caminando hacia la web semántica: datos abiertos enlazados

Caminando hacia la Web Semántica:

Datos abiertos enlazados

Jose Emilio Labra Gayo

Universidad of Oviedo, Spainhttp://www.di.uniovi.es/~labra

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

Presentación

Director Escuela de Ingeniería InformáticaUniversidad de Oviedo, España

Fundador Equipo investigación WESO (WEb Semántica Oviedo)

Autor libro Web SemánticaPróxima apariciónEditorial NetBiblo, Colección Pcket Innovahttp://www.netbiblo.com


La charla en 1’

¿Qué pasa?

¿Porqué?

¿Cómo?

La era de los datos

Razones para publicar datos

Datos abiertos enlazados

Web Semántica: Mitos y retos


¡Cuidado…llega la

Web de datos!


Evolución de la Web

Crecimiento casi exponencial

Fuente: Netcraft webserver survey

Octubre 2011: 504 millones de sitios Web


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

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…..

Fuente: http://www.coverpop.com/pop/flickr_interesting

http://www.facebook.com/note.php?note_id=76191543919

http://beerpla.net/2008/08/14/how-to-find-out-the-number-of-videos-on-youtube/

http://www.coverpop.com/pop/flickr_interesting


Internet de las cosas

Cada vez más dispositivos estarán conectados a InternetFrigoríficos, coches, …

Frigorífico con Internet


Y lo que falta…

Aumento de sensores y generadores de datosEjemplo: Acelerador de partículas LHC

producirá 15 petabytes de datos/año

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 liderazgoFomentar participación

Generar confianza

Evitar datos alternativos no-oficiales


Si realmente quieres algo…

…déjalo libre


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 públicoSon nuestros

Los hemos pagado con nuestros impuestos

Retorno de inversión

OK, ¡vivan los datos abiertos!pero…

¿Cómo publicarlos?


El mayor reto = IntegraciónEn general, el problema no es informatizar algo

El problema es integrar los sistemas

Interoperabilidad

No basta con publicar datos…


Accesibilidad Universal

Niveles de accesibilidadDiscapacidad física

Motivos técnicos: otros entornos

IntelectualAnalfabetismo

Barreras de conocimiento

Accesibilidad culturalOtros 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

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 cálculoProblema 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

★ ★ ★ ★

http://puzzles.org/pieza23471


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

URIUnicode

XML

RDF

Query:SPARQL

RDF Schema

OntologiesOWL

Trust

Dig

ital

Si g

na t

ure

Unifying Logic

RulesRIF

Proof

Semantic web layer cake, by Tim Berners Lee


RDF

Resource Description Framework (1998)

Descripción de recursosRecurso = se identifica con URI

Se basa en tripletas

Sujeto Predicado Objeto


Tripletas RDF

http://purl.org/dc/elements/1.1/creator

Sujeto

Puede ser:

URI

Nodo anónimo (bNode)

Predicado

Identificado por URI

Objeto

Valor de una propiedad

Puede ser:

URI

Literal

Nodo anónimo

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 .

http://uniovi.es/biology

http://uniovi.es/juan


Grafo RDF

@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .@prefix uni: <http://uniovi.es/> .@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 .

Puede representarse en Notación Turtle

uni:biologia

uni:juan

dc:creator

uni:anadc:creator

uni:Profesor

rdf:type

rdf:type


RDF es composicional

uni:quimica

uni:ana

dc:creator

uni:luisdc:creator

uni:Becario

rdf:type

uni:biologia

uni:juan

dc:creator

dc:creator

uni:Profesor

rdf:type

rdf:type

uni:derechodc:creator

uni:Profesoruni:ana

rdf:type

uni:luis

uni:Becario

rdf:type

Grafo 1

Grafo 2

Grafo 3


RDF es composicional

uni:quimica

uni:anadc:creator

uni:luis

dc:creator

uni:Becario

rdf:type

uni:biologia

uni:juan

dc:creator

dc:creator

uni:Profesor

rdf:type

rdf:type

uni:derecho

dc:creator

Grafo 1+

Grafo 2+

Grafo 3


Formatos RDF

Existen varios formatos:N3

RDF/XML

N-Triples

Turtle

etc.

¡Lo más importante es el modelo de grafo!


