Este documento describe los metadatos y su uso para la organización del conocimiento y la gestión de recursos digitales. Explica que los metadatos son datos sobre otros datos y proveen información estructurada sobre un recurso. También describe estándares como Dublin Core, SKOS y FRBR que definen elementos y relaciones para describir recursos de manera normalizada.

1. TIC APLICADA A LA
HISTORIA DEL ARTE
6 - Repositorios y Gestión de Activos
Digitales
6.2 Metadatos

2. Repositorios y Gestión Activos
Digitales
Contenidos  Metadatos
 Definiciones
 Organización del conocimiento
 La Web
 La Web Semántica
 Aplicaciones para Historia del Arte

3. Recursos
 Recurso: Cualquier cosa, concreta o
abstracta
 Concretos: libro, obra de arte, foto, página web, ...
 Abstractos: una colección, un estilo, un conjunto, ...
Recurso
Un árbol
Recurso
Una foto
Recurso
Un álbum de fotos

4. Dato
 Dato: Un valor cualquiera, un símbolo
 No es verdadero ni falso
 Ejemplos: "1984", "verde"
 Nivel de abstracción más bajo
 Puede pertenecer a un conjunto
 Fecha, nº habitantes, colores
verde

5. Información
 Información: Valor asociado a una
interpretación
 Puede ser verdadero o falso según interpretación
 Interpretación: asignación de significado en un
contexto
 "La Regenta fue publicada en 1984"
 "El árbol de mi casa es de color verde"

6. Conocimiento
 Información adquirida por un agente
 Ejemplo: "Ana sabe que el árbol de su casa es
verde"
 Tradicionalmente el agente era una persona
 Pero el agente también puede ser una máquina
Recursos
Agente
Conocimiento

7. Organización del conocimiento
 Catalogación
 Metadatos
 Clasificación facetada
 Vocabularios controlados
 Modelos entidad-relación
 Ontologías
 Folksonomías

8. Catalogación
 Proceso de indexar un recurso para que
pueda ser encontrado posteriormente
 Objetivo: Facilitar búsqueda y recuperación del
recurso
 Catalogación = Gestionar metadatos de un
recurso

9. Sistemas de catalogación:
evolución
 Orígenes: archivos y bibliotecas
 Más de 4000 años de antigüedad
 3 etapas
 Catálogos como colecciones impresas
 Estaban desfasados en el mismo momento de su
impresión
 Tarjetas
 Charles A. Cutter (1876)
 Uso masivo en s. XX
 Catálogos en la Web
 s. XXI

11. Evolución de la Web
 Crecimiento casi exponencial
Fuente: Netcraft webserver survey

12. http://www.facebook.com/note.php?note_id=76191543919
http://beerpla.net/2008/08/14/how-to-find-out-the-number-of-videos-on-youtube/
Datos y datos...
 Facebook: 250.000 millones fotos (2012)
 Youtube: 100 horas de video subidas cada
minuto
 Twitter: 218 millones de usuario activos
 Flickr: 518 millones de fotos subidas en 2012
 ...
Fuente: http://www.coverpop.com/pop/flickr_interesting

13. Catálogos en la Web
 Estamos en la era de los datos en la Web
 Catálogos en el s. XXI
 Si no está en la Web, no está
 Catalogación vs Posicionamiento
 Si está en la Web, pero no se encuentra, no está
 Catálogos Web = publicación de metadatos
 Algunos Problemas/retos:
 Ingentes cantidades de datos
 Confianza y Sistemas abiertos

14. Catalogación y Metadatos
 Metadatos
 Etimológicamente: "Datos acerca de otros datos"
 Otra definición:
 "Información estructurada que describe ó explica un
recurso"
Autor: Juan Torres
Lugar: Jardín de su casa
Álbum: Personal
Fecha: 22/02/2013
Resolución: 5Mpx
Metadatos
Recurso

15. Tipos de metadatos
 Descriptivos: describen un recurso
 Título, autor, lugar,...
 Estructurales: relaciones entre objetos
 Colección, álbum, ...
 Administrativos: ayudan a gestionar el
recurso.
 Fecha, nº de versión, derechos digitales, etc.
Autor: Juan Torres
Lugar: Jardín de su casa
Álbum: Personal
Fecha: 22/02/2013
Resolución: 5Mpx
Metadatos
Recurso

