web de données / bib

Le web de données

enssib :: 12 octobre 2012

Plan
• Partir de ce qu’on connaît :
– Base de données + Web = web de données
• Vertus de RDF
• Champs de bataille
– Syntaxes
– Vocabulaires
– Workflows
– Agrégateurs

Le web de données,
c’est pas quoi ?

Base Web

Documents GED Le Web =
Web de documents

Données Base de données Web de données

Le Web, web de documents

Données Documents

Base de
données

Hyperlien

Base de
données

http://fyeah-icebergs.tumblr.com/post/1063474140

Un archipel d’icebergs
• Les données sont cachées sous les pages HTML
(deep web)
• Seules les pages HTML sont liées entre elles
• Les pages HTML sont faites pour les humains
• Ce que veulent les machines, ce sont des
données
• et des données liées
– car elles se complètent les unes les autres
– car les liens permettent de naviguer et de découvrir
• Et des liens qualifiés, signifiants
– au-delà du « voir aussi » des hyperliens

Le web de données liées

Données Documents

Base de
données

Liens entre les Hyperlien
bases de données

Base de
données

Persée

Une base de données

DOCUMENTS
id auteur titre
doi :10.3406/mefr.1959.7458 auteur_mefr_1904 Retractatio

Lien interne à la base

AUTEURS
id nom
auteur_mefr_1904 Paul Veyne

Sudoc + IdRef

Une autre
base de données

LIVRES
id z7XX titrepropre editeur
068391307 027182800 Le Pain et le cirque Le Seuil

Lien interne à la base

PERSONNES
id nom personnetype
027182800 Veyne, Paul (1930-…. 0

DOCUMENTS #1 Comment lier
la donnée d’une base
id auteur titre à la donnée de l’autre base ?
doi :10.3406/mefr. auteur_mefr_1904 Retractatio
1959.7458
#2 Comment lier deux bases
AUTEURS qui n’ont pas le même schéma
id nom #3 Comment qualifier
la nature de ce lien ?

#4 Comment faire tout ça sur
le Web, en surface ?

LIVRES
068391307 027182800 Le Pain et le Le Seuil
cirque

PERSONNES
est la même
id nom personnetype
entité que
027182800 Veyne, Paul (1930-…. 0

Le nuage du web de données liées

Les données ABES sur le web de
données, avec IdRef pour pivot

RDF

UN MODÈLE GÉNÉRAL POUR
DÉCRIRE … N’IMPORTE QUOI

RDF = Graphes « Paul Veyne »

auteur_mefr_1904

doi:10.3406/
mefr.1959.7458

« Retractatio »

En RDF,
• une ressource (qch) est en relation avec
a telle relation avec
• soit une autre ressource qch qch

• soit un mot qch
a telle relation avec
« mot »

Nommer les relations « Paul Veyne »

auteur_mefr_1904

doi:10.3406/
mefr.1959.7458

« Retractatio »

Les relations (prédicats) ont un nom précis.
Ce nom est une URL. ex : dc:title = http://purl.org/dc/elements/1.1/title
rda:title | abes:title | isbd:title

Nommer les ressources « Paul Veyne »

http://www.per
see.fr/auteur_m
efr_1904/id

http://dx.doi.org/
doi:10.3406/
mefr.1959.7458

« Retractatio »

Les entités (ressources) ont un nom précis.
Ce nom est une URL. ex : http://dx.doi.org/doi:10.3406/mefr.1959.7458
ex : http://www.sudoc.fr/092673007/id

Des graphes aux triplets « Paul Veyne »

http://www.per
see.fr/auteur_m
efr_1904/id

http://dx.doi.org/
doi:10.3406/
mefr.1959.7458

« Retractatio »

Ecrire ce graphe

<http://dx.doi.org/doi:10.3406/mefr.1959.7458> dc:title « Retractatio ».
<http://dx.doi.org/doi:10.3406/mefr.1959.7458> dcterms:creator <http://www.persee.fr/auteur_mefr_1904/id>.

