Teaching Linked Open Data in Dutch

For Syntra West

Transcript

1. Linkende Open Data Pieter Colpaert pieter.colpaert@ugent.be UGent - iMinds - Open Knowledge Belgium
2. 1. Basisconcepten rond data a. Data Discussie: datakwaliteit en interoperabiliteit b. Open Data Discussie: data publiceren vs. data services c. Gelinkte data 2. De Linked Open Data cloud en het Semantische Web a. hoe data publiceren? b. hoe data hergebruiken? Programma
3. Data
4. Nederlandse wikipedia: Een datum is de vastgelegde uitdrukking van een feit
5. Wat is datakwaliteit? [discussie]
7. Wat is interoperabiliteit? [discussie]
8. systeem 2 systeem 1 Een verzameling van datasets dataset 1
9. ↓ Querying syntactic object semantic technical legal process Zou het databeheer samengevoegd kunnen worden? Mag je volgens de licenties en juridisch kader de data samenvoegen? Zijn communicatie-middelen aansluitbaar? Bvb. datasysteem met telefoon vs. datasysteem enkel bereikbaar via post Hoe makkelijk kan ik over de grenzen van je dataset heen vragen stellen? Hoe interoperabel zijn de uitwisselformaten van beide datasets? Bvb. JSON vs. PDF? Welke stukken data kan ik in 1 keer opvragen en hoe is ze hiërarchisch gestructureerd? Betekenen woorden gebruikt in mijn dataset hetzelfde als woorden gebruikt in de jouwe?
10. Open Data Omdat niet persoonsgebonden data veel meer waard worden als iedereen ze kan hergebruiken
11. hergebruik mag Data op het web hergebruik in grijze zone hergebruik mag niet
12. OpenDefinition.org
13. Data publiceren vs. data services [discussie]
14. Data-dumps Web-documenten query language service Algorithms as a service Data publishing Data services Hoge beschikbaarheid Niet use-case-specifiek Veel dataverwerking op server Voor specifieke use case
15. Gelinkte Data Omdat het onmogelijk is om alle kennis op te slaan op 1 machine.
16. name type same as vestiging iMinds Bedrijf IBBT Gaston Crommenlaan 8 { “iMinds” : { “type” : “Bedrijf”, “same as” : “IBBT, “vestiging” : “Gaston Crommenlaan 8” } } <iMinds> <type>Bedrijf</type> <sameas>IBBT</sameas> <vestiging> Gaston Crommenlaan 8 </vestiging> </iMinds> Table / CSV / Spreadsheet JSON XML Serialisaties
17. name type same as vestiging iMinds Bedrijf IBBT Gaston Crommenlaan 8 { “iMinds” : { “type” : “Bedrijf”, “same as” : “IBBT, “vestiging” : “Gaston Crommenlaan 8” } } <iMinds> <type>Bedrijf</type> <sameas>IBBT</sameas> <vestiging> Gaston Crommenlaan 8 </vestiging> </iMinds> <iMinds> <type> <Bedrijf> . <iMinds> <sameas> <IBBT> . <iMinds> <vestiging> “Gaston Crommenlaan 8” . Table / CSV / Spreadsheet JSON XML triples Triple structuur
18. World Wide Web iMinds is hetzelfde als IBBT iMinds is een Bedrijf IBBT is gevestigd in Gaston Crommenlaan 8 Machine 1 Machine 2 Machine 3 Gelinkte data
19. Probleem Bedrijf als woord is ambigu. Hoe zorgen we dat alle machines hetzelfde verstaan? semantische interoperabiliteit en wat met de relatie “is een”? en wat met “iMinds”?
20. Oplossing iMinds → http://data.kbodata.be/organisation/0866_386_380#id is een → http://www.w3.org/1999/02/22-rdf-syntax-ns#type Bedrijf → http://www.w3.org/ns/regorg#RegisteredOrganization Uniform Resource Identifiers (URI’s) een triple = is een atomair stukje data (een datum of feit) dat niet verkeerd verstaan kan worden op machine-niveau in een Web-context
21. iMinds Bedrijf is een iMinds → http://data.kbodata.be/organisation/0866_386_380#id is een → http://www.w3.org/1999/02/22-rdf-syntax-ns#type Bedrijf → http://www.w3.org/ns/regorg#RegisteredOrganization
