Curs 1.6. Dades Enllaçades (14/02)

INICIATIVA BARCELONA OPEN DATA EL VALOR D’OBRIR LES DADES

Datos enlazadoscurso 1.6

Docente:Álvaro Sicilia @alvarosiciliago

https://twitter.com/ignasialcalde

https://twitter.com/ignasialcalde

OBJECTIVO DE LA SESIÓN

● Al final de la sesión seréis capaces de:

● Definir que son los datos enlazados y la web semántica

● Identificar datos enlazados y saber navegar por ellos

● Describir recursos en la web (RDF)

● Identificar tecnologías para enlazar datos

Facultar a los participantes para enlazar datos abiertos y su uso

Datos enlazados

ÍNDICE

1. Introducción a los datos enlazados2. De datos abiertos a datos enlazados3. Uso de vocabularios y DCAT4. Enlazar datos abiertos5. Describir recursos en la web6. Como transformar datos abiertos a RDF7. Tecnologías utilizadas en la web semántica8. Consultar datos enlazados

¿Que son los datos enlazados?Preparad una definición de este concepto

Actividad colectiva

Tiempo: 2 minutos

Actividad

* http://www.w3c.es/Divulgacion/GuiasBreves/LinkedData** http://www.w3c.es/Divulgacion/GuiasBreves/WebSemantica

Los Datos Enlazados es la forma que tiene la Web Semántica de vincular los distintos datos que están distribuidos en la Web, de forma que se referencian de la misma forma que lo hacen los enlaces de las páginas web*

La Web Semántica es una Web extendida, dotada de mayor significado en la que cualquier usuario en Internet podrá encontrar respuestas a sus preguntas de forma más rápida y sencilla gracias a una información mejor definida**

INTRODUCCIÓN A LOS DATOS ENLAZADOS



IMDB Wikipedia

¿Lugar de nacimiento de Harrison Ford?

¿Número de habitantes de

Chicago?

DE DATOS ABIERTOS A DATOS ENLAZADOS

¿Preguntas sobre una fuente de datos?

ActoresCiudades

IMDB Wikipedia

¿Qué actores que han nacido en poblaciones de más de 2 millones de habitantes?


¿Preguntas complejas sobre múltiples fuentes de datos?

ActoresCiudades

IMDB Wikipedia

Usar la Web como una única gran base de datos global Movernos de una Web de documentos a una Web de

Datos


¿Preguntas complejas sobre múltiples fuentes de datos?


1. Usar URIs como nombres de las cosas2. Usar HTTP URIs, para que cualquiera los pueda consultar3. Cuando alguien consulta una URI, proporcionar

información útil en lenguajes estándar (RDF, SPARQL) 4. Incluir enlaces a otras URIs

* http://www.w3.org/DesignIssues/LinkedData.html

Los Cuatro principios de la Web de datos enlazados (Tim Berners Lee, 2006)*

★ publicar los datos en la Web (en cualquier format) con una licencia abierta

★★ publicar los datos estructurados (ex: en Excel lugar de una imagen con datos)

★★★ publicar daots utilizando formatos no propietarios (ex:: CSV en lugar de Excel)

★★★★ utilitzar URIs para apuntar a cosas★★★★

★Enlazar datos con otros datos


Las 5 estrellas de Tim Berners Lee


Wikipedia


Wikipedia

Navegar por portales de datos abiertos y enlazados listar los diferentes portales Actividad individual

Tiempo: 15 minutos

Actividad


¿Cómo publicar datos enlazados?

1. Empezar por un plan

5. Mantenerl

o

2. Seleccion

ar los datos

4. Publicación3.

Creación de un

dataset

Proceso de los datos abiertos



Aplicar un formato abierto

Capturar los

metadatosAplicar una

licencia abiertaRevisar el dataset

Actividad¿Que es un vocabulario?Preparad una definición de este concepto

Actividad colectiva

Tiempo: 2 minutos

USO DE VOCABULARIOS Y DCAT

¿Qué es un vocabulario?

Los vocabularios definen los conceptos y relaciones utilizados para describir y representar un área de interés.

Definition taken from: http://www.w3.org/standards/semanticweb/ontology


¿Dónde está el vocabulario?

