Caminando hacia la Web Semántica: Datos abiertos enlazados

Caminando hacia la Web
Semántica:
Datos abiertos enlazados

Jose Emilio Labra Gayo
Universidad of Oviedo, Spain
http://www.di.uniovi.es/~labra

Presentación
Director Escuela de Ingeniería Informática
Universidad de Oviedo, España
Fundador Equipo investigación WESO (WEb Semántica Oviedo)

Autor libro Web Semántica
Próxima aparición
Editorial NetBiblo, Colección Pcket Innova
http://www.netbiblo.com

Jose Emilio Labra Gayo, http://www.di.uniovi.es/~labra

La charla en 1’

¿Qué pasa?
La era de los datos
¿Porqué?
Razones para publicar datos
¿Cómo?
Datos abiertos enlazados
Web Semántica: Mitos y retos

Evolución de la Web
Crecimiento casi exponencial

Fuente: Netcraft webserver survey

Datos multimedia
Dispositivos + baratos: Cámaras, móviles, …
Facebook: 15.000 mill. fotos (2009)
Youtube: 144 mill. de vídeos (2009)
Flickr: 5.000 mill. fotos (2010)
y más…..

http://www.facebook.com/note.php?note_id=76191543919 Fuente: http://www.coverpop.com/pop/flickr_interesting
http://beerpla.net/2008/08/14/how-to-find-out-the-number-of-videos-on-youtube/

Internet de las cosas
Cada vez más dispositivos estarán
conectados a Internet
Frigoríficos, coches, …

Frigorífico con Internet


Y lo que falta…
Aumento de sensores y generadores de
datos
Ejemplo: Acelerador de partículas LHC
producirá 15 petabytes de datos/año

Jose Emilio Labra Gayo, http://www.di.uniovi.es/~labra http://www.youtube.com/watch?v=sfEbMV295Kk&feature=player_embedded

Aún así…
Muchos datos no se están publicando
Reticencias para publicar datos
Razones para liberar datos
Incluso exigir datos abiertos


Razones para los gobiernos
Datos públicos fomentan la
investigación
Acelerar tasa de descubrimiento
Bien común de la ciudadanía


Facilitan contribuciones externas
Sabiduría de las masas


Mejorar calidad
Reducción de costes
Interoperabilidad
Ej. ¿Lista de municipios?


Trasparencia y liderazgo
Fomentar participación
Generar confianza
Evitar datos alternativos no-oficiales


Como ciudadanos…
…también podemos demandar datos
abiertos…


…demandar datos abiertos
Cuando pertenecen a la humanidad


Hechos de conocimiento común
Ejemplo: conocimiento científico


Si han sido creados con dinero público
Son nuestros
Los hemos pagado con nuestros impuestos
Retorno de inversión


OK, ¡vivan los datos abiertos!
pero…

No basta con publicar datos…

El mayor reto = Integración
En general, el problema no es informatizar algo
El problema es integrar los sistemas
Interoperabilidad


Accesibilidad Universal
Niveles de accesibilidad
Discapacidad física
Motivos técnicos: otros entornos
Intelectual
Analfabetismo
Barreras de conocimiento
Accesibilidad cultural
Otros idiomas…
Accesibilidad para las máquinas


Modelo de Estrellas*
★ Publicar los datos
(en cualquier formato)
★★ Utilizar formato estructurado
(Excel en lugar de imágenes escaneadas)
★★★ Usar formatos no propietarios
(CSV en lugar de Excel)
★★★★ Usar URIs para identificar datos
(otros sistemas puedan enlazar nuestros datos)
★★★★★ Enlazar con otros datos externos
(proporcionar contexto)

* Enunciado por Tim Berners-Lee en Gov 2.0 Expo 2010
Jose Emilio Labra Gayo, http://www.di.uniovi.es/~labra http://www.youtube.com/watch?v=ga1aSJXCFe0

★ Formatos no estructurados
Formatos “caja negra”: Imágenes, vídeos,
música, etc.
Formatos binarios: PDF, PS, etc.
Requieren técnicas de tratamiento de la
señal, reconocimiento de patrones, etc.


