1114 sasaki-metadata

Sasaki – Markupforum 2014

Tools, offene Daten, Vokabulare und Anwendungsszenarien für

semi-automatische Metadatengenerierung

Felix Sasaki

DFKI / W3C Fellow

1


Überblick

• Metadaten: Was und warum?

• Demo zu neuen Metadaten:Tooling für Inhaltsanreicherung

• Was fehlt für Content Authors?

• Was ist Linked Data? – Kurzeinführung ...

• Offene Datenquellen im Web

• Nächste Schritte

2


Überblick







3


Metadaten

• Häufige Anwendung im Publikationsbereich: Indexierung

– Automatisch

– Manuell

– Kombiniert

4


Metadaten

• Häufige Anwendung im Publikationsbereich: Indexierung

• Standardisierte Vokabulare für manuelle Indexierung

– Bibliothek: Gemeinschaftliche Normdatei

– Verlage, Buchhändler, ....: ONIX

5


Anwendungsszenario:Suche erleichtern

• „Finde alle Bücher über Stuttgart“

• „Stuttgart“ abbildbar auf Metadaten in bibliothekarischen Normdaten

– DNB http://d-nb.info/gnd/4058282-6

– LOChttp://id.loc.gov/authorities/names/n79110280

– VIAF http://viaf.org/viaf/153084910/

– ...

6


WAS HABEN GEGENWÄRTIGE METADATENANWENDUNGENGEMEINSAM?

7


Metadaten = Containerlabel

8

http://d-nb.info/gnd/4058282-6

http://id.loc.gov/authorities/names/n79110280

http://viaf.org/viaf/153084910/


Metadaten – der nächste Schritt:Vom Container in die Inhalte

9


Überblick







10

Schritt 1: AutomatischeErkennung von Eigennamen

• Welcome to Stuttgart.

Input

• Welcome to Stuttgart!.

Output (als ITS 2.0 “Text Analysis” Markup)

11

Schritt 2: Anreicherung der Inhalte durch Zugriff auf DBpedia via SPARQL

Nutzt DBpedia URIs aus Schritt 1.

• SELECT ?wikiURI ...WHERE{ http://dbpedia.org/resource/Stuttgartrdf:type <http://schema.org/Place>.... }

Beispielabfrage, prüft ob Entität ein Ort (place) ist

12

Schritt 3: Generierung von Schema.orgMarkup und Inhalten

• Teil 1: SPARQL Query Ausgabe und

• Teil 2: Dokument

• Welcome to Stuttgart!

Input

• Welcome to … Stuttgart! Population: 600038

Output: Dokument mit Schema.org Markup

13


Outputtest mit„Structured Data Testing Tool“

14

http://www.google.com/webmasters/tools/richsnippets


Überblick







15


1) Tooling für Content Authors

• Beispiel oXygen Editor Modifikation

• Informationsquellen aus dem Web holen

– Autor muss Quellen und Abfragen auswählen können

– Strukturgenerierung muss konfigurierbar sein

16


1) Tooling für Content Authors• Abfrage von Datenquellen macht Inhalte

dynamisch – Inhalte werden intelligent und „fragen die Datenquellen ab“– Beispiel: Einwohnerzahl für Orte aus DBpedia

17


1) Tooling für Content Authors• Abfrage von Datenquellen macht Inhalte

dynamisch – Inhalte werden intelligent und „fragen die Datenquellen ab“– Beispiel: Geburtsdatum für Personen aus DBpedia

18


2) Wissen umDatenquellen und Technologien

• Technologien In a Nutshell– RDF um Daten zu repräsentieren

– SPARQL zur Abfrage

– ITS 2.0 „Text Analysis“ um Identikatoren in Inhalten zu Speichern > Link zur Linked Data Cloud

• Relevante Datenquellen– Allgemein: DBpedia

– Speziell: Abhängig von der Domäne + dem Anwendungsfall

– (Potential): die eigenen, angereicherten Inhalte selbst

– Beispiel: Reiseführer über Stuttgart

19


Überblick


• Demo zu neuen Metadaten: Tooling für Inhaltsanreicherung





20


WAS IST LINKED DATA?KURZEINFÜHRUNG …

21

Bausteine für das Web

All content on this site is licensed under<a

href="http://creativecommons.org/licenses/by/3.0/">a Creative Commons License</a>. 

22


Inhalt



23


Links (oder “Identifier”)



24


Einfach: “Finde alle Seiten mit Links zu http://creativecommons.org/licenses/by/3.0/“



25

✔


Noch schwierig: “Finde alle Inhalte die unter einer Creative Commons Lizenz stehen“



26

?

Linked Data =maschinenlesbare Information im Web

All content on this site is licensed under<a property="http://creativecommons.org/ns#license"


27

?


Linked Data =maschinenlesbare Information im Web

28

Web der Dokumente Web der Daten


AUFGABEN & TECHNOLOGIEN

29


Aufgaben …

Linked Data erzeugen

Linked Data Vokabulare definieren

Abfrage

30


Technologien

• Linked Data erzeugen: RDF (Resource Description Framework)

• Vokabulare definieren: RDFS, SKOS, OWL (für komplexe wissensbasierte Modellierung -Ontologien)

• Abfrage: SPARQL

31


Linked Data = RDF „Aussagen“

32

http://www.w3.org/Talks/2014/1114-sasaki-metadata/

http://creativecommons.org/licenses/by/3.0/

http://creativecommons.org/ns#license

Referenz zu einer Lizenz als RDF Aussage (Visualisierung):

Turtle Syntax

33




Referenz zu einer Lizenz als RDF Aussage (Visualisierung) + Turtle Syntax:

@prefix cc: <http://creativecommons.org/ns#>.@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>.<http://www.w3.org/Talks/2014/1114-sasaki-metadata/>

cc:license<http://creativecommons.org/licenses/by/3.0/>.