Adaptado de ODI Madrid



Ciudad Fecha creación Fundación Long Lat Alt Estado


Actividad¿Crear un vocabulario para el dataset de ejemplo?

Actividad en grupos

Tiempo: 5 minutos



Estado

Ciudad





RAE:1. f. Conjunto de edificios y calles, regidos por un ayuntamiento, cuya población densa y numerosa se dedica por lo común a actividades no agrícolas.

RAE:5. m. País soberano, reconocido como tal en el orden internacional, asentado en un territorio determinado y dotado de órganos de gobierno propios..

Estado

Ciudad



Uso de vocabularios y DCAT


City Creation date Establishment date Long Lat Alt State

Pertenece aEstado

Ciudad





- fecha creación- fundación


Pertenece aEstado

Ciudad





Punto

Localización

- longitud- latitud- altitud



Pertenece aEstado

Ciudad





• Un vocabulario puede representar muchos datasets

• Los vocabularios son utilizados para integrar o armonizar datos de diferentes fuentes (CSV, bases de datos, páginas web…)

Punto

Localización

- longitud- latitud- altitud



Pertenece aEstado

Ciudad




Ventajas de utilizar vocabularios

Un vocabulario:

- Da contexto (para moverse de datos a información)

- Facilita reutilización de los datos- Reduce ambigüedad- Facilita la integración- Facilita el mantenimiento



Data Catalog Vocabulary (DCAT)

DCAT es una especificación (vocabulario) para la descripción de catálogos de datos en la red. La especificación oficial ha sido elaborada por el W3C, basada en algunos proyectos anteriores.

DCAT-AP (Application Profile) es una especificación basada en DCAT para describir datasets del sector público en Europa.


Data Catalog Vocabulary (DCAT)

https://www.w3.org/TR/vocab-dcat/


Data Catalog Vocabulary (DCAT)Identificadores temáticos DCAT-AP Identificadores temáticos NTI-RISP

ciencia-tecnologia Ciencia-tecnologia

Agricultura, pesca, forestal y alimentación Medio-rural-pesca

Economía y finanzas

EconomíaComercioHacienda

Educación, cultura y deporte

EducaciónCultura-ocioDeporte

Energía Energía

Medio ambiente Medio-ambiente

Gobierno y sector público Sector-publico

Salud Salud

Asuntos internacionales

Justicia, sistema legal y seguridad Legislacion-justiciaSeguridad

Regiones y ciudades Urbanismos-infraestructurasVivienda

Población y sociedad DemografíaSociedad-bienestar Empleo

Transporte Transporte

IndustriaTurismo

Las temáticas de DCAT-AP han sido traducidas de su original en inglés. Esta equivalencia es realizada por Alberto Abella y no hay una guía oficial refrendándola


Vocabulary of Interlinked Datasets (VoiD)

http://richard.cyganiak.de/2011/gld/gld-dcat-and-void.pdf

ENLAZAR DATOS ABIERTOS


Aplicar un formato abierto

Capturar los metadatos

Aplicar una licencia abierta

Revisar el dataset

Identificar enlaces con

otros datasets

Enlazar las instancias de los

diferentes datasets


Enlazando datos abiertos

Procedimiento1. Identificar aquellos conceptos cuyos individuos

puedan ser enlazados dado su interés y potencial.

2. Identificar qué conjuntos de datos pueden contener instancias de los conceptos identificados previamente.

3. Seleccionar las herramientas mas adecuadas para llevar a cabo el enlazado (semi) automático.

4. Ejecutar estas herramientas sobre las fuentes de datos para obtener los correspondientes enlaces.



Enlazando datos abiertos• Alineación por valores. Determinar cuando dos

valores de dos propiedades expresados de forma diferente son equivalentes

• Alineación por instancias. Determinar si dos instancias son equivalentes

• De acuerdo a las descripciones disponibles para dichas instancias

• Basado en agregación de técnicas de alineación de valores, transitividad de owl:sameAs, mapeos de ontologías, etc.

• Alineación por dataset. Utilizando un conjunto de potenciales mapeos de individuos entre dos datasets


Actividad¿Enlazar los datasets de ejemplo?

