Introducción a la Web Semántica

V Workshop REBIUN sobre proyectos digitales

V Workshop REBIUN

V Workshop REBIUN sobre proyectos digitales

La biblioteca digital y el acceso a nuevos contenidos
Barcelona 17, 18 y 19 de octubre de 2005 Universitat Politècnica de Catalunya (UPC)

Objetivos

Obtener un vistazo general sobre qué es la Web Semántica
Qué es lo que motiva su aparición
Conocer las mejoras que aporta a la biblioteca digital
Cómo funciona. Mecanismos existentes
Ejemplos de aplicaciones

Origen de la Web

Tim Berners-Lee en 1989 realizó un modelo acerca de la gestión de la información del CERN
Solución basada en un sistema distribuido de hipertexto

Propuesta de Gestión de la Información de Tim Berners-Lee

Information Management: A Proposal, Tim Berners-Lee, CERN, March 1989, May 1990, http://www.w3.org/History/1989/proposal.html

Necesidad de Evolución

Crecimiento de
- Usuarios
- Información
Surgen nuevas tecnologías
¿Buscadores ineficientes?
- Posiblemente no les ofrezcamos los medios necesarios
- Usuarios descontentos
- Los "engañamos"
Recursos con distintos formatos (multimedia)
- Vídeos
- Imágenes
- Textos digitales

Adaptación a las Nuevas Tecnologías

Evolución de la Web

Evolución de la Web

Buscadores ineficientes

Información oculta en la Web

Ejemplo de metadatos ocultos
Código fuente de la página

Recursos Digitales en la Web

Incremento del coste de almacenamiento y de adquisición de los documentos (libros, periódicos, textos científicos, memorias de organizaciones, etc.)
Creciente demanda de servicios asociados a la información
Servicios remotos
Capacidad de intercambio rápido y prácticamente sin coste asociado
Almacenamiento distribuido
Compartir recursos documentales
Gran importancia en los sistemas de teleformación (e-learning)

Lenguaje de Personas, no para Máquinas

La Web se escribe con lenguaje natural
Con la Web tradicional, no es posible una capacidad de razonamiento en las máquinas
Ambigüedad

Los equipos informáticos no comprenden el texto que incluimos

<font face="Arial" size="5">
    V Workshop REBIUN sobre proyectos digitales <br/>
    La biblioteca digital y el acceso a nuevos contenidos 
</font>

Página principal del V Workshop de REBIUN

Objetivos deseados

Buscamos establecer un sentido a los contenidos
- Facilitar a las máquinas la comprensión de lo que queremos representar
Permitir una conexión entre los recursos de la Web
- Extender los hiperenlaces a relaciones semánticas
Gestión "inteligente" de los recursos
- Búsquedas de información
- Extracción de contenidos
- Integración de recursos heterogéneos
Interoperabilidad Semántica
Al fin y al cabo: tener una Web más útil
- El botón "Voy a Tener Suerte" de Google

Dotando de semántica a la Web

Web Semántica
- Evolución de la Web tradicional
- Infraestructura basada en metadatos que permite el razonamiento en la Web

Semántica básica

<h1>Título principal</h1>
<h2>Subtítulo</h2>
<p>...Contenido de la página...</p>

Inclusión de metadatos

Metadatos

Recursos que proveen información acerca de sí mismos
Deben estar en un formato común y procesable por las máquinas
Los vocabularios de estos metadatos deben estar definidos perfectamente
Las aplicaciones analizarán esos metadatos
- Buscadores
- Catalogos
- Portales
- etc.

Generación de los metadatos

Los metadatos existen en las aplicaciones que utilizamos para generar los contenidos
- Editores gráficos
- Procesadores de textos
- etc.
Finalmente se genera información para el usuario y se pierden
Ejemplos
- Ofrecer altenativa a la representación de la imagen
- Informar de lo que hay en ella
- Creador
- Fecha
- etc.

Ejemplo de Metadatos

Son enunciados acerca del recurso que representa:
- el tipo de imagen es un gráfico estadístico, y el tipo de gráfico es "circular"
- el gráfico está etiquetado con elementos de texto
- el gráfico consiste de leyenda, sectores con valores porcentuales sobre el total del círculo
- los sectores describen los porcentajes de los Miembros afiliados al W3C distribuidos por paises
- ha sido creado el 14 de Octubre de 2005
- ha sido publicado por la Oficina Española de W3C
- ...