16. Proceso de metadatos
 Metadatos deben ser procesables
automáticamente
 Generación
 Almacenamiento, catalogación
 Transmisión
 Búsqueda
Metadatos
Autor: Juan Torres
Lugar: Jardín de su casa
Álbum: Personal
Fecha: 22/02/2013
Resolución: 5Mpx
Fotos de
jardines
en
invierno
胡安花園照片

17. Sintaxis para metadatos
 Solución de compromiso
 Procesado automático por ordenadores
 Manipulación por personas
001010000100
100010010010
010000010001
Formato ideal Formato ideal
El texto en lenguaje
natural es el formato
ideal para tí...

18. Codificaciones
 MARC (MAchine Readable Cataloging)
 Utilizado para información bibliográfica
001010000100
100010010010
010000010001
Formato ideal Formato ideal
El texto en lenguaje
natural es el formato
ideal para tí...
MARC

19. Vocabularios controlados
 Tesauro
 Utilizado para clasificación
001010000100
100010010010
010000010001
Formato ideal Formato ideal
El texto en lenguaje
natural es el formato
ideal para tí...
Tesauro

20. Lenguajes de marcado
 Mezclan texto en lenguaje natural con marcas
 Las marcas proporcionan metadatos
 Lenguajes genéricos: SGML, XML
001010000100
100010010010
010000010001
Formato ideal Formato ideal
El texto en lenguaje
natural es el formato
ideal para tí...
XML
<work>
<artist id="23">Leonardo da Vinci</artist>
<title>La Gioconda</title>
<commentarios>Pudo haber sido realizado
por <artist id="24">Miguel Ángel</artist>
</comentarios>
</work>

21. RDF
 Modelo de grafo.
 Base para Web Semántica
 Varias sintaxis procesables automáticamente
001010000100
100010010010
010000010001
Formato ideal Formato ideal
El texto en lenguaje
natural es el formato
ideal para tí...
RDF
http://museo.org/obras/23
2 Leonardo da
Vinci
La
Gioconda
http://museo.org/autores/4
3
http://xmlns.com/foaf/0.1/namehttp://purl.org/dc/elements/1.1/author
http://purl.org/dc/elements/1.1/title

22. Estándares para metadatos
 Clasificación facetada
 Vocabularios controlados
 Clasificación facetada, vocabularios controlados,
conjuntos de términos, enumeraciones, anillos de
sinónimos, taxonomías, tesauros
 Modelos entidad-relación
 Ontologías
 Folksonomías

23. Clasificación facetada
 Facetas: atributos de un recurso
 Ejemplo: color, resolución, estilo,...
 Permite búsqueda de recursos a partir de
valores de dichos atributos
 Algunos sistemas
 CC. Colon Classification
 Clasificación deciman de Dewey
 CDU, Clasificación decimal universal

24. Vocabularios controlados
 Disposición organizada de palabras o frases
 Permiten indexar/buscar/recuperar recursos
 Normalmente, en un dominio acotado
 Ejemplos:
 Conjuntos de términos
 Encabezados de materia: Listas subject/heading
 Enumeraciones
 Anillos de sinónimos
 Taxonomía
 Tesauro

25. Conjuntos de términos
 Definen un conjunto de términos y propiedades
que se pueden asignar a un recurso
 Ejemplo: Dublin-core
 15 elementos
 Utilizado para catálogos online
1. Title
2. Creator
3. Subject
4. Description
5. Publisher
6. Contributor
7. Date
8. Type
9. Format
10.Identifier
11.Source
12.Language
13.Relation
14.Coverage
15.Rights

26. Encabezamientos de materia
 Listas subject/heading
 Ejemplos:
 LEMBP: lista encabezamientos bibliotecas
públicas
 LCSH: Library of Congress Subject Heading
Charles A. Cutter
Fuente: Wikipedia
Lista encabezamientos materias bibliotecas públicas
Fuente: http://www.mcu.es/bibliotecas/docs/MC/LEMBP/LEMBP.pdf

27. Enumeraciones
 Una enumeración es una lista de términos
 Preferiblemente únicos
 Suelen aparecer como listas desplegables
 Es posible enlazar términos entre diferentes
vocabularios
Gato
Perro
Animal
Persona
Objeto

