introduzione a linked open data e web semantico / antonella iacono
TRANSCRIPT
Introduzione a LinkedOpen data e Web
semantico Antonella Iacono
Sapienza Università di Roma. Dipartimento di scienze documentarie, linguistico–filologiche e geografiche.
Ciclo di conferenze a.a. 2015-201610 maggio 2016
Contenuti della lezione
1. Cosa sono i linked open data (LOD). Linked data e Web semantico
2. Linked data, LOD, principi dei linked data. Il modello RDF
3. Vocabolari e ontologie. Il Web dei dati
4. Pubblicare I linked data
3/2015
Linked data e Web Semantico. Corso di aggiornamento professionale. AIB Piemonte
Che cosa sono i linked open data?
https://vimeo.com/49232562
Cosa sono i linked data?
Linked open data= ‘buone pratiche’ per pubblicare e collegare dati strutturati sul Web (Tim Berners Lee)
Attraverso i Linked data è possibile pubblicare sul Web i dati in unamodalità leggibile e interpretabile da una macchina, il cui significato èdefinito da una stringa di parole e marcatori (‘tripla’) per costituire unreticolo di dati collegati appartenenti a un dominio e collegabili ad altridataset relativi ad altri domini presenti nel Web. Si costruisce così unarete di dati globale, i cui contenuti possono essere scambiati einterpretati dalle macchine, ovvero la base per il Web semantico(*Berners-Lee; Hendler; Lassila 2001, Guerrini; Possemato 2012)
«creare dati che siano ‘del Web’ e non solo ‘sul Web’» (Coyle 2013)
Di cosa stiamo parlando?
Necessità di utilizzare dati
Aperti : gli OD sono dati che possono essere liberamente utilizzati, ridistribuiti da chiunque, (con poche limitazioni: citare la fonte, o tramite licenze copyleft)
Collegati: il rilascio di dati aperti non basta da solo a valorizzare e collegare l’informazione, questi devono essere collegati ad altri dati
Riutilizzabili: cioè di dati tra loro interoperabili (interoperabilità a più livelli: semantica, tecnologica, di risorse umane e competenze, organizzativa)
Perché interessarsi ai linked data?
Anche le biblioteche di trovano tra quegli enti che oggi producono dati esclusi dal Web
Gli utenti che fanno ricerca si rivolgono in prima battuta ai motori di ricerca (circa il 90%)
Le biblioteche hanno bisogno ormai da tempo di recuperare visibilità e credibilità nel Web
Se i dati delle biblioteche non sono compatibili = interoperabili con il Web gli utenti ignoreranno la biblioteca e i suoi servizi
Perché interessarsi ai linked data?
I LOD consentono alle biblioteche di produrre dati ‘aperti’,interoperabili e riutilizzabili per produrre applicazioni basate sui LODche potranno sfruttare i dati delle biblioteche in nuovo modi.
Le biblioteche potranno portare i loro dati autorevoli nel Web
Il Web potrà servirsi dei dati autorevoli delle biblioteche per produrre applicazioni basate su dati affidabili
Ci sarà un ritorno di utenza verso la biblioteca e i suoi servizi attraverso i ‘dati’ se questi verranno mescolati ad altri dati in contesti diversi
I linked data hanno una profonda ricaduta nella possibilità di creare piattaforme di interrogazione e integrazione del patrimonio culturale.
1. linked data e web semantico
Il Semantic Web
«I have a dream for the Web...»
Tim Berners-Lee 1999
Il Semantic Web
Proposto da Tim Berners Lee nel 2001 in un articolo pubblicato sula rivista «Scientific American» come Web pensante, versione avanzata dell’intelligenza collettiva.
Evolvere il Web attuale «machine readable» in un nuovo Web «machine understandable».
Creazione di una rete semantica che consenta ai computer di gestire autonomamente le informazioni e imparare processi per sviluppare una cooperazione efficace tra l’uomo e le macchine.
Agenti intelligenti: comprendono il significato delle risorse informative presenti in rete
Collegano le informazioni in base a relazioni logiche e semantiche effettuando ragionamenti deduttivi.
Il Semantic Web
«un’estensione del Web attuale, nella quale all’informazione viene dato un significato ben definito, permettendo così ai computer e alle persone di lavorare meglio in cooperazione» (Berners-Lee; Handler; Lassila 2001)
Associare all’informazione un ben preciso significato in modo dasupportare una comunicazione uomo-macchina più efficace emigliorare l’interoperabilità tra sistemi informativi
Dal WWW al Web Semantico
Con il termine ‘Web semantico’ si intende la trasformazione del World WideWeb in un ambiente in cui i documenti sono provvisti di metadati che neconnotano semanticamente il contenuto in un formato adattoall’interrogazione e all’elaborazione da parte delle macchine. (Wood et al.2013)
L’attenzione si sposta dai documenti ai contenuti dei documenti ( i dati)
Nel Semantic Web hanno grande importanza i metadati: associare ai datimeta-informazioni che ne descrivano il contenuto semantco
Il Semantic Web è un Web interpretabile dalle macchine
Ad ogni informazione (dato) viene dato un significato ben definito(formalizzato)
Obiettivo: trovare un linguaggio logico per esprimere i dati e consentire ilragionamento automatico
Il Semantic Web
E’ un web in grado di interpretare il significato dei documenti che lo popolano
Nasce per superare i limiti del Web attuale:
Problemi legati all’organizzazione e al recupero dell’informazione
Informazione del Web caotica e scollegata ad esclusivo uso degli essere umani
La prospettiva del Web semantico interessa direttamente i sistemi di recupero delle informazioni compresi i cataloghi delle biblioteche: superamento dell’ information retrieval tradizionale e recupero basato sui contenuti (dati) e sui concetti.
L’architettura del web semantico
3/2015
Interfaccia utente /applicazioni
Credibilità (trust)
Dimostrazione (proof)
Logica unificante
Ontologie: OWLInterrogazioni: SPARQL
Protocolli: HTTP
Tassonomie: RDFS
Sintassi: XML+XMLNS
Interoperabilità: RDF
Identificatori: URI/IRI Testo: UNICODE
Cri
tto
graf
ia/f
irm
a d
igit
ale
Regole:SWRL/RIF
Il Web Semantico 1/
Web semantico = ragionare sui dati = rendere i dati processabili
identificatori non ambigui che permettano anche una associazione tra i dati e gli oggetti del mondo reale (URI);
un modello comune per i dati in modo da accedere, connettere e descrivere tali oggetti (RDF);
un linguaggio per accedere a questo modello dei dati (SPARQL);
un vocabolario comune (RDFS e le ontologie)
una logica per il ragionamento (OWL, RULES)
3/2015
Web semantico e linked data
Possiamo distinguere due principali fasi del Web Semantico
• la prima fase (1999-2006) dominata da un approccio ‘forte’ e sintetico (top down) dell’ontologia fondazionale inteso come sistema di rappresentazione della conoscenza a priori;
• la seconda fase (2006-in corso) governata dall’approccio ‘debole’ e analitico (bottom up) dei Linked data.
3/2015
Web semantico e linked data
Le ontologie sono concettualizzazioni di porzioni di conoscenza (domini).
Le ontologie fondazionali sono interdisciplinari e costituiscono la base per la creazione del Web semantico
Le ontologie di dominio invece modellano specifiche porzioni del sapere individuando le entità di interesse e le loro relazioni e per essere pienamente operative dovrebbero basarsi sulle prime.
Entrambe hanno la funzione di disambiguare termini mediante la ‘categorizzazione’ degli oggetti o delle cose, cioè tramite l’inserimento di questi in categorie stabilite
Usate nel campo della Knowledge Organization servono a migliorare gli strumenti di ricerca, ma purtroppo hanno scarsa applicazione
L’approccio forte - le ontologie
L’originaria visione di Tim Berners Lee è detta ‘approccio forte’ essa si basa su una serie di ontologie fondazionali (ovvero schemi generali) e su una serie di altre ontologie più specifiche (di dominio) che fanno riferimento alle prime.
