SlideShare une entreprise Scribd logo
1  sur  28
Télécharger pour lire hors ligne
Colloque en l’honneur de Gauthier SALLET
        Atelier sur la gestion de données épidémiologiques
                     UGB, 6 et 7 décembre 2012




L INKED O PEN D ATA
                  POUR LA CONSOMMATION
DES INFORMATIONS ISSUES DE LA
COLLECTE DE DONNÉES ÉPIDÉMIOLOGIQUES


                              1
2        C ANEVAS DE LA PRÉSENTATION


    1.   Cycle des données dans les systèmes de collectes
         de données,

    2.   Enjeux de la publication des données,

    3.   C’est quoi l’open data,

    4.   Cas d’utilisation de l’open data pour le médical,

    5.   5 étapes pour publier les données liées
3
          S YSTÈME DE COLLECTE DE
        DONNÉES ÉPIDÉMIOLOGIQUES


       Volume énorme de données collectées,

       Données analysées pour détection d’épidémies,

       Actions entreprises par des décideurs,

       Données archivées,
4                          C YCLE        DE LA DONNÉE



                                Collecte de données




                                                       Rapport sur les données

    Réactions et actions




                                  Analyse de données
5       E NJEUX DE PUBLICATION DE DONNÉES



       Enjeu démocratique:
           La transparence,

       Enjeu socio-économique:
           Susciter la création de nouveaux secteurs
            économiques

       Enjeu universitaire:
           Amélioration de la détection des épidémies
6        L’ OPEN D ATA : U N OBJECTIF DOUBLE



       Rendre les données accessibles, exploitables et
        rentables par la majorité,

       Offrir la possibilité de croiser, traiter et analyser
        des données de sources différentes.
7   W EB   DES DOCUMENTS
8           WEB DES DOCUMENTS : CHALLENGES



       Accès:
            Liens non typés,

            Données faiblement structurées,

            Données déconnectées,

       Intégration
            Présenter les symptômes des maladies ayant fait l’objet
             d’une épidémie l’année dernière.

       Interrogation
            Quelles sont les régions ayant été victimes des mêmes
             épidémies l’années dernière?
9             API S W EB          ET MASHUPS


     Mashup                  Limites:
      Up
                                 APIs fournissent des
                                  interfaces propriétaires,
    API API   API   API
    WEB Web   Web   Web          Les mashups sont basées
                                  sur un ensemble de
                                  données fixes,

                                 Impossible de mettre des
     A   B     C     D            liens entre les données,
10           WEB               DE DONNÉES LIÉES


          Utiliser les technologies du web sémantique :
               Publier les données structurées sur le WEB,

               Lier les données d’une source de données à une
                autre

     RDF              RDF               RDF               RDF               RDF

     RDF              RDF               RDF               RDF               RDF

           Lien RDF         Liens RDF         Liens RDF         Liens RDF



      A                B                C                  D                 E
11            L INKED D ATA C ’ EST...

        ...Un moyen de publier des données sur le Web
         qui:
            Encourage la réutilisation,

            Réduit la redondance,

            Maximise la connectivité des données,

            Permet d’ajouter la valeur aux données par le
             réseau de connexion,
12
     I NGRÉDIENTS CLÉS DU LINKED
                            D ATA

        RDF (Resource description Framework) pour:
            Identifier les objets (URIs),

            Connecter les informations (relations),

        Ontologies (Vocabulaire) pour:
            Fournir une compréhension partagée du domaine,

            Organiser la connaissance de manière
             compréhensible par la machine,

            Fournir une compréhension exploitable des
             données,
13   E XEMPLE 1 : B ANQUE   MONDIALE
14   E XEMPLE 2 : OMS
15   E XEMPLE 3: PNUD
E XEMPLE 4 : CDC (C ENTERS FOR
16
     D ISEASE C ONTROL AND P REVENTION )
17
     E XEMPLE U TILISATION O PEN
                 D ATA : G OOGLE
18
     E XEMPLE U TILISATION O PEN
                 D ATA : G OOGLE
19
          5 ÉTAPES POUR PUBLIER LES
                                 DONNÉES LIÉES


