Techniky a nástroje pro propojená data
Jindřich Mynarz, Martin Nečaský, Vojtěch Svátek, Jakub
Klímek, Tomáš Knap, Jakub St...
Obsah tutoriálu
 klasický web z pohledu zpřístupňování dat
 svět dokumentů vs. svět dat
 vysvětlení pojmu Linked Data n...
Architektura klasického webu
Jednotný globální prostor dokumentů
Postavený na několika standardech:
1. HTML jako formát pr...
Co umožňuje klasický web?
 Můžeme publikovat dokumenty tak, aby si je
každý mohl ve svém prohlížeči zobrazit, pokud
zná j...
Co neumožňuje klasický web?
 Problém klasického webu je orientace na dokumenty
místo na entity, o kterých dokumenty mluví...
Co neumožňuje klasický web?
 Získat všechna data
publikována o entitě
„Martin Nečaský“ v
dokumentech na webu
 Sdílet dat...
Co neumožňuje klasický web?
• Jak pomocí odkazů říci, že stránky
pojednávají o stejné entitě?
• Jak vyznačit, kde jsou dat...
Co neumožňuje klasický web?
 Odpovídat na složitější
vyhledávací dotazy:
 Jaká témata Martin
vyučuje?
 Na jakých školác...
Lze na webu publikovat i data?
 Současnou výzvou tedy je publikovat nejenom
dokumenty, ale i zdrojová data o entitách.
 ...
Architektura webu s datovými API
Různá API poskytují strojově čitelná
data pro další zpracování v tzv.
mashup aplikacích.
...
 Současné principy a technologie mají řadu nedostatků!
 Je potřeba si uvědomit, že jednotkou pro publikaci není soubor s...
Srovnání webu dokumentů a publikace dat
na webu
 Můžeme publikovat
dokumenty tak, aby
si je každý mohl ve
svém prohlížeči...
Linked Data
 principy Linked Data = sada „best practices“
pro publikaci, sdílení a propojování entit a dat
o nich na webu...
Publikace a přístup k datům
 data = entity, údaje o nich a vazby mezi nimi
 entita = organizace, projekt, zakázka, lék, ...
Údaje o entitách a vazby mezi nimi
URL jako identifikátory entit
Typy entit a vazeb
RDF reprezentace
 RDF je datový model pro formální reprezentaci
grafu entit a hodnot jejich vlastností
Zápis RDF reprezentace
 RDF graf je vždy zapsán jako množina trojic
 trojice reprezentuje jednu hranu grafu
následujícím...
Zápis RDF reprezentace - Turtle
<http://esfcr.cz/data/projekt/CZ10421016300169>
rdfs:type esf:Projekt ;
esf:nazev "INNOSTA...
Přístup přes HTTP protokol
Webový prohlížeč
esfcr.cz
HTTP
(HTML)
http://esfcr.cz/.../projekt/
CZ10421016300169
Aplikace
HT...
Propojování objektů napříč datovými zdroji
Propojování objektů napříč datovými zdroji
ESFCR
ESFDB RISY
strukturalni
-fondy.cz
OPPI
OPD
ROP *
Zakázky
Obchodní
rejstří...
Linked Open Data (LOD) cloud
 Pokud se někdo z
lokálního „cloudu“ napojí
na LOD cloud, profitují z
napojení všichni
 Pro...
Ukázka z LOD cloudu
http://dbpedia.org/resource/Mosthttp://dbpedia.org/resource/Ústí_nad_Labem_Region
Rekapitulace Linked Data
Svět Linked Data
RDF jako formát pro publikaci entit
URL jako jednoznačné globální
identifikátory...
Využití ontologií
 web dokumentů zná jen dva jednoduché
koncepty
 dokumenty
 hypertextové nevýznamové odkazy mezi dokum...
Využití ontologií
Využití ontologií
http://labs.mondeca.com/dataset/lov/
Jak s LD pracovat?
 Bohužel dnes není technicky možné pracovat s
celým LOD cloudem
 Současné projekty využívají LD princ...
Co znamená publikovat vlastní LD?
 Analýza vlastních dat
 Jaká máme data? Co můžeme/chceme publikovat?
 Jak data v různ...
Příklad publikace LD (Veřejné zakázky)
Analýza a popis domény
Příklad publikace LD (Veřejné zakázky)
Návrh ontologie
Příklad publikace LD (Veřejné zakázky)
Aplikace nad daty
 http://ld.opendata.cz/demo
 demo aplikace nad Linked Daty o ve...
Příklad publikace LD (Veřejné zakázky)
Aplikace nad daty
 http://studentweb.xrg.cz/hospodareni-obci/
 aplikace nad Linke...
Příklad publikace LD (Veřejné zakázky)
Publikace dat
 http://ld.opendata.cz/resource/business-
entity/00274046
 data o P...
Dotazování na LD
SPARQL
 živá ukázka
 SPARQL endpoint:
http://ld.opendata.cz:8900/sparql
 SPARQL dotazy:
http://goo.gl/...
LD principy zlepšují atributy kvality
datové infrastruktury (1)
 Propojitelnost
 Mohu snadno propojovat svá data na jiná...
LD principy zlepšují atributy kvality
datové infrastruktury (2)
 Spojitost
 Díky propojením tvoří data souvislý (spojitý...
Co přinášejí LD pro producenta dat
 rozložení nákladů na činnosti s daty v čase a mezi uživatele
 publikace – data mohu ...
Co přinášejí LD pro tvůrce aplikací?
 získávají jednotný formát, ve kterém mohou
konzumovat data z různých zdrojů
 z dat...
Enterprise Linked Data
 pojem označující využívání LD principů uvnitř
organizace
 v případech, kdy se svými daty nemůže ...
Případová studie
Využití Linked Open Drug Data na Mayo Clinic
Případová studie
Využití Linked Open Drug Data na Mayo Clinic
 vlastní data o pacientech z různých databází integrují
do ...
Případová studie
Využití Linked Open Drug Data na Mayo Clinic
 Linked Open Drug Data umožňuje odpovídat
na následující do...
Případová studie
Párování nabídky a poptávky ve veřejných zakázkách
 vývoj aplikace s pracovním názvem
TenderStats v rámc...
Případová studie
Párování nabídky a poptávky ve veřejných zakázkách
 mockup aplikace TenderStats
 http://www.opendata.cz...
Poděkování
EU ICT FP7 under No.257943
(LOD2 project)
Upcoming SlideShare
Loading in …5
×

