Web04 Semantic Web: Managementul datelor RDF

<?xml version=“1.0” ?>
Semantic Web <curs desc=“…” />

Web semantic

Dr. SabinCorneliu Buraga
Facultatea de Informatica
Universitatea “A.I.Cuza” – Iasi, Romania

http://www.infoiasi.ro/~busaco/

Dr. Sabin Buraga http://www.purl.org/net/busaco


Managementul datelor RDF


“Trebuie sa adunam fapte
pentru a avea idei.”

GeorgesLouis de Buffon



intrebari

Ce instrumente de procesare
a declaratiilor RDF putem folosi?



Conform (Bailer & Hausenblas, 2007)


necesitati

Procesor (parser) RDF

preluarea datelor in diverse formate si
reprezentarea lor ca triple RDF



necesitati

Serializator (serializer) RDF

exprimarea modelului intern RDF
in diverse formate standard: RDF/XML, N3,...



instrumente
API‐uri RDF – exemple:
ActiveRDF (Ruby)
CARA – CArmen RDF API (Perl)
Drive.NET (C#)
Jena Semantic Web Toolkit (Java)
RAP – RDF API for PHP
RDFLib (Python)
Redland (C/C++; bindings in alte limbaje)
SemWeb (C#)
Wilbur (Lisp)


necesitati

Convertor RDF

preluarea datelor din alte modele
si transformarea lor in RDF

extragerea directa din documentele HTML
via scrapers/harvesters



instrumente

Extractoare/convertoare RDF – exemple:
Aperture (Java)
Babel (Java)
Greengrass (C#)
LinqToRDF (C#)
Piggy Bank (JavaScript – extensie Firefox)
Raptor (C)
RDF123 (Java)
sommer (Java)
Semantic Radar (JavaScript – extensie Firefox)


instrumente

Initiativa Triplify:

triplify.org


necesitati

Motoare de cautare

cauta documente RDF,
eventual extrag cunostinte – e.g., meta‐date –
din alte documente (HTML, RSS,...)

pot beneficia de servicii de pinging
pingthesemanticweb.com



instrumente

Motoare de cautare – exemple:

Sindice
Swoogle
SWSE – Semantic Web Search Engine
Watson



necesitati

O modalitate standardizata de “convertire”
a constructiilor semantice incapsulate
in documentele Web in triple RDF



grddl

GRDDL – Gleaning Resource Descriptions
from Dialects of Languages
glean
verb [ trans. ]
extract (information) from various sources:
the information is gleaned from press clippings.
• collect gradually and bit by bit:
objects gleaned from local markets.
• historical gather (leftover grain or other produce) after a harvest:
[as n. ] (gleaning)
the conditions of farm workers in the ‘30s made gleaning essential.


grddl

Permite asocierea de transformari din formate structurate
(e.g., microformate, RDFa, XML) in declaratii RDF,
fara pierderea semanticii (meaning)

www.w3.org/TR/grddl/

www.w3.org/TR/grddlprimer/



grddl

Exista o multitudine de documente recurgind la anumite
dialecte XML – e.g., ODF, RSS/Atom, XHTML etc. –,
incapsulind informatii care ar putea fi redate in RDF

se doreste o asociere faithful – se pastreaza intelesul

se va specifica o transformare GRDDL
uzual, se foloseste XSLT



grddl

Berners‐Lee, 2007: www.w3.org/2007/Talks/1211-whit-tbl/


grddl: exemplu
Un document XHTML ce include microformatul hCard:
<html xmlns=http://www.w3.org/1999/xhtml>
<head profile=http://www.w3.org/2003/g/data-view>
<link rel=transformation href=mHTML2RDF.xsl />
<title>...</title></head> Transformare
<body> GRDDL
<div class=vcard>
<p class=fn n><span class=given-name>Sabin</span>
<span class=family-name>Buraga</span></p>
</div>
...
</body>
</html>


