Formation aux technologies du Web sémantique CCSD, Lyon, 8-10 septembre 2010

Formation aux technologies du Web sémantiqueCCSD, Lyon, 8-10 septembre 2010

2

Présentation de la formation

Objectif : découvrir les technologies du Web sémantique tant du point de vue théorique que pratique

Jour 1

Aspect théoriqueet

Web de données

Jour 2

Aspect pratiqueet

Ontologie

Jour 3

PHPet

Web sémantique

Du Web de documentsau Web de données

Les technologies duWeb sémantique

Comparaisonsavec XML et BDR

Présentation duLinked Data

Plan de la journée

4

Il était une fois le modèle en couches….

ApplicationApplication

TransportTransport

InternetInternet

Sous-réseauSous-réseau

LiaisonLiaison

PhysiquePhysique 10Base2/5/T, RS232, V35, fibre

HDLC, PPP, SLIP, CSLIP

Ethernet, X25, FDDI Token Ring

IP

TCP, UDP, TP4, Routage

Telnet, FTP, SMTP, HTTP

Inte

rface

s

Protocoles

5

…et une des applications d’Internet : le Web

Source : http://info.cern.ch/Proposal.html

6

Qu’est-ce-que le Web ?

Un dispositif technologique pour mettre à disposition, lier et partager des documents sur un réseau de machines connectées.

Les quatre composantes du Web

Un protocole Un langageUn principeUn mécanisme d’identification

HTTP HTMLL’hypertexteURL/URI

7



Les quatre caractéristiques du protocole HTTP

Code à la demande

Ajax

Mise en mémoire

Optimisationsollicitation

serveur

Sans état

Requêteunitaire

Pas de mémoire

Client-serveur

DissociationIHM

Stockage données

8



Les trois bases de l’architecture du Web

URI URI

ReprésentationsIdentifiant

Ressource

9

1994 : 1ère conférence WWW et premières idées

« The Need for Semantics in the Web », Tim Berners-Lee

Passer d’un Web de documents « sans relief » peu compréhensible par les machines à….

un Web de choses relié à la réalité et compréhensible par les machines

Source : http://www.w3.org/Talks/WWW94Tim/

10

1997-2001 : Les premières briques du Web sémantique

Source :http://www.w3.org/DesignIssues/Semantic.html

« The Semantic Web is a web of data, in some ways like a global database »« The Semantic Web is not a separate Web but an extension of the current one, in which information is given well-defined meaning, better enabling computers and people to work in cooperation. »

Source : http://www.w3.org/2000/Talks/1206-xml2k-tbl

Tim Berners-Lee

Le layer cake ou Web semantic stack

Tim Berners-Lee, James Hendler, Ora Lassila« Semantic Web », Scientific American, mai 2001

Acte de naissanceauprès du grand public

1er brouillon de la recommandationle 2 octobre 1997

http://www.urfist.cict.fr/archive/lettres/lettre28/lettre28-22.html

11

Aujourd’hui : « appelez le plutôt Web de données »

Source : http://www.flickr.com/photos/photonquantique/3272712288/

Tim Berners-Lee, « On the next Web », Conférence TED, Février 2009

« Raw Data now ! »

Source : http://www.ted.com/index.php/talks/tim_berners_lee_on_the_next_web.html

D’un Web de documents

Documents reliés par des liensPas de structuration sémantiquePas de requêtes structurées

à un Web d’applications

Données exposées à travers APIAPI valable que pour un SiloPas d’ineropérabilité entre les silos

à un Web de données

Web de données = espace unifié Liens entre les donnéesAPIs remplacés par standards ouverts

12

http://www.flickr.com/photos/jimgris/281139738/

Sortir de la logique de silos de données…

Les technologies ont eu tendance jusqu’à maintenant à enfermer les données dans des silos : logiciels, processus, APIs, protocoles spécifiques…

Siège social d’Oracle, l’éditeur du SGBDR le plus utilisé dans le monde, dans la Silicon Valley

« But the second big trend then is to decouple the data from the application or the application services, so that in that sense what you can do is write your application or create services independent of the data sources they have to deal with, which comes full circle back to having a virtual layer between application services and data. The application can go out and find whatever data sources are best to use for that particular question. That’s what semantic technology provides for enterprise information management. » Robert Shimp, vice Président, Oracle

13

…pour libérer les données sur le Web…

« Webifier » les bases de données existantes pour les rendre accessible aux utilisateurs

Il ne s’agit pas de

Déployer des protocoles spécifiques qui limitent l’utilisation des données voire ne respectent pas les principes du Web

