1114 sasaki-metadata

Tools, offene Daten, Vokabulare
und Anwendungsszenarien für
semi-automatische
Metadatengenerierung
Felix Sasaki
DFKI / W3C Fellow
Sasaki – Markupforum 2014
1

Überblick
• Metadaten: Was und warum?
• Demo zu neuen Metadaten:
Tooling für Inhaltsanreicherung
• Was fehlt für Content Authors?
• Was ist Linked Data? – Kurzeinführung ...
• Offene Datenquellen im Web
• Nächste Schritte
2

Überblick
3

Metadaten
• Häufige Anwendung im Publikationsbereich:
Indexierung
– Automatisch
– Manuell
– Kombiniert
4

Metadaten
• Häufige Anwendung im Publikationsbereich:
Indexierung
• Standardisierte Vokabulare für manuelle
Indexierung
– Bibliothek: Gemeinschaftliche Normdatei
– Verlage, Buchhändler, ....: ONIX
5

Anwendungsszenario:
Suche erleichtern
• „Finde alle Bücher über Stuttgart“
• „Stuttgart“ abbildbar auf Metadaten in
bibliothekarischen Normdaten
– DNB http://d-nb.info/gnd/4058282-6
– LOC
http://id.loc.gov/authorities/names/n79110280
– VIAF http://viaf.org/viaf/153084910/
– ...
6

WAS HABEN GEGENWÄRTIGE
METADATENANWENDUNGEN
GEMEINSAM?
7

Metadaten = Containerlabel
http://viaf.org/viaf/153084910/
8
http://d-nb.info/gnd/4058282-6

Metadaten – der nächste Schritt:
Vom Container in die Inhalte
9

Überblick
10

Schritt 1: Automatische
Erkennung von Eigennamen
• Welcome to Stuttgart.
Output (als ITS 2.0 “Text Analysis” Markup)
Input
• Welcome to Stuttgart!.
11

Schritt 2: Anreicherung der Inhalte
durch Zugriff auf DBpedia via SPARQL
Nutzt DBpedia URIs aus Schritt 1.
Beispielabfrage, prüft ob Entität ein Ort (place) ist
• SELECT ?wikiURI ...
WHERE{ http://dbpedia.org/resource/Stuttgart
rdf:type <http://schema.org/Place>.... }
12

Schritt 3: Generierung von Schema.org
Markup und Inhalten
• Teil 1: SPARQL Query Ausgabe und
• Teil 2: Dokument
• Welcome to Stuttgart!
Output: Dokument mit Schema.org Markup
Input
• Welcome to

… Stuttgart! Population: 600038
13

Outputtest mit
„Structured Data Testing Tool“
http://www.google.com/webmasters/tools/richsnippets
14

Überblick
15

1) Tooling für Content Authors
• Beispiel oXygen Editor Modifikation
• Informationsquellen aus dem Web holen
– Autor muss Quellen und Abfragen auswählen
können
– Strukturgenerierung muss konfigurierbar sein
16

• Abfrage von Datenquellen macht Inhalte
dynamisch – Inhalte werden intelligent und
„fragen die Datenquellen ab“
– Beispiel: Einwohnerzahl für Orte aus DBpedia
17

• Abfrage von Datenquellen macht Inhalte
dynamisch – Inhalte werden intelligent und
„fragen die Datenquellen ab“
– Beispiel: Geburtsdatum für Personen aus DBpedia
18

2) Wissen um
Datenquellen und Technologien
• Technologien In a Nutshell
– RDF um Daten zu repräsentieren
– SPARQL zur Abfrage
– ITS 2.0 „Text Analysis“ um Identikatoren in Inhalten zu
Speichern > Link zur Linked Data Cloud
• Relevante Datenquellen
– Allgemein: DBpedia
– Speziell: Abhängig von der Domäne + dem Anwendungsfall
– (Potential): die eigenen, angereicherten Inhalte selbst 
– Beispiel: Reiseführer über Stuttgart
19

Überblick
20

WAS IST LINKED DATA?
KURZEINFÜHRUNG …
21

Bausteine für das Web
All content on this site is licensed under
<a
href="http://creativecommons.org/licenses/by/3.0/">
a Creative Commons License</a>. 
22

Inhalt
<a
23

Links (oder “Identifier”)
<a
24

Einfach: “Finde alle Seiten mit Links zu
http://creativecommons.org/licenses/by/3.0/“
<a
25
✔

Noch schwierig: “Finde alle Inhalte die unter
einer Creative Commons Lizenz stehen“
<a
26
?

Linked Data =
maschinenlesbare Information im Web
<a property="http://creativecommons.org/ns#license"
27
?

Linked Data =
maschinenlesbare Information im Web
Web der
Dokumente Web der Daten
28

AUFGABEN & TECHNOLOGIEN
29

Aufgaben …
Linked Data erzeugen
Linked Data Vokabulare definieren
Abfrage
30

Technologien
• Linked Data erzeugen:
RDF (Resource Description Framework)
• Vokabulare definieren: RDFS, SKOS, OWL (für
komplexe wissensbasierte Modellierung -
Ontologien)
• Abfrage: SPARQL
31

Linked Data = RDF „Aussagen“
Referenz zu einer Lizenz als RDF Aussage (Visualisierung):
32
http://www.w3.org/Talks/2014/1114-sasaki-metadata/
http://creativecommons.org/ns#license
http://creativecommons.org/licenses/by/3.0/

Turtle Syntax
Referenz zu einer Lizenz als RDF Aussage (Visualisierung) + Turtle Syntax:
33
@prefix cc: <http://creativecommons.org/ns#>.
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>.
<http://www.w3.org/Talks/2014/1114-sasaki-metadata/>
cc:license
<http://creativecommons.org/licenses/by/3.0/>.

