Covid-19 Ontology and Οντολογία-Κορονοϊός | Economic Indicators and Οικονομικοί δείκτες | SPARQL and Ερωτήματα SPARQL | Semantic Web and Σημασιολογικός Ιστός | Schema Mapping and Χαρτογράφηση σχήματος
2
35
List of Figures
Figure 2.1 - Metrics for the Human Disease Ontology (Human Disease Ontology - Summary | NCBO BioPortal (bioontology.org)) 6
Figure 2.2 - Metrics for the Infectious Disease Ontology (Infectious Disease Ontology - Summary | NCBO BioPortal (bioontology.org)) 7
Figure 2.3 - Metrics for the Virus Infectious Disease Ontology (Virus Infectious Disease Ontology - Summary | NCBO BioPortal (bioontology.org)) 7
Figure 2.4 - Metrics for the Coronavirus Infectious Disease Ontology (Coronavirus Infectious Disease Ontology - Summary | NCBO BioPortal (bioontology.org)) 8
Figure 2.5 - Metrics for the IDO-COVID-19 Ontology (The COVID-19 Infectious Disease Ontology - Summary | NCBO BioPortal (bioontology.org)) 8
Figure 2.6 - Metrics for the COVID-19 Surveillance Ontology (COVID-19 Surveillance Ontology - Summary | NCBO BioPortal (bioontology.org)) 9
Figure 2.7 - Metrics for the COviD-19 Ontology for cases and patient information (An Ontology for Collection and Analysis of COviD-19 Data - Summary | NCBO BioPortal (bioontology.org)) 9
Figure 3.1 High-level structure of ECON ontology 14
Figure 4.1 The hierarchy of data properties for economic indicators 16
Figure 4.2 Vaccination data properties 20
Figure 5.1 Mapping of claims reimbursement spreadsheet using KARMA integration tool 24
Figure 5.2 Bridgton Hospital data in spreadsheet 25
Figure 5.3 KARMA repository 25
Figure 5.4 Triples published for Bridgton Hospital data 25
Figure 5.5 Query 1 25
Figure 5.6 Total cases per month 25
Figure 5.7 Total reported deaths per month 25
Figure 5.8 Query 2a 25
Figure 5.9 Query 2b 28
Figure 5.10 Total cases per State 28
Figure 5.11 Total deaths per State 29
Figure 5.12 Query 3a 29
Figure 5.13 Query 3b 30
Figure 5.14 Percentage of 1 dose per State 30
Figure 5.15 Percentage of fully vaccinated per State 30
Figure 5.16 Percentage of booster dose administered 31
Figure 5.17 Percentage of vaccinated people nationwide 31
Figure 5.18 Query 4 32
Figure 5.19 Consumer Economic Indicators 32
Figure 5.20 Query 5 33
Figure 5.21 New job openings and quits 33
Figure 5.22 Unemployment and quit rate 33
Figure 5.23 Query 6 33
Figure 5.24 Housing starts and home sales 33
Figure 5.25 Query 7 35
Figure 5.26 Industrial production 36
Figure 5.27 Consumer price index 36
Figure 5.28 Inflation rate 36
Figure 5.29 Query 8 36
Figure 5.30 GDP growth rate per quarter 36
Figure 5.31 Query 9 36
Figure 5.32 Number of health care providers 36
Figure 5.33 Query 10 36
Figure 5.34 Testing reimbursements 40
Figure 5.35 Treatment reimbursements 40
Figure 5.36 Query 11 41
Figure 5.37 Vaccination reimbursements 41
Figure 5.38 Percentage of fully vaccinated population 42
Figure 5.39 Query 12 42
Figure 5.40 Unemployment rate per State 42
Figure 5.41 Query 13 42
Figure 5.42 GDP per State 42
Figure 5.43 Per capita personal income per State 42
Figure A.1 COVID-19 cases, deaths and vaccinations mapping 1
Figure A.2 National economic indicators mapping 1
Figure A.3 National GDP mapping 1
Figure A.4 State unemployment rate mapping 2
Figure A.5 State GDP and Personal Income mapping 2
Figure B.1 Query 1 results 3
Figure B.2 Query 2 results - cases 4
Figure B.3 Query 2 results - deaths 4
Figure B.4 Query 3 results - a 5
Figure B.5 Query 3 results - b 6
Figure B.6 Query 3 results - c 6
Figure B.7 Query 4 results 7
Figure B.8 Query 5 results 8
Figure B.9 Query 6 results 9
Figure B.10 Query 7 results 10
Figure B.11 Query 8 results 11
Figure B.12 Query 9a results 12
Figure B.13 Query 9b results 13
Figure B.14 Query 10a results 14
Figure B.15 Query 10b results 15
Figure B.16 Query 11a results 16
Figure B.17 Query 11b results 17
Figure B.18 Query 12a results 18
Figure B.19 Query 12b results 19
Figure B.20 Query 12c results 20
Figure B.21 Query 12d results 21
Figure B.22 Query 12e results 22