SPARQL

Simple Protocol and RDF Query LanguageLenguaje de consultas para la web semántica

Encaje de grafos

Extrae información de modelos RDF

Un protocoloDefine un mecanismo para invocar un servicio

También define un vocabulario para resultados


SPARQL

Ejemplo

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

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

“Nombres de recursos cuyo autor sea un profesor”


Encaje de grafosSELECT ?p ?c WHERE { ?p dc:creator ?c . ?c rdf:type uni:Profesor .}

uni:quimica

uni:anadc:creator

uni:luis

dc:creator

uni:Becario

rdf:type

uni:biologia

uni:juan

dc:creator

dc:creator

uni:Profesor

rdf:type

rdf:type

uni:derecho

dc:creator

?p

dc:creator ?c

uni:Profesor

rdf:type

?p

?c

Resultados ?p ?c

uni:biologia uni:juan

uni:quimica uni:anauni:biologia uni:ana

?p

?c

?p

?c


RDF Schema

Extiende RDF con un vocabulario de esquemaClass, Property, Resource,…

type, subClassOf, subPropertyOf,…

range, domain,…

RDF Schema permite inferencias


RDF Schema

rdf:type

uni:Profesor

rdfs:subClassOf

uni:Persona

Ejemplo

uni:juan

rdf:type


SPARQL + Inferencia

Las consultas SPARQL pueden combinarse con la inferencia

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

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

“Nombres de recursos cuyo autor sea una persona”


uni:quimica

uni:anadc:creator

uni:luis

dc:creator

uni:Becario

rdf:type

uni:biologia

uni:juan

dc:creator

dc:creator

uni:Profesor

rdf:type

rdf:type

uni:derecho

dc:creator

uni:Persona

rdfs:subClassOf

rdfs:subClassOf

SPARQL con inferenciaSELECT ?p ?c WHERE { ?p dc:creator ?c . ?c rdf:type uni:Persona .}

?p

dc:creator ?c

uni:Persona

rdf:type

?p

?c

Resultados ?p ?c

uni:biologia uni:juan

uni:quimica uni:anauni:biologia uni:ana

?p

?c

?p

?c

rdf:type

rdf:type

?p

?c

uni:derecho uni:luis


Ontologías

RDF Schema permite hacer inferencias sencillasLimitaciones 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

RealidadNo 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 escepticismoCasos 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

Grupo WESO

Facultad de Ciencias, Oviedo

http://www.weso.es

Colaboradores


Un caso práctico

Proyecto LeyChile, 2008

Biblioteca del Congreso nacional de ChileObjetivo: Añadir Linked Open Data


Contexto BCN

300.000 normas y relacionesModificaciones, revisiones, etc.

Primera fase: sólo metadatos principales de normasTítulo, fechas, tipos, relaciones

Se excluye cuerpo de normas

Enlace con otros vocabularios


Problema: Modelado del grafo

Una norma puede ser modificada por otraDecreto 296Publicado en 1995-02-17

Art..1. abc.Art. 2. def.Artí.3. ghi.

Decreto 12066Publicado en 2005-05-15

Art. 1. Modifca decreto 296 de la siguiente forma: substituye las palabras “a” por “xyz” en Art.1

Entonces, el decreto 296 debe ser:Decree 296

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

URIs para todos


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

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

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


Enlace con otros países (tratados internacionales…), DBPedia, Geonames…

Reutilización de vocabularios / OntologíasSKOS, DC, FOAF, DBPedia, ORG

Terminal SPARQL


Terminal SPARQL

Ejemplo de consultaTodas las normas emitidas por una municipalidad entre 1995 y 2000que se modificaron después del 2005PREFIX dc: <http://purl.org/dc/elements/1.1/>

PREFIX n: <http://datos.bcn.cl/ontologies/bcn-norms#>

SELECT ?normTitle ?creatorName ?pubDate ?pubDateOtherWHERE { ?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

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

Otros Proyectos

Aplicaciones de Linked DataeGovernment, Buscadores, Confianza

Escalabilidad y TemporalidadRazonamiento distribuido

Algoritmos de recomendaciónRealimentación de ontologías e identificación

Visualización y consumo de LD

Multilingüismo

Líneas de investigación

Fin de la presentación

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

caminando hacia la web semántica: datos abiertos enlazados

Documents