{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3395600"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3395600","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"The semantic data cube system Plato and its spatial join optimization","abstract":"Το σύστημα κύβων σημασιολογικών δεδομένων Plato αναπτύχθηκε ως τεχνολογία για το έργο DeepCube, με στόχο την αντιμετώπιση ζητημάτων περιβαλλοντικής και κοινωνικής σημασίας. Πολλά σύνολα δεδομένων έγιναν διαθέσιμα για τις περιπτώσεις χρήσης αυτού του έργου, με τη μορφή κύβων δεδομένων γεωσκόπησης. Tο Plato εφαρμόζει την έννοια των σημασιολογικών κύβων δεδομένων γεωσκόπησης, όπου συμβολικές έννοιες υψηλού επιπέδου συνδέονται με ακατέργαστες αριθμητικές τιμές. Χρησιμοποιώντας μεθοδολογίες πρόσβασης δεδομένων βάσει οντολογίας, το Plato δημιουργεί συνδέσεις μεταξύ οντολογιών που συλλαμβάνουν γεωχωρική γνώση και υποκείμενες πηγές δεδομένων, διευκολύνοντας την απρόσκοπτη αναζήτηση και ερμηνεία. Ωστόσο, ο χειρισμός μεγάλων κύβων δεδομένων επέβαλε μια σημαντική πρόκληση στην απόδοση, ειδικά όταν συνδυάζονται τα δεδομένα αυτών με άλλα συμπληρωματικά, μη γεωσκοπικά σύνολα δεδομένων. Αυτό το πρόβλημα μετριάζεται μέσω της ενσωμάτωσης του μηχανισμού Raptor Join, μιας νέας τεχνικής που επιτρέπει τη σύνδεση δεδομένων κανονικοποιημένης ψηφιδωτής μορφής (raster) και διανυσματικών δεδομένων (vector) χωρίς την ανάγκη δαπανηρών μετασχηματισμών μεταξύ των δύο μορφών.","abstract_html":"Το σύστημα κύβων σημασιολογικών δεδομένων Plato αναπτύχθηκε ως τεχνολογία για το έργο DeepCube, με στόχο την αντιμετώπιση ζητημάτων περιβαλλοντικής και κοινωνικής σημασίας. Πολλά σύνολα δεδομένων έγιναν διαθέσιμα για τις περιπτώσεις χρήσης αυτού του έργου, με τη μορφή κύβων δεδομένων γεωσκόπησης. Tο Plato εφαρμόζει την έννοια των σημασιολογικών κύβων δεδομένων γεωσκόπησης, όπου συμβολικές έννοιες υψηλού επιπέδου συνδέονται με ακατέργαστες αριθμητικές τιμές. Χρησιμοποιώντας μεθοδολογίες πρόσβασης δεδομένων βάσει οντολογίας, το Plato δημιουργεί συνδέσεις μεταξύ οντολογιών που συλλαμβάνουν γεωχωρική γνώση και υποκείμενες πηγές δεδομένων, διευκολύνοντας την απρόσκοπτη αναζήτηση και ερμηνεία. Ωστόσο, ο χειρισμός μεγάλων κύβων δεδομένων επέβαλε μια σημαντική πρόκληση στην απόδοση, ειδικά όταν συνδυάζονται τα δεδομένα αυτών με άλλα συμπληρωματικά, μη γεωσκοπικά σύνολα δεδομένων. Αυτό το πρόβλημα μετριάζεται μέσω της ενσωμάτωσης του μηχανισμού Raptor Join, μιας νέας τεχνικής που επιτρέπει τη σύνδεση δεδομένων κανονικοποιημένης ψηφιδωτής μορφής (raster) και διανυσματικών δεδομένων (vector) χωρίς την ανάγκη δαπανηρών μετασχηματισμών μεταξύ των δύο μορφών.","abstract_has_math":false,"creators":["Μαντάς Αναστάσιος","Mantas Anastasios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:28:59Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3395600"],"render_values":[{"text":"uoadl:3395600","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3395600","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3395600","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3395600","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Μαντάς Αναστάσιος","Mantas Anastasios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3395600","https://pergamos.lib.uoa.gr/uoa/dl/object/3395600"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Το σύστημα κύβων σημασιολογικών δεδομένων Plato αναπτύχθηκε ως τεχνολογία για το έργο DeepCube, με στόχο την αντιμετώπιση ζητημάτων περιβαλλοντικής και κοινωνικής σημασίας. Πολλά σύνολα δεδομένων έγιναν διαθέσιμα για τις περιπτώσεις χρήσης αυτού του έργου, με τη μορφή κύβων δεδομένων γεωσκόπησης. Tο Plato εφαρμόζει την έννοια των σημασιολογικών κύβων δεδομένων γεωσκόπησης, όπου συμβολικές έννοιες υψηλού επιπέδου συνδέονται με ακατέργαστες αριθμητικές τιμές. Χρησιμοποιώντας μεθοδολογίες πρόσβασης δεδομένων βάσει οντολογίας, το Plato δημιουργεί συνδέσεις μεταξύ οντολογιών που συλλαμβάνουν γεωχωρική γνώση και υποκείμενες πηγές δεδομένων, διευκολύνοντας την απρόσκοπτη αναζήτηση και ερμηνεία. Ωστόσο, ο χειρισμός μεγάλων κύβων δεδομένων επέβαλε μια σημαντική πρόκληση στην