Il s’agit dePlacer les données sur le Web,

juste le Web

Rendre le Web invisiblevisible

14

…et envisager une nouvelle évolution dans l’architecture des SI

BA

Silos applicatifsindépendants et non connectés

BA

Silos de services Indépendance des trois niveaux(applicatif, service, données)

15





Plan de la journée

16

Présentation des technologies du Web sémantique

RDF

Web sémantique

RDF/XML

RDFaSPARQL

Thésaurus

Ontologie

Logique de description

OWL

RDFS

Taxinomie

Vocabulaires contrôlés

Intelligence artificielle

Métadonnées

URI

Triples

GraphesNTriples

Web

Dublin Core

SKOS

TAL

Bases de données

17

La grammaire du Web sémantique

R

D

FCadre/modèle

de Description

d’une ressourceesource

escription

ramework

18

R

D• les URI pour identifier ;• les triplets pour exprimer ;• les graphes pour relier

La grammaire du Web sémantique

F

Les trois composants de

sont :

19

RDF : les URIs (le principe)

Terme/signifiant

Identifiant/URI

Représentation

Objet « Pipe »

Concept

http://dbpedia.org/resource/Smoking_pipe_%28tobacco%29

Représentations

http://sw.opencyc.org/2009/04/07/concept/en/Pipe_SmokingDevice

http://rdf.freebase.com/ns/guid.9202a8c04000641f8000000005a8cf37

1- Prenez des choses/concepts/entités du monde réel et placez les dans le monde numérique, en les nommant et en les identifiant par des URIs.

Ressource

20

RDF : les URIs (les règles)

Scheme préfixe qui indique le contexte

dans lequel les identifiants sont attribués (ex. URN, INFO, HTTP etc.)

Pour garantir l’unicité, le scheme doit être enregistré auprès de l’IANA

Le scheme est toujours suivi de « : »

Authority Désigne l’autorité en charge

d’attribuer des noms pour ce scheme

Path/Name Nom (ou chemin) attribué par

l’autorité nommante

Uniform Resource IdentifierSystème d’identifiant mis au point conjointement par l’IETF et le W3C dans le cadre des travaux de normalisation sur l’architecture du Web.

La syntaxe

Les contraintes d’un identifiant• unique ;• pérenne ;• maîtrisable ;• extensible.

Pour rappel, la problématique de la stabilité d’une URL (=URI) n’est pas technique, mais organisationnel…


21

Puisque ces choses/concepts/entités sont identifiés par une URI, ils sont assimilables à des ressources (RFC 3986)

RDF : les URIs (l’exemple)

Signifiédans le monde réel

Signifiantdans le monde numérique

Tim Berners-Lee <http://www.w3.org/People/Berners-Lee/car

d#i>Une personne <http://xmlns.com/foaf/0.1/Person>

L’article « Semantic Web » de 2001 <http://www.sciam.com/article.cfm?id=the-semantic-web>

est <http://www.w3.org/1999/02/22-rdf-syntax-ns#type>

Un texte <http://purl.org/dc/dcmitype/Text>

22

RDF : le triplet (le principe)2- Exprimez des relations entre ces ressources sous la forme de triplets ou comment

décrire l’information à son niveau de granularité le plus basique, la donnée ?

Chien Animal

Une série de signes reliés forme une donnée La donnée est encodée dans le cadre d’un document

Machine

doit comprendrela donnée Ne comprend pas la donnée mais

qu’il s’agit d’un paragraphe De plus, la donnée

est toujours vraiemême en dehors de ce document.

Sujetprédicat

La donnée elle-même est encodéesous la forme d’un triplet.

Objet

La machine peut traiter et analyser la donnée car elle est encodée selon une logique formelle.

Chaque membre du triplet est une ressource identifiée par une URI.C’est le principe du modèle RDF.

chienanimalest

<html> <head> <title>Le chien</title> </head> <body> le chien est un animal </body></html>

23

(<http://www.w3.org/People/Berners-Lee/card#i>, <http://www.w3.org/1999/02/22-rdf-syntax-ns#type>, <http://xmlns.com/foaf/0.1/Person>)

(<http://www.sciam.com/article.cfm?id=the-semantic-web>, <http://purl.org/dc/elements/1.1/creator>, <http://www.w3.org/People/Berners-Lee/card#i>)

(<http://www.sciam.com/article.cfm?id=the-semantic-web>, <http://www.w3.org/1999/02/22-rdf-syntax-ns#type>, <http://purl.org/dc/dcmitype/Text>)

Structure d’un triplet RDF = Structure d’une phrase simple

Sujet Verbe Complément = (Sujet, Prédicat, Objet)

Tim Berners-Lee est une personne

L’article Semantic Web de 2001 a pour créateur Tim Berners-Lee

L’article « Semantic Web » de 2001 est un texte

RDF : le triplet (l’exemple)

2- Exprimez des relations entre ces ressources sous la forme de triplets ou comment décrire l’information à son niveau de granularité le plus basique, la donnée ?