28. Anillos de sinónimos
 Una lista que incluye conjuntos de términos
que son equivalentes
 Utilizada para búsquedas y recuperación
 Enriquecimiento de términos de búsqueda
 Pueden incluirse términos relacionados

29. Taxonomías
 Clasificación ordenada de un dominio
 Cuerpo de conocimiento dividido en categorías

30. Tesauro
 Lista de términos y relaciones
 Jerárquicas: todo/parte, ámbito más
amplio/estrecho
 Equivalencias: sinonimia, homonimia, antonimia,
...
 Asociativas: términos relacionados
 No tiene porqué incluir definiciones
 En ese caso sería un diccionario
 Múltiples tesauros especializados

31. SKOS
 SKOS = Simple Knowledge Organization
System
 Lenguaje para definir tesauros y vocabularios
controlados
 Sintaxis RDF
 Permite expresar términos, relaciones y
jerarquías
 Muchos vocabularios han migrado a SKOS
 Eurovoc, LCSH, MeSH, ...

32. Modelos entidad-relación
 Técnica para describir bases de datos
 Entidades: pueden identificarse de forma única
 Relaciones entre entidades
 Atributos: propiedades de entidades o relaciones
Artista Obra
nombre estilo
realiza
fecha
nombre

33. FRBR
 FRBR - Functional Requirements for Bibliographical
Records
 Modelo entidad-relación
 Desarrollado por IFLA (Asociación Intl. de
bibliotecas)Work
Expression
Manifestation
Item
realization
embodime
nt
examplar
El Quijote
Versión inglés
Traductor John Ormsby
1885
1604
2011Publicación
Simon&Brown
2013Ejemplar
comprado
1
n
1
n
1
n

34. Ontologías
 Definición formal del conocimiento de un
dominio
 Objetivo: representación de conocimiento
 Contiene
 Vocabulario de términos: clases, individuos
 Relaciones entre términos: propiedades
 Reglas y axiomas

35. Folksonomías
 Etiquetado colaborativo
 Semántica emergente
 Sabiduría de las masas
Fuente: http://blog.ponoko.com/2008/09/10/folksonomy/

36. La Web

37.  Mayor almacén de información jamás recopilado
por la humanidad
 Acceso casi instantáneo desde cualquier lugar
 No centralizado  Cualquiera puede añadir
cosas
 Multimedia (Texto, Imágenes, Vídeo, etc.)
 Identificación de recursos unificada (URIs)
 Interactividad: Aplicaciones Web
Características de la Web

38. Pilares de la Web
 3 pilares
 Protocolo: HTTP
 Identificación: URIs
 Formatos de representación: HTML, JSON, XML,
...
Identificación
URI
Protocolo
HTTP
Formatos
HTML, JSON,...
WWW

39. Funcionamiento de la Web
Usuario Navegador
Cliente
Servidor
URI
Representación
WWW
HTTP
 Protocolo HTTP:
 Cliente (petición) - Servidor (respuesta)
 URIs para identificar recursos
 Lenguajes de representación: HTML, XML,
etc.

40. Protocolo HTTP
 HTTP (Hypertext transfer protocol):
 Arquitectura cliente/servidor (petición / respuesta)
 Conjunto de acciones reducido:
 GET, PUT, POST, DELETE, etc.
 Mensajes de texto
línea inicial
cabecera del mensaje*
cuerpo del mensaje ?
Formato de mensajes

41. URIs
URI = Identificación de recurso
Recurso = Unidad básica, Cualquier cosa
URI ≠ Recurso ≠ Representación
URI http://tiempo.com/Asturias/Oviedo
Metadatos:
Content-type: text/html
Datos:
<html>
<head><title>Tiempo</title></head>
<body>
<h1>Tiempo en Oviedo</h1>
<p>Nubes y claros</p>
</body>
</html>
Representación
Recurso
Tiempo en Oviedo

42. ¿Qué se puede identificar con una
URI?
 Cualquier cosa concreta o abstracta
http://www.uniovi.es
<!DOCTYPE html>
<html>
<head>
<title>Universidad de Oviedo</title>
</head>
<body>
<h1>Universidad de Oviedo</h1>
<p>Fundada en el año 1608 en
<a
href="http://www.wikipedia.org/Oviedo">
Oviedo</a></p>
. . .
</body>
</html>
identifica
Ejemplo: Una página Web
Una página Web
Recurso de información
Formato HTML

