O papel da web semântica nos processos do big data

Autores

  • Caio Saraiva Coneglian Universidade Estadual Paulista (UNESP)
  • Rodrigo Dieger Universidade Estadual Paulista (UNESP)
  • José Eduardo Santarem Segundo Universidade de São Paulo
  • Miriam Akemi Manabe Capretz The University of Western Ontario

DOI:

https://doi.org/10.5007/1518-2924.2018v23n53p137

Palavras-chave:

Web Semântica, Big Data, Tecnologias da Web Semântica

Resumo

A Web Semântica apresenta um corpus teórico e diversas tecnologias e aplicações que demonstram a sua consistência, inclusive no que tange ao uso de seus conceitos e de suas tecnologias em outros escopos não se limitando unicamente a Web. Neste sentido, os projetos de Big Data podem tirar proveito da aplicação dos princípios e dos desenvolvimentos realizados na área da Web Semântica, para aperfeiçoar os processos de análises de dados, em especial na inserção de características semânticas para contextualização dos dados. Assim, esta pesquisa tem como objetivo analisar e discutir o potencial das tecnologias da Web Semântica como meio de integração e desenvolvimento de aplicações de Big Data. Utilizou-se uma metodologia qualitativa exploratória, onde buscou-se pontos de convergência entre a Web Semântica e Big Data. Foram identificados e discutidos quatro pontos principais: a aplicação do Linked Data enquanto fonte de dados para o Big Data; o uso de ontologias nas análises de dados; o uso das tecnologias da Web Semântica para promoção da interoperabilidade em cenários de Big Data; e o uso de machine learning para extrair dados automaticamente e convertê-los para os padrões da Web Semântica. Neste sentido, foi possível identificar que a Web Semântica, em especial no que permeia suas tecnologias e aplicações, pode auxiliar significativamente o desenvolvimento do Big Data, por fornecer um paradigma complementar dos aplicados majoritariamente nas análises de dados.

Downloads

Não há dados estatísticos.

Biografia do Autor

Caio Saraiva Coneglian, Universidade Estadual Paulista (UNESP)

Doutorando e mestre pelo Programa de Pós-Graduação em Ciência da Informação da UNESP Marília.

Rodrigo Dieger, Universidade Estadual Paulista (UNESP)

Mestrando pelo Programa de Pós-Graduação em Ciência da Informação da UNESP Marília.

José Eduardo Santarem Segundo, Universidade de São Paulo

Professor Doutor da Universidade de São Paulo. Doutor e mestre pelo Programa de Pós-Graduação em Ciência da Informação da UNESP Marília.

Miriam Akemi Manabe Capretz, The University of Western Ontario

Miriam Capretz possui graduação em ciência da computação pela Universidade Estadual de Campinas (1981), mestrado em Engenharia Elétrica pela Universidade Estadual de Campinas (1988) e doutorado em Computer Science & Engineering - University of Durham - UK (1992)

Referências

BANSAL, S. K. Towards a Semantic Extract-Transform-Load (ETL) Framework for Big Data Integration. IEEE, jun. 2014. Disponível em: < http://bit.ly/2ulZ3a5>.Acesso em: 22 jul.2017.

BERNERS-LEE, T.; HENDLER, J.; LASSILA, O. The semantic web. The Semantic Web, v. 284, n. 5, p. 28–37, maio 2001.

BERNERS-LEE, T., 2006. Linked Data Principles. Disponível em < http://bit.ly/1x6N7XI>. Acesso em: 15 jul. 2017

BEYER, M. A., LANEY, D., 2012. The importance of "Big Data’: a definition. Stamford, CT: Gartner.

BUGEMBE, M. Finding Value in Data: Determining Where Data Science has The Greatest Impact. O’Reilly: Sebastopol, 2016.

DEMCHENKO, Yuri et al. Addressing big data issues in scientific data infrastructure. In: Collaboration Technologies and Systems (CTS), 2013 International Conference on. IEEE, 2013. p. 48-55.

GANTZ, J., REINSEL, D., 2017. Data Age 2025: The Evolution of Data to Life-Critical. Don’t Focus on Big Data; Focus on the Data That’s Big. Disponível em: <http://bit.ly/2tPWoU8>. Acesso em: 21 jul. 2017.

HARMELEN, F. Semantic Web Technologies As The Foundation For The Information Infrastructure. In: VAN OOSTEROM, P.; ZLATANOVA, S. (Eds.). . Creating Spatial Information Infrastructures. [s.l.] CRC Press, 2008. p. 37–52.

LANEY, D., 3D Data Management: Controlling Data Volume, Velocity and Variety. 2001.

MAYER-SCHÖNBERGER, V; CUKIER, K. Big data: como extrair volume, variedade, velocidade e valor da avalanche de informação cotidiana. 1. ed. Rio de Janeiro: Elsevier, 2013

PEREIRA JUNIOR, V A. et al. Using Semantics to Improve Information Fusion and Increase Situational Awareness. In: Advances in Safety Management and Human Factors. Anais… Springer International Publishing, 2016. p. 101-113.

SANTAREM SEGUNDO, J. E.; CONEGLIAN, C. S. Web semântica e ontologias: um estudo sobre construção de axiomas e uso de inferências. Inf & Inf, [S.l.], v. 21, n. 2, p. 217–244, dez. 2016. Disponível em: <http://bit.ly/2uLpbgL>. Acesso em: 22 jul. 2017.

TAURION, C. Big data. Rio de Janeiro: Brasport, 2013.

VICTORINO, M. C. et al. Uma proposta de ecossistema de big data para a análise de dados abertos governamentais concetados. Informação & Sociedade, v. 27, n. 1, 2017.

W3C. Resource Description Framework (RDF). 2004. Disponível em: <https://www.w3.org/RDF/>.Acesso em: 28 ago. 2017.

ZIKOPOULOS, P.; EATON, C.; DEROOS, D. Understanding BigData: Analytics for enterprise class hadoop and streaming data. McGraw-Hill, New York. 2012

Publicado

2018-09-06

Como Citar

CONEGLIAN, Caio Saraiva; DIEGER, Rodrigo; SANTAREM SEGUNDO, José Eduardo; CAPRETZ, Miriam Akemi Manabe. O papel da web semântica nos processos do big data. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, [S. l.], v. 23, n. 53, p. 137–146, 2018. DOI: 10.5007/1518-2924.2018v23n53p137. Disponível em: https://periodicos.ufsc.br/index.php/eb/article/view/1518-2924.2018v23n53p137. Acesso em: 10 out. 2024.

Artigos Semelhantes

<< < 12 13 14 15 16 17 18 19 20 21 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.

Artigos mais lidos pelo mesmo(s) autor(es)