TPDL 2013 Semantisch Web

Dinsdagnamiddag kregen we nog een plenaire bijeenkomst rondom het semantisch web.
Semantic searching was al eerder ter sprake gekomen, en bij veel onderzoeken kwam het woord 'semantisch' op de een of andere manier naar boven drijven.
De officiële W3C website zegt erover:

The term “Semantic Web” refers to W3C’s vision of the Web of linked data. Semantic Web technologies enable people to create data stores on the Web, build vocabularies, and write rules for handling data. Linked data are empowered by technologies such as RDF, SPARQL, OWL, and SKOS.

En vooral RDF, SPARQL en OWL kwamen uitbundig aan bod.

Hierarchical Structuring of Cultural Heritage Objects within Large Aggregations
Shenghui Wang van OCLC sprak rondom het probleem van duplcaten in Europeana, hoe die op te sporen en te categoriseren. Immers eenzelfde beschrijving kan meerdere kanten van een object belichten, de bedoeling is dan die bij elkaar horende of op elkaar gelijkende objecten aan elkaar te linken. Ze gebruiken daarvoor de techniek van iteratieve paralelle clustering met minhashes (min-wise independent permutations locality sensitive hashing scheme).

Methodology for Dynamic Extraction of Highly Relevant Information Describing Particular Object From Semantic Web Knowledge Base
Krzysztof Sielski noemde Clepsydra, een aggregator die de collecties van diverse bibliotheken samenbrengt in een knowledge base. Ze gebruiken daarvoor een RDF database en SPARQL queries gebaseerd op de FRBRoo Ontologie. Met een ontologie maak je een conceptueel schema van een bepaald domein, in hierarchie opgebouwd met aanduiding van onderlinge relaties (een soort thesaurus). In de gezamelijke digitale bibliotheek kun je al, niet helemaal volgens het nieuwste algoritme, maar toch al een aanzet de ontwikkelingen daaraan zien. Als voorbeeld zoeken op Hamlet, biedt dus verrijkte catalogus.

Personalizing Keyword Search on RDF Data
Giorgos Giannopoulos presenteert het zoeken op via ranking algoritmes op een RDF database.

Providing Meaningful Information in a Large Scale Digital Library - a Case Study
Patricia Herterich van CERN over de problemen bij het identificeren van auteursnamen. Met INSPIRE, het informatiesysteem van CERN dat een samengaan is van diverse digitale bibliotheken en systemen. Met het Europese ODIN project, proberen ze, op basis van de ORCID en DATACITE initiatieven verder te bouwen aan een automatische auteurs-identificatie.

Keynote:
What can Linked Data do for Digital Libraries?
Sören Auer spreekt over het LOD2-project, een groot EU-project over Linked Open Data, dat bedoeld is om meer open data aan elkaar te knopen en toegankelijk te maken.

How can we reinvent Libraries online: Digital Library is a Digital Knowledge Hub, exploring new ways of sharing knowledge, not just access to digital stuff

De digitale bibliotheek ondersteunt verschillende soortenproducten, technologieen en interactieve samenwerkingsvormen.
Lod2 heeft een aantal tools ontwikkeld, Ontowiki en Slidewiki, die gebruikt kunnen worden om de wetenschappelijke communicatie te bevorderen.
Lees ook: "Managing the life cycle of linked data with the Load2 stack."
Vervolgens raakte Auer aan een punt want meerdere keren al ter sprake kwam, nl de semantische annotatie:

..publish semantic papers as an intermediate step, not directly in rdf knowledge base but as enriched annotated paper

De conferentie eindigde voor mij met een sessie over Preservation.
Restoring Semantically Incomplete Document Collections Using Lexical Signatures
Luis Meneses vroeg zich af wat er gebeurt als je een document niet meer terug kunt vinden, als er in een reeks iets ontbreekt. Hoe weet je dat? en als je het al kunt reconstrueren hoe betrouwbaar is die reconstructie dan?

