Automated mapping process for creating SKOS thesauri

Resumen

El área de la Web Semántica nació de la necesidad de cambiar la manera en la que se trataban los datos. En este nuevo paradigma no se habla de datos, sino de ’conocimiento’ (knowledge), donde el objetivo último es conectar los datos que hasta ahora eran atómicos, creando una gran red de datos enlazados (linked data) para facilitar su aprovechamiento. En este proceso, los elementos que toman importancia son el lenguaje utilizado para representar estos datos (Resource Description Framework, RDF), los vocabularios estandarizados (e.g., FOAF, DCTERMS, SKOS, etc.) para enriquecer los datos y el lenguaje para la consulta de información en RDF conocido como SPARQL. Sin embargo, para que ese proceso se pueda poner en funcionamiento es necesario transformar los datos tradicionales en datos que utilicen esos elementos mencionados para que puedan ser aprovechables en el contexto de la web semántica. Es en esta etapa inicial de transformación de datos donde sitúa el foco este proyecto. A lo largo de este documento se estudia el estado del arte de los lenguajes de mapeos existentes, especialmente RML y R2RML, así como el vocabulario SKOS. Estos dos elementos serán los actores que intervendrán en la parte práctica, que consiste en un servicio web donde se permita transformar datos semi estructurados en formato CSV o XLS en tesauros SKOS, siguiendo los principios de la web semántica. Esta herramienta llamada easySKOS ofrece diferentes plantillas para que los usuarios puedan rellenarlas con su información. Posteriormente, se habilita un drag&drop que transformará esa plantilla en un tesauro SKOS, obteniendo datos que pueden ser publicados en la web. Con este proyecto se pretende ayudar a la expansión global de la web semántica y se actúa ofreciendo una herramienta fácil de usar y para todos los públicos que genera tesauros SKOS a partir de información semi estructurada y no ontológica.---ABSTRACT---The field of Semantic Web was born with the aim of changing the way the data was processed. This new paradigm does not focus on the data itself, but rather on the knowledge contained, where the main objective is to link the data to create an open linked data knowledge base. Throughout this process, the elements that take on importance are the language used to represent these data (Resource Description Framework, RDF), the standardised vocabularies (e.g., FOAF, DCTERMS, SKOS, etc.) and SPARQL, the query language for consulting the knowledge. Nonetheless, the data that can be published on the Web must be built according to the above elements. Therefore, traditional data that already exist may be transformed into data that follow the semantic web paradigm. In this stage of the process is where the focus of the project is fixed. Throughout the document, we will study the state-of-the-art of the mapping languages, especially RML and R2RML. Besides, we will review the specification of the SKOS vocabulary. Both elements are the fundamentals of the development part of this project. In that part, we will show easySKOS, a web service that transforms semi-structured data in CSV or XLS format into SKOS thesaurus, following the principles of the semantic web. This tool provides templates covering the most popular SKOS thesauri. Then, the user just drags&drops the template and easySKOS converts it into SKOS thesaurus. This project is intended to help the expansion of the web semantic by offering an easy-to-use and suitable-for-all-audiences tool for creating SKOS thesauri.