Techniky a nástroje pro propojená data (Linked Data)

688 views

Published on

Slajdy z tutoriálu na Datakon 2012 o Linked Data

Published in: Technology
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
688
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
6
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • Každý portál spravuje jen svá primární data o Martinovi:
    univerzitní informační systém UK spravuje data o výuce Martina na MFF UK
    univerzitní informační systém ČVUT spravuje data o výuce Martina na ČVUT
    státní informační systémy RIV a CEP spravují data o projektech Martina
    portál Linked Open Vocabularies spravuje data o ontologiích, na kterých Martin spolupracoval
    osobní stránka Martina spravuje data o jeho odborném zaměření, o jeho kolezích a také různé notifikace (jakých událostí se Martin bude účastnit, aktuality k výuce, ...)

    Současný web neumožňuje, aby jakýkoliv portál, který publikuje nějaká data o Martinovi, mohl neproprietálně obohatit svá data o data z jiného portálu.
  • Data o Martinovi jsou distribuována v dokumentech na webu a vyhledávače je indexují pouze pomocí klíčových slov. Klíčová slova však nestačí na zodpovězení uvedených složitějších (ale ne zase tak moc složitějších) otázek. Navíc nerozlišují kontext, natož pak hlubší sémantiku výskytů klíčových slov. Snadno se tak vyhledávače nechají zmást.

    Pro odpovědi na tyto otázky si musíme dojít do konkrétní aplikace, která:
    si sama spravuje všechna data potřebná pro zodpovězení dotazu
    má uživatelské rozhraní takové, že je možné otázku položit a dostat odpověď

    Pro mnoho otázek však potřebná aplikace vůbec neexistuje. Většinou má jen kusé informace (jen určitou projekci a selekci potřebných dat) a uživatelské rozhraní je přizpůsobeno jen specifickému problému, který aplikace řeší.

