Interoperabilidade e portabilidade de documentos digitais usando ontologias

Abstract

Our purpose is to enable interoperability of documents and achieve portability of digital documents through the reuse of content and format in different plausible combinations. We propose the characterization of digital documents using ontologies as a solution to the problem of lack of interoperability in the implementations of document formats. As proof of concept we consider the portability between ODF (Open Document Format) and OOXML (Office Open XML) document formats. Resumo. Nosso objetivo e´ possibilitar a interoperabilidade de documentos e atingir a portabilidade simples e confia´vel de documentos digitais atrave´s da reutilizac¸a˜o de formatos e conteu´dos, em diferentes combinac¸o˜es plaus´ıveis. Propomos a caracterizac¸a˜o de documentos digitais usando ontologias como soluc¸a˜o ao problema da falta de interoperabilidade nas implementac¸o˜es de formatos de documentos. Como prova de conceito, sera´ considerada a portabilidade entre os formatos de documentos ODF (Open Document Format) e OOXML (Office Open XML) .

-

documentos digitais criados a partir de aplicac¸ o˜es de escrit o´rio. As aplicac¸ o˜es de escrit o´rio sa˜o aplicativos voltados para as tarefas de escrit o´rio e geralmente esta˜o agrupadas em interfaces de usua´rio conhecidas como su´ıtes de escrit o´rio.

Cada documento digital possui um formato de arquivo. O formato de arquivo especifica a estrutura em que os co´digos digitais esta˜o organizados [ Shepard and MacCarn 2008 ]. A codificac¸a˜o do formato de arquivo esta´ profundamente relacionada ao programa que o criou. A`s vezes, ap o´s um per´ıodo de tempo, se torna extremamente dif´ıcil a leitura do documento sem perda significativa da informac¸ a˜o. Assim, os documentos podem existir por dezenas de anos, mas a vida u´til de uma su´ıte de escrit o´rio na˜o e´ sempre garantida. Diante disso, as organizac¸ o˜es teˆm que garantir a integridade e perpetuidade dos documentos, mesmo ap o´s o software que os criou ter desaparecido do mercado [ Ngo 2008 , Taurion 2009 ].

Na preservac¸a˜o de documentos e´ importante provar sua autenticidade. A autenticidade e´ a capacidade de demostrar que um documento digital e´ aquilo que se prop o˜e ser. E´ fundamental provar que existe um conjunto de propriedades significativas que foram corretamente preservadas ao longo do tempo. Quanto maior for o n u´mero dessas propriedades, maiores sera˜o os requisitos relativos a` infraestrutura tecnol o´gica para dar suporte a` sua preservac¸a˜o. Torna-se necessa´ria a criac¸a˜o de pol´ıticas de preservac¸ a˜o que exprimam, para cada classe de objetos digitais, o conjunto de propriedades significativas que sera˜o asseguradas pelo reposit o´rio [ Ferreira 2006 , Rusbridge 2003 ].

Este trabalho concentra-se na preservac¸a˜o da autenticidade dos documento digitais, mais do que na preservac¸a˜o das caracter´ısticas est e´ticas do documento.

3. Interoperabilidade e portabilidade de documentos

Interoperabilidade1 e´ a habilidade de transferir e utilizar informac¸ o˜es de maneira uniforme e eficiente entre va´rias organizac¸ o˜es e sistemas de informac¸a˜o. A interoperabilidade de documentos e´ a habilidade das aplicac¸ o˜es de documentos de extrair dados de diferentes tipos de documentos e transforma´-los em estruturas padronizadas. Esta informac¸a˜o pode ser trocada entre va´rios sistemas e posteriormente ser processada [ Schmidt et al. 2006 ]. Com a interoperabilidade de documentos baseada principalmente na tecnologia XML, as aplicac¸ o˜es podem comunicar-se diretamente com servic¸os do governo eletr oˆnico.

Por outro lado, a portabilidade de documentos e´ a troca de documentos com todas as informac¸ o˜es que eles conteˆm, principalmente suas configurac¸o˜es de formato [ Schmidt et al. 2006 ]. Na portabilidade de documentos e´ importante a fidelidade do formato do documento. A fidelidade de formato e´ a capacidade de manter o formato do documento e seu sentido associado, apesar de ser editado em m u´ltiplas aplicac¸ o˜es [ Ditch 2007 ].

