Web des données : Linked Open Data

Transcription

1 Web des données : Linked Open Data Pierre-Antoine Champin*, Michael Mrissa Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 1 / 44

2 Le Web vu par Tim Berners-Lee (1989) «Vague, but exciting» source: Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 2 / 44

3 Ressources et représentations Resource Une ressource est une entité abstraite. Ce n est pas un fichier. Une ressource est identifiée par un URI (Uniform Resource Identifier). Un URI/URL n identifie pas un fichier! Représentation Une ressource a une ou plusieurs représentation(s). négociation de contenu Ces représentations peuvent varier dans le temps. Les ressources sont toujours manipulées via leurs représentations. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 3 / 44

4 Web de ressources Le Web est d abord constitué de ressources. Les représentations de ces ressources peuvent être : du texte (utilisables par les humains, par les moteurs de recherche), des médias (utilisables surtout par les humains), des données structurées (utilisables par les machines). Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 4 / 44

5 De HTML à XML XML (extensible Markup Language) a été recommandé par le W3C en L objectif était de pallier la sémantique «faible» de HTML. Par exemple : HTML <a href=" Pierre-Antoine champin (maître de conférences)</a> XML <Person homepage=" <firstname>pierre-antoine</firstname> <surname>champin</surname> <job>maître de conférences</job></person> Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 5 / 44

6 XML et la sémantique (1) On a dit tout et son contraire l apport sémantique de XML. Les deux ont leur part de vérité. XML a plus de sémantique que HTML, dans le sens ou il est extensible : on peut donc exprimer des choses que HTML ne permet pas d exprimer (e.g. <firstname>). Importance des espaces de noms, qui évitent les collisions de noms et fournissent ainsi une sémantique «structuraliste» (i.e. par différentiation). XML avec espaces de noms <Person xmlns="http//xmlns.com/foaf/0.1/" xmlns:pro=" homepage=" <firstname>pierre-antoine</firstname> <surname>champin</surname> <pro:job>maître de conférence</pro:job></person> Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 6 / 44

7 XML et la sémantique (2) XML a moins de sémantique que HTML, dans la mesure ou un navigateur standard ne saura pas quoi faire de la balise <firstname> ou de la balise <oνoμα>, tout au plus il saura les afficher s il possède une feuille de style, tandis qu il connaît la sémantique de la balise : elle dénote un texte à mettre en évidence, par exemple en le mettant en italique, mais le navigateur peut prendre d autres initiatives en fonction du contexte : pas de police italique disponible (terminal, braille), la police par défaut est déjà en italique, synthèse vocale... Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 7 / 44

8 XML : apports et limitations Le surplus de sémantique promis par XML n est donc pas «magique» : il suppose de créer de nouveaux langages basés sur XML (DTD, schémas), d écrire les logiciels qui interpréteront ces nouveaux langages, chaque langage reste relativement idiosyncratique. L apport est donc essentiellement technique : la base commune de XML permet de factoriser les efforts de développement et d apprentissage : analyseurs syntaxiques (parsers), langages de schéma (DTD, XML-Schema, Relax-NG...), langages de requêtes (XPath, XQuery), langages de transformation (XSL-T), méthode de signature cryptographique (xmldsig), methode de compression (EXI)... Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 8 / 44

9 De XML à RDF Le modèle sous-jacent de la syntaxe XML est un arbre (XML Infoset), ce qui n est pas adapté à la structure décentralisée du Web. L objectif du Resource Description Framework (RDF), recommandé par le W3C en 1999, vise à munir le Web d un modèle de données plus adapaté, ayant une structure de graphe. L objectif est de construire le Semantic Web : un web dans lequel les machines ont (enfin) accès à la sémantique des données. Recommandation un peu hâtive, présentant quelques défauts importants (notamment l absence de sémantique formelle). Ces défauts ont probablement enrayé l adoption de RDF. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 9 / 44

10 De RDF à RDF En 2004, le W3C publie un nouvel ensemble de recommandations sur RDF pour remplacer celles de Pour des raisons de compatibilité avec l existant, certains aspects sont conservés malgré les débats qu ils suscitent, mais les défauts considérés comme majeurs sont corrigés. Après cet échec relatif, l appellation Semantic Web tombe peu a peu en disgrâce. Certains défenseurs de RDF parlent plus modestement de Data Web, puis de Web of Linked Data (2006). Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 10 / 44