    Klasický web nutí uživatele klást uniformní dotazy nad velmi omezenou (a draze spravovanou) množinou dat.
  • O Linked Data má smysl uvažovat všude tam, kde potřebujeme sdílet a propojovat data napříč různými entitami (organizační složky státu, samosprávy, soukromé společnosti, výzkumné instituce, veřejnost, ...).

    Tajná zbraň - možnost přiřazovat datům jejich význam (semantic web) a s významem strojově pracovat
  • Entity reálného světa, údaje o nich a vazby mezi nimi tvoří orientovaný graf. Uzel grafu reprezentuje entitu či datovou dále nestrukturovanou hodnotu. Z uzlů, které reprezentují datové hodnoty, již nevedou žádné hrany. Hrana přiřazuje dané entitě datovou hodnotu či jinou entitu jako hodnotu nějaké její vlastnosti. To, o jakou vlastnost se jedná je dáno popiskem hrany.
  • Základním principem Linked Data je identifikace jednotlivých entit pomocí URI. Jsme na webu a proto se využívá speciální typ URI zvaný URL. URL entity lze pak využít pro strojové získání údajů o entitě (prostřednictvím HTTP protokolu). Stroj přistupující k URL entity (tj. stroj dereferencující dané URL) získává strojově čitelnou reprezentaci všech dostupných hodnot vlastností entity. Přesněji, získává ve strojově čitelném zápisu všechny hrany vedoucí z uzlu reprezentujícího entitu (někdy jsou také uvažovány hrany vedoucí do tohoto uzlu).

    Identita jednotlivých hran naopak není uvažována. Hranu chápeme jako tvrzení o hodnotě vlastnosti entity s daným URL. Tj.

    <URL entity> <název vlastnosti> <hodnota vlastnosti>

    Pro takové tvzrení neuvažujeme jeho vlastní identitu.
  • Každá entita může mít kromě svojí identity přiřazen také typ (třídu). Typ je opět chápán jako entita se svým vlastním URL.

    Stejně jako entity jsou typovány i hrany. Popisovat hranu jen názvem vlastnosti by totiž bylo příliš obecné a strojově těžko uchopitelné. Typ hrany je stejně jako typ entity entitou s vlastním URL. Tuto entitu na obrázku nezobrazujeme. Místo toho ukazujeme její URL jako popisek hrany.

    Entita reprezentující typ (hrany či entity) má také svoje vlastnosti, např. název a komentář. Jejich hodnoty jsou vyjádřeny dle stejných principů. Dereferencováním URL typu je možné se k těmto datům dostat strojovým způsobem.
  • ukázat problémy s nejednoznačností pojmenování vlastností
    zavést pojem ontologie
    zdůraznit ontology reuse
    ukázat, co to přináší
    možnost koukat na data z různých úhlů pohledu (daných různými ontologiemi)
  • ukázat problémy s nejednoznačností pojmenování vlastností
    zavést pojem ontologie
    zdůraznit ontology reuse
    ukázat, co to přináší
    možnost koukat na data z různých úhlů pohledu (daných různými ontologiemi)
  • Company Profile: Deutsche Post in Germany
     
    Performing a search for Deutsche Post.
    Country germany
    Search box deutsche post (write down Deutsche Post, select the Deutsche Post (Berlin))
    Time (as you like)
    Click on the contract “Koblentz:Postdienste”
    User views from DBPEDIA (http://dbpedia.org/page/Deutsche_Post) the following info (Note: user should see values from destination source, not labels or links):
    Roll down to show data added from dbpedia
    Location, Industry, Key Person, Revenue, Assets (represents last data from Wikipedia)
    User views data from FreeBase (some additional properties)
    Click on the link “Frank_Appel” (open it in a new tab), dbpedia opens (say: Now you can look at more data about Frank at dbpedia but now you are also in the cloud connected to all other sources!), roll down to owl:sameAs fbase:Frank Appel, click on fbase:Frank Appel – Frebase page opens. You can browser further…
    Go back, click on Bonn (again, you are in dbpedia!), click on sameAs http://sws.geonames.org/2946447..., now you are on Geo Names, another data set in the cloud
  • studentweb.xrg.cz/hospodareni-obci/
    -> vykazy -> semily
    pocet obyvatel je z DBPedia