43. ¿Qué se puede identificar con una
URI?
 Cualquier cosa concreta o abstracta
http://www.di.uniovi.es/~labra/images/asturias.jpg
identifica
Ejemplo: Una fotografía (recurso multimedia)
Una fotografía
Recurso de información
Formato JPG

44. ¿Qué se puede identificar con una
URI?
 Cualquier cosa concreta o abstracta
http://www.w3.org/People/Berners-Lee/card#i
identifica
Ejemplo: Una persona
Una persona (Tim Berners-Lee)
Recurso de no información

45. ¿Qué se puede identificar con una
URI?
 Cualquier cosa concreta o abstracta
http://xmlns.com/foaf/0.1/Person
identifica
Ejemplo: Conjunto de todas las personas
Conjunto de Personas (concepto abstracto)
Recurso de no información

46. ¿Qué se puede identificar con una
URI?
 Cualquier cosa concreta o abstracta
http://purl.org/dc/terms/creator
identifica
Ejemplo: Propiedad de creación
Propiedad de creación (concepto abstracto)
Recurso de no información

47. ¿Qué se puede identificar con una
URI?
 Cualquier cosa concreta o abstracta
http://purl.org/dc/terms
identifica
Ejemplo: Espacio de nombres
Espacio de nombres (concepto)
Recurso de no información
description
language
publisher
. . .

48. Dereferenciación
 Dereferenciar URI = Acceder al contenido de URI
 Obtener una representación del recurso identificado por la
URI
 Habitualmente se utiliza protocolo HTTP
 Pueden existir diferentes representaciones
 La representación puede incluir enlaces a otras URIs
con información relacionada
Principio: Follow your nose (“Sigue tu instinto”)
A partir de una URI, se puede ir encontrando más
información y más recursos relacionados fácilmente y de

49. Estabilidad de las URIs
 URIs = base de cualquier aplicación Web
 Objetivo: Esquema de URIs estable
 Lema: Cool URIs don’t change
 Modificar una URI puede romper aplicaciones
existentes
 Evitar URIs que dependen de detalles de
implementación
 Ejemplo: http://156.35.41.34:8080/pagina.php
URI

50. FORMATOS DE
REPRESENTACIÓN

51. Formatos de representación
 En la Web, el formato más habitual es HTML
 Existen muchos más: XML, JSON, RDF, PNG, …
 Un recurso puede tener diferentes tipos de
representación
 Cada tipo de representación sirve para un
propósito

52. HTML
 Tipo de representación más popular en la Web
 Objetivo: representar hipertexto
 Ejemplo:
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>Ejemplo</title>
</head>
<body>
<h1>Lista de enlaces</h1>
<p>Mis enlaces preferidos</p>
<ul>
<li><a href="http://www.wikipedia.org">Wikipedia</a>
<li><a href="http://www.w3c.org">Consorcio W3c</a>
</ul>
</body>
</html>

53. XML
 Lenguaje de marcado generalizado
 Objetivo: intercambio de información
 Procesamiento automático y comercio electrónico
<?xml version="1.0">
<pedido>
<producto codigo="R23">
<nombre>Rotulador RX2</nombre>
<cantidad>20</cantidad>
<comentarios>Comprobad que escriben</comentarios>
</producto>
<producto codigo="G56">
<nombre>Grapadora Lin</nombre>
<cantidad>2</cantidad>
<comentarios>Envuelta para regalo</comentarios>
</producto>
</pedido>

54. Tipos de representación
 Los tipos de representación se identifican con
MIME
 MIME (Multipurpose Internet Mail Extensions)
 Identificar el tipo de contenido (Cabecera Content-
type)
 Formato tipo/subtipo
 Ejemplos:
 text/html: Página Web en formato HTML
 text/xml, application/xml : Documento XML
 application/json: Documento JSON
 application/pdf: Fichero PDF
 image/jpeg: Imagen JPEG
Lista oficial: http://www.iana.org/assignments/media-types

55. Funcionamiento de la Web
 2 computadores conceptuales: Cliente y
Servidor
 La representación puede calcularse
dinámicamente
 Computación en Cliente
 Computación en servidor
Usuario Navegador
Cliente
Servidor
URI
Representación
WWW
HTTP