grddl: exemplu
In urma transformarii XSLT, ar putea rezulta:
<rdf:RDF xmlns:rdf=http://www.w3.org/1999/02/22-rdf-syntax-ns#
xmlns:v=http://www.w3.org/2006/vcard/ns#>
<rdf:Description rdf:nodeID=EsAVHkUx6>
<rdf:type rdf:resource=http://www.w3.org/2006/vcard/ns#VCard/>
<v:fn>Sabin Buraga</v:fn>
</rdf:Description>
<rdf:Description rdf:nodeID=EsAVHkUx8>
<rdf:type rdf:resource=http://www.w3.org/2006/vcard/ns#Name/>
<v:given-name>Sabin</v:given-name>
<v:family-name>Buraga</v:family-name>
</rdf:Description>
</rdf:RDF>


necesitati

Un sistem de stocare/interogare a triplelor RDF



sisteme de stocare rdf

Datele RDF sunt memorate in cadrul unui RDF store

aspecte de interes:
performanta
capacitatea de stocare
facilitatile privind interogarea
API‐urile disponibile




Se ofera posibilitatea fuzionarii (merging)
a seturilor de date RDF

date 2 seturi de triple RDF, in urma fuzionarii
va rezulta un set de triple RDF incluzind toate triplele din
ambele seturi de intrare in care resursele avind acelasi URI
sunt considerate echivalente




Intern, un RDF store poate stoca triplele
intr‐o varietate de formate:
baze de date relationale
structuri de date speciale

asigurarea interoperabilitatii este facilitata de formatele
de serializare standardizate – precum RDF/XML




Exemple:
BOCA (Java)
Brahms (C/C++)
D2R Server (Java)
Joseki (Java)
Kowari & Mulgara (Java)
Oracle Spatial 10g (C/C++)
Oyster (Java)
RDFStore (C, Perl)
Sesame (Java)


necesitati

Un limbaj de interogare a seturilor de triple RDF



sparql

SPARQL Protocol and RDF Query Language

limbaj descriptiv standardizat
pentru realizarea de interogări pe baza potrivirilor
de şabloane referitoare la triple RDF

inspirat din RDQL – oferit de Jena, RAP, Redland etc.



sparql

Ofera suport pentru manipularea constructiilor RDF

Pune la dispozitie operatii asupra grafurilor RDF

Independent de platforma software utilizata

Limbaj de interogare + protocol de acces la triple RDF



sparql

Precursori:
limbaje inspirate de SQL: RDQL, SeRQL, RQL,...
limbaje inspirate de XPath: Versa, RDFPath
limbaje bazate pe reguli: N3QL, Triple, DQL, OWL‐QL,…
suportul de interogare oferit de XML: XSLT, XPath, XQuery



sparql: xml vs. rdf (Beckett, 2006)
Concept XML RDF
Model document/arbore /infoset set de triple = graf RDF
triple, URI‐uri, noduri
Atomi elemente, atribute, text
blanc, literali (text)
Nume de elemente/atribute
URI‐uri
Nume calificate (qnames)
Identificatori
identificatori (ID‐uri) (IRI‐uri)
expresii XPath
Structura DTD‐uri, scheme XML, Scheme RDF
(schema) RELAX NG,... (RDF Schema)



sparql: limbaj de interogare

Ofera acces – via interogari – la datele RDF
doar pentru consultare (readonly)

modelul de interogare e fundamentat de
sabloane de grafuri RDF – graph patterns

constantele dintr‐un graf RDF sunt substituite de variabile

nu se bazeaza pe cai (paths) sau reguli (rules)




Recomandare a Consortiului Web

www.w3.org/TR/rdfsparqlquery/




Termeni RDF (RDF‐T):
reuniunea multimilor IRI, noduri blanc, literali RDF

Variabile de interogare (V):
simboluri prefixate de “?”

Sabloane (triple patterns): membru al multimii
(RDF‐T ∪ V) × (IRI ∪ V) × (RDF‐T ∪ V)

Sabloane de tip graf: multime de sabloane



Conventii sintactice bazate pe Turtle/N3

Triplele RDF sunt generalizate
ca fiind tablouri de termeni RDF

termen RDF = IRI | nod blanc | literal

pattern de triple = tablou de termeni RDF
sau nume de variabile (termeni liberi)




URI – sau, mai general, IRI – delimitati de “<” si “>”
<http://www.info.uaic.ro/>

se poate folosi constructia @prefix pentru a specifica
spatii de nume ale vocabularelor utilizate

nodurile blanc se specifica prin _:nume
sau delimitate de “[” si “]” daca se folosesc o singura data


Literali RDF
(siruri de caractere cu atribute optionale)

Web
Web@ro 
Web^^xsd:string 
true^^xsd:boolean



Abrevieri
referitoare la triple

:s :p :o1 , :s :p :o1 .
:o2 . echivalent cu :s :p :o2 .