    http://studentweb2.xrg.cz/bp-linked-data-rejskol
    -> skoly -> detailni vyhledavani -> nazev obce (semily) -> Gymnazium Ivana Olbrachta -> RDF -> misto poskytovaneho vzdelavani -> locatedIn
    Jsme na http://ld.opendata.cz/resource/municipality/00276111 - informace o meste (aktualne to je rozpocet)
    -> sameAs
    Jsme na http://ld.opendata.cz/resource/business-entity/00276111  - dalsi informace o meste (obchodni rejstrik, verejne zakazky)
    -> sameAs (dbpedia), atd
  • DEFINE input:same-as "yes"
    SELECT ?contractTitle ?authorityTitle ?population
    WHERE {
    ?contract a pc:Contract ;
    dcterms:title ?contractTitle ;
    pc:contractingAuthority ?authority .
    ?authority <http://www.geonames.org/ontology/population>
    ?population .
    ?authority <http://www.geonames.org/ontology/officialName>
    ?authorityTitle .
    FILTER (?population > 8500 AND ?population < 9000)
    }
  • Kvantita propojení znamená počet propojení. Kvalita znamená jak dobře mám popsánu sémantiku propojení. Nejméně kvalitní je jen vágní tvrzení, že zde je nějaká souvislost. Nejvíce kvalitní jsou přesná propojení (sameAs nebo detailní R2R specifikace).
  • Kvantita propojení znamená počet propojení. Kvalita znamená jak dobře mám popsánu sémantiku propojení. Nejméně kvalitní je jen vágní tvrzení, že zde je nějaká souvislost. Nejvíce kvalitní jsou přesná propojení (sameAs nebo detailní R2R specifikace).
  • Techniky a nástroje pro propojená data (Linked Data)