11 Les quatres principes de Linked Data Utiliser des URIs pour nommer les choses (=ressources). Utiliser des URIs HTTP pour pouvoir obtenir des représentations de ces ressources. Fournit ces représentation en utilisant des langages et des protocoles standards (RDF, SPARQL). Inclure des liens pour permettre de découvrir de nouvelles ressources. d après Tim Berners-Lee, Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 11 / 44

12 Projet emblématique : DBpedia Projet lancé par Chris Bizer en Objectif : extraire les informations structurées (infobox) présentes dans wikipedia pour les exposer en RDF. Au 10 avril 2010 (version 3.5) : The new DBpedia knowledge base describes more than 3.4 million things, out of which 1.47 million are classified in a consistent ontology, including 312,000 persons, 413,000 places, 94,000 music albums, 49,000 films, 15,000 video games, 140,000 organizations, 146,000 species and 4,600 diseases. (...) The DBpedia knowledge base altogether consists of over 1 billion pieces of information (RDF triples). Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 12 / 44

13 Informations structurées dans Wikipedia Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 13 / 44

14 Ouvrir les données liées Linked Open Data Les données devraient être liées non seulement entre données de la même source, mais entre données de sources différentes. DBpedia, GeoNames, MusicBrainz... Les données publiques / publiées (notamment scientifiques, gouvernementales, ONU), devraient être accessibles sous une forme permettant le traitement automatique (en plus d une forme lisible pour des humains). Row Data Now programmes de la BBC, titres du New York Times GeneID, UniProt, PubMed données gouvernementales UK et US Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 14 / 44

15 Le «nuage» de données liées en mars 2009 source : Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 15 / 44

16 Le «nuage» de données liées en septembre 2010 source : Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 16 / 44

17 Triplet Toute information en RDF est représentée par un triplet : Le laboratoire LIRIS (sujet) a pour membre (prédicat) Pierre-Antoine Champin (objet) Les choses sont nommées par des URIs : On peut représenter ceci graphiquement : Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 17 / 44

20 CURIEs Pour simplifier les notations, on définit des préfixes courts correspondant à des préfixes d URI : liris: foaf: champin: On utilise ensuite des CURIEs (compact URIs) : liris:lab foaf:member champin:pa et également sous forme graphique : Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 18 / 44

21 CURIEs Pour simplifier les notations, on définit des préfixes courts correspondant à des préfixes d URI : liris: foaf: champin: On utilise ensuite des CURIEs (compact URIs) : liris:lab foaf:member champin:pa et également sous forme graphique : liris:lab foaf:member champin:pa /!\ L interprétation des CURIEs diffère de l interprétation des QNames en XML. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 18 / 44

22 Littéraux On peut également lier une ressource à une donnée typée (chaîne de caractère, entier, réel...), nommée un littéral. champin:pa foaf:name Pierre-Antoine Champin Traditionnellement, on représente les littéraux par des nœuds rectangulaires : champin:pa foaf:name Pierre-Antoine Champin Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 19 / 44

23 Nœuds vierges Enfin, RDF permet de parler d une ressource sans connaître son URI. Cela revient en logique à utiliser une variable quantifiée existentiellement. (quelque chose) foaf:name Pierre-Antoine Champin Graphiquement, on représente cette ressource par un nœud vierge (blank node). liris:lab foaf:member foaf:name Pierre-Antoine Champin Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 20 / 44

24 Vocabulaire standard rdf: rdf:type : relation entre une instance et une classe (non exclusive, prédicat unaire) Représentation de liste chaînées (alla LISP) : rdf:type rdf:rest rdf:first rdf:list rdf:rest rdf:first item:2 rdf:rest rdf:first rdf:nil item:3 item:1 Réification de valeurs (rdf:value) et de triplets (rdf:statement) pas de sémantique particulière Autres types de collection (rdf:seq, rdf:bag, rdf:alt), hérités de la recommandation de 1999, et peu utilisés Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 21 / 44

25 Exemple de graphe liris:lab rdf:type foaf:member foaf:group champin:pa foaf:member foaf:name foaf:knows Pierre-Antoine Champin rdf:type mmrissa:me rdf:type foaf:name foaf:person Michaël Mrissa Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 22 / 44

26 Théorie des modèles RDF est muni d une sémantique en théorie des modèles, ou sémantique dénotationnelle : chaque nœud du graphe dénote une ressource (NB : les littéraux sont considéré comme des ressources particulières), chaque URI étiquetant un arc dénote également une relation binaire entre ressources, chaque arc signifie que les ressources dénotés par les nœuds vérifient la relation dénotée par l URI de l arc. De cette sémantique découlent les inférences que l ont peut faire sur un graphe RDF (indépendamment de la sémantique des URIs utilisés dans ce graphe). Par analogie, les seules inférences que l on puisse faire sur un arbre XML indépendamment des termes utilisés sont de changer l ordre des attributs, et de changer les préfixes (si l on considère les espaces de noms). Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 23 / 44

