Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Ontology-based data federation
Faculty of Computer Science, Free University of Bozen-Bolzano, Bolzano, Italy.
Faculty of Computer Science, Free University of Bozen-Bolzano, Bolzano, Italy.
Faculty of Computer Science, Free University of Bozen-Bolzano, Bolzano, Italy.
Department of Information Science and Media Studies, University of Bergen, Norway; Department of Informatics, University of Oslo, Norway; Ontopic S.r.l., Bolzano, Italy.
Visa övriga samt affilieringar
2022 (Engelska)Ingår i: Proceedings of the 11th International Joint Conference on Knowledge Graphs: IJCKG 2022 / [ed] Alessandro Artale; Diego Calvanese; Haofen Wang; Xiaowang Zhang, Association for Computing Machinery (ACM), 2022, s. 10-19Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Ontology-based data access (OBDA) is a well-established approach to information management which facilitates the access to a (single) relational data source through the mediation of a high-level ontology, and the use of a declarative mapping linking the data layer to the ontology. We formally introduce here the notion of ontology-based data federation (OBDF) to denote a framework that combines OBDA with a data federation layer where multiple, possibly heterogeneous sources are virtually exposed as a single relational database. We discuss opportunities and challenges of OBDF, and provide techniques to deliver efficient query answering in an OBDF setting. Such techniques are validated through an extensive experimental evaluation based on the Berlin SPARQL Benchmark.

Ort, förlag, år, upplaga, sidor
Association for Computing Machinery (ACM), 2022. s. 10-19
Nyckelord [en]
Data federation, OBDA, Query optimization
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:umu:diva-205345DOI: 10.1145/3579051.3579070Scopus ID: 2-s2.0-85148543827ISBN: 9781450399876 (digital)OAI: oai:DiVA.org:umu-205345DiVA, id: diva2:1748435
Konferens
11th International Joint Conference on Knowledge Graphs, IJCKG 2022, Virtual event, China, October 27-28, 2022
Forskningsfinansiär
EU, Horisont 2020, 863410Tillgänglig från: 2023-04-03 Skapad: 2023-04-03 Senast uppdaterad: 2023-04-03Bibliografiskt granskad

Open Access i DiVA

fulltext(1514 kB)159 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1514 kBChecksumma SHA-512
aecbb75282e9b38bf8d891f7b93997cfa04a40c9225fea802edf90bd29e597eec7c557383560e01853e962016b58b76217fcda3e570a54c596d737b4b88c658a
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Calvanese, Diego

Sök vidare i DiVA

Av författaren/redaktören
Calvanese, Diego
Av organisationen
Institutionen för datavetenskap
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 161 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 523 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf