Datos Enlazados en la BNE: datos.bne.es Daniel Vila Suero Asunción Gómez-Pérez Facultad de Informática, Universidad Politécnica de Madrid Campus de Montegancedo.

Presentación del tema: "Datos Enlazados en la BNE: datos.bne.es Daniel Vila Suero Asunción Gómez-Pérez Facultad de Informática, Universidad Politécnica de Madrid Campus de Montegancedo."— Transcripción de la presentación:

1 Datos Enlazados en la BNE: datos.bne.es Daniel Vila Suero Asunción Gómez-Pérez Facultad de Informática, Universidad Politécnica de Madrid Campus de Montegancedo sn, 28660 Boadilla del Monte, Madrid http://www.oeg-upm.net dvila@fi.upm.es asun@fi.upm.es Acknowledgements: M. Hernández Agustí, M. Jiménez Piano, A. Manchado, R. Santos, E. Escolano, B. Villazón, E. Montiel- Ponsoda II Jornada sobre la Reutilización de la Información del Sector Público Madrid, España 15 de Febrero de 2012

2 Indice 1.Los datos enlazados de forma intuitiva 2.Los fundamentos 3.El proceso 4.Marimba 5.Conclusiones 2

3 ¿Quién ha traducido “El Quijote” a otros idiomas? Múltiples fuentes de datos multilingües La información local puede estar incompleta La información remota no es accesible de manera sencilla

4 Consultas complejas sobre diferentes fuentes de datos 4 http://www.bne.es / http://www.viaf.org / http://d-nb.info ¿Cuántos obras escritas por Miguel de Cervantes Saavedra están registradas en La BNE y en la DNB?

5 Datos de las diferentes bibliotecas expuestos vía Web 5 BD de la BNE BD VIAF BD DNB BD DNB ¿Cuántos obras escritas por Miguel de Cervantes Saavedra están registradas en La BNE y en la DNB? http://www.bne.es/ http://www.viaf.org/ http://d-nb.info

6 M. Cervantes Don Quixote Hebrew creator Translated into 1960 Year of publication VIAF located Integración de datos 6 M. Cervantes El Quijote Hebreo Autor Traducido en 1950 Año de Publicación BNE Ubicado en M. Cervantes Don Quijote Deutsch Autor Übersetzung 2011 P-Jahr Deutsche National Bibliothek M. Cervantes El Quijote Autor 1605 Año de Publicación BNE Ubicado en BD BNE BD VIAF BD DNB BD DNB

7 ¿Qué necesitamos para responder a esa pregunta?

8 Indice 1.Los datos enlazados de forma intuitiva 2.Los fundamentos 3.El proceso 4.Marimba 5.Conclusiones 8

9 Utilidad de los datos enlazados Combinar datos de fuentes heterogéneas en diferentes formatos con diferente nivel de detalle en diferentes idiomas de diferentes países Facilitar la integración de datos © Slide adapted from “5min Introduction to Linked Data”- Olaf Hartig

10 Linked Open Data 10 Linking Open Data cloud diagram, by Richard Cyganiak and Anja Jentzsch. http://lod-cloud.net/ 2011 BNE

11 Los fundamentos Identificadores Unicos: URI identifican un nombre o un recurso en internet. Modelos en RDF(S) Cer El QuijoteCervantes Es autor Cer ObraPersona Es autor Es una http://datos.bne.es/resource/XX1718747http://datos.bne.es/resource/XX3383563 http://iflastandards.info/ns/fr/frbr/frbrer/C1005 http://iflastandards.info/ns/fr/frbr/frbrer/C1001 Enlazar con otros datos Same As http://viaf.org/viaf/17220427 Cervantes Same As http://dbpedia.org/resource/Miguel_de_Cervantes Cervantes Navegación a través de los datos

12 El modelo (Ontología) y los datos 12 Obra Lengua Traducción Año Fecha de Publicación Biblioteca Ubicado en Persona Es autor Tiene como materia El Quijote Cervantes Es autor Catalán Traducción 1960 Fecha de Publicación BNE Ubicado en Tiene como materia Vida de Cervantes Ontología Datos