    1. 1. Techniky a nástroje pro propojená data Jindřich Mynarz, Martin Nečaský, Vojtěch Svátek, Jakub Klímek, Tomáš Knap, Jakub Stárka Fakulta informatiky a statistiky, Vysoká škola ekonomická Matematicko-fyzikální fakulta, Univerzita Karlova http://lod2.eu, http://opendata.cz, http://keg.vse.cz, http://xrg.cz
    2. 2. Obsah tutoriálu  klasický web z pohledu zpřístupňování dat  svět dokumentů vs. svět dat  vysvětlení pojmu Linked Data na případové studii Evropského sociálního fondu  využití ontologií ve světě Linked Data  dotazování nad Linked Data  praktické přínosy Linked Data  případové studie
    3. 3. Architektura klasického webu Jednotný globální prostor dokumentů Postavený na několika standardech: 1. HTML jako formát pro publikaci dokumentů 2. URL jako jednoznačné globální identifikátory dokumentů 3. HTTP protokol pro vyhledávání a získávání dokumentů dle jejich URL 4. odkazy pro propojování dokumentů Nad prostorem dokumentů pracují aplikace dvou typů: • webové prohlížeče (přístup k dokumentům dle URL + procházení přes hypertextové odkazy) • vyhledávače (indexace a fulltextové vyhledávání v dokumentech) Databáze A HTML Databáze B HTML Databáze D HTML Databáze C HTML Webový prohlížeč Vyhledávač HTTP HTTP
    4. 4. Co umožňuje klasický web?  Můžeme publikovat dokumenty tak, aby si je každý mohl ve svém prohlížeči zobrazit, pokud zná jejich URL.  Vazby nám umožňují dostat se i na dokumenty, jejichž URL přímo neznáme:  Pomocí odkazů z jiných dokumentů  Z katalogů odkazů  Fulltextové vyhledání dokumentů (klíčová slova)
    5. 5. Co neumožňuje klasický web?  Problém klasického webu je orientace na dokumenty místo na entity, o kterých dokumenty mluví.  entita = entita reálného světa, o níž chceme na webu publikovat nějaká data  např. instituce, kniha, osoba, smlouva, veřejná zakázka, ...  Data o jedné entitě jsme nuceni zakódovat do dokumentu na webu v podobě, která neumožňuje  strojové zpracování  propojování a sdílení míst, na kterých se o entitě mluví  propojování entity na související entity  (viz příklady na následujících slajdech)
    6. 6. Co neumožňuje klasický web?  Získat všechna data publikována o entitě „Martin Nečaský“ v dokumentech na webu  Sdílet data mezi portály, tj.  aby portál mohl spravovat jen data o entitě, která jsou v jeho primárním zájmu.  aby mohl ostatní (sekundární) data čerpat z jiných portálů.
    7. 7. Co neumožňuje klasický web? • Jak pomocí odkazů říci, že stránky pojednávají o stejné entitě? • Jak vyznačit, kde jsou data o entitě určená pro sdílení? • Jak mohu na své stránce využít data z jiných stránek?
    8. 8. Co neumožňuje klasický web?  Odpovídat na složitější vyhledávací dotazy:  Jaká témata Martin vyučuje?  Na jakých školách Martin vyučuje?  Na jakých projektech Martin pracuje?  S kým Martin spolupracuje?
    9. 9. Lze na webu publikovat i data?  Současnou výzvou tedy je publikovat nejenom dokumenty, ale i zdrojová data o entitách.  Aby web mohl poskytnout i výše uvedené služby.  Již dnes ale přeci na webu publikujeme často právě i zdrojová data určená pro další zpracování.  Známe dokonce 2 způsoby publikace dat:  Datové soubory mají také svoje jednoznačné URL a data reprezentují v různých formátech. • XML, CSV, XLS, ...  Pokročilým způsobem publikace dat jsou tzv. datová API
    10. 10. Architektura webu s datovými API Různá API poskytují strojově čitelná data pro další zpracování v tzv. mashup aplikacích. Také postaveny na několika jednoduchých standardech: • XML/JSON jako formáty pro publikaci dat • HTTP protokol pro získávání dat Ale pozor • chybí URL identifikátory (resp. jsou používány, ale ne jako globální identifikátory entit) • chybí odkazy mezi entitamiDatabáze A Databáze B Databáze D Databáze C Aplikace Aplikace HTTP Data API Data API Data API Data API HTTP HTTP HTTP