Necesidades para el procesamiento de estos metadatos

Recursos definidos unívocamente (URIs)
- p.e. http://www.w3.org/2004/09/StatImages/membership-s.png
Vocabularios controlados (Ontologías)
Formato común para expresar esos metadatos (RDF)
- E infraestructuras para acceder a esa información

Bibliotecas Digitales

Se pretende la recopilación de información (catalogación)
- Diversas localizaciones
Posteriormente se realiza una publicación de esa información
- Creación de movimientos como OAI (http://www.openarchives.org/)
  - Promueve los estándares de interoperabilidad
  - Permiten preservar y diseminar las publicaciones
  - Centra sus esfuerzos en conseguir acceso a los archivos electrónicos para mejorar la comunicación.
  - Posee un protocolo propio para recolección de metadatos: OAI-PMH

Ejemplo de Aplicación de estos principios

Biblioteca Nacional de Australia
- Catalogación de recursos
  - Periódicos
  - Manuscritos
  - Imágenes
  - Mapas
  - Libros
  - ...
Catálogo de Imágenes
- Sobre 740.000 Imágenes disponibles
- Búsqueda de un cuadro (titulado Dancing Boy, Martin Boyd)

Ejemplo: Metadatos asociados a un recurso

Resultado de la búsqueda del óleo de Martin Boyd, Dancing Boy

Ejemplo: Identificador del recurso

Mediante URIs

Ejemplo: Asociación de recursos

Otras instituciones/empresas realizan recopilaciones de los metadatos de la Biblioteca nacional de Australia:
- Google
- Otras bibliotecas
- Universidades (Universidad de Michigan)

Proyecto de la Universidad de Michigan: OAIster

Pantalla de búsqueda de la plataforma OAI

http://oaister.umdl.umich.edu
Orientado al e-learning y al ámbito educativo
Acceso a todos los alumnos a los contenidos electrónicos

OAIster. Resultado de una búsqueda

Identifica al mismo recurso (http://nla.gov.au/nla.pic-an3328617-v)

¿Qué aporta la Web Semántica a las Bibliotecas Digitales?

Mecanismos para
- Catalogación
  - Siguiendo un modelo de metadatos comunes para describir los campos
  - Recuperar la información catalogada de forma eficiente
- Creación y publicación de los vocabularios controlados para que puedan ser utilizados por todos (Ontologías)

Metadatos para las Bibliotecas Digitales

Logo Dublin Core

Iniciativas independientes que crean vocabularios específicos
- Dublin Core Metadata Initiative http://dublincore.org/
  - Colección de campos comprensibles por las máquinas
  - Pautas de uso
- MARC
  - Fomato MARC de la Biblioteca del Congreso (EE.UU.)
- ONIX para Libros
  - Estándar internacional para la representación y comunicación de información de productos de la industria bibliográfica en formato electrónico

Mecanismos básicos en Web Semántica

RDF (Infraestructura para Definición de Recursos)
- Modelo simple para la representación de los metadatos
Ontologías
- Definen términos y relaciones
- Lenguajes de Ontologías:
  - RDF-Schema
  - OWL
Reglas de búsqueda y consulta

RDF (Resource Description Framework)

Permite definir información sobre cualquier dominio
Todo lo que se describen son recursos (identificados por URIs)
Es un gráfico
Definido como una tripleta (s,p,o)
- Sujeto - Recurso (http://www.w3c.es/Personal/Martin)
- Predicado - Propiedad (creador)
- Objeto - Literal ("Martín Álvarez")
<sujeto> TIENE <predicado> <objeto>

RDF/XML

Utiliza el Lenguaje de Marcado Extensible (XML) para la codificación
Facilita la creación e intercambio de los metadatos
Debemos pensar en los gráficos

<rdf:RDF>
    <rdf:Description about="http://www.w3c.es/Personal/Martin">
         <s:type>text/html</s:type>
         <s:date>2005-10-01</s:date>
         <s:title>Página personal de Martín Álvarez</s:title>
    </rdf:Description>
</rdf:RDF>

Descripción de los metadatos de una página web, en un gráfico.

Ejemplo de RDF

Ejemplo de tripleta RDF: Martín Álvarez es el creador de un recurso. Con más propiedades

Extensibilidad incremental
Relacionarse con otros recursos
"Mezclar" definiciones
Proporcionar múltiples presentaciones aprovechando el trabajo de otros

RDF Schema

Ejemplo de tres clases definidas en RDF Schema: Equipo, persona y recurso

Lenguaje de Descripción de Vocabularios
Modelo de datos para RDF
Permite enriquecer las descripciones semánticas (procesables por las máquinas)
- Clases / subclases
- Relaciones entre las clases y propiedades
- Descripciones para los humanos (etiquetas, descripciones, etc.)
Facilita la combinación de sentencias RDF, a través de los URIs
Ofrece la base para poder realizar razonamientos o deducciones sobre nueva información

Limitaciones de RDF Schema

No indica la cardinalidad
Tipos de datos
Restricciones de rangos simples para las propiedades
No se pueden derivar tipos por unión o intersección
Necesidad de relaciones de clases o propiedades más ricas
...
Surgen extensiones DAML+OIL

DAML + OIL

DARPA Agent Markup Language
- Lenguaje de marcado semántico para recursos Web
- Definición de ontologías
- Comienza en el 2000
- Soluciona las carencias detectadas
- Ejemplo: Un macho es un animal y no puede ser una hembra
```
<daml:Class rdf:ID="Macho">
    <rdfs:subClassOf rdf:resource="#Animal"/>
    <daml:disjointWith rdf:resource="#Hembra"/>
</daml:Class>		
```
Ontology Inference Layer
- Permite realizar inferencias sobre el conocimiento
- Razonamiento gracias a las descripciones lógicas
- DAML+OIL Marzo de 2001