Attraverso di essere si crea un reticolo ontologico , ovvero un substrato di ontologie in grado di modellare e rappresentare la conoscenza
Purtroppo questo approccio dall’alto aveva una serie di limiti sia tecnologici (proliferazione di ontologie non più controllabili), sia etico-filosofici (come modellare il mondo e il Web)
L’approccio ‘debole’: i linked data
Rispetto all’originario disegno del Web semantico, che si basava sulla possibilità di sviluppare l’intelligenza artificiale tramite l’uso di agenti intelligenti e substrato ontologico creato e imposto ‘dall’alto ‘il paradigma dei linked open data è un approccio ‘dal basso’
‘Debole’: poiché all’imposizione dall’altro sostituisce l’interoperabilità dei dati, dunque si indebolisce l’originario disegno ‘semantico’
‘Bottom up’: i collegamenti tra le cose e i concetti si formano dal basso, rendendo i dati interoperabili tra loro
Dunque potremmo affermare che le nuove tecnologie del Web 2.0, partecipative e collaborative, hanno avuto un certo peso nel modificare l’approccio di base al Web Semantico e inaugurare il nuovo corso dei linked data.
Linked data e Web semantico
“A causa della natura del World Wide Web come ambiente aperto,decentralizzato e spesso caotico, gli approcci tradizionali allarappresentazione della conoscenza non possono essere direttamenteutilizzabili. Questi sistemi sono in genere stati concepiti in manieracentralizzata, richiedendo a tutti di condividere le stesse definizioni di concetticomuni nel loro vocabolario del discorso. Un controllo centralizzato, tuttavia,può essere soffocante e aumentare la dimensione e il campo di applicazione diquesti sistemi diventa rapidamente ingestibile. In definitiva, i sistemi che sonocostruiti per sfruttare il Web semantico devono accettare che paradossi einformazioni mancanti o contraddittorie sono un prezzo da pagare perottenere la versatilità. […] un obiettivo più pratico e a breve termine dell’ideadi Web semantico, è quella di consentire uno scambio di informazioniflessibile e aperto. In quanto tale l’idea di Linked data può essere pensatacome una forma ‘ridotta o diluita’ della versione originale del Web semantico[…] qualcosa che può essere ottenuto senza un ampio utilizzo di tecnichedell’intelligenza artificiale”. Ora Lassila
L’interoperabilità semantica
I LINKED DATA DUNQUE FAVORISCONO L’INTEROPERABILITA’ E SI CONFIGURANO COME UNO STRUMENTO PIU’ DINAMICO PER IL
RAGGIUNGIMENTO DEL WEB SEMANTICO.
L’interoperabilità semantica è dunque considerata come la ‘capacità di elaborare le informazioni provenienti da fonti diverse senza perdere il
reale significato delle informazioni stesse nel processo di elaborazione’
Open Data e Linked Open Data (LOD)
La tecnologia Linked data è profondamente legata al concetto diapertura dei dati (opennes), che ne costituisce la base intellettuale,tanto che si parla più propriamente di Linked open data (LOD), aidentificare dati non solo collegati, ma ‘aperti’.
E’ importante per il SW parlare di LOD e non solo di LD
Oggi viviamo, infatti, in un ecosistema informativo fortemente basatosui dati; non solo siamo continuamente circondati dai dati, ma essigiocano un ruolo sempre più importante nella vita delle persone:siamo entrati nell’era della data economy (Heath; Bizer 2011).
L’importanza dei dati da qualche tempo è stata compresa dalle aziendeche su questi dati hanno costruito i propri successi commerciali.Google, Amazon etc. si basano sui cosiddetti ‘big data’. Questi dati peròsono chiusi, e vengono utilizzati per scopi di business.
Open data
Perché oggi è importante disporre di dati aperti?
nei dati aperti si individua una tassello importante per la crescita
il libero accesso alla conoscenza consente di risparmiare soldi pubblici (e privati) e facilita l'innovazione
Attraverso dati aperti si accelera il progresso economico e culturale
Il movimento Open Data nasce per promuovere la trasparenza nella gestione di organizzazioni pubbliche e private
consapevolezza che ‘ i dati sono di tutti’: chiunque deve poterli utilizzare per progettare servizi innovativi per la società
però è indispensabile che i dati siano alla portata di tutti (aperti)
Un aspetto fondamentale degli Open data è la possibilità di riutilizzo dei dati tramite appropriate licenze
Open data
Gli Open Data nascono e si sviluppano principalmente in due contesti:
Pubblica amministrazione e governo : OPEN DATA come derivante dall’Open Government (che a sua volta deriva dall’e-government)= si parla più propriamente di open government data
Ricerca scientifica (R&S): OPEN DATA associato al fenomeno OPEN ACCESS
Gli open data nella Pubblica Amministrazione
Open government: trasparenza dei governi e delle PA nelle loro funzioni e nei servizi per garantire un controllo pubblico del loro operato tramite le nuove tecnologie
L’‘Economia dei dati’: costituisce un settore emergente nelpanorama economico ed è sostenuta da iniziative politichedell’Unione Europea come l’Agenda digitale e rientra nella strategiaEuropa 2020 (che fissa obiettivi per la crescita nell’Unione europea(UE) da raggiungere entro il 2020)
OPEN DATA e PA: per saperne di più
Sul portale http://www.dati.gov.it/ è presente una sezione sullo stato dell’open data in Italia
quanti dataset sono stati rilasciati (sono oltre 9.000)
quali enti hanno pubblicato
le applicazioni costruite sui dati aperti (es. app turistiche, meteo, traffico, parcheggi, servizi vari)
In definitiva tutti gli sforzi vertono verso il raggiungimento dell’interoperabilità semantica
OPEN DATA e ricerca scientifica/1
Accesso alle conoscenze prodotte dalla comunità come principalemezzo per sviluppare non solo le attività economiche, ma anchequelle intellettuali (progresso, sviluppo, conoscenza)
Dati delle ricerche finanziate con denaro pubblico = beni comuni,devono poter essere fruiti liberamente dalla comunità che li haprodotti
OPEN DATA legato anche al fenomeno OPEN ACCESS
Il punto di riferimento per le comunità open (cioè che pubblicanodati aperti) è l’Open Knowledge Foundation (OKFN), organizzazionenon-profit nata nel 2004 per promuovere la conoscenza aperta e lacondivisione dei dati e delle conoscenze a fini benefici.
OPEN DATA e ricerca scientifica/2
Dati della ricerca= risultanti da osservazioni, dati di laboratorio, modelli, dati di banche dati genetiche, dati spaziali etc.
Benefici dell’accesso ai dati aperti scientifici
rafforzamento indagine scientifica e ricerca cross-disciplinare;
promozione della diversità di analisi e di opinioni;
possibilità di testare nuove ipotesi di ricerca e metodi di analisi alternativi;
esplorazione di nuovi ambiti di ricerca
la creazione dataset tramite la combinazione di dati provenienti da fonti diverse
The Policy RECommendations for Open Access to Research Data in Europe (RECODE)
Linked data e Open data
La produzione e la domanda di dati è crescente
Bisogna trovare i mezzi per fornire l’accesso e rendere più facile il riutilizzo dei dati nel Web su scala mondiale
L’esposizione dei dati in LOD facilita la scoperta, lo scambio l’uso e il riutilizzo dei dati
Open data= rimuovere le barriere concettuali e intellettuali all’apertura dei dati e al loro utilizzo
Linked data= rimuovere gli ostacoli tecnologici alla libera condivisione dei dati nel Web
3/2015
I LOD sono già in uso
La presenza di dati aperti e riutilizzabili sta creando le premesse per applicazioni sempre più sofisticate
Le applicazioni stanno cambiando sotto i nostri occhi grazie alla presenza di dati ‘aperti’ e ‘collegati’
Google Knowledge graph
Hummingbird
06/03/2015
I LOD sono già in uso
3/17/2014
Dal Web dei documenti al Web dei dati
Applicare i Linked Data vuol dire passare da un Web di documenti a un Web di dati.