Actividad en grupos

Tiempo: 15 minutos

Actividad¿Enlazar los datasets de ejemplo?


Nombre Latitud LongitudMadrid -10,074 -67,052Barcelona -10,943 -69,563Valencia -11,016 -68,748Bilbao -9,820 -67,952Tarragona -10,570 -67,674Toledo -7,631 -72,673Sevilla -11,028 -68,745Zaragoza -8,936 -70,542Cáceres -8,911 -73,111

Name Capital GeometryPortugal Lisbon …Italy Rome …Greece Athens …Spain Madrid …France Paris …Germany Berlin …Belgium Brussels …

DESCRIBIR RECURSOS EN LA WEB

Describir la semántica de la información de manera procesable por máquinas

Resource Description Framework (RDF)

Tripletas: Sujeto – Predicado – Objecto

Harrison Ford es un Actor

Harrison Ford mide 1,85

Harrison Ford nació en Chicago

ActividadEscribir triples para el dataset de ejemplo

Actividad en grupos

Tiempo: 15 minutos





http://es.dbpedia.org/resource/Harrison_Ford

http://es.dbpedia.org/ontology/Actor

https://www.w3.org/1999/02/22-rdf-syntax-ns#type






http://es.dbpedia.org/resource/Chicago

http://es.dbpedia.org/ontology/birthPlace






“1.85”

http://es.dbpedia.org/ontology/height

height





…/Harrison_Ford

“1.85”…/Chicago

…Actor

type

birthPlace

height

height





…/Harrison_Ford

“1.85”…/Chicago

…Actor

type …/RobinWilliams

“1.7”

type

birthPlace

COMO TRANSFORMAR DATOS ABIERTOS A RDF

dataset Rdf dump Triple store Consultas

Sparql

dataset SQL RDF wrapper

Consultas Sparql

• Rápido• No actualizado• Materializado

• No es rápido• Actualizado• Bases de datos relacionales

Mapeos R2RML


http://www.semanco-tools.eu/map-on


http://www.semanco-tools.eu/map-on


http://wifo5-03.informatik.uni-mannheim.de/pubby/


http://silkframework.org/

TECNOLOGÍAS UTILIZADAS EN LA WEB SEMÁNTICA

Triple stores:- Virtuoso Universal Server virtuoso.openlinksw.com- RDF4J www.rdf4j.org

Publicar datos- Pubby wifo5-03.informatik.uni-mannheim.de/

pubby- Elda github.com/epimorphics/elda

Enlazar datos- Silk silkframework.org- Limes aksw.org/Projects/LIMES.html

W3C listado de recursos:www.w3.org/wiki/TaskForces/CommunityProjects/LinkingOpenData/SemWebClients

http://virtuoso.openlinksw.com/

http://www.rdf4j.org/



https://github.com/epimorphics/elda




http://silkframework.org/

http://aksw.org/Projects/LIMES.html

https://www.w3.org/wiki/TaskForces/CommunityProjects/LinkingOpenData/SemWebClients

https://www.w3.org/wiki/TaskForces/CommunityProjects/LinkingOpenData/SemWebClients

CONSULTAR DATOS ENLAZADOS

Breve introducción a SPARQL

SELECT Distinct ?Concepto

WHERE { ?x a ?Concepto.}

http://es.dbpedia.org/sparql

SELECT Distinct ?x

WHERE { ?x a <http://schema.org/Airport>.}

ActividadConsulta datos enlazados

Actividad individual

Tiempo: 10 minutos

EJEMPLO DE HERRAMIENTA QUE UTILIZA DATOS ENLAZADOS



OBJECTIVO DE LA SESIÓN

● Ara sois capaces de:

● Definir que son los datos enlazados y la web semántica

● Identificar datos enlazados y saber navegar por ellos

● Describir recursos en la web (RDF)

● Identificar tecnologías para enlazar datos

Facultar a los participantes para enlazar datos abiertos y su uso

Datos enlazados

Tiempo para preguntas

Autoevaluación

https://goo.gl/forms/zviBRVgbpniTFY9k2



Data & Analytics

Curs 1.6. Dades Enllaçades (14/02)