Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
UMP-ST Plug-in: Documenting, Maintaining and Evolving Probabilistic Ontologies Using UnBBayes Framework Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

Information Integration with Provenance on the Semantic Web via Probabilistic Datalog+/–

verfasst von : Thomas Lukasiewicz, Maria Vanina Martinez, Livia Predoiu, Gerardo I. Simari

Erschienen in: Uncertainty Reasoning for the Semantic Web III

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we explore the use of guarded Datalog+/– for information integration based on probabilistic data exchange. The recently introduced Datalog+/– family of tractable ontology languages is suitable for representing and reasoning over lightweight ontologies, such as \(\mathcal {EL}\) and the DL-Lite family of description logics. We study how Datalog+/– can be used as a mapping language in the context of information integration. We also provide a complexity analysis for deciding the existence of (deterministic and probabilistic (universal)) solutions in the context of data exchange. In particular, we show that tractability is preserved for simple probabilistic representations, such as tuple-independent ones.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Computing Inferences for Relational Bayesian Networks Based on Constructs
Nächstes Kapitel Learning Probabilistic Description Logics
Literatur
1.
Andréka, H., Németi, I., van Benthem, J.: Modal languages and bounded fragments of predicate logic. J. Philos. Logic 27(3), 217–274 (1998)CrossRefMATHMathSciNet
2.
Bernstein, P.A., Haas, L.M.: Information integration in the enterprise. Commun. ACM 9(51), 72–79 (2008)CrossRef
3.
Botoeva, E.: Description Logic Knowledge Base Exchange. Ph.D. thesis, Free University of Bozen-Bolzano (2014)
4.
Buneman, P.: The providence of provenance. In: Gottlob, G., Grasso, G., Olteanu, D., Schallhart, C. (eds.) BNCOD 2013. LNCS, vol. 7968, pp. 7–12. Springer, Heidelberg (2013)CrossRef
5.
Calì, A., Gottlob, G., Kifer, M.: Taming the infinite chase: Query answering under expressive integrity constraints. In: Proceedings of KR, pp. 70–80. AAAI Press (2008)
6.
Calì, A., Gottlob, G., Lukasiewicz, T.: A general datalog-based framework for tractable query answering over ontologies. J. Web Sem. 14, 57–83 (2012)CrossRef
7.
Calì, A., Lukasiewicz, T., Predoiu, L., Stuckenschmidt, H.: Rule-based approaches for representing probabilistic ontology mappings. In: da Costa, P.C.G., d’Amato, C., Fanizzi, N., Laskey, K.B., Laskey, K.J., Lukasiewicz, T., Nickles, M., Pool, M. (eds.) URSW 2005 - 2007. LNCS (LNAI), vol. 5327, pp. 66–87. Springer, Heidelberg (2008)CrossRef
8.
Cheney, J., Chiticariu, L., Tan, W.C.: Provenance in databases: why, how and where. Found. Trends Databases 1(4), 379–474 (2009)CrossRef
9.
Chiticariu, L., Tan, W.C.: Debugging schema mappings with routes. In: Proceedings of VLDB, pp. 79–90. ACM Press (2006)
10.
Deutsch, A., Nash, A., Remmel, J.: The chase revisited. In: Proceedings of PODS, pp. 149–158. ACM Press (2008)
11.
Dong, X.L., Halevy, A., Yu, C.: Data integration with uncertainty. VLDB J. 18, 469–500 (2009)CrossRef
12.
Euzenat, J., Shvaiko, P.: Ontology Matching. Springer, Heidelberg (2007)MATH
13.
Fagin, R., Kimelfeld, B., Kolaitis, P.G.: Probabilistic data exchange. In: Proceedings of ICDT, pp. 76–88. ACM Press (2010)
14.
15.
Fagin, R., Kolaitis, P.G., Miller, R.J., Popa, L.: Data exchange: semantics and query answering. Theor. Comput. Sci. 336(1), 89–124 (2005)CrossRefMATHMathSciNet
16.