OWL

Lenguaje de Ontologías Web (Recomendación Febrero 2004)
Los lenguajes anteriores estaban destinados a comunidades específicas
- Comercio Electrónico
- Entornos científicos
OWL se adapta a la arquitectura de la WWW y a la Web Semántica
Mejoras respecto a lenguajes anteriores:
- Capacidad de ser distribuidas a través de varios sistemas
- Escalable ante las necesidades de la Web
- Compatible con los estándares Web de accesibilidad e internacionalización
- Abierto y extensible
Permite una interoperabilidad entre las ontologías
Los sistemas que usan DAML, OIL, DAML+OIL están migrando a OWL
- Herramientas que lo permiten sencillamente

Por qué usar ontologías

Descripción formal de un dominio
- Definición de clases, propiedades y relaciones entre ellas
Interoperabilidad semántica
- Integración entre metadatos de distintos vocabularios/esquemas
- Facilita y ofrece mayor precisión ante búsquedas de información
  - Portales (reglas de categorización para los recursos)
  - Colecciones multimedia (medios no textuales)
  - Sitios web corporativos (organización taxonómica de documentos)
- Relaciona recursos, servicios, dispositivos, bases de datos a través de la asociación de las estructuras del conocimiento y su combinación.

Ontologías Existentes

Repositorios de Ontologías
- SchemaWeb
- DAML Ontology Library

Sistemas de Organización del Conocimiento

Pantalla de DMOZ

Vocabularios Controlados
- Clasificaciones
- Tesauros
- Terminologías
- Glosarios
- ...
SKOS
- Conjunto de especificaciones de formatos estándar y herramientas para usar los Sistemas de Organización del Conocimento (KOS) dentro de la infraestructura de la Web Semántica
- Ejemplos de estructuras del conocimiento existentes
  - DMOZ (Open Directory Project)
  - EUROVOC Thesaurus
  - Tesauros del CINDOC (CSIC)
    - Alimentos
    - Economía
    - Urbanismo
    - ...

Ejemplo: Entradas en un Glosario (1)

Hoja: (i) Cada una de las láminas, generalmente verdes, planas y delgadas, de que se visten los vegetales, unidas al tallo o a las ramas por el pecíolo o, a veces, por una parte basal alargada, en las que principalmente se realizan las funciones de transpiración y fotosíntesis. (ii) Cada una de las capas delgadas en que se suele dividir la masa; como en los hojaldres
Raíz: (i) Órgano que crece en dirección inversa a la del tallo, carece de hojas e, introducido en tierra o en otros cuerpos, absorbe de estos o de aquella las materias necesarias para el crecimiento y desarrollo del vegetal y le sirve de sostén. (ii) Bien inmueble, finca, tierra, edificio, etc.
Tallo: (i) Órgano que se prolonga en sentido contrario al de la raíz y sirve de sustentáculo a las hojas, flores y frutos en las plantas. (ii) Renuevo de las plantas

Ejemplo: Entradas en un Glosario (2)

Ejemplo de entrada en un glosario representado mediante SKOS

Ejemplo: Entradas en un Glosario (3)

Ejemplo de entrada en un glosario representado mediante SKOS

Ejemplo: Taxonomías

Ejemplo de representación de taxonomías mediante SKOS

Artes (dmoz)
- Literatura
- Arquitectura

Ejemplo: Tesauros (1)

Término: Estadística
Usado por: Metodología estadística
Términos relacionados: Matemáticas
Términos especializados (reducidos): Datos estadísticos; Estadísticas médicas
Notas del ámbito: Usar cuando se refiere a la ciencia de la estadística. Para colecciones de estadísticas, usar "datos estadísticos" o un descriptor más específico.

Ejemplo: Tesauros (2)

Ejemplo de representación de un tesauro mediante SKOS

Término: Estadística
Usado por: Metodología estadística
Términos relacionados: Matemáticas
Términos especializados (reducidos): Datos estadísticos; Estadísticas médicas
Notas del ámbito: Usar cuando se refiere a la ciencia de la estadística. Para colecciones de estadísticas, usar "datos estadísticos" o un descriptor más específico.

Ejemplos de Aplicación

Pantalla de Vodafone Live

La Iniciativa de Archivos Abiertos (OAI) http://www.openarchives.org/
FOAF
- FOAF Explorer (Ejemplo), FOAFNaut!...
DOAP
Directorio Medioambiental SWED
SIMILE
- Aumentar la inter-operabilidad entre los recursos, vocabularios/ontologías/esquemas, metadatos y servicios
The SCULPTEUR R&D Project
Portales
- Vodafone Live
  - Basado en RDF - Mejoradas las búsquedas
  - Incremento de las descargas de tonos 20% en 2 meses
- Portal de Nokia

Más información

Estas transparencias están en: http://www.w3c.es/Presentaciones/2005/1018-WebSemanticaREBIUN-MA/
Página principal de la Web Semántica: http://www.w3.org/2001/sw
Oficina Española del W3C: http://www.w3c.es
Escríbeme: mlvarez@w3.org