LODって、何それ…？

セマンティック・ウェブとリンクするデータ

• 多層に渡る技術群としてのセマンティック・ウェブ
  • 
  • URIによる識別とRDFのデータモデル、意味論が基本
  • 全体像は複雑すぎて簡単には使えない → 基本層だけでも現実的に利用できる
• リンクするデータ
  • WWWが文書のハイパーリンクで発展したように、データ共有もリンクで発展する
  • URIを識別だけでなくリンク（参照解決可能）にも用いる
  • Linked Dataの4原則（バーナーズ＝リー）

リンクする公開データ

• Linking Open Data（LOD）プロジェクト
  • データのサイロからリンクする公開データへ
    • 有益な公開データもそのデータセットで閉じている場合が多い
    • URIとRDFを用いてリンクするデータになれば、ネットワーク効果が
  • W3CのLODプロジェクトが2007年に発足
  • 

リンクする公開データ 2

• LOD 2008
  • 

リンクする公開データ 3

• LOD 2009
  • 

リンクする公開データ 4

• LOD 2010
  • 

データ共有のアプローチ

• 項目名：スキーマの共有
  • 著者と作者とcreator？　横断検索やデータベース統合のために項目名を標準化
  • 比較的早期から共有の試み
  • データ表現法としてはS-P-OのトリプルによるRDFを提唱
• データ値：統制語彙の利用
  • クラス階層の体系や分類スキーム、件名標目
  • 組織・ドメイン内では整備 → ウェブ化
• 対象：UNAとデータ名
  • ウェブではUNAが成り立たない
  • 同じものについて異なる名前が使われる
  • マッシュアップ：何と何が同じかを明確にする必要がある

スキーマの共有

• 記述項目の共有
  • 
  • FOAF、Dublin Core、SKOSなどの普及している語彙を利用する
  • 新しい語彙を設計する場合、できるだけコアな語彙と関連付ける
• 語彙とモデルの調整
  • Schema Alignment：同等な関連を表すプロパティを探す
  • スキーマレジストリ：語彙と記述方法を登録する
  • 異なるデータモデル間の変換：例えばSPARQLのCONSTRUCTを利用

語彙のマッピングとレジストリ

• プロパティの関連付け
  • 同等なプロパティ（owl:equivalentProperty）
  • 部分集合となるプロパティ（rdfs:subPropertyOf）
  • 著者、作者などの異なる項目名も、ex:著者 rdfs:subPropertyOf dc:creator.、eg:作者 rdfs:subPropertyOf dc:creator.のような記述があれば、推論によって横断検索ができる。
  • 
• スキーマ・レジストリ
  • Open Metadata Registry
  • メタデータ情報基盤実証実験MetaBridge

データ値と統制語彙

• 共通のデータ値を介した連繋
  • 
• 分類と主題
  • 分類、主題と統制語彙
    • クラスの体系
    • WikipediaとWordNetのセマンティックウェブ化
    • 各国図書館の主題件名のシソーラス化・ウェブ化
    • タグの利用とFolksonomy
  • シソーラスのセマンティック・ウェブ化
    • シソーラス間の関連を記述するskos:closeMatch、skos:exactMatch

データの名前の共有

• 同じものを指す名前
  • 
  • UNAが成り立たないウェブでは同じものの識別が重要
• アクセス可能なURIによる識別（リンクするデータの原則）
  • URIでグローバルに名前付けする
  • アクセス（参照解決）可能なhttp:のURIを用いる
  • さらに他のデータにリンクする
• 同じ対象を指すデータの集約
  • 同じ対象を指すならowl:sameAsで関連付ける
    • sameAsは非常に強い関係なので、濫用に注意する
  • 参照による共有

件名標目のウェブ化

• 主題件名（統制語彙）
  • 国立国会図書館のWeb NDLSHと米議会図書館のLCSH
  • 件名（主題表現の統制キーワード）をRDF化。上位、下位、関連件名にSKOSを用いてリンク
  • 

