LES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES

LES TECHNOLOGIES DU WEB APPLIQUÉES AUX DONNÉES STRUCTURÉES 1e partie : encoder et structurer les données Gautier Poupeau Antidot http://www.lespetitescases.net Twitter @lespetitescases Emmanuelle Bermès Centre Pompidou http://www.figoblog.org Twitter @figoblog Séminaire INRIA 1-5 octobre 2012

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

Web sémantique

Web sémantique OU

Web sémantique OU Web sémantique

L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ

L'ARCHITECTURE DU WEB UN RÉSEAU DÉCENTRALISÉ Internet Web

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

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

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

L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais voir la ressource http://exemple.inria.fr

L'ARCHITECTURE DU WEB Méthodes de HTTP GET Je voudrais voir la ressource http://exemple.inria.fr

L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais agir sur la ressource http://exemple.inria.fr

L'ARCHITECTURE DU WEB Méthodes de HTTP POST Je voudrais agir sur la ressource http://exemple.inria.fr

L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais ajouter la ressource http://exemple.inria.fr/1

L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais ajouter la ressource http://exemple.inria.fr/1 OK

L'ARCHITECTURE DU WEB Méthodes de HTTP PUT Je voudrais ajouter la ressource http://exemple.inria.fr/1 OK

L'ARCHITECTURE DU WEB Méthodes de HTTP Je voudrais supprimer la ressource http://exemple.inria.fr

L'ARCHITECTURE DU WEB Méthodes de HTTP DELETE Je voudrais supprimer la ressource http://exemple.inria.fr

L'ARCHITECTURE DU WEB L'architecture du Web Ressource

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

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

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

L'ARCHITECTURE DU WEB L'HYPERTEXTE

L'ARCHITECTURE DU WEB L'HYPERTEXTE 404

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

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

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

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

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

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

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

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

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 : http://www.w3.org/talks/www94tim/

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

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

Être ou ne pas être... IDENTIFIÉ http://www.mied.org/personne/eugene_delacroix http://www.mied.org/oeuvre/liberte_guidant_le_peuple http://www.mied.org/institution/louvre http://www.mied.org/lieu/paris http://www.mied.org/concept/romantisme http://www.mied.org/concept/tableau Pour attribuer les URI des ressources, il faut analyser les différentes entités qu'on manipule et qui doivent être identifiées.

Les URI UNIFORM RESOURCE IDENTIFIER Syntaxe : <scheme:chaîne/de.caractère> <http://monsite.com/dossier/fichier.html#ancre> <http://mondomaine.org/ressource/1234> 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.

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

Les URI IDENTIFIANTS OPAQUES / SIGNIFIANTS <http://www.mied.org/personne/eugene_delacroix> <http://www.mied.org/r-2f2f75cb28b2082> 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

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.

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.

Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK sujet objet prédicat http://www.mied.org/personne/eugene_delacroix http://www.mied.org/ontologie/auteur http://www.mied.org/oeuvre/liberte_guidant_le_peuple 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.

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).

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).

Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK est mort à http://www.mied.org/lieu/paris est un fait partie de label Paris @fr label Parigi @it L'objet du triplet peut être une ressource représentée par une URI ou un littéral (une chaîne de caractère).

Le principe de RDF RESOURCE DESCRIPTION FRAMEWORK http://www.mied.org/ontologie/lieudeces label ''est mort à''@fr 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.

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.

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

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 http://www.mied.org/ontologie

La même chose avec des URI <http://www.mied.org/ontologie/personne> <http://www.mied.org/ontologie/nom> <http://www.mied.org/ontologie/estcontemporainde> Ou encore : @prefix mied: http://www.mied.org/ontologie/ mied:personne mied:nom mied:estcontemporainde ABC ABC

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.

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

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 http://www.mied.org/ontologie/personne

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)

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).

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

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

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

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

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 http://www.mied.org/personne/victor_hugo mied:estcontemporainde http://www.museevictorhugo.fr/victorhugo http://www.mied.org/personne/eugene_delacroix

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

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

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

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 :

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>

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>.

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>.

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

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>

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>.

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>.

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>.

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 =?

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.

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.

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.

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>

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?

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>

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?

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

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 / TURTLE @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#>. @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>. @prefix mied: <http://mied.fr/ontologie/>. <http://www.mied.fr/personne/eugene_delacroix> rdf:type mied:personne ; Delacroix". mied:nom "Eugène

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="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:mied="http://mied.fr/ontologie/"> <rdf:description rdf:about="http://www.mied.fr/personne/eugene_delacroix"> <rdf:type rdf:resource="http://mied.fr/ontologie/personne"/> <mied:nom>eugène Delacroix</mied:nom> </rdf:description> </rdf:rdf>

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="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:mied="http://mied.fr/ontologie/"> <mied:personne rdf:about="http://www.mied.fr/personne/eugene_delacroix" mied:nom="eugène Delacroix"> </mied:personne> </rdf:rdf>

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="http://www.w3.org/1999/xhtml" version="xhtml+rdfa 1.1" xmlns:xsi="http://www.w3.org/2001/xmlschema-instance" xsi:schemalocation="http://www.w3.org/1999/xhtml http://www.w3.org/markup/schema/xhtml-rdfa-2.xsd" prefix="mied: http://mied.fr/ontologie/"> Eugène Delacroix <head> <title>eugène Delacroix au Musée Imaginaire</title> </head> <body> <div typeof="mied:personne" about="http://www.mied.fr/personne/eugene_delacroix"> Bienvenue sur le site du Musée Imaginaire <span property="mied:nom">eugène Delacroix</span>. </div> </body> </html>

CONCLUSION