Metodología para la integración basada en ontologías de información de bases de datos heterogéneas en el dominio hidrográfico

Resumen

El objetivo principal de esta tesis se centra en la integración, basada en ontologías, de información de bases de datos geoespaciales heterogéneas con la finalidad de llevar a cabo una visión integrada de la realidad abstraída en distintas fuentes de información. A pesar de la existencia de múltiples propuestas para la integración de información basada en ontologías, hasta el momento no se han desarrollado metodologías que se puedan aplicar en el área de la información geográfica. Este hecho conlleva, al menos, cuatro importantes limitaciones en los procesos de integración de información: Las propuestas existentes no resultan fácilmente replicables. No es fácil conocer las características de los enfoques propuestos. Los escenarios de integración presentan fuentes de información similares y casos y problemáticas restringidas). No se pueden realizar, de manera óptima, las tareas de planificación necesarias. Estas carencias demuestran la necesidad de una propuesta metodológica que instruya el proceso de integración basado en ontologías de información geoespacial heterogénea. Por ello, con el objetivo de solventar las carencias detectadas, en este trabajo de tesis doctoral se llevan a cabo las siguientes contribuciones: En primer lugar, se ha propuesto una metodología para la integración de datos geoespaciales, aplicada sobre un caso práctico en el dominio hidrográfico. En el proceso de aplicación de esta metodología se han desarrollado recursos ontológicos de dominio y multilingües en el área de la información hidrográfica. Este trabajo ha permitido la generación de siete conjuntos de datos RDF, donde se incluyen características geométricas de la información geoespacial. Además, se ha publicado información hidrográfica del territorio nacional español conforme a los principios de Linked Data, contribuyendo al enriquecimiento de la Web de los Datos con información geoespacial en español. Finalmente, se han proporcionado diversos enfoques heurísticos para la detección de instancias duplicadas en conjuntos de datos RDF heterogéneos La validez de estas contribuciones ha sido respaldada por la aplicación a un caso de uso (información hidrográfica) y por una serie de experimentos realizados. Los resultados obtenidos apuntan a la aplicabilidad de la metodología y la viabilidad de modelos (ontologías) y técnicas (enfoques heurísticos). Abstract The main objective of this PhD thesis focuses on the ontology-based integration of information related to geospatial heterogeneous databases with the purpose of providing an integrated view of the stored information into different datasets. Nowadays, there are different proposals for ontology-based integration information. Nevertheless, there is not a methodology that might be applied to the geographical information realm. This issue involves, at least, four important limitations in information integration processing: The existing proposals are not easily replicable. It is not easy to understand the characteristics of the approaches proposed. The integration scenarios are restricted to similar datasets, use cases, and problems. Planification tasks do not perform in a right way. These limitations prove that there exists a need for a methodological approach to face the ontology-based integration of geospatial heterogeneous information. In this sense, this work proposes the following contributions: Firstly, we have provided a methodological approach for ontology-based integration of geospatial information. This approach has been applied to a use case in the hydrographical information context. Besides, we have developed several domain and multilingual ontological resources in the hydrographical realm. These resources have been used for generating seven RDF datasets, which include geometrical characteristics as a particular trait of geospatial data. Moreover, we have published the Spanish hydrographical information according to the Linked Data principles. This initiative contributes to enrich the Web of Data with geospatial data in the Spanish language. Finally, we have provided different heuristic approaches for discovering duplicate instances into heterogeneous RDF datasets. The validity of these contributions has been supported by a use case (hydrographical information) and by a set of experiments performs. The obtained results reveal the applicability of the methodological approach and the feasibility of models (ontologies) and techniques (heuristic approaches).