Introducción a la Web Semántica

IntroduccionTecnologıas de la web semantica

Datos enlazadosTransformacion de BDR a grafos RDF

Problemas abiertos de investigacionConclusiones

Introduccion a la Web Semantica

Yusniel Hidalgo [email protected]

Junio 2014

Yusniel Hidalgo Delgado [email protected] Introduccion a la Web Semantica




Sumario

1 Introduccion

2 Tecnologıas de la web semantica

3 Datos enlazados

4 Transformacion de BDR a grafos RDF

5 Problemas abiertos de investigacion

6 Conclusiones





Bibliografıa

1 Linking Government Data. edited by D. WOOD. Editioned.: Springer New York Dordrecht Heidelberg London, 2011.ISBN 978-1-4614-1767-5

2 HEATH, T. AND C. BIZER. Linked Data: Evolving theWeb into a Global Data Space. edited by J. HENDLERAND F.V. HARMELEN. Edition ed.: Morgan & Claypool,2011. ISBN 9781608454310

3 Handbook of Semantic Web Technologies. edited by J.DOMINGUE, D. FENSEL AND J.A. HENDLER. Edition ed.New York: Springer-Verlag Berlin Heidelberg, 2011. ISBN978-3-540-92913-0





Limitaciones de la web actualConceptos fundamentales

Formato

1 La mayorıa de los contenidos Web actuales poseen algungrado de estructuracion (PDF, HTML, XML, TXT)

2 Los contenidos estan disenados para ser leıdos por humanosno por las computadoras

3 Falta de capacidad de las representaciones en que se basa laweb actual para expresar significados






Formato









Formato









Formato






Integracion

1 Los datos estructurados no son publicados en un formatounico procesable por las computadoras, lo que dificulta suextraccion antes de ser usados

2 Los datos se encuentran dispersos, sin relacion explıcita entreellos, imposibilitando su descubrimiento y utilizacion porsistemas informaticos

3 Resulta imposible razonar sobre los datos, en aras de inferirconocimiento nuevo a partir del existente






Integracion









Integracion









Integracion






Recuperacion

Los resultados ofrecidos por motores de busqueda como Google yYahoo resultan imprecisos y, en muchos casos, no satisfacen lasnecesidades de busqueda de los usuarios. Esto se debe a que estanorientados a responder consultas basadas en palabras claves, nosiendo capaces de recuperar la informacion a partir de consultasexpresadas en lenguaje natural.






Recuperacion

Los buscadores actuales no son capaces de manejar terminosambiguos. Ejemplo: “Paris”

1 Capital de Francia

2 Ciudades en Canada y EEUU

3 Filme “Paris, Texas”de Wim Wenders

4 Paris Jackson, la hija de Michael Jackson






Recuperacion






Web semantica

Web Semantica (Berners-Lee, 2001)

“La Web Semantica no pretende sustituir la Web actual, sino quees una extension en la que la informacion tiene un significadobien definido posibilitando a los humanos y las computadorastrabajar en cooperacion.”






Datos enlazados

Datos enlazados (Berners-Lee, 2006)

“Los datos enlazados (linked data) se refieren a un conjunto debuenas practicas para la publicacion y enlazado de datosestructurados en la Web.”






Ontologıas

Ontologıa (Studer, 1998)

Una ontologıa es una especificacion formal y explıcita de unaconceptualizacion compartida

1 Las ontologıas estan compuestas por clases, propiedades,instancias y axiomas formales

2 Existen varios lenguajes para la definicion de ontologıas siendolos mas comunes OWL, OWL2 y RDFS

3 Algunos de los vocabularios y ontologıas mas utilizados son:FOAF, Dublin Core y SKOS





RDFSPARQL

Resource Description Framework (RDF)

1 Modelo de datos flexible basado en grafos dirigidos

2 Util para describir datos estructurados y sus interrelaciones enun formato procesable por las computadoras

3 Utiliza las ontologıas para la descripcion formal de los datosen terminos de clases y propiedades

4 Se basa en tripletas de la forma sujeto-predicado-objeto

Sujeto ObjetoPredicado





RDFSPARQL


Ejemplo

Tim Berners-Lee es el autor del artıculo ”Linked Data DesignIssues” y fue publicado en el ano 2006

¿Como se puede representar esta informacion en la web utilizandoel modelo de datos RDF?





