�ݺ�ߣ

Zoekplatform Openbare Bibliotheken

Beter content vinden met DBpedia
Wikimedia Conferentie, 9 november 2012

Gerard Kuys

Overzicht

1. Culturele content en internet:
when are the twain going to meet?
2. Wat is DBpedia
3. Stappen naar een referentiesysteem
voor het Nederlandstalig gebied

Lezers en schrijvers in Wikipedia
(juni 2012)
12000000

10000000

8000000

6000000 Series1bekeken per uur
Keren
Series2 artikelen
Aantal

4000000

2000000

0
Engels Duits Frans Nederlands Spaans Russisch

Van beschrijvingen naar Linked (Open) Data

• Er staan al best veel culturele beschrijvingen in Wikipedia:
* Alles in de categorie ‘Monumenten’
* Schilderijen en iconografie (http://nl.wikipedia.org/wiki/Iconografie )
* Biografieën van bekende personen

Van beschrijvingen naar Linked (Open) Data
Maar die beschrijvingen:
• Zijn tekstgebaseerd, dus dingen zijn alleen vindbaar als je de juiste
term ervoor weet
• Het is soms lastig begrippen eenduidig te identificeren
– Jan Janszen (1694-1751)
– Jan Janszen ( ? - 1751)
• Daarom is er in Wikipedia een systeem van verwijzingen
• Als je die verwijzingen leesbaar voor machines maakt, wordt het
veel gemakkelijker om te navigeren over betekenissen

Linked Open Data

http://wiki.dbpedia.org/Interlinking

Waarom zijn Linked Data belangrijk?

• Dbpedia bouwt een ontologie op, d.w.z. een referentiesysteem dat over
documentverzamelingen heen begrippen eenduidig definieert
• Referentiesystemen kunnen op een bepaalde, afwijkende manier
opgebouwd zijn (vocabulaires), zolang ze het maar over hetzelfde hebben
• ‘Edgar Allan Poe’ moet in het Engelse referentiesysteem naar hetzelfde
(uniek geïdentificeerde) begrip verwijzen als in het Nederlandstalige
referentiesysteem
• Dit helpt de vindbaarheid enorm, het is (bijna) de ultieme vorm van
disambigueren
• Vindbaar maken, vindbaar niet op termen maar op inhoud
• En als je iets vindt, krijg je meteen ook alle informatie eromheen mee

7

Wat is DBpedia?
• ‘A community effort to extract information from Wikipedia and to
make this information available on the web’
• Christian Bizer, Sören Auer, Sebastian Hellmann, DBpedia – A
Crystallization Point for the Web of Data (2009)
• Initiatief om alle informatie in de lemma’s van Wikipedia als
verzameling van concepten te zien, te extraheren en als één
samenhangend geheel aan te bieden
• Knowledge Extraction Framework
• Interlanguage Links
• Canonical URI’s: Een gemeenschappelijke ontologie voor
Personen, Plaatsen, Organisaties etc.
• Gepubliceerd als Linked Open Data (licentie: CC-BY-SA)

http:/wikipedia.org/wiki/DBpedia

Wat doet DBpedia
• Leest van lemma’s de samenvatting uit (500 woorden)
• Leest de Infobox uit, als die er is
• De Infobox bepaalt het type object, de klasse in de ontologie
• Kijkt voor de gevonden termen of er een concept in de
Dbpedia-ontologie mee correspondeert
• Persoonsgegevens
• Plaatsgegevens
• Afbeeldingen
• ….
• De kwaliteit van het resultaat hangt sterk af van de consistentie
waarmee termen in de samenvatting en in de velden van de
Infobox zijn ingevuld
• Door het niet-heel-sterk-geplande karakter van de inhoud is
ook de ontologie achter Wikipedia zwak gestructureerd
• Dit kan verbeterd worden door gestuurde mapping

Mappings, mappings, mappings
• Wikipedia heeft een structuur met Infoboxes en andere
templates
• Als je die templates vult, weet je dus welke term correspondeert
met welk concept in een achterliggende ordening / classificatie
• Die correspondentie kun je tot stand brengen:
• Met interlanguage links: deze term in het Engels verwijst naar
hetzelfde concept als deze term in het Nederlands
• Langs geautomatiseerde weg
• Uit het publiek, met ‘community mapping’

Map mee met DBpedia!

http://nl.dbpedia.org/wiki/index.php/Welkom

Nederlandstaligen schrijven wel,
maar mappen niet

14

Mappings in DBpedia-Nederlands

15

Hoe ziet een Infobox eruit

16

Hoe ziet een Infobox eruit

{{Infobox auteur
| naam = Anna Roemers Visscher
| afbeelding = Anna Visscher.jpg
| onderschrift = Anna Roemers Visscher
| citaat =
| volledige naam = Anna Roemers(dochter) Visscher
| pseudoniem =
| bijnaam =
| geboren = [[2 februari]] (?) [[1583]]
| overleden = [[6 december]] [[1651]]
| land = [[Nederland]]
| beroep = [[dichter]],[[graveerder]]
| jaren-actief =
| genre =
| stroming =
| invloeden =
| bekende-werken =
| uitgeverij =
| dbnl = viss001
| handtekening =
| website =
}}
17

Van infoboxveld naar Dbpedia property
•Agent (edit)
•Organisation (edit)
•Person (edit)
•Ambassador (edit)
•Architect (edit)
•Artist (edit)
•Actor (edit)
•AdultActor (edit)
•VoiceActor (edit)
•Comedian (edit)
•ComicsCreator (edit)
•MusicalArtist (edit)
•Writer (edit)
•Astronaut (edit)
•Athlete (edit)
•Celebrity (edit)
•Cleric (edit)
•Cardinal (edit)
•ChristianBishop (edit)
•ChristianPatriarch (edit)
•Pope (edit)
•Priest (edit)
•Saint (edit)
•CollegeCoach (edit)
•Criminal (edit)
•FictionalCharacter (edit)
•Journalist (edit)
•Judge (edit)
•MilitaryPerson (edit)
•Model (edit)
•Monarch (edit)
•OfficeHolder (edit)
•OrganisationMember (edit)
•Philosopher (edit)
•PlayboyPlaymate (edit)
•Politician (edit)
•Referee (edit)
•Royalty (edit)
•SoccerManager (edit)

18

Infobox mappen op DBpedia ontologie
•
(1)
{{Infobox persoon
• | naam = Jeltje de Bosch Kemper
• | afbeelding =
• | onderschrift =
• | volledigenaam = jkvr. J. de Bosch Kemper
• | geboortedatum = [[28 april]] [[1836]]
• | geboorteplaats = [[Amsterdam]]
• | sterfdatum = [[16 februari]] [[1916]]
• | sterfplaats = [[Amsterdam]]
• | doodsoorzaak =
• | nationaliteit = [[Nederland]]se
• | beroep =
• | bekendvan = [[Tesselschade-Arbeid Adelt|Algemeene Nederlandsche Vrouwenvereeniging 'Tesselschade']]
• | algemeennaam1 =
• | algemeennaam2 =
• | algemeen2 =
• | tijdvak1 =
• | functie1 =
• | partners =
• | kinderen =
• | religie =
• | politieknaam =
• | politiek =
• | politieknaam1 =
• | politiek1 =
• }}

19

Infobox mappen op DBpedia ontologie
(2)
{{CanonicalNamespace
"wgPageName":" Jeltje_de_Bosch_Kemper ","wgTitle":“Jeltje de Bosch
Kemper”,"wgCurRevisionId":32911458,"wgArticleId":2940082,"wgIsArticle":true,
{