RDF Aussagen …
34

… auf der Basis von
Vokabularien
cc:license rdf:Type rdf:Property
35
ex:Presentations
rdf:Type
RDF Schema
- Definition von Classes (example “Presentations”) und properties (like “cc:license”)
OWL (Web Ontology Language)
- Definition weiterer (logischer) Constraints für Vokabulare
SKOS
- Beschreibung von Thesauri, Taxonomien, Klassifikationen

Query - SPARQL
• Query Sprache für RDF
• Muster in Linkstrukturen
• Z.B. „Finde Präsentationen mit CC ... Lizenz“
Ergebnis:
PREFIX cc: <http://creativecommons.org/ns#>
SELECT ?presentation WHERE {
?presentation cc:license <http://creativecommons.org/licenses/by/3.0/>.
}
36

SPARQL Abfrage mit Dbpedia: „Personen die in
Stuttgart vor 1900 geboren wurden“:
http://tinyurl.com/dbpedia-bsp
37

Q/A in Suchmaschinen heute
38
Beispiel nach Noz Urbina, Präsentation bei „Soap!“ Konferenz, Oktober 2014

Potential: Q/A selbstgemacht
• Suche traditional
– Volltextindexierung, Linkgewichtung
• Metadaten heute
– Zugang zu Containern
• Metadaten morgen: Linked Data
– Neue Anwendungsszenarien, z.B.
Q/A selbst gemacht 
39

Wiederholung:
Metadaten = Containerlabel
http://viaf.org/viaf/153084910/
40
http://d-nb.info/gnd/4058282-6

Potential: Buchproduktionsprozess für
Anwendung „Q/A via Metadaten in Inhalten“
41

Potential: Buchauslieferung = Inhalte + Anreicherung
42

Potential: Buchauslieferung = Inhalte + Anreicherung +
Service Linked Data Abfrage über die Anreicherungen!
43
Abfrage „Personen die in Stuttgart vor 1900 geboren wurden“
• Ergebnis ist anders als Abfrage gegenüber DBpedia
 „Gustav Schwab“
• Buch als Linked Data Quelle in verschiedenen Sprachen zugänglich
• Linked Data Anreicherung + Anfragen: spezifisch für Markt
 Reiseführer, Technische Dokumentation, ...

Überblick
44

Linked Data 1/3

Linked Data 2/3
Linked Open Data Cloud

Linked Data 2/3
Umfasst DNB, Library of Congress Subject Headings, VIAF, ...
Linked Open Data Cloud

Linked Data 3/3
Linguistic Linked Open Data Cloud

Linked Open Data Clouds –
Datensätze und Themen
Linked Open Data Linguistic
Linked Open Data
Öffentliche Daten 183 18.05%
Publikations(Meta)daten 96 9.47%
Medizin, Biologie 83 8.19%
User-generated Content 48 4.73%
Domänenübergreifend 41 4.04%
Multimedia 22 2.17%
Geoinformationen 21 2.07%
Soziales Web 520 51.28%
Total 1014
Lexika
Thesauri
Einzelsprachlich
Mehrsprachig
…

Überblick
50

Nächste Schritte
(und Herausforderungen)
• Datenquellen finden
– Zugangspunkt
http://datahub.io/dataset?tags=lod
• Datenqualität
• Vereinfachen: Linked Data erzeugen
– Z.B. CSV als Linked Data verarbeiten
• Linked Data Tooling zur Inhaltsanreicherung in
Authoring Prozesse einbauen
• Abfrage + Services für Endnutzer bereit stellen
51

Einstieg/Loslegen
W3C LD4LT (Linked Data for Language Technology) Community
Group
• http://www.w3.org/community/ld4lt/
• https://www.w3.org/community/ld4lt/join
• https://www.w3.org/community/ld4lt/wiki/Lider_roadmapping_activities
• Teilnahme ist frei 
LIDER: EU Projekt, November 2013 – Oktober 2015
• Basisplanung („Roadmap“) für eine umfangreiche „Linguistic Linked Data
Cloud“ und Anwendungen im Bereich Content Analytics zu schaffen
• Anwendungsszenarien und Anforderungen von … Ihnen

Zusammenfassung
• Metadaten zur Anreicherung von Inhalten ist möglich
• Prototypen Tools für Content Authors existieren
• Externe, offene Linked Data Datenquellen wie DBpedia
sind wichtiger Bestandteil der Anreicherung
• Angereicherte Inhalte können Basis für neue
Anwendungen wie SEO sein
• Angereicherte Inhalte können selbst zur Datenquelle
werden und neue Anwendungen wie (mehrsprachige)
Q/A Services erlauben
• Nächste Schritte u.a.: Bereitstellung einfacher
Toolkomponenten für die Markupwelt 
53

Tools, offene Daten, Vokabulare
und Anwendungsszenarien für
semi-automatische
Metadatengenerierung
Felix Sasaki
DFKI / W3C Fellow
54

1114 sasaki-metadata

Recomendados

Recomendados

Mais conteúdo relacionado

Destaque

Destaque (7)

Semelhante a 1114 sasaki-metadata

Semelhante a 1114 sasaki-metadata (20)

Mais de Felix Sasaki

Mais de Felix Sasaki (14)

1114 sasaki-metadata

Notas do Editor