RDFSPARQL






RDFSPARQL

SPARQL Protocol and RDF Query Language (SPARQL)

1 Es un lenguaje estandar de la W3C para la realizacion deconsultas sobre un grafo o multiples grafos RDF

2 Su sintaxis es similar a la del lenguaje SQL aunque orientadoa tripletas RDF

3 Los resultados de las consultas SPARQL pueden ser conjuntosde tripletas RDF, grafos RDF, URIs de recursos osimplemente valores (cadenas de texto, numeros, etc.)





Principios de los datos enlazadosLinked Open Data CloudPublicacion de datos enlazados

Principios de los datos enlazados

1 Utilizar una URI para identificar cada recurso publicado en laWeb (Identificar)

2 Tener publicados estos recursos en una URI basada en HTTPde modo que puedan ser facilmente localizados y consultados(Localizar)

3 Proporcionar informacion util, detallada o extra acerca delrecurso cuando se acceda a esta URI basada en HTTP(Describir)

4 Incluir enlaces a otras URI relacionadas con los datoscontenidos en el recurso, de forma que se potencie eldescubrimiento de la informacion sobre la Web (Enlazar)






Linked Open Data Cloud

As of September 2011

MusicBrainz

(zitgist)

P20

Turismo de

Zaragoza

yovisto

Yahoo! Geo

Planet

YAGO

World Fact-book

El ViajeroTourism

WordNet (W3C)

WordNet (VUA)

VIVO UF

VIVO Indiana

VIVO Cornell

VIAF

URIBurner

Sussex Reading

Lists

Plymouth Reading

Lists

UniRef

UniProt

UMBEL

UK Post-codes

legislationdata.gov.uk

Uberblic

UB Mann-heim

TWC LOGD

Twarql

transportdata.gov.

uk

Traffic Scotland

theses.fr

Thesau-rus W

totl.net

Tele-graphis

TCMGeneDIT

TaxonConcept

Open Library (Talis)

tags2con delicious

t4gminfo

Swedish Open

Cultural Heritage

Surge Radio

Sudoc

STW

RAMEAU SH

statisticsdata.gov.

uk

St. Andrews Resource

Lists

ECS South-ampton EPrints

SSW Thesaur

us

SmartLink

Slideshare2RDF

semanticweb.org

SemanticTweet

Semantic XBRL

SWDog Food

Source Code Ecosystem Linked Data

US SEC (rdfabout)

Sears

Scotland Geo-

graphy

ScotlandPupils &Exams

Scholaro-meter

WordNet (RKB

Explorer)

Wiki

UN/LOCODE

Ulm

ECS (RKB

Explorer)

Roma

RISKS

RESEX

RAE2001

Pisa

OS

OAI

NSF

New-castle

LAASKISTI

JISC

IRIT

IEEE

IBM

Eurécom

ERA

ePrints dotAC

DEPLOY

DBLP (RKB

Explorer)

Crime Reports

UK

Course-ware

CORDIS (RKB

Explorer)CiteSeer

Budapest

ACM

riese

Revyu

researchdata.gov.

ukRen. Energy Genera-

tors

referencedata.gov.

uk

Recht-spraak.

nl

RDFohloh

Last.FM (rdfize)

RDF Book

Mashup

Rådata nå!