★ Ejemplo:
Servicio Público de Empleo

http://www.sepe.es/contenidos/cifras/datos_estadisticos/municipios/


★★
Formatos estructurados

Los datos tienen una estructura
Ejemplo: Hojas de cálculo
Problema con formatos propietarios
Requieren herramientas que no son públicas


★★ Ejemplo:
Servicio Público de empleo

http://www.sepe.es/contenidos/cifras/datos_estadisticos/municipios/9


★★★
Formatos no propietarios
Utilizar formatos abiertos estructurados
Ejemplos: CSV, HTML
Problema: Contenido depende del contexto


★★★ CSV
“Comma separated values” valores
delimitados por comas


★★★ HTML
HTML está pensado para representar
información que se visualiza en el
navegador
El procesamiento puede requerir “screen
scrapping”


★★★★
URIs para identificar datos
Utilizar una URI para identificar un dato
Diferentes representaciones para cada tipo
de dato
Negociación de contenido


★ ★ ★ ★ XML
XML permite representar
información estructurada
Los documentos pueden
validarse (XML Schema)
Significado de etiquetas
depende de la aplicación


★★★★
Negociación de contenido
El protocolo de comunicación permite que el
navegador informe al servidor del tipo de
contenido que prefiere
El servidor devuelve una representación diferente
según las preferencias del cliente

cliente servidor

★★★★
¿2 representaciones para lo
mismo?
Ejemplo: Códigos de barras


★★★★★
Enlazar con otros datos
Asociar otros conjuntos de datos
Reutilización de datos
Inferencia de conocimiento

La mejor manera de explotar tus
datos se le ocurrirá a otro
Jo Walsh, Rufus Pollock, http://www.okfn.org/files/talks/xtech_2007/


★★★★★
Linking Open Data (2007)


★★★★★


La Web Semántica
Web semántica Web de Datos
Visión donde los datos se publican y se
enlazan con otros datos
Objetivos:
Reutilizar
Automatizar
Integrar

Tim Berners Lee, inventor de la WWW


Hacia la web semántica
Trust

Proof
Unifying Logic

Ontologies Rules
Query: OWL RIF
SPARQL
RDF Schema

RDF

XML

Unicode URI
Semantic web layer cake, by Tim Berners Lee


RDF
Resource Description Framework (1998)
Descripción de recursos
Recurso = se identifica con URI
Se basa en tripletas
Sujeto Predicado Objeto


Tripletas RDF
http://uniovi.es/juan

http://purl.org/dc/elements/1.1/creator
http://uniovi.es/biology
Objeto
Predicado Valor de una propiedad
Identificado por URI Puede ser:
Sujeto URI
Puede ser: Literal
URI Nodo anónimo
Nodo anónimo (bNode)

Notación Turtle
@prefix dc: <http://purl.org/dc/elements/1.1/ >.
@prefix uni: <http://uniovi.es/> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
uni:biologia dc:creator uni:juan .

Grafo RDF

uni:juan

dc:creator rdf:type

uni:Profesor
uni:biologia rdf:type
dc:creator uni:ana

Puede representarse en Notación Turtle
@prefix dc: <http://purl.org/dc/elements/1.1/> .

uni:biologia dc:creator uni:juan .
uni:biologia dc:creator uni:ana .
uni:juan rdf:type uni:Profesor .
uni:ana rdf:type uni:Profesor .

RDF es composicional

uni:juan
Grafo 1
dc:creator rdf:type

uni:Profesor
uni:biologia rdf:type
dc:creator uni:ana

dc:creator uni:Profesor
Grafo 2 uni:ana
rdf:type
uni:quimica
uni:Becario

dc:creator uni:luis rdf:type

Grafo 3 uni:luis rdf:type
uni:derecho
dc:creator
uni:Becario


RDF es composicional

uni:juan
Grafo 1
+ dc:creator rdf:type
Grafo 2
+ uni:biologia uni:Profesor
Grafo 3
rdf:type
dc:creator
uni:ana
dc:creator

uni:quimica uni:Becario
dc:creator
uni:luis rdf:type
dc:creator
uni:derecho


Formatos RDF
Existen varios formatos:
N3
RDF/XML
N-Triples
Turtle
etc.