     1.    Comprendre les principes,

     2.    Comprendre vos données,

     3.    Choisir les URIs pour vos éléments de donnée,

     4.    Lier aux autres sources de données,

     5.    Publier vos données
20
                         1- C OMPRENDRE LES
                                                   PRINCIPES

        Utiliser les URIs pour identifier vos éléments:
             Tout élément, pas seulement les documents,

        Utiliser les URIs HTTP:
             Noms globallement uniques,

             Permet l’accès par ces noms,

        Fournir une information utile en RDF
             Lorsque quelque accède à une URI,

        Inclure des liens RDF à d’autres URIs
             Pour permettre la découverte de l’information,
21
                         2- C OMPRENDRE VOS
                                             DONNÉES


        Quelles sont les informations clés présentes dans vos
         données:
            Maladies,
            Médicaments,
            Symptômes,
            Villes, …
        Quelles ontologies peuvent être réutilisées?
            Geo,
            FOAF,
22
         3- C HOISIR LES URI S POUR
             VOS ÉLÉMENTS DE DONNÉE


        Utiliser les espaces de nommage disjoints de
         ceux existant,

        Abstraire des détails d’implémentation
             http://dbpedia.org/resource/Berlin

             http://www4.wiwiss.fu-
              berlin.de:2020/demos/dbpedia/cgibin/resources.
              php?id=Berlin
23
         3- C HOISIR LES URI S POUR
             VOS ÉLÉMENTS DE DONNÉE


        Utiliser les slash
             http://mydomain.com/foaf.rdf#me

             http://mydomain.com/id/me

        Utiliser des patterns
             http://dbpedia.org/resource/New_York_City

             http://dbpedia.org/data/New_York_City

             http://dbpedia.org/page/New_York_City
24
      4- L IER AUX AUTRES
     SOURCES DE DONNÉES
25
                      4- L IER AUX AUTRES
                    SOURCES DE DONNÉES


        Utiliser des prédicats de liaison:
            owl:sameAs

            foaf:homepage, foaf:topic, foaf:based_near

            rdfs:seeAlso
26       5- P UBLIER            VOS DONNÉES


        Mettre en place votre infrastructure,

        Tester la négotiation de contenu,
27       5- P UBLIER             VOS DONNÉES


        Utiliser des outils:
            Joseki est un moteur HTTP qui supporte SPARQL,

            Virtuoso Universal Server fournit un serveur
             SPARQL et un stockage RDF,

            METAmorphoses est un outil de publication écrit
             en PHP

            http://www.w3.org/wiki/TaskForces/Community
             Projects/LinkingOpenData/PublishingTools
28                               C ONCLUSION

        Volume énorme de données produit par les
         systèmes de collecte de données,

        Plusieurs enjeux de publication de données,

        Émergence dans l’utilisation de l’open data,

        Processus de publication de données.

Contenu connexe

Tendances

Les portails documentaires juridiques français
Les portails documentaires juridiques françaisLes portails documentaires juridiques français
Les portails documentaires juridiques français
Stéphane Dufournet
 
Utilisation professionnelle des flux RSS
Utilisation professionnelle des flux RSSUtilisation professionnelle des flux RSS
Utilisation professionnelle des flux RSS
Stéphane Dufournet
 
M2sssatidoc
M2sssatidocM2sssatidoc
M2sssatidoc
BAPS
 

Tendances (20)

Le web sémantique - Sylvie Fayet
Le web sémantique - Sylvie FayetLe web sémantique - Sylvie Fayet
Le web sémantique - Sylvie Fayet
 
Quelles alternatives à Google dans le domaine scientifique
Quelles alternatives à Google dans le domaine scientifiqueQuelles alternatives à Google dans le domaine scientifique
Quelles alternatives à Google dans le domaine scientifique
 