22. KBO iMinds Bedrijf is een Open Knowledge Belgium TVH Maes …
23. KBO CRAB Gebou wen Register Groen dienst
24. Linked Open Data cloud: de verzameling van biljoenen triples gepubliceerd via het Web
25. ↓ Querying syntactic object semantic technical legal process weinig invloed Open Data: ✓ Het web: ✓ Link traversal, SPARQL en webservices ✓ Syntax geen probleem: Moet transformeerbaar zijn naar triples ✓ Objectmodel kan zelf beslist worden Geen ambigue woorden: URI’s ✓ Semantische links: ✓
26. Samenvatting Nieuwe termen: datakwaliteit, data-interoperabiliteit, triples, open data, data publiceren vs. services, linked open data cloud Linked Open Data betekent uw data meer interoperabel maken met andere datasets gepubliceerd op het web door het gebruik van URI’s en triples als atomaire bouwblokken.
27. Het publiceren van gelinkte data
28. Bvb. bezoek deze links iMinds → http://data.kbodata.be/organisation/0866_386_380#id is een → http://www.w3.org/1999/02/22-rdf-syntax-ns#type Bedrijf → http://www.w3.org/ns/regorg#RegisteredOrganization
29. Linked Data principles 1. Voor elk woord gebruik je een URI 2. Iedereen moet je URI kunnen opzoeken via HTTP 3. De info te vinden via de URI bevat triples 4. De gevonden triples bevatten ook links naar externe relevante datasets Alleen belangrijk als je nieuwe URI’s definieert. Niet nodig als je uitspraken doet over zaken die al online te vinden zijn
30. Bvb. ik lanceer een nieuw bedrijf {mijnnieuwbedrijf} → http://{mijnnieuwbedrijf}.be/#org is een → http://www.w3.org/1999/02/22-rdf-syntax-ns#type Bedrijf → http://www.w3.org/ns/regorg#RegisteredOrganization Een identifier voor uw bedrijf en jij bent baas over de betekenis.
31. Opgelet voor ambiguïteit
32. Bvb. ik lanceer een nieuw bedrijf {mijnnieuwbedrijf} → http://{mijnnieuwbedrijf}.be/#org is een → http://www.w3.org/1999/02/22-rdf-syntax-ns#type Bedrijf → http://www.w3.org/ns/regorg#RegisteredOrganization {mijnnieuwbedrijf} → http://{mijnnieuwbedrijf}.be/#org heeft een home page → http://xmlns.com/foaf/0.1/homepage http://{mijnnieuwbedrijf}.be/
33. Welk URI’s gebruiken? http://lov.okfn.org de plaats waar je kan zoeken naar vocabularia van URI’s
34. Publicatiemechanismen 1. Datadumps 2. Triples binnenin HTML pagina’s 3. JSON → JSON-LD webservices 4. Triple pattern fragments Enkele voorbeelden
35. http://wiki.dbpedia.org/Downloads2014 → Alle feiten in wikipedia in 1 file Datadump 1 grote file met een lijst van triples Voordeel: direct te importeren in een eigen systeem Probleem: moeilijk up to date te houden
36. Triples binnenin HTML HTML annoteren met RDFa
37. Triples binnenin HTML Voordeel: na crawlen van de pagina, machine-leesbaar formaat HTML annoteren met RDFa
38. JSON API Oude manier: Ga in app naar URL, krijg data om direct te gebruiken (geliefd bij app ontwikkelaars) Voordeel: makkelijk opnieuw op te halen → real-time data http://{adres naar API-document over Empire State}
39. JSON-LD API Voeg “context” toe: ieder woord krijgt een URI Voordeel: API’s worden semantisch gedesambigueerd Voordeel: 2 APIs met gelijkaardige context zijn semantisch interoperabel
40. Triple Pattern Fragments basis-vragen toelaten op uw server iMinds → is een → ? iets ?iets → is een → bedrijf ?iets → is een → ?wat ?iets → ?relatie → ?wat iMinds → is een → Bedrijf ? Voordeel: laat apps toe om zelf complexe vragen te stellen over het real-time Web Bvb: http://fragments.dbpedia.org
41. Nog vragen? Pieter Colpaert pieter.colpaert@ugent.be