PSH

Product Types

Ontology

ProductDB

PBAC

Poké-pédia

patentsdata.go

v.uk

OxPoints

Ord-nance Survey

Openly Local

Open Library

OpenCyc

Open Corpo-rates

OpenCalais

OpenEI

Open Election

Data Project

OpenData

Thesau-rus

Ontos News Portal

OGOLOD

JanusAMP

Ocean Drilling Codices

New York

Times

NVD

ntnusc

NTU Resource

Lists

Norwe-gian

MeSH

NDL subjects

ndlna

myExperi-ment

Italian Museums

medu-cator

MARC Codes List

Man-chester Reading

Lists

Lotico

Weather Stations

London Gazette

LOIUS

Linked Open Colors

lobidResources

lobidOrgani-sations

LEM

LinkedMDB

LinkedLCCN

LinkedGeoData

LinkedCT

LinkedUser

FeedbackLOV

Linked Open

Numbers

LODE

Eurostat (OntologyCentral)

Linked EDGAR

(OntologyCentral)

Linked Crunch-

base

lingvoj

Lichfield Spen-ding

LIBRIS

Lexvo

LCSH

DBLP (L3S)

Linked Sensor Data (Kno.e.sis)

Klapp-stuhl-club

Good-win

Family

National Radio-activity

JP

Jamendo (DBtune)

Italian public

schools

ISTAT Immi-gration

iServe

IdRef Sudoc

NSZL Catalog

Hellenic PD

Hellenic FBD

PiedmontAccomo-dations

GovTrack

GovWILD

GoogleArt

wrapper

gnoss

GESIS

GeoWordNet

GeoSpecies

GeoNames

GeoLinkedData

GEMET

GTAA

STITCH

SIDER

Project Guten-berg

MediCare

Euro-stat

(FUB)

EURES

DrugBank

Disea-some

DBLP (FU

Berlin)

DailyMed

CORDIS(FUB)

Freebase

flickr wrappr

Fishes of Texas

Finnish Munici-palities

ChEMBL

FanHubz

EventMedia

EUTC Produc-

tions

Eurostat

Europeana

EUNIS

EU Insti-

tutions

ESD stan-dards

EARTh

Enipedia

Popula-tion (En-AKTing)

NHS(En-

AKTing) Mortality(En-

AKTing)

Energy (En-

AKTing)

Crime(En-

AKTing)

CO2 Emission

(En-AKTing)

EEA

SISVU

education.data.g

ov.uk

ECS South-ampton

ECCO-TCP

GND

Didactalia

DDC Deutsche Bio-

graphie

datadcs

MusicBrainz

(DBTune)

Magna-tune

John Peel

(DBTune)

Classical (DB

Tune)

AudioScrobbler (DBTune)

Last.FM artists

(DBTune)

DBTropes

Portu-guese

DBpedia

dbpedia lite

Greek DBpedia

DBpedia

data-open-ac-uk

SMCJournals

Pokedex

Airports

NASA (Data Incu-bator)

MusicBrainz(Data

Incubator)

Moseley Folk

Metoffice Weather Forecasts

Discogs (Data

Incubator)

Climbing

data.gov.uk intervals

Data Gov.ie

databnf.fr

Cornetto

reegle

Chronic-ling

America

Chem2Bio2RDF

Calames

businessdata.gov.

uk

Bricklink

Brazilian Poli-

ticians

BNB

UniSTS

UniPathway

UniParc

Taxonomy

UniProt(Bio2RDF)

SGD

Reactome

PubMedPub

Chem

PRO-SITE

ProDom

Pfam

PDB

OMIMMGI

KEGG Reaction

KEGG Pathway

KEGG Glycan

KEGG Enzyme

KEGG Drug

KEGG Com-pound

InterPro

HomoloGene

HGNC

Gene Ontology

GeneID

Affy-metrix

bible ontology

BibBase

FTS

BBC Wildlife Finder

BBC Program

mes BBC Music

Alpine Ski

Austria

LOCAH

Amster-dam

Museum

AGROVOC

AEMET

US Census (rdfabout)