Veille juridique et professionnelle
Veille juridique et professionnelleVeille juridique et professionnelle
Veille juridique et professionnelle
 
Présentation du plugin SpirHAL
Présentation du plugin SpirHALPrésentation du plugin SpirHAL
Présentation du plugin SpirHAL
 
Conférence Open Data par où commencer ? Intervention K.Rafes BorderCloud
Conférence Open Data par où commencer ? Intervention K.Rafes BorderCloudConférence Open Data par où commencer ? Intervention K.Rafes BorderCloud
Conférence Open Data par où commencer ? Intervention K.Rafes BorderCloud
 
Du bon usage de google : la recherche d'information sur le Web
Du bon usage de google : la recherche d'information sur le WebDu bon usage de google : la recherche d'information sur le Web
Du bon usage de google : la recherche d'information sur le Web
 
Contrôle d'autorité : enjeux et outils (Vincent Boulet)
Contrôle d'autorité : enjeux et outils (Vincent Boulet)Contrôle d'autorité : enjeux et outils (Vincent Boulet)
Contrôle d'autorité : enjeux et outils (Vincent Boulet)
 
Recherches sur Internet : Y a-t-il une vie sans Google ? BFR Consultants
Recherches sur Internet : Y a-t-il une vie sans Google ? BFR ConsultantsRecherches sur Internet : Y a-t-il une vie sans Google ? BFR Consultants
Recherches sur Internet : Y a-t-il une vie sans Google ? BFR Consultants
 
Le rôle de l'Open Access dans le paysage de l'IST
Le rôle de l'Open Access dans le paysage de l'ISTLe rôle de l'Open Access dans le paysage de l'IST
Le rôle de l'Open Access dans le paysage de l'IST
 
Les portails documentaires juridiques français
Les portails documentaires juridiques françaisLes portails documentaires juridiques français
Les portails documentaires juridiques français
 
Optimiser sa veille avec les flux RSS (mars 2009)
Optimiser sa veille avec les flux RSS (mars 2009)Optimiser sa veille avec les flux RSS (mars 2009)
Optimiser sa veille avec les flux RSS (mars 2009)
 
Utilisation professionnelle des flux RSS
Utilisation professionnelle des flux RSSUtilisation professionnelle des flux RSS
Utilisation professionnelle des flux RSS
 
Diffuser et valoriser mes travaux et publications (HAL, réseaux sociaux acadé...
Diffuser et valoriser mes travaux et publications (HAL, réseaux sociaux acadé...Diffuser et valoriser mes travaux et publications (HAL, réseaux sociaux acadé...
Diffuser et valoriser mes travaux et publications (HAL, réseaux sociaux acadé...
 
M2sssatidoc
M2sssatidocM2sssatidoc
M2sssatidoc
 
Cours ressources électroniques sur l'Amérique du Nord et l'Amérique latine et...
Cours ressources électroniques sur l'Amérique du Nord et l'Amérique latine et...Cours ressources électroniques sur l'Amérique du Nord et l'Amérique latine et...
Cours ressources électroniques sur l'Amérique du Nord et l'Amérique latine et...
 
Gérer et animer un portail HAL, une collection HAL
Gérer et animer un portail HAL, une collection HALGérer et animer un portail HAL, une collection HAL
Gérer et animer un portail HAL, une collection HAL
 
Open Access et HN - Master HN Lyon
Open Access et HN - Master HN Lyon Open Access et HN - Master HN Lyon
Open Access et HN - Master HN Lyon
 
Archives ouverteséance2
Archives ouverteséance2Archives ouverteséance2
Archives ouverteséance2
 
SophiaConf 2014: Semantic Web Inside
SophiaConf 2014: Semantic Web InsideSophiaConf 2014: Semantic Web Inside
SophiaConf 2014: Semantic Web Inside
 
Comment diffuser mes données de recherche ?
Comment diffuser mes données de recherche ?Comment diffuser mes données de recherche ?
Comment diffuser mes données de recherche ?
 