24

Nœud 1

Nœud 2

Arc 1

RDF : le graphe orienté (le principe)

3- Représentez et reliez les triplets sous la forme de graphes orientés

Sujet

Entités

Relation

Objet

Nœud 1

Nœud 3

Arc 2

Nœud 1

Arc 2Arc 1Prédicat

Nœud 4

Arc 1

Nœud 3

25

<http://www.w3.org/People/Berners-Lee/card#i>

<http://xmlns.com/foaf/0.1/Person>

<http://www.sciam.com/article.cfm?id=the-semantic-web>

<http://purl.org/dc/dcmitype/Text>

<http://www.w3.org/Home/Lassila>

« Timothy Berners-Lee »

<http://www.w3.org/1999/02/22-rdf-syntax-ns#type>

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


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


<http://xmlns.com/foaf/0.1/name>

RDF : le graphe orienté (l’exemple)

3- Représentez et reliez les triplets sous la forme de graphes orientés

26

RDFS

Le vocabulaire du Web sémantique

Ressource Description Framework Schema

OWLWeb Ontology Language

27

Retour sur les systèmes d’organisation des connaissances

Pour appréhender au mieux les connaissances, les hommes ont cherché des moyens de classer et contenir les informations du monde :

Vocabulaire contrôlé Taxinomie

Mammifère

Animal

ReptilePrimates

Homme

Chimpanzé

Thésaurus Ontologie

AnimalReptile

MammifèrePrimatesHomme

Personne

Animal Lieu

possède habite

est originaire de

Pays de langue françaiseAfrique FrancophoneEurope Francophone

France

Suisse RomandeFrancophonie

narrower

narrower

related

28

Définir des classes

Dans notre monde, chaque chose a une nature, un type.

Exemples :• Tim Berners-Lee est une personne ;• Une personne est un être vivant ;• http://www.bnf.fr est une page Web• Une page Web est un document• …

Dans le monde RDF, la nature d’une chose/ressource est une « classe »

Chose

Être vivant

Personne

Chien

Document

Page Web

Livre

En RDF, une ressource appartient toujours à une classe.

29

Définir des propriétés

Dans notre monde, chaque type de choses possède des caractéristiques.

Exemples :• une personne a un nom ;• une personne connaît d’autres personnes ;• une page Web a un titre ;• une page Web a un créateur ;• …

Dans le monde RDF, ces caractéristiques sont des propriétés.

En RDF, un prédicat est une propriété définie dans un vocabulaire.

« une chaîne de caractères »

« une chaîne de caractères »connaît

créateurnomtitre

Page Web

PersonneDomaine

Co-domaine

30

Définir une logique pour déduire

Dans notre monde, chaque caractéristique et chaque type possèdent une logique interne.

Exemple :• Si un homme A est le frère d’un homme B, alors l’homme

B est le frère de la personne A ;• …

Dans le monde RDF, cette logique est exprimée clairement dans le vocabulaire.

En RDF, la logique permet de faire des inférences, c’est-à-dire de créer des nouvelles informations. »

Est frère de Homme A Homme B

Est frère de Homme B Homme A

« Est frère de » est une propriété symétrique

31

Logique de description dans OWL

Source : Fabien Gandon, http://2.bp.blogspot.com/_z1PUcRnw2jc/Sh2sYi0IaqI/AAAAAAAAAIU/QiR1ESMN3gQ/s1600-h/OWL+in+one.jpg

32

FOAF

Dublin Core

Basic Geo (WGS84 lat/long)

Quelques vocabulaires et ontologies....