:s :p1 :o1 , :s :p1 :o1 .
:o2 . echivalent cu
:p2 :s :p2 :o2 .




Abrevieri
privitoare la nodurile blanc

:s :p [ :p' :o ] echivalent cu :s :p _:x . _:x :p' :o .




Un şablon (pattern) permite specificarea
de variabile indicând informații ce vor fi returnate
în urma realizării interogării

?subiect ?predicat ?obiect .




Exemplu

lista persoanelor inter‐conectate
via predicatul (proprietatea) foaf:knows:

?persoana foaf:knows ?alta_persoana .




Sabloanele pot fi combinate pentru a forma
şabloane mai complexe

şabloane de tip graf (graph patterns)

componente ale unei interogari SPARQL




SELECT ?contrib
WHERE {
<http://en.wikipedia.org/>
<http://purl.org/dc/elements/1.1/contributor>
?contrib .
} Selectarea celor
ce au contribuit la
o resursa

{ … } desemneaza un graph pattern



Rezultatul interogarii poate fi:

un tabel de valori corespunzatoare variabilelor utilizate,
rezultat precizat prin SELECT

o valoare booleana intoarsa de constructia ASK

un graf RDF creat via CONSTRUCT sau DESCRIBE




SELECT: rezultatul interogarii reprezinta un tabel
secventa de rinduri compuse
din valorile variabilelor (variable bindings)

oferirea de valori distincte via DISTINCT
ordonarea rezultatelor prin ORDER BY
returnarea de sub‐secvente cu LIMIT si OFFSET
precizarea constructiilor optionale prin OPTIONAL




Informatiile interogate pot fi filtrate
via clauza FILTER
expresiile de filtrare includ:
variabile
operatori aritmetici/logici
functii (predefinite sau specificate de utilizator)
tipuri de date definite de XML Schema




FILTER (?anul = 2)

FILTER (?dataComanda < 2008-12-31T22:00:00Z^^xsd:date)

FILTER regex (?titluCarte, ^Semantic)




Interogare: ce aplicatii utilizeaza Sabin?
s:Sabin s:utilizeaza ?aplicatie .

Rezultatul interogarii:
?aplicatie = soft:Firefox
?aplicatie = soft:iTunes
?aplicatie = soft:ZynAddSubFX
…



PREFIX foaf: <http://xmlns.com/foaf/0.1/>
PREFIX s: <http://www.infoiasi.ro/SW#>
SELECT ?nume ?adresa ?ani
WHERE {
Informații
?pers foaf:name ?nume .
despre
?pers s:ani ?ani .
primele 10
FILTER (?ani < 33) .
persoane cu
OPTIONAL { ?pers foaf:mbox ?adresa . } vârsta < 33
}
ORDER BY ?ani DESC (?nume)
LIMIT 10



Graful RDF de intrare poate fi specificat via URI

FROM <http://planetrdf.com/bloggers.rdf>




Nodurile blanc intr‐o interogare joaca rol de
variabile anonime




Crearea unui graf RDF se poate realiza prin CONSTRUCT

CONSTRUCT (?s ?p ?o)
WHERE { Determinarea
?prop rdf:subject ?s . tuturor declaratiilor
?prop rdf:predicate ?p . reificate exprimate
de Wikipedia
?prop rdf:object ?o .
web:Wikipedia s:afirma ?prop .
}




Obtinerea de sabloane de graf alternative
se face via clauza UNION



sparql: protocol

Pune la dispozitie mecanismul de realizare
de interogari SPARQL prin invocarea de servicii
aflate la distanta (SPARQL endpoints)

serviciile SPARQL pot fi descrise si invocate via
tehnologiile serviciilor Web clasice (SOAP, WSDL, REST,…)

exemplu: http://dbpedia.org/sparql/



sparql: protocol

Recomandare a Consortiului Web

www.w3.org/TR/rdfsparqlprotocol/



sparql: protocol

Exemplu de invocare a unei interogari SPARQL:

