WS12/13 -- IT-Zertifikat: Daten- und Metadatenstandards | Klausurvorbereitung

Transcript

1. Universität zu Köln. Historisch-Kulturwissenschaftliche Informationsverarbeitung Jan G. Wieners // jan.wieners@uni-koeln.de Daten- und Metadatenstandards Wintersemester 2012 / 2013 23. Januar 2013 – Klausurvorbereitung
2. Was war wichtig? … … … Daten- und Metadatenstandards
3. /
4.  Daten, Information, Metadaten – was ist das?  Extensible Markup Language (XML)  Eigene Standards definieren: Dokumenttypdefinitionen (DTD)  XPath und XSLT  TEI  Metadatenstandards im BAM-Sektor:  MAB  MARC  Dublin Core  METS/MODS  Semantic Web: RDF und Co. Themenüberblick Sommersemester 2012
5. I. Termini & Co.
6. Quelle: http://www.wzl.rwth-aachen.de/de/ebecb2e7d199a686c125736f00454c10/11_v_deu.pdf
8. Metadaten / Metainformationen?
9. II. Text / XML Wohlgeformtheit und Gültigkeit
10. Text?
11. Text! Inhalt „Trebnitz 10. November [1915] Liebster Kafka. Bedenken Sie meine große Versumpftheit“ Struktur Darstellung
12. Grundidee (wichtig!): Strikte Trennung von  Inhalt (XML)  Struktur (DTD / Schema)  Darstellung (CSS / XSLT) XML & Co.
13. <nachrichtensammlung> <nachricht> <sender>Jan Wieners</sender> <empfaenger> Kursteilnehmerinnen und -teilnehmer</empfaenger> <inhalt>Hallo!</inhalt> </nachricht> </nachrichtensammlung> Wohlgeformtheit? Gültigkeit XML: Aufbau
14. Elemente bzw. Tags definieren  Einzelnes Element: <!ELEMENT titel (#PCDATA)>  Verschachtelung von Elementen repräsentieren: <!ELEMENT bild (titel, url, abstract, person+, bauwerk+)> Bitte beachten / merken: + (Pluszeichen): Das Tag muss mindestens einmal vorkommen, darf aber auch öfter im XML-Dokument angegeben werden. ? (Fragezeichen): Das Element darf einmal vorkommen, muss jedoch nicht im XML-Dokument angegeben sein. * (Sternchen): Das Tag darf mehrmals im XML-Dokument vorkommen, darf jedoch fehlen. #PCDATA (PCDATA = "Parseable Character Data"): Beliebige Daten / Zeichen als Inhalt des XML-Elementes Dokumenttypdefinitionen (DTD)
15. Attribute definieren  <!ATTLIST tagname attributname CDATA #IMPLIED> Beachten / Merken: #REQUIRED  Jedes Element mit dem Namen „tagname“ muss das Attribut „attributname“ enthalten. #IMPLIED  Das Attribut kann angegeben werden, muss jedoch nicht angegeben werden. Dokumenttypdefinitionen (DTD)
16.  Schreiben Sie ein XML-Dokument (ohne XML-Deklaration und DOCTYPE-Angabe) für die im Folgenden wiedergegebene Dokumenttypdefinition (DTD): <!ELEMENT catalog (cd+)> <!ELEMENT cd (title, artist+, label, price, year)> <!ELEMENT title (#PCDATA)> <!ELEMENT artist (#PCDATA)> <!ELEMENT label (#PCDATA)> <!ELEMENT price (#PCDATA)> <!ELEMENT year (#PCDATA)> <!ATTLIST cd previewimage CDATA #IMPLIED> Übung I
17.  Schreiben Sie eine Dokumenttypdefinition für das im Folgenden angegebene XML-Markup: <nobelpreistraeger-literatur> <preistraeger> <jahr>2009</jahr> <name>Herta Müller(* 1953)</name> <land>Deutschland</land> <begruendung>die mittels Verdichtung der Poesie und Sachlichkeit der Prosa Landschaften der Heimatlosigkeit zeichnet</begruendung> </preistraeger> <preistraeger> <jahr>2010</jahr> <name>Mario Vargas Llosa(* 1936)</name> <land>Peru Peru / Spanien Spanien</land> <begruendung>für seine Kartographie der Machtstrukturen und scharfkantigen Bilder individuellen Widerstands, des Aufruhrs und der Niederlage</begruendung> </preistraeger> </nobelpreistraeger-literatur> Übung II
18.  Wie verhalten sich die Konzepte „Zeichen“, „Daten“ und „Information“ zueinander?  Was sind Metadaten? Wozu werden Metadaten benötigt?  Worin besteht das Problem, das mit Hilfe von Metadaten gelöst werden soll?  Was bezeichnet die „Wohlgeformtheit“, was die „Gültigkeit“ von XML-Dokumenten?  Welche Anforderungen werden an ein wohlgeformtes XML- Dokument gestellt?  Was verbirgt sich hinter der Abkürzung „DTD“?  Was beschreibt eine DTD / welchen Sinn haben Schemata?  Grob: Von XML nach DTD  Grob: Von DTD nach XML  […] …und die Klausur?
