Interoperabilidad semántica en el manejo de datos normativos sobre la presencia de agroquímicos en alimentos

Título:

Interoperabilidad semántica en el manejo de datos normativos sobre la presencia de agroquímicos en alimentos

Autor:

Ragout, Carlos Francisco

Otros autores / Colaboradores:

 Fernández, Alejandro; [ Director/a]  Torres, Diego; [ Codirector/a] 

Temas:

ONTOLOGÍAS; WEB SEMÁNTICA; 

URL:

http://sedici.unlp.edu.ar/handle/10915/118561,

Palabras clave:

agroquímico, 

Nota de tesis:

Tesina (Licenciatura en Sistemas) - Universidad Nacional de La Plata. Facultad de Informática, 2021.

Extensión:

1 archivo (1,02 MB) : il. col.

Resumen:

El objetivo de esta tesina es demostrar de qué manera las tecnologías de la web semántica ofrecen soluciones a la problemática de la publicación interoperable de datos normativos sobre la presencia de agroquímicos en alimentos. Para esto se creó una ontología que permite representar formalmente este dominio y se elaboró un pipeline de transformación de datos de sus fuentes originales a un dataset semántico. Se utilizó este dataset para luego demostrar cómo estas tecnologías facilitan la ejecución de distintas operaciones de interoperabilidad entre los datasets demostrando la diferencia entre usar la estrategia propuesta respecto de los métodos existentes.

Puede solicitar más fácilmente el ejemplar con: TES 21/03

1. Introducción 
1.1. Fitosanitarios y sus residuos en alimentos 
1.2. Normativa respecto a la presencia de fitosanitarios 
1.3. El desafío de la interoperabilidad en datos relativos al LMR 
1.4. Organización de este documento 

2. Trabajo Relacionado 
2.1. La Web Semántica 
2.2. Publicación de datos Normativos  

3. Estrategia general 
3.1. Pipeline de transformación de datos 
3.2. Herramientas 
3.2.1. OpenRefine 
3.2.2. Protégé 
3.2.3. Apache Jena Fuseki 
3.2.4. Otras herramientas 

4. Ontología de datos normativos relativos al LMR  
4.1. Redes de ontologías 
4.1.1. Requerimientos de una ontología de LMR 
4.1.2. Ontologías existentes y relevantes a LMR 
4.2. LMR-O
 
5. Pipeline de transformación a la ontología propuesta 
5.1. Pasos generales 
5.1.1. Formateo del dataset 
5.1.2. Alineación de datos 
5.1.3. Generación del dataset semántico  
5.2. Extendiendo ChEBI 
5.2.1. Asociando conceptos 
5.2.2. Creando nuevos conceptos 
5.2.3. Agregando sinónimos 

6. Evaluación 
 6.1. Caso práctico I: El dataset de Argentina 
6.1.1. Descripción del dataset 
6.1.2. Paso 1: Formateo del dataset 
6.1.3. Paso 2: Alineación de datos 
6.1.4. Paso 3: Generación del dataset semántico 
6.1.5. Conclusión 
 6.2. Caso práctico II: El dataset de Brasil 
6.2.1. Descripción del dataset 
6.2.2. Paso 1: Formateo del dataset 
6.2.3. Paso 2: Alineación de datos 
6.2.4. Paso 3: Generación del dataset semántico 
6.2.5. Conclusión 
6.3. Escenario I: Consultas dentro de un mismo dataset 
6.4. Escenario II: Consultas entre diferentes versiones de un mismo dataset 
6.5. Escenario III: Consultas entre diferentes datasets 

7. Conclusiones y trabajo futuro  
7.1. Conclusiones 
7.2. Trabajo futuro 

A. Algoritmos de soporte 
A.1. ontology-augmenter 
A.1.1. Ubicación 
A.1.2. Descripción 
A.1.3. Ejecución y parámetros 
A.2. chebi-synonyms 
A.2.1. Ubicación 
A.2.2. Descripción 
A.2.3. Ejecución y parámetros 
A.3. lmro-corrections 
A.3.1. Ubicación 
A.3.2. Descripción 
A.3.3. Ejecución y parámetros 
A.4. lmro-provenance 
A.4.1. Ubicación 
A.4.2. Descripción 
A.4.3. Ejecución y parámetros 

B. Documentos adicionales 
B.1. LMR-O 
B.2. Documentos relativos al caso práctico I 
B.2.1. Ubicación 
B.2.2. Descripción 
B.3. Documentos relativos al caso práctico II 
B.3.1. Ubicación 
B.3.2. Descripción