Introduzione a Linked Open data e Web semantico / Antonella Iacono
1. Introduzione a Linked
Open data e Web
semantico
Antonella Iacono
Sapienza Università di Roma. Dipartimento di scienze documentarie,
linguistico–filologiche e geografiche.
Ciclo di conferenze a.a. 2015-2016
10 maggio 2016
2. 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
/
2
0
1
5
Linked data e Web Semantico.
Corso di aggiornamento
3. Che cosa sono i linked open data?
https://vimeo.com/49232562
4. 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 una
modalità leggibile e interpretabile da una macchina, il cui significato è
definito da una stringa di parole e marcatori (‘tripla’) per costituire un
reticolo di dati collegati appartenenti a un dominio e collegabili ad altri
dataset relativi ad altri domini presenti nel Web. Si costruisce così una
rete di dati globale, i cui contenuti possono essere scambiati e
interpretati 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)
5. 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)
6. 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
7. Perché interessarsi ai linked data?
I LOD consentono alle biblioteche di produrre dati ‘aperti’,
interoperabili e riutilizzabili per produrre applicazioni basate sui LOD
che 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.
10. 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.
11. 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 da
supportare una comunicazione uomo-macchina più efficace e
migliorare l’interoperabilità tra sistemi informativi
12. Dal WWW al Web Semantico
Con il termine ‘Web semantico’ si intende la trasformazione del World Wide
Web in un ambiente in cui i documenti sono provvisti di metadati che ne
connotano semanticamente il contenuto in un formato adatto
all’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 dati
meta-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 il
ragionamento automatico
13. 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.
15. 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)
/
2
0
1
5
16. 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.
/
2
0
1
5
17. 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
18. 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)
19. 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.
20. Linked data e Web semantico
“A causa della natura del World Wide Web come ambiente aperto,
decentralizzato e spesso caotico, gli approcci tradizionali alla
rappresentazione della conoscenza non possono essere direttamente
utilizzabili. Questi sistemi sono in genere stati concepiti in maniera
centralizzata, richiedendo a tutti di condividere le stesse definizioni di concetti
comuni nel loro vocabolario del discorso. Un controllo centralizzato, tuttavia,
può essere soffocante e aumentare la dimensione e il campo di applicazione di
questi sistemi diventa rapidamente ingestibile. In definitiva, i sistemi che sono
costruiti per sfruttare il Web semantico devono accettare che paradossi e
informazioni mancanti o contraddittorie sono un prezzo da pagare per
ottenere la versatilità. […] un obiettivo più pratico e a breve termine dell’idea
di Web semantico, è quella di consentire uno scambio di informazioni
flessibile e aperto. In quanto tale l’idea di Linked data può essere pensata
come una forma ‘ridotta o diluita’ della versione originale del Web semantico
[…] qualcosa che può essere ottenuto senza un ampio utilizzo di tecniche
dell’intelligenza artificiale”. Ora Lassila
21. 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’
22. Open Data e Linked Open Data (LOD)
La tecnologia Linked data è profondamente legata al concetto di
apertura dei dati (opennes), che ne costituisce la base intellettuale,
tanto che si parla più propriamente di Linked open data (LOD), a
identificare 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 basato
sui dati; non solo siamo continuamente circondati dai dati, ma essi
giocano 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 aziende
che su questi dati hanno costruito i propri successi commerciali.
Google, Amazon etc. si basano sui cosiddetti ‘big data’. Questi dati però
sono chiusi, e vengono utilizzati per scopi di business.
23. 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
24. 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
25. 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 nel
panorama economico ed è sostenuta da iniziative politiche
dell’Unione Europea come l’Agenda digitale e rientra nella strategia
Europa 2020 (che fissa obiettivi per la crescita nell’Unione europea
(UE) da raggiungere entro il 2020)
26. 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
27. OPEN DATA e ricerca scientifica/1
Accesso alle conoscenze prodotte dalla comunità come principale
mezzo per sviluppare non solo le attività economiche, ma anche
quelle intellettuali (progresso, sviluppo, conoscenza)
Dati delle ricerche finanziate con denaro pubblico = beni comuni,
devono poter essere fruiti liberamente dalla comunità che li ha
prodotti
OPEN DATA legato anche al fenomeno OPEN ACCESS
Il punto di riferimento per le comunità open (cioè che pubblicano
dati aperti) è l’Open Knowledge Foundation (OKFN), organizzazione
non-profit nata nel 2004 per promuovere la conoscenza aperta e la
condivisione dei dati e delle conoscenze a fini benefici.