Figure B.23 Query 12f results 23
Figure B.24 Query 13a results 24
Figure B.25 Query 13b results 24
List of Tables
Table 4.1 Economic Indicators vocabulary 18
Η πανδημία του COVID-19 έχει προκαλέσει μια έκρηξη στην επιστημονική έρευνα, καθώς και έναν διαρκώς αυξανόμενο αριθμό στατιστικών μεγεθών που πρέπει να παρακολουθούνται σε τακτική βάση. Ο συνδυασμός γνώσης από πολλές διαφορετικές πηγές είναι απαραίτητος για την αξιολόγηση των συνεπειών της πανδημίας αυτής. Μια οντολογική προσέγγιση επιτρέπει την ενοποίηση πολλαπλών δεδομένων χρησιμοποιώντας ένα κοινό λεξιλόγιο. Η οντολογία ECON που προτείνεται σε αυτή τη διατριβή επιχειρεί να παράσχει ένα μοντέλο που συνδυάζει στατιστικά δεδομένα κρουσμάτων, θανάτων και εμβολιασμών του COVID-19 με μερικούς από τους βασικότερους οικονομικούς δείκτες της οικονομίας των ΗΠΑ για να εντοπίσει υποκείμενες τάσεις και αλληλεπιδράσεις. Προκειμένου να επιτευχθεί αυτό, χρησιμοποιεί υπάρχουσες οντολογίες επαναχρησιμοποιώντας κάποιες από τις έννοιές τους και εισάγει νέες έννοιες και ιδιότητες για να ενσωματώσει τους οικονομικούς δείκτες. Για να δοκιμαστεί η οντολογία στην πράξη, συγκεντρώθηκαν δεδομένα από επίσημες δημόσιες πηγές, το Κέντρο Ελέγχου και Πρόληψης Νοσημάτων, το Γραφείο Οικονομικής Ανάλυσης και το Γραφείο Στατιστικών Απασχόλησης. Αυτά τα σύνολα δεδομένων μετατράπηκαν σε RDF με βάση την οντολογία ECON, με τη μορφή Υποκείμενο-Κατηγόρημα-Αντικείμενο. Στο προκύπτον γράφημα γνώσης υποβλήθηκαν ερωτήματα με τη χρήση της γλώσσας SPARQL. Με αυτόν τον τρόπο, μπορούν να εξαχθούν χρήσιμες πληροφορίες σχετικά με τον οικονομικό αντίκτυπο ενός γεγονότος όπως η πανδημία COVID-19. Ένα τέτοιο εργαλείο μπορεί να διευκολύνει τη διαδικασία λήψης αποφάσεων, καθώς και να συμβάλει στην αξιολόγηση των αποτελεσμάτων των μέτρων που λαμβάνονται για τη στήριξη της οικονομίας.
The COVID-19 pandemic has caused a surge in scientific research on this matter, as well as a constantly increasing number of relevant statistical figures to measure and monitor on a regular basis. Combining knowledge from the numerous different sources is essential to evaluate the consequences of the pandemic. An ontological approach allows and enables the integration of various data using a common vocabulary. The ECON ontology proposed in this thesis attempts to provide a model that combines COVID-19 statistical data of cases, deaths and vaccinations with some of the key economic indicators of the U.S. economy to identify underlying trends and interrelations. In order to achieve that it utilizes existing ontologies by reusing some of their concepts and it introduces new concepts and properties to incorporate the economic indicators. To test the ontology in practice, data were gathered from official public sources, the Centers for Disease Control and Prevention, the Bureau of Economic Analysis and the Bureau of Labor Statistics. These datasets were transformed into RDF based on the ECON ontology, having the Subject-Predicate-Object format. The resulting knowledge graph was queried via a SPARQL endpoint. In that way, useful information can be extracted regarding the economic impact of such a disruptive event like COVID-19 pandemic. A tool like that can facilitate the decision-making process, as well as contribute to the evaluation of the results of measures taken to support the economy.
Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.
Κύρια Αρχεία Διατριβής
Ανάπτυξη και συνέργεια οντολογιών και συναφών δεδομένων για την καταγραφή και ανάλυση κρουσμάτων πανδημίας Περιγραφή: 147735_KOLOKYTHA_EIRINI.pdf (pdf)
Book Reader Πληροφορίες: Postgraduate Dissertation (Main body and Appendices) Μέγεθος: 3.0 MB
Ανάπτυξη και συνέργεια οντολογιών και συναφών δεδομένων για την καταγραφή και ανάλυση κρουσμάτων πανδημίας - Identifier: 169797
Internal display of the 169797 entity interconnections (Node labels correspond to identifiers)
Ανάπτυξη και συνέργεια οντολογιών και συναφών δεδομένων για την καταγραφή και ανάλυση κρουσμάτων πανδημίας