[Enciclopedia Online Gratuita] Diccionario de Internet y Tecnologías de la Información y la Comunicación (TIC):

ıllı Modelo semántico de datos wiki: info, historia y vídeos

Detalles: Categoría: INTERNET

videos internet

Modelo semántico de datos

wiki Modelos de dato semántico.

El modelo de dato semántico en ingeniería de software tiene múltiples significados:

Es un modelo ideal de datos en el que se incluye información semántica. Esto quiere decir que el modelo describe el significado de sus instancias. Tal modelo de dato semántico es una abstracción que define de qué forma los símbolos guardados (los datos de la instancia) se relacionan con el planeta real.
Es un modelo de datos ideal que incluye la capacidad de expresar información que deja el intercambio de información para interpretar su significado (semántico) de las instancias, sin precisar conocer el meta-modelo. Estos modelos semánticos están orientados a los hechos (en oposición a los orientados a objetos). Los hechos son típicamente expresados por relaciones binarias entre elementos de datos, al paso que las relaciones de orden superior se expresan como compilaciones de relaciones binarias. Típicamente las relaciones binarias tienen la manera de ternas: Objeto-<Tipo de Relación>-Objeto. Por ejemplo: La Torre Eiffel <se halla en> París.

Típicamente, los datos de instancia de los modelos de datos semánticos incluyen explícitamente los modelos de relaciones entre los distintos elementos de datos. Para interpretar el significado de los hechos de las instancias se precisa que se conozca el significado de los modelos de relaciones (géneros de relación). Por ende, los modelos de datos semánticos típicamente normalizan semejantes géneros de relación. Esto quiere decir que el segundo género de modelos de datos semánticos dejan que las instancias expresen hechos que incluyen su significado. El segundo género de modelos de datos semánticos acostumbra a estar destinado a crear bases de datos semánticas. La capacidad de incluir significado en bases de datos semánticas facilita la creación de bases de datos distribuidas que dejan a las aplicaciones interpretar el significado del contenido. Esto implica que las bases de datos semánticas pueden ser integradas cuando emplean exactamente los mismos géneros de relación (estándar). Esto asimismo implica que por norma general tienen una aplicabilidad más extensa que las bases de datos relacionales o bien orientadas a objetos.

Visión general

La estructura de datos lógicos de un sistema de administración de la base de datos (SGBD), así sea jerárquico,de red o bien relacional, puede no satisfacer absolutamente los requisitos para una definición ideal de datos, por el hecho de que tiene alcance limitado y sesgado cara la estrategia de implementación empleada por el SGBD. Por consiguiente, la necesidad de acotar datos desde una visión ideal ha llevado al desarrollo de técnicas de modelado de datos semánticos. O sea, técnicas para delimitar el significado de los datos en el contexto de sus correspondencias con otros datos. Como se ilustra en la figura. El planeta real, en concepto de recursos, ideas, acontecimientos, etcétera, se define de forma simbólica en los guardes de datos físicos. Un modelo de datos semánticos es una abstracción que define de qué forma los símbolos guardados se relacionan con el planeta real. De este modo, el modelo ha de ser una auténtica representación del planeta real.

Según Klas y Schrefl (mil novecientos noventa y cinco), el "la meta general de los modelos de datos semánticos es atrapar más significado de los datos a través de la integración de conceptos relacionales con conceptos de abstracción más poderosos conocidos desde el campo de la Inteligencia Artificial. Parte miembro de un modelo de datos para facilitar la representación de situaciones del planeta real ".

La necesidad de modelos de datos semánticos fue reconocida por vez primera por la Fuerza Aérea de los EE.UU. a mediados de la década de mil novecientos setenta a resultas del Integrated Computer-Aided Manufacturing (ICAM). El propósito de este programa era acrecentar la productividad de la manufactura por medio de la aplicación sistemática de la tecnología informática. El Programa ICAM identificó la necesidad de mejores técnicas de análisis y comunicación para las personas implicadas en prosperar la productividad. Como resultado, el Programa ICAM desarrolló una serie de técnicas conocidas como Métodos del IDEF (Definición ICAM) que incluyeron lo siguiente:

IDEF0 se usa para generar un "modelo de función" que es una representación estructurada de las actividades o bien procesos en el ambiente o bien sistema.
IDEF1 se usa para generar un "modelo de información" que representa la estructura y la semántica de la información en el ambiente o bien sistema.IDEF1X es una técnica de modelado de datos semánticos. Se usa para generar un modelo de información gráfica que representa la estructura y la semántica de la información en un ambiente o bien sistema. El empleo de esta regla deja la construcción de modelos de datos semánticos que sirvan para respaldar la administración de datos como recurso, la integración de sistemas de información y la construcción de bases de datos informáticas.
IDEF2 se usa para generar un "modelo de activa" que representa las peculiaridades de comportamiento variables en el tiempo del ambiente o bien sistema.

