Explorando Grafos de Conhecimento na Arquitetura FLAMI

• Processo: 25/09288-4
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de outubro de 2025
• Data de Término da vigência: 30 de setembro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Cristina Dutra de Aguiar
• Beneficiário: Thiago Zero Araujo
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Big data Ciência aberta Banco de dados
• Palavra(s)-Chave do Pesquisador: arquitetura de referência de software | big data | Ciência aberta | grafos de conhecimento | Princípios FAIR | Banco de Dados

Resumo

Está sendo desenvolvida pelo grupo de pesquisa liderado pela orientadora deste projeto de iniciação científica a arquitetura FLAMI (FAIR Lakehouse Architecture for Multiple Infrastructures). Inspirada no conceito de data lakehouse, FLAMI é uma arquitetura de referência de software que extrai, carrega e transforma grandes volumes de dados e metadados provenientes de fornecedores de dados heterogêneos em uma solução de armazenamento unificada. Ela se integra às infraestruturas existentes de repositórios externos, permitindo que dados armazenados fora do lakehouse sejam recuperados e processados dentro de sua infraestrutura. FLAMI é composta várias camadas, sendo que no contexto deste projeto destaca-se a Camada de Mapeamento de Conhecimento. Essa camada é responsável por gerenciar associações entre modelos de dados genéricos e os modelos de dadosimplementados nas demais camadas de FLAMI, as quais podem ser criadas utilizando ontologias ou grafos de conhecimento. Neste projeto de iniciação científica pretende-se investigar o acoplamento de grafos de conhecimento e suas funcionalidades à FLAMI, com os seguintes objetivos: (i) propor um mapeamento entre padrões de metadados; (ii) criar associações entre padrões de consulta aos objetos de dados; (iii) construir um pipeline genérico de consulta aos dados que utilize a camada de grafos; e (iv) incorporar os resultados obtidos visando à extensão de FLAMI.