19. III. XSLT
20. XSLT und die Praxis: CD-Katalog
21. cdkatalog-foreach.xslt <?xml version="1.0" encoding="ISO-8859-1"?> <xsl:stylesheet xmlns:xsl="http://www.w3.org/1999/XSL/Transform" version="2.0"> <xsl:output method="html"/> <xsl:template match="/"> <html> <head> <title>CD-Kollektion</title> </head> <body> <h2>Meine CD-Kollektion</h2> <h3>Titel (&lt;cd&gt; Tags) in XML-Datenbasis: <xsl:variable name="Anzahl_CDs" select="/catalog/cd"/> <xsl:value-of select="count($Anzahl_CDs)"/> </h3> […] XSLT und XPath: Praxis II  Variablen
22. cdkatalog-foreach.xslt […] <xsl:for-each select="/catalog/cd"> <h3>CD <xsl:value-of select="position()" /></h3> Titel: <xsl:value-of select="title" /><br /> Künstler: <xsl:value-of select="artist" /><br /> Label: <xsl:value-of select="label" /><br /> Jahr: <xsl:value-of select="year" /><br /> Bildurl: <xsl:value-of select="@previewimage"/> <br /> <img> <xsl:attribute name="src"> <xsl:value-of select="@previewimage"/> </xsl:attribute> </img> </xsl:for-each> </body> </html> </xsl:template> </xsl:stylesheet> XSLT und XPath: Praxis III  for-each
23. IV. XSLT und Xpath: Achsen & Co.
24. XPath arbeitet mit dem vom Prozessor verarbeiteten (geparsten) XML-Dokument Ein Beispiel: <?xml version="1.0" encoding="UTF-8"?> <buecher> <autor> <name>Murakami</name> <vorname>Haruki</vorname> </autor> <titel>Hard-boiled Wonderland</titel> <gattung>Roman</gattung> </buecher> XPath
25. 1 <buecher> 2 <autor> 3 <name>Murakami</name> 4 <vorname>Haruki</vorname> </autor> 5 <titel>Hard-boiled Wonderland</titel> 6 <gattung>Roman</gattung> </buecher> XPath 1 2 5 6 3 4 Zahlenwerte 1 bis 6 geben die Reihenfolge an, in der ein XML- Prozessor die Knoten ablaufen wird.  Dokumentreihenfolge („Document Ordner“) / Tiefensuche
26. Wichtig: Knotenbeziehungen  Achsen:  Elternknoten (parent) – Jedes Element verfügt über einen Elternknoten. Ausnahme: ???  Vorfahre (ancestor) – Elternknoten von Knoten Beispiel: Der Knoten „2“ ist Vorfahre des Knotens „3“.  Kind (child) – Untergeordnete Knoten Beispiel: „3“ ist Kindknoten von „2“.  Geschwister (siblings): Knoten mit gleichen Elternknoten sind Geschwisterknoten. Beispiel: Der Knoten „3“ ist Geschwisterknoten des Knotens „4“. XPath: Navigation 1 2 5 6 3 4
27.  Verfügbare Achsen:  child (Kind)  parent (Elternknoten  ../)  descendant (Nachkommen)  ancestor (Vorfahre)  following (Nachfolgende Knoten)  preceding-sibling (Vorherige Geschwisterknoten)  following-sibling (Nachfolgende Geschwisterknoten)  self (aktueller Knoten  .)  descendant-or-self (Nachkomme oder aktueller Knoten)  ancestor-or-self (Vorfahre oder aktueller Knoten) XPath: Achsen
28. Um auf die Knoten eines XML-Dokumentes zugreifen zu können, müssen sie adressiert werden. In XPath wird hierzu – vom aktuellen Knoten ausgehend – ein Pfad definiert. Unterscheidung ausführliche vs. verkürzte Achsenbezeichnung:  ausführlich: /child::autor/child::buch/attribute::titel  verkürzt: /autor/buch/@titel Adressierung
29. Was verbirgt sich hinter der Abkürzung „XSLT“?  Was ist XSLT?  Wozu dient XSLT? In welchem Verhältnis stehen XSLT und XPath zueinander? Wozu dient XPath? Wozu wird die Angabe <xsl:value-of select=”Xpath-Ausdruck”/> verwendet - was geschieht hier? Nennen und beschreiben Sie zwei XPath-Achsen. …und die Klausur
