1.
Pierre Col Julien Homo
@PierreCol @Julien_Homo

2.
2
Pierre Col @PierreCol
Julien Homo @Julien_Homo
1978
1963
1983
1986
1996
2007
2010
2006
2009
2011
1987

3.
3

4.
4
Le web sémantique, concrètement
Certains en parlent…
d’autres le font !

5.
5
Le web sémantique, concrètement

6.
6
Le web sémantique, concrètement
Knowledge
Graph

7.
7
Knowledge
Graph
Le web sémantique, concrètement

8.
8
Knowledge
Graph
Le web sémantique, concrètement

9.
9
Le web sémantique, concrètement
Knowledge
Graph

10.
10
Le web sémantique, concrètement
Knowledge
Graph

11.
11
Knowledge
Graph
Le web sémantique, concrètement

12.
12
Le web sémantique, concrètement
Knowledge
Graph

13.
13
Le web sémantique, concrètement
Knowledge
Graph

14.
14
Tim Berners-Lee verbatim
« The Semantic Web is a web of data,
in some ways like a global database »
« The Semantic Web is not a separate Web
but an extension of the current one,
in which information is given well-defined
meaning,
better enabling computers and people
to work in cooperation »

15.
15
« Raw data now ! » février 2009
http://www.ted.com/talks/tim_berners_lee_on_the_next_web?language=fr

16.
16
http://www.flickr.com/photos/jimgris/281139738/
L’idée : casser la vieille logique des silos
de données cloisonnées…
Siège social d’Oracle, l’éditeur du SGBDR le
plus utilisé dans le monde, dans la Silicon
Valley

17.
17
…pour partager la donnée structurée sur
un espace décentralisé : le web
Un Web de documents
● Documents reliés par des liens
● Pas de structuration sémantique
● Pas de requêtes structurées

18.
18
…pour partager la donnée structurée sur
un espace décentralisé: le web
Puis un Web d’applications
● Données exposées à travers des API
● API valables uniquement pour un silo
● Pas d’interopérabilité entre les silos

19.
19
…pour partager la donnée structurée sur
un espace décentralisé : le web
Et maintenant un Web de données
● Web de données = espace unifié
● Liens entre les données elles-mêmes
● APIs remplacées par des standards ouverts

20.
20

21.
21
Une condition nécessaire : assurer
l’interopérabilité des données structurées
● Transport

22.
22
Une condition nécessaire : assurer
l’interopérabilité des données structurées
● Syntaxe

23.
23
Une condition nécessaire : assurer
l’interopérabilité des données structurées
● Sémantique

24.
24
Un langage pour les machines
Une grammaire Le vocabulaire
Des règles
d’écriture
Des moyens
de communication
RDF
RDFS / OWL
Ontologie
RDF/XML
N3, Turtle
RDFa
HTTP
SPARQL

25.
25
Standards : le layer cake aujourd’hui
Déjà normalisé ou
en cours de normalisation
au W3C

26.
26
Le Linked Open Data Cloud - 2014

27.
27

28.
28
Contexte
● Site portail

29.
29
Contexte
● Site portail

30.
30
Contexte
● Site portail

31.
31
Problématique
● Mesurer « la faisabilité technique de réaliser un
site portail basé sur les règles du web de
données et du web sémantique »

32.
32
Mais pourquoi recourir au Web
Sémantique ?
● Agréger les données
● Enrichir les données par des données externes
libre d’accès
● Faciliter leur échange
● Faciliter leur publication

33.
33
Objectifs
● Offrir aux visiteurs une vision plus globale des
ressources disponibles

34.
34
Objectifs
● Favoriser leur découverte par un effet de
sérendipité

35.
35
Objectifs
● Enrichir l’expérience de navigation

36.
36
Objectifs
● Mettre les données à la disposition de tous

37.
37
Par où commencer ?
● Définir le périmètre de l’étude
● Analyser les données
● Réaliser un prototype

38.
38
Quelles sont les sources disponibles ?