13 El modelo (Ontología) y los datos 13 http://iflastandards.info/ns/fr/frbr/frbrer/C1001 http://iflastandards.info/ns/fr/frbr/frbrer/C1002 Traducción Año Fecha de Publicación http://xmlns.com/foaf/0.1/Organization Ubicado en http://iflastandards.info/ns/fr/frbr/frbrer/C1005 Es autor Tiene como materia http://datos.bne.es/resource/XX3383563 http://datos.bne.es/resource/XX1718747 Es autor http://datos.bne.es/resource/XX1924295 Traducción 1960 Fecha de Publicación BNE Ubicado en Tiene como materia http://datos.bne.es/resource/bimo0002045496 Vida de Miguel de Cervantes Saavedra Don Quijote de la Mancha Cervantes Saavedra, Miguel de Catalán Ontología Datos http://datos.bne.es/# Lengua Obra Biblioteca Persona

14 Indice 1.Los datos enlazados de forma intuitiva 2.Los fundamentos 3.El proceso de transformación 4.Marimba 5.Conclusiones 14

15 Especificación Especficación Modelado Generación RDF Generación RDF Publicación Generación de enlaces Generación de enlaces Explotación Registros en formato MARC 21 3.9 millones registros bibliográficos 4.2 millones registros autoridad Versión: Noviembre 2011

16 Modelado: FRBR Obras Expresiones Manifestaciones Obra 1 Obra 2 Obra 3 Expresión 1 Expresión 2 Manifestació n1 Manifestaci ón2 Especficación Modelado Generación RDF Generación RDF Publicación Generación de enlaces Generación de enlaces Explotación

17 Ontología basada en vocabularios de IFLA Especficación Modelado Generación RDF Generación RDF Publicación Generación de enlaces Generación de enlaces Explotación

18 Marimba utiliza la ontología para generar RDF BNE Especficación Modelado Generación RDF Generación RDF Publicación Generación de enlaces Generación de enlaces Explotación

19 Marimba enlaza con otros recursos : VIAF, DNB, SUDOC, LIBRIS, DBpedia BNE http://datos.bne.es/resource/XX1718747 Same As LIBRIS http://libris.kb.se/resource/auth/45369 SUDOC http://www.idref.fr/026774771/id DNB http://d-nb.info/gnd/11851993X DBpedia http://dbpedia.org/resource/Miguel_de_Cervantes VIAF http://viaf.org/viaf/17220427 Especficación Modelado Generación RDF Generación RDF Publicación Generación de enlaces Generación de enlaces Explotación

20 Especficación Modelado Generación RDF Generación RDF Publicación Generación de enlaces Generación de enlaces Explotación Marimba enlaza con otros recursos : VIAF, DNB, SUDOC, LIBRIS, DBpedia

21 Publicación Publicación de los datos Publicar los metadatos sobre el dataset con VOID Para facilitar el descubrimiento del dataset Registrar el conjunto de datos en DataHub Generar el sitemap usando sitemap4rdf Cargar el sitemap en Google y Sindice Especficación Modelado Generación RDF Generación RDF Publicación Generación de enlaces Generación de enlaces Explotación

22 Explotación de los datos select distinct COUNT(?Obras) where { http://datos.bne.es/resource/XX1718747 ?Obras } URI Cervantes Is author Consultas SPARQL: http://datos.bne.es/sparql Interfaz web http://linkeddata3.dia.fi.upm.es/bne-demo Especficación Modelado Generación RDF Generación RDF Publicación Generación de enlaces Generación de enlaces Explotación

23 Funcionalidades de Marimba Objetivo: Transformar registros MARC a RDF Funcionalidades principales: Generación de RDF: A través de plantillas de mappings Generación de enlaces owl:sameAs con otros datasets (A partir de VIAF) Valor añadido: Ayuda a mejorar y limpiar los datos de origen (registros MARC 21), gracias a la información contenida en las plantillas de mappings 23

