LES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES

Transcription

1 LES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES 1e partie : encoder et structurer les données Gautier Poupeau Antidot Emmanuelle Bermès Centre Pompidou Séminaire INRIA 1-5 octobre 2012

2 SOMMAIRE 1. L'architecture du Web 2. Les URI 3. Principes de RDF 4. Vocabulaires et ontologies 5. SPARQL 6.La sérialisation

3 Web sémantique

4 Web sémantique OU

5 Web sémantique OU Web sémantique

6 Web sémantique OU Web sémantique

7 L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ

8 L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ

9 L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ

10 L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ Internet Web

11 L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ Internet TCP/IP Web

12 L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ Internet Web TCP/IP HTTP

13 L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ Internet Web TCP/IP HTTP

14 L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ Internet Web TCP/IP HTTP IMAP POP P2P

15 L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais voir la ressource

16 L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais voir la ressource

17 L'ARCHITECTURE DU WEB Méthodes de HTTP GET Je voudrais voir la ressource

18 L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais agir sur la ressource

19 L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais agir sur la ressource

20 L'ARCHITECTURE DU WEB Méthodes de HTTP POST Je voudrais agir sur la ressource

21 L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais ajouter la ressource

22 L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais ajouter la ressource OK

23 L'ARCHITECTURE DU WEB Méthodes de HTTP PUT Je voudrais ajouter la ressource OK

24 L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais supprimer la ressource

25 L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais supprimer la ressource

26 L'ARCHITECTURE DU WEB Méthodes de HTTP DELETE Je voudrais supprimer la ressource

27 L'ARCHITECTURE DU WEB L'architecture du Web Ressource

28 L'ARCHITECTURE DU WEB L'architecture du Web Ressource URI Identifant

29 L'ARCHITECTURE DU WEB L'architecture du Web Ressource URI Identifant Représentations

30 L'ARCHITECTURE DU WEB L'architecture du Web Ressource URI URI Identifant Représentations

31 L'ARCHITECTURE DU WEB L'architecture du Web Ressource URI URI Identifant Représentations

32 L'ARCHITECTURE DU WEB L'HYPERTEXTE

33 L'ARCHITECTURE DU WEB L'HYPERTEXTE

34 L'ARCHITECTURE DU WEB L'HYPERTEXTE

35 L'ARCHITECTURE DU WEB L'HYPERTEXTE

36 L'ARCHITECTURE DU WEB L'HYPERTEXTE

37 L'ARCHITECTURE DU WEB L'HYPERTEXTE 404

38 L'ARCHITECTURE DU WEB Des standards ouverts et libres Des organismes de normalisation indépendants Pas de brevet Des licences libres Pas de Royalties

39 L'ARCHITECTURE DU WEB LE WEB DE DOCUMENTS Un mécanisme de communication Un mécanisme d'identification HTTP URI

40 L'ARCHITECTURE DU WEB LE WEB DE DOCUMENTS Un mécanisme de communication Un mécanisme d'identification HTTP URI Encoder le message

41 L'ARCHITECTURE DU WEB LE WEB DE DOCUMENTS Un mécanisme de communication Un mécanisme d'identification HTTP URI Encoder le message HTML

42 L'ARCHITECTURE DU WEB LE WEB DE DOCUMENTS Un mécanisme de communication Un mécanisme d'identification HTTP URI Encoder le message HTML Interpréter le code

43 L'ARCHITECTURE DU WEB LE WEB DE DOCUMENTS Un mécanisme de communication Un mécanisme d'identification HTTP URI Encoder le message Interpréter le code HTML Le navigateur Web

44 L'ARCHITECTURE DU WEB LE WEB DE DOCUMENTS Un mécanisme de communication Un mécanisme d'identification HTTP URI Encoder le message Interpréter le code HTML Le navigateur Web Relier les documents

45 L'ARCHITECTURE DU WEB LE WEB DE DOCUMENTS Un mécanisme de communication Un mécanisme d'identification HTTP URI Encoder le message Interpréter le code HTML Le navigateur Web Relier les documents Le lien hypertexte

46 L'ARCHITECTURE DU WEB Et si on encodait la réalité? «The Need for Semantics in the Web», Tim Berners-Lee Passer d un Web de documents «sans relief» peu compréhensible par les machines à. un Web de choses relié à la réalité et compréhensible par les machines Source :

47 L'ARCHITECTURE DU WEB DU WEB DE DOCUMENTS AU WEB DE DONNÉES Un mécanisme de communication Un mécanisme d'identification HTTP URI Une grammaire Des vocabulaires Des règles d écriture RDF RDFS/OWL RDF/XML, N3 Turtle, RDFa Des moyens de communication SPARQL

48 SOMMAIRE 1. L'architecture du Web 2. Les URI 3. Principes de RDF 4. Vocabulaires et ontologies 5. SPARQL 6. La sérialisation

49 Être ou ne pas être... IDENTIFIÉ Pour attribuer les URI des ressources, il faut analyser les différentes entités qu'on manipule et qui doivent être identifiées.