名称典拠

• 典拠ファイル
  • 同姓同名を生没年などを使って識別
  • 同一人物の複数の名前（別名、ペンネームなど）を集約
  • 統一タイトル
• 典拠のウェブ化
  • VIAF 20カ国近くの国立、国際図書館の典拠を連動
  • http://viaf.org/viaf/56614190 → 夏目漱石
  • 各国図書館の「夏目漱石」「Natsume, Soseki」「Nacume, Soseki」「Xiamu, Shushi」を集約
  • 固有名の集約

LODのハブ DBpedia

• DBpedia
  • 英語版Wikipediaの情報ボックスを中心に構造化可能なデータをRDFとして抽出
  • 2011年1月版DBpedia 3.6で350万項目以上（英語版Wikipediaは2011年2月で約356万項目）
  • LODにおける統制語彙 兼 固有名典拠としてリンクのハブとなっている
  • 

記事の主題とキーワード

• 蓄積された新聞記事とキーワード
  • data.nytimes.com - 記事に現れる人名、組織・団体名、地名、主題のキーワード約1万にURIを与えてLODとして公開
  • たとえば東京 http://data.nytimes.com/56992597117380105501
  • RDFの記述はDBpedia、geonamesなどにリンク
  • 
  • Guardianも、RDF化を視野に、記事検索APIでISBNやMusicBrainz IDを指定可能に

音楽データ名の共有 MusicBrainz

• 音楽に関する固有名の典拠
  • アーティスト、曲、アルバムに固有のID（MBID）を付与
  • ベルリオーズのMBID：274774a7-1cde-486a-bc3d-375ec54d552d
  • 
• MusicBrainzのRDF化
  • DBTune.orgがRDF化（ベルリオーズのMBIDを用いてDBTunesがURIを付与）
  • 次世代スキーマをRDF化するLinkedBrainプロジェクト

地名典拠としてのGeonames

• 地名にURIを与える
  • 東京駅をhttp://sws.geonames.org/1850146/で表す
  • 「東京駅でコンサート（駅コン）を開催する」と「グルメステーションが東京駅にある」が場所URIでつながる
  • 

…で、それって美味しいの？

何がつながっているのか

• シソーラス同士のつながりが中心
  • DBpedia、YAGO、UMBEL、Freebase、Geonames…LCSH、NDLSH
  • 

何がつながって欲しいのか

• 文書のウェブでは
  • Wikipediaで完結していても面白くない
  • いろんなコンテンツがリンクして思わぬ発見がある
• データのウェブと文書のウェブの連動
  • 多様なコンテンツがLODを介してつながらないか
  • 

BBCとMusicBrainz

• BBCの記事や情報ページをMBIDで識別してリンク
  • アーティストページURIをhttp://www.bbc.co.uk/music/artists/ + MBIDの形に
  • レビューページで対象リリース、アーティストを統一URIでリンク
  • 

BBC音楽ページのRDF

• 音楽ページには対応するRDFが用意される
  • BBCサイト内だけでなく、Music Ontology語彙によるMusicBrainzページとのリンクも
  • 

HTMLからRDF、LODハブへ

• BBCのRDFファイルからはDBpediaへリンク
  • DBpediaのような広い範囲をカバーするLODハブと結びつけることで、音楽情報だけでなく、他の情報ともリンクできる
  • 

文書の中の名前とデータ

• HTML文書内に構造化データを埋め込む
  • RDFa：属性を利用したRDF記述構文、Microdata：HTML5の構造化データ属性
  • BBC、NewsWeekなどがページにRDFaを採用。GoogleのRich Snippetsが対応
  • ウェブページにRDFを埋め込むので、データを別途用意する手間がなく、情報の更新が確実。
  • 

社会グラフとLOD

• FacebookとOpen Graph protocol
  • Open Graph Protocolでコンテンツの内容を記述した次のようなグラフをRDFaによりページに埋め込む
  • 
• 「いいね！」ボタンと連動
  • 「いいね！」ボタンをクリックすると、OGPグラフのデータがFacebookに送信される
  • （FacebookのOpen Graph protocolページより引用）