24 Marimba: Proceso de transformación a RDF y mappings IDENTIFICA CIÓN ANOTACI ÓN RELACIÓ N MAPPIN G A MAPPIN G B MAPPIN G C Mapping Identificación de Entidades: Dada una etiqueta de campos y una combinación de subcampos, se determina a qué entidad FRBR se relaciona. Por ejemplo: 100 $a $d  Persona (FRBR Grupo 2) 100 $a $t  Obra (FRBR Grupo 1)

25 Marimba: Proceso de transformación a RDF y mappings IDENTIFICA CIÓN ANOTACI ÓN RELACIÓ N MAPPIN G A MAPPIN G B MAPPIN G C Mapping Anotación de Entidades: Dada una etiqueta de campos y de subcampo, se determina qué propiedad o atributo de la entidad se anota: Por ejemplo: 100 $d  Fecha asociada a persona 100 $t  Titulo de la obra

26 Marimba: Proceso de transformación a RDF y mappings IDENTIFICA CIÓN ANOTACI ÓN RELACIÓ N MAPPIN G A MAPPIN G B MAPPIN G C Mapping Relación entre Entidades: Dados dos tipos de entidades E1 y E2 (e.g. Persona y Obra), y dado un identificador de subcampo que representa la variación de subcampos entre E1 y E2 en su punto de acceso principal y sabiendo que el valor del punto de acceso de E1 está contenido en E2, se determina que tipo de relación existe entre E1 y E2. Por ejemplo: Persona-Obra $t  Persona es creadora de Obra Obra-Obra $n  Obra es parte de Obra

27 Marimba: “Mejoras en los datos de origen” Durante las sucesivas iteraciones para generar RDF, se han producido mejoras en los registros de origen. Algunos ejemplos son: Se han identificado combinaciones de subcampos NO válidas de acuerdo al estándar MARC 21: Ejemplo: 100 $a $d $1 Se han identificado errores en la codificación de ciertas cadenas de caracteres: Ejemplo: BiografÃas. Se han identificado errores en algunos campos de control: Ejemplo: Se ha hallado un indicador en el campo 001, que no de acuerdo al estándar no presenta indicadores. 27

28 Marimba: Descubriendo enlaces con otros datasets Marimba utiliza VIAF como fuente para generar enlaces de equivalencia (owl:sameAs) a otros conjuntos de datos bibliográficos. Para ello, utilizando un fichero que contiene las correspondencias entre VIAF y las bibliotecas que participan en VIAF: 1)Localiza los Ids de la BNE y almacena su correspondiente en VIAF. 2)A partir de los IDs correspondientes en VIAF, genera enlaces a otras bibliotecas que también tienen una correspondencia con dichos IDs. 28

29 Modelado: Open Metadata Registry Neon Toolkit Mapeado y generación: MARiMbA: Orientado a bibliotecarios, soporta y facilita todo el proceso de transformación de MARC21 a RDF Publicación: Virtuoso Universal Server Pubby CKAN registry Sitemap4rdf Explotación: Aplicaciones Web que visualicen los datos usando SPARQL Soporte tecnológico

30 Otras Iniciativas de datos enlazados de bibliotecas Biblioteca Nacional Francesa Biblioteca del Congreso de EEUU Biblioteca Nacional Alemana Biblioteca Británica España: Lista de Encabezamientos de Materia para Bibliotecas Públicas del Ministerio de Cultura En SKOS Enlazados con RAMEAU y materias del LOC Biblioteca Virtual de la Escuela de Salamanca Casos de uso en el W3C: Biblioteca Virtual de Polígrafos Ontología del Patrimonio Cultural de Cantabria 30

31 Resultados datos.bne.es Número total de registros de autoridad: 4.100.000 Número total de registros bibliográficos: 2.390.140 Número total de tripletas RDF: 58.053.215 Número de enlaces (15% autoridades): 587.520 Fuentes enlazadas: VIAF SUDOC (Sistema Universitario de Documentación) FR GND (Autoridades Biblioteca Nacional Alemana) GER LIBRIS Suecia DBPedia 31