Durante la década de mil novecientos noventa la aplicación de técnicas de modelado semántico resultó en modelos de datos semánticos del segundo tipo. Un caso de ello es el modelo de datos semánticos que se normaliza como ISO quince mil novecientos veintiseis-dos (dos mil dos), que se desarrolla más adelante en el lenguaje de modelado semántico Gellish (dos mil cinco). La definición del lenguaje Gellish se documenta en la manera de un modelo de datos semánticos. Gellish en sí es un lenguaje de modelado semántico, que puede usarse para crear otros modelos semánticos. Esos modelos semánticos pueden guardarse en bases de datos Gellish, siendo bases de datos semánticas

Un modelo de datos semánticos puede utilizarse para muchos propósitos. Ciertos objetivos clave incluyen:

Planificación de los recursos de datos: Se puede usar un modelo de datos preliminar para otorgar una visión general de los datos precisos para ejecutar una compañía.Ahora, se puede examinar el modelo para identificar y valorar proyectos para crear recursos de datos compartidos.
Construcción de bases de datos compartibles: un modelo totalmente desarrollado puede ser empleado para acotar una aplicación independiente de la vista de datos que pueden ser ratificados por los usuarios y después transformados en un diseño de base de datos físico para cualquiera de las distintas tecnologías de DBMS. Aparte de producir bases de datos que son consistentes y compartibles, los costos de desarrollo pueden ser drásticamente reducidos a través del modelado de datos
Evaluación del software del proveedor: puesto que un modelo de datos representa realmente la infraestructura de una organización, el software del distribuidor puede evaluarse con el modelo de datos de una compañía para identificar posibles incongruencias entre la infraestructura implicada por el software y la manera en que la compañía verdaderamente hace negocios.
Integración de Bases de Datos Existentes: A través de la definición del contenido de bases de datos existentes con modelos de datos semánticos, se puede derivar una definición de datos integrada. Con la tecnología conveniente, el esquema ideal resultante puede utilizarse para supervisar el procesamiento de transacciones en un ambiente de base de datos distribuida. El Sistema Integrado de Apoyo a la Información (I2S2) de la Fuerza Aérea de los USA es un desarrollo experimental y demostración de esta clase de tecnología aplicada a un ambiente DBMS heterogéneo.

Véase también

Este artículo incorpora material de dominio público de Tecnología http://www.nist.gov.

? abcdFIPS Publication 184Archivado el tres de diciembre de dos mil trece en la Wayback Machine. released of IDEF1X by the Computer Systems Laboratory of the National Institute of Estándares and Technology (NIST). veintiuno December mil novecientos noventa y tres.
?Wolfgang Klas, Michael Schrefl (mil novecientos noventa y cinco).

Bibliografía adicional

Diseño de base de datos - La Aproximación de Modelización Semántica
Johan ter Bekke (mil novecientos noventa y dos). Semantic Data Modeling. Prentice Hall..
Alfonso F. Cardenas and Dennis McLeod (mil novecientos noventa). Research Foundations in Object-Oriented and Semantic Base de datos Systems. Prentice Hall.
Peter Gray, Krishnarao G. Kulkarni and, Norman W. Paton (mil novecientos noventa y dos). Object-Oriented Databases: A Semantic Data Model Approach. Prentice-Hall International Series in Computer Science.
Michael Hammer and Dennis McLeod (mil novecientos setenta y ocho). "The Semantic Data Model: a Modeling Mechanism for Data Base Applications." In: Proc. ACM SIGMOD Int’l. Conf. on Management of Data. Austin, Texas, May treinta y uno - June dos, mil novecientos setenta y ocho, pp. 26–36.