RSS 1.0

OAI-ORE

Pour trouver d’autres vocabulaires RDF ou ontologies, vous pouvez consulter le site :

Schemapediahttp://schemapedia.com/

http://sioc-project.org/

http://www.foaf-project.org/

http://dublincore.org/

http://www.w3.org/2003/01/geo/

http://www.w3.org/2004/02/skos/

http://web.resource.org/rss/1.0/

http://trac.usefulinc.com/doap

http://musicontology.com/

http://www.openarchives.org/ore/

33

RDF/XML

Les alphabets du Web sémantique

Syntaxe pour sérialiser le RDF

RDFa

Notation 3

34

RDF/XML

<rdf:RDF xmlns:foaf="http://xmlns.com/foaf/0.1/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:dc="http://purl.org/dc/terms/">

<rdf:Description rdf:about="http://www.w3.org/People/Berners-Lee/card#i"><rdf:type rdf:resource="http://xmlns.com/foaf/0.1/Person"/><foaf:name>Timothy Berners-Lee</foaf:name><foaf:maker rdf:resource="http://www.w3.org"/><foaf:nick>timbl</foaf:nick>

</rdf:Description>

</rdf:RDF>

35

RDF/XML - alternative

<rdf:RDF xmlns:foaf="http://xmlns.com/foaf/0.1/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:dc="http://purl.org/dc/terms/">

<foaf:Person rdf:about="http://www.w3.org/People/Berners-Lee/card#i" foaf:name="Timothy Berners-Lee">

<foaf:maker rdf:resource="http://www.w3.org"/><foaf:nick>timbl</foaf:nick>

</foaf:Person>

</rdf:RDF>

36

Notation 3 (N3, N-Triples, Turtle)

@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .@prefix foaf: <http://xmlns.com/foaf/0.1/> .@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .@prefix dc: <http://purl.org/dc/terms/> .<http://www.w3.org/People/Berners-Lee/card#i> rdf:type foaf:Person ;

foaf:name "Timothy Berners-Lee" ;foaf:maker <http://www.w3.org> ;foaf:nick "timbl" .

37

RDFa

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML+RDFa 1.0//EN" "http://www.w3.org/MarkUp/DTD/xhtml-rdfa-1.dtd">

<html xmlns:foaf="http://xmlns.com/foaf/0.1/" xmlns="http://www.w3.org/1999/xhtml" xmlns:dc="http://purl.org/dc/terms/">

<head><title>Description de Timbl en XHTML + RDFa</title>

</head><body>

<div typeof="foaf:person" about="http://www.w3.org/People/Berners-Lee/card#i">Le créateur du W3C

a pour nom Timothy Berners-Leeet pour surnom Timbl.

</div></body>

</html>

38

SPARQL

Interroger, accéder, transporter

les données en RDF

SPARQL Protocol and RDF Query Language

Un langage de requêtes Un protocole d’accès

Un format XML pour les résultats

Le langage de communication du Web sémantique

39

« bleu » (?resources <bleu> ?string).2. La chaîne de caractère liée à ces ressources par le prédicat

1. Les ressources liées à 1 par le prédicat « rouge » (<1> <rouge> ?resources) ;

1

23

45

6

78

Le langage de requêtes SPARQL : principes

Soit le graphe suivant enregistré dans une base de données RDF (un triple store) :

SPARQL permet d’extraire un sous-ensemble de ce graphe par l’expression de contraintes sous la forme d’équations

Je cherche les ressources liées à 1 par prédicat « rouge » et la chaîne de caractères liée à ces ressources par le prédicat « bleu » :

X

Y

Exemple :

40

Types de requêtes : ASK, CONSTRUCT, DESCRIBELOAD, INSERT, DELETE (en cours de normalisation)

Tim Berners-Lee connaît des personnes.

Ces personnes s’appellent ???.

Je veux connaître l’URI et les noms des personnes que connaît Tim Berners-Leeà partir de son fichier FOAF

WHERE {

}

PREFIX foaf: <http://xmlns.com/foaf/0.1/>

Le langage de requêtes SPARQL : exemple

41

<?xml version="1.0" ?><sparql

xmlns="http://www.w3.org/2005/sparql-results#" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.w3.org/2001/sw/DataAccess/rf1/result2.xsd">

<head> <variable name="personnes"/> <variable name="nom"/> </head>

 <results distinct="false" ordered="true">

<result> <binding name="personnes"><uri>http://dbpedia.org/resource/John_Seely_Brown</uri></binding> <binding name="nom"><literal>John Seely Brown</literal></binding> </result>

<result> <binding name="personnes"><uri>http://dbpedia.org/resource/John_Gage</uri></binding> <binding name="nom"><literal>John Gage</literal></binding> </result>

</results>

</sparql>

Le format XML pour les résultats

Rappel des variables déclarées

Un élément « result » par combinaisons possibles devariables

42

Pour résumer : le layer cake aujourd’hui

Déjà normalisé

ou en cours de normalisation au W3C

43

Les outils pour mettre en œuvre les technos du Web sémantique

Créer des vocabulaires/ontologies avec le logiciel Protege

Mettre les données au format RDF• Créer des données RDF avec un éditeur RDF (Morla ou Top Braid composer) ou un