27 Théorie des modèles RDF est muni d une sémantique en théorie des modèles, ou sémantique dénotationnelle : chaque nœud du graphe dénote une ressource (NB : les littéraux sont considéré comme des ressources particulières), chaque URI étiquetant un arc dénote également une relation binaire entre ressources, chaque arc signifie que les ressources dénotés par les nœuds vérifient la relation dénotée par l URI de l arc. De cette sémantique découlent les inférences que l ont peut faire sur un graphe RDF (indépendamment de la sémantique des URIs utilisés dans ce graphe). Par analogie, les seules inférences que l on puisse faire sur un arbre XML indépendamment des termes utilisés sont de changer l ordre des attributs, et de changer les préfixes (si l on considère les espaces de noms). Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 23 / 44

28 Exemple de graphe liris:lab rdf:type foaf:member foaf:group champin:pa foaf:member foaf:name foaf:knows Pierre-Antoine Champin rdf:type mmrissa:me rdf:type foaf:name foaf:person Michaël Mrissa Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 24 / 44

29 Monotonie Étant donné un graphe, tout sous-graphe en est une conséquence. liris:lab foaf:member champin:pa foaf:name foaf:knows Pierre-Antoine Champin mmrissa:me Aucune conclusion que l on peut tirer d un graphe RDF ne peut pas être contredite par des informations présentes ailleurs sur le Web. On peut donc sans risque fusionner des graphes RDF. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 25 / 44

30 Anonymisation Tout nœud peut être remplacé par un nœud vierge : liris:lab foaf:member foaf:name foaf:knows Pierre-Antoine Champin mmrissa:me ce qui justifie d interpréter les nœuds vierges comme des variables quantifiées existentiellement. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 26 / 44

31 Éclatement Tout nœud vierge peut être éclaté en plusieurs nœuds vierges : liris:lab foaf:member foaf:knows mrissa:me foaf:name Pierre-Antoine Champin Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 27 / 44

32 Sémantique additionelle (1) Bien sûr, des inférences supplémentaires peuvent être faites en prêtant une sémantique particulière aux URIs utilisés dans le graphe, par exemple en décidant qu une relation binaire est symétrique ou transtitive. Cependant, cette sémantique devra respecter la sémantique dénotationnelle de RDF ; notamment, les inférences supplémentaires ne devront pas contredire les inférences précédente (monotonie) : sans quoi les outils ne connaissant pas cette sémantique particulière tireront des conclusions erronées. On verra la semaine prochaine des langages (RDF-Schema, OWL) permettant de définit la sémantique de certains URIS. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 28 / 44

33 Sémantique additionelle (2) Analogie : lorsqu on définit un format XML, on prête une sémantique particulière aux éléments et attributs de ce format, mais on ne peut pas prêter de sémantique à l ordre des attributs ; sémantiquement, ce ne serait plus du XML, pragmatiquement, les outils standards (analyseur syntaxique, sérialiseurs) ne permettraient pas de contrôler cet aspect de la syntaxe. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 29 / 44

34 Syntaxe officielle : RDF/XML La sémantique est définie par rapport à une structure de graphe : syntaxe abstraite. Il est nécesaire de définir (au moins) une syntaxe concrète pour représenter ces graphes. La syntaxe RDF/XML est celle définie par la recommandation du W3C. héritée de la recommandation de 1999 basée sur XML complexe et verbeuse Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 30 / 44

35 RDF/XML : exemple <rdf:rdf xmlns:rdf=" xmlns:...> <foaf:group rdf:about=" <foaf:member> <foaf:person rdf:about=" <foaf:name>michaël Mrissa</foaf:name> </foaf:person> </foaf:member> <foaf:member> <foaf:person rdf:about=" <foaf:name>pierre-antoine Champin</foaf:name> <foaf:knows rdf:resource=" </foaf:person> </foaf:member> </foaf:group> </rdf:rdf> Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 31 / 44

36 N3/Turtle N3 : syntaxe textuelle (non XML) vise la simplicité et la compacité étend RDF : graphes nommés règles Turtle : sous-ensemble de N3 limité à l expressivité de RDF W3C team submission Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 32 / 44