RDFaからLODへ

• 多くのRDFaはLODになっていない
  • 現状は多くのRDFa提供サイトがリテラル目的語あるいは自社内リンク
  • property属性もよいが、rel属性を使ってリンクさせる
  • 
• LODとしてのWikipedia
  • たぶん、DBpediaではなくWikipediaでLODができる方が面白い
  • Wikipedia自身がRDFを提供する：たとえばSemantic MediaWikiやMediaWikiのRDFa拡張（あるいはSemantic Wikipedia）

データの共有と品質

• データの品質の考え方
  • LODでリンクしているデータの品質は一様ではない
  • 語彙使用の正確さやリンク関係の適切さ、データ値の一貫性
  • 適切なモデル：たとえばFacebook/OGPのRDFはURIも全て文字列として扱うが…
  • データの更新（メンテナンス）
• 問題あり？　それがウェブ？
  • 低品質のデータは、併合したり推論を行なおうとすると破綻する
  • しかし、そもそもウェブは不完全。つながることにまず意義があるのはデータのウェブでも同じ…？
  • 文脈抜きでの「意味」表現はもともとできない。文脈を含めたデータ（名前付きグラフ）…
• データの品質管理
  • 専門家によるデータ品質管理：NY Timesのタグなど
  • ツールを使ったデータ品質向上：たとえばGoogle Refine
  • Wikiのような分散型 → RDFデータベース更新の標準手段が必要（SPARQL Updateを検討中）

参照先

• 参照したリソース
  1. Linked Data - Design Issues, by Tim Berners-Lee, 2006-07-27
     <http://www.w3.org/DesignIssues/LinkedData.html>
  2. Linking Open Data - W3C SWEO Community Project, ESW Wiki
     <http://esw.w3.org/topic/SweoIG/TaskForces/CommunityProjects/LinkingOpenData>
  3. FOAF Vocabulary Specification, by Dan Brickley, Libby Miller
     <http://xmlns.com/foaf/spec/>
  4. DCMI Metadata Terms, DCMI Recommendation
     <http://dublincore.org/documents/dcmi-terms/>
  5. SKOS Simple Knowledge Organization System Reference, by Alistair Miles and Sean Bechhofer (eds.), 2009-08-18, W3C Recommendation
     <http://www.w3.org/TR/skos-reference/>
  6. Open Metadata Registry
     <http://metadataregistry.org/>
  7. NDLSH 国立国会図書館件名標目表
     <http://id.ndl.go.jp/auth/ndlsh/>
  8. Authorities & Vocabularies (Library of Congress)
     <http://id.loc.gov/authorities/>
  9. The Virtual International Authority File
     <http://viaf.org>
  10. DBpedia
      <http://dbpedia.org/>
  11. New York Times - Linked Open Data
      <http://data.nytimes.com/>
  12. LinkedBrainz - A project to provide MusicBrainz NGS as Linked Data
      <http://linkedbrainz.c4dmpresents.org/>
  13. Music Ontology Specification, by Yves Raimond, Frederick Giasson (eds.), 2010-11-28, Revision: 2.1
      <http://musicontology.com/>
  14. RDFa in XHTML: Syntax and Processing, by Mark Birbeck et al.(eds), 2008-10-14, W3C Recommendation
      <http://www.w3.org/TR/rdfa-syntax/>
  15. HTML Microdata, by Ian Hickson (ed.), 2010-03-07, W3C Working Draft
      <http://www.w3.org/TR/microdata/>
  16. Introducing Rich Snippets, 2009-05-12, Official Google Webmaster Central Blog
      <http://googlewebmastercentral.blogspot.com/2009/05/introducing-rich-snippets.html>
  17. Open Graph Protocol, 2010-04-20
      <http://opengraphprotocol.org/>
  18. Semantic MediaWiki
      <http://semantic-mediawiki.org/wiki/Semantic_MediaWiki>
  19. MediaWikiのRDFa拡張
      <http://www.mediawiki.org/wiki/Extension:RDFa>
  20. Semantic Wikipedia
      <http://en.wikipedia.org/wiki/Wikipedia:Semantic_Wikipedia>
  21. Google Refine
      <http://code.google.com/p/google-refine/>
  22. SPARQL 1.1 Update, by Simon Schenk, et al. (eds.), 2010-10-14, W3C Working Draft
      <http://www.w3.org/TR/sparql11-update/>