éditeur XML• Transformer des données de XML vers RDF/XML avec XSL• Transformer une base de données relationnelle en RDF avec D2R server

Stocker les données dans un triple store RDF• Mémoire : Corese, Redstore• Triple store natif : Mulgara, AllegroGraph, BigOWLIM, 4store, Neo4j• BDR paramétrée : Virtuoso, ARC, Oracle 11g, Sesame, 3store Column store : Cstore, Heart, BigData, Cloudera

Exploiter les données en RDF En Java (triples) : Jena, Sesame, Trialox SCB, RDF2Go En Java (ORM) : Topaz, RDFReactor, So(m)mer, Elmo, jenabean En PHP : RAP, ARC (généraliste) En C : Redland En Python : RDFlib En Ruby : ActiveRDF En Scala : Scardf

Si vous en voulez plus, une liste de 835 outils est disponible : Sweet tools

http://protege.stanford.edu/

http://www.morlardf.net/

http://www.topquadrant.com/topbraid/composer/index.html

http://www4.wiwiss.fu-berlin.de/bizer/d2r-server/

http://www-sop.inria.fr/edelweiss/software/corese/

44





Plan de la journée

45

XML : une logique structurelle

1

2

3 3

4

5

3 6

XML est un langage pour encoder une structure documentaire.

Modèle d’organisation hiérarchique de l’informationArbre XML

Syntaxe Règles

• un élément racine• une balise ouvrante, une balise fermante• un document XML doit être bien formé• Encodage des caractères• un document XML peut être valide par rapport à une grammaire (nom des éléments et des attributs, règles de structuration, type de données…)

Forces Limites

• Pas un format binaire• Indépendant outils/systèmes d’exploitation• Assure une cohérence dans un domaine précis• Respecte la logique du document physique

• Encodage contextuel au document• Enfermement dans la logique documentaire• Interopérabilité stricte (grammaire et son application)• Le lien est un pointeur• Les relations sont implicites

<html> <head> <title> Mon joli document </title> </head> <body> Mon joli paragraphe </body></html>

Question : Un ensemble de métadonnées forme-t-il un document ?

46

Exemple de la logique XML : retour sur EAD/EAC

EAD est la réponse des archivistes pour encoder le document inventaire selon les principes d’ISAD(G).

<ead xmlns="urn:isbn:1-931666-22-9"> <eadheader> <eadid></eadid> <filedesc> <titlestmt> <titleproper></titleproper> </titlestmt> </filedesc> </eadheader> <archdesc level="fonds"> <did> <unitid countrycode="FR"></unitid> </did> <dsc> <c> <did> <unitid></unitid> <unittitle></unittitle> <unitdate></unitdate> </did> <phystech></phystech> <controlaccess> <subject></subject> </controlaccess> </c> </dsc> </archdesc></ead>

L’EAD est la stricte transposition du document inventaire dans le monde numérique

Outre les avantages de XML, l’EAD a constitué l’opportunité de continuer et de rendre concret le travail engagé avec ISAD(G).

Limites• La description d’un niveau archivistique n’a du sens que dans le contexte du document XML• Les identifiants sont locaux / spécifiques au document XML • Une section ne peut être référencé directement depuis un autre inventaire (on ne peut faire qu’un pointeur)• Les notices d’autorités sont référencés sous la forme d’une chaîne de caractères• Comment lier une notice EAC dans un fichier EAD ?• l’interopérabilité avec d’autres systèmes de descriptions impose un mapping sur le plus petit dénominateur commun

Question : Un inventaire constitue-t-il encore un document

ou une suite de (méta)données structurées ?

47

Différences entre XML et RDF

XML : un modèle d’arbre RDF : un modèle de graphes

Description structurée Description formelle

1

2 3

6 5

4

7

1

3

8

2

5

4

7

• La structure est pensée pour le contexte du document (interopérabilité très complexe)• Relations entre les nœuds implicites• Navigation dans l’arbre pour passer d’un nœud à un autre• L’identification des ressources est spécifique au contexte du document

Idéal pour exprimer la structure d’un document

VS.

