Un'introduzione al Semantic Web e ai Linked Data

Oreste Signore, <oreste@w3c.it>
Responsabile Ufficio Italiano W3C
Area della Ricerca CNR - via Moruzzi, 1 - 56124 Pisa

SMAU
Milano, 22 ottobre 2010

Slides: http://www.w3c.it/talks/2010/smau2010/slides.html

Ringraziamenti

Questa presentazione è basata in gran parte sul materiale di presentazioni tenute da Ivan Herman, W3C Semantic Web Activity Lead
Il materiale di questa presentazione può essere riutilizzato nel rispetto delle leggi sul copyright e delle regole del W3C
Giuseppe Cabrino ha registrato la presentazione che è accessibile su YouTube:
- Part1 (slides 1-10)
- Part2 (slides 11-24)
- Part3 (slides 25-33)
- Part4 (slides 33-40 + Q&A)

Contenuto

Il Web Semantico: principi e tecnologie
- Searching the Web… un esempio
- RDF
Linked Data

Semantic Web e data integration

Three layer figure; from top to bottom: applications, graph, and all kinds of data in different formats, labelled in general terms

I vantaggi del processo di astrazione…

…la rappresentazione come grafo è indipendente dalla struttura reale dei dati (per esempio nel daabase)
…modifiche apportate agli schemi locali del database, alle strutture XHTML, etc. non hanno influenza a livello generale, ma solo a livello del passo di esportazione dei dati (schema independence)
…è possibile aggiungere nuovi dati, ulteriori connessioni, senza soluzione di continuità, indipendentemente dalla struttura delle altre fonti di dati

Un esempio semplice…

Dal dataset A, come grafo…

Dal dataset F…

Merging dei dati

The merged data with nodes with identical URI-s pointed out

Merging delle risorse identiche

The merged data with one of the nodes merged with common URI

Le Query più semplici…

L'utente dei dati F può ora formulare query del tipo: "donnes-moi le titre de l'original" o "give me the title of the original"
Questa informazione non è nel dataset F…
…ma può essere ritrovata grazie al merging con il dataset A!
…ma si può ottenre di più utilizzando informazione aggiuntiva…

Grazie alla conoscenza “extra”…

The merged data with extra nodes identified as a result of identifying same as properties

…possiamo formulare delle query più ricche!

L'utente del dataset F può ora formulare domande del tipo:
- donnes-moi la page d'accueil de l'auteur de l'original
- give me the home page of the original's author
I dati necessari non sono nel dataset F…
…ma sono stati resi disponibili grazie a:
- merging dei dataset A e F
- aggiunta di tre proposizioni semplici come ulteriore “collante”
- utilizzo di terminologie esistenti come componente del “collante”

…e combinare le informazioni con alri dataset: con Wikipedia…

The merged data with a reference to a Wikipedia entry on the author plus other books he wrote

…e con Google Maps

The merged data with a reference to a Wikipedia entry on the author plus other books he wrote plus a reference to Calcutta referreing to the google map entry

Sorprendente?

In realtà no
È esattamente quanto avviene normalmente a tutti gli utenti del Web (ma in questo caso grazie a un processo automatico)
La differenza: è necessario un po' più di rigore (per es. dare un nome alle associazioni) perché le macchine possano riuscirci.

In realtà cosa abbiamo fatto?

Abbiamo combinato dataset diversi
- ognuno di essi può provenire da un qualunque sito web
- possono avere originariamente formati differenti (MySQL, fogli excel, XHTML, etc)
- possono avere nomi diversi per le relazioni (multilinguismo)
Li abbiamo potuti combinare perché avevano lo stesso URI (l'ISBN nell'esempio)
Possiamo aggiungere conoscenza addizionale, utilizzando terminologie comuni definite dalle varie comunità
Di conseguenza, è stato possibile identificare e utilizzare nuove relazioni
… e il processo può continuare…

Cosa ci fornisce il Semantic Web?

Le tecnologie per rendere possibile questa integrazione! Per esempio:
- un modello astratto per i grafi e le relazioni tra dati RDF
- mezzi per estrarre informazione RDF da pagine XML (per es. XHTML): GRDDL
- mezzi per aggiungere informazione strutturata a pagine XHTML: RDFa
- un linguaggio di query per interrogare i grafi: SPARQL (SPARQL Protocol and RDF Query Language)
- varie tecnologie per caratterizzare le relazioni e assegnare una categoria alle risorse: RDFS (RDF Schemas), OWL (Web Ontology Language), SKOS, Rule Interchange Format
  - in funzione della complessità necessaria, le applicazioni possono scegliere tra le varie tecnologie
  - alcune sono relativamente semplici, con tool tool semplici (RDFS), mentre altre richiedono sistemi più sofisticati (OWL, Rules)
- riuso di “ontologie” esistenti, definite da altri (nell'esempio precedente abbiamo usato FOAF)
alcune tecnologie sono stabili, mentre altre sono ancora in fase di sviluppo