SPARQL
Simple Protocol and RDF Query Language
Lenguaje de consultas para la web semántica
Encaje de grafos
Extrae información de modelos RDF
Un protocolo
Define un mecanismo para invocar un servicio
También define un vocabulario para resultados


SPARQL
Ejemplo


select ?n where
{ ?p rdf:type uni:Profesor.
?x dc:creator ?p .
}

“Nombres de recursos cuyo autor sea un profesor”


Encaje de grafos
?c
SELECT ?p ?c WHERE { uni:juan
?p dc:creator ?c .
?c rdf:type uni:Profesor . dc:creator rdf:type
} ?p
uni:biologia uni:Profesor

rdf:type
dc:creator ?c
?p uni:Profesor uni:ana
dc:creator

dc:creator rdf:type
?c uni:quimica uni:Becario
?p
dc:creator
uni:luis rdf:type
dc:creator
Resultados
uni:derecho
?p ?c
uni:biologia uni:juan
uni:biologia uni:ana
uni:quimica uni:ana

RDF Schema
Extiende RDF con un vocabulario de
esquema
Class, Property, Resource,…
type, subClassOf, subPropertyOf,…
range, domain,…
RDF Schema permite inferencias


RDF Schema
Ejemplo
uni:Persona

rdfs:subClassOf
uni:Profesor
rdf:type rdf:type
uni:juan


SPARQL + Inferencia
Las consultas SPARQL pueden combinarse
con la inferencia
Ejemplo:

select ?n where
{ ?p rdf:type uni:Persona.
?x dc:creator ?p .
?x foaf:name ?n .
}

“Nombres de recursos cuyo autor sea una persona”

SPARQL con inferencia
?c
SELECT ?p ?c WHERE { uni:juan
?p dc:creator ?c .
?c rdf:type uni:Persona . dc:creator rdf:type
rdf:type
} ?p
uni:biologia uni:Profesor
rdf:type rdfs:subClassOf
dc:creator ?c
?p uni:Persona uni:Persona
uni:ana
dc:creator
rdfs:subClassOf
rdf:type rdf:type
dc:creator ?c uni:quimica uni:Becario
?p
dc:creator ?c
uni:luis rdf:type
?p dc:creator
Resultados
uni:derecho
?p ?c
uni:biologia uni:juan
uni:biologia uni:ana
uni:quimica uni:ana
uni:derecho uni:luis

Ontologías
RDF Schema permite hacer inferencias sencillas
Limitaciones de expresividad

OWL (Web Ontology Language)
Añade más expresividad
Formalizar dominios concretos: ontologías

Expresividad vs Complejidad


Mitos de la Web Semántica
Navegador inteligente
Una nueva Web
El cerebro global
La gran verdad: Una única ontología
Una etiqueta para cada cosa
Nadie querrá compartir datos
Demasiada apertura
Moda pasajera
No hay Killer application

El navegador inteligente
Mito:
El objetivo es conseguir sistemas que
naveguen por internet de forma inteligente

Realidad:
Objetivo = desarrollar tecnologías que faciliten
el procesamiento automático de la
información de la Web y su integración
No es Inteligencia Artificial pero sí se utilizan
técnicas de esa disciplina

Una nueva Web
Mito:
La Web Semántica ( Web 3.0) es una nueva
versión de la web que obligará a cambiar todo
lo que ya hay

Realidad:
Se propone transición gradual. Las tecnologías
ofrecerán valor añadido.


El cerebro global
Mito:
El proyecto de la Web semántica generará un
cerebro global

Realidad:
La web semántica facilitará un mejor uso de los
datos de la web.
Sí es un camino hacia la inteligencia colectiva


La gran verdad
Mito:
Se propone la creación de una única
ontología con todo el conocimiento de la
humanidad

Realidad:
Múltiples ontologías para diferentes dominios
Facilitar la integración
Mejorar la descripción de dominios

Una etiqueta para cada cosa
Mito:
El objetivo es asignar una etiqueta similar a
RFID para cada cosa

Realidad
No es factible que cada cosa conlleve sus
propios metadatos
Pueden realizarse descripciones de recursos
externas


Nadie querrá compartir datos
Mito:
Los proveedores de información no tendrán
motivación para adoptar tecnologías nuevas

Realidad:
Lo harán cuando encuentren un retorno de
inversión adecuado
Posicionamiento semántico


Demasiada apertura
Mito:
Si se sacan los datos de las bases de datos, se
pierden

Realidad:
Tecnologías para limitar acceso y controlar
privacidad
Declarar de dónde provienen los datos
Establecer propiedad legal de los datos


Moda pasajera
Mito:
Mito1: La Web semántica es algo nuevo
Mito 2: La Web semántica es algo viejo

Realidad:
Planteada ya en 1994, visión a largo plazo
Exceso de entusiasmo vs escepticismo
Casos de éxito: RSS, microformatos, XBRL,…
"A little semantics goes a long way"


No hay killer application
Mito:
No se ha desarrollado una killer application

Realidad:
¿Es necesaria?
¿Podría ser el proyecto Linked Open Data?


