Référentiels et interoperabilité (2)

1. Référentiels et interoperabilité (2) Antoine Isaac Europeana & Vrije Universiteit Amsterdam Séminaire INRIA IST Carnac, 2 Octobre 2012

2. Interopérabilité des éléments de données • Objectif: passer de données exprimées avec un jeu d’éléments de données à un autre jeu • Typiquement, relier classes et propriétés de deux ontologies • owl:equivalentClass, owl:equivalentProperty • rdfs:subClassOf, rdfs:subPropertyOf • Axiomes « ad hoc » edm:Agent rdfs:subClassOf [ rdf:type owl:Restriction ; owl:maxCardinality "1"^^xsd:nonNegativeInteger ; owl:onProperty rdaGr2:dateOfBirth ] .

3. Idéalement: réutiliser un maximum de référentiels Exemple: EDM http://lov.okfn.org/dataset/lov/details/vocabulary_edm.html

4. Idéalement: réutiliser un maximum de référentiels Delacroix en EDM <http://www.mied.fr/personne/Eugene_Delacroix> rdf:type edm:Agent ; foaf:name "Eugène Delacroix" ; skos:altLabel " Ferdinand Victor Eugène Delacroix" ; rdaGr2:dataOfBirth "26 avril 1798" .

5. Application Profiles Dublin Core Singapore Framework http://dublincore.org/documents/singapore-framework/

6. Leçons pour la réutilisation d’éléments de données Points cruciaux : Accessibilité technique (Linked Data) Documentation Le support institutionnel est crucial Bonne interconnection - Eviter la duplication Réponse à des besoins spécifiques (requirements), pas seulement des problèmes philosophiques Nécessité de “cartographier” l’offre disponible Cf. Linked Open vocabularies: http://lov.okfn.org/dataset/lov/

7. En pratique: alignement post hoc • Souvent la roue a déjà été inventée, quelque part • Mais elle n’était peut-être pas belle… • Et/ou pas vraiment adaptée à votre besoin Cas des ontologies applicatives ou de sous-domaines Privilégier une élément d’un jeu particulier peut être contre-productif Malheureusement beaucoup sont encore réticents à assembler leur jeux d’éléments en recyclant directement des vocabulaires existants

8. Scenario Europeana Correspondance entre éléments “locaux” utilisés par les fournisseurs et EDM EDM property - “Original” property -

9. Comment ? • En général les fournisseurs voudront créer le mapping eux mêmes • Travail ardu, mais la précision est cruciale • Beaucoup ont déjà l’expérience • Pas d’instruction sur comment le réaliser Plus tard: inférence en utilisant des axiomes OWL, matérialisation par requête SPARQL CONSTRUCT Pour l’instant: n’importe quelle feuille de style XSLT ou script XML->EDM/XML

10. Outillage MINT: http://mint.image.ece.ntua.gr/

11. Outillage • Autres projets liés à Europeana PrestoPrime prestoprime.joanneum.at EuropeanaConnect semanticweb.cs.vu.nl/xmlrdf • Context plus général R2R www4.wiwiss.fu-berlin.de/bizer/r2r Datalift datalift.org …

12. Intéropérabilité des vocabulaires de valeurs Provient d’un jeu d’éléments de données / ontologie Provient d’un vocabulaire contrôlé

13. Intéropérabilité des vocabulaires de valeurs • Requiert l’alignement des éléments de données utilisés pour chacun des vocabulaires, ou la conversion vers un jeu d’élément pivots (par ex. SKOS) • Requiert la détection d’équivalences « sémantiques » entre concepts

14. Créer un réseau d’équivalences

15. Demo Concepts equivalents • American LCSH http://id.loc.gov/authorities/subjects/sh85145447 • French RAMEAU http://data.bnf.fr/ark:/12148/cb11931913j • German SWD http://d-nb.info/gnd/4064689-0 • STW http://zbw.eu/stw/descriptor/14188-0 • DBPedia http://dbpedia.org/resource/Water