50 Les URI UNIFORM RESOURCE IDENTIFIER Syntaxe : <scheme:chaîne/de.caractère> < < NB : Les URI sont des identifiants Web. Les URL sont des URI qui identifient la ressource par le moyen d'y accéder. Les URL peuvent être pérennes.

51 Les URI La syntaxe des URI :» Scheme : préfixe qui indique le contexte dans lequel les identifiants sont attribués (ex. URN, INFO, ARK, HTTP etc.) Pour garantir l unicité, le scheme doit être enregistré auprès de l IANA Le scheme est toujours suivi de «:» Caractères réservés reserved» Désigne l autorité en charge d attribuer des noms pour ce scheme = gen-delims / sub-delims gen-delims = ":" / "/" / "?" / "#" / "[" / "]" / "@" sub-delims = "!" / "$" / "&" / "'" / "(" / ")" / "*" / "+" / "," / ";" / "=" authority» Path/Name : Nom (ou chemin) attribué par l autorité nommane

52 Les URI IDENTIFIANTS OPAQUES / SIGNIFIANTS < < Bonnes pratiques : Veiller à la persistence des différentes parties qui composent l'uri (dont le nom de domaine) S'assurer de l'extensibilité et de la pérennité du système de nommage Garantir l'unicité en excluant tout éléments susceptible d'être ambigu

53 Les URI MAINTENIR ET GÉRER LES IDENTIFIANTS DANS LE TEMPS Utilisation d'un système normalisé (INFO, DOI, URN...) la pérennité n'est pas un problème technique Utiliser des URI HTTP pour s'inscrire dans l'architecture du Web Anticiper les cas de disparition d'une ressource de fusion de plusieurs ressources La pérennité est reconnue comme une problématique organisationnelle, qui repose sur la capacité à imprimer au sein d'une organisation la volonté de s'engager à garantir cette pérennité, et donc à déployer les processus et les moyens qui s imposent.

54 SOMMAIRE 1. L'architecture du Web 2. Les URI 3. Principes de RDF 4. Vocabulaires et ontologies 5. SPARQL 6. La sérialisation

55 Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK sujet objet prédicat Eugène Delacroix est l'auteur de La liberté guidant le peuple Le principe de RDF est d'exprimer l'information sous forme de phrases simples (sujet verbe complément, ou sujet prédicat objet). Ces phrases sont appelées triplets.

56 Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK sujet objet prédicat Les ressources (sujet, objet) et les relations (prédicat) sont identifiées par des URI afin de permettre aux machines de les reconnaître et de les manipuler.

57 Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK est mort à Paris L'objet du triplet peut être une ressource représentée par une URI ou un littéral (une chaîne de caractère).

58 Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK est mort à Paris? L'objet du triplet peut être une ressource représentée par une URI ou un littéral (une chaîne de caractère).

59 Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK est mort à est un fait partie de label label L'objet du triplet peut être une ressource représentée par une URI ou un littéral (une chaîne de caractère).

60 Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK label ''est mort type rdfs:property Le prédicat est lui-même une ressource. Il est identifié par une URI et peut être le sujet de triplets qui décrivent son rôle dans l'ontologie. Il s agit d une ressource d une nature particulière, qu on appelle une propriété.

61 Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK est contemporain de est un est l'auteur de est un est mort à est mort à est un est conservé au se trouve à est conservé au L'ensemble des triplets, reliés les uns aux autres par les URI qu ils ont en commun, constitue un graphe.