RDF Aussagen …

34





… auf der Basis vonVokabularien

35



cc:license rdf:Propertyrdf:Type

ex:Presentationsrdf:Type

RDF Schema- Definition von Classes (example “Presentations”) und properties (like “cc:license”)OWL (Web Ontology Language)- Definition weiterer (logischer) Constraints für VokabulareSKOS- Beschreibung von Thesauri, Taxonomien, Klassifikationen

Query - SPARQL

• Query Sprache für RDF

• Muster in Linkstrukturen

• Z.B. „Finde Präsentationen mit CC ... Lizenz“

Ergebnis:


36

PREFIX cc: <http://creativecommons.org/ns#>SELECT ?presentation WHERE {?presentation cc:license <http://creativecommons.org/licenses/by/3.0/>.}


SPARQL Abfrage mit Dbpedia: „Personen die in Stuttgart vor 1900 geboren wurden“:

http://tinyurl.com/dbpedia-bsp

37


Q/A in Suchmaschinen heute

38

Beispiel nach Noz Urbina, Präsentation bei „Soap!“ Konferenz, Oktober 2014


Potential: Q/A selbstgemacht

• Suche traditional

– Volltextindexierung, Linkgewichtung

• Metadaten heute

– Zugang zu Containern

• Metadaten morgen: Linked Data

– Neue Anwendungsszenarien, z.B. Q/A selbst gemacht

39


Wiederholung:Metadaten = Containerlabel

40

http://d-nb.info/gnd/4058282-6

http://id.loc.gov/authorities/names/n79110280

http://viaf.org/viaf/153084910/


Potential: Buchproduktionsprozess für Anwendung „Q/A via Metadaten in Inhalten“

41


Potential: Buchauslieferung = Inhalte + Anreicherung

42


Potential: Buchauslieferung = Inhalte + Anreicherung + Service Linked Data Abfrage über die Anreicherungen!

43

Abfrage „Personen die in Stuttgart vor 1900 geboren wurden“• Ergebnis ist anders als Abfrage gegenüber DBpedia

„Gustav Schwab“• Buch als Linked Data Quelle in verschiedenen Sprachen zugänglich• Linked Data Anreicherung + Anfragen: spezifisch für Markt

Reiseführer, Technische Dokumentation, ...


Überblick







44


Linked Data 1/3


Linked Data 2/3

Linked Open Data Cloud


Linked Data 2/3

Linked Open Data Cloud

Umfasst DNB, Library of Congress Subject Headings, VIAF, ...


Linked Data 3/3

Linguistic Linked Open Data Cloud


Linked Open Data Clouds –Datensätze und Themen

Linked Open Data LinguisticLinked Open Data

Öffentliche Daten 183 18.05%Publikations(Meta)daten 96 9.47%Medizin, Biologie 83 8.19%User-generated Content 48 4.73%Domänenübergreifend 41 4.04%Multimedia 22 2.17%Geoinformationen 21 2.07%Soziales Web 520 51.28%

Total 1014

LexikaThesauriEinzelsprachlichMehrsprachig…


Überblick







50


Nächste Schritte(und Herausforderungen)

• Datenquellen finden– Zugangspunkt

http://datahub.io/dataset?tags=lod

• Datenqualität

• Vereinfachen: Linked Data erzeugen– Z.B. CSV als Linked Data verarbeiten

• Linked Data Tooling zur Inhaltsanreicherung in Authoring Prozesse einbauen

• Abfrage + Services für Endnutzer bereit stellen

51


Einstieg/Loslegen

W3C LD4LT (Linked Data for Language Technology) Community Group

• http://www.w3.org/community/ld4lt/

• https://www.w3.org/community/ld4lt/join

• https://www.w3.org/community/ld4lt/wiki/Lider_roadmapping_activities

• Teilnahme ist frei

LIDER: EU Projekt, November 2013 – Oktober 2015

• Basisplanung („Roadmap“) für eine umfangreiche „Linguistic Linked Data Cloud“ und Anwendungen im Bereich Content Analytics zu schaffen

• Anwendungsszenarien und Anforderungen von … Ihnen

http://www.w3.org/community/ld4lt/

https://www.w3.org/community/ld4lt/join

https://www.w3.org/community/ld4lt/wiki/Lider_roadmapping_activities


Zusammenfassung

• Metadaten zur Anreicherung von Inhalten ist möglich• Prototypen Tools für Content Authors existieren• Externe, offene Linked Data Datenquellen wie DBpedia

sind wichtiger Bestandteil der Anreicherung• Angereicherte Inhalte können Basis für neue

Anwendungen wie SEO sein• Angereicherte Inhalte können selbst zur Datenquelle

werden und neue Anwendungen wie (mehrsprachige) Q/A Services erlauben

• Nächste Schritte u.a.: Bereitstellung einfacher Toolkomponenten für die Markupwelt

53


Tools, offene Daten, Vokabulare und Anwendungsszenarien für

semi-automatische Metadatengenerierung

Felix Sasaki

DFKI / W3C Fellow

54