56. Cliente
 También se conoce como Agente de Usuario
 Normalmente es un navegador (browser)
 Múltiples tipos de agentes de usuarios y
navegadores
 Navegadores: Internet Explorer, Chrome, Firefox,
Lynx, …
 Dispositivos móviles
 Lectores de pantalla
 eBooks
 TVs
 …

57. Componentes de un navegador
 Interfaz
 Analizador
 Motor visualización
 Intérprete ECMAScript: procesa eventos
Usuario
Navegador
Cliente
URI
Representación
WWW
HTTP
Analizador
Árbol
DOM
Motor
VisualizaciónInterfaz
Usuario
Intérprete
ECMAscript
URI

58. Motor de visualización
 A veces los navegadores comparten el
mismo motor de visualización (rendering
engine)
Navegadores Motor de
visualización
Internet Explorer Trident
Firefox Gecko
Opera Presto
Chrome Webkit (Webcore)
Safari (iPhone, iPad) Webkit

59. Componentes de un Servidor
 La arquitectura del servidor suele
descomponerse en varias capas
 Vista: Se encarga de preparar la representación
 Negocio: Gestión de objetos de negocio
 Datos: Modelos de datos
Capa
Vista
Capa
Negocio
URI
Capa
Datos
Representación
URI
WWW
HTTP

60. Razones para publicar datos
Datos abiertos

61. Razones para liberar datos
 Facilitan la investigación
 Tasa de descubrimiento se
acelera con mejores
accesos a los datos
 Por el bien común de la
humanidad

62. Razones para liberar datos
 Los sistemas abiertos facilitan las contribuciones
externas

63. Razones para liberar datos
 Trasparencia
 Fomentar participación
 Generar confianza
 Evaluar al gobierno

64. Como ciudadanos…
 …también podemos demandar datos
abiertos…

65. …demandar datos abiertos
 Cuando pertenecen a la humanidad

66. …demandar datos abiertos
 Hechos independientes y verificables ó de
conocimiento común
 Ejemplo: conocimiento científico

67. …demandar datos abiertos
 Cuando han sido creados
con dinero público
 Los hemos pagado con
nuestros impuestos
 ¡Son nuestros!

68. OK, ¡vivan los datos abiertos!
pero…

69.  El mayor reto = Integración
 En general, el problema no es informatizar algo
 El problema es integrar los sistemas
 Interoperabilidad
No basta con publicar datos…

70. Modelo de Estrellas *
★ Publicar los datos en la Web
(en cualquier formato)
★★ Utilizar formato estructurado
(Excel en lugar de imágenes escaneadas)
★★★ Usar formatos no propietarios
(CSV en lugar de Excel)
★★★★ Usar URIs para identificar datos
(otros sistemas puedan enlazar nuestros
datos)
★★★★★ Enlazar con otros datos externos
(proporcionar contexto)* Enunciado por Tim Berners-Lee en Gov 2.0 Expo 2010
http://www.youtube.com/watch?v=ga1aSJXCFe0

71. Formatos no
estructurados
 Formatos “caja negra”: Imágenes, vídeos,
música, etc.
 Formatos binarios: PDF, PS, etc.
 Requieren técnicas de tratamiento de la señal,
reconocimiento de patrones, etc.
★

72. Ejemplo:
Servicio Público de Empleo
http://www.sepe.es/contenidos/cifras/datos_estadisticos/municipios/
★

73. Formatos estructurados
 Los datos tienen una estructura
 Pueden procesarse automáticamente
 Ejemplo: Hojas de cálculo
 Problema con formatos propietarios
 Requieren herramientas que no son
públicas
★ ★

74. Ejemplo: Servicio Público de
empleo
http://www.sepe.es/contenidos/cifras/datos_estadisticos/municipios/9
★ ★

75. Formatos no
propietarios
 Formatos abiertos estructurados
 Ejemplos: CSV, HTML
 Pueden manipularse de forma
independiente
 No se requiere un software concreto
 Problema: Contenido depende del
contexto
★ ★ ★

76.  CSV: Valores delimitados por comas
★ ★ ★Ejemplo: CSV

77. URIs para identificar
datos
 Utilizar URIs para identificar datos
 Negociación de contenido
★ ★ ★ ★

78. Ejemplo: RDF ★ ★ ★ ★
<http://www.sepe.es/datos/desempleo/Asturias/Allende/2013/10>
HTML?
@prefix sepe: <http://www.sepe.es/datos/>
sepe:obs1 sepe:municipio "Allande" ;
sepe:desempleados 18 .
RDF?

