リンクするオープンデータ

集中から分散・連動へ

WWWとハイパーテキスト
- WWW以前：ひとつの閉じたシステム内でのハイパーリンク
- WWW：不完全（リンク切れ、低信頼度etc.）だが、膨大な情報のネットワーク
セマンティック・ウェブとKR
- セマンティック・ウェブと知識表現の関係は、WWWとそれ以前のハイパーテキストの関係に似ている
- 10 years ago hypertext was in the same situation - existing systems didn't scale - existing KR systems don't scale/central architectures - there is only one ontology in these systems (Tim Berners-Lee, WSWS2001 Introduction)

情報サイロと情報のリンク

情報サイロ、あるいは壁で遮られる社会ネット
- The problem with today's social networks is that they are often closed to the outside web (illustration by David Simonds, The Economist, 2008)
  - ※The Economist誌のイラストを直接使用する許諾は得ていないので、バーナーズ＝リーがTEDで「ソーシャルネットの壁」について話す様子の写真（by whiteafrican＠Flickr）を、CCライセンスに基づき、一部加工して掲載しています。
リンクと情報の価値
- ウェブの情報の価値＝f(内容, リンク)
- リンクをたどることで、思わぬ発見（セレンディピティ）が

リンクするデータ

Linked Data
- バーナーズ＝リーの2006年のメモで4原則を提唱
リンクするデータの4原則
1. ものごとをURIで名前付けする
2. これらの名前を調べて見つける（参照解決する）ことができるように、http:スキームのURIを使う
3. 名前付けしたURIがたどられたら、有用な情報を返す
4. ほかのURIへのリンクを加えて、より多くのものごとを見出せるようにする
例：リンクするデータとしての件名標目
- 図書館の件名標目表（Subject Heading）はシソーラスとして体系化
- 国立国会図書館件名標目表（NDLSH）データはアーカイブとして提供される
- 米国議会図書館件名標目表（LCSH）が件名にURIを与えて公開。NDLSHも検討中

原則1：URIで名前付けする

閉じた体系の名前は共有が難しい
- その体系のシステム内（たとえば国会図書館OPAC）では十分機能する
- 外部から参照するのは不確実
- ```
<meta name="keywords" content="セマンティックウェブ" scheme="NDLSH" />
```
- 体系的に利用するには丸ごとインポートするしかない
URIによるグローバルな名前の参照
- URIによってウェブから参照が可能になる
- ```
<link rel="dc:subject"
      resource="http://example.org/ndlsh#セマンティックウェブ" />
```
- 分散記述ができる（インポートしなくてもリンクすればよい）
- グローバルな併合（同じ名前を指すものを集約できる）

原則2：http:スキームのURIを使う

名前としてのURI
- URIは基本的に識別子。データが取得できるとは限らない
- 情報リソースでないものには、ロケーション（URL）ではなく、名前（URN）を用いたいという考え方
- urn:ndlsh:セマンティックウェブでも参照やデータ併合は可能
参照解決可能な名前
- 結局URNや独自スキームではウェブで情報を取得できない
- ほとんどのエージェントが扱いを理解しているhttp:スキームを用いるのが得策
- しかし、「概念」をウェブで取得できるリソースと考えてよいのか？

情報リソースと実世界リソース

URIとウェブのアーキテクチャ
- 混乱していたURIの考え方をArchitecture of the World Wide Webで整理
- 1つのURIは1つのリソースをグローバルに識別し、文脈に依存しない
  - http://www.ieice.org/ というURIが、あるときは「電子情報通信学会」という組織を識別し、別のときは「電子情報通信学会ホームページ」というウェブリソースを識別する、という使い分けはしない
- リソースの中で、その本質的特徴が全てネットワークの通信メッセージで伝達できるものを情報リソースと呼ぶ
- リソースを参照するURIを、参照解決することで、「リソースの表現」を取得できる
主題概念とURI
- 主題は情報リソースであると考える立場
- ```
http://www.kanzaki.com/ns/ndlsh/セマンティックウェブ
```
- 主題のウェブページと主題の指す「実世界リソース」を分けて考える立場
- ```
http://id.loc.gov/authorities/sh2002000569#concept
```

原則3：URIが参照されたら有用な情報を返す

URIを参照して得られるリソース表現
- 主題をURIで表現したとき
- ```
http://example.org/ndlsh#セマンティックウェブ
```
- NDLSHを説明したHTMLページが得られる？
- NDLSHの主題を（RDFで）定義した巨大なZIPファイルが得られる？
主題件名URIからどんな情報が返されると有益なのか？
- 人間の利用するブラウザ：HTMLによる主題概念の説明文、あるいはその主題を持つ資料へのリンク集
- セマンティックウェブのエージェント：主題概念を記述したRDFデータ