30. Gegeben sei die folgende XML-Datei: <buecher> <buch> <autor gender=“male“> <name>Murakami</name> <vorname>Haruki</vorname> </autor> <titel>Hard-boiled Wonderland</titel> <gattung>Roman</gattung> </buch> <buecher> Was liefern die folgenden XPath-Ausdrücke zurück / Was selektieren die folgenden XPath-Ausdrücke?  <xsl:value-of select="/buecher/buch/autor/name" />  <xsl:value-of select="//titel" />  <xsl:value-of select="/buecher/buch/autor/@gender"/>  <xsl:for-each select="/buecher/buch"> …und die Klausur II
31. V. TEI Die Text Encoding Initiative
32. Eine Lösung: TEI (Text Encoding Initiative)  Fokus: Text TEI bezeichnet sowohl  das Konsortium (TEI-C),  als auch einen Standard zur Kodierung und zum Austausch von Textdokumenten „TEI hat ein unabhängiges, portables und offenes Format [für die] Speicherung, Austausch und Analyse von Texten in den Geisteswissenschaften entwickelt. Das konkrete Resultat dieser Arbeit sind sowohl Richtlinien für die Kodierung unterschiedlicher Textsorten als auch das Textkodierungsformat selber.“ (http://www.onb.ac.at/sichtungen/print/bruvik-tm-1a-print.html)  Richtlinien und Format sind frei zugänglich und kostenlos Text Encoding Initiative (TEI)
33. Intention:  1987 entstanden als internationale Initiative von Philologen  Dokumentenformat zur Repräsentation von Texten in digitaler Form  Vielseitigkeit & Praxisnähe  „gekennzeichnet, von [der Bemühung,] ein Regelwerk zu bestimmen, da[s] dem Anwender möglichst viel Freiheit überläßt und möglichst wenige Vorentscheidungen trifft“ (http://computerphilologie.uni-muenchen.de/praxis/teiprax.html) Text Encoding Initiative (TEI)
34. Versionsgeschichte  1990: TEI P1 (P => Proposal, Entwurf / Plan) Basiert auf SGML  1992 / 1993: TEI P2  1994: TEI P3 ("Green Books")  2002: TEI P4 (XML-basiert)  2002: TEI Lite  2007 TEI P5
35. TEI-kodierter Text besteht aus mehreren Abschnitten:  1. Kopf des Dokumentes (teiHeader)   Informationen über den kodierten Text TEI
36. TEI-kodierter Text besteht aus mehreren Abschnitten:  2. Der eigentliche Text TEI
37. Intention: u.a. Wahrung der Gedichtcharakteristika, i.e. Strophen- und Verseinteilung TEI Hugo von Hofmannsthal – Die Beiden Sie trug den Becher in der Hand – Ihr Kinn und Mund glich seinem Rand –, So leicht und sicher war ihr Gang, Kein Tropfen aus dem Becher sprang. So leicht und fest war seine Hand: Er ritt auf einem jungen Pferde, Und mit nachlässiger Gebärde Erzwang er, daß es zitternd stand. Jedoch, wenn er aus ihrer Hand Den leichten Becher nehmen sollte, So war es beiden allzu schwer: Denn beide bebten sie so sehr, Daß keine Hand die andre fand Und dunkler Wein am Boden rollte.
38. Intention II: Eröffnen von Analyse- und Retrievalmöglichkeiten, z.B. per XSLT: „Gebe den zweiten Vers der dritten Strophe aus“.  Indexierung: Speichern von (relevanten) Schlüsselwörtern TEI
39. Worum geht‘s? Intention der Initiative? Was ist mit der Abkürzung „TEI“ signifiziert? Ganz grob: Aufbau eines TEI-Dokumentes …und die Klausur?