< http://www.persee.fr/auteur_mefr_1904/id > foaf:name « Paul Veyne ».

Triplets RDF

2 bases séparées « Paul Veyne »

http://www.per
see.fr/auteur_m
efr_1904/id

http://dx.doi.org/
doi:10.3406/
mefr.1959.7458

« Retractatio »

http://dx.doi.org/ truc:subject http://id.loc.gov/au skos:prefLabel
doi:10.3406/ thorities/subjects/s « Credit »
mefr.1959.7458 h85033856

Deux sites en RDF peuvent parler de la même chose – explicitement ici (même nom (URL)).

On agrège les 2 bases « Paul Veyne »

http://www.per
see.fr/auteur_me
fr_1904/id

http://dx.doi.org/ « Retractatio »
doi:10.3406/
mefr.1959.7458

http://id.loc.gov/au skos:prefLabel
thorities/subjects/s « Credit »
h85033856

L’agrégation des données est immédiate
Deux sites en RDF peuvent parler de la même chose.
Mais pas forcément de la même manière (pas de schéma ou de vocabulaire unique)


http://www.per
see.fr/auteur_m
efr_1904/id

http://dx.doi.org/
doi:10.3406/
mefr.1959.7458

« Retractatio »

truc:subject http://id.loc.gov/au skos:prefLabel
http://www.truc. « Credit »
thorities/subjects/s
co.nz/wyz123 h85033856

Deux sites en RDF peuvent parler de la même chose – implicitement ici (deux noms différents !)
 Problème pour les agréger


http://www.per
see.fr/auteur_m
efr_1904/id

http://dx.doi.org/
doi:10.3406/
mefr.1959.7458

« Retractatio »

truc:subject http://id.loc.gov/au skos:prefLabel
co.nz/wyz123 h85033856

http://dx.doi.org/
doi:10.3406/
mefr.1959.7458

 Dire explicitement qu’il s’agit de la même entité avec owl:sameAs

On agrège les 2 bases « Paul Veyne »

owl:sameAs http://www.per
see.fr/auteur_me
fr_1904/id

http://dx.doi.org/
doi:10.3406/
mefr.1959.7458

« Retractatio »

co.nz/wyz123 truc:subject h85033856

owl:sameAs

Grâce à owl:sameAS, la fusion est totale : tout ce qu’on dit de l’un est aussi vrai de l’autre

Paul Veyne dans le RDF de VIAF
http://viaf.org/viaf/108250528/rdf.xml

http://viaf.org
/viaf/108250528
Le Veyne
owl:sameAs

de VIAF
et
le Veyne
d’IdRef
ne font
qu’un
http://www.idref.fr
/027182800/id

On ajoute un peu de sémantique

rda:subject
co.nz/wyz123 h85033856

rdfs:subPropertyOf Schémas RDF
rda:subject dcterms:subject
Ontologies

Le schéma RDF ajoute des informations sur le vocabulaire utilisé (propriétés des propriétés et
des classes)
Ce qui permet de faire du raisonnement 

On en déduit que…

rda:subject
co.nz/wyz123 h85033856

rdfs:subPropertyOf Schémas RDF
rda:subject dcterms:subject
Ontologies

http://www.truc.
dcterms:subject http://id.loc.gov/au
co.nz/wyz123
thorities/subjects/s Triplets déduits
h85033856

Le raisonnement permet d’ajouter des informations (triplets).
En l’occurrence, il permet d’exprimer automatiquement en Dublin Core un triplet qui utilisait
un vocabulaire truc non standard

Aujourd’hui Fonds
Calames

Livre
Sudoc

Auteur IdRef

Thèse
theses.fr
owl:sameAs

Auteur
VIAF

Auteur
BnF owl:sameAs

Auteur
Auteur ISNI
Wikipedia

Demain Fonds
Calames

Livre
Sudoc

Auteur IdRef

Thèse
theses.fr

owl:sameAs

Auteur
VIAF

Auteur
BnF

Auteur
Auteur ISNI
Wikipedia

+ articles, éditions
scientifiques,
Après-demain peut-être ? Fonds numérisation, etc.
Calames