Nel Web semantico non ci sono più solo documenti ma ‘dati’ o ‘risorse’:
Ogni dato è ben definito, indipendente (atomo) e collegato agli altri dati.
Ogni dato descrive se stesso (autodescrittivo)
3/2015
IL WWW ATTUALE
È formato da:
oHTML
oUntyped links
oAPI
oDATABASE
oAttraverso HTML nel Web si crea IL Web of documents, cioè una rete di documenti e di oggetti connessi tramite link non classificati (non espliciti).
3/2015
A B C D
APIxmlHTML HTML HTML
LINK NON QUALIFICATI
Le API e i mashups
DIFETTI DELLE API:
oHanno interfacce proprietarie
oNon si creano link tra i dati delle varie API
oE’ possibile creare mashupsda un numero ben definito di fonti
oNo database globale!
3/2015
A
API
B
API
C
API
D
API
MASH UP
Le API dividono i dati presenti nel web
Il Web dei dati o semantico
3/2015
A B C D
thing
thing
thing
thing
thing
thing
thing
thing
Things: cose del mondo reale: persone, luoghi oggetti, concetti
Typed links: legami qualificati relazioni esplicite
Database: A,B,C,D = banche dati entro le quali sono immagazzinate ed estratte le informazioni
Linked data
Nuovo modo di pubblicare, condividere, connettere i dati nel WEB
Linked data collega dati o ‘cose’ e non documenti testuali;
i collegamenti sono ‘qualificati’ (typed) cioè esprimono la natura della connessione e consentono di scoprire altri dati.
oEs. Torino si trova in Piemonte
oDante ha scritto La divina commedia
A differenza di altri modelli (es. XML) ogni risorsa è collegata alle altre senza che vi siano risorse predominanti sulle altre.
3/2015
2. I Principi dei LOD e Il modello rdf
I principi dei LOD
1.usare gli URI per i nomi degli oggetti;
2.usare HTTP URIs per dare modo agli utenti di trovare questi nomi;
3.una volta trovato un URI, fornire informazioni utili utilizzando standard (RDF e SPARQL);
4.includere links ad altri URIs in modo si che possano scoprire più cose.
Berners Lee (2006)
3/2015
1. USARE GLI URI (identificazione)
1. Usare gli URI per i nomi degli oggetti (o cose)
le ‘cose ‘nel SW devono essere ‘identificate’ attraverso gli URI
URI come nomi e accessi all’informazione
Cos’è un URI? L’URI è un identificativo persistente.
A differenza del Web dei documenti dove si usano gli URI per identificare i documenti, nel Web Semantico si identificano non solo i documenti ma anche oggetti del mondo reale e concetti astratti
3/2015
1.USARE GLI URI (identificazione)
Andranno identificati e dotati di URI anche cose luoghi oggetti concetti presenti all’interno dei documenti:
• Persone (es. Dante Alighieri, Barack Obama)
• Luoghi (es. Torino, Fiume Po, Monte Bianco)
• Cose (Jaguar, Apple, battaglia delle Termopili)
• Relazioni tra oggetti e concetti(es. è amico di, è autore di, vive a)
3/2015
Stieg Larsson http://dbpedia.org/page/Stieg_Larsson
èAutoreDi http://dbpedia.org/ontology/author
La ragazza che giocava con il fuoco
http://dbpedia.org/page/The_Girl_Who_Played_with_Fire
Dare un URI ad ogni ‘cosa’ presente nel Web
Il libroL’autore
È autore di
2. USARE URI HTTP (accesso)
Il secondo principio afferma :
• che bisogna usare solo identificativi HTTP (e non ftp, urn, DOI o altri) per ‘rendere accessibili ‘i dati
• che gli URI devono essere ‘dereferenziabili’, intendendo per ‘dereferenziazione’ la possibilità di accedere alle descrizioni delle risorse identificate dall’URI
• Il protocollo http è un meccanismo di accesso e recupero universale nel Word Wide Web
• Ciò significa che un client HTTP che trova un URI può usare il protocollo HTTP per recuperare una descrizione della risorsa
• Tutte le descrizioni di oggetti destinate alle macchine devono essere rappresentate da dati in RDF. In tal modo HTML verrà usato per rendere le informazioni comprensibili agli essere umani e RDF alle macchine
3/2015
DEREFERENZIAZIONE
URI DEREFERENZIABILI
Il secondo principio richiede che gli URI siano HTTP in modo da poter essere dereferenziati in modo cioè che le macchine (client http) possano accedere attraverso il protocollo HTTP a una descrizione dell’oggetto o del concetto identificato dall’URI
Le descrizioni di documenti e cose sono dunque presenti sul Web in due modalità:
Html per l’uso da parte delle persone
Rdf per l’uso da parte delle macchine.
L’uri del documento e quello della ‘cosa’ contenuta devono essere diversi e non devono essere confusi
Negoziazione dei contenuti
3/2015
DEREFERENZIAZIONE
• Per costruire un URI dereferenziabile è necessario fornire unarappresentazione della risorsa che si vuole pubblicare non solo informato HTML ma in formato RDF cioè leggibile da una macchina
• Le linee guida per pubblicare URI sono state dettate dal W3C: http://www.w3.org/TR/cooluris/
• Esempio di URI deferenziabile:
• Da Dbpedia:
• http://www.dbpedia.org/page/Stieg_Larsson
• http://www.dbpedia.org/page/Pablo_Picasso
• Dal set di elementi Dublin Core
• http://dublincore.org/documents/2012/06/14/dcmi-terms/?v=elements#creator
3/2015
3. Usare RDF (contenuti)
Il terzo principio prescrive l’utilizzo di un unico modello di dati (data model) per pubblicare dati strutturati sul Web e cioè RDF , modello di dati a grafo particolarmente progettato per il Web semantico.
• Avanzamento rispetto al Web attuale dove esistono vari modelli di dati per strutturare le informazioni (tabellari/CSV/gerarchici (XML)/relazionali (DBMS)
3/2015
4. USARE LINK RDF (collegare i dati)
Il quarto principio prescrive di creare link tra le ‘cose’ (non tra i documenti)
oI LINK IPERTESTUALI: collegano documenti, non qualificati
oI LINK RDF: collegano cose, sono qualificati o‘tipizzati’ cioè indicano la relazione che sussiste tra le cose
Es. Antonella è amica di Maria
Antonella risiede in Biella
Le cose su cui vengono fatte asserzioni vengono dette ‘risorse’
Vi sono diversi tipi di links che devono essere attivati nel Web Semantico
3/2015
Il data model RDF
Produrre Linked data significa esprimere il contenuto delle informazioni, rendendole condivisibili e riutilizzabili nel Web
Il Web semantico codifica l’informazione tramite un unico modello di dati
Il modello di riferimento è Resource Description Framework (RDF), uno standard sviluppato e mantenuto dal consorzio W3C per descrivere semanticamente le risorse e le loro relazioni.
3/2015
Resource Description Framework (RDF)
Il modello RDF codifica i dati (l’informazione) nella forma di asserzioni(statements) formate da tre parti:
soggetto: la parte della tripla che identifica la cosa descritta ovvero la ‘risorsa’
predicato: la proprietà della risorsa
oggetto: il valore della proprietà della risorsa.