    11. 11.  Současné principy a technologie mají řadu nedostatků!  Je potřeba si uvědomit, že jednotkou pro publikaci není soubor s daty ale entita (většinou objekt reálného světa), o které chceme data publikovat.  Publikace dat o entitách ale není postavena na principech, které už byly jednou vynalezeny pro publikaci dokumentů. Publikace dat na webu Svět dokumentů Svět dat HTML jako formát pro publikaci dokumentů formátů pro publikaci dat používáme řadu (XML, JSON, CSV, XLS, ...) URL jako jednoznačné globální identifikátory dokumentů entitám nepřiřazujeme žádné globální identifikátory HTTP protokol pro vyhledávání a získávání dokumentů dle jejich URL HTTP protokol používáme (REST), ale nepoužíváme URL jako globální identifikátory entit odkazy pro propojování dokumentů žádný z používaných formátů neumožňuje propojování souvisejících entit Máme web dokumentů Ale nemáme web dat
    12. 12. Srovnání webu dokumentů a publikace dat na webu  Můžeme publikovat dokumenty tak, aby si je každý mohl ve svém prohlížeči zobrazit, pokud zná jejich URL.  Vazby nám umožňují dostat se i na dokumenty, jejichž URL přímo neznáme  Můžeme publikovat entity tak, aby si je každý mohl ve svém prohlížeči zobrazit, pokud zná jejich URL.  Vazby nám umožňují dostat se i na entity, jejichž URL přímo neznáme
    13. 13. Linked Data  principy Linked Data = sada „best practices“ pro publikaci, sdílení a propojování entit a dat o nich na webu  využití standardů současného Webu pro publikaci a přístup k entitám a datům o nich ve strojově čitelné podobě  možnost vytvářet vazby mezi souvisejícími entitami a publikovat vazby jako součást dat pro jejich strojové zpracování  využití ontologií pro popis sémantiky dat
    14. 14. Publikace a přístup k datům  data = entity, údaje o nich a vazby mezi nimi  entita = organizace, projekt, zakázka, lék, ...  údaj o entitě = název organizace, IČ organizace  vazba = zakázka je realizovaná v rámci projektu, organizace je příjemcem projektu, účinná látka je obsažená v léku Svět dokumentů Svět Linked Data HTML jako formát pro publikaci dokumentů RDF jako formát pro publikaci entit URL jako jednoznačné globální identifikátory dokumentů URL jako jednoznačné globální identifikátory entit HTTP protokol pro vyhledávání a získávání dokumentů dle jejich URL HTTP protokol pro vyhledávání a získávání entit dle jejich URL odkazy pro propojování dokumentů vazby pro propojování entit Máme web dokumentů Máme web dat!
    15. 15. Údaje o entitách a vazby mezi nimi
    16. 16. URL jako identifikátory entit
    17. 17. Typy entit a vazeb
    18. 18. RDF reprezentace  RDF je datový model pro formální reprezentaci grafu entit a hodnot jejich vlastností
    19. 19. Zápis RDF reprezentace  RDF graf je vždy zapsán jako množina trojic  trojice reprezentuje jednu hranu grafu následujícím způsobem subjekt predikát objekt  trojice jsou zapisovány ve vhodné notaci  XML, RDFa, N3, Turtle, JSON
    20. 20. Zápis RDF reprezentace - Turtle <http://esfcr.cz/data/projekt/CZ10421016300169> rdfs:type esf:Projekt ; esf:nazev "INNOSTART" ; esf:registracni_cislo "CZ.1.04/2.1.01/63.00169" ; esf:castka "4711681" ; esf:realizace_od "2011-06-01" ; esf:realizace_do "2013-03-31" ; esf:realizator <http://esfcr.cz/data/institution/25438352> ; esf:partner <http://esfcr.cz/data/institution/25438352> ; esf:kontaktni_osoba <http://esfcr.cz/data/person/8541274571> ; esf:region <http://esfcr.cz/data/kraj/ustecky> .
    21. 21. Přístup přes HTTP protokol Webový prohlížeč esfcr.cz HTTP (HTML) http://esfcr.cz/.../projekt/ CZ10421016300169 Aplikace HTTP (RDF) <http://esfcr.cz/data/projekt/CZ10421016300169> esf:nazev "INNOSTART" ; esf:registracni_cislo "CZ.1.04/2.1.01/63.00169" ; esf:castka "4711681" ; esf:realizace_od "2011-06-01" ; esf:realizace_do "2013-03-31" ; esf:realizator <http://esfcr.cz/.../25438352> ; esf:partner <http://esfcr.cz/.../25438352> ; esf:kontaktni_osoba <http://esfcr.cz/.../8541274571>; esf:region <http://esfcr.cz/.../ustecky> .http://esfcr.cz/.../projekt/ CZ10421016300169
    22. 22. Propojování objektů napříč datovými zdroji
    23. 23. Propojování objektů napříč datovými zdroji ESFCR ESFDB RISY strukturalni -fondy.cz OPPI OPD ROP * Zakázky Obchodní rejstřík Rozpočty Školy Územní celky
    24. 24. Linked Open Data (LOD) cloud  Pokud se někdo z lokálního „cloudu“ napojí na LOD cloud, profitují z napojení všichni  Propojování mohou vznikat postupně a v různé kvalitě; kvantita i kvalita propojení se může postupně zvyšovat ESFCR ESFDB RISY strukturalni- fondy.cz OPPI OPD ROP * Zakázky Obchodní rejstřík Rozpočty Školy Územní celky
