DBpedia como núcleo de la Web de Datos

Transcripción

1 DBpedia como núcleo de la Web de Datos Departamento de Informática, Universidad de Valladolid DataWeb Compresión, Indexación y Aplicaciones sobre Grandes Colecciones de Datos Índice 1 2 3

2 Surge en 2007 de la colaboración de la Free University of Berlin, la University of Leizpig y OpenLink Software. Extraer información estructurada de Wikipedia y publicarla de forma abierta. Su primera versión se publica en 2007: Consultar de forma más sofisticadas (SPARQL). Posibilidad de que otras colecciones enlacen sus datos directamente con los contenidos de Wikipedia.

3 La Filosofía de DBpedia (I) A pesar de su generalidad, DBpedia rompe con el modelo top-down. No considera una ontología que todo lo describa : Tiene que servir para los propósitos de diferentes comunidades. Los datos y los metadatos evolucionan y más teniendo en cuenta la naturaleza colaborativa de Wikipedia. Define mecanimos uniformes para la gestión de: Inconsistencias, ambigüedad, incertidumbre y procedencia de la información, así cómo una gestión impĺıcita del conocimiento. La Filosofía de DBpedia (II) Cuatro aportaciones principales: Framework de extracción de información Wikipedia DBpedia. Publicación del contenido de Wikipedia como Big Data multi-dominio y abierto a su reutilización. Interrelación de DBpedia con otras colecciones públicas de Esta aportación plantea el germen sobre el que se desarrolla Linked Open Data (LOD). Módulos de acceso para SPARQL endpoints e interfaces para facilitar Linked Data. Recomendación: DBpedia: A Nucleus for a Web of Open Data (2007)

4 Extracción de Información Estructurada (I) DBpedia aprovecha la existencia de información ya estructurada en Wikipedia: Infoboxes, categorías, imágenes, coordenadas geográficas... Hipervínculos: tanto a otras webs como a traducciones del mismo contenido dentro de la propia Wikipedia. Toda esta información está contenida en los DUMPS publicados por Wikipedia. Extracción de Información Estructurada (II) Dos mecanismos de extracción: Las relaciones disponibles en almacenamiento relacional se mapean directamente a RDF. La información adicional se extra del texto del artículo y de las plantillas de los infoboxes: Algoritmos de pattern-matching. Post-procesamiento de la información: Garantizar la calidad de los datos. Detectar listas de objetos y transformarlas en listas RDF.

5 DBpedia como Big Data (I) DBpedia 3.7 (Septiembre 2011) 3,64 millones de cosas procedentes de 97 idiomas diferentes. 1,83 millones clasificadas de acuerdo a una ontología consistente: lugares personas especies organizaciones discos de música peĺıculas enfermedades.... DBpedia como Big Data (II) DBpedia 3.7 (Septiembre 2011) links a páginas web externas RDF links a otras colecciones semánticas enlaces a imágenes categorías de Wikipedia. 385 millones DBpedia-en (english). 665 millones en otros idiomas.

6 Índice Mecanismos de Acceso Linked Data. SPARQL Endpoint. RDF Dumps: Extended Abstracts: 2,3 GB Raw Infobox Properties: 6,8 GB Pagelinks: 20,8 GB...

7 DBpedia como Linked Data DBpedia esta altamente conectada en LOD: Gran cobertura tema tica. 16 millones de RDF links con origen DBpedia. 11 millones de RDF links con destino DBpedia. Miguel A. Martı nez Prieto & Javier D. Ferna ndez El nu cleo de la Web de Datos Miguel A. Martı nez Prieto & Javier D. Ferna ndez

8 El núcleo de la Web de Datos Índice 1 2 3

9 Revolucionar la búsqueda en Wikipedia La búsqueda en Wikipedia está limitada a consultas basadas en palabras clave: Dame todas las ciudades en New Jersey con más de habitantes. Dame todos los músicos italianos del siglo XVIII. DBpedia permite acceder de forma avanzada a los contenidos de Wikipedia: Búsqueda facetada. Búsqueda basada en SPARQL. Incluir datos en tu Web La globalidad de la información representada en Wikipedia, facilita que esta puede ser utilizada como complemento al contenido de una Web. Cualquier página puede programar una consulta SPARQL en su cuerpo y recuperar información específica desde el endpoint de DBpedia.

10 Aplicaciones móviles y geográficas DBpedia contiene información sobre numerosas localizaciones geográficas con sus coordenadas. Esta información está enlazada con colecciones como Geonames, el US Census, Euro Stat... Los dispositivos móviles poseen infraestructura GPS. Búsqueda espaciales para la implementacion de aplicaciones de localización. Aplicaciones móviles y geográficas DBpedia Mobile

11 Ontología Multi-dominio DBpedia es una de las ontologías multi-dominio más importantes en la actualidad: + Cubre numerosos dominios y contiene muchas instancias. + Representa el acuerdo de una comunidad real. + Evoluciona al tiempo que lo hace Wikipedia. - Tiene una estructura más relajada, es menos formal. - La calidad de los datos es menor y puede dar lugar a inconsistencias. Ontología Multi-dominio Combinar DBpedia con ontologías formales enlaces a OpenCyc enlaces a WordNet. 3,36 millones enlace a Freebase. Enlaces a UMBEL.... para mejorar las posibilidades de consulta: Saber que una ciudad o una montaña son un lugar geográfico permite que un buscador devuelva entidades que representan ciudades o montañas cuando se formula una consulta sobre lugares geográficos.

12 Esta presentación tiene únicamente fines divulgativos. Las imágenes utilizadas pueden pertenecer a terceros y por tanto son propiedad de sus autores.