39.
39
Comment accéder aux données ?
● API intégrée au système de gestion de
bibliothèque
Requête SIGB Base de données Export XML
● Export au format XML

40.
40
Quelles sont les données disponibles ?

41.
41
Quelles sont les données disponibles ?
20 000 films
250 000 textes imprimés
2 500 ouvrages numériques
20 000
enregistrements musicaux

42.
42
Comment sont structurées les données ?

43.
43
Comment sont structurées les données ?
Propriétés
ID
Dénomination
Auteur
Lieu de création
Date de création
Dimensions
Catégorie matière
Catégorie technique
Mots-clés
Référence commerciale

44.
44
Comment sont structurées les données ?
Propriétés
ID
Dénomination
Auteur
Lieu de création
Date de création
Dimensions
Catégorie matière
Catégorie technique
Mots-clés
Référence commerciale
Propriétés génériques d’une œuvre ?

45.
45
Comment sont structurées les données ?
Propriétés
ID
Dénomination
Auteur
Lieu de création
Date de création
Dimensions
Catégorie matière
Catégorie technique
Mots-clés
Référence commerciale
Lien vers le Linked Open Data ?

46.
46
Laisse Béton (Renaud)
● Prenons un exemple !

47.
47
Laisse Béton (Renaud)
● Vu du catalogue Web (OPAC) …

48.
48
Laisse Béton (Renaud)
● … et du XML

49.
49
Laisse Béton (Renaud)
● Il y a sûrement des choses à faire…
Propriétés Valeurs
ID b18895888
Dénomination Laisse Béton
Auteur Renaud
Lieu de création -
Date de création -
Dimensions 1 disque compact (36 min)
Catégorie matière -
Catégorie technique -
Mots-clés -
Référence commerciale 0042282534828

50.
50
…Et bien faisons les !
● Réalisation d’un prototype
● Mesurer la faisabilité technique du projet sur un
échantillon
● Montrer l’apport de l’Open Data
● Evaluer les difficultés

51.
51
Mettre les données en commun
film01.avi “Livre A”
http://exemple.org/film/01 http://exemple.org/livre/A

52.
52
Identifier les objets
● Schéma arbitraire
● http://data.leschampslibres.org/
● Origine : numérotation arbitraire
Source Numéro Propriété ID
Bibliothèque de Rennes 1 Controlfield 001
http://data.leschampslibres.org/1/b18895888

53.
53
Modéliser les objets
Modèle HADOC
Modèles “évènements” (LODE,
CIDOC CRM, The Event Ontology…)

54.
54
Laisse Béton (Renaud)

55.
55
Relier les données à l’extérieur
● Oui mais dans quel but ?

56.
56
Données VS Usages

57.
57
Usages…
● « Apporter à l’utilisateur des compléments
d’informations sur les objets culturels qu’il
consulte sur le portail des Champs Libres »

58.
58
… VS Données
Propriétés
ISBN
Référence commerciale
Nom et date de naissance de l’auteur
Noms de lieux

59.
59
Sélectionner les sources externes

60.
60
Graphe
Référence commerciale
Nom de l’auteur
+
Date de naissanceNom de lieu
ISBN
ID
IDID
ID

61.
61
Laisse Béton (Renaud)

62.
62
Automatisons-le !
Aligner Annoter
Préparer les données
Localement
A distance
Récupérer les données externes
Interroger Interroger

63.
63
Préparer les données : aligner
Nom Prénom Date de
naissance
Hugo victor 26 février 1802
sartre jean paul 21/06/1905
…
http://catalogue.bnf.fr/ark:/
12148/cb11907966z
Nom Prénom Date de
naissance
Hugo Victor 1802-02-26
Victor 1802-02-26

64.
64
Préparer les données : annoter
http://sws.geonames.org/2911298

65.
65
Préparer les données
● Idéalement
● Dumps RDF
● SPARQL Endpoint
● APIs Web RDF …
● Triplestore intermédiaire