Ao contra´rio da portabilidade, a interoperabilidade de documentos esta´ exclusivamente preocupada com a troca da dados corporativos contidos nos documentos e na˜o faz exigeˆncias sobre requisitos em termos de apareˆncia, elementos estil´ısticos, formato ou quest o˜es semelhantes [ Schmidt et al. 2006 ].

1http://www.governoeletronico.gov.br/acoes-e-projetos/e-ping-padroes-de-interoperabilidade/o-que-einteroperabilidade 3.1. Office Open XML (OOXML) e OpenDocument Format (ODF) OOXML e ODF sa˜o os principais padro˜es abertos de formatos de documentos baseados em XML. No entanto, os dois padro˜es sa˜o incompat´ıveis e rivais no mercado, provocando a guerra dos formatos abertos, gerando discusso˜es te´cnicas sobre as vantagens e desvantagens de cada um deles.

O OOXML foi desenvolvido pela Microsoft em 2008 e tornou-se um padra˜o aberto ISO (ISO/IEC 29500:2008). OOXML foi projetado para representar o corpus preexistente de documentos de processamento de texto, apresentac¸o˜es e planilhas que sa˜o codificados pela Microsoft. A especificac¸a˜o OOXML conte´m material normativo e informativo estruturado em aproximadamente 6546 pa´ginas.

O ODF foi desenvolvido pela Sun Microsystems em 2002 e seu processo de padronizac¸a˜o foi iniciado pela OASIS2. O ODF foi projetado para ser uma especificac¸a˜o de formato de documentos independente de fornecedor ou de software. Embora a especificac¸a˜o ODF (aproximadamente 700 pa´ginas) seja complexa para os padro˜es normais, a reutilizac¸a˜o de padro˜es abertos existentes reduz consideravelmente a complexidade da especificac¸a˜o [ Eckert et al. 2009 , Ngo 2008 ].

O estudo de [ Shah and Kesan 2009 ] demonstrou que na˜o existem implementac¸o˜es que oferec¸am 100% de compatibilidade (avaliac¸ a˜o da leitura dos documentos) dentro das implementac¸o˜es de OOXML e ODF.

4. Ontologias

Na cieˆncia da computac¸a˜o, a definic¸a˜o mais citada de ontologia na literatura e´ de [ Gruber 1993 ]: uma ontologia e´ uma especificac¸a˜o expl´ıcita de uma conceitualizac¸ a˜o. Em 1997, Borst [Borst 1997 ] ligeiramente modifica a definica¸˜o de Gruber, afirmando que: uma ontologia e´ uma especificac¸a˜o formal de uma conceitualizac¸a˜o compartilhada. A formalizac¸a˜o de uma ontologia esta´ definida em cinco componentes: conceitos, relac¸o˜es, func¸o˜es, axiomas e instaˆncias [ Gruber 1993 ]. As ontologias, dependendo do seu grau de formalidade, podem ser modeladas baseadas em te´cnicas de modelagem de inteligeˆncia artificial, engenharia desoftware e bancos de dados [ Go´mez-Pe´rez et al. 2005 ].

A ontologia explicita a informac¸a˜o independentemente das estruturas de dados que sa˜o usadas para armazenar a informac¸a˜o. Ale´m disso, a conceitualizac¸a˜o de uma ontologia pode ser expressa em va´rias linguagens [ Guimara˜es 2008 ]. Elas sa˜o projetadas para que a informac¸a˜o seja compartilhada entre agentes que garantam compromissos ontolo´gicos. Desse modo, as ontologias viabilizam soluc¸o˜es para problemas como a falta de padronizac¸a˜o, falta de interoperabilidade, problemas com a recuperac¸a˜o da informac¸a˜o, falta de reuso, confuso˜es terminolo´gicas, problemas de troca de informac¸o˜es entre agentes de software, dentre muitos outros [ Uschold and Gruninger 1996 ].

Este trabalho propo˜e o uso das ontologias para a modelagem das caracter´ısticas da estrutura de formato e do conteu´do corporativo dos documentos digitais.

5. Trabalhos Relacionados

No trabalho de [ Eckert et al. 2009 ] e´ analisado como os formatos OOXML e ODF especificam as caracte r´ısticas mais importantes dos documentos e como essas caracter ´ısticas

Tradutor OOXML

Ontologia

de Formato

Figura 1. Ontologia como interınl´gua. podem ser traduzidas entre os dois formatos. Esse trabalho concentra-se mais na definic¸a˜o de orientac¸ o˜es para a traduc¸a˜o da estrutura da apresentac¸a˜o do documento do que sobre a preservac¸a˜o da este´tica do documento. Os autores conclu´ıram que a separac¸ a˜o da apresentac¸a˜o do documento do seu conte u´do corporativo oferece mais facilidade na manipulac¸a˜o de documentos. Assim, editar os componentes de apresentac¸a˜o e dados do conte u´do corporativo de forma independente confere flexibilidade consider a´vel na criac¸a˜o e edic¸a˜o de documentos.