セマンティック・ウェブのクールURI

実世界リソースをリンク可能にする方法
- http://www.ieice.org/ で「電子情報通信学会」を識別できるのか
- ベストプラクティスをCool URIs for the Semantic Webとして公開
フラグメント識別子
- URI本体とフラグメント識別子を結合したURI参照は、URI本体とは別のリソースを識別できる
- http://id.loc.gov/authorities/sh2002000569 という主題説明ページと、http://id.loc.gov/authorities/sh2002000569#concept を使い分ける
303転送
- 実世界に対応するURIとその説明（RDF）URIを使い分ける
- 実世界リソースを識別するURIにリクエストが来たら、結果コード303とともにその「説明文書」にリダイレクトする

間接的な識別とリンク

対象にURIがなくても間接的な識別は可能
- プロパティ値の持ち主（主語）が一つのみ定まる逆関数型プロパティ（Inverse Functional Property、IFP）を用いた識別
- TopicMapsでは、実世界リソースは直接識別子を与えず、そのリソースを説明する文書を主題指示子（Subject Indicator）として間接的に識別する
間接識別では参照できない
- 電子情報通信学会を表すリソースが空白ノードでは外部から参照できない
- 素直にリンクするデータにはならない
- 識別文書（IFPの目的語）自身にRDFとして抽出できるデータを埋め込む可能性

原則4：ほかのURIへのリンクを提供する

リンクしないページ、リンクしないデータでは…
- ハイパーテキストでは、関連情報へのリンクがないページはあまり魅力がない
- リテラル値だけのRDFグラフはそこで行き止まり
- 体系内（データベース内）の相互参照は有益だが、他の体系と連動できない
外部の関連リソースにリンクして連動させる
- たとえばNDLSHの主題件名と同等の件名がLCSHにあれば、SKOSを利用して関連付ける
- ```
ndlsh:セマンティックウェブ skos:exactMatch
   <http://id.loc.gov/authorities/sh2002000569#concept> .
```
- リンク先にさらに関連リソースへのリンクがあれば、エージェントは次々にデータをたどることができる
- ネットワーク効果とセレンディピティ

リンクする《オープン》データ

オープンデータ
- オープンソースと同様に、データにも著作権や特許に縛られない「オープンデータ」が多数存在する
- MusicBrainz、Flickrの写真、さまざまな公共データや統計など（たとえばReadWriteWebのOpen Data紹介記事を参照）
- これらを「リンクするデータ」としてRDF化すれば大きな可能性が
LODプロジェクト
- 2007年春頃から、複数のオープンデータをRDFで表現してリンク付ける活動
- W3CのSWEOのプロジェクトとしてLinking Open Dataが2007年春にスタート
  - ※バーナーズ＝リーの"Linked Data"に対して、こちらが"Linking Open Data"と不統一。（おそらく）最初のプロジェクト提案が"Interlinking Open Data on the Semantic Web"という名称だったことによる

DBpedia

Wikipedia情報ボックスのRDF版
- 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
- 2008年11月版DBpediaで約260万項目（英語版Wikipediaは2009年5月で約288万項目）
リソースURIとデータURI
- リソースはhttp://dbpedia.org/resource/Roger_NorringtonというURIで識別される
- ウェブブラウザでアクセスすると、http://dbpedia.org/page/...に転送される
- RDFアプリケーションにはhttp://dbpedia.org/data/...からRDFデータが返される

YAGO

Wikipediaのカテゴリをクラス体系化
- YAGO＝Yet Another Great Ontology
- Wikipediaのカテゴリの中から「概念カテゴリ」と考えられるものをクラスとして定義
- クラスをWordNetの同義語群（Synset）に結びつけてクラス階層を構築
DBpediaとYAGO
- Wikipedia→DBpediaに際して、カテゴリをYAGOで表現

Wikipedia/DBpediaをハブとしたリンク

多くのLODがDBpediaと関連付けられる

DBTune：音楽データベースMusicBrainzに加え、Jamendo、BBCプログラムデータ、AudioScrobbler、Last.fmなどのデータをRDF化

dbtuneartist:2403f8c6-8ccc-48d6-977f-de0baa2d6fed
   mo:musicbrainz mbartist:2403f8c6-8ccc-48d6-977f-de0baa2d6fed ;
   owl:sameAs <http://dbpedia.org/resource/Roger_Norrington> .