Il ruolo del Semantic Web nel processo di integrazione

Three layer figure; from top to bottom: applications, graph, and all kinds of data in different formats, labelled with SW technology names

L'architettura del Semantic Web

Il Semantic Web …

è un'infrastruttura basata su metadati per poter svolgere ragionamenti sul Web
estende, non sostituisce il web attuale

I metadati sono:

Informazioni, elaborabili automaticamente (machine understandable)
vocabolari (ontologie) condivisi
un data model condiviso

Gli standard tecnologici

RDF, OWL, SKOS,…

…solo un aspetto tecnico

Elementi di RDF

Resource Description Framework (RDF) è per il Semantic Web quello che HTML è stato per il Web

Cosa è RDF?

Strumento base per codifica, scambio e riutilizzo di metadati strutturati
Consente l'interoperabilità tra applicazioni che si scambiano sul Web informazioni machine-understandable
Modello generale basato su triple, dette "triplets", o "statement" ("proposizioni", "dichiarazioni") con un formato “machine readable” (quindi comprensibile dalle macchine) come RDF/XML, Turtle, n3, RXR)
ed è tutto qui! (semplice, dopo tutto )
La sintassi (RDF/XML, Turtle) è semplicemente sintassi
La cosa importante sono il modello sottostante e i concetti

Triple RDF

Una tripla RDF (s,p,o) è un un collegamento etichettato (labelled connection) tra due risorse
Le triple RDF sono anche dette "triplets", o "statement"
Le risorse s, p, o vengono anche dette:
"subject", "predicate", "object",
oppure
"subject", "property", "object"
(in italiano: "soggetto", "predicato", "oggetto")
Le triple RDF formano un grafo orientato etichettato, o "directed, labelled graph" (è questo il modo migliore per considerarle!)

Triple RDF (cont.)

Una tripla RDF (s,p,o) è definita in modo che:
- "s", "p" sono URI, cioè risorse sul Web; "o" è un URI o un "literal"
- dal punto di vista concettuale: "p" collega, o mette in relazione "s" e "o"
- si noti che vengono utilizzati URI per denotare i nomi, quindi possono denotare un elemento interno a un file XML sul Web, non solo una risorsa "completa".
  Per esempio, supponendo di avere un file HTML ("risorsa") contenente tutti i requisiti della L. 4/2004, possiamo utilizzare
  http://www.weblab.isti.cnr.it/projects/coesa/requisiti.html#R01
  per denotare il Requisito 01
- ecco la codifica completa della tripla che rappresenta il fatto che la tecnica link-text (soggetto) soddisfa (predicato) il requisito R03 (oggetto):
```
(<http://…#link-text>, <http://…/soddisfa>, <http://…#R03>)
```

Il ruolo fondamentale degli URI

Gli URI hanno reso possibile il merge
Chiunque può creare (meta)dati su qualunque risorsa sul Web, per esempio:
- lo stesso file XHTML può essere annotato con altri termini
- è possibile aggiungere semantica alle risorse Web esistenti utilizzando URI
- gli URI rendono possibile collegare (con proprietà) i dati tra di loro
Gli URI sono la base del ruolo di RDF nel Web
- si può reperire l'informazione utilizzando tool già esistenti
- per questo motivo il "Semantic Web", è il … "Semantic Web"

Le altre tecnologie (in breve)

RDFS (RDF Vocabulary Description Language)

RDF è un linguaggio universale per descrivere le risorse usando il proprio vocabolario
È possibile scrivere statement (triple s-p-o) RDF sintatticamente corretti, ma privi di senso
RDFS consente di definire eventuali restrizioni (es. dominio e codominio), relazioni di classe-sottoclasse, e supportare ragionamenti basati su processi di inferenza

OWL (Web Ontology Language)

RDFS è utile, ma non è in grado di soddisfare tutti i requisiti
Applicazioni complesse hanno ulteriori necessità: ragionare sui termini, costruire classi, identificare classi disgiunte o equivalenti, etc.
Nel Semantic Web occorre il supporto di ontologie, per definire i concetti e le relazioni usati per descrivere e rappresentare un dominio di conoscenza
In OWL si possono costruire classi a partire da quelle esistenti, per enumerazione, intersezione, unione, complemento, mediante restrizioni delle proprietà (valori ammissibili, cardinalità, simmetria, transitività, dipendenza funzionale)