Outro trabalho e´ de [ Eriksson 2007 ]. O trabalho dele explica como a combinac¸a˜o de ontologias e documentos cria novas possibilidades para melhorar a gesta˜o do conhecimento nas organizac¸ o˜es, isso atrave´s dos documentos semaˆnticos. Os documentos semaˆnticos sa˜o as integrac¸ o˜es dos documentos com as ontologias. O trabalho de [ Eriksson 2007 ] integrou documentos no formato PDF com treˆs ontologias: ontologia de anotac¸a˜o, ontologia do documento e uma ontologia do dom´ınio. Essas ontologias ajudam na explicac¸a˜o do conte u´do do documento e facilitam sua busca. As m u´ltiplas ontologias permitiram ter conceitualizac¸ o˜es com diferentes intenc¸ o˜es habilitando seu re u´so.

6. Caracterizac¸ a˜o de documentos digitais usando ontologias

Propomos a construc¸a˜o de um modelo que considere as qualidades essenciais de formato de um documento digital. Um documento digital criado com o padra˜o OOXML ou ODF podera´ ser caracterizado nesse modelo.

Nosso modelo sera´ caracterizado a partir de ontologias. Uma ontologia do formato especializada em caracterizar a estrutura da apresentac¸a˜o do documento (para´grafos, tabelas, listas, enumerac¸ o˜es, etc.), ela apresenta a informac¸a˜o da ontologia de conte u´do. Outra ontologia de conte u´do que caracteriza a informac¸a˜o dos dados corporativos contidos no documento (dados do paciente, estudante, vendas, etc.).

A Figura 1 ilustra a interac¸a˜o da ontologia de formato e o documento final. Os documentos digitais sera˜o recriados atrave´s de tradutores. Os tradutores sa˜o mediadores entre a ontologia de formato e um formato especifico.

A ontologia de formato e´ criada baseada em um conjunto de propriedades significativas a serem preservadas de uma classe espe c´ıfica de documentos. O objetivo da criac¸a˜o da ontologia de formato e´ atingir a portabilidade simples do documento, isto e´, preservar a estrutura da organizac¸a˜o da apresentac¸a˜o do documento, a Figura 2 ilustra os conceitos principais desta ontologia. Por outro lado, o objetivo da criac¸a˜o da ontologia de conte u´do e´ possibilitar a interoperabilidade de documentos, isto e´, habilitar o intercaˆmbio coerente de informac¸ o˜es corporativas espec´ıficas sobre um contexto.

A ontologia de formato pode ser modificada independentemente da ontologia de

Class EstiloTabela - borda - bgColor - outros

range Class Corpo Class

Estilo SubClassOf

Class EstiloTexto - tamanho - outros

Class

Parágrafo conte u´do e vice-versa. Os documentos digitais sera˜o recriados atrave´s de tradutores entre a ontologia de formato e um formato espec´ıfico. Um novo documento pode ser constru´ıdo com a mesma informac¸ a˜o contextual, mas agora num formato apropriado a seus prop o´sitos, bem como um novo documento pode ter a mesma informac¸a˜o contextual, mas com uma apresentac¸a˜o distinta.

6.1. Avaliac¸ a˜o dos resultados

No trabalho de [ Shah and Kesan 2009 ] e´ apresentado um exemplo de avaliac¸a˜o de interoperabilidade e portabilidade de documentos. Eles testaram um conjunto de su´ıtes de escrit o´rio que implementam os formatos de documentos ODF e OOXML. Os resultados do estudo esta˜o baseados em pontuac¸ o˜es de qua˜o bem as implementac¸ o˜es podem ler e escrever documentos. A parte final da pontuac¸a˜o esta´ focado na capacidade de preservac¸a˜o dos metadados dos documentos, isto e´, atributos de estilos, n u´meros de pa´ginas, tabelas de conte u´dos ou cabec¸alhos, informac¸ o˜es do documento (tempo, ou o n u´mero de palavras em documentos), e controle de alterac¸ o˜es.