Fagin, R., Kolaitis, P.G., Popa, L., Tan, W.C.: Composing schema mappings: second-order dependencies to the rescue. ACM T. Database Syst. 30, 994–1055 (2005)CrossRef
17.
Gal, A., Martinez, M.V., Simari, G.I., Subrahmanian, V.S.: Aggregate query answering under uncertain schema mappings. In: Proceedings of ICDE, pp. 940–951. IEEE Computer Society (2009)
18.
Gottlob, G., Lukasiewicz, T., Martinez, M.V., Simari, G.I.: Query answering under probabilistic uncertainty in Datalog+/- ontologies. Ann. Math. Artif. Intell. 69(1), 37–72 (2013)CrossRefMATHMathSciNet
19.
Green, T.J., Karvounarakis, G., Tannen, V.: Provenance semirings. In: Proceedings of PODS, pp. 31–40. ACM Press (2007)
20.
Green, T.J., Karvounarakis, G., Taylor, N.E., Biton, O., Ives, Z.G., Tannen, V.: ORCHESTRA: facilitating collaborative data sharing. In: Proceedings of SIGMOD, pp. 1131–1133. ACM Press (2007)
21.
Haas, L.: Beauty and the beast: the theory and practice of information integration. In: Schwentick, T., Suciu, D. (eds.) ICDT 2007. LNCS, vol. 4353, pp. 28–43. Springer, Heidelberg (2006)CrossRef
22.
Johnson, D.S., Klug, A.: Testing containment of conjunctive queries under functional and inclusion dependencies. J. Comput. Syst. Sci. 28, 167–189 (1984)CrossRefMATHMathSciNet
23.
Karvounarakis, G.: Provenance in collaborative data sharing. Ph.D. thesis, University of Pennsylvania (2009)
24.
Lenzerini, M.: Data integration: A theoretical perspective. In: Proceedings of PODS, pp. 233–246. ACM Press (2002)
25.
Levesque, H.J., Brachman, R.J.: Expressiveness and tractability in knowledge representation and reasoning. Comput. Intell. 3, 78–93 (1987)CrossRef
26.
Lukasiewicz, T., Martinez, M.V., Simari, G.I.: Consistent answers in probabilistic Datalog+/– ontologies. In: Krötzsch, M., Straccia, U. (eds.) RR 2012. LNCS, vol. 7497, pp. 156–171. Springer, Heidelberg (2012)CrossRef
27.
Lukasiewicz, T., Predoiu, L.: Information integration with provenance on the Semantic Web via probabilistic Datalog+/-. In: Proceedings of URSW. CEUR Workshop Proceedings (2013)
28.
Lukasiewicz, T., Predoiu, L., Stuckenschmidt, H.: Tightly integrated probabilistic description logic programs for representing ontology mappings. Ann. Math. Artif. Intell. 63(3/4), 385–425 (2011)CrossRefMATHMathSciNet
29.
Maier, D., Mendelzon, A.O., Sagiv, Y.: Testing implications of data dependencies. ACM Trans. Database Syst. 4(4), 455–469 (1979)CrossRef
30.
Moreau, L., Groth, P.: Provenance: An Introduction to PROV. Morgan and Claypool, San Rafael (2013)
31.
Niepert, M., Noessner, J., Meilicke, C., Stuckenschmidt, H.: Probabilistic-logical web data integration. In: Polleres, A., d’Amato, C., Arenas, M., Handschuh, S., Kroner, P., Ossowski, S., Patel-Schneider, P. (eds.) Reasoning Web 2011. LNCS, vol. 6848, pp. 504–533. Springer, Heidelberg (2011)
32.
Scharffe, F., de Bruijn, J.: A language to specify mappings between ontologies. In: Proceedings of SITIS, pp. 267–271. Dicolor Press (2005)
33.
Serafini, L., Stuckenschmidt, H., Wache, H.: A formal investigation of mapping language for terminological knowledge. In: Proceedings of IJCAI, pp. 576–581. Professional Book Center (2005)
34.
ten Cate, B., Kolaitis, P.G.: Structural characterizations of schema-mapping languages. Commun. ACM 53, 101–110 (2010)CrossRef
Metadaten
Titel
Information Integration with Provenance on the Semantic Web via Probabilistic Datalog+/–
verfasst von
Thomas Lukasiewicz
Maria Vanina Martinez
Livia Predoiu
Gerardo I. Simari
Copyright-Jahr
2014
Buch
Uncertainty Reasoning for the Semantic Web III

Print ISBN: 978-3-319-13412-3

Electronic ISBN: 978-3-319-13413-0

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-13413-0_3