1

23

45

6

78

• Les choses sont décrites comme des objets logiques• Aucune relation n’est implicite• Plus facile de naviguer dans le graphe si les données sont fortement reliées• Toutes les ressources sont identifiées par des URI

Idéal pour décrire des données

48

ore:isAggregatedBy

Les données archivistiques en RDF

Composant(c)

rdfs:XMLLitteral

Composantde haut niveau

(archdesc)

foaf:Person

foaf:Organization

skos:Concept

xsd:string

xsd:string

foaf:Organization

ore:Aggregation

ore:ResourceMap

Objet physiquefrbr:Item (?) event:Event

Inventaire(eadheader)

xsd:stringtime:TemporalEntity

Entrepôt(repository)

ore:describesore:describes

ore:isAggregatedBydct:subject

dct:coveragedct:title

dct:identifier

dct:description

xsd:string

dct:extent

dct:temporal

event:time

dct:typeskos:Concept frbr:embodied

scopeNote

foaf:topic

foaf:topic

foaf:Agent

event:producedIn

49

Les limites du modèle relationnel

id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL

2 2 2008 2008/08/08 2008/08/24 1 11028 One World one Dream

idville label-fr label-en longitude latitude

1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete

label-fr label-en label-cn birthDate

deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

Voici un modèle relationnel classique décrivant les JO :

Analysons les problèmes qu’ils posent

50

Les limites du relationnel (1) : la structure des données

id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

1- Séparation entre la structure des données et les données elles-mêmes

51


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL


Si on extrait les données de la base, il faut aussi en extraire la structure pour comprendre à quoi correspond chacune des données

52


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL


Une donnée s’applique à un enregistrement car elle est associée à un champ. La relation est induite par la structure de la table.

53


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL


Les données ne sont pas indépendantes les unes des autres. Elles se conçoivent dans le contexte de la base, d’un enregistrement et d’un champ.

54


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

2- La structure d’une base de données est rigide

55


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete

label-fr label-en label-ja birthDate

deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL


Si une donnée est manquante pour un champ dans un enregistrement, une valeur « NULL » fictive est ajoutée.

56


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

idathletes

Representant2

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL NULL 241 NULL

2 2 2008 2008/08/08 2008/08/24 1 2 11028 One World one Dream

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

2 Toto Toto NULL NULL NULL


Si une donnée de même nature est en double pour un enregistrement (même pour un seul), il est nécessaire de créer un autre champ ou ...


1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

57


id idville

year openedCeremony

Date

closedCeremony

Date

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 241 NULL

2 2 2008 2008/08/08 2008/08/24 11028 One World one Dream

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

2 Toto Toto NULL NULL NULL


… ou une autre table…

idjo idAthleteRepresentant

2 1

2 2

58


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL


idville label-fr label-en label-ja longitude latitude

1 Athènes Athens NULL 23.716667 37.966667

2 Pékin Beijing 北京市 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL


Pour gérer le multilinguisme, il faut créer de champs correspondant à chacune des langues, alors que la signification du champ est exactement la même ou créer une table spécifique.

59


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

3- Les relations entre deux tables sont induites

60


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL


La relation entre les données de deux tables est induite par l’utilisation d’identifiants communs dites clés étrangères. La nature de la relation n’est pas exprimée clairement ni dans la structure, ni dans la donnée.

61


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL


L’extraction d’une base de données ne met pas en lumière ces relations. Il faut extraire les données des différentes tables pour conserver la relation.

62


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

4- L’identifiant d’un enregistrement est une donnée comme les autres

63


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens 23.716667 37.966667

2 Pékin Beijing 116.400002 39.900002

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

4- L’identifiant d’un enregistrement est une donnée comme les autres

L’identifiant d’un enregistrement n’a pas une forme normalisée. Il est dépendant de la base voire de la table (donc de la structure).

64

Les limites du relationnel (2) : l’interopérabilité des données

id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL


idville label-fr label-en

1 Athènes Athens

2 Pékin Beijing

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

1- Les identifiants sont locaux et spécifiques à une base de données

idville longitude latitude

alpha 23.716667 37.966667

beta 116.400002 39.900002

Il n’est pas possible d’identifier nativement deux ressources équivalentes entre deux bases de données différentes.

65


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens

2 Pékin Beijing

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

2- Les noms des champs sont spécifiques à une base de données

idcity name longitude latitude

alpha Athènes 23.716667 37.966667

beta Pékin 116.400002 39.900002

La structure d’une base de données est locale. Il n’existe pas de normes pour dénommer les propriétés et les rattacher à une normalisation de tel ou tel type de données.

66


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens

2 Pékin Beijing

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

3- La structure d’une base ne s’appuie sur aucun mécanisme d’héritages


alpha Athènes 23.716667 37.966667

beta Pékin 116.400002 39.900002

Il n’est pas possible de relier une table à un modèle générique de description local ou externe dont il peut hériter les caractéristiques ce qui impose de construire un MCD à zéro ou presque.

La table athlete une spécialisation de description d’une personne ?

La table JO une spécialisation de description d’un événement ?