A avaliac¸a˜o dos resultados do nosso trabalho seguira´ essa metodologia de avaliac¸a˜o, no entanto com adaptac¸ o˜es. Neste caso os documentos sera˜o traduzidos para diferentes formatos, julgando que cada documento pode ser traduzido seguindo va´rios graus de fidelidade. Para cada documento recriado a partir da ontologia de formato, sera´ quantificada qualquer modificaca¸˜o ao conte u´do original.

7. Considerac¸ o˜es finais

A interoperabilidade e´ um ponto cr´ıtico nas quest o˜es de governo eletr oˆnico. O presente artigo apresenta a problema´tica na preservac¸a˜o de documentos digitais e destaca a importaˆncia da interoperabilidade e portabilidade nos formatos de documentos digitais. Propomos o uso de ontologias para garantir a integridade e perpetuidade dos documentos digitais, priorizando a preservac¸a˜o das caracter´ısticas da estrutura da apresentac¸ a˜o e conte u´do corporativo (os elementos importantes para provar sua autenticidade) sobre a preservac¸a˜o das caracter´ısticas de est e´tica do documento.

Como trabalho futuro sera´ desenvolvido um caso de uso de interoperabilidade de documentos aplicada ao governo eletr oˆnico, em que as ontologias de formato e conte u´do

References

Borst , W. ( 1997 ). Construction of Engineering Ontologies . PhD thesis , University of Tweenty, Enschede, NL , Centre for Telematica and Information Technology.

Ditch , W. ( 2007 ). XML-based Office Document Standars . JISC: Bristol, UK , United Kingdom.

Eckert , K.-P. , Ziesing , J. , and Ishionwu , U. ( 2009 ). Document Operabilitiy Open Document Format and Office Open XML . Fraunhofer Verlag, Germany, fokus edition.

Eriksson , H. ( 2007 ). The semantic-document approach to combining documents and ontologies . International Journal of Human-Computer Studies , 65 : 624 - 639 .

Ferreira , M. ( 2006 ). Introduc¸a˜o e preservac¸a˜o digital: Conceitos, estrate´gias e actuais consensos . PhD thesis , Escola de Engenharia da Universidade do Minho.

Gouget , A. G. , Monteiro , B. M. , Santos , C. R. , da Silva Mac¸ulo, E., de Oliveira, M. I. , Miguel , M. L. C. , Sobrosa , N. B. S. , de Moura Esteva˜ o (coord .), S. N., de Mello Lopes , V. L. H. , and da Fonseca , V. M. M. ( 2005 ). Dicionario Brasileiro de Terminologia Arquiv´ıstica . Arquivo Nacional (Brasil), Rio Janeiro . Edic¸a˜o e Revisa˜o Alba Gisele Gouget and Silvia Ninita de Moura Esteva ˜o and Vera Lucia Hess de Mello Lopes and Vitor Manoel Marques da Fonseca .

Gruber , T. R. ( 1993 ). A translation approach to portable ontology specification . InKnowlegde Acquisition , pages 199 - 220 .

Guimara ˜es, F. J. Z. ( 2008 ). Utilizac¸a˜o de ontologias no dom´ınio b2c.

Go´mez-Pe´rez, A. , Ferna´ ndez -Lo´pez, M., and Corcho , O. ( 2005 ). Ontological Engineering with examples from the areas of Knowledge Management, e-Commerce and the Semantic Web . Springer-Verlag, 4 edition .

Ngo , T. ( 2008 ). Visa˜o geral do office open xml . Technical report , Ecma International.

Rusbridge , A. ( 2003 ). Migration on request. 4th Year Project Report Computer Science.

Schmidt , K.-U., Fox , O. , Henckel , L. , Holzmann-Kaiser , U. , Martin , P. , and Tschichholz , M. ( 2006 ). Document Interoperability for Use in eGovernment. Integration of XMLbased Document Content in Public Administration Processes . Fraunhofer Verlag, fokus edition.

Shah , R. and Kesan , J. ( 2009 ). Interoperability challenge for open standars: Odf and ooxml as examples . The proceedings of the 10th International Digital Government Research Conference.

Shepard , T. and MacCarn , D. ( 2008 ). The universal preservation format: A recommended practice for archiving media and electronic records .

Taurion , C. ( 2009 ). Adoptando o odf como padra˜o aberto de documento . Technical report, ODF Alliance Brasil . Volume 1 .

Uschold , M. and Gruninger , M. ( 1996 ). Ontologies: Principles, methods and applications . Knowledge Engineering Review , 11 .