Esempi:
Antonella | vive a | Biella
Antonella | è autore di | Linked data
Antonella | è amica di | Maria
3/2015
Resource Description Framework (RDF)
Viene espresso visivamente sotto forma di nodi e archi
• Soggetto (nodo)
• Predicato (freccia orientata dal soggetto all’oggetto)
• Oggetto (nodo) si rappresenta con:
• URI=
• Letterale o stringa=
Le asserzioni sono dette ‘triple’ e sono concetti atomici ovvero unità minime di significato
3/2015
RDF: la tripla
3/2015
soggetto
predicato
oggetto
Una tripla è una dichiarazione nella quale si afferma che una cosa o un’entità (soggetto della tripla) possiede una certa proprietà
Tripla (triple) = l’insieme di soggetto/predicato/oggetto
Asserzioni e triple
06/03/2015
Stieg Larsson è autore di La ragazza che giocava con il fuoco
Soggetto Predicato Oggetto
Risorsa Proprietà Valore
Una tripla viene rappresentata come un grafo orientato
Stieg Larsson
La ragazza che giocava con il
fuoco
È autore di
E codificata tramite una sintassi basata su XML
http://miosito.it/autori/1234http://miosito.it/vocab/Autoredi
http://miosito.it/risorse/1234
Asserzione e sua codifica XML (RDF/XML)
3/2015
La ragazza che giocava con il fuoco
Larsson, Stieg
è autore di
<rdf:Description rdf:about=http://miosito.it/autori/1234><name xml:lang=“eng“>Stieg Larsson</name><authorOf rdf:resource=“http://miosito.it/risorse/1234</rdf:Description>
<rdf:Description rdf:about= http://miosito.it/risorse/1234><type xml:lang=“it“>libro</type><title>La ragazza che giocava con ilfuoco</title> </rdf:Description>
3/2015
Linked data e Web Semantico. Corso di aggiornamento professionale. AIB Piemonte
vino
Barbaresco
Piemonte
rosso
Ha nome
È prodotto in
Ha prezzo
Ha colore
“3 euro”
Creare asserzioni (triple)
3/2015
• Nome: Barbaresco Starderi 2005
• Luogo di provenienza: Piemonte
• Tipo: Fermo Rosso
• Produttore: Cantina La Spinetta
• Formato: 0.75 L
• Prezzo: €121
• Grado alcolico: 14 %
• Colore: Rosso intenso
• Vitigno: Nebbiolo
• Certificazione: DOCG
Esempio: informazioni su un vino
RDF come modello di dati
RDF è un nuovo modo di codificare l’informazione diverso rispetto a quelli che finora si sono imposti e che hanno una serie di limitazioni (es. modello relazionale). E però compatibile con i modelli precedenti
RDF è più flessibile
In particolare, c’è un rapporto diretto con i database relazionali
3/2015
Linked data e Web Semantico. Corso di aggiornamento professionale. AIB Piemonte
Creare asserzioni/2
ID NOME LUOGO TIPO PRODUTTORE FORMATO
1234 Barbaresco Starderi 2005
Piemonte Fermo rosso La Spinetta 75 cl.
3/2015
Linked data e Web Semantico. Corso di aggiornamento professionale. AIB Piemonte
Rapporto diretto con i database relazionali (database di vini)1 record = 1 risorsaCampi = proprietà (metadati)Contenuto dei campi = valori/dati
Creare asserzioni/3
• Da un campo del database a un’asserzione
3/2015
ha come colore: Rosso
Dai campi alle asserzioni
3/2015
ha per Nome: ‘Barbaresco Starderi 2005’
ha come luogo di produzione: Piemonte
ha come produttore: Cantina La Spinetta
ha come colore: Rosso
ha come formato: 0,75 l
Ogni campo del record con il suo valore nel SW può essere espresso tramite un’asserzione (tripla)
Unione di grafi (merging)
Merging di grafi : quando i grafi hanno identificatori in comune questi vengono uniti per formare grafi più vasti:
Es. nel caso l’oggetto di una tripla sia il soggetto di un’altra si ha un’unione delle due triple, formando così un grafo più vasto
3/2015
miovino Piemonte
Ha come luogo di produzione
Piemonte Italia
Si trova in
miovino PiemonteItalia
Ha come luogo di produzione
Si trova in
Riutilizzare dati e metadati
Nel Web semantico è indispensabile non solo riutilizzare i dati (fornendo loro URI), ma anche rendere interoperabili e riutilizzabili i metadati.
I grafi sono delle strutture flessibili che possono ospitare nuove triple se qualcuno vi aggiunge delle informazioni in più
Il paradigma del Web dei dati è un paradigma aperto in cui chiunque può collegare i dati alla mia informazione, formando un grafo più vasto.
Ragionare sui grafi: l’inferenza
Stieg Larsson è uno scrittore
Stieg Larsson scrive gialli
Stieg Larsson ha come nazionalità Svezia
Stieg Larsson ha come data di morte 2004
Stoccolma è in Svezia
Agatha Christie è uno scrittore
Agatha Cristie scrive gialli
Agatha Christie ha come come data di morte 1976
Inferenza: Agatha Christie e Stieg Larsson sono scrittori di gialli non più viventi.
3/2015
‘cose’ e ‘stringhe’
Regola di RDF: generalmente è meglio, se possibile, esprimere tutte le parti della tripla (s p o) tramite URI
E’ obbligatorio che il soggetto (s) e il predicato (p) siano espressi tramite URI
L’oggetto (o) può essere espresso tramite una stringa o un URI
Quando l’oggetto è espresso tramite una stringa diventa un punto morto del grafo
3/2015
Link del Web Semantico (LINK RDF)
i link relazionali esprimono un collegamento tra diversi datasetpuntando a cose, persone, luoghi presenti in un altro dataset o insieme di dati collegati
Attraverso i links relazionali si collegano entità di diversi dataset
Si può ad esempio collegare una persona (autore) alle sue opere presenti in un altro dataset e ad un’altra persona descritta in un altro dataset
3/2015
Link del Web Semantico (LINK RDF)
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> . @prefix foaf: <http://xmlns.com/foaf/0.1/> .
<http://miosito.it/persone/Antonella_Iacono> rdf:type foaf:Person ; foaf:name “Antonella Iacono" ; foaf:based_near <http://sws.geonames.org/3182043/> ; foaf:based_near <http://dbpedia.org/page/Biella> ; foaf:topic_interest <http://dbpedia.org/resource/Semantic_Web>; foaf:knows http://altrosito.it/persone/Mario_Rossi
Le proprietà vengono espresse facendo riferimento ad altre entità presenti in altri dataset (es. Dbpedia, Geonames, altrosito)
3/2015
Link del Web Semantico (LINK RDF)
i link di identità (‘alias URI’) collegano tra loro URI di dataset diversi che si riferiscono alla stessa cosa o allo stesso concetto
Es. Beethoven in Freebase, Dbpedia, Musicbrainz, NYTimes
http://rdf.freebase.com/ns/en.ludwig_van_beethoven
http://dbpedia.org/resource/Ludwig_van_Beethoven
http://musicbrainz.org/artist/1f9df192-a621-4f54-8850-2c5373b7eac9#
http://data.nytimes.com/N30866506154608358173
3/2015
Link del Web Semantico (LINK RDF)
• I linked data prescrivono la necessità di collegare tutti gli URI alias attraverso dei link
• Per convenzione si utilizza la proprietà owl:sameAs che afferma che due URI si riferiscono alla stessa cosa, alla stessa persona o luogo.
• Questa tipologia di collegamento è una delle più importanti del Web semantico
3/2015
Link del Web Semantico (LINK RDF)
• i link di vocabolario puntano dal dato alle definizioni dei termini dei vocabolari usati per descrivere il dato stesso e o alle definizioni dello stesso concetto date in altri vocabolari (es. collego la voce di soggetto del Nuovo soggettario con un soggetto LCSH) . In tal modo è possibile un’integrazione tra vocabolari diversi (Heath; Bizer 2011)
• Servono a contrastare l’eterogeneità del Web semantico integrando vocabolari diversi
• RDF consente di rappresentare in un unico grafo informazioni provenienti da diversi modelli, mescolando termini da diversi vocabolari
3/2015
Altri links
Un’ulteriore distinzione è quella tra link interni ed esterni: i primi si riferiscono allo stesso dataset, i secondi collegano invece due diverse fonti di dati, ovvero dati che risiedono in namespaces diversi.