16. SKOS mappings KOS 2: animal human object KOS 1: animals cats wildcats

17. Un problème difficile L’alignement manuel de vocabulaires demande beaucoup de travail • LCSH, RAMEAU et SWD alignés dans le projet MACS • SWD et Dewey alignés dans le projet CRISS-CROSS Problème: taille, langue, différence d’approches Le crowdsourcing n’a pas encore été expérimenté pour des vocabulaires experts

18. Techniques d’alignement automatiques • Lexicales • Structurelles Structure des vocabulaires • Connaissances de contexte • Extensionnelles Sémantique et interopérabilité

19. Alignement lexical • Utilise les libellés des concepts, définitions… exactMatch chat chat exactMatch chats chat exactMatch cat chat broaderMatch Barque barque avancée à la perche Web Sémantique et Interopérabilité des Vocabulaires Conceptuels

20. Référentiel de contexte Connaissances de contexte Exploitation des liens d’une référence partagée “Publication” “Calendar” Thesaurus 1 Thesaurus 2

21. Extensionnelles Utilisant les ressources décrites avec les vocabulaires de valeurs Thesaurus 2 Thesaurus 1 Néerlandais Litérature néerlandaise

22. Combiner des techniques: AMALGAME • Do not try to make the tool smart • use simple atomic matching components • fast, scalable, with predictable and understandable results • Empower domain experts by interactive iteration loop • try most promising component(s) • analyze the results • decide on next step: • discard results from last attempt • refine current results to improve precision • look for more results to improve recall http://semanticweb.cs.vu.nl/amalgame/

23. Amsterdam Museum case, http://semanticweb.cs.vu.nl/lod/am/

25. Alignement: pas de solution triviale • Ces techniques permettent d’obtenir des résultats STW, AGROVOC… • Mais seules, elles ne suffisent pas Combinaison avec travail manuel (vérification, complétion) • L’alignement est un problème de recherche difficile • La R&D s’est surtout concentrée sur les ontologies • Le Web de données change la donne Des outils pour jeux de données sont dévoloppés, e.g., SILK www4.wiwiss.fu-berlin.de/bizer/silk/

26. Un problème général d’alignement http://www.w3.org/2005/Incubator/lld/XGR-lld-vocabdataset/

27. Un problème général d’alignement • Les vocabulaires de valeurs sont des jeux de données, d’un point de vue technique • Ils sont plus « réguliers » que les jeux de données généraux Une sous-famille utilisant SKOS comme ontologie • Des techniques similaires sont appliquées aux ontologies, valeurs de vocabulaires et autres jeux de données, même si les caractéristiques des référentiels et les besoins en relations sont différents

28. Des challenges de haut niveau

29. Sparse linkage: the LD cloud [Cyganiak, Jentzsch] http://linkeddata.org/

30. Sparse of linkage: another view [Guéret, 2010] http://blog.larkc.eu/?p=1941

31. Stratégies d’alignement ?

32. Stratégie pivot vs. alignement par paire Backbone, hub-and-spoke [BS8723]

33. Guidage par la communauté ? http://www.w3.org/2005/Incubator/lld/XGR-lld-vocabdataset/

34. Guidage par la communauté ? • Liens entre ressources spécifiques aux bibliothèques VIAF, LCSH, Dewey, UDC, Worldcat, PND… • Liens de/vers des ressources plus générales • Musées, archives • Coommunauté scientifique: données de recherche • Editeurs • Europeana et autres aggrégateurs

35. Critères de sélection Exemple: EuropeanaConnect • Pertinence institutionnelle, par rapport aux collections • Adequation du type de ressources (lieux, sujets, personnes…) à l’application • “Qualité” • Grain conceptuel et couverture • Couverture lexicale – langues • Couverture et précision des liens sémantiques • Licenses

36. Flexibiliser l’approche pivot ? • Aligner des ressources petites et spécialisées à des ressources plus grandes et générales, multi-lingues et/ou largement adoptées • Des ressources plus spécialisées pourraient être retenues comme points d’ancrage, en fonction des domaines et des alignement existants • Plusieurs ressources complémentaires, d’importance comparable, pourraient ensemble jouer le rôle de pivot • La combinaison LCSH-RAMEAU-SWD-etc. peut jouer pour les sujets un rôle similaire à VIAF • Il est possible d’aligner des vocabulaires spécifiques à l’un ou l’autre

