   Interoperabilidade e portabilidade de documentos digitais
                       usando ontologias
                   Erika Guetti Suca 1 , Flávio Soares Corrêa da Silva1
      1
          Instituto de Matemática e Estatı́stica - Universidade São Paulo (IME-USP)
                                    São Paulo – SP – Brasil
                                {eguetti,fcs}@ime.usp.br

    Abstract. Our purpose is to enable interoperability of documents and achi-
    eve portability of digital documents through the reuse of content and format in
    different plausible combinations. We propose the characterization of digital do-
    cuments 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 é possibilitar a interoperabilidade de documentos e
    atingir a portabilidade simples e confiável de documentos digitais através da
    reutilização de formatos e conteúdos, em diferentes combinações plausı́veis.
    Propomos a caracterização de documentos digitais usando ontologias como
    solução ao problema da falta de interoperabilidade nas implementações de
    formatos de documentos. Como prova de conceito, será considerada a por-
    tabilidade entre os formatos de documentos ODF (Open Document Format) e
    OOXML (Office Open XML).

1. Introdução
As organizações precisam trocar informação através de documentos. Muitas vezes es-
ses documentos são apresentados com formato e conteúdos pré-definidos, que podem
ser equivalentes ou quase equivalentes entre si, porém bastantes distintos em diferentes
organizações (ou em uma mesma organização em diferentes contextos históricos). Como
recurso importante para gerenciar seu conhecimento de forma efetiva e preservar seu ca-
pital intelectual, as organizações precisam disponibilizar documentos independentemente
do software com que foram criados. Propomos a caracterização dos formatos de docu-
mentos digitais usando ontologias para favorecer a portabilidade e superar o problema de
falta de interoperabilidade de documentos nas organizações.
       O trabalho está organizado da seguinte forma: na Seção 2 introduzimos o pro-
blema da preservação dos documentos digitais; na Seção 3 apresentamos os conceitos
fundamentais da interoperabilidade e portabilidade de documentos; na Seção 4 mostra-
mos os principais conceitos das ontologias; na Seção 5 resumimos alguns trabalhos re-
lacionados. Na Seção 6 explicamos nossa proposta; finalmente, na Seção 7 fazemos as
considerações finais.

2. Preservação dos documentos digitais
Um documento digital é um documento codificado em formato binário, acessı́vel por
meio de um sistema computacional [Gouget et al. 2005]. Nosso trabalho está focado em


                                             117
documentos digitais criados a partir de aplicações de escritório. As aplicações de es-
critório são aplicativos voltados para as tarefas de escritório e geralmente estão agrupadas
em interfaces de usuário conhecidas como suı́tes de escritório.
         Cada documento digital possui um formato de arquivo.                  O formato
de arquivo especifica a estrutura em que os códigos digitais estão organizados
[Shepard and MacCarn 2008]. A codificação do formato de arquivo está profundamente
relacionada ao programa que o criou. Às vezes, após um perı́odo de tempo, se torna extre-
mamente difı́cil a leitura do documento sem perda significativa da informação. Assim, os
documentos podem existir por dezenas de anos, mas a vida útil de uma suı́te de escritório
não é sempre garantida. Diante disso, as organizações têm que garantir a integridade e
perpetuidade dos documentos, mesmo após o software que os criou ter desaparecido do
mercado [Ngo 2008, Taurion 2009].
        Na preservação de documentos é importante provar sua autenticidade. A autenti-
cidade é a capacidade de demostrar que um documento digital é aquilo que se propõe ser.
É fundamental provar que existe um conjunto de propriedades significativas que foram
corretamente preservadas ao longo do tempo. Quanto maior for o número dessas proprie-
dades, maiores serão os requisitos relativos à infraestrutura tecnológica para dar suporte à
sua preservação. Torna-se necessária a criação de polı́ticas de preservação que exprimam,
para cada classe de objetos digitais, o conjunto de propriedades significativas que serão
asseguradas pelo repositório [Ferreira 2006, Rusbridge 2003].
        Este trabalho concentra-se na preservação da autenticidade dos documento digi-
tais, mais do que na preservação das caracterı́sticas estéticas do documento.