62 Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK objet sujet prédicat Le SUJET est toujours une URI. Le PREDICAT est toujours une URI. Toute chose sur laquelle on veut faire des assertions (sujet) doit avoir une URI. Il permet d'exprimer les PROPRIÉTÉS des choses, ou la nature des RELATIONS des choses entre elles. Les choses ont toujours un type : une CLASSE. L'OBJET peut être un texte (LITTÉRAL) ou une URI. Les CLASSES et les PROPRIÉTÉS sont déclarées dans des VOCABULAIRES pour être réutilisées

63 SOMMAIRE 1. L'architecture du Web 2. Les URI 3. Principes de RDF 4. Vocabulaires et ontologies 5. SPARQL 6. La sérialisation

64 Vocabulaires et ontologies RDFS et OWL sont des standards RDF permettant de déclarer des classes, des propriétés, et leur logique Ex. de classe : Personne Ex de propriété : nom ABC Ex. de relation : estcontemporainde Ex. de logique : (propriété symétrique) Les classes, propriétés et leur logique sont déclarés dans l'ontologie

65 La même chose avec des URI < < < Ou encore mied: mied:personne mied:nom mied:estcontemporainde ABC ABC

66 Classes et hiérarchies de classes En RDF, toute chose a un type (ou plusieurs). On appelle cela une classe. Les classes sont organisées en hiérarchies (classes, sous-classes) CHOSE PERSONNE LIEU VILLE PAYS On peut définir les rapports des classes entre elles par certaines caractéristiques : par ex. classes disjointes (personne lieu) NB : tout ce qui définit une classe doit pouvoir s'appliquer aussi à ses sous-classes. Ex: un lieu peut avoir des coordonnées géographiques, donc une ville peut avoir des coordonnées géographiques.

67 Classes et instances Une classe est une abstraction (type de chose) Une instance est la chose concrète qui se rattache à une classe. Ex. Eugène Delacroix est une instance de la classe mied:personne Là où ça se complique... Il ne faut pas confondre une hiérarchie de classe avec les rapports que peuvent avoir les instances, voire les classes entre elles. PARIS? VILLE FRANCE? PAYS

68 Classes et instances Quelques exemples d'instances qu'on rencontre dans les données du Musée Imaginaire Eugène Delacroix : EUGÈNE DELACROIX PARIS LA LIBERTÉ GUIDANT LE PEUPLE LE ROMANTISME LE MUSÉE DU LOUVRE VICTOR HUGO A noter : On désigne la classe par son URI On relie une instance à sa classe par une relation rdf:type rdf:type

69 Propriétés Les propriétés correspondent au verbe dans le triplet. est de type s'appelle mied:personne Eugène Delacroix est contemporain de On distingue Propriété de types de données (datatype property) : propriété qui relie une instance et un littéral (texte, nombre...) Propriété d'objet (object property) : propriété qui relie une instance et une autre instance (c'est à dire que l'objet est une URI)

70 Logique des propriétés On peut (de manière optionnelle) indiquer le comportement d'une propriété par rapport aux instances qu'elle décrit, ou par rapport à d'autres propriétés. mied:estcontemporainde Propriété symétrique : mied:estcontemporainde mied:estauteurde Propriétés inverses : mied:apourauteur Propriété fonctionnelle : mied:lieudecès NB : attention au sens des propriétés (orientation).

71 Propriétés : domaine et co-domaine On peut (de façon optionnelle) définir plus précisément la façon dont les propriétés peuvent être utilisées. Le domaine (domain) correspond aux classes qui peuvent être sujet d'une propriété. Le co-domaine (range) définit les classes qui peuvent être objet d'une propriété. co-domaine domaine PERSONNE mied:estcontemporainde mied:estcontemporainde PERSONNE

72 Hiérarchies de propriétés Une propriété peut être définie comme sous-propriété d'une autre. C'està-dire qu'elle est plus précise. Cela permet, par exemple, de lui attribuer un domaine et/ou un codomaine plus précis. mied:lieu mied:lieunaissance mied:lieudeces co-domaine mied:lieu co-domaine mied:lieu co-domaine mied:lieu

73 Hiérarchies de propriétés Si une propriété s'applique dans un triplet, et qu'elle est sous-propriété d'une autre, alors la super-propriété s'applique également. mied:estpeintrede mied:estpeintrede < mied:estauteurde mied:estauteurde

74 Équivalences de classes / propriétés OWL offre des mécanismes pour déclarer l'équivalence entre des classes et des propriétés de différents vocabulaires. rdf:type mied:estauteurde mied:personne owl:equivalentclass rdf:type mvh:personne owl:equivalentproperty mvh:auteur

75 Équivalences entre les instances La propriété owl:sameas permet de déclarer l'équivalence entre deux ressources dotées de deux URI différentes. On parle aussi d'alias d'uri Dans ce cas, toutes les assertions qui concernent l'une des instance s'appliquent aussi à l'autre. owl:sameas mied:estcontemporainde

76 Inférences Il est possible d'induire la classe d'une ressource à partir de la propriété qui la décrit, si celle-ci précise un domaine et/ou un co-domaine. co-domaine domaine mied:personne mied:lieudeces mied:lieudeces mied:lieu

