Herramientas de publicación de datos para portales de datos abiertos

Transcripción

1 Índice 1. Web de Linked Data: Conceptos Básicos A. Gómez Pérez (30 min) 2. RDF, RDF Schema y SPARQL O. Corcho (90 min) 3. Vocabularios A. Gómez Pérez (90 min) 4. Herramientas de publicación de datos para portales de datos abiertos O. Corcho (30 min) 1 Herramientas de publicación de datos para portales de datos abiertos Asunción Gómez-Pérez, Oscar Corcho Facultad de Informática, Universidad Politécnica de Madrid Campus de Montegancedo sn, Boadilla del Monte, Madrid ocorcho@fi.upm.es Agradecimientos: D. Vila, B. Villazón Curso en Red.es. 13 de Diciembre de

2 Metodología de generación y publicación de Linked Data El proceso de publicación en Linked Data tiene un modelo de ciclo de vida incremental iterativo Especificar Especificar Modelar Explotar Modelar Generar RDF Enlazar Publicar Generar RDF Publicar Enlazar Explotar 3 Metodología Especificar Modelar Generar RDF Análisis de fuentes de datos Diseño de URIs Definición de licencias Enlazar Publicar Explotar 4 2

3 GeoLinkedData Análisis de las fuentes de datos Año Provincia Índice de producción industrial 5 Diseño de URIs Usar URIs cool, en lugar de URIs opacas, siempre que sea posible URI cool : URI opaca: Existen varias propuestas para la generación de URIs Reino Unido: España: borrador en progreso de la Secretaría de Estado para la función pública (Norma Técnica de Interoperabilidad de reutilización de recursos de información) 6 3

4 Diseño de URIs (NTI Borrador) URI base ó URI completa Hash URI Slash URI [.{ext}]?[#{concepto}]? Ejemplos: Municipio/alcorcon Municipio/alcorcon.n3 7 Diseño de URIs (NTI Borrador) 8 4

5 Diseño de URIs (NTI Borrador) 9 Diseño de URIs (NTI Borrador) Seleccionar identificadores alfanuméricos cortos únicos, que sean representativos, intuitivos y semánticos. Usar siempre minúsculas, salvo en los casos en los que se recomienda utilizar el nombre de la clase o concepto. Habitualmente, los nombres de las clases se representan con el primer carácter de cada palabra en mayúsculas. Eliminar todos los acentos, diéresis y símbolos de puntuación. Como excepción puede usarse el guión (-). Eliminar conjunciones y artículos en los casos de que el concepto a representar contenga más de una palabra. Puede usarse el guión (-) como separador entre palabras. Evitar en la medida de lo posible la abreviatura de palabras, salvo que la abreviatura sea intuitiva. 10 5

6 Diseño de URIs (NTI Borrador) ID: No funciona correctamente aún (sólo redirección a HTML).rdf Segovia.rdf curl -H "Accept: application/rdf+xml Segovia.n3 curl -H "Accept: text/rdf+n3" territorio/provincia/segovia.n3.html Segovia.html curl -H "Accept: text/html" territorio/provincia/segovia.html Ejemplo de uso: 11 Definición de la licencia Múltiples posibilidades The UK Open Government License Open Database License Public Domain Dedication and License Open Data Commons Attribution License The Creative Commons Licenses También es posible reutilizar y aplicar una licencia existente de las fuentes de datos del gobierno. GeoLinkedData: Reutilizamos la licencia original de las fuentes de datos del gobierno. Las fuentes de datos IGN y INE tienen sus propias liciencias, similares a Attribution-Share Alike 2.5 Generic License

7 Metodología Especificar Modelar Generar RDF Enlazar Publicar Explotar Generación de RDF Tomar las fuentes de datos seleccionadas en la actividad de especificación y transformarlas a RDF de acuerdo con el vocabulario creado en la actividad de modelado Algunas herramientas CSV y hojas de cálculo Apache Any23, RDF Refine, XLWrap, RDF123, NOR 2 O, Tabels Bases de datos relacionales D2R Server, ODEMapster, Morph, W3C RDB2RDF WG R2RML XML GRDDL, ReDeFer 13 Industry Production Index Year Generación GeoLinkedData - Transformación Province!"# $ "% Tecnologías Semánticas en la Web de Datos. Red.es de diciembre de