3. Interoperabilidade e portabilidade de documentos
Interoperabilidade1 é a habilidade de transferir e utilizar informações de maneira uni-
forme e eficiente entre várias organizações e sistemas de informação. A interopera-
bilidade de documentos é a habilidade das aplicações de documentos de extrair da-
dos de diferentes tipos de documentos e transformá-los em estruturas padronizadas.
Esta informação pode ser trocada entre vários sistemas e posteriormente ser processada
[Schmidt et al. 2006]. Com a interoperabilidade de documentos baseada principalmente
na tecnologia XML, as aplicações podem comunicar-se diretamente com serviços do go-
verno eletrônico.
       Por outro lado, a portabilidade de documentos é a troca de documentos com
todas as informações que eles contêm, principalmente suas configurações de formato
[Schmidt et al. 2006]. Na portabilidade de documentos é importante a fidelidade do for-
mato do documento. A fidelidade de formato é a capacidade de manter o formato
do documento e seu sentido associado, apesar de ser editado em múltiplas aplicações
[Ditch 2007].
        Ao contrário da portabilidade, a interoperabilidade de documentos está exclusi-
vamente preocupada com a troca da dados corporativos contidos nos documentos e não
faz exigências sobre requisitos em termos de aparência, elementos estilı́sticos, formato ou
questões semelhantes [Schmidt et al. 2006].
   1
     http://www.governoeletronico.gov.br/acoes-e-projetos/e-ping-padroes-de-interoperabilidade/o-que-e-
interoperabilidade


                                                 118
3.1. Office Open XML (OOXML) e OpenDocument Format (ODF)
OOXML e ODF são os principais padrões abertos de formatos de documentos baseados
em XML. No entanto, os dois padrões são incompatı́veis e rivais no mercado, provo-
cando a guerra dos formatos abertos, gerando discussões técnicas sobre as vantagens e
desvantagens de cada um deles.
        O OOXML foi desenvolvido pela Microsoft em 2008 e tornou-se um padrão
aberto ISO (ISO/IEC 29500:2008). OOXML foi projetado para representar o corpus
preexistente de documentos de processamento de texto, apresentações e planilhas que
são codificados pela Microsoft. A especificação OOXML contém material normativo e
informativo estruturado em aproximadamente 6546 páginas.
        O ODF foi desenvolvido pela Sun Microsystems em 2002 e seu processo de
padronização foi iniciado pela OASIS2 . O ODF foi projetado para ser uma especificação
de formato de documentos independente de fornecedor ou de software. Embora a
especificação ODF (aproximadamente 700 páginas) seja complexa para os padrões nor-
mais, a reutilização de padrões abertos existentes reduz consideravelmente a complexi-
dade da especificação [Eckert et al. 2009, Ngo 2008].
       O estudo de [Shah and Kesan 2009] demonstrou que não existem implementações
que ofereçam 100% de compatibilidade (avaliação da leitura dos documentos) dentro das
implementações de OOXML e ODF.

4. Ontologias
Na ciência da computação, a definição mais citada de ontologia na literatura é de
[Gruber 1993]: uma ontologia é uma especificação explı́cita de uma conceitualização.
Em 1997, Borst [Borst 1997] ligeiramente modifica a definição de Gruber, afirmando que:
uma ontologia é uma especificação formal de uma conceitualização compartilhada. A
formalização de uma ontologia está definida em cinco componentes: conceitos, relações,
funções, axiomas e instâncias [Gruber 1993]. As ontologias, dependendo do seu grau de
formalidade, podem ser modeladas baseadas em técnicas de modelagem de inteligência
artificial, engenharia de software e bancos de dados [Gómez-Pérez et al. 2005].
        A ontologia explicita a informação independentemente das estruturas de dados
que são usadas para armazenar a informação. Além disso, a conceitualização de uma
ontologia pode ser expressa em várias linguagens [Guimarães 2008]. Elas são projetadas
para que a informação seja compartilhada entre agentes que garantam compromissos on-
tológicos. Desse modo, as ontologias viabilizam soluções para problemas como a falta de
padronização, falta de interoperabilidade, problemas com a recuperação da informação,
falta de reuso, confusões terminológicas, problemas de troca de informações entre agentes
de software, dentre muitos outros [Uschold and Gruninger 1996].
        Este trabalho propõe o uso das ontologias para a modelagem das caracterı́sticas
da estrutura de formato e do conteúdo corporativo dos documentos digitais.

