Model-Based Integration of Unstructured Web Data Sources Using Graph Representation of Document Contents
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F19%3APU134158" target="_blank" >RIV/00216305:26230/19:PU134158 - isvavai.cz</a>
Výsledek na webu
<a href="https://www.scitepress.org/PublicationsDetail.aspx?ID=6FSPso19Eo8=&t=1" target="_blank" >https://www.scitepress.org/PublicationsDetail.aspx?ID=6FSPso19Eo8=&t=1</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.5220/0008350103260333" target="_blank" >10.5220/0008350103260333</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Model-Based Integration of Unstructured Web Data Sources Using Graph Representation of Document Contents
Popis výsledku v původním jazyce
Unstructured or semi-structured documents on the web are often used as a media for publishing structured, domain-specific data which is not available from other sources. Integration of such documents as a data source to a standard information system is still a challenging problem because of the very loose structure of the input documents and usually missing semantic annotation of the published data. In this paper, we propose an approach to data integration that exploits the domain model of the target information system. First, we propose a graph-based model of the input document that allows to interpret the contained data in different alternative ways. Further, we propose a method of aligning the document model with the target domain model by evaluating all possible mappings between the two models. Finally, we demonstrate the applicability of the proposed approach on a sample domain of public transportation timetables and we present the preliminary results achieved with real-world documents available on the web.
Název v anglickém jazyce
Model-Based Integration of Unstructured Web Data Sources Using Graph Representation of Document Contents
Popis výsledku anglicky
Unstructured or semi-structured documents on the web are often used as a media for publishing structured, domain-specific data which is not available from other sources. Integration of such documents as a data source to a standard information system is still a challenging problem because of the very loose structure of the input documents and usually missing semantic annotation of the published data. In this paper, we propose an approach to data integration that exploits the domain model of the target information system. First, we propose a graph-based model of the input document that allows to interpret the contained data in different alternative ways. Further, we propose a method of aligning the document model with the target domain model by evaluating all possible mappings between the two models. Finally, we demonstrate the applicability of the proposed approach on a sample domain of public transportation timetables and we present the preliminary results achieved with real-world documents available on the web.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/VI20172020062" target="_blank" >VI20172020062: Integrovaná platforma pro zpracování digitálních dat z bezpečnostních incidentů (TARZAN)</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
15th International Conference on Web Information Systems and Technologies
ISBN
978-989-758-386-5
ISSN
—
e-ISSN
—
Počet stran výsledku
8
Strana od-do
326-333
Název nakladatele
SciTePress - Science and Technology Publications
Místo vydání
Vienna
Místo konání akce
Vienna
Datum konání akce
18. 9. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000615718400036