En vedette

En vedette (20)

Navigli sssw
Navigli ssswNavigli sssw
Navigli sssw
 
What is pattern recognition (lecture 4 of 6)
What is pattern recognition (lecture 4 of 6)What is pattern recognition (lecture 4 of 6)
What is pattern recognition (lecture 4 of 6)
 
Tutorial Cognition - Irene
Tutorial Cognition - IreneTutorial Cognition - Irene
Tutorial Cognition - Irene
 
Linked Open Data
Linked Open DataLinked Open Data
Linked Open Data
 
Introduction to open data quality et
Introduction to open data quality etIntroduction to open data quality et
Introduction to open data quality et
 
Pattern recognition
Pattern recognitionPattern recognition
Pattern recognition
 
LOD(Linked Open Data) Recommendations
LOD(Linked Open Data) RecommendationsLOD(Linked Open Data) Recommendations
LOD(Linked Open Data) Recommendations
 
An introduction to Linked (Open) Data
An introduction to Linked (Open) DataAn introduction to Linked (Open) Data
An introduction to Linked (Open) Data
 
Quick Linked Data Introduction
Quick Linked Data IntroductionQuick Linked Data Introduction
Quick Linked Data Introduction
 
Open Data and Linked Data
Open Data and Linked DataOpen Data and Linked Data
Open Data and Linked Data
 
Linked Open Data
Linked Open DataLinked Open Data
Linked Open Data
 
Linked Data Tutorial
Linked Data TutorialLinked Data Tutorial
Linked Data Tutorial
 
Introduction to linked data
Introduction to linked dataIntroduction to linked data
Introduction to linked data
 
Statistical classification: A review on some techniques
Statistical classification: A review on some techniquesStatistical classification: A review on some techniques
Statistical classification: A review on some techniques
 
EIFL 2014 - Linked Open Data
EIFL 2014 - Linked Open DataEIFL 2014 - Linked Open Data
EIFL 2014 - Linked Open Data
 
Seminar(Pattern Recognition)
Seminar(Pattern Recognition)Seminar(Pattern Recognition)
Seminar(Pattern Recognition)
 
Artificial intelligence Pattern recognition system
Artificial intelligence Pattern recognition systemArtificial intelligence Pattern recognition system
Artificial intelligence Pattern recognition system
 
Pattern Recognition
Pattern RecognitionPattern Recognition
Pattern Recognition
 
Linked Open Data Principles, Technologies and Examples
Linked Open Data Principles, Technologies and ExamplesLinked Open Data Principles, Technologies and Examples
Linked Open Data Principles, Technologies and Examples
 
Data Mining: Concepts and techniques classification _chapter 9 :advanced methods
Data Mining: Concepts and techniques classification _chapter 9 :advanced methodsData Mining: Concepts and techniques classification _chapter 9 :advanced methods
Data Mining: Concepts and techniques classification _chapter 9 :advanced methods
 

Similaire à Linked open data pour la consommation des informations

Datalift, une plateforme Linked Data, Retour d'expériences
Datalift, une plateforme Linked Data, Retour d'expériencesDatalift, une plateforme Linked Data, Retour d'expériences
Datalift, une plateforme Linked Data, Retour d'expériences
SemWebPro
 
20121009 10-datalift-camp-paris
20121009 10-datalift-camp-paris20121009 10-datalift-camp-paris
20121009 10-datalift-camp-paris
Datalift
 
Masterclasse i-expo 2011 : Pour un véritable accès unifié à l'information
Masterclasse i-expo 2011 : Pour un véritable accès unifié à l'informationMasterclasse i-expo 2011 : Pour un véritable accès unifié à l'information
Masterclasse i-expo 2011 : Pour un véritable accès unifié à l'information
Antidot
 
Asterid: Linked Data Asterisms
Asterid: Linked Data AsterismsAsterid: Linked Data Asterisms
Asterid: Linked Data Asterisms
Gregoire Burel
 
OpenDataGarage-Session 3A-Antidot
OpenDataGarage-Session 3A-AntidotOpenDataGarage-Session 3A-Antidot
OpenDataGarage-Session 3A-Antidot
Fing
 

Similaire à Linked open data pour la consommation des informations (20)

Les technologies du Web appliquées aux données structurées (2ème partie : Rel...
Les technologies du Web appliquées aux données structurées (2ème partie : Rel...Les technologies du Web appliquées aux données structurées (2ème partie : Rel...
Les technologies du Web appliquées aux données structurées (2ème partie : Rel...
 