GeoNames: 世界の主要な場所にURIを与え、緯度経度、人口、近隣都市などのデータを提供

<http://sws.geonames.org/2643743/>
   gn:name "London" ;
   gn:parentFeature <http://sws.geonames.org/6269131/> ;
   geo:lat "51.5084152563931" ;
   geo:long "-0.125532746315002" ;
   owl:sameAs <http://dbpedia.org/resource/London> .

そのほかたくさんのLODが「クラウド」として成長

LOD2007

LODデータセット・クラウド2007年5月

LOD2008

LODデータセット・クラウド2008年3月

LOD2009

LODデータセット・クラウド2009年3月

LODプロジェクトのpros and cons

文書のウェブとデータのウェブが交差する
- 広範囲なデータの名前が、普通のウェブ文書のリンクとしても利用できるようになる
- RDFa、GRDDLなどを利用する
- ```
<p xmlns:ev="http://purl.org/NET/c4dm/event.owl#"
    typeof="ev:Event">今日、
<a href="http://dbpedia.org/resource/Roger_Norrington"
    rel="ev:agent">ロジャー・ノリントン</a>
の演奏会に行った。</p>
```
- RDFアプリケーションはHTMLからグラフを抽出し、リンクするデータをたどっていくことができる。
owl:sameAsは要注意
- 多くのLODがリンクにowl:sameAsを利用しているが
- ```
<http://dbpedia.org/resource/Osaka>
  owl:sameAs <http://sws.geonames.org/1853907/> .
 
<http://sws.geonames.org/1853907/>
  gn:name "Osaka" ;
  owl:sameAs <http://dbpedia.org/resource/Osaka_station> .
```
- owl:sameAsは、あらゆる面で同じリソースを表すもので、非常に強い関係。skos:closeMatchやdc:relationなど、緩やかな関係でリンクする方が良い場合も少なくない。

リンクするデータによって生まれる新しい価値

閉じたシステムのデータは、その中でしか生かせない
リンクするデータが新たな価値を生む
- - （TED 2009でのバーナーズ＝リーの講演で用いられた図の翻案）

参照先

参照したリソース
1. W3C Web Services Workshop 2001 minutes, by Tim Berners-Lee, 2001-04
  <http://www.w3.org/2001/04/wsws-proceedings/wed-morn.html>
2. Online social networks, 2008-03-19, The Economist
  <http://www.economist.com/business/displaystory.cfm?story_id=10880936>
3. Linked Data - Design Issues, by Tim Berners-Lee, 2006-07-27
  <http://www.w3.org/DesignIssues/LinkedData.html>
4. Architecture of the World Wide Web, Volume One, by Ian Jacobs and Norman Walsh (eds.), 2004-12-15, W3C Recommendation
  <http://www.w3.org/TR/webarch/>
5. Cool URIs for the Semantic Web, by Leo Sauermann and Richard Cyganiak (eds.), 2008-12-03, W3C Interest Group Note
  <http://www.w3.org/TR/cooluris/>
6. SKOS Simple Knowledge Organization System Reference, by Alistair Miles and Sean Bechhofer(eds.), 2009-03-17, W3C Candidate Recommendation
  <http://www.w3.org/TR/skos-reference/>
7. Where to Find Open Data on the Web - ReadWriteWeb, by Sarah Perez, 2008-04-09
  <http://www.readwriteweb.com/archives/where_to_find_open_data_on_the.php>
8. Linking Open Data, ESW Wiki
  <http://esw.w3.org/topic/SweoIG/TaskForces/CommunityProjects/LinkingOpenData/>
9. DBpedia
  <http://dbpedia.org/>
10. Yago - A Core of Semantic Knowledge
  <http://www.mpi-inf.mpg.de/yago-naga/yago/>
11. DBTune - Music-Related RDF
  <http://dbtune.org/>
12. GeoNames
  <http://www.geonames.org/>
13. RDFa in XHTML: Syntax and Processing, by Ben Adida et al. (eds.), 2008-10-14, W3C Recommendation
  <http://www.w3.org/TR/rdfa-syntax/>
14. Gleaning Resource Descriptions from Dialects of Languages (GRDDL), by Dan Connolly (ed.), 2007-09-11, W3C Recommendation
  <http://www.w3.org/TR/grddl/>
15. Linked Data, by Tim Berners-Lee, 2009-02, TED 2009 conference
  <http://www.w3.org/2009/Talks/0204-ted-tbl/>