67


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens

2 Pékin Beijing

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

4- Il n’existe aucune représentation normalisée pour échanger des BDR sur un réseau.


alpha Athènes 23.716667 37.966667

beta Pékin 116.400002 39.900002

L’extraction d’une base de données est spécifique pour chaque base, il n’existe aucune syntaxe normalisée pour échanger les données d’une base et les fusionner avec une autre base.

68


id idville

year openedCeremony

Date

closedCeremony

Date

idathletes

Representant

athletesNumber

motto

1 1 1896 1896/04/06 1896/04/15 NULL 241 NULL



1 Athènes Athens

2 Pékin Beijing

idathlete


deathDate

1 Zhang Yining

Zhang Yining

張怡寧 1981/10/05 NULL

5- Il n’existe aucun moyen normalisé de requêter directement une BDR sur le Web.


alpha Athènes 23.716667 37.966667

beta Pékin 116.400002 39.900002

L’extraction d’une base de données est spécifique pour chaque base, il n’existe aucune syntaxe normalisée pour échanger les données d’une base et les fusionner avec une autre base.

69

Différences entre RDBMS et RDF

RDBMS : un modèle de tables RDF : un modèle de graphes

Description orientée enregistrements Description orientée triple pérenne• Le modèle relationnel fait la différence entre les relations internes (attributs) et externes (clés)• Structure d’une table rigide : valeurs absentes explicites, pas de possibilité de répéter un champ pour une notice• Modèle centralisé : les identifiants d’enregistrements ne sont valables que pour la base de données• Modèle logique et modèle physique confondu (cf. la forme et l’utilisation de SQL)

Idéal pour des relations simples, figées et nécessitant un contrôle d’intégrité a priori

VS

1

23

45

6

78

• Les relations font partie des données• Chaque triplet est autonome, absolu et pérenne• Contrôle d’intégrité par inférence a posteriori• Modèle distribué• Séparation entre modèle logique et modèle physique (Cf. RDBMS2RDF et SPARQL)

Idéal pour décrire des données avec haut niveau d’organisation, réparties et pérennes

Table 1Id att1 att2 att3

0 null 42 1

1 ‘b’ null 6

Table 2Id att1 att2

0 ‘a’ 6

1 ‘b’ 0

6 ‘c’ 1

70

DataData Data

Application

APIspécifique

APIspécifique

APIspécifique

Différences entre une API Web spécifique et SPARQL

API Web spécifique SPARQLVS

• Protocole normalisé pour l’interrogation de données structurées selon le modèle RDF• Possibilité (en théorie) d’interroger plusieurs bases RDF décentralisées via une seule requête• Requête possible sur toutes les données• Langage de requêtes complet• L’intelligence de la requête est dans les données et non dans le protocole• Le schéma d’exposition n’a pas besoin d’être adapté en fonction du client, c’est le client qui adapte sa requête

Appli

Data RDF +

SPARQL endpoint

Data RDF +

SPARQL endpoint

SPARQL

• Protocole pour récupérer des données structurées d’un site• API spécifique• Langage de requêtes limité aux possibilités de l’API• L’intelligence de la requête est dans les verbes de l’API et non dans les données

71

• Protocole normalisé pour l’exposition et l’indexation des métadonnées de notices (problème pour la granularité des ressources)• Langage de requête très limité• Un schéma par défaut de métadonnées OAI_DC basé sur XML• Nécessite un service provider pour interroger plusieurs « data provider OAI » : impossible d’interroger directement une base OAIAdapté à l’indexation massive de notices uniformes

Différences entre OAI-PMH et SPARQL

OAI-PMH SPARQLVS

• Protocole normalisé pour l’interrogation de données structurées selon le modèle RDF• Possibilité (en théorie) d’interroger plusieurs bases RDF décentralisées via une seule requête• Requête possible sur toutes les données• Langage de requêtes complet• L’intelligence de la requête est dans les données et non dans le protocole• Le schéma d’exposition n’a pas besoin d’être adapté en fonction du client, c’est le client qui adapte sa requêteAdapté à l’interrogation de bases de donnéeshétérogènes et distribuées

Appli

Data RDF +

SPARQL endpoint

Data RDF +

SPARQL endpoint

SPARQL

HTTP

Noticesoai_dc

Cat-OAI

Noticesoai_dc

OAI-Num

Noticesoai_dc

OAI-SUDOC

Moteur de recherche

Data provider

HTTP HTTP

Service provider

72





Plan de la journée

73

Les quatre principes du Linked data

Source : http://www.w3.org/2009/Talks/0204-ted-tbl/#%281%29

http://dbpedia.org/resource/Smoking_pipe_%28tobacco%29

Utiliser des URIs Utiliser des URIsaccessibles via HTTP

Donner l’accès aux données utiles en utilisant les standards SPARQL et RDF

Exprimer l’URI des objets liés

74

Linked data cloud en détail : ressources d’intérêt général

Ressources d’intérêt général

75

Le projet DBPedia

213,000 personnes, 328,000 lieux, 57,000 albums musicaux, 36,000 films, etc.

