The Semantic Data Warehouse for the AgriProKnow Project: A First Prototype
- Autor
- S. Schausberger
- Masterarbeit
- MT1603 (November, 2016)
- Betreut von
- o. Univ.-Prof. Dr. Michael Schrefl
- Angeleitet von
- Ass.-Prof. Dr. Christoph Schütz
- Ausgeführt an
- Universität Linz, Institut für Wirtschaftsinformatik - Data & Knowledge Engineering
- Ressourcen
- Kopie
Kurzfassung (Englisch)
Contemporary dairy farming heavily relies on modern technology such as milking robots, feeding
systems, and various sensors which track animal movement, micro climate, etc. All these systems
produce vast amounts of data. These data contain potentially valuable information that could be
used to increase efficiency of dairy farm operations. As of now this potential remains underused,
which the AgriProKnow project intends to change. The AgriProKnow project develops a data
analysis platform as a means to extract knowledge from the information contained in the data. In
this thesis we present a first prototype of the AgriProKnow project's data analysis platform in the
form of a semantic data warehouse (sDWH).
The sDWH is realised using a combination of semantic technologies and a relational database
management system. The schema and all instance data are described in RDF format using the
RDF Data Cube Vocabulary. The RDF schema is mapped to a relational data model; the instance
data in the sDHW are stored in a relational database. Furthermore, the sDWH provides intuitive
query facilities for the stored data, the semOLAP patterns. The semOLAP patterns are defined by
database and domain experts. Each semOLAP pattern contains wildcards. Based on the semOLAP
patterns, users create queries and provide concrete values for the wildcards in the pattern. The
combination of the semOLAP pattern and concrete values for its wildcards results in an SQL query
which is executed in the relational database of the sDWH. If the concrete values for the wildcards
of the semOLAP pattern are RDF elements, the export of the query results can be done in RDF
as well. The query result is enriched semantically including, a definition of the result's structure
and the underlying query.
Kurzfassung (Deutsch)
Moderne Rinderbetriebe setzen eine Vielzahl moderner Technologien wie etwa Temperatursensoren,
Milchroboter oder Fütterungsroboter ein. Dadurch entstehen große Mengen an Daten in
den Betrieben. Diese Daten enthalten potenziell wertvolle Informationen, welche zur Effizienzsteigerung
genutzt werden können. Das Potenzial dieser Informationen wird derzeit jedoch nicht
voll ausgeschöpft. Das Projekt AgriProKnow will dies ändern. Deshalb wird im Rahmen des
Projekts AgriProKnow eine Analyseplattform entwickelt, die helfen soll, neues Wissen aus in den
Daten enthaltenen Information zu generieren. In dieser Arbeit wird ein erster Prototyp dieser
Analyseplattform, dem Semantic Data Warehouse (sDWH) beschrieben.
Das sDWH kombiniert semantische Technologien mit einem relationalen Datenbankverwaltungssystem.
Die Schema- und Instanzdaten des sDWH werden in RDF mittels RDF Data Cube Vocabulary
beschrieben. Das RDF-Schema wird in einem relationalen Datenmodell abgebildet.
Die Instanzdaten werden in einer relationalen Datenbank gespeichert. Das sDHW bietet außerdem
intuitive Abfragemöglichkeiten, die semOLAP Patterns. Diese werden von Datenbank- und
Domänenexperten definiert, und beinhalten Platzhalter. Erstellen die Nutzer Abfragen werden
diese Platzhalter mit konkreten Werten gefüllt. Basierend auf diesen Werten und dem zugrundeliegenden
Pattern, wird daraus eine SQL-Abfrage generiert, welche in der relationalen Datenbank
des sDWH ausgeführt wird. Wurden die Werte für das Pattern in Form von RDF-Elementen
angegeben, erfolgt auch der Export im RDF-Format. Hierbei wird zusätzlich zu den Daten des
Ergebnisses, eine semantische Beschreibung in Form einer Definition der Struktur des Ergebnisses
und der zugrundeliegenden Abfrage exportiert.