    25. 25. Ukázka z LOD cloudu http://dbpedia.org/resource/Mosthttp://dbpedia.org/resource/Ústí_nad_Labem_Region
    26. 26. Rekapitulace Linked Data Svět Linked Data RDF jako formát pro publikaci entit URL jako jednoznačné globální identifikátory entit HTTP protokol pro vyhledávání a získávání entit dle jejich URL vazby pro propojování entit
    27. 27. Využití ontologií  web dokumentů zná jen dva jednoduché koncepty  dokumenty  hypertextové nevýznamové odkazy mezi dokumenty  web dat zná řadu různých konceptů  entity mnoha významů (typů) • osoby, města, projekty, rozpočty, ...  významová propojení mezi entitami a jejich datovými hodnotami i mezi entitami navzájem • jméno osoby, jméno města, region projektu, ....  významy jsou důležité pro strojové zpracování  „významy“ jsou zachyceny pomocí ontologií • tento pojem web dokumentů NEZNÁ
    28. 28. Využití ontologií
    29. 29. Využití ontologií http://labs.mondeca.com/dataset/lov/
    30. 30. Jak s LD pracovat?  Bohužel dnes není technicky možné pracovat s celým LOD cloudem  Současné projekty využívají LD principů k publikaci a obohacování vlastních dat  Výběr konkrétních obohacujících datasetů (přístup přes HTTP URI nebo pomocí jazyka SPARQL)  Napojení vlastních dat na zvolené externí datasety
    31. 31. Co znamená publikovat vlastní LD?  Analýza vlastních dat  Jaká máme data? Co můžeme/chceme publikovat?  Jak data v různých našich databázích spolu souvisí? Jak souvisí s daty jiných subjektů?  Doménový model  Nezávisle na ontologii, např. ve formě UML diagramu tříd.  Návrh ontologie  Jaké již existují používané ontologie pokrývající náš doménový model?  Návrh vlastní ontologie pro části nepokryté existujícími ontologiemi.  Mapování vlastní ontologie na existující ontologie.  Export dat  Skripty exportující data do podoby navržené ontologie.  Propojení dat s existujícími daty v LOD cloudu.  Publikace dat  Aplikace nad daty  Lze nechat na někom jiném
    32. 32. Příklad publikace LD (Veřejné zakázky) Analýza a popis domény
    33. 33. Příklad publikace LD (Veřejné zakázky) Návrh ontologie
    34. 34. Příklad publikace LD (Veřejné zakázky) Aplikace nad daty  http://ld.opendata.cz/demo  demo aplikace nad Linked Daty o veřejných zakázkách v celé EU  data vytěžená z TED, národních portálů (např. isvzus.cz) + DBPedia
    35. 35. Příklad publikace LD (Veřejné zakázky) Aplikace nad daty  http://studentweb.xrg.cz/hospodareni-obci/  aplikace nad Linked Daty o hospodaření obcí  data vytěžená z UFIS + DBPedia • UFIS = http://wwwinfo.mfcr.cz/ufis/  http://studentweb2.xrg.cz/bp-linked-data- rejskol  aplikace nad Linked Daty z rejstříku škol  data vytěžená z rejstříků MŠMT a MPSV • MŠMT = http://rejskol.msmt.cz/ • MPSV = http://portal.mpsv.cz/
    36. 36. Příklad publikace LD (Veřejné zakázky) Publikace dat  http://ld.opendata.cz/resource/business- entity/00274046  data o Pardubicích  http://ld.opendata.cz/resource/business- entity/1cf14570-7415-46c6-8a43- 88fa227fddf2  jiná data o Pardubicích  všimněte si vazeb sameAs
    37. 37. Dotazování na LD SPARQL  živá ukázka  SPARQL endpoint: http://ld.opendata.cz:8900/sparql  SPARQL dotazy: http://goo.gl/pO8qJ
    38. 38. LD principy zlepšují atributy kvality datové infrastruktury (1)  Propojitelnost  Mohu snadno propojovat svá data na jiná data. Svá data tak obohatím o nová související data, která ale nemusím udržovat ve své databázi.  Dohledatelnost  Ostatní mohou efektivněji nalézt má data díky propojením na jiná data.  Kontextovost  Na moje data lze nahlížet z různých kontextů daných vazbami na jiná data.  Inkrementalita  Data o objektech a především propojení mezi objekty lze budovat a zveřejňovat postupně (pay-as-you-go). Propojení nemusejí být zdaleka úplná (jak kvantitativně tak kvalitativně). Už při malém množství propojení se přínosy projeví.  Distribuovatelnost  Data a propojení mezi nimi není nutné publikovat „u zdroje“. Může je publikovat kdokoliv a kdekoliv.
