Resource Discovery: Second International Workshop, RED 2009, Lyon, France, August 28, 2009. Revised Papers

کشف منبع فرآیند شناسایی و مکان یابی منابع موجود است که دارای خاصیت خاصی هستند. منبع منطبق بر منبع اطلاعاتی مانند یک مخزن داده یا سیستم مدیریت پایگاه داده (به عنوان مثال، یک فرم پرس و جو یا یک موتور جستجوی متنی)، یک پیوند بین منابع (یک نمایه یا ابرپیوند)، یا یک سرویس شامل ابزار کاربردی. منابع با اطلاعات هسته مشخص می شوند که شامل نام، توصیف ورودی و خروجی آن (پارامترها یا قالب)، آدرس آن و ویژگی های اضافی مختلف که به صورت داده های ذخیره سازی بیان می شوند. منابع با توجه به ابرداده‌هایی سازماندهی می‌شوند که محتوای آن‌ها (برای منابع داده)، معنایی آن‌ها (از نظر کلاس‌ها و روابط هستی‌شناختی)، ویژگی‌های آن‌ها (ویژگی‌های نحوی)، عملکرد (با معیارها و معیارها)، کیفیت آن‌ها (curation)، قابلیت اطمینان، اعتماد) و غیره. سیستم‌های کشف منبع به بیان پرس و جوها اجازه می‌دهند تا منابعی را که وظایف خاص را اجرا می‌کنند، شناسایی و تعیین کنند. کشف منابع مبتنی بر ماشین بر خزیدن، خوشه‌بندی و طبقه‌بندی منابع کشف شده در وب به صورت خودکار متکی است. اولین کارگاه در مورد کشف منابع (RED) در 25 نوامبر 2008 در لینز، اتریش برگزار شد. این کنفرانس به طور مشترک با دهمین کنفرانس بین المللی یکپارچه سازی اطلاعات و برنامه های کاربردی و خدمات مبتنی بر وب سازماندهی شد و مجموعه مقالات آن توسط ACM منتشر شد. دومین دوره این کارگاه با سی و پنجمین کنفرانس بین المللی پایگاه های داده بسیار بزرگ (VLDB) در شهر زیبای لیون فرانسه برگزار شد. نه مقاله برای ارائه در این ویرایش دوم انتخاب شد. حوزه‌های تحقیقی که این مقالات به آن‌ها پرداخته‌اند عبارتند از: مسئله توصیف و طبقه‌بندی منابع، ترکیب منابع، و کشف محرکه‌شناسی آندنتولوژی.

Resource discovery is the process of identifying and locating existing resources thathavea particularproperty. Aresourcecorrespondsto aninformationsource such as a data repositoryor databasemanagement system (e. g. , a query form or a textual search engine), a link between resources (an index or hyperlink), or a servicesuchasanapplicationoratool. Resourcesarecharacterizedbycoreinf- mation including a name, a description of its input and its output (parameters or format), its address, and various additional properties expressed as me- data. Resources are organized with respect to metadata that characterize their content (for data sources), their semantics (in terms of ontological classes and relationships), their characteristics (syntactical properties), their performance (with metrics and benchmarks), their quality (curation, reliability, trust), etc. Resource discovery systems allow the expression of queries to identify and - cate resources that implement speci?c tasks. Machine-based resource discovery relies on crawling, clustering, and classifying resources discovered on the Web automatically. The First Workshop on Resource Discovery (RED) took place on November 25, 2008 in Linz, Austria. It was organized jointly with the 10th International Conference on Information Integration and Web-Based Applications and S- vices and its proceedings were published by ACM. The second edition of the workshop was co-located with the 35th International Conference on Very Large Data Bases (VLDB) in the beautiful city of Lyon, France. Nine papers were selected for presentation at this second edition. Areas of researchaddressedby these papers include the problem of resource characterization and classi?cation, resourcecomposition,andontology-drivendiscovery.