do processo de recuperação da informação a partir do mapeamento simultâneo de múltiplas bases de dados a uma ontologia (domínio com dados distribuídos em mais de uma base de dados), e o acréscimo, ao mapeamento efetuado pela abordagem, da associação entre as tabelas da base de dados e as object properties da ontologia, além do mapeamento de regras, restrições e cardinalidade para as classes, o que certamente aumentará a precisão do mecanismo de busca.