28. 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)
29. 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
/
2
0
1
5
30. 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
0
6
/
0
3
/
2
0
1
5
32. 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)
/
2
0
1
5
33. 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).
/
2
0
1
5
A B C D
API
xmlHTML HTML HTML
LINK NON QUALIFICATI
34. Le API e i mashups
DIFETTI DELLE
API:
oHanno
interfacce
proprietarie
oNon si creano
link tra i dati
delle varie API
oE’ possibile
creare mashups
da un numero
ben definito di
fonti
oNo database
globale!
/
2
0
1
5
A
API
B
API
C
API
D
API
MASH UP
36. Il Web dei dati o semantico
/
2
0
1
5
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
37. 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.
/
2
0
1
5
39. 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)
/
2
0
1
5
40. 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
/
2
0
1
5
41. 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)
/
2
0
1
5
42. 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 libro
L’autore
È autore di
43. 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
/
2
0
1
5
44. 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
/
2
0
1
5
45. DEREFERENZIAZIONE
• Per costruire un URI dereferenziabile è necessario fornire una
rappresentazione della risorsa che si vuole pubblicare non solo in
formato 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
/
2
0
1
5
46. 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)
/
2
0
1
5
47. 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
/
2
0
1
5
48. 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.
/
2
0
1
5
49. 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
/
2
0
1
5
50. 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
/
2
0
1
5
51. RDF: la tripla
/
2
0
1
5
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
52. 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/1234
http://miosito.it/vocab/Autoredi
http://miosito.it/risorse/1234
53. Asserzione e sua codifica XML (RDF/XML)
/
2
0
1
5
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 il
fuoco</title>
</rdf:Description>
54. /
2
0
1
5
Linked data e Web Semantico.
Corso di aggiornamento
vino
Barbaresco
Piemonte
rosso
Ha nome
È prodotto in
Ha
prezzo
Ha
colore
“3 euro”
55. Creare asserzioni (triple)
/
2
0
1
5
• 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
56. 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
/
2
0
1
5
Linked data e Web Semantico.
Corso di aggiornamento
57. Creare asserzioni/2
ID NOME LUOGO TIPO PRODUTTORE FORMATO
1234 Barbaresco
Starderi 2005
Piemonte Fermo rosso La Spinetta 75 cl.
/
2
0
1
5
Linked data e Web Semantico.
Corso di aggiornamento
Rapporto diretto con i database relazionali (database di vini)
1 record = 1 risorsa
Campi = proprietà (metadati)
Contenuto dei campi = valori/dati
59. Dai campi alle asserzioni
/
2
0
1
5
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)
60. 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
/
2
0
1
5
miovino Piemonte
Ha come luogo di
produzione
Piemonte Italia
Si trova in
miovino Piemonte
Italia
Ha come
luogo di
produzione
Si trova
in
61. 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.
62. 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.
/
2
0
1
5
63. ‘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
/
2
0
1
5
64. Link del Web Semantico (LINK RDF)
i link relazionali esprimono un collegamento tra diversi dataset
puntando 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
/
2
0
1
5
65. 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)
/
2
0
1
5
66. 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
/
2
0
1
5
67. 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
/
2
0
1
5
68. 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
/
2
0
1
5
69. 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
/
2
0
1
5
70. ‘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
/
2
0
1
5
71. SCRIVERE’ IN RDF
W3C 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
72. RDF/XML /1
• Sebbene sia il linguaggio ‘ufficiale’ di RDF, RDF/XML è spesso
accusato di prolissità (verbosità) quindi si preferiscono forme più
abbreviate 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 oggetto
della 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)
/
2
0
1
5
73. 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 blank
nodes (risorse anonime): queste sono risorse che non necessitano di
URI perchè non sono identificabili o non devono essere identificabili
nel WS. (es- devono rappresentare risorse valide all’interno di un
determinato dataset). Sono indicate con _:
• Esempio: _:qualcuno foaf:knows es:Maria
/
2
0
1
5
74. 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>
/
2
0
1
5
75. 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.