Resurrecting My Revolution: Using Social Link Neighborhood in Bringing Context to the Disappearing Web
Michael Nelson vertelt over een tweet-onderzoek onder tweets van 6 belangrijke sociale events (opstand in Egypte, oorlog in Irak etc.) en gaat op zoek naar eventuele ontbrekende link-locaties. Zijn die weer terug te halen? M.b.v. Topsylab konden van een onderwerp dat voldoende tweets heeft een dossier gemaakt worden waaruit ev. ontbrekende link-locaties kunnen worden aangevuld.

Who and What Links to the Internet Archive
In zijn tweede praatje laat Michael L. Nelson zien dat de bestaande web-archieven minder goed zijn als ze beloven.

Aan het eind van de conferentie werd er nog een foto gemaakt op de trappen van het Grand Hotel Excelsior.

Emtacl10 Semantic Web Track

emtacl10:emerging technologies in academic libraries
Na de inspirerende presentatie van Anders Söderbäck (Libris) over het gebruik van Linked data bij Libris, werd deze track vervolgt met een korte presentatie van het nationale Noorse bibliotheeksysteem Bibsys.
BIBSYS Ask - the architecture (BIBSYS) Hans Gundersen
Hans beschrijft de ontwikkelingen rondom de federated search client van Bibsys: Bibsys Ask.
Die is ontworpen volgens het ‘Domain model’. Volgens Wikipedia is een domain model

The domain model is created in order to document the key concepts, and the domain-vocabulary of the system being modeled. The model identifies the relationships among all major entities within the system, and usually identifies their important methods and attributes

Dus ook een beetje het linked data model. Hans noemt verder nog de webservices API, die m.b.v. JSON zijn gemaakt.

JSON staat voor JavaScript Object Notation en is een deelverzameling van de programmeertaal JavaScript. Het wordt gebruikt voor het uitwisselen van datastructuren, met name in webapplicaties die asynchroon gegevens ophalen van de webserver zoals AJAX.

Als ik zo de Bibsys website bekijk is het best indrukwekkend wat ze allemaal doen. In de wandelgangen wordst druk gespeculeerd over het vervolg. Want Bibsys heeft namelijk een aanbesteding uitgeschreven voor een nieuw bibliotheeksysteem. Niet voor niets de aanwezigheid van OCLC als deelnemer. Op de website schrijven ze dat ze nu de uiteindelijke onderhandelingen ingaan. Spannend!

*
Terug naar de semantisch web track op de Emtacl10.
Towards the semantic desktop / Øyvind Hanssen (University of Tromsø)
Het semantisch web gaat over de manier waarop machines het web begrijpen / lezen. Dat kan met RDF (Resource Description Framework) in triples (subject, predicate, object).

Hoe kun je nu desktop resources als semantic web resources gebruiken: bestanden op je desktop (email, fotos, pdfs, webpagina’s) Hoe kun je dat interlinken? Bijv. via persoon, die een workshop heeft bijgewoond naar een paper en email.
De basis daarvan is een RDF repository, een soort database waarvoor je query kunt maken en die als inference engine kan dienen. Aanvullen met plugins en andere applicaties, adapters om bestaande bestanden te gebruiken en ev. ook handmatige annotatie (tagging), en een crawler die bestanden opzoekt. Een onderdeel kan ook zijn die van automatische metainformatie capture, en het beheer van de ontologie. De ontlogie staat centraal bij metadata management . Dat onderhouden zou een rol vna de bibliotheken kunnen zijn. Dit is alles nog slechts theorie. Actieve semantische desktops zijn er nog niet, wel als prototype met KDE. Bijvoorbeeld Nepomuk.

Practical production of linked data / Rurik Greenall (NTNU)
Rurik vertelt over het proces om de TEKORD thesaurus om te zetten in linked data. Daarvoor moest hij op zoek naar een converter-programma die vanuit zijn tekst naar een RDF/XML converter kon vertalen. Bij problemen heeft hij de vraag en antwoord site Semantic Overflow (voor vragen over semantisch web) geraadpleegd.