8 Generación GeoLinkedData - Transformación R2RML es un lenguaje declarativo para describir mapeos entre los esquemas de las bases de datos relacionales y los vocabularios. Tecnologías Semánticas en la Web de Datos. Red.es de diciembre de 2012 Generación GeoLinkedData - Transformación Creación de los mapeos (todavía no está en R2RML) Tecnologías Semánticas en la Web de Datos. Red.es de diciembre de

9 Generación GeoLinkedData - Transformación Herramienta para la generación de información de geometría en RDF. La geometría debe estar disponible en GML o WKT 17 Generación GeoLinkedData - Transformación Oracle STO UTIL package SELECT TO_CHAR(SDO_UTIL.TO_GML311GEOMETRY(geometry)) AS Gml311Geometry FROM "BCN200"."BCN200_0301L_RIO" c WHERE c.etiqueta='arroyo' Tecnologías Semánticas en la Web de Datos. Red.es de diciembre de

10 Generación GeoLinkedData - Transformación Generación de enlaces Enlazado Especificar Modelar Generar RDF Enlazar otalex.linkeddata.es/.../azuaga Herramienta Silk SameAs SameAs Publicar SameAs Explotar resource/azuaga SameAs geo.linkeddata.es/.../azuaga SameAs g/ / DBpedia GeoLinked Data GeoNames 20 10

11 Generación de enlaces Enlazado Identificar conjuntos de datos con los que se puede enlazar LIMES Descubrir relaciones entre conjuntos de datos Silk Validar las relaciones descubiertas sameas Validator 21 Generación de enlaces GeoLinkedData - Enlazado GeoLinked Data DBPedia GeoNames. owl:sameas. owl:sameas. resource/madrid. geo.linkeddata.es/... /Madrid. sws.geonames.org/ /

12 Generación de enlaces GeoLinkedData Validación de enlaces 23 Publicación Especificar HTML Linked Data SPARQL Modelar Generar RDF Incluyendo provenance Pubby Pubby Enlazar Virtuoso Publicar Explotar Tripletas

13 Publicación Registro de conjuntos de datos Registrar el conjunto de datos en el CKAN Registry Generar ficheros sitemap para el conjunto de datos, usando sitemap4rdf Enviar el fichero sitemap a Google y Sindice 25 Usar dcat Publicación Registro de conjuntos de datos (NTI borrador) 26 13

14 12/12/12 Explotación Visualización Especificar map4rdf: Visor sobre Google maps de recursos RDF Modelar Recursos RDF con información geoespacial Generar RDF Usado en otras aplicaciones como AEMET, Goodrelations, GeoLinked Data, El Viajero Enlazar SPARQL Publicar map4rdf Explotar Triplestore 27 Acceso uniforme a varias bases de datos del IGN Generación de RDF 7 bases de datos geográficas &'()'*+,$#-.% Granularidad Escala Multilingualidad!"#$"% Geometry column W3C! Vocabulary Model hasstatisticaldata haslat/long WGS84 O. Statistics haslat/long SCOVO on hydrontology haslocation/islocated UNESCO EGM / ERM GeoNames!! hasgeometry hasgeometry FAO FAO Geopolitical ontology O. Time W3C Time GML Legend GML! Specification Ontology Specification! Thesaurus 14

15 Resumen de algunas iniciativas Fase BNE IGN AEMET PRISA INE Modelado DC hydrontology Wgs84 time SSN ontology SIOC Scovo DataCube Generación de RDF MARiMbA geometry2rdf NOR2O CSV parser CSV parser NOR2O Generación de enlaces DNB VIAF LIBRIS DBPEDIA Silk Silk Silk DBPEDIA DBPEDIA Geolinkeddata.es Geonames Geolinkeddata.es NOR2O Geolinkeddata.es Publicación Pubby sitemap4rdf SPARQL Explotación map4rdf 29 Mensajes para llevarse a casa URI Seguir guías existentes para la creación de URIs (por ejemplo, las del UK Cabinet Office) Reutilizar URIs existentes de fuentes de datos de autoridad Modelos Reutilizar modelos existentes siempre que sea posible Crear modelos y vocabularios de fuentes de datos de autoridad ya existentes Generación En muchas ocasiones se necesitan herramientas específicas del dominio Enlazado Las herramientas genéricas funcionan generalmente bien Enlaces a otros conjuntos de datos con Equivalencias (sameas) bne:cervantes sameas Otros enlances Person Municipality birthplace Descubrimiento Además del registro datos.gob.es, utilizar sitemap4rdf para darle información a los motores de búsqueda, y registrarse en CKAN. Utilizar un ciclo iterativo en el desarrollo (varias fases) Dbpedia:cervantes 30 15