Un breve panorama sobre las Bases de Datos
Semánticas
Pedro Shiguihara Juárez
Escuela de Informática
Universidad Nacional de Trujillo
Trujillo, Perú
Abstract— El presente documento trata de dar una vista
general a las Bases de Datos Semánticas, tratando de identificar
sus orı́genes y la motivación que ha provocado en los investi-
gadores, su modelamiento de datos, arquitectura del sistema y la
integridad semántica. Explica además sus beneficios y aspectos
a tomarse en consideración debido a los problemas que se
deberá afrontar al momento de modelamiento semántico de los
datos.
PALABRAS CLAVES
Knowledge base
I. I NTRODUCCI ÓN
[1] En 1970, el Modelo Relacional revolucionó el campo
de las Bases de Datos, debido al logro de la separación de la
representación lógica del dato de la implementación fı́sicia,
lo que produjo en adelante el desarrollo de lenguajes de
consultas.
La historia del modelamiento semántica, también data hacia
esas fechas. Los modelos semánticos fueron introducidos co-
mo herramientas de diseño de esquemas 1 . El motivo principal
de su uso radicaba en la exactitud del modelo de datos,
como muchos autores aseveran, el modelado semántico, no
es mas, que una representación del mundo real [3][4][2][1],
estas propiedades no las tenı́an las aplicaciones de bases de
datos tı́picas.
[1] El primer modelo semántico publicado apareció en 1974, el
área maduró con el desarrollo de muchos modelos importantes
—como Semantic Data Model [2], General Semantic Data
Model [2][9], Iris Data Model, Sem-Object Data Model [3][4],
IFO [6]—. Hoy en dı́a se ha tratado de estandarizar ello,
con la llegada del estándar SQL3 —año 1999—, que no
es mas que una extensión del modelo relacional. [2][6] En
décadas anteriores entre 1970 y 1980 se planteaba una división
entre el modelo conceptual —modelado semántico— y el
modelo lógico —modelado relacional—, para 1990 Rishe
[3][4] planteaba un modelo que sugerı́a colocar el nombre
de Semantic-SQL, que pueda ser una estándar en lenguajes
de consultas semánticas y planteaba una arquitectura del
sistema —ver figura en apéndice— donde el modelo relacional
actuaba de forma independiente al modelo semántico, este
último actuaba de manera directa con el usuario y traducı́a
la consulta a un modelo lógico entendible por el Sistema de
1 Un esquema podı́a ser diseñado en un alto nivel de modelado semántico
y traducido en un medio tradicional para la implementación
Base de Datos Relacional, además agregaba componentes tales
como Knowledge Base 2 —podrı́a traducirse como base del
conocimiento—.
En este documento se presenta la sección del problema la
cual motiva el surgimiento e implementación de la Base
de Datos Semántica, en la sección 3 se explica el manejo
conceptual donde actúa el Modelamiento de Datos Semántica,
seguidamente en la sección 4 las ventajas del modelamiento
semántico, en la sección 5 las consideraciones de un modelado
de datos semántico que puede dañar la integridad semántica
[7][8][9] y finalmente la sección 6 de conslusiones acerca de
esto.
II. P ROBLEMA : A SMILAR EL MUNDO REAL
Hammer[2] ejemplifica la iteracción con la base de datos,
y asevera que ésta es más que una colección de valores, tiene
transiciones en cada punto de la lı́nea del tiempo, por ello
experimenta cambios en su contenido. En esta ejemplificación
cada punto puede verse como una instantánea que representa
el estado del sistema de aplicación de la Base de Datos.
Por tanto esto refleja una secuencia de eventos a través del
tiempo, ocurrentes en el ambiente de aplicación. Los autores
relacionados a este tema definen el Modelado Semántico de
una Base de Datos como el Modelo del Sistema del Mundo
Real, es decir un espejo de la estructura del sistema que
modelo —una empresa por ejemplo—.
III. M ANEJO C ONCEPTUAL
Todo esto enfoca la necesidad de establecer una interacción
con el usuario de una manera más fácil, tratando de algu-
na manera brindar la propiedad de transparencia al usuario
mediante un modelo conceptual en vez de lógico, ya que le
resultarı́a al usuario más familiar.