GET /sparql/?query=interogare&graph-uri=
http://www.retea-sociala.info/document-foaf.rdf HTTP/1.1
Host: www.undeva.org
User-agent: sparql-client/0.1
Accept: text/turtle, application/rdf+xml



sparql: protocol

Un posibil raspuns din partea serviciului:

HTTP/1.1 200 OK Date: Mon, 04 Nov 2008 14:33:00 GMT
Server: Apache/1.3.29 (Unix)
Connection: close
Content-Type: text/turtle

@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>.
@prefix foaf: <http://xmlns.com/foaf/0.1/>.
…


sparql: protocol

Maniera de serializare XML a rezultatelor
interogarilor SPARQL este standardizata

SPARQL Query Results XML Format

www.w3.org/TR/rdfsparqlXMLres/



sparql: protocol – mash‐ups

Studiu de caz – adaptare dupa (Todd Williams, 2007):

dorim sa obtinem imagini care contin obiective de interes
aflate in vecinatatea unui punct (locatie geografica)

filtrarea se va putea realiza pe alte calculatoare

calculul distantei dintre doua puncte geografice poate fi
realizat de servere multiple via implementari JavaScript
specificate prin RDF: numele functiei + URI‐ul sursei



PREFIX f: <http://undeva.org/functii.rdf#>
SELECT ?locatie ?imagine
Care‐s imaginile
WHERE {
localizate in
?imagine dcterms:spatial [ proximitatea
a geo:Point ; mea?
foaf:name ?locatie ;
geo:lat ?lat ; geo:long ?long
].
FILTER ( f:distanta ( ?lat, ?long, 38.9, -76.9 ) < 15 ) .
} Poate fi calculata pe masini diferite



Interogare SPARQL
trimisa via HTTP
Serviciu
Client
SPARQL
(aplicatie Web)
(endpoint)



GET functii.rdf Server
Web

Serviciu
Client
SPARQL
(aplicatie Web)
(end
point)




Server
Web

Serviciu
Client
SPARQL
(aplicatie Web)
(end raspuns RDF
point)

:distanta a f:Function;
f:sursa <http://sit.ro/dist.js>;
f:functie calculDistanta .



Server
Web

Serviciu
Client
SPARQL
(aplicatie Web)
(end
GET dist.js
point)

Server
Web




Server
Web

Serviciu
Client
SPARQL
(aplicatie Web)
(end
point)

Server
Web

function calculDistanta
(lat1, lon1, lat2, lon2) { ... }




Server
Web

Serviciu
Client
SPARQL
(aplicatie Web)
(end
point)

Server
raspuns Web
?locatie ?imagine
Universitate http://flickr.com/20/fdsdw3.jpg
Teatru http://places.org/img/t.jpg


sparql: instrumente

AllegroGraph (Java)
ARC (PHP)
OpenRDF Sesame (Java)
Rasqual (C)
RDF::Query (Perl)
SPARQL library (Java)
Virtuoso (C/C++)



sparql: instrumente



sparql+

Propunere de extindere a SPARQL
pentru a suporta operatii de actualizare a datelor RDF

http://esw.w3.org/topic/SPARQL/Extensions/Update



aplicatii rdf

Tipuri majore de aplicatii RDF

integrare de resurse: bookmark‐uri, calendare,
informatii cartografice (map integration)

adnotare avansata a resurselor

management “inteligent” al continutului



aplicatii rdf
Arhitectura aplicatiilor bazate pe RDF
(Allemang & Hendler, 2008)



aplicatii rdf: exemplificari

Managementul “inteligent” al codului‐sursa
Baetle: Bug And Enhancement Tracking LanguagE (Sun)

ofera o vedere coerenta a dependentelor dintre diverse
proiecte software, permitand filtrarea bug‐urilor

modelare prin RDF, DOAP, SIOC etc.
interogari via SPARQL

vezi si blog‐ul Babel Fish: http://blogs.sun.com/bblfish



Managementul “inteligent” al codului‐sursa
Baetle: Bug And Enhancement Tracking LanguagE (Sun)

PREFIX : <http://baetle.googlecode.com/svn/ns/#>
SELECT *
WHERE {
?jar :contains ?c .
FILTER REGEX ( str (?c), 'OffsetIterator.class$')
}
LIMIT 20



