Bei der Konferenz WEBIST 2017, der 13th International Conference on Web Information Systems and Technologies, die vom 25.-27. April im portugiesischen Porto stattfand, gewannen Claire Prudhomme, Timo Homburg, Jean-Jacques Ponciano und Prof. Frank Boochs vom i3mainz gemeinsam mit Ana Roxin und Christophe Cruz von der Universität von Burgund in Dijon den “Best Student Paper Award” für ihren Fachbeitrag zum Thema “Automatic Integration of Spatial Data into the Semantic Web”.

Ausschlaggebende Kriterien für die Verleihung des Papers waren dessen Qualität nach Ansicht der Gutachter und die Art der mündlichen Präsentation durch Claire Prudhomme nach Ansicht der Leiter der Session. Den Preis nahm Claire Prudhomme im Rahmen der Abschlusssitzung entgegen. Er beinhaltet ein offizielles Zertifikat, die Mitteilung über den Erhalt des Preises auf der Internetseite der Konferenz, einen Jahresbeitrag für INSTICC, der den vollen Zugriff auf die SCITEPRESS Digital Library garantiert und ein Gutschein für eine von INSTICC unterstützte Veranstaltung. Hinzu kommt die Möglichkeit, eine ausführliche und überarbeitete Version des Textes zur Veröffentlichung einzureichen.

Abstract: For several years, many researchers tried to semantically integrate geospatial datasets into the semantic web. Although, there are many general means of integrating interconnected relational datasets (e.g. R2RML), importing schema-less relational geospatial data remains a major challenge in the semantic web community. In our project SemGIS we face significant importation challenges of schema-less geodatasets, in various data formats without relations to the semantic web. We therefore developed an automatic process of semantification for aforementioned data using among others the geometry of spatial objects. We combine Natural Language processing with geographic and semantic tools in order to extract semantic information of spatial data into a local ontology linked to existing semantic web resources. For our experiments, we used LinkedGeoData and Geonames ontologies to link semantic spatial information and compared links with DBpedia and Wikidata for other types of information. The aim of our experiments presented in this paper, is to examine the feasibility and limits of an automated integration of spatial data into a semantic knowledge base and to assess its correctness according to different open datasets. Other ways to link these open datasets have been applied and we used the different results for evaluating our automatic approach.