MashQL : A Query-by-Diagram Topping SPARQL Mustafa Jarrar Marios D. Dikaiakos

1. MashQL: A Query-by-Diagram Topping SPARQLMustafa JarrarMarios D. Dikaiakos Αντρέας Μανώλη & Ειρήνη Ελευθερίου

2. Εισαγωγή • Σε αυτό το άρθρο προτείνεται μια νέα μορφή της τεχνολογίας τωνmashups για τη διευκόλυνση των χρηστών που δεν διαθέτουν ειδικευμένες γνώσεις για RDF καιSparQL

3. MashQL • Η MashQL είναι μια νέα τεχνολογία βασισμένη στα Mashupsκαι έχει ως σκοπό να επιτρέψει στους χρήστες να δημιουργούν εύκολα και χωρίς ιδιαίτερες γνώσεις, επερωτήσεις επάνω στα υπάρχοντα δεδομένα στο διαδίκτυο • Οι επερωτήσεις MashQL μεταφράζονται αυτόματα σε επερωτήσεις SPARQL • Οι χρήστες μπορούν να χτίσουν στοιχεία mashups χωρίς να πρέπει να είναι γνωστό σ’ αυτούς η δομή ή τεχνικές λεπτομέρειες των δεδομένων.

4. Περιγραφή • Μέσα από αυτό το άρθρο οι συγγραφείς επιθυμούν να γενικεύσουν την ιδέα των mashups, θεωρώντας το διαδίκτυο ως βάση δεδομένων και ένα mashup σαν μια επερώτηση προς τη βάση • Επιπλέον υποθέτουν ότι τα δεδομένα που βρίσκονται στο διαδίκτυο είναι της μορφής RDF • Για τη διατύπωση επερωτήσεων σε RDF αρχεία χρησιμοποιείται η γλώσσα εκτέλεσης επερωτήσεων SPARQL

5. MashQLσε SPARQL

6. Εκπαιδευτικός στόχος/σκοπός • Να βοηθήσει τους αναγνώστες του να εξοικειωθούν με τη χρήση του semantic web • Το εργαλείο που εισηγούνται οι συγγραφείς είναι για αυτόματη δημιουργία queries μέσω γραφικού περιβάλλοντος • Εκπαίδευση στη χρήση του εργαλείου MASHQL • Δεξιοτεχνία στη χρήση του semantic web με αποτέλεσμα να το εισάγουν στην καθημερινότητα τους

7. Personalized medicine:revolutionizing drugdiscovery and patientcare Geoffrey S. Ginsburg Jeanette J. McCarthy

8. Εξατομικευμένη Ιατρική Φροντίδα • Θα αποτελέσει το σύνδεσμο μεταξύ μοριακού και κλινικού προφίλ κάθε ατόμου, επιτρέποντας στους γιατρούς να πάρουν τη σωστή απόφαση για την φροντίδα των ασθενών • Υπόσχεται να προσφέρει την σωστή θεραπεία για τον σωστό ασθενή την σωστή στιγμή

9. Πλεονεκτήματα • Για τον ασθενή • ασφαλέστερη και πιο αποδοτική θεραπεία • Για την βιομηχανία • αύξηση της αποτελεσματικότητας • αύξηση της παραγωγικότητα • καλύτερες σειρές προϊόντων • Για την κοινωνία • πιο εστιασμένη εφαρμογή των πολύτιμων πόρων της υγειονομικής περίθαλψης σε εκείνους πουχρειάζονται περισσότερο

10. Παραδοσιακή ανακάλυψη φαρμάκων

11. Μελλοντική ανακάλυψη φαρμάκων

12. Εκπαιδευτικός στόχος/σκοπός • Εκπαίδευση τόσο του ασθενή όσο και του γιατρού έτσι ώστε να έχουν τη δυνατότητα να προσφέρουν την σωστή θεραπεία για τον σωστό ασθενή την σωστή στιγμή • Σίγουρα τη θεωρία θα υποβοηθούσε και ένα εξειδικευμένο εργαλείο το οποίο θα παρουσίαζε το άρθρο

13. Βιβλιογραφία. • Άρθρο 1: • Mustafa Jarrar , Marios D. Dikaiakos, MashQL: a query-by-diagram topping SPARQL, Proceeding of the 2nd international workshop on Ontologies and information systems for the semantic web, October 30-30, 2008, Napa Valley, California, USA, ACM. pages (89-96) • Άρθρο 2: • Geoffrey S. Ginsburg, Jeanette J. McCarthy: Personalized medicine: Revolutionizing drug discovery and patient care(2001) Trends in Biotechnology, 19 (12), pp. 491-496.