79. Enlazar con otros datos
 Las representaciones enlazan con otros
datos
 Reutilización de datos
★ ★ ★ ★ ★

80. Ejemplo: RDF bien enlazado★ ★ ★ ★ ★
<http://www.sepe.es/datos/desempleo/Asturias/Allende/2013/10>
HTML?
@prefix sepe: <http://www.sepe.es/datos/>
sepe:obs1 sepe:municipio <http://dbpedia.org/resource/Allande>;
sepe:desempleados 23 .
RDF?
dbo:allande dbo:areaTotal 342.24 ;
rdf:type <http:/.../municipalitiesInAsturias> ;
dbo:country <http:/.../Spain> ;
dbo:populationTotal 2106 ;
. . .

81. Principios de Linked Open
Data
 1. Utilizar URIs para denotar cosas
 2. Permitir que las URIs sean dereferenciables
 3. Proporcionar información útil
 Para personas (HTML) y máquinas (RDF)
 4. Incluir enlaces a otras cosas relacionadas
★ ★ ★ ★ ★
La mejor manera de explotar tus
datos se le ocurrirá a otro
Jo Walsh, Rufus Pollock, http://www.okfn.org/files/talks/xtech_2007/

82. Linking Open Data
(2007)
★ ★ ★ ★ ★

83. Linking Open Data
(2008)
★ ★ ★ ★ ★

84. Linking Open Data
(2009)
★ ★ ★ ★ ★

85. Linking Open Data
(2010)
★ ★ ★ ★ ★

86. Linking Open Data
(2011)
★ ★ ★ ★ ★

87. Web Semántica
Propuesta de la Web semántica (Tim Berners-Lee):
“disponer datos en la Web definidos y enlazados
de forma que puedan ser utilizados por las
máquinas no solamente para visualizarlos sino
también para:
automatizar tareas,
integrar y
reutilizar datos entre aplicaciones”

88. Web Semántica
Características de la Web...
No centralizada: problemas para garantizar integridad de la
información)
Información Dinámica: puede cambiar la información e incluso el
conocimiento sobre esa información
Mucha información: El sistema no puede pretender acaparar toda
la información
Es abierta: Muchos sistemas anteriores usaban la Closed World
Assumption
En inglés: Principio AAA: Anyone can say Anything about Any topic
Fuente: Semantic Web for the Working Ontologist, D. Allemang, J. Hendler

89. Tarta de la Web
URIUnicode
XML + Namespaces + XML Schema
Demostración
RDF + RDF Schema
Ontologías
Lógica
Confianza
Versión propuesta por Tim Berners Lee, año 2000
http://www.w3.org/2000/Talks/1206-xml2k-tbl/slide10-0.html

90. Cambios en la tarta…
URIUnicode
XML
Intercambio de datos: RDF
Consultas:
SPARQL
Lógica unificadora
Confianza
RDF Schema
Ontologías
OWL
Reglas
RIF
Demostración
Versión actual (desde 2007)
http://www.w3.org/2007/Talks/0130-sb-W3CTechSemWeb/#(24)

91. RDF
 Resource Description Framework (1998)
 Descripción de recursos
 Recurso = se identifica con URI
 Se basa en tripletas
Sujeto  Predicado  Objeto

92. Tripletas RDF
http://purl.org/dc/elements/1.1/creator
Sujeto
Puede ser:
URI
Nodo anónimo (bNode)
Predicado
Identificado por URI
Objeto
Valor de una propiedad
Puede ser:
URI
Literal
Nodo anónimo
@prefix dc: <http://purl.org/dc/elements/1.1/>.
@prefix uni: <http://uniovi.es/> .
uni:biologia dc:creator uni:juan .
http://uniovi.es/biology
http://uniovi.es/juan
<http://uniovi.es/biologia> <http://purl.org/dc/elements/1.1/creator> <http://uniovi.es/juan> .
Notación (turtle)
simplificado