Mettre nos données en réseau (données de l'IST en France)
Mettre nos données en réseau (données de l'IST en France)Mettre nos données en réseau (données de l'IST en France)
Mettre nos données en réseau (données de l'IST en France)
 
Web sémantique
Web sémantiqueWeb sémantique
Web sémantique
 
Initiation à SPARQL avec Wikidata
Initiation à SPARQL avec WikidataInitiation à SPARQL avec Wikidata
Initiation à SPARQL avec Wikidata
 
Données liées et Web sémantique : quand le lien fait sens.
Données liées et Web sémantique : quand le lien fait sens. Données liées et Web sémantique : quand le lien fait sens.
Données liées et Web sémantique : quand le lien fait sens.
 
Le Web de données ou comment gérer l'interopérabilité ?
Le Web de données ou comment gérer l'interopérabilité ?Le Web de données ou comment gérer l'interopérabilité ?
Le Web de données ou comment gérer l'interopérabilité ?
 
Datalift, une plateforme Linked Data, Retour d'expériences
Datalift, une plateforme Linked Data, Retour d'expériencesDatalift, une plateforme Linked Data, Retour d'expériences
Datalift, une plateforme Linked Data, Retour d'expériences
 
Isidore à l'interface de la rencontre des SHS et du Web de données
Isidore à l'interface de la rencontre des SHS et du Web de donnéesIsidore à l'interface de la rencontre des SHS et du Web de données
Isidore à l'interface de la rencontre des SHS et du Web de données
 
metadata_pour_dirbu_mars2011
metadata_pour_dirbu_mars2011metadata_pour_dirbu_mars2011
metadata_pour_dirbu_mars2011
 
Séance 02, Le paysage de la publication des données en 2015, dans la formatio...
Séance 02, Le paysage de la publication des données en 2015, dans la formatio...Séance 02, Le paysage de la publication des données en 2015, dans la formatio...
Séance 02, Le paysage de la publication des données en 2015, dans la formatio...
 
20121009 10-datalift-camp-paris
20121009 10-datalift-camp-paris20121009 10-datalift-camp-paris
20121009 10-datalift-camp-paris
 
Masterclasse i-expo 2011 : Pour un véritable accès unifié à l'information
Masterclasse i-expo 2011 : Pour un véritable accès unifié à l'informationMasterclasse i-expo 2011 : Pour un véritable accès unifié à l'information
Masterclasse i-expo 2011 : Pour un véritable accès unifié à l'information
 
DIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limites
DIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limitesDIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limites
DIM 11.09 - Les APIs comme sources d'indicateurs : possibilités et limites
 
Presentation entrepot polescience-v73-ssbonus
Presentation entrepot polescience-v73-ssbonusPresentation entrepot polescience-v73-ssbonus
Presentation entrepot polescience-v73-ssbonus
 
Asterid: Linked Data Asterisms
Asterid: Linked Data AsterismsAsterid: Linked Data Asterisms
Asterid: Linked Data Asterisms
 
Cours Big Data Part I
Cours Big Data Part ICours Big Data Part I
Cours Big Data Part I
 
OpenDataGarage-Session 3A-Antidot
OpenDataGarage-Session 3A-AntidotOpenDataGarage-Session 3A-Antidot
OpenDataGarage-Session 3A-Antidot
 
Medialille evolutions catalogage_avril2014_web-donnees
Medialille evolutions catalogage_avril2014_web-donneesMedialille evolutions catalogage_avril2014_web-donnees
Medialille evolutions catalogage_avril2014_web-donnees
 