77 Inférences A l'intérieur d'une hiérarchie de classes, les propriétés qui s'appliquent (domaine ou co-domaine) à une classe s'appliquent aussi à ses sousclasses et aux instances de la classe et de ses sous-classes. domaine co-domaine mied:estauteurde AGENT PERSONNE CHOSE INSTITUTION mied:estauteurde

78 Inférences En RDF, toute assertion est supposée vraie... donc... domaine co-domaine mied:estauteurde AGENT PERSONNE INSTITUTION CHOSE Taupe? mied:estauteurde

79 SOMMAIRE 1. L'architecture du Web 2. Les URI 3. Principes de RDF 4. Vocabulaires et ontologies 5. SPARQL 6. La sérialisation

80 SPARQL SPARQL est un langage de requête qui permet de parcourir le graphe à partir de contraintes exprimées sous la forme d'équations. Soit le graphe suivant sous la forme d une représentation graphique : Ce qui correspond aux triplets suivants :

81 SPARQL Rechercher un sujet Quelle est la ressource sujet dont le prédicat est <orange> et l objet <7>? Reformuler la question Sujet =? Prédicat = <orange> Objet = <7>

82 SPARQL Rechercher un sujet Quelle est la ressource sujet dont le prédicat est <orange> et l objet <7>? Reformuler la question Sujet =? Prédicat = <orange> Objet = <7> Sous forme de triplets?sujet <orange> <7>.

83 SPARQL Rechercher un sujet Quelle est la ressource sujet dont le prédicat est <orange> et l objet <7>? Reformuler la question Sujet =? Prédicat = <orange> Objet = <7> Réponse?sujet Sous forme de triplets?sujet <orange> <7>.

84 SPARQL Rechercher un prédicat Comment atteindre les ressources <2> et <6> à partir de <1>?

85 SPARQL Rechercher un prédicat Comment atteindre les ressources <2> et <6> à partir de <1>? Reformuler la question Sujet = <1> Prédicat =? Objet = <2> et <6>

86 SPARQL Rechercher un prédicat Comment atteindre les ressources <2> et <6> à partir de <1>? Reformuler la question Sujet = <1> Prédicat =? Objet = <2> et <6> Sous forme de triplets <1>? <2>. <1>? <6>.

87 SPARQL Rechercher un prédicat Comment atteindre les ressources <2> et <6> à partir de <1>? Reformuler la question Sujet = <1> Prédicat =? Objet = <2> et <6> Sous forme de triplets <1>?predicat <2>. <1>?predicat <6>.

88 SPARQL Rechercher un prédicat Comment atteindre les ressources <2> et <6> à partir de <1>? Reformuler la question Sujet = <1> Prédicat =? Objet = <2> et <6> Réponse?predicat Sous forme de triplets <1>?predicat <2>. <1>?predicat <6>.

89 SPARQL Rechercher un objet Quelle est la ressources liée en tant qu objet à la ressource <6> par le prédicat <violet>? Reformuler la question Sujet = <6> Prédicat = <violet> Objet =?

90 SPARQL Rechercher un objet Quelle est la ressources liée en tant qu objet à la ressource <6> par le prédicat <violet>? Reformuler la question Sujet = <6> Prédicat = <violet> Objet =? Sous forme de triplets <6> <violet>?objet.

91 SPARQL Rechercher un objet Quelle est la ressources liée en tant qu objet à la ressource <6> par le prédicat <violet>? Reformuler la question Sujet = <6> Prédicat = <violet> Objet =? Réponse?objet Sous forme de triplets <6> <violet>?objet.

92 SPARQL L intérêt du parcours de graphe en SPARQL réside aussi dans la possibilité d enchaîner des triplets dont certains éléments ne sont pas connus. On peut ainsi découvrir des éléments qui sont éloignés de l objet de notre recherche par des inconnues.? Ex. : Quelles sont les personnes décédées dans la même ville qu'eugène Delacroix? Sous forme de triplets <mied:eugene_delacroix> <mied:lieudeces>?lieu. est mort à?lieu <rdf:type> <mied:lieu>. est mort à est un??personne <mied:lieudeces>?lieu.