Questi ultimi costituiscono il ‘collante’ del Web semantico trasformando il Web in uno spazio globale di dati interconnessi
3/2015
‘SCRIVERE’ IN RDF
• RDF è un modello di dati pertanto se dobbiamo scrivere del codice non possiamo direttamente utilizzare nodi e grafi, ma dobbiamo esprimere i nostri dati in un formato adatto alla lettura da parte delle macchine
• Serializzazioni RDF= rappresentazioni testuali adatte all’elaborazione automatica
• Il W3C mantiene alcuni formati per la serializzazione
oRDF/XML = è il formato ‘ufficiale’ di RDF basato sul XML
oRDFa= serve per incorporare triple RDF in un documento HTML
3/2015
SCRIVERE’ IN RDFW3C URIs for Identifying RDF Serialization Formats
URI Format
http://www.w3.org/ns/formats/N3 Notation3 (N3): A readable RDF syntax: W3C Team Submission 28
March 2011
http://www.w3.org/ns/formats/N-Triples N-Triples (in RDF Test Cases: W3C Working Group Note 25 February
2014)
http://www.w3.org/ns/formats/RDF_XML RDF/XML Syntax Specification: W3C Recommendation 10 February
2004
http://www.w3.org/ns/formats/RDFa RDFa in XHTML: Syntax and Processing: 3C Recommendation 22
August 2013
http://www.w3.org/ns/formats/Turtle Turtle - Terse RDF Triple Language: W3C Team Submission 28 March
2011
RDF/XML /1
• Sebbene sia il linguaggio ‘ufficiale’ di RDF, RDF/XML è spessoaccusato di prolissità (verbosità) quindi si preferiscono forme piùabbreviate come Turtle o più comprensibili all’uomo come N-Triples
• Utilizza i namespaces per la dichiarazione dei prefissi usati
• Utilizza la nidificazione
• Ha alcuni termini predefiniti come type e property
• Type anche abbreviato in a=assegna il soggetto alla classe oggettodella tripla
• Es. es: Antonella rdf:type foaf: person
• Es. es:la divina commedia rdf:type dbpedia:owl book
• (oppure es:la divina commedia a dbpedia:owl book)
3/2015
RDF/XML /2
Il termine property denota un attributo
Esempi :
• es:Antonella foaf:knows es:Maria
• Foaf:knows a rdf:property
• Vi sono poi alcuni costrutti utili nella scrittura del codice come i blanknodes (risorse anonime): queste sono risorse che non necessitano diURI perchè non sono identificabili o non devono essere identificabilinel WS. (es- devono rappresentare risorse valide all’interno di undeterminato dataset). Sono indicate con _:
• Esempio: _:qualcuno foaf:knows es:Maria
3/2015
RDF/XML: la sintassi
[… dichiarazione dei prefissi …]
<rdf:RDF …>
<rdf:Description rdf:about=“Risorsa soggetto della tripla">
<PredicateResource>Risorsa oggetto della tripla espresso come letterale</PredicateResource>
<PredicateResource rdf:resource=“Risorsa oggetto della tripla"/>
…
</rdf:Description>
…
</rdf:RDF>
3/2015
Annotazione semantica di pagine web RDFa /1
• RDF in Attributes è una recommendation del W3C
• fornisce una serie di attributi per annotare semanticamente una pagina web, includendo metadati RDF in un documento XML, consentendo di annotare in RDF una pagina web in maniera nativa
• In questo modo è possibile unire il Web dei documenti al Web dei dati cioè è possibile inserire in pagine web in XHTML delle annotazioni semantiche che possono essere comprese dalle macchine.
3/2015
Annotazione semantica di pagine web RDFa /2
Inserisce elementi semantici nelle pagine utilizzando alcuni attributi (about, property, resource)
Le macchine leggendo un documento XHTML contenente codice RDFapossono operare un processo di estrazione di contenuti semantici (parsing) generando delle triple RDF
Il soggetto della tripla è individuato dall’attributo about al quale vengono associati i valori di Rev e Property
In questo modo anche i documenti pubblicati come XHTML possono contenere alcuni contenuti semantici che possono essere interpretati dalle applicazioni del Semantic Web collegando il web dei documenti al web dei dati
Schemi per l’annotazione semantica sono Schema.org e Open GraphProtocol
3/2015
3. Vocabolari e ontologie
I vocabolari e le ontologie
Nel Web semantico i vocabolari e le ontologie definiscono concetti e termini usati per descrivere e rappresentare una particolare area di interesse
Classificano i termini che vengono usati in un particolare settore disciplinare, indicano le relazioni semantiche tra i concetti di un dominio di conoscenza
Costituiscono, insieme a RDF e URI, il cuore del Web Semantico
Distinzione tra vocabolari e ontologie: nel Web semantico non è netta, generalmente si usano:
Vocabolario = lista chiusa di termini da usare come valori (come oggetto della tripla) esempio: book format di RDA per il formato di un libro http://www.rdaregistry.info/termList/bookFormat
Ontologia: classi e proprietà per esprimere un dominio di conoscenza (concettualizzazione)
3/2015
Ontologie e modelli formali
Sono necessari per la comunicazione umana
Descrivono un determinato ambito (dominio) favorendo la creazioneconoscenza.
Un’ontologia è una «specificazione esplicita di unaconcettualizzazione» ovvero uno schema strutturato e condiviso diconcetti tra loro correlati che descrive un’area della conoscenzautilizzando linguaggi non ambigui e, dunque, processabili da unamacchina (Thomas Robert Gruber)
Le ontologie sono un insieme di classi e di proprietà
Vocabolari e ontologie sono necessari per offrire a tutte le comunità che operano nel Web semantico la possibilità di esprimersi in merito a qualsiasi cosa utilizzando le entità, le relazioni e la terminologia più appropriata (Allemang; Hendler 2008)
3/2015
FOAF
Vocabolari e ontologie più diffusi:
Friend of a Friend (FOAF) http://xmlns.com/foaf/spec/
E’ un’ontologia che descrive persone, attività e relazioni con altre persone.
Viene spesso usata per costruire liste di autorità, descrivere comunità online, community
Chiunque può utilizzare FOAF per descriversi nel Semantic Web.
3/2015
Classi e proprietà di FOAF
Category:Person (Foaf:Person)
Category:Organization (Foaf:Organization)
Property:Foaf:knows
Property:Foaf:member
Property:Name (Foaf:name)
Property:Homepage (Foaf:homepage
Property:Foaf:mbox
Property:Foaf:depiction
Property:Foaf:phone
3/2015
Il mio profilo FOAF
<rdf:RDF
xmlns:rdf=http://www.w3.org/1999/02/22-rdf-syntax-ns#
xmlns:foaf="http://xmlns.com/foaf/0.1/"
xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#">
<foaf:Person rdf:about="#Aiacono">
<foaf:name>Antonella Iacono</foaf:name>
<foaf:mbox rdf:resource="mailto:[email protected]" />
<foaf:homepage rdf:resource="http://www.antonellaiacono.it" />
<foaf:nick>Librarian_Anto</foaf:nick>
<foaf:depiction rdf:resource="http://www.antonellaiacono.it/immagine.jpg" />
<foaf:interest> <rdf:Description rdf:about="http://www.dbpedia.org/page/Linked_data " rdfs:label=“Linked data /> </foaf:interest>
<foaf:knows> <foaf:Person> <foaf:name>Maria Rossi</foaf:name> </foaf:Person> </foaf:knows> </foaf:Person>
</rdf:RDF>
3/2015
Lo stesso esempio in Turtle
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> . @prefix foaf: <http://xmlns.com/foaf/0.1/> . @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
<#AIacono> a foaf:Person ; foaf:name «Antonella Iacono" ; foaf:mbox <mailto:[email protected]> ; foaf:homepage < http://www.antonellaiacono.it > ; foaf:nick «Librarian_72" ; foaf:depiction < http://www.antonellaiacono.it/img.jpg > ;
foaf:interest < http://www.dbpedia.org/page/Linked_data > ; foaf:knows [a foaf:Person ; foaf:name «Maria Rossi" ] .
3/2015
DUBLIN CORE
E’ uno schema per di metadati per definire attributi di risorse come titolo, creatore, data, soggetto etc.
Possiamo usare Dublin Core per descrivere le proprietà di una qualsiasi risorsa bibliografica presente nel Web
Si trova in:
http://dublincore.org/documents/dces/ (DCMES), prefisso dc:
Oppure
http://dublincore.org/documents/dcmi-terms/
Prefisso dct:
3/2015
ALTRE ONTOLOGIE
• BIO ONTOLOGY: definisce termini per descrivere info biografiche
• THE MUSIC ONTOLOGY: definisce termini per descrivere vari aspetti relativi alla musica: artisti (le relazioni tra artisti, l’attività), album, tracce audio etc.