274 millions d’informations (triplets RDF)

DBpedia est une initiative visant à extraire de l’information structurée à partir de Wikipedia et à rendre cette information disponible sur le Web. DBPedia permet de faire des requêtes complexes sur les données de Wikipedia, et de relier d’autres ensembles de données du Web à Wikipedia.

http://dbpedia.org

Mis au point et maintenu par Universität Leipzig, Freie Universität Berlin et la société OpenLink Software dans le cadre du projet

76

Linked data cloud en détail : ressources « sociales »


Ressources « sociales »

77

Linked data cloud en détail : ressources géographiques



Ressources géographiques et statistiques

78

Geonames et LinkedGeoData

Geonames est un système d’information géographique dont les informations sont libres (CC BY). 8 millions d’emplacements géographiques (villes, monuments, montagnes…) dans le monde sont référencés et géotaggués ce qui en fait un des référentiels géographiques les plus complets.En complément de Web services, les données sont accessibles selon les principes du Linked Data.

http://sws.geonames.org/6487834/RDFpour les machines

HTMLpour les humains

LinkedGeoData est à OpenStreetMap ce que Dbpedia est à Wikipedia

320 millions de points géoréférencés25 millions d’itinéraireshttp://linkedgeodata.org

79

Les données gouvernementales

Data.gov.uk Data.gov

A la suite de l’annonce de Barack Obama de mettre à disposition les données publiques américaines, les initiatives dans le domaine se multiplient. Les principes du Linked Data sont au cœur de la réflexion, mais pas forcément utilisés.

Sous la direction de Nigel Shadbolt et Tim Berners-Lee3 000 ensembles de donnéesUtilisation des technos du Web sémantique

Initiative de Barack Obama1076 ensembles de donnéesUtilisation des technos du Web sémantique

80

Linked data cloud en détail : ressources multimédia




Ressources multimédia

81

Les sites de la BBC : exploiter et enrichir le « cloud »

La BBC utilise pour plusieurs de ses sites les données du Linked Data pour construire des sites Web et les enrichit avec ses propres données.

BBC Music Beta

http://www.bbc.co.uk/music/artists/cb67438a-7f50-4f2b-a6f1-2bb2729fd538Données de Dbpedia

Données de la BBC

BBC Wildlife finderhttp://www.bbc.co.uk/music

http://www.bbc.co.uk/nature/species/Giant_Panda

82

Linked data cloud en détail : ressources biologiques et médicales





Ressources médicales et biologiques

83

Linked data cloud en détail : ressources bibliographiques





Ressources médicales et biologiques

Ressources bibliographiques

84

http://libris.kb.se/

LIBRIS (catalogue collectif suédois)

FRBRisation

Lien avec Dbpedia

Métadonnées descriptivestraditionnelles

85

Exemple d’utilisation 1 : Linked book Mashuphttp://www.lespetitescases.net/semweblabs/linkedbookmashup/

86

Exemple d’utilisation 1 : Linked book Mashup

87

Exemple d’utilisation 2 : Linked My Musichttp://www.lespetitescases.net/semweblabs/linkedmymusic/

88

Exemple d’utilisation 2 : Linked My Music

89

Pas de conversion / mapping Chacun utilise son propre de format de métadonnées, ce qui

n'empêche pas de rassembler les triplets en RDF Pas de données redondantes

Chacun créée les données dont il a besoin, et récupère les informations qui existent déjà

Pas de moissonnage / collecte de métadonnées Les données sont disponibles directement sur le Web

Pas de problème de traçabilité Grâce aux URI, on peut revenir aux données source, quelle que

soit leur origine Pas de développements spécifiques

Tout repose sur des standards ouverts comme RDF, SPARQL... pas besoin d'apprendre de nouveaux langages et protocoles

Avantages du Web de données

Merci pour votre attention

Gautier PoupeauAntidot | GSM: +33 (0)6 45 49 59 77F-75 Paris | mailto: [email protected] : Les petites cases | Twitter : @lespetitescases

Formation aux technologies du Web sémantique CCSD, Lyon, 8-10 septembre 2010

Documents

Transcript of Formation aux technologies du Web sémantique CCSD, Lyon, 8-10 septembre 2010