37 Turtle/N3 : foaf: liris:lab a foaf:group ; member champin:pa, mmrissa:me. champin:pa a foaf:person ; foaf:name "Pierre-Antoine Champin" ; foaf:knows mmrissa:me. mmrissa:me a foaf:person ; foaf:name "Michaël Mrissa". Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 33 / 44

38 RDFa RDFa est une utilisation d attributs (existants ou supplémentaires) de HTML pour y inclure du RDF (à la manière des micro-formats) : facilite la migration de contenus HTML vers RDF facilite la maintenance en cohérence de la version HTML et des données RDF (DRY : Don t Repeat Yourself) Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 34 / 44

39 RDFa : exemple Pierre-Antoine Champin est membre du LIRIS. Il connait Michaël Mrissa, un autre membre de ce laboratoire. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 35 / 44

40 SPARQL SPARQL définit, en deux recommandantions W3C : un langage de requête pour RDF, un protocole REST-like pour interroger une source de données. Exemple : «Trouver les membres du LIRIS (URI et nom) que je connaît». PREFIX foaf < PREFIX... SELECT?p?n WHERE { champin:pa foaf:knows?p.?p foaf:name?n. liris:lab foaf:member?p. } NB : SPARQL supporte plusieurs régimes d inférences. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 36 / 44

41 GRDDL Gleaning Resources Descriptions from Dialects of Languages (recommandation W3C) fournit une manière de spécifier une transformation d un document XML quelconque (ou d une classe de documents) en un graphe RDF : «feuille de style sémantique» transformation préconisée : XSL-T alternative : RDF-EASE (similaire CSS et RDFa) Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 37 / 44

42 Relational mappers Outils pour exposer une base de données relationnelle en RDF, comme : un ensemble de fichiers RDF, un point d accès SPARQL. Nécessite une correspondance (mapping) entre les structures relationnelles (tables, colonnes) et la structure de graphe. Groupe de travail du W3C: Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 38 / 44

43 RDF template Un modèle (template) spécifie une manière de présenter des données RDF dans un autre format (en général adapté à la lecture pour un humain) sorte de feuille de style. Template RDF rendering Presentation Exemple : Tal4Rdf (Pierre-Antoine Champin) Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 39 / 44

44 Définition de sémantique additionelle RDF permet déjà de représenter des données liées, mais pour prêter plus de sémantique à ces données, il faut pouvoir spécifier la sémantique des URIs utilisées. Cf. prochaine séance (RDF-Schema, OWL) Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 40 / 44

45 Diversité des vocabulaires Équilibre à trouver, pour les URIs désignant les choses, entre : la diversité, qui favorise l expression de plusieurs points de vue, l unification, qui favorise l interopérabilité (mais contraint les interprétations). Exemple : combien y-a-t-il d habitants dans Certaines choses sont les mêmes sans être exactement les mêmes... Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 41 / 44

46 Graphes nommés La nécessité de distinguer plusieurs graphes se fait rapidement sentir lorsqu on travaille avec RDF (contexte, provenance, citation...). Cette possibilité est de faite donnée par plusieurs langages et outils (N3, SPARQL) mais avec des disparités, car elle n est pas (encore?) formalisée strictement au niveau de RDF. Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 42 / 44

47 Références 1 Extensible Markup Language (XML) 1.0, T. Bray et al., W3C Recommendation, 1998, Namespaces in XML 1.0, T. Bray et al., W3C Recommendation, 1999, XML Information Set, J. Cowan & R. Tobin Resource Description Framework (RDF), O. Lassila & R. Swick, W3C Recommandation, 1999, RDF Primer, F. Manolla & E. Miller, W3C Recommandation 2004, Linked Data, T. Berners-Lee, W3C Design Issue, 2006, DBpedia publications, C. Bizer et al., 2007-, CURIE Syntax 1.0, M. Birbeck & S. McCarron, W3C Candidate Recommendation, 2009, Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 43 / 44

48 Références 2 Turtle - Terse RDF Triple Language, D. Becket & T. Berners-Lee, W3C Team Submission, 2008, RDFa in XHTML: Syntax and Processing, B. Adida et al., W3C Recommendation, 2008, SPARQL Query Language for RDF, E. Prud hommeaux & A. Seaborne, W3C Recommendation, 2008, Gleaning Resource Descriptions from Dialects of Languages (GRDDL), D. Connolly, W3C Recommendation, 2007, RDF Extracted Attributes from Styled Elements (RDF-EASE), T. Inkster, 2009, When owl:sameas isn t the Same, H. Halpin & P. Hayes, LDOW 2010 Pierre-Antoine Champin*, Michael Mrissa Web des données : Linked Open Data 44 / 44