• THE EVENT ONTOLOGY: definisce termini per descrivere eventi
• BIBLIOGRAPHIC ONTOLOGY O BIBLIONTOLOGY: definisce termini per descrivere concetti e proprietà nelle citazioni bibliografiche
• PROGRAMMES ONTOLOGY (BBC) definisce termini per descrivere entità e proprietà relativi ai programmi televisivi http://www.bbc.co.uk/ontologies/po
• CREATIVE COMMONS SCHEMA: definisce i termini per descrivere le licenze in RDF http://creativecommons.org/schema.rdf
3/2015
ALTRE ONTOLOGIE
• SEMANTICALLY-INTERLINKED ONLINE COMMUNITY (SIOC): definisce termini per esprimere aspetti delle comunità online, come forum, utenti, post, ecc.
• THE GOOD RELATIONS ONTOLOGY definisce termini per descrivere prodotti e servizi commerciali online
• RDA definisce termini per descrizioni bibliografiche
Esistono ontologie per descrivere quasi ogni ambito di conoscenza, possiamo crearne di nuove es. un’ontologia di un’organizzazione (es. Università, un’ontologia di vini, etc.
3/2015
06/03/2015
Linked data e Web Semantico. Corso di aggiornamento
DESCRIVERE LE ONTOLOGIE
• Numerosi linguaggi a crescenti livelli di complessità
• Questi si presentano come ‘ontologie per creare ontologie’ (hanno al loro interno classi e proprietà)
• dal più semplice al più complesso:
3/2015
Linked data e Web Semantico. Corso di aggiornamento professionale. AIB Piemonte
OWL
SKOS
RdfS
SKOS /1
• Simple Knowledge Organisation System (SKOS) è un vocabolariosviluppato dal W3C Semantic Web Deployment Working Group(SWDWG) per esprimere gerarchie di concetti e progettato persupportare l’uso di sistemi di organizzazione delle conoscenze (KOS)come thesauri, schemi di classificazione, soggettari e tassonomienell’ambito del Web semantico.
• Es. possiamo affermare con SKOS che i gatti appartengono alla classefelini, o che concetto ‘Rifiuti solidi urbani’ ha come concetto piùampio ‘‘Rifiuti’
• Tutti i progetti di conversione di KOS bibliotecari si basano su questovocabolario. (LCSH, Nuovo Soggettario, LCC, CDD)
3/2015
SKOS /2
La classe principale è skos:Concept alla quale appartengono i concetti, i quali sono indipendenti dai termini utilizzati per descriverli o etichette (labels).
L’ontologia definisce poi le relazioni thesaurali tra concetti tramite alcuni predicati (proprietà):
skos: broader, skos:narrower, skos:related (per relazionare i concetti)
skos:prefLabel, skos:altLabel e skos:hiddenLabel (per relazionare concetti ed etichette)
3/2015
SKOS/3
3/2015
Linked data e Web Semantico. Corso di aggiornamento professionale. AIB Piemonte
Relazione thesaurale Equivalente SKOS
BT broader term skos:broader
NT Narrower term skos:narrower
RT Related term skos:related
USE/USE FOR skos:altLabel
SKOS/4
L’aspetto più interessante è quello di poter mettere in relazione schemi concettuali differenti
Si realizzano nuovi collegamenti che prima erano impensabili: mappature semantiche tra concetti appartenenti a schemi diversi
Questi collegamenti sono resi possibili da alcune proprietà
Skos:scheme consente di enunciare uno schema
skos:inScheme consente di attribuire un concetto allo schema
skos:exactMatch, closeMatch, broaderMatch, narrowerMatch e relatedMatch consentono di esprimere vari tipi di relazioni e gradi di sovrapposizione tra concetti simili appartenenti a schemi diversi (es. nuovo soggettario, Rameau, LCSH, folksonomies)
3/2015
Esempio: nuovo soggettario in SKOS
3/2015
Voce del NS in RDF con uso di SKOS
<?xml version="1.0" encoding="UTF-8"?> <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:skos="http://www.w3.org/2004/02/skos/core#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:nsogi="http://prefix.cc/nsogi"> <rdf:Description rdf:about="http://purl.org/bncf/tid/39080"> <rdf:type rdf:resource="http://www.w3.org/2004/02/skos/core#Concept"/> <skos:prefLabel xml:lang="it">Abrasivi</skos:prefLabel> <skos:inScheme rdf:resource="http://purl.org/bncf/tid/ThesCF3"/> <skos:inScheme rdf:resource="http://purl.org/bncf/tid/Thes"/> <skos:broader rdf:resource="http://purl.org/bncf/tid/791"/> <skos:narrower rdf:resource="http://purl.org/bncf/tid/39082"/> <skos:related rdf:resource="http://purl.org/bncf/tid/39081"/> <skos:related rdf:resource="http://purl.org/bncf/tid/43089"/> <skos:closeMatch rdf:resource="http://id.loc.gov/authorities/sh85000218"/> <skos:closeMatch rdf:resource="http://data.bnf.fr/ark:/12148/cb13162965j"/> <skos:closeMatch rdf:resource="http://it.dbpedia.org/resource/Abrasivo"/> <skos:editorialNote>FONTE: Soggettario; Treccani.it; ESG; CIS-ISPESL; ThIST; RAMEAU: Abrasifs; DDC22; Wikipedia(IT)</skos:editorialNote> </rdf:Description> </rdf:RDF>
3/2015
Mappature esterne con altri KOS: LCSH, Rameau, dbpedia
Relazioni semantiche tesaurali BT,NT,RT
Usare le ontologie nel Web Semantico
Quali ontologie scegliere per descrivere i nostri dati?
Nei nostri dataset dovremo utilizzare molte ontologie diverse, a seconda dei nostri scopi di progettazione
In particolare rdfs e Owl consentono inferire le informazioni, ovvero di dedurre conoscenza per sussunzione, tramite il ragionamento inferenziale.
I ragionatori sono programmi che utilizzano le regole della logica per produrre inferenze Es. tutti gli insegnanti sono anche persone
Dotare il nostro dataset di descrizioni in OWL e RdfS dunque consente alle macchine di operare ragionamenti logici
3/2015
L’inferenza/1
«Affinché il web semantico possa funzionare, i computer devono avere accesso a raccolte strutturate di informazioni e a una serie di regole di inferenza utilizzabili per condurre ragionamenti automatici». (T.B.Lee)
Caratteristica del Web semantico è la capacità delle macchine di combinare i dati per creare nuova informazione.
L’INFERENZA E’ LA CAPACITA’ DI DEDURRE CONOSCENZA TRAMITE PERCORSI.
Un esempio semplice= sillogismo
tutti gli insegnanti sono persone, Maria è un’insegnante, Maria è una persona
3/2015
Esercizio: costruiamo inferenze
Nella costruzione di dataset possiamo utilizzare più fonti di dati. Un ragionatore (es. un motore di ricerca ‘semantico’) sfrutterà queste fonti per dedurre nuova conoscenza tramite il processo inferenziale
3/2015
L’inferenza: Un esempio semplice
Stieg Larsson è uno scrittore
Stieg Larsson scrive gialli
Stieg Larsson ha come nazionalità Svezia
Stieg Larsson ha come data di morte 2004
Stoccolma è in Svezia
Agatha Christie è uno scrittore
Agatha Cristie scrive gialli
Agatha Christie ha come data di morte 1976
Inferenza: Agatha Christie e Stieg Larsson sono scrittori di gialli non più viventi.