Un esquema lógico está expresado de una particular clase de
estructura de datos llamado Modelo de Datos. Los modelos de
estos datos son de bajo nivel y orientado a la máquina, todo
ello requiere que se expresa a nivel de representación lógica
que en términos de significancia. En el modelo relacional la
información semántica está implı́cita —tanto ası́ que no se
podrı́a extraer en casi todos los casos— y se pierden en el
modelo [3]. Por ello Hammer explica que la semántica deberı́a
estar separada, Rishe también lo plantea, y aplicada por el
2 KB también está presente en los fundamentos de la Web Semántica,
explı́citamente en Resource Description Framework (RDF)
usuario directamente.
El modelo en el nivel conceptual se trata de no perder la
significancia de la información que provean las relaciones,
entre entidades y brinde la facilidad para hacer consultas sobre
ello [4].
Fig. 1. Interacción directa entre BD Semántica y usuario
IV. V ENTAJAS DEL MODELADO SEM ÁNTICO
En esta sección se tratará tres ventajas, las más resaltantes
acerca de la implementación de una Base de Datos Semántica.
IV-A. Separación de componentes conceptuales y lógicos
Los usuarios cuando realizan una consulta en una Base
de Datos Relacional, navegan a través de ella por medio de
un esquema con tablas de registros, logran obtener los datos
requeridos mediante operaciones asociadas como juntura y
proyección que son las más comunes. Acá se presenta un
ejemplo extrañido de [1], donde se plante el caso: Mary es un
agente de viajes, y se desea conocer la ciudad del empleador
de Mary.. Para obtener esto en un lenguaje SQL se tendrı́a
que tener explı́citamente el conocimiento de las tablas donde
se encuentra la información del negocio y lugar donde vive el
empleador. La sentencia SQL queda como sigue:
SELECT city
FROM BUSINESS
WHERE BNAME in
SELECT EMPLOYER
FROM BUSTRAV
WHERE PNAME=’Mary’
Es decir obtiene primero el nombre del empleador de Mary
por selección y luego la ciudad de donde pertenece el negocio
donde trabaja el empleador.
IV-B. Sobrecarga semántica
Una relación es usada normalemente en el Modelo Rela-
cional, muchos tipos diferentes de información, la existencia
de entidades implı́citas, propiedades, estructura y asociaciones
entre ellos. El Modelo Semántico de Datos provee una sepa-
ración de esta información, mediante la abstracción de datos.
IV-C. Abstracción de datos
Esto permnite proveer de datos derivados —Knowledge
base—, que están relacionados más a la noción que tiene el
usuario acerca de las Bases de Datos. Estos datos no están
incorporados al esquema, es decir es un nuevo tipo de dato
—puede tomarse como una entidad nueva en una relación ISA
por ejemplo—.
V. C ONSIDERACIONES DE UN MODELADO SEM ÁNTICO
En esta sección explicamos dos consideracione importantes,
la primera es la forma en que será implementada una Base
de Datos Semántica y la segunda está relacionada con la
integridad semántica y la ambigüedad.
V-A. Implementación y representación fı́sica
Hammer [2] explica que si bien hay beneficio por la
facilidad de comprensión y manejo de la Base de Datos,
también existen grandes consideraciones de, ¿Cómo será la
implementación? y ¿Cómo será la representación fı́sica?, esto
trae consigo por supuesto una complejidad superior a la de una
Base de Datos con el Modelo Relacional. Esto se puede ver
en Sistema de arquitectura de la figura en el apéndice.
V-B. Ambigüedad del lenguaje natural e Integridad semánti-
ca
Las bases de datos semántica se tratan de expresar como
un lenguaje natural —a nivel conceptual— para las consultas
realizadas por el usuario.Esto como se menciona en [7] libera
al usuario de una tarea de comprensión de la base de datos
—como explicamos en las ventajas—. Pero resalta un nuevo
problema, la previsión de capacidades de actualización.
Por el mismo hecho de usarse un lenguaje casi natural,
tiende a la ambigüedad, este nuevo problema no se ve en
las consultas tradicionales. Esto es, debido a que el usuario
está fraseando sus peticiones con respecto a su punto de vista
de la Base de Datos, lo cual puede ser una simplificación o
una transformación de la estructura acutal de la base de datos,
entendiéndose que el usuario no está ı́ntimamente ligado
con la estructura interna de la base de datos como serı́a su
diseñador.