Aggiungiamo (ed estraiamo) semantica alle pagine Web

GRDDL

Gleaning Resource Descriptions from Dialects of Languages (GRDDL), W3C Recommendation 11 September 2007
Vedi il comunicato stampa: http://www.w3c.it/pr/2007/grddl-pressrelease-it.html
È il ponte per trasformare i dati espressi in un formato XML (come XHTML) in dati Semantic Web
Vedi anche: http://www.w3c.it/talks/2007/km12/slides.html#(20)

RDFa

RDFa Primer

<div xmlns:dc="http://purl.org/dc/elements/1.1/">
   <h2 property="dc:title">The trouble with Bob</h2>
   <h3 property="dc:creator">Alice</h3>
   ...
</div>

Il diagramma che connette URI e "properties"

Il “Web of Data”

Il Semantic Web estende i principi del Web dai documenti ai dati, creando un “Web of Data”
Dati, ontologie, vocabolari, etc, possono (anzi dovrebbero!) venir condivisi e riutilizzati, possibilmente a livello dell'intero Web
RDF fornisce uno strato di astrazione per l'integrazione dei dati sul Web

I linked data

A term used to describe a recommended best practice for exposing, sharing, and connecting pieces of data, information, and knowledge on the Semantic Web using URIs and RDF

(citato come definizione data da Wikipedia)

Vedi anche:
http://linkeddata.org/
e:
http://www.w3.org/standards/semanticweb/data

The Linking Open Data cloud diagram

Linking Open Data cloud diagram, by Richard Cyganiak and Anja Jentzsch. http://lod-cloud.net/

Linking Open Data Project

Obiettivo: "esporre" in RDF dataset aperti
Impostare link RDF tra data items appartenenti a dataset diversi
Impostare dei query endpoints
Miliardi di triple, milioni di ”link“

Le quattro regole per pubblicare dati sul Web

Use URIs as names for things
Use HTTP URIs so that people can look up those names.
When someone looks up a URI, provide useful information, using the standards (RDF*, SPARQL)
Include links to other URIs. so that they can discover more things.

(TBL, Design Issues)

DBPedia

The DBpedia project extracts various kinds of structured information from Wikipedia editions in 92 languages and combines this information into a huge, cross-domain knowledge base.
DBpedia uses the Resource Description Framework (RDF) as a flexible data model for representing extracted information and for publishing it on the Web.
The DBpedia knowledge base currently describes more than 3.4 million things, out of which 1.5 million are classified in a consistent Ontology, including 312,000 persons, 413,000 places (including 310,000 populated places), 94,000 music albums, 49,000 films, 15,000 video games, 140,000 organizations (including 31,000 companies and 31,000 educational institutions), 146,000 species and 4,600 diseases. The DBpedia data set features labels and abstracts for these 3.2 million things in up to 92 different languages; 841,000 links to images and 5,081,000 links to external web pages; 9,393,000 external links into other RDF datasets, 565,000 Wikipedia categories, and 75,000 YAGO categories. The DBpedia knowledge base altogether consists of over 1 billion pieces of information (RDF triples) out of which 257 million were extracted from the English edition of Wikipedia and 766 million were extracted from other language editions.
Alcuni esempi:
- Il signore degli anelli [local] [web]
- Tetris (con Marble) [local] [ web]

Geonames

The GeoNames geographical database covers all countries and contains over eight million placenames that are available for download free of charge.
GeoNames [http://www.geonames.org/] [versione locale]
GeoNames Ontology - Geo Semantic Web [http://www.geonames.org/ontology/] [ versione locale]

http://www.data.gov/

http://data.gov.uk/

http://www.linkedopencamera.it/

Qualche riferimento utile

Linked Data (Tim Berners-Lee)
Tim Berners-Lee on the next Web (presentazione a TED2009, con sottotitoli in varie lingue)
http://esw.w3.org/LinkedData (Wiki W3C)
http://linkeddata.org/
Linked Data - The Story So Far (Bizer, Heath,Berners-Lee) - preprint

Conclusioni

Le tecnologie del Semantic Web (RDF, RDFS, OWL) consentono di rappresentare, esportare e condividere la conoscenza in maniera interoperabile
Il Semantic Web non è semplicemente ricerca accademica!
…ma il Web è nato in un ambiente di ricerca di base
Il W3C ha lanciato l'idea del Semantic Web (1989 o 1999?) e dei Linked Data (2007)
Queste idee si vanno diffondendo e sono ormai una realtà
Associatevi al W3C per essere competitivi e attori dello sviluppo

Grazie per l'attenzione

Domande?

... e risposte

Se non è sul Web non esiste ...

... troverete sul sito dell'Ufficio (http://www.w3c.it/)
le slide (http://www.w3c.it/talks/2010/smau2010/slides.html)
e un documento: http://www.w3c.it/papers/wsb08.pdf utile