3/2015
Inferenza: un esempio più complesso /1
Immaginiamo di descrivere la proprietà ‘ha scritto’ in un’ontologia facendo un esempio complesso con RDFS:
@prefix ex: <http://esempio.it/miaontologia#>
@prefix rdf: <http://www.w3.org/1999/02/22/rdf-syntax-ns#>
@prefix rdfs: < http://www.w3.org/2000/01/rdf-schema#>
@prefix foaf: < http://xmlns.com/foaf/spec/#>
ex:ha scritto rdf:type rdf:Property: [stiamo affermando che ‘ha scritto’ è una proprietà]
rdfs:domain foaf:Person [affermiamo che soggetto della tripla che ha come predicato questa proprietà possono essere solo le persone]
rdfs:range ex:operaletteraria [solo le opere letterarie possono essere oggetto della tripla]
rdfs:subpropertyOf ex:ha creato [è una sottoproprietà di ex:ha creato]
3/2015
Inferenza: un esempio più complesso /2
Adesso immaginiamo che un ragionatore o un motore di ricerca semantico recuperi questa tripla da qualche parte
:Collodi :ha scritto :Pinocchio
A questo punto il ragionatore recupera la proprietà ha scritto tramite la sua URL e trova la sua ‘descrizione’
Potrà quindi per inferenza produrre le seguenti triple:
:Collodi a foaf:Person [Collodi è una persona]
:Pinocchio a ex:operaletteraria [Pinocchio è un’opera letteraria]
Collodi ex:ha creato :Pinocchio [Collodi ha creato Pinocchio]
3/2015
3.1. Il web dei dati
Il Web dei dati
Il Web dei dati (Web of Data) è un gigantesco grafo che collega i diversi dataset presenti in rete.
I dataset o data set = collezioni di risorse tra loro collegate in grafi che hanno una caratteristica comune: coprono lo stesso ambito disciplinare (dataset geografici, governativi, bibliografici, di musica) e/o si originano dalla stessa fonte di dati (es. dbpedia è un datasetoriginato dai dati di Wikipedia).
2007 Linked Open Data Project, progetto del W3C Semantic Web Education and Outreach Interest Group SWEO IG.
I dati provengono da domini pubblici o privati.
E’ necessario rispettare i requisiti esposti in http://lod-cloud.net/
3/2015
Requisiti
• There must be resolvable http:// (or https://) URIs.
• They must resolve, with or without content negotiation, to RDF data in one of the popular RDF formats (RDFa, RDF/XML, Turtle, N-Triples).
• The dataset must contain at least 1000 triples.
• The dataset must be connected via RDF links to a dataset that is already in the diagram. This means, either your dataset must use URIs from the other dataset, or vice versam. We arbitrarily require at least 50 links.
• Access of the entire dataset must be possible via RDF crawling, via an RDF dump, or via a SPARQL endpoint.
Stato della Linked open data cloud nel maggio 2007
Stato della Linked open data cloud nel 2008
Stato della Linked open data cloud nel 2009
Stato della Linked open data cloud al settembre 2011 (Linking open data cloud diagram, di Richard Cyganiak e Anja Jentzsch < http://lod-cloud.net/versions/2011-09-19/lod-cloud_colored.html>
La nuvola dei LOD nel 2014 http://lod-cloud.net/
Quanto è grande la nuvola dei LOD?
A partire dal 2007 venne creato ad opera di due studiosi di Berlino il registro CKAN, nato per ospitare le notizie relative ai nuovi dataset che venivano pubblicati nella nuvola
Nel 2011 Richard Cyganiak e Anja Jentzsch hanno misurato l’ampiezza della nuvola dei lod fino ad allora pubblicati (http://lod-cloud.net/state/).
Versione aggiornata al 2014: <http://linkeddatacatalog.dws.informatik.uni-mannheim.de/state/>
Mannheim Linked Data Catalog conta 1917 dataset
Ogni dataset presente nell’immagine della nuvola linka alla descrizione presente sul portale predisposto della University of Mannheim
3/2015
Datasets by topical domain.
Topic Datasets %
Government 183 18.05%
Publications 96 9.47%
Life sciences 83 8.19%
User-generated content 48 4.73%
Cross-domain 41 4.04%
Media 22 2.17%
Geographic 21 2.07%
Social web 520 51.28%
Total 1014
Dataset con più collegamenti in entrata
Datasets with the ten highest indegrees
Dataset Category Indegree
dbpedia.org cross-domain 207
geonames.org geographic 141
w3.org cross-domain 117
quitter.se social web 64
status.net social web 63
postblue.info social web 56
skilledtests.com social web 55
reference.data.gov.uk government 45
data.semanticweb.org publications 44
fragdev.com social web 41
lexvo.org cross-domain 37
Dataset: interdisciplinari: DBPEDIA
E’ un RDf store contenente dati strutturati automaticamente estratti da Wikipedia, l’enciclopedia collaborativa online.
Estrae i dati semi-strutturati che sono contenuti nella maggior parte degli articoli di Wikipedia nella cosiddetta ‘infobox” che consistono in una elencazione di parole chiave e i relativi valori
Es. Una pagina di Wikipedia:
https://en.wikipedia.org/wiki/Stieg_Larsson
La corrispondente pagina di DbPedia
http://dbpedia.org/page/Stieg_Larsson
Altri dataset interdisciplinari: Freebase= knowledge base che ricava dati da Dbpedia e Geonames
3/2015
I principali dataset: geografici
3/2015
I principali dataset: geografici
Geonames: www.geonames.org/
è una knowledge base ossia un database geografico contenente oltre otto milioni di toponimi di tutti i paesi del globo che sono disponibili per il download gratuito
http://www.geonames.org/search.html?q=Torino&country=
Espone i dati via web services
Il database è accessibile gratuitamente, i files sono scaricabili come data dumps (aggiornamento giornaliero)
licenza cc-by (creative commons attributions license), consentito l'uso anche commerciale dei dati
3/2015
I principali dataset: governativi, media
3/2015
I principali dataset: governativi, media
Dati governi USA e Britannico
In italia dati.gov.it e dati.piemonte.it
http://data.gov.uk/data/search
Dati di vario tipo: informazioni sul traffico in tempo reale, dati statistici (es. obesità), dati sulla sicurezza delle strade, indici economici e statistici, ‘social trends”)
Media: BBC, BBC Wildlife finder, Nature, New York Times
3/2015
Editoria, biblioteche, User Gen Content
3/2015
4. Pubblicare linked open dataworkflowtecnologielicenze
Pubblicare i linked data. Il Workflow
1. Scelta dei dataset
2. Bonifica
3. Modellazione semantica
4. Arricchimento5. Interlinking
6. Validazione
7. Pubblicazione
1. Scelta dei dataset
Selezionare i dataset sulla base degli obiettivi e o priorità che si intendono raggiungere:
Prestare attenzione ai vincoli di natura giuridica e organizzativa
Privilegiare ove possibile l’apertura di dati più atomici rispetto alle forme aggregate
Predisporre una pre-analisi di dominio: principali entità e relazioni da rappresentare
Affrontare questioni preliminari: scelta degli URI e del namespace, scelta della licenza più appropriata
3/2015
2. Bonifica dei dati
Necessaria a volte quando ci si trova di fronte a dataset disomogenei
Facendo una pulizia a monte si migliora la qualità dei dati
La qualità è un requisito indispensabile nel web semantico, poiché il mio dataset poi sarà aperto a collegamenti da parte di altri datasetche esistono nel web semantico
Altre problematiche (es completezza dei dati immessi) non sono così rilevanti nel contesto del Web semantico
3/2015
3. Analisi e modellazione semantica
Formalizzare la semantica del dataset (il modello concettuale)
Refactoring della propria base dati
Il modello concettuale dovrà essere espresso in RDF
Gli elementi dovranno essere identificati con URI ed essere dereferenziabili
3/2015
3. Analisi e modellazione semantica
Il processo prevede diverse fasi (non necessariamente sequenziali):
Analisi delle fonti dati
Creazione del modello di dati (data model) attraverso l’uso di una o più ontologie
Predisposizione del modello di rappresentazione dei dati scegliendo le ontologie più appropriate.