93 SPARQL L intérêt du parcours de graphe en SPARQL réside aussi dans la possibilité d enchaîner des triplets dont certains éléments ne sont pas connus. On peut ainsi découvrir des éléments qui sont éloignés de l objet de notre recherche par des inconnues. Ex. : Quelles sont les personnes décédées dans la même ville qu'eugène Delacroix? Sous forme de triplets <mied:eugene_delacroix> <mied:lieudeces>?lieu. est mort à?lieu <rdf:type> <mied:lieu>.?personne <mied:lieudeces>?lieu. est mort à Réponse est un?lieu?personne <mied:paris> <mied:victor_hugo>

94 SPARQL L intérêt du parcours de graphe en SPARQL réside aussi dans la possibilité d enchaîner des triplets dont certains éléments ne sont pas connus. On peut ainsi découvrir des éléments qui sont éloignés de l objet de notre recherche par des inconnues. Ex. : Dans quelle ville sont conservées les oeuvres d'eugène Delacroix? Sous forme de triplets <mied:eugene_delacroix> <mied:estauteurde>?oeuvre.?oeuvre <mied:lieuconservation>?musée.?musée <mied:localisation>?lieu. est l'auteur de?? se trouve à est conservé au?

95 SPARQL L intérêt du parcours de graphe en SPARQL réside aussi dans la possibilité d enchaîner des triplets dont certains éléments ne sont pas connus. On peut ainsi découvrir des éléments qui sont éloignés de l objet de notre recherche par des inconnues. Ex. : Dans quelle ville sont conservées les oeuvres d'eugène Delacroix? Sous forme de triplets <mied:eugene_delacroix> <mied:estauteurde>?oeuvre.?oeuvre <mied:lieuconservation>?musée.?musée <mied:localisation>?lieu. Réponse est l'auteur de est conservé au se trouve à?oeuvre?lieu <mied:liberte> <mied:paris>

96 Ex. : Quelles sont les oeuvres qui se rattachent au même courant que celles de Delacroix? SPARQL Sous forme de triplets <mied:eugene_delacroix> <mied:estauteurde>?oeuvre.?oeuvre <mied:appartienta>?courant.?oeuvres <mied:appartienta>?courant. est l'auteur de? appartient à? appartient à?

97 Ex. : Quelles sont les oeuvres qui se rattachent au même courant que celles de Delacroix? SPARQL Sous forme de triplets <mied:eugene_delacroix> <mied:estauteurde>?oeuvre.?oeuvre <mied:appartienta>?courant.?oeuvres <mied:appartienta>?courant. Réponse est l'auteur de appartient à?oeuvre?genre <mied:liberte> <mied:romantisme> <mied:miserables > <mied:romantisme> appartient à est l'auteur de

98 SOMMAIRE 1. L'architecture du Web 2. Les URI 3. Principes de RDF 4. Vocabulaires et ontologies 5. SPARQL 6. La sérialisation

99 LA SÉRIALISATION RDF définit un modèle logique, abstrait, pour décrire la sémantique des informations. Il est ensuite nécessaire d'exprimer les données suivant une syntaxe spécifique. rdf:type mied:nom Eugène Delacroix N3 / rdfs: rdf: mied: < < rdf:type mied:personne ; Delacroix". mied:nom "Eugène

100 LA SÉRIALISATION RDF définit un modèle logique, abstrait, pour décrire la sémantique des informations. Il est ensuite nécessaire d'exprimer les données suivant une syntaxe spécifique. rdf:type RDF / XML <?xml version="1.0" encoding="utf-8"?> <rdf:rdf mied:nom Eugène Delacroix xmlns:rdf=" xmlns:rdfs=" xmlns:mied=" <rdf:description rdf:about=" <rdf:type rdf:resource=" <mied:nom>eugène Delacroix</mied:nom> </rdf:description> </rdf:rdf>

101 LA SÉRIALISATION RDF définit un modèle logique, abstrait, pour décrire la sémantique des informations. Il est ensuite nécessaire d'exprimer les données suivant une syntaxe spécifique. rdf:type RDF / XML <?xml version="1.0" encoding="utf-8"?> <rdf:rdf mied:nom Eugène Delacroix xmlns:rdf=" xmlns:rdfs=" xmlns:mied=" <mied:personne rdf:about=" mied:nom="eugène Delacroix"> </mied:personne> </rdf:rdf>

102 LA SÉRIALISATION RDF définit un modèle logique, abstrait, pour décrire la sémantique des informations. Il est ensuite nécessaire d'exprimer les données suivant une syntaxe spécifique. rdf:type RDFa mied:nom <html xmlns=" version="xhtml+rdfa 1.1" xmlns:xsi=" xsi:schemalocation=" prefix="mied: Eugène Delacroix <head> <title>eugène Delacroix au Musée Imaginaire</title> </head> <body> <div typeof="mied:personne" about=" Bienvenue sur le site du Musée Imaginaire <span property="mied:nom">eugène Delacroix</span>. </div> </body> </html>

103 CONCLUSION