The strongest link: libraries and the web of linked data / Lisa Goddard and Gillian Byrne(Memorial University of Newfoundland)Ook de Canadese dames van de Universiteit van Newfoundland die na de lunch aan het woord kwamen spraken over RDF-conversies. Zij gaven ook een flink aantal programma’s die al een RDF-uitvoer in zich hebben, zoals Drupal. Fedora , Dspace en Eprints (eerste is CMS, laatsten worden gebruikt als repository software).
- Wijzelf hebben Eprints in de repository, daarmee zou je dus al naar RDF kunnen gaan. Dat moet ik eens nagaan, ook hoe dat zit met ons dataportaal. -
Waarom zou je willen overstappen naar linked data? Omdat je daarmee slimmer kunt linken, je kunt data integreren, vocabulaires koppelen en termen met meerdere betekenissen doorverwijzen. [De Engelse term disambiguation heeft in de Nederlandse Wikipedia ‘doorverwijspagina’als lemma).

Je kunt zowel relatie’s opvoeren en ernaar verwijzen als je eigen gegevens verrijken met inhoud uit externe bronnen.
Omdat bibliotheken al gewens zijn met metadata, en m.n. ook dublin core indeling te werken is er vanuit die groep een intitieatief om de overstap naar RDF te bestuderen de DCMI/RDA Taskgroup
Ze halen Eric Miller aan over de rol van de bibliotheek: de bibliotheken moeten de kracht van hun collecties gebruiken, Linked data betekent ‘the rise of the cataloguer’, er moet immers veel van metadata voorzien woden, er moet meer gethesaureerd worden en gewebificeerd. Bibliotheken moeten van elkaar leren en doorzetten. [Ik meen dat E. Miller sprak op de ALA conferentie: From Legacy Data to Linked Data: Preparing Libraries for Web 3.0.]
Een enthousiaste presentatie, maar ook alleen theorie. Ik hoorda aan de lunch van hen dat ze het zelf nog niet toepassen.

Modelling /Base Bibliotek/ as linked data / Kim Tallerås (Oslo University College)
Om met een pilot project linked data te testen hebben ze een dataset geleend van Nationale Bbibliotheek, een adreslijst van andere bibliotheken mb voor Ibl.
Deze hebben ze omgezet naar RDF (RDFization), er is een onotologie ontwikkeld een XSLT stylesheet ontworpen, vanuit Triple store, naar SPARQL testing , en hermodelleren.
Boek: How to publish linked data on the web
Kim meldde dat hij als amateurs sprak tot andere soortgenoten bedoeld dus voor ‘wandering amateurs” een collega twitteraar hoorde : “wondering amateurs”. Ach zijn wij niet beide...
Where are the killer apps? Niet gevonden (viel toch tegen dat omzetten van een adressenlijstje in een semantisch web format).

Als staart aan deze lange linked data / semantisch web-dag een tussenstap:
Open the silos – free the data: why an API is not enough / Patrick Danowski (CERN)
Bibliotheek catalogi zijn nu een gesloten silo zonder api mogelijkheid
Een api kan informatie toevoegen bij Library Thing, Google Books, Mashups
API kan geen datasets linken, en je kunt toegevoegde info ook niet indexeren, geen standaardformat, geen full text, geen browsing. Je kunt wel alle info via API downloaden, maar dat is niet de bedoeling, API is er niet voor gemaakt. Ook spelen er licentieproblemen bij Api’s
CERN Open bibliographic data project in Marc/XML, public domain license
Danowski’s advies : het gaat niet over full text, maar dat kan vanuit de bibliotheekpositieook niet, blijf dicht bij jezelf, wat kun je zelf doen om open access geschikt te maken.

Talis Aspire: Next Generation Resource List Management /Mark Bush (Talis)
Talis heeft het semantisch library-platform waarin alles samenkomt als project en zij geven een tijdschrift uit genaamd 'nodalities' over semantisch web.
Die Resource List Management tool zei me verder niks, maar een collegan leek het wel aardig om in Blackboard te hangen?)

Via Ronald vanuit Tweet kreeg ik nog de link van de TED presentatie van Tim Berners Lee over linkes data.

Overall conclusie: er is veel gaande op het gebied van linked data, RDF, concept web en semantisch web. Er worden kleine projecten uitgevoerd. De doorbraak killer applicatie is nog niet gevonden. Het kost toch wel behoorlijk wat moeite om over te schakelen, maar het enthousiamse is er niet minder om. Daar gaan we in de toekomst zeker meer over horen.