Livre
Worldcat
Livre
Sudoc

cite Auteur IdRef

Données Thèse
brutes theses.fr

a pour owl:sameAs
+ brevets,
projets ANR,
dérivé
etc. Auteur
HAL CCSD
Auteur
VIAF
Article
HAL CCSD
Auteur
BnF owl:sameAs
+ CrossRef,
revues,
indicateurs
d’usage, etc.
Auteur
Auteur ISNI
Wikipedia

Vertu Effet
RDF offre un modèle universel Inutile de chercher le format
qui permet d’exprimer toute miracle qui marchera pour
donnée, quelle que soit la le MARC du Sudoc et
norme de description. d’IdRef, le TEF de
Cela rend bien plus facile STAR, l’EAD de
l’agrégation de données Calames, l’ONIX de tel
diverses éditeur, le A++ de Springer
(Lic. Nat.), le Bloubiboulga
de tel autre, etc.

#abes #hubdedonnées

Vertu Effet
RDF n’impose pas de schéma Devons-nous utiliser RDA,
unique. On peut mixer les Dublin Core ou un
vocabulaires vocabulaire bibliographique
à nous ?
On peut faire les trois.
On peut aussi utiliser un
vocabulaire dont le schéma
explicite ses relations avec
un vocabulaire standard
(cf. truc:subject et dcterms:subject)

#ouverturedesdonnées #hubdedonnées

Vertu Effet
RDF rend les données La notice d’autorité n’a pas
extensibles. besoin de tout stocker sur
une personne.
Il vaut mieux en dire le strict
nécessaire et faire des liens
vers d’autres sources (ex :
dictionnaires biographiques
… en RDF)
Idem pour les données
bibliographiques (prix,
recensions, influences, etc.)

#idref #ist #wikipedia #webofdata

DOCUMENTS
id auteur titre
doi :10.3406/mefr. auteur_mefr_1904 Retractatio
1959.7458

AUTEURS
id nom

LIVRES
068391307 027182800 Le Pain et le Le Seuil
cirque

PERSONNES
est la même
id nom personnetype
entité que
027182800 Veyne, Paul (1930-…. 0

id auteur type id titre type
doi :10.3406/mefr. auteur_mefr_1904 Document doi :10.3406/mef Retractatio Document
1959.7458 r.1959.7458
2 2

id nom type id sameAs
auteur_mefr_1904 Paul Veyne Personne
2 auteur_mefr_1904 027182800
1
On éclate nos bases ! Tel ID désigne la même entité
que tel autre ID
A la limite, 1 base = 1 triplet
068391307 titrepropre «Le Pain et le cirque» id S’applique à
id titrepropre
z7XX Personne
068391307 Le Pain et le
cirque
1
1 La relation z7XX porte toujours
id editeur id type sur des entités de type Personne.
068391307 Le Seuil 068391307 Livre
1 1 Donc, on peut en conclure que
027182800 est de type Personne.
id z7XX id nom
068391307 027182800 027182800 Veyne, Paul (1930-…. [Pas la peine de le dire,
1 1
on le déduit (Raisonnement)]

Vertu Effet
RDF permet de raisonner sur Dans le projet SudocAD, on a
les données, pour les essayé de déduire quelle
enrichir ou contrôler leur est la bonne autorité à lier à
cohérence une notice bibliographique.

#hubdedonnées #sudocad #qualinca

Vertu Effet
RDF a son propre langage SPARQL permet d’interroger
d’interrogation des les données telles qu’on les
données : SPARQL a modélisées – et non
l’inverse : modéliser de telle
manière pour pouvoir
interroger ceci ou cela

#marché #niche #ouvrezlesfenêtres

Les données
<http://dx.doi.org/doi:10.3406/mefr.1959.7458> dc:title « Retractatio ».
<http://dx.doi.org/doi:10.3406/mefr.1959.7458> dcterms:creator <http://www.persee.fr/auteur904/id>.
< http://www.persee.fr/auteur904/id > foaf:name « Paul Veyne ».