Viene predisposta una mappatura dei formati MARC con gli elementi scelti per rappresentare i dati, in base alle ontologie scelte e alle specifiche del data model
Reingegnerizzazione e trasformazione in RDF
3/2015
06/03/2015
Prefix URI
bibo http://purl.org/ontology/bibo/
bio http://vocab.org/bio/0.1/
Dc http://purl.org/dc/elements/1.1/
dcmi-box http://dublincore.org/documents/dcmi-box/
Dcterms http://purl.org/dc/terms/
foaf http://xmlns.com/foaf/0.1/
frbr-rda http://rdvocab.info/uri/schema/FRBRentitiesRDA/
geo http://www.w3.org/2003/01/geo/wgs84_pos#
geonames http://www.geonames.org/ontology#
ign http://data.ign.fr/ontology/topo.owl#
insee http://rdf.insee.fr/geo/
isni http://isni.org/ontology#
marcrel http://id.loc.gov/vocabulary/relators/
mo http://musicontology.com/
ore http://www.openarchives.org/ore/terms/
owl http://www.w3.org/2002/07/owl#
rdagroup1elements http://rdvocab.info/Elements/
rdagroup2elements http://RDVocab.info/ElementsGr2/
rdarelationships http://rdvocab.info/RDARelationshipsWEMI/
rdfs http://www.w3.org/2000/01/rdf-schema#
skos http://www.w3.org/2004/02/skos/core#
06/03/2015
Bibliotheque Nationale de France. Principali vocabolari e ontologie
Mappatura ‘persona’ in Data.bnf.frLibellé catalogue Zone intermarc Unimarc Correspondance RDF
Nationalité 008 position 12-13 102 $a rdagroup2elements:countryAssociatedWithThePerson
Langue 008 position 14-16 101 $a RDAgroup2elements: languageOfThePerson
Sexe 008 position 17 120 $a foaf:gender
Date de naissance 008 position 27-36 340 $a RDAgroup2elements:dateOfBirth
Date de mort 008 position 37-46 340 $a RDAgroup2elements:dateOfDeath
Début d'activité 008 position 47-51 340 $a RDAgroup2elements:periodOfActivityOfThePerson
Fin d'activité 008 position 52-55 340 $a RDAgroup2elements:periodOfActivityOfThePerson
Forme retenue (prénom) 100 $m 200 $b, 700 $b foaf:givenName
Forme retenue 100 200, 700 skos:prefLabel @in_lang
Forme retenue 100 200, 700 foaf:name
Dates 100 $d 200 $f, 700 $f dc:date
Forme retenue(nom) 100 $a 200 $a, 700 $a foaf:familyName
Formes rejetées 400 400 skos:altLabel @in_lang
Note d'information publique 600 $a
300$a, 305$a$b, 310$a$b, 320$a, 330$a, 340$a, 830$a RDAgroup2elements: biographicalInformation
Lieu de naissance 603 $a 340$a RDAgroup2elements:placeOfBirth
Lieu de mort 603 $b 340$a RDAgroup2elements:placeOfDeath
Note publique sur les sources consultées avec profit 610 $a 810 $a skos:editorialNote
Note de regroupement par domaine 624 $a 686 $a RDAgroup2elements: fieldOfActivityOfThePerson
06/03/2015
Convertire i formati tradizionali in RDF
Dati contenuti in database relazionali
Triplify, D2RQ RDB2RDF
A partire da files XML.
RDF possiede già una sintassi basata su XML, si possono renderecompatibili con RDF, utilizzando XSLT (eXtensible Stylesheet Language Transformations).
Da formati tabellari e fogli di calcolo
Open Refine (prima Google Refine) <http://openrefine.org/>Importa dati da formati differenti (MS Excel, Google Spreadsheet and CSV) con RDF Extension per esportare RDF.
06/03/2015
Convertire formati tradizionali in RDF
Per i dati bibliografici
marcmods2rdf converte record catalografici in RDF
oai2rdf estrarre RDF dagli archivi OAI (OAI-PMH)
Marimba soluzione completa per l’estrazione e la trasformazione di record MARC come linked data, basato su mappature personalizzate.
06/03/2015
4. Arricchimento. Metadatazione
Nella fase dell’arricchimento i dati, una volta bonificati e modellati, vengono arricchiti per favorirne il riutilizzo tramite tecniche di inferenza
La metadatazione è importante perché semplifica la ricerca e la fruizione e il riutilizzo dei dati
Metadati importanti per la fruibilità e interoperabilità del dataset sono:
metadati sulla semantica (commenti, etichette, definizioni)
metadati sul contesto (confini di validità dei dati o del dataset, licenza)
metadati sulla provenienza (descrivono come e chi ha prodotto i dati). Seguire un’ontologia o uno schema proprietario o le specifiche del Provenance Interchange Working Group del W3C.
3/2015
4. Arricchimento. Metadatazione
Alcune raccomandazioni:
Gestire questa operazione in modo adeguato per offrire garanzie di autenticità e qualità dei dati
Elementi:
Il produttore dei dati
Il riferimento temporale dei dati e l’eventuale periodo di validità (Es. Afflusso turistico nelle strutture alberghiere della Valle d’Aosta. 2010)
Una descrizione puntuale della semantica delle informazioni che vengono distribuite
La licenza
E’ consigliabile adottare le Raccomandazioni del W3C (http://www.w3.org/2011/prov/wiki/Main_Page) e se possibile l’ontologia PROV –O (http://www.w3.org/TR/prov-o/) o VOID
3/2015
4. Arricchimento. Inferenza
Un altro modo di arricchire i dati è la possibilità di ‘inferire’ cioè derivare nuovi collegamenti attraverso opportuni ‘ragionatori automatici’ basati su OWL o regole, oppure costruendo apposite interrogazioni (Query) in SPARQL
Queste tecniche necessitano di specifiche competenze informatiche
3/2015
5. Interlinking
Per interlinking si intende il collegamento (linking) esterno del mio dataset con altri dataset presenti nel Web dei dati
Significa creare triple in cui soggetto e oggetto fanno parte datasetdifferenti (links relazionali)
Allineare entità appartenenti a diversi dataset (alias links)
Creare link di identità (owl:sameAs) è fondamentale
Si potrà ad esempio collegare l’URI relativo alla città di Madrid nel dataset di partenza, ad esempio miodataset.it/… Madrid con gli URI relativi a una stessa città in due dataset differenti come DBpedia e Geonames: http://dbpedia.org/resource/Madrid e http://sws.geonames.org/6355233/.
Ciò consente al mio dataset di raggiungere il livello più alto (5 stelle) della classifica dei LOD, cioè un dataset aperto e collegato
3/2015
Data model di BNF: allineamenti interni ed esterni
06/03/2015
6. Validazione
Si possono eseguire tre tipologie di validazione
• Sintattica: il contenuto dei dati è conforme alla sintassi prevista dal W3C. ( W3C RDF Validation Service <http://www.w3.org/RDF/Validator/>
• Logica: si effettuano dei test per appurare se vi sono errori logici nella modellazione (es. trova tutte le persone che sono anche città)
• Concettuale: si valuta se il modello concettuale su cui si basa il dataset risponde alle finalità che ci si era prefissi. Ad esempio se tutte le entità e le relazioni sono state previste.
• W3C RDF Validation Service (http://www.w3.org/RDF/Validator/)
3/2015
7. Pubblicazione
• Gestire al meglio la pubblicazione (risorse, staff, tempo)
• Pubblicare in maniera incrementale il dataset
• Permettere di interrogare i dati (dotarsi di un endpoint) e garantire vari metodi di accesso
• Piattaforma di hosting affidabile
• Garantire l’aggiornamento costante dei dati
3/2015
Pubblicare i dati: la checklist
Prima di pubblicare i dati, è importante porsi delle domande che costituiranno una sorta di checklist, ovvero misureranno la rispondenza del proprio dataset a una lista di qualità necessarie per la pubblicazione:
Qualità dei dati di provenienza
Link agli altri dataset
Scelta della licenza più appropriata
Utilizzo dei vocabolari
Dereferenziabilità degli URI
Mappatura dei vocabolari
Dati relativi al dataset
Metodi di accesso al dataset (dump, endpoint, API etc. )
3/2015