40. VI. Metadatenstandards im „BAM“-Sektor
41.  „BAM“-Sektor: Bibliotheken, Archive, Museen  Digitale Bibliotheken, Digitale Archive, Digitale Museen  Bibliographische Metadaten  MARC  MAB  MARCXML  Dublin Core (DC)  Metadata Object Description Schema (MODS)  Digitale Objekte  Metadata Encoding and Transmission Standard (METS)  Gruppierung digitaler Objekte  Open Archives Initiative (OAI)  OAI-PMH  (Eingebettete) Metadaten für Multimedia  Bild: (GIF, PNG, JPEG), TIFF, EXIF  Audio: ID3 / ID3v2 Metadatenstandards im „BAM“-Sektor
42. Arten von Metadaten:  Administrative metadata for managing resources, such as rights information  Descriptive metadata for describing resources (Beispiel: Zettel des Zettelkataloges)  Preservation metadata for describing resources, such as recording preservation actions  Technical metadata related to low-level system information, such as data formats and any data compression used  Usage metadata related to system use, such as tracking user behavior  “End user’s view is only the tip of the iceberg: Much of the metadata is not intended for public display” Metadaten
43. Arten von Metadaten (nach Witten et al.):  Administrative metadata for managing resources, such as rights information  Descriptive metadata for describing resources (Beispiel: Zettel des Zettelkataloges)  Preservation metadata for describing resources, such as recording preservation actions  Technical metadata related to low-level system information, such as data formats and any data compression used  Usage metadata related to system use, such as tracking user behavior  “End user’s view is only the tip of the iceberg: Much of the metadata is not intended for public display” Metadaten
44.  MARC  MAB  MARCXML  Dublin Core (DC)  Metadata Object Description Schema: MODS  OAI: Open Archives Initiative Bibliographische Metadaten: Standards
45. Satz von 15 Elementen zur Beschreibung von Ressourcen:  Title  Creator  Subject  Description  Publisher  Contributor  Date  Type  Format  Identifier  Source  Language  Relation  Coverage  Rights  Alle Elemente sind optional und wiederholbar, die Reihenfolge ist beliebig Dublin Core
46. METS / MODS
47. OAI / OAI-PMH
48. Worum geht‘s? Worin besteht die Herausforderung im „BAM“-Sektor? Arten von Metadaten im Kontext digitaler Bibliotheken nach Witten et al.? Verortung im Gesamtkontext: MARC, MAB, MARCXML, Dublin Core, METS / MODS OAI? …und die Klausur?
49. VII. Semantic Web
50. …die Nadel im Heuhaufen…?
51. Suchmaschinen: Google
52. Oh weh, was meint sie / er damit bloß??? Den Computermechanismen mangelt‘s an Wissen! „knowledge gap“:  Probleme im Verständnis natürlicher Sprache  Interpretation des Inhaltes von Bildern oder anderen multimedialen Dingen  Computer verfügt nicht über Hintergrundwissen über das der Benutzer / die Benutzerin verfügt  Computer verfügt nicht über Hintergrundwissen über die Benutzerin / den Benutzer
53. Paradigmenwechsel: von passiver Rechenleistung zu aktiver Rechenleistung (Verständnis der Inhalte) Das Semantic Web will Computern helfen, die Bedeutung hinter den Webseiten zu "verstehen“  Das derzeitige WWW dreht sich um Dokumente  Das Semantic Web dreht sich um Dinge (Menschen, Musik, Filme), um Konzepte Eine Möglichkeit: Einbettung semantischer Information in HTML-Seiten Semantic Web
55. Annotation – Beispiel: Mikroformat „hCard“ (vgl. http://de.wikipedia.org/wiki/Mikroformate) : XHTML, einfach: <div> <div>Max Mustermann</div> <div>Musterfirma</div <div>01234/56789</div> <a href="http://example.com/">http://example.com/</a> </div> Im Mikroformat „hCard“: <div class="vcard"> <div class="fn">Max Mustermann</div> <div class="org">Musterfirma</div> <div class="tel">01234/56789</div> <a class="url" href="http://example.com/">http://example.com/</a> </div> Ein Mikroformat: hCard
56. “Home pages typically say things such as:”  "My name is..."  "I work for..."  "I'm interested in..."  "I live near..."  "My blog is..."  "I write in this weblog..."  "You can see me in this picture..."  "My Public Key is ..." “FOAF is a way to say all those things, but so that computers can interpret it. Computers can't understand English yet, so we have to be a little more precise in how we say these things. FOAF is a way of saying these things for computers.” Friend-of-A-Friend (FOAF)
57. W3C RDF Validation Service
58. The Resource Description Framework (RDF)  Erfunden, um Ressourcen im WWW zu beschreiben  RDF ist domänenunabhängig, d.h. kann auch dazu verwendet werden, Entitäten der realen Welt zu beschreiben  RDF ist eine einfache Modellierungssprache, ist jedoch die Grundlage für komplexere Sprachen wie OWL RDF
59. Unterscheidung:  Ressourcen: Alles, was über einen Uniform Resource Identifier (URI) referenziert werden kann  Eigenschaften (properties): Eigenschaften von Ressourcen  Ausdrücke (Expressions) werden geformt mit Tripeln in der Form (Subjekt, Prädikat, Objekt)  Ausdrücke (statements) = resource + properties RDF
60. Visualisierung: Graphdarstellung (http://de.wikipedia.org/wiki/Köln,lastModified,2011-10-23) (urn:example:city:cologne,inhabitants,1007119) (http://de.wikipedia.org/wiki/Köln,isAbout,urn:example:city:cologne) RDF: Tripel
61. Semantic Web: Worin besteht das Problem des WWW? Was ist die Vision des Semantic Web?  „Knowledge Gap“  Annotation, Metadaten, etc. Mikroformate: hCard FOAF: Intention? Woraus besteht ein RDF-Tripel? URI, URL, URN? Bilden Sie die Aussage „Die Stadt Köln hat 1.036.100 Einwohner“ in einem Tripel ab. …und die Klausur?
62. /