5. Trabalhos Relacionados
No trabalho de [Eckert et al. 2009] é analisado como os formatos OOXML e ODF espe-
cificam as caracterı́sticas mais importantes dos documentos e como essas caracterı́sticas
   2
       http://www.oasis-open.org


                                            119
                                  Tradutor    Ontologia
                Visualizador                               Tradutor     Visualizador
                                  OOXML          de
                  OOXML                                      ODF            ODF
                                               Formato


                               Figura 1. Ontologia como interlı́ngua.


podem ser traduzidas entre os dois formatos. Esse trabalho concentra-se mais na definição
de orientações para a tradução da estrutura da apresentação do documento do que so-
bre a preservação da estética do documento. Os autores concluı́ram que a separação
da apresentação do documento do seu conteúdo corporativo oferece mais facilidade na
manipulação de documentos. Assim, editar os componentes de apresentação e dados do
conteúdo corporativo de forma independente confere flexibilidade considerável na criação
e edição de documentos.
         Outro trabalho é de [Eriksson 2007]. O trabalho dele explica como a combinação
de ontologias e documentos cria novas possibilidades para melhorar a gestão do co-
nhecimento nas organizações, isso através dos documentos semânticos. Os documen-
tos semânticos são as integrações dos documentos com as ontologias. O trabalho de
[Eriksson 2007] integrou documentos no formato PDF com três ontologias: ontologia de
anotação, ontologia do documento e uma ontologia do domı́nio. Essas ontologias ajudam
na explicação do conteúdo do documento e facilitam sua busca. As múltiplas ontologias
permitiram ter conceitualizações com diferentes intenções habilitando seu reúso.

6. Caracterização de documentos digitais usando ontologias
Propomos a construção de um modelo que considere as qualidades essenciais de formato
de um documento digital. Um documento digital criado com o padrão OOXML ou ODF
poderá ser caracterizado nesse modelo.
        Nosso modelo será caracterizado a partir de ontologias. Uma ontologia do
formato especializada em caracterizar a estrutura da apresentação do documento
(parágrafos, tabelas, listas, enumerações, etc.), ela apresenta a informação da ontologia
de conteúdo. Outra ontologia de conteúdo que caracteriza a informação dos dados cor-
porativos contidos no documento (dados do paciente, estudante, vendas, etc.).
        A Figura 1 ilustra a interação da ontologia de formato e o documento final. Os
documentos digitais serão recriados através de tradutores. Os tradutores são mediadores
entre a ontologia de formato e um formato especifico.
         A ontologia de formato é criada baseada em um conjunto de propriedades sig-
nificativas a serem preservadas de uma classe especı́fica de documentos. O objetivo da
criação da ontologia de formato é atingir a portabilidade simples do documento, isto é,
preservar a estrutura da organização da apresentação do documento, a Figura 2 ilustra os
conceitos principais desta ontologia. Por outro lado, o objetivo da criação da ontologia de
conteúdo é possibilitar a interoperabilidade de documentos, isto é, habilitar o intercâmbio
coerente de informações corporativas especı́ficas sobre um contexto.
        A ontologia de formato pode ser modificada independentemente da ontologia de


                                                120
                                     ObjectProperty                         Class                                                                 Class
                                                                                                    domain    ObjectProperty
                                                        domain                                                                 range
                                         tem                       EstruturaDocumento                             tem                           Metadata
                              range

                           Class                                                              Class                                                                  Class
                                                         ObjectProperty                                       range         ObjectProperty       domain
                                           domain                         range
                           Corpo                       eCompostoDe                       Parágrafo                         eCompostoDe                              Célula

                                                                          domain                                                                                            range
                                                                                                domain                      domain
                                                                           ObjectProperty                ObjectProperty              ObjectProperty
                            Class                                                                                                                                 ObjectProperty
                                                                               tem                           tem                         tem                    eCompostoDe
                            Estilo                                                  range                        range                           range

