A survey on web data linking - Archive ouverte HAL Accéder directement au contenu
Article Dans Une Revue Revue des Sciences et Technologies de l'Information - Série ISI : Ingénierie des Systèmes d'Information Année : 2016

A survey on web data linking

Résumé

Data are being published continuously on the web in a decentralized manner leading to a web of heterogeneous data. Given the large amount of published data, access to relevant information becomes difficult, hence the need to interconnect these data.In this paper, we propose a survey on approaches and tools addressing the data linking problem. The particularity of this survey is that we consider the linking processes as a pipeline composed of pre-processing, main matching and post-processing phases and we review the different techniques applied on each of these three steps in service of the global linking task. The actual task of linking two data instances is certainly at the core of this process; however, what happens before and what happens after this task is performed, is of crucial importance for the effectiveness and the efficiency of a data linking tool. One of the important contributions of this paper lies in the organization of the approaches and tools in a (pseudo-) taxonomy, with respect to the three major steps of the matching process (pre-processing, data matching and post-processing), splitting them further into several categories according to the tasks that each approach adresses and finally – according to the techniques that are applied. We additionally consider a fourth, multi-step category of methods – those that act on more than one step of the matching process (they can be found on multiple leaves of our taxonomy). Finally, we describe and compare different state-of-the-art approaches and tools according to a set of criteria.
Les données sont publiées en continu sur le web et ce de manière décentralisée condui-sant à un web de données hétérogènes. Au vu de l'énorme quantité de données publiées et de leur hétérogénéïté, se pose la difficulté d'accéder efficacement à l'information pertinente d'où la nécessité d'interconnecter ces données. Dans cet article, nous proposons un état de l'art des méthodes et outils traitant du problème de liage de données. La particularité de cette étude est que nous considérons le processus de liage comme un pipeline composé de trois phases: (i) pré-traitement, (ii) appariement d'instances de données et (iii) post-traitement. La tâche proprement dite d'appariement d'instances de données est certainement au coeur de ce processus. Cependant, ce qui se passe avant et ce qui se passe après cette tâche est d'une importance cruciale pour l'efficacité d'un outil de liage de données. Parmi les contributions importantes de cet article il y a la proposition d'une organisation des approches et outils dans une (pseudo-) taxonomie, en fonction des trois grandes étapes du processus. Cette classification comprend plusieurs catégories en fonction des tâches que chaque approche utilise et selon les techniques qui y sont appliquées. Nous considérons par ailleurs une quatrième catégorie de méthodes ap-pelée multi-étapes comprenant les méthodes agissant sur plus d'une étape du processus de liage (ces méthodes peuvent être trouvées sur plusieurs feuilles de notre taxonomie). Enfin, nous pro-posons également une analyse comparative selon plusieurs critères des différentes approches et outils existants dans ce domaine
Fichier non déposé

Dates et versions

hal-01407854 , version 1 (16-12-2016)

Licence

Copyright (Tous droits réservés)

Identifiants

Citer

Manel Achichi, Zohra Bellahsene, Konstantin Todorov. A survey on web data linking. Revue des Sciences et Technologies de l'Information - Série ISI : Ingénierie des Systèmes d'Information, 2016, ⟨10.3166/ISI.21.5-6.11-29⟩. ⟨hal-01407854⟩
267 Consultations
0 Téléchargements

Altmetric

Partager

Gmail Facebook X LinkedIn More