Managementul informatiilor medicale
Cleveland Clinic, 2007

constituirea unui depozit de cunostinte privind pacientii
>54 milioane de asertiuni RDF
interogari SPARQL
integrarea unui sistem expert




Managementul informatiilor personale in KDE 4.0
proiectul NEPOMUK Semantic desktop (2008)

servicii de cautare & adnotare a resurselor
la nivel de desktop pe baza instrumentului Soprano

meta‐datele asociate fisierelor sunt stocate in RDF

www.w3.org/2001/sw/sweo/public/UseCases/Nepomuk/Nepomuk.pdf




Componente logice ale unui semantic desktop:
sisteme de stocare: harddisk‐uri, stick‐uri USB etc.
un robot (crawler) – extrage meta‐date din fiecare fisier
un depozit RDF (triple store)
un serviciu de interogare SPARQL (endpoint)
aplicatii ce solicita (cauta, agrega,…) date,
invocind serviciul SPARQL

a se vizita si www.semanticdesktop.org



Componente logice ale unui semantic desktop:

N. Spivak et al., “Developing Web 3.0”, JavaOne, 2007



Agregarea informatiilor privind angajatii NASA
sistemul POPS de management inteligent al angajatilor:
date personale, competente, implicari in proiecte etc.

interogari vizuale ale datelor RDF prin jSpace

arhitectura bazata pe servicii Web in stil REST

www.w3.org/2001/sw/sweo/public/UseCases/Nasa/Nasa.pdf




Managementul resurselor bibliotecilor digitale

JeromeDL
jeromedl.org

BRICKS
www.brickscommunity.org

Detalii in Kruk et al., “Tutorial – Semantic Digital Libraries”,
WWW Conference, 2007



Solutii colaborative de management al resurselor
multimedia in medii de productie
Interactive Media Manager (Microsoft)

recurge la un cadru de lucru bazat pe meta‐date
modelate in RDF si interogate prin SPARQL

tipurile de resurse sunt specificate via ontologii (OWL)

se ofera si un SDK specializat disponibil pentru .NET



Management colaborativ al continutului
modelat semantic (semantic wikis)
Semantic MediaWiki

extensie a sistemului MediaWiki:
permite adnotarea semantica a continutului unui wiki

facilitati: specificarea proprietatilor,
realizarea de interogari, exportarea datelor in RDF etc.




Semantic MediaWiki

marcaje semantice:
Title: '''[[Has Title::Mythical Man-Month]]'''
ISBN: [[Has ISBN::0201835959]]

“triple” RDF:
(Man-Month, Has Title, Mythical Man-Month)
(Man-Month, Has ISBN, 0201835959)




Cautarea “avansata” a resurselor Web
Search Monkey (Yahoo!)

ofera maniere de rafinare a rezultatelor cautarilor pe Web

se bazeaza pe meta‐date scufundate in documentele HTML
(microformate, RDFa)

se poate recurge la o extragere “manuala”
a datelor de interes dintr‐o pagina via XSLT



Search Monkey (Yahoo!)

utilizatorul (consumatorul) trebuie “sa puna la treaba”
o “maimuta” de cautare via
http://developer.search.yahoo.com/

pentru vocabulare si microformate consacrate,
pot fi realizate automat extractii de date – eventual, filtrate

maniera de vizualizare poate fi ajustata via PHP



Alte studii de caz pe situl Consortiului Web:
www.w3.org/2001/sw/sweo/public/UseCases/

A se consulta si David Provost, “On The Cusp: A Global
Review of the Semantic Web Industry”, septembrie 2008



concluzii

Avind la dispozitie date modelate in RDF,
se ofera premisele cautarii, descoperirii, achizitiei,
colectarii, analizei si procesarii
informatiilor disponibile pe Web

management avansat al cunostintelor



Rezumat

Obtinerea, transformarea si interogarea
datelor modelate in RDF



?


Web04 Semantic Web: Managementul datelor RDF

Recommended

Recommended

More Related Content

Viewers also liked

Viewers also liked (20)

More from Sabin Buraga

More from Sabin Buraga (20)

Web04 Semantic Web: Managementul datelor RDF