93. Grafo RDF
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix uni: <http://uniovi.es/> .
@prefix dc: <http://purl.org/dc/elements/1.1/> .
uni:biologia dc:creator uni:juan .
uni:biologia dc:creator uni:ana .
uni:juan rdf:type uni:Profesor .
uni:ana rdf:type uni:Profesor .
Puede representarse en Notación Turtle
uni:biologia
uni:juan
dc:creator
uni:anadc:creator
uni:Profesor
rdf:type
rdf:type

94. RDF es composicional
uni:quimica
uni:ana
dc:creator
uni:luisdc:creator
uni:Becario
rdf:type
uni:biologia
uni:juan
dc:creator
dc:creator
uni:Profesor
rdf:type
rdf:type
uni:derecho
dc:creator
uni:Profesor
uni:ana
rdf:type
uni:luis
uni:Becario
rdf:type
Grafo 1
Grafo 2
Grafo 3

95. RDF es composicional
uni:quimica
uni:ana
dc:creator
uni:luisdc:creator
uni:Becario
rdf:type
uni:biologia
uni:juan
dc:creator
dc:creator
uni:Profesor
rdf:type
rdf:type
uni:derecho
dc:creator
uni:Profesor
uni:ana
rdf:type
uni:luis
uni:Becario
rdf:type
Grafo 1
Grafo 2
Grafo 3

96. RDF es composicional
uni:quimica
uni:ana
dc:creator
uni:luis
dc:creator
uni:Becario
rdf:type
uni:biologia
uni:juan
dc:creator
dc:creator
uni:Profesor
rdf:type
rdf:type
uni:derecho
dc:creator
Grafo 1
+
Grafo 2
+
Grafo 3

97. Formatos RDF
 Existen varios formatos:
 N3
 RDF/XML
 N-Triples
 Turtle
 etc.

98. SPARQL
 Simple Protocol and RDF Query Language
 Lenguaje de consultas para la web semántica
 Encaje de grafos
 Extrae información de modelos RDF
 Un protocolo
 Define un mecanismo para invocar un servicio
 También define un vocabulario para resultados

99. SPARQL
 Ejemplo:
 Buscar páginas cuyo autor sea un profesor
prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
prefix uni: <http://uniovi.es/>
prefix dc: <http://purl.org/dc/elements/1.1/>
SELECT ?p ?c WHERE {
?p dc:creator ?c .
?c rdf:type uni:Profesor.
}

100. Encaje de grafos
SELECT ?p ?c WHERE {
?p dc:creator ?c .
?c rdf:type uni:Profesor .
}
uni:quimica
uni:ana
dc:creator
uni:luis
dc:creator
uni:Becario
rdf:type
uni:biologia
uni:juan
dc:creator
dc:creator
uni:Profesor
rdf:type
rdf:type
uni:derecho
dc:creator
?p
dc:creator ?c
uni:Profesor
rdf:type
?p
?c
Resultados
?p ?c
uni:biologia uni:juan
uni:quimica uni:ana
uni:biologia uni:ana
?p
?c
?p
?c

101. RDF Schema
 Extiende RDF con un vocabulario de esquema
 Class, Property, Resource,…
 type, subClassOf, subPropertyOf,…
 range, domain,…
 RDF Schema permite inferencias

102. RDF Schema
rdf:type
uni:Profesor
rdfs:subClassOf
uni:Persona
Ejemplo
uni:juan
rdf:type

103. SPARQL + Inferencia
 Combinar SPARQL e inferencia
 Ejemplo:
 Páginas cuyo autor sea una persona
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix uni: <http://uniovi.es/> .
@prefix dc: <http://purl.org/dc/elements/1.1/> .
SELECT ?p ?c WHERE {
?p dc:creator ?c .
?p rdf:type uni:Persona.
}

104. uni:quimica
uni:ana
dc:creator
uni:luis
dc:creator
uni:Becario
rdf:type
uni:biologia
uni:juan
dc:creator
dc:creator
uni:Profesor
rdf:type
rdf:type
uni:derecho
dc:creator
uni:Persona
rdfs:subClassOf
rdfs:subClassOf
SPARQL con inferencia
SELECT ?p ?c WHERE {
?p dc:creator ?c .
?c rdf:type uni:Persona .
}
?p
dc:creator ?c
uni:Persona
rdf:type
?p
?c
Resultados
?p ?c
uni:biologia uni:juan
uni:quimica uni:ana
uni:biologia uni:ana
?p
?c
?p
?c
rdf:type
rdf:type
?p
?c
uni:derecho uni:luis