Naturaleza de los datos






Naturaleza de los datos






Guıa metodologica

Desarrollo iterativo e incremental






Especificacion

Objetivo

Obtener una especificacion detallada de los requerimientos

Tareas:

1 Identificacion y analisis de las fuentes de datos

2 Diseno de las URI

3 Definicion de la licencia de los datos enlazados






Modelado

Objetivo

Crear o reutilizar la o las ontologıas necesarias para modelar losdatos

Tareas:

1 Identificar las ontologıas existentes que puedan ser reutilizadasen el dominio de nuestros datos

2 Si no se identifica ninguna ontologıa en la tarea anterior, esnecesario crear una ontologıa propia reutilizando tantosterminos sea posible encontrar en otros vocabularios

3 Si no se encuentran terminos a reutilizar, es necesariodesarrollar una ontologıa propia desde cero






Generacion

Objetivo

Transformar los datos existentes en la fuente de datos a grafosRDF, empleando las ontologıas definidas en la actividad anterior

Tareas:

1 Transformacion

2 Limpieza de los datos

3 Enlazado






Publicacion

Objetivo

Publicar el grafo RDF en la Web mediante un SPARQL Endpoint oURIs dereferenciadas

Tareas:

1 Publicacion del dataset (ej: pubby)

2 Publicacion de los metadatos del dataset (ej. VoID)

3 Posibilitar el descubrimiento del dataset (generar el sitemap,anadir el dataset en el repositorio CKAN, etc)






Consumo

Objetivo

Desarrollar herramientas que utilicen los grafos RDF previamentepublicados

Algunas de estas herramientas son:

1 Linked Data Mashup

2 Linked Data Browser

3 Linked Data Search Engine

4 Otras aplicaciones especıficas del dominio de los datos





Modelo relacional vs Modelo RDFLenguajes de alineacion RDB2RDF

Modelo relacional vs Modelo RDF

Estudios recientes han demostrado que es posible alinear el modelorelacional con el modelo de datos basado en grafos RDF






Lenguajes de alineacion RDB2RDF

El RDB2RDF Working Group de la W3C ha definido dos estandarespara realizar la alineacion entre BDR y grafos RDF. Sin embargo,aun existen muy pocas herramientas que los implementan.






Direct Mapping

1 Se establece una alineacion directa entre el modelo relacionaly el modelo basado en grafos RDF

2 Existe una correspondencia directa entre las tablas de la basede datos con las clases de la ontologıa y los atributos de labase de datos con las propiedades de la ontologıa

3 La alineacion se realiza de manera automatica, tomandocomo entrada el esquema de la base de datos relacional






R2RML

1 Se basa en tablas logicas para recuperar datos a partir de unabase de datos de entrada

2 Una tabla logica puede ser: una tabla, una vista o unaconsulta SQL valida

3 Permite manejar alineaciones complejas que requierentransformacion de datos, calculo de datos o filtros antes degenerar las tripletas a partir de la BD

4 La alineacion se personaliza atendiendo a las ontologıas dedominios utilizadas en la modelacion de los datos





Problemas abiertos de investigacion

Areas activas de investigacion

1 Almacenamiento escalable de grafos RDF

2 Procesamiento de consultas sobre grafos RDF utilizandoCloud Computing

3 Tecnicas de minerıa sobre grafos RDF (analisis)

4 Algoritmos de razonamiento incremental

5 Publicacion de grafos RDF desde flujos de datos (LinkedStream Data)

6 Aplicaciones a diversos dominios (datos geograficos,biologicos, educativos, meteorologicos, bibliograficos)





Conclusiones

Conclusiones

1 La web clasica posee tres limitaciones fundamentales:formato, integracion y recuperacion de la informacion

2 Las ontologıas permiten formalizar el significado de lainformacion presente en la web semantica

3 Existen lenguajes para alinear esquemas de bases de datosrelacionales con ontologıas, con el objetivo de producirtripletas RDF


Science

Introducción a la Web Semántica