/
2
0
1
5
76. 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 RDFa
possono 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 Graph
Protocol
/
2
0
1
5
78. 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)
/
2
0
1
5
79. Ontologie e modelli formali
Sono necessari per la comunicazione umana
Descrivono un determinato ambito (dominio) favorendo la creazione
conoscenza.
Un’ontologia è una «specificazione esplicita di una
concettualizzazione» ovvero uno schema strutturato e condiviso di
concetti tra loro correlati che descrive un’area della conoscenza
utilizzando linguaggi non ambigui e, dunque, processabili da una
macchina (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)
/
2
0
1
5
80. 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.
/
2
0
1
5
81. 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
/
2
0
1
5
84. 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:
/
2
0
1
5
85. 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
/
2
0
1
5
86. 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.
/
2
0
1
5
88. 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:
/
2
0
1
5
Linked data e Web Semantico.
Corso di aggiornamento
OWL
SKOS
RdfS
89. SKOS /1
• Simple Knowledge Organisation System (SKOS) è un vocabolario
sviluppato dal W3C Semantic Web Deployment Working Group
(SWDWG) per esprimere gerarchie di concetti e progettato per
supportare l’uso di sistemi di organizzazione delle conoscenze (KOS)
come thesauri, schemi di classificazione, soggettari e tassonomie
nell’ambito del Web semantico.
• Es. possiamo affermare con SKOS che i gatti appartengono alla classe
felini, o che concetto ‘Rifiuti solidi urbani’ ha come concetto più
ampio ‘‘Rifiuti’
• Tutti i progetti di conversione di KOS bibliotecari si basano su questo
vocabolario. (LCSH, Nuovo Soggettario, LCC, CDD)
/
2
0
1
5
90. 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)
/
2
0
1
5
91. SKOS/3
/
2
0
1
5
Linked data e Web Semantico.
Corso di aggiornamento
Relazione thesaurale Equivalente SKOS
BT broader term skos:broader
NT Narrower term skos:narrower
RT Related term skos:related
USE/USE FOR skos:altLabel
92. 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)
/
2
0
1
5
95. 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
/
2
0
1
5
96. 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
/
2
0
1
5
97. 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
/
2
0
1
5
98. 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.
/
2
0
1
5
99. 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]
/
2
0
1
5
100. 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]
/
2
0
1
5
102. 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 dataset
originato 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/
/
2
0
1
5
103. 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.
107. 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>
109. 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
/
2
0
1
5
110. 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
111. 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
112. 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
/
2
0
1
5
114. 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
/
2
0
1
5
116. 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
/
2
0
1
5
119. Pubblicare i linked data. Il Workflow
1. Scelta dei
dataset
2. Bonifica
3. Modellazione
semantica
4. Arricchimento5. Interlinking
6. Validazione
7. Pubblicazione
120. 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
/
2
0
1
5
121. 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 dataset
che esistono nel web semantico
Altre problematiche (es completezza dei dati immessi) non sono così
rilevanti nel contesto del Web semantico
/
2
0
1
5
122. 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
/
2
0
1
5
123. 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
/
2
0
1
5
126. 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#
0
6
/
0
3
/
2
0
1
5
Bibliotheque Nationale de France. Principali vocabolari e ontologie
127. 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 100200, 700 skos:prefLabel @in_lang
Forme retenue 100200, 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
0
6
/
0
3
/
2
0
1
5
128. 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 rendere
compatibili 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.
0
6
/
0
3
/
2
0
1
5
129. 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.
0
6
/
0
3
/
2
0
1
5
130. 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.
/
2
0
1
5
131. 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
/
2
0
1
5
132. 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
/
2
0
1
5
133. 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 dataset
differenti (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
/
2
0
1
5
134. Data model di BNF: allineamenti interni ed esterni
06/03/2015
135. 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/)
/
2
0
1
5
136. 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
/
2
0
1
5
137. 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. )
/
2
0
1
5