37. Flexibiliser l’approche pivot ? Les outils d’alignment doivent supporter des stratégies flexibles, avec essais et erreurs

38. Quels types de liens ? Beaucoup d’ontologies proposent des liens d’équivalence sémantique pour des instances de classes • owl:sameAs • skos:exactMatch, skos:closeMatch • skos:broadMatch, narrowMatch & relatedMatch • umbel:isLike • ore:isSimilarTo • foaf:focus …

39. Problèmes d’application des liens : owl:sameAs • En principe, deux URIs liées par owl:sameAs partagent automatiquement ex:a name “Antoine Isaac” . ex:b owl:sameAs ex:a . implique ex:b name “Antoine Isaac” . • En pratique, owl:sameAs est appliqué entre des ressources qui ne sont que “très similaires” Une même ressource, mais dans differents contextes

40. Problèmes d’application des liens : owl:sameAs • Par ex., première version de data.nytimes.com http://data.nytimes.com/60694995023816375851 dcterms:rightsHolder The New York Times Company . http://data.nytimes.com/60694995023816375851 owl:sameAs http://dbpedia.org/resource/Park_Slope%2C_Brooklyn . • Quelles conséquences? On peut se contenter de ne pas “appliquer” la sémantique de owl:sameAs

41. Bonnes pratiques (1) Regarder ce qui est aligné Concepts ou autorités vs. documents vs. entités “du monde réel” (personnes, lieux…) Tenir compte de comment ça a été aligné Co-reference exacte obtenue par reconnaissance d’identifiants uniques vs. similarité (incl. équivalence) dérivée de libellés ou relations sémantiques Représenter les données sur l’alignment et/ou la correspondance individuelle est une option

42. Au-delà des liens simples Pour des besoins spécifiques, on peut représenter des alignments et leur provenance de façon très fine • http://alignapi.gforge.inria.fr/edoal.html

43. Bonnes pratiques (2) Minimiser l’engagement sémantique des liens utilisés • skos:exactMatch est transitive: les concepts liés peuvent être échangés en toute généralité, par ex. pour des applications de recherche d’information • skos:closeMatch n’est pas transitive, pour représenter un lien qui ne se “propage” pas dans les cas où plus de deux vocabulaires sont alignés de manière approximative Tenir compte de l’application de l’alignement • SKOS implique un “contexte d’application” des alignements • La qualité d’un alignement dépend aussi du type d’application qui l’emploie !

44. Evaluation spécifique à une application Campagne Ontology alignment Evaluation Initiative 2007 3 outils évalués suivant deux scénarios: “fusion de thesaurus” et “ré-indexation de livres”

45. Evaluation spécifique à une application Cas: 2 thesauri à la bibliothèque nationale des Pays-Bas: GTT and Brinkman • Pour la fusion de thesaurus, gtt:excavation doit être aligné avec brinkman:excavation • Pour la ré-indexation, gtt:excavation doit être aligné avec brinkman:archeology_netherlands

46. Applications d’alignements Par exemple: • Recherche à base de concepts • Ré-indexation de livres • Fusion de thesaurus • Integration d’un thesaurus dans un autre • Recherche plein texte • Navigation Suggère l’utilisation des correspondences et l’information qu’elles devraient fournir

47. Prédiction de sujets à la KB Point de départ • 2 collections • Chacune indexée par son propre thesaurus

48. Prédiction de sujets à la KB Ré-indexation • But: avoir les livres d’une collection décrits avec le thesaurus de la seconde • Par ex: si un thesaurus est abandonné, les livres doivent être indexés avec l’autre

49. Ré-indexation de livres Convertir index source en un système d’indexation cible

50. Prototype Dans le projet STITCH • Etant donnés des index NND/Biblion, prédire un index Brinkman • Mix de techniques • Lexicales • Statistiques, utilisant 240000 livres communs, très spécifique au scénario • Integration dans le logiciel de catalogage • Etude utilisateurs (catalogueurs) STITCH final event