66.
66
Préparer les données
● En réalité
● Dumps divers
● Pas de SPARQL Endpoint
● APIs Web diverses
● Conversion RDF
Triplestore
…

67.
67
Récupérer les données externes
● Requêtes SPARQL
● Triplestore intermédiaire
● SPARQL Endpoint
Enrichissements
Enrichissements

68.
68
Récupérer les données externes
● Requêtes SPARQL : exemples
http://catalogue.bnf.fr/ark:/12148/cb11907966z
Victor Hugo
1802-02-26
foaf:givenName foaf:name
db:birthDate
http://catalogue.bnf.fr/ark:/12148/cb11907966z

69.
69
Récupérer les données externes
● Requêtes SPARQL : exemples
http://data.leschampslibres.org/1/b18895888
“0042282534828”
hadoc:isbn
“4.25 / 5” http://www.discogs.com/master/11710
http://www.wikidata.org/wiki/Q3216384
http://musicbrainz.org/release-group/
374fd86d-838c-3d40-a2c8-680b800290e7
“0042282534828”
mb:barcod
e
owl:sameA
s
owl:sameA
s
dcogs:rating
“4.25 / 5”

70.
70
Récupérer les données externes
● Autres : pas de RDF
● APIs Web
● Dumps (XML, CSV…)
● HTML
● …
…
Enrichissements

71.
71
Récupérer les données externes
● En réalité
● Architecture complexe
● A adapter selon les besoins
… …

72.
72
Laisse béton (Renaud)
Normalisation Triplestore intermédiaire Enrichissements RDF Enrichissements APIs
barcode ?
IDs Discogs Allmusic ?

73.
73

74.
74
Résultats

75.
75
Outils

76.
76
Outils
● Convertir les données
Actions Outils
Aligner, annoter Antidot Information Factory, Gate,
Python…
Créer des données RDF avec un
éditeur
Morla, Top Braid composer, Editeur
XML (Oxygen), Protégé
Transformer des données de XML vers
RDF/XML
XSL, Python…
Transformer des entrées clés/valeurs
en RDF
Google Refine
Transformer une base de données
relationnelle en RDF
Db2triples, D2R server, …

77.
77
Outils
● Stocker les données dans un triplestore
Optimisation Outils
Mémoire Corese, Redstore
Triplestore natif Mulgara, AllegroGraph, BigOWLIM,
4store, Neo4j
BDR paramétrée Virtuoso, ARC, Oracle 11g, Sesame,
3store
Column store Cstore, Heart, BigData, Cloudera

78.
78
Outils
● Exploiter les données en RDF
Langages Outils
Java (triples) Jena, Sesame, Trialox SCB, RDF2Go
Java (ORM) Topaz, RDFReactor, So(m)mer, Elmo,
jenabean
PHP RAP, ARC (généraliste)
C Redland
Python RDFlib
Ruby ActiveRDF
Scala Scardf

79.
79
Laisse béton (Renaud)
● Publication des données en RDF

80.
80

81.
81
Le web sémantique, ça marche !
● Les géants mondiaux de l’Internet
avancent rapidement
● De plus en plus d’organisations l’adoptent
pour des usages ciblés
● « Que puis-je faire pour le web sémantique ? »
● « Qu’est ce que le web sémantique
peut faire pour moi ? »

82.
82
Le Web Sémantique, des atouts uniques
● Disposer d’une quantité colossale de
jeux de données
● Accéder aux données de façon standardisée
donc automatisable
● Les agréger pour servir tous types d’usages
nouveaux

83.
83
Le Web Sémantique, aller plus loin ?
Un livre dirigé par
Fabien Gandon,
INRIA / W3C
EAN13 : 9782100572946

84.
84
Le web sémantique : à vous de jouer !

85.
85
pcol@antidot.net @PierreCol
jhomo@antidot.net
@Julien_Hom
o
@AntidotNet
www.antidot.net