La requête
SELECT ?truc {
?truc dc:title « Retractatio ».
?truc dcterms:creator ?bidule.
? bidule foaf:name « Paul Veyne ».
}

La réponse
<http://dx.doi.org/doi:10.3406/mefr.1959.7458>

Vertu Effet
RDF, c’est pas réservé aux Les bibliothèques peuvent
bibliothécaires accéder à un marché
générique :
– Logiciels
– Services
– Ressources humaines
– Formations
– Consultants

#marché #niche #ouvrezlesfenêtres

Quelle(s) syntaxe(s) RDF ?
Différentes syntaxes possibles Ce qui compte
• RDF en XML • C’est le modèle (spo) et le
• RDF Ntriples contenu (tel vocabulaire…)
• RDF N3
• RDF Turtle • RDF dans la page web ou
• RDFa dans une autre page ?
• Microdata • Ou dans les deux ?
– Et alors, même contenu ou
variantes ?
• Excel-RDF ;)

#rdf #syntaxe #rdf #rdfa #microdata

Quel(s) vocabulaire(s) RDF ?
Différentes manières de dire la
même chose Questions ?
• dc:title • Utiliser un vocabulaire pro
• rda:title spécialisé (RDA, FRBRoo) ou
un vocabulaire « grand
– rda:titleProper
public (schema.org,
• schema:name Facebook Open Graph) ?
• og:title • Les deux (redondance, un
• Etc. peu, bcp…)
• En principe, un outil de
raisonnement peut passer
d’un vocabulaire à l’autre,
mais dans les faits…

#rdf #vocabulaires

Quel(s) vocabulaire(s) RDF dans quelle
syntaxe ? Un compromis possible
Côté cour Côté jardin

• Utiliser un vocabulaire • Utiliser les vocabulaires pro
grand public dans le RDF dans des pages dédiées aux
des pages HTML (RDFa) métadonnées (RDF/XML,
– Notamment pour les moteurs NTriples…)
de recherche comme Google
ou Yahoo

#rdf #vocabulaires

Workflows.
Du RDF à tous les étages ?
RDF pas partout Questions
• Ouverture des données OK • RDF juste pour l’extérieur ?
• Stockage des données ? • Technologies assez mures et
• Manipulation des données ? performantes pour
• Edition des données par un stockage, manipulation et
utilisateur professionnel ? recherche à grande échelle
?
• L’utilisateur professionnel
doit-il comprendre RDF ?
Jusqu’où ?

#rdf #technologies #formation

Les grossistes du RDF
Acteurs
• Moteurs de recherche généralistes • La publication des
– Google (dont Freebase) métadonnées RDF peut et doit
– Yahoo être décentralisée (sources de
• Moteurs de recherche RDF référence)
généralistes
– Sindice • Mais il faut bien agréger pour
– FactForge – Recherche intégrée
• Moteur de recherche RDF – Enrichissement
spécialisé • Garder les données ouvertes
– Isidore
– Quelles conditions juridiques ?
• Hébergeur de données et de – Métadonnées de provenance
services
– Kasabi • Gérer les doublons de triplets
– Sindice – Provenance, confiance…
– Freebase
– Et autre data marketplaces cf

#rdf #opendata #centralisation #web

En savoir plus

• Infos : http://punktokomo.abes.fr/tag/semantique-web/

• Outil : inspector.sindice.com

• Tutos : http://web-semantique.developpez.com/tutoriels/

web de données / bib

Recommandé

Recommandé

Contenu connexe

En vedette

En vedette (20)

Plus de Y. Nicolas

Plus de Y. Nicolas (16)

Dernier

Dernier (20)

web de données / bib