                                                                               Class                         Class                            Class
                          SubClassOf                                                                                                                            domain
                                                                              Gráfico                        Texto                            Tabela
                                                                          - diretorio imagem                                                 - linhas           domain
              Class          Class                       Class                                           - nomePropRender
                                                                          - outros                       - outros                            -colunas
           EstiloTabela    EstiloTexto                EstiloGráfico                                                                          - outros
                                                                                         domain
                                                                                                                           domain
           - borda          - tamanho                  - contraste           ObjectProperty               ObjectProperty                       ObjectProperty
           - bgColor        - outros                   - brilho                    tem                                                             tem
                                                       - outros                                               tem
           - outros                                                                         range                                                     range
                                                                                                                 range


                                               Figura 2. Ontologia de Formato.


conteúdo e vice-versa. Os documentos digitais serão recriados através de tradutores entre
a ontologia de formato e um formato especı́fico. Um novo documento pode ser cons-
truı́do com a mesma informação contextual, mas agora num formato apropriado a seus
propósitos, bem como um novo documento pode ter a mesma informação contextual, mas
com uma apresentação distinta.

6.1. Avaliação dos resultados
No trabalho de [Shah and Kesan 2009] é apresentado um exemplo de avaliação de inte-
roperabilidade e portabilidade de documentos. Eles testaram um conjunto de suı́tes de
escritório que implementam os formatos de documentos ODF e OOXML. Os resultados
do estudo estão baseados em pontuações de quão bem as implementações podem ler e es-
crever documentos. A parte final da pontuação está focado na capacidade de preservação
dos metadados dos documentos, isto é, atributos de estilos, números de páginas, tabelas
de conteúdos ou cabeçalhos, informações do documento (tempo, ou o número de palavras
em documentos), e controle de alterações.
         A avaliação dos resultados do nosso trabalho seguirá essa metodologia de
avaliação, no entanto com adaptações. Neste caso os documentos serão traduzidos para
diferentes formatos, julgando que cada documento pode ser traduzido seguindo vários
graus de fidelidade. Para cada documento recriado a partir da ontologia de formato, será
quantificada qualquer modificação ao conteúdo original.

7. Considerações finais
A interoperabilidade é um ponto crı́tico nas questões de governo eletrônico. O pre-
sente artigo apresenta a problemática na preservação de documentos digitais e destaca
a importância da interoperabilidade e portabilidade nos formatos de documentos digitais.
Propomos o uso de ontologias para garantir a integridade e perpetuidade dos documen-
tos digitais, priorizando a preservação das caracterı́sticas da estrutura da apresentação e
conteúdo corporativo (os elementos importantes para provar sua autenticidade) sobre a
preservação das caracterı́sticas de estética do documento.
      Como trabalho futuro será desenvolvido um caso de uso de interoperabilidade de
documentos aplicada ao governo eletrônico, em que as ontologias de formato e conteúdo


                                                                               121
tenham papel comprovado na preservação e distribuição eficientes de documentos digitais.

Referências
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 Docu-
  ment 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). Introdução e preservação digital: Conceitos, estratégias e actuais
  consensos. PhD thesis, Escola de Engenharia da Universidade do Minho.
Gouget, A. G., Monteiro, B. M., Santos, C. R., da Silva Maçulo, E., de Oliveira, M. I.,
  Miguel, M. L. C., Sobrosa, N. B. S., de Moura Estevão (coord.), S. N., de Mello Lopes,
  V. L. H., and da Fonseca, V. M. M. (2005). Dicionario Brasileiro de Terminologia
  Arquivı́stica. Arquivo Nacional (Brasil), Rio Janeiro. Edição e Revisão Alba Gisele
  Gouget and Silvia Ninita de Moura Estevão and Vera Lucia Hess de Mello Lopes and
  Vitor Manoel Marques da Fonseca.
Gruber, T. R. (1993). A translation approach to portable ontology specification. In Kno-
  wlegde Acquisition, pages 199–220.
Guimarães, F. J. Z. (2008). Utilização de ontologias no domı́nio b2c.
Gómez-Pérez, A., Fernández-López, M., and Corcho, O. (2005). Ontological Enginee-
   ring with examples from the areas of Knowledge Management, e-Commerce and the
   Semantic Web. Springer-Verlag, 4 edition.
Ngo, T. (2008). Visão 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 XML-
  based Document Content in Public Administration Processes. Fraunhofer Verlag, fo-
  kus 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 padrão 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.


                                            122