Las solicitudes de actualización —insertar, eliminar,
modificar—, podrı́a resultar en diferentes efectos, no
esperados por el usuario. Incluso el usuario podrı́a hacer
peticiones que sean imposibles —el problema de devolución
null—. El trato que se da a la ambigüedad es seleccionar
entre todos los estados posibles, el que involucra menos
modificaciones a lo largo de la base de datos, para ello se
siguen ciertas consideraciones que se explican en docuemtnso
asociados a esta bibliografı́a [9][7][8][5]. Shin [5] plantea
una clasificación de posibles caminos que puede tomar una
consulta y en la bibliografı́a [10] se plantea el estándar SQL3
que trata el problema. Para Shin toma el siguiente camino:
CC: Linguı́sticamente Completo;
Datos semánticamente Completos
IC: Linguı́sticamente Incompleto;
 Datos semánticamente Completos
CI: Linguı́sticamente Completo;
Datos semánticamente Incompletos
II: Linguı́sticamente Incompleto;
Datos semánticamente Incompletos
Fig. 2. taxonomı́a dada por Shin [5]
Los IC tienen que ver con errores de tipografı́a, gramátical-
mente incorrecta, referencias indefinidas. CI tiene que ver
con términos desconocidos o ambigüos, términos vagos o
información faltante, parámetros inconsistentes y semántica-
mente sin sentido; estos son los errores más comunes que
puede llevarse a cabo. Los II son errores sintácticamente y
semánticamente sin sentido. En la bibliografı́a [5] se explica
de manera detallada el problema, aquı́ se presenta la taxonomı́a
dada por Shin.
VI. C ONCLUSIONES
El modelado semántico resume la complejidad lógica
representativa de la Base de Datos, esto permite mayor
usabilidad por parte de más usuarios, se extiende el
amplio dominio para la redes de comunicaciones donde
los usuarios no son conscientes de la estructura lógica de
una base de datos remota.
La abstracción de datos y la separación de componente
lógicos y conceptuales son propiedades importantes en
las Bases de Datos Semántica por tanto permiten la
representación de la realidad a modo de espejo.
También trae consigo mayor complejidad lógica y prob-
lemas de interpretación de las consultas, debido a su
acercamiento al lenguaje natural, produce ambigüedades.
La base de datos Semántica permite la adaptación de
datos derivados, no existentes en la base de datos pero
que para el usuario es obvia su existencia.
El nuevo estándar trata de minimizar el problema de
ambigüedad en la base de datos.
Fig. 3. Ejemplos extraı́dos de [10]
R EFERENCES
[1] HULL, RICHARD y ROGER KING, Semantic Database Modeling: Sur-
vey, Applications, and Research Issues, Computer Science Department,
University of Southern California, ACM Press, September 1987.
[2] HAMMER, MICHAEL y DENNIS MCLEOD, The Semantics Data Mod-
el: A Modelling Mechanism for Data Base Applications, MIT Laboratory
for Computer Science, Cambridge, ACM Press, 1978.
[3] RISHE NAPHTALI D., Semantic SQL: A Semantic Wrapper for Re-
lational Databases, School of Computer Science, Florida International
University, Miami, 2003.
[4] RISHE N., SHU-CHING C., ALEXANDER V., JUN Y., XIAOL-
ING L., ARTYOM S., RUKSHAM A., XIAOBIN M., DMIT-
RY V., Semantic Access for Querying Databases, School of
Computer Science, Floritda International University, Miami. URL:
http://www.cs.fiu.edu/c̃hens/PDF/VLD800.pdf
[5] SHIN, D. G., Semantics Modeling Issues for Processing Natural Lan-
guage Database Queries, Computer Science and Engineering Department,
University of Connecticut, ACM Press, January 1990.
[6] ABITEBAW, SERGE Y RICHARD HULL, IFO: A Format Semantic
Database Model, Institut National de Recherche en Informatique et en
Automatique, ACM Press, November 1987.
[7] DAVIDSON, JAMES y JERROLD KAPLAN, Natural Language Access
to Data Bases: Interpreting Update Requests, Computer Science Depart-
ment, Stanford University, California, ACM Press. April 1983.
[8] CHEN A. y RICHARD HULL, An Execution Model for Limited Ambi-
guity Rules and Its Application to Derived Data Update, ACM Press,
December 1995.
[9] HAMMER, M. y DENNIS MCLEOD, A Framework for Data Base
Semantic Integrity, MIT Laboratories for Computer Science, ACM Press,
1976.
[10] TÜRKER, CAN y MICHAEL GERTZ, Semantic integrity support
in SQL:1999 and commercial (object-)relational database management
systems, Swiss Federal Institute of Technology, Zurich, Switzerland, ACM
Press, 2001.
 VII. A P ÉNDICE

Fig. 4. Arquitectura de una Base de Datos Semántica [4]