απόδοση, ειδικά όταν συνδυάζονται τα δεδομένα αυτών με άλλα συμπληρωματικά, μη γεωσκοπικά σύνολα δεδομένων. Αυτό το πρόβλημα μετριάζεται μέσω της ενσωμάτωσης του μηχανισμού Raptor Join, μιας νέας τεχνικής που επιτρέπει τη σύνδεση δεδομένων κανονικοποιημένης ψηφιδωτής μορφής (raster) και διανυσματικών δεδομένων (vector) χωρίς την ανάγκη δαπανηρών μετασχηματισμών μεταξύ των δύο μορφών.","The semantic data cube system Plato was developed as a technology for the DeepCube project, aiming to address issues of environmental and societal importance. Many datasets became available for the use cases of this project, in the form of Earth Observation (EO) data cubes. Plato implements the concept of semantic EO data cubes, where symbolic high-level concepts are linked to raw numerical values. By employing Ontology-Based Data Access (OBDA) methodologies, Plato establishes connections between ontologies capturing geospatial knowledge and underlying data sources, facilitating seamless querying and interpretation. However, handling large data cubes imposed a significant challenge in performance, especially when combining their data with other supplementary non-EO datasets. This problem is alleviated through the integration of the Raptor Join mechanism, a novel technique which allows for the joining of raster and vector data without the need for costly transformations between the two forms."]},{"key":"dc:title","label":"Title","values":["The semantic data cube system Plato and its spatial join optimization"]}]}],"canonical_facts":{"dc:creator":["Μαντάς Αναστάσιος","Mantas Anastasios"],"dc:date":["2024"],"dc:description":["Το σύστημα κύβων σημασιολογικών δεδομένων Plato αναπτύχθηκε ως τεχνολογία για το έργο DeepCube, με στόχο την αντιμετώπιση ζητημάτων περιβαλλοντικής και κοινωνικής σημασίας. Πολλά σύνολα δεδομένων έγιναν διαθέσιμα για τις περιπτώσεις χρήσης αυτού του έργου, με τη μορφή κύβων δεδομένων γεωσκόπησης. Tο Plato εφαρμόζει την έννοια των σημασιολογικών κύβων δεδομένων γεωσκόπησης, όπου συμβολικές έννοιες υψηλού επιπέδου συνδέονται με ακατέργαστες αριθμητικές τιμές. Χρησιμοποιώντας μεθοδολογίες πρόσβασης δεδομένων βάσει οντολογίας, το Plato δημιουργεί συνδέσεις μεταξύ οντολογιών που συλλαμβάνουν γεωχωρική γνώση και υποκείμενες πηγές δεδομένων, διευκολύνοντας την απρόσκοπτη αναζήτηση και ερμηνεία. Ωστόσο, ο χειρισμός μεγάλων κύβων δεδομένων επέβαλε μια σημαντική πρόκληση στην απόδοση, ειδικά όταν συνδυάζονται τα δεδομένα αυτών με άλλα συμπληρωματικά, μη γεωσκοπικά σύνολα δεδομένων. Αυτό το πρόβλημα μετριάζεται μέσω της ενσωμάτωσης του μηχανισμού Raptor Join, μιας νέας τεχνικής που επιτρέπει τη σύνδεση δεδομένων κανονικοποιημένης ψηφιδωτής μορφής (raster) και διανυσματικών δεδομένων (vector) χωρίς την ανάγκη δαπανηρών μετασχηματισμών μεταξύ των δύο μορφών.","The semantic data cube system Plato was developed as a technology for the DeepCube project, aiming to address issues of environmental and societal importance. Many datasets became available for the use cases of this project, in the form of Earth Observation (EO) data cubes. Plato implements the concept of semantic EO data cubes, where symbolic high-level concepts are linked to raw numerical values. By employing Ontology-Based Data Access (OBDA) methodologies, Plato establishes connections between ontologies capturing geospatial knowledge and underlying data sources, facilitating seamless querying and interpretation. However, handling large data cubes imposed a significant challenge in performance, especially when combining their data with other supplementary non-EO datasets. This problem is alleviated through the integration of the Raptor Join mechanism, a novel technique which allows for the joining of raster and vector data without the need for costly transformations between the two forms."],"dc:identifier":["uoadl:3395600","https://pergamos.lib.uoa.gr/uoa/dl/object/3395600"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["The semantic data cube system Plato and its spatial join optimization"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:28:59Z"}