105. Ontologías
 RDF Schema permite hacer inferencias
sencillas
 Limitaciones de expresividad
 OWL (Web Ontology Language)
 Añade más expresividad
 Formalizar dominios concretos: ontologías
Expresividad vs Complejidad

106. Mitos de la Web Semántica
 Navegador inteligente
 Una nueva Web
 El cerebro global
 La gran verdad: Una única ontología
 Una etiqueta para cada cosa
 Nadie querrá compartir datos
 Demasiada apertura
 Moda pasajera
 No hay Killer application

107. El navegador inteligente
 Mito:
 El objetivo es conseguir sistemas que naveguen
por internet de forma inteligente
 Realidad:
 Objetivo = desarrollar tecnologías que faciliten el
procesamiento automático de la información de la
Web y su integración
 No es Inteligencia Artificial pero sí se utilizan
técnicas de esa disciplina

108. Una nueva Web
 Mito:
 La Web Semántica ( Web 3.0) es una nueva
versión de la web que obligará a cambiar todo lo
que ya hay
 Realidad:
 Se propone transición gradual. Las tecnologías
ofrecerán valor añadido.

109. El cerebro global
 Mito:
 El proyecto de la Web semántica generará un
cerebro global
 Realidad:
 La web semántica facilitará un mejor uso de los
datos de la web.
 Sí es un camino hacia la inteligencia colectiva

110. La gran verdad
 Mito:
 Se propone la creación de una única ontología
con todo el conocimiento de la humanidad
 Realidad:
 Múltiples ontologías para diferentes dominios
 Facilitar la integración
 Mejorar la descripción de dominios

111. Una etiqueta para cada cosa
 Mito:
 El objetivo es asignar una etiqueta similar a RFID
para cada cosa
 Realidad
 No es factible que cada cosa conlleve sus
propios metadatos
 Pueden realizarse descripciones de recursos
externas

112. Nadie querrá compartir datos
 Mito:
 Los proveedores de información no tendrán
motivación para adoptar tecnologías nuevas
 Realidad:
 Lo harán cuando encuentren un retorno de
inversión adecuado
 Posicionamiento semántico

113. Demasiada apertura
 Mito:
 Si se sacan los datos de las bases de datos, se
pierden
 Realidad:
 Tecnologías para limitar acceso y controlar
privacidad
 Declarar de dónde provienen los datos
 Establecer propiedad legal de los datos

114. Moda pasajera
 Mito:
 Mito1: La Web semántica es algo nuevo
 Mito 2: La Web semántica es algo viejo
 Realidad:
 Planteada ya en 1994, visión a largo plazo
 Exceso de entusiasmo vs escepticismo
 Casos de éxito: RSS, microformatos, XBRL,…
 "A little semantics goes a long way"

115. No hay killer application
 Mito:
 No se ha desarrollado una killer application
 Realidad:
 ¿Es necesaria?
 ¿Podría ser el proyecto Linked Open Data?

116. Retos de la Web Semántica
 Escalabilidad
 ¿Dónde están los agentes?
 Privacidad y seguridad
 Confianza
 Manejar ambigüedad e imprecisión
 Cantidad vs Calidad
 ¿Servicios web semánticos?

117. Metadatos
CDWA
VRA
CCO
Proyectos
Open Archives Initiative
Europeana
Aplicaciones en Historia del
Arte

118. CDWA
 Categories for the description of Works of Art
 Financiado por fundación Getty
 31 categorías, +380 subcategorías
 Distingue
 Work
 Imagen (Representación)
 CDWA Lite
 Subconjunto de CDWA
 Vocabulario XML

119. VRA
 VRA (Visual Resources Association)
 Creado en 2007
 Descripción de imágenes y objetos culturales
 Vocabulario XML
 Estructura de los datos

120. CCO
 Cataloging Cultural Objects
 Vocabulario XML
 Contenido de datos

121. Open Archives
 Objetivo: Interoperabilidad de bienes
culturales
 Comienza en Cornell
 Basado en XML

122. Europeana
 Proyecto europeo
 Desripción semántica de catálogos de obras de
arte
 Utilización de RDF y Linked Data