Retos de la Web Semántica
Escalabilidad
¿Dónde están los agentes?
Privacidad y seguridad
Confianza
Manejar ambigüedad e imprecisión
¿Servicios web semánticos?


Grupo WESO

Creado en 2004
Depto. Informática - Universidad de Oviedo
8 investigadores
Multidisciplinar

http://www.weso.es
Facultad de Ciencias, Oviedo

Un caso práctico
Proyecto LeyChile, 2008
Biblioteca del Congreso nacional de Chile
Objetivo: Añadir Linked Open Data


Contexto BCN
300.000 normas y relaciones
Modificaciones, revisiones, etc.
Primera fase: sólo metadatos principales de
normas
Título, fechas, tipos, relaciones
Se excluye cuerpo de normas
Enlace con otros vocabularios


Problema: Modelado del grafo
Una norma puede ser modificada por otra
Decreto 296 Decreto 12066
Publicado en 1995-02-17 Publicado en 2005-05-15

Art..1. abc. Art. 1. Modifca decreto 296 de la siguiente forma:
Art. 2. def. substituye las palabras “a” por “xyz” en Art.1
Artí.3. ghi.

Entonces, el decreto 296 debe ser:
Decree 296

Art. 1. xyzbc.
Art. 2. def.
Art. 3. ghi.


Modelado de Grafo
Decreto 296 http://datos.bcn.cl/recurso/cl/DTO/ministerio-del-interior/1995-02-17/296/

http://datos.bcn.cl/recurso/cl/DTO/ministerio-del-interior/1995-02-17/296/es@1995-02-17
Original

Última versión http://datos.bcn.cl/recurso/cl/DTO/ministerio-del-interior/1995-02-17/296/es@2005-05-10


Terminal SPARQL
Enlace con otros países (tratados
internacionales…), DBPedia, Geonames…
Reutilización de vocabularios / Ontologías
SKOS, DC, FOAF, DBPedia, ORG


Terminal SPARQL
Ejemplo de consulta
Todas las normas emitidas por una municipalidad entre 1995 y 2000
que se modificaron después del 2005
PREFIX dc: <http://purl.org/dc/elements/1.1/>
PREFIX n: <http://datos.bcn.cl/ontologies/bcn-norms#>

SELECT ?normTitle ?creatorName ?pubDate ?pubDateOther
WHERE {
?norm n:createdBy ?creator .
?creator n:hasName ?creatorName .
?norm dc:title ?normTitle .
?norm n:publishDate ?pubDate .
?norm n:isModifiedBy ?otherNorm .
?otherNorm n:publishDate ?pubDateOther .
FILTER (regex(?creatorName,"MUNICIPALIDAD","i"))
FILTER (?pubDate > "1995" &&
?pubDate < "2000" &&
?pubDateOther > "2005")
}
ORDER BY (?pubDate)

Visualización gráfica


Representación geoespacial


Catálogos Linked Data


Otros Proyectos

10ders Information Services.
Licitaciones públicas de la Unión Europea
ROCAS: Razonamiento semántico en la nube
ORIGIN: Gestión conocimiento en organizaciones:
RRHH, Calidad, etc.
ORBITA: Visualización de Linked Data
RETINAS: Seguridad en tiempo real
BOPA: Buscador semántico Boletín Oficial P. de Asturias
Multilingual Web. Red temática europea + W3c

Líneas de investigación

Aplicaciones de Linked Data
eGovernment, Buscadores, Confianza
Escalabilidad y Temporalidad
Razonamiento distribuido
Algoritmos de recomendación
Realimentación de ontologías e identificación
Visualización y consumo de LD
Multilingüismo

Fin de la presentación

Más información:
http://www.di.uniovi.es/~labra

Caminando hacia la Web Semántica: Datos abiertos enlazados

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Andere mochten auch

Andere mochten auch (9)

Ähnlich wie Caminando hacia la Web Semántica: Datos abiertos enlazados

Ähnlich wie Caminando hacia la Web Semántica: Datos abiertos enlazados (20)

Mehr von Jose Emilio Labra Gayo

Mehr von Jose Emilio Labra Gayo (20)

Caminando hacia la Web Semántica: Datos abiertos enlazados