Semantic web introduction
Semantic web introductionSemantic web introduction
Semantic web introduction
 
Acfas 2013 - Comment publier sur le web sémantique : la méthode de Bio2RDF
Acfas 2013 - Comment publier sur le web sémantique : la méthode de Bio2RDFAcfas 2013 - Comment publier sur le web sémantique : la méthode de Bio2RDF
Acfas 2013 - Comment publier sur le web sémantique : la méthode de Bio2RDF
 

Plus de Eric Toguem (6)

Design patterns
Design patternsDesign patterns
Design patterns
 
Les nouveautés de java 7 et les promesses
Les nouveautés de java 7  et les promessesLes nouveautés de java 7  et les promesses
Les nouveautés de java 7 et les promesses
 
Plateformes de développement d’applications mobiles
Plateformes de développement d’applications mobilesPlateformes de développement d’applications mobiles
Plateformes de développement d’applications mobiles
 
Développement d’applications ussd en java
Développement d’applications ussd en javaDéveloppement d’applications ussd en java
Développement d’applications ussd en java
 
Introspection reflection
Introspection reflectionIntrospection reflection
Introspection reflection
 
Les expressions régulières en java
Les expressions régulières en javaLes expressions régulières en java
Les expressions régulières en java
 

Linked open data pour la consommation des informations

  • 1. Colloque en l’honneur de Gauthier SALLET Atelier sur la gestion de données épidémiologiques UGB, 6 et 7 décembre 2012 L INKED O PEN D ATA POUR LA CONSOMMATION DES INFORMATIONS ISSUES DE LA COLLECTE DE DONNÉES ÉPIDÉMIOLOGIQUES 1
  • 2. 2 C ANEVAS DE LA PRÉSENTATION 1. Cycle des données dans les systèmes de collectes de données, 2. Enjeux de la publication des données, 3. C’est quoi l’open data, 4. Cas d’utilisation de l’open data pour le médical, 5. 5 étapes pour publier les données liées
  • 3. 3 S YSTÈME DE COLLECTE DE DONNÉES ÉPIDÉMIOLOGIQUES  Volume énorme de données collectées,  Données analysées pour détection d’épidémies,  Actions entreprises par des décideurs,  Données archivées,
  • 4. 4 C YCLE DE LA DONNÉE Collecte de données Rapport sur les données Réactions et actions Analyse de données
  • 5. 5 E NJEUX DE PUBLICATION DE DONNÉES  Enjeu démocratique:  La transparence,  Enjeu socio-économique:  Susciter la création de nouveaux secteurs économiques  Enjeu universitaire:  Amélioration de la détection des épidémies
  • 6. 6 L’ OPEN D ATA : U N OBJECTIF DOUBLE  Rendre les données accessibles, exploitables et rentables par la majorité,  Offrir la possibilité de croiser, traiter et analyser des données de sources différentes.
  • 7. 7 W EB DES DOCUMENTS
  • 8. 8 WEB DES DOCUMENTS : CHALLENGES  Accès:  Liens non typés,  Données faiblement structurées,  Données déconnectées,  Intégration  Présenter les symptômes des maladies ayant fait l’objet d’une épidémie l’année dernière.  Interrogation  Quelles sont les régions ayant été victimes des mêmes épidémies l’années dernière?
  • 9. 9 API S W EB ET MASHUPS Mashup  Limites: Up  APIs fournissent des interfaces propriétaires, API API API API WEB Web Web Web  Les mashups sont basées sur un ensemble de données fixes,  Impossible de mettre des A B C D liens entre les données,
