Arquitetura aplicacional

Pelo facto de ser necessário guardar ontologias em base de dados Apache TDB, preparar a ontologia carregando ficheiros OWL, DDL e Microsoft Excel, guardar configurações para cada entidade com uma ontologia, além de analisar e guardar expressões por utilizador, considerou-se um conjunto de funcionalidades a seguir descritas na Figura 6.16 ao nível de estruturas de classes Java criados e com descrições de funcionalidades na Tabela 6.5, agrupadas por níveis de funcionalidades.

121

Figura 6.16: Arquitetura aplicacional metadados como ontologia

De acordo com a Figura 6.16, a solução está organizada nos seguintes packages java: • PresentationLayer: classes com métodos específicos para criar interação com utilizador

utilizando Java Swing. Todas a classes passam como parâmetro a classe ConfigurationEntity que tem o contexto da navegação com informação da entidade em tratamento e expressão em análise;

• DataLayer: classes para cada tipo de dados (Microsoft Excel, CSV, XML e Microsoft SQLServer) com métodos específicos para ler e escrever;

• RulesJENA: classe com métodos específicos para criar modelos, ler modelos diretamente, gerar inferência, ler modelos via SPARQL, gravar modelos em Apache TDB e ler modelos de Apache TDB;

• RulesNLP: classe com métodos específicos para separar frases num texto (SentenceDetector), separar palavras numa frase (tokenizer) e análise sintática e semântica de palavras (parte-of-speech, parsing).

Além da base de dados Apache TDB com o modelo de ontologia gravado, a aplicação utiliza ainda 2 tipos de ficheiros de texto:

• Configuracoes: mantém informação sobre cada entidade, descrição, data, servidor, base de dados, user/password de acesso a base de dados e ficheiro de expressões a utilizar onde são guardadas as expressões por opção do utilizador;

122

• <empresa>Expressoes: mantém informação sobre cada expressão que o utilizador queira guardar para reutilização, com dados sobre expressão, data, dono e descrição. Empresa é substituído com a entidade em causa.

Nas classes acima referidas, são implementados vários métodos específicos para tratamento de dados tal como apresentados na Tabela 6.5:

Função Comportamento Motivação

Acesso a dados. Conjunto de classes com métodos específicos para acesso a dados em XML, CSV, Microsoft Excel e Microsoft SQLServer.

Isolar métodos que podem ser reutilizados.

Regras Jena. Conjunto de métodos que permitem ler ficheiros OWL para o modelo, carregar o modelo OWL a partir de CSV, carregar o modelo a partir de DDL, gerar inferência e pesquisar o modelo OWL, além de métodos para gravar e ler em base de dados Apache TDB.

Isolar métodos de manipulação de estruturas OWL e regras de negócio.

Regras NLP. Conjunto de métodos que permitem separar frases (SentenceDetector), separar palavras (Tokenizer) e analisar sintaticamente as palavras na frase (Parte-of-

speech).

Isolar métodos de manipulação de estruturas NLP e regras de negócio.

Tabela 6.5: Classes Java de acesso a dados

No caso da camada de apresentação para exploração de dados utilizando Java Swing, foram implementadas as classes apresentadas na Tabela 6.6:

Função Comportamento Motivação

Guardar e ler ontologia (GUIOntology_save/load).

Gravar e ler em base de dados Apache TDB a ontologia OWL criada, associado metadados específicos da mesma.

Permitir reutilização à posteriori.

Guardar e ler configurações (GUIConfiguration_save/load).

Gravar em ficheiro de configuração por entidade, a informação sobre a entidade ao nível de servidor de base de dados de business

intelligence e ficheiro a utilizar para guardar

expressões analisadas.

Permitir que a experimentação seja multiempresa.

Integrar os vários modelos que compõem a ontologia (GUIPreparation_load/process).

Permitir ler ficheiro OWL, Microsoft Excel, DDL, com modelos complementares de conceitos para a ontologia. Com base na ontologia criada, permitir gerar classificações de métricas e dimensões utilizando inferência.

Separar o processo de carregamento de conceitos do processamento (utilizando inferência).

Analisar e guardar expressões (GUIDiscover_save/load).

Permitir analisar expressões, guardar e recuperar expressões, por utilizador.

Permitir reutilizar as mesmas expressões pelo utilizador.

123

No caso de gravar e ler ontologia, apresentado na Figura 6.17, identifica-se primeiro a entidade em causa, e no caso gravar, detalha-se as suas características.

Figura 6.17:Gravar e ler ontologia

No caso de gravar e ler configurações da entidade, apresentado na Figura 6.18, seleciona- se a entidade em causa no caso de ler configurações, ou detalha-se as configurações para a entidade específica.

124

Para se integrar e processar a ontologia, tal como apresentado na Figura 6.19, indica-se o tipo de conceitos a integrar, sendo que se deve utilizar a sequência “Arquitetura Empresarial ArchiMate”, “DDL” e “Glossário”, para se carregar a ontologia OWL. De seguida, pode-se efetuar o processamento, que por via de inferência gera as classificações em termos de dimensões, métricas, domínios de informação e itens de glossário.

Figura 6.19: Interpretar e processar ontologia

Para se analisar as expressões, tal como apresentado na Figura 6.20, indica-se a expressão, a partir do qual se aplica o NLP Sentence Detector para separar o caso de ser indicada mais do que uma frase, separada por “.”, seguido de NLP Tokenizer e NLP Parte-Of-Speech, para obter e classificar as palavras na primeira fase, a partir da qual se utiliza SPARQL para se identificar o que são métricas, dimensões, domínios e restrições. Para cada conceito é apresentada a sua estrutura (conceito, tipo BI, conceito AE, campo e tabela base de dados) e ao selecionar um conceito é apresentada a semântica (relação, tipo relação, com quem se relaciona e classe do destino da relação). Como resultado, mostra-se a estrutura e semântica de cada conceito na expressão, além de se mostrar a estrutura de SQL DML associado à expressão mas sem instânciar tabelas e campos, mantendo somente os conceitos numa estrutura SQL. As expressões podem ser gravadas, para posterior utilização, tal como apresentado na Figura 6.21.

125

Figura 6.20: Análise de expressões de informação de gestão

126