    39. 39. LD principy zlepšují atributy kvality datové infrastruktury (2)  Spojitost  Díky propojením tvoří data souvislý (spojitý) datový prostor, se kterým mohou aplikace pracovat jako s jednou databází.  Pluralita  Různí lidé mohou publikovat různá (i protichůdná) tvrzení o stejném objektu. Lze tak reflektovat běžné situace ve společnosti.  Modifikovatelnost (flexibilita, robustnost)  Datová infrastruktura je odolná vůči změnám. Změny (např. mazání dat) mohou být jen na úrovni jednotlivých trojic a nezasahují jiné trojice. Jsou tak maximálně lokalizovány. A to jak na úrovni instancí, tak na úrovni schémat (ontologií).  Transparentnost  V datech lze také zaznamenat, kdo, kde, kdy a pod jakou licencí data publikoval.
    40. 40. Co přinášejí LD pro producenta dat  rozložení nákladů na činnosti s daty v čase a mezi uživatele  publikace – data mohu publikovat postupně a publikuji jen svá primární data (na sekundární se napojím)  aktualizace – aktualizuji ve své databázi jen svá primární data, sekundární data aktualizují jejich správci a díky propojením se o aktualizacích hned dozvím  propojování – nemusím propojení vytvářet sám a nemusím hned vytvářet přesná propojení; ostatní uživatelé infrastruktury mi pomohou s kvantitou i kvalitou propojení  obohacování dat  zveřejněním dat v podobě LD a vytvořením relativně malého množství propojení obohatím svá data o všechna související data v LOD cloudu  s obohacováním mi pomáhají všichni uživatelé LOD cloudu  uživatelé mi pomáhají se zvyšováním kvality mých dat (mohou chyby v mých datech opravovat tak, že své opravy publikují v LOD cloudu)
    41. 41. Co přinášejí LD pro tvůrce aplikací?  získávají jednotný formát, ve kterém mohou konzumovat data z různých zdrojů  z dat se díky propojením snadno dostanou na související data  získávají přístup k celosvětové distribuované databázi (LOD cloudu), kterou mohou využít ve své aplikaci  databáze navíc kontinuálně roste a zvyšuje svoji informační hodnotu  vědí, od koho data pocházejí a pod jakou licencí jsou publikována
    42. 42. Enterprise Linked Data  pojem označující využívání LD principů uvnitř organizace  v případech, kdy se svými daty nemůže nakládat zcela otevřeně (osobní či jiné chráněné údaje)  jedná se o architektonický styl budování datové infrastruktury uvnitř organizace  navíc velmi přirozený, neboť je postaven na běžných technologiích (URI, HTTP, ...) – fungují stávající nástroje  přináší všechny výhody LD do organizace  viz atributy kvality výše  umožňuje využívat externí otevřená LD z LOD cloudu uvnitř organizace pro obohacování vlastních dat organizace
    43. 43. Případová studie Využití Linked Open Drug Data na Mayo Clinic
    44. 44. Případová studie Využití Linked Open Drug Data na Mayo Clinic  vlastní data o pacientech z různých databází integrují do warehouse, exportují do RDF (Translational Medicine Ontology) a linkují na Linked Open Drug Data
    45. 45. Případová studie Využití Linked Open Drug Data na Mayo Clinic  Linked Open Drug Data umožňuje odpovídat na následující dotazy Najdi všechny léky povolené FDA pro léčbu T2D (Diabetes typu 2) a najdi pacienty, kteří tyto léky berou. U kterých pacientů se projevil nějaký vedlejší účinek léku Prandin. Které geny a biomarkery jsou asociovány s T2D podle současné literatury? Kteří pacienti mají předepsaný lék, který ovlivňuje gen HNF4α? Kteří pacienti berou lék ze třídy sulfonylureas, meltformin, metglitinides, thiazolinediones nebo nějakou jejich kombinaci?
    46. 46. Případová studie Párování nabídky a poptávky ve veřejných zakázkách  vývoj aplikace s pracovním názvem TenderStats v rámci EU projektu LOD2  umožní detailní popis poptávky ve veřejné zakázce dle principů Linked Data  využití detailního popisu poptávky a sekundárních dat souvisejících s veřejnou zakázkou (demografie, geografie, ...) pro  nalezení podobných veřejných zakázek  nalezení vhodných dodavatelů
    47. 47. Případová studie Párování nabídky a poptávky ve veřejných zakázkách  mockup aplikace TenderStats  http://www.opendata.cz/mockup/pcfiler/mycontracts -step-04.html  formulář pro vyplnění detailní specifikace poptávky je vygenerován na základě vertikální produktové ontologie specifické pro danou doménu, v našem případě se jedná o automobily  http://www.volkswagen.co.uk/vocabularies/coo/ns  využití entit z projektu DBPedia.org pro popis komponent poptávaného vozidla a jeho poptávaných vlastností
    48. 48. Poděkování EU ICT FP7 under No.257943 (LOD2 project)

    ×