  • 10. 10 WEB DE DONNÉES LIÉES  Utiliser les technologies du web sémantique :  Publier les données structurées sur le WEB,  Lier les données d’une source de données à une autre RDF RDF RDF RDF RDF RDF RDF RDF RDF RDF Lien RDF Liens RDF Liens RDF Liens RDF A B C D E
  • 11. 11 L INKED D ATA C ’ EST...  ...Un moyen de publier des données sur le Web qui:  Encourage la réutilisation,  Réduit la redondance,  Maximise la connectivité des données,  Permet d’ajouter la valeur aux données par le réseau de connexion,
  • 12. 12 I NGRÉDIENTS CLÉS DU LINKED D ATA  RDF (Resource description Framework) pour:  Identifier les objets (URIs),  Connecter les informations (relations),  Ontologies (Vocabulaire) pour:  Fournir une compréhension partagée du domaine,  Organiser la connaissance de manière compréhensible par la machine,  Fournir une compréhension exploitable des données,
  • 13. 13 E XEMPLE 1 : B ANQUE MONDIALE
  • 14. 14 E XEMPLE 2 : OMS
  • 15. 15 E XEMPLE 3: PNUD
  • 16. E XEMPLE 4 : CDC (C ENTERS FOR 16 D ISEASE C ONTROL AND P REVENTION )
  • 17. 17 E XEMPLE U TILISATION O PEN D ATA : G OOGLE
  • 18. 18 E XEMPLE U TILISATION O PEN D ATA : G OOGLE
  • 19. 19 5 ÉTAPES POUR PUBLIER LES DONNÉES LIÉES 1. Comprendre les principes, 2. Comprendre vos données, 3. Choisir les URIs pour vos éléments de donnée, 4. Lier aux autres sources de données, 5. Publier vos données
  • 20. 20 1- C OMPRENDRE LES PRINCIPES  Utiliser les URIs pour identifier vos éléments:  Tout élément, pas seulement les documents,  Utiliser les URIs HTTP:  Noms globallement uniques,  Permet l’accès par ces noms,  Fournir une information utile en RDF  Lorsque quelque accède à une URI,  Inclure des liens RDF à d’autres URIs  Pour permettre la découverte de l’information,
  • 21. 21 2- C OMPRENDRE VOS DONNÉES  Quelles sont les informations clés présentes dans vos données:  Maladies,  Médicaments,  Symptômes,  Villes, …  Quelles ontologies peuvent être réutilisées?  Geo,  FOAF,
  • 22. 22 3- C HOISIR LES URI S POUR VOS ÉLÉMENTS DE DONNÉE  Utiliser les espaces de nommage disjoints de ceux existant,  Abstraire des détails d’implémentation  http://dbpedia.org/resource/Berlin  http://www4.wiwiss.fu- berlin.de:2020/demos/dbpedia/cgibin/resources. php?id=Berlin
  • 23. 23 3- C HOISIR LES URI S POUR VOS ÉLÉMENTS DE DONNÉE  Utiliser les slash  http://mydomain.com/foaf.rdf#me  http://mydomain.com/id/me  Utiliser des patterns  http://dbpedia.org/resource/New_York_City  http://dbpedia.org/data/New_York_City  http://dbpedia.org/page/New_York_City
  • 24. 24 4- L IER AUX AUTRES SOURCES DE DONNÉES
  • 25. 25 4- L IER AUX AUTRES SOURCES DE DONNÉES  Utiliser des prédicats de liaison:  owl:sameAs  foaf:homepage, foaf:topic, foaf:based_near  rdfs:seeAlso
  • 26. 26 5- P UBLIER VOS DONNÉES  Mettre en place votre infrastructure,  Tester la négotiation de contenu,
  • 27. 27 5- P UBLIER VOS DONNÉES  Utiliser des outils:  Joseki est un moteur HTTP qui supporte SPARQL,  Virtuoso Universal Server fournit un serveur SPARQL et un stockage RDF,  METAmorphoses est un outil de publication écrit en PHP  http://www.w3.org/wiki/TaskForces/Community Projects/LinkingOpenData/PublishingTools
  • 28. 28 C ONCLUSION  Volume énorme de données produit par les systèmes de collecte de données,  Plusieurs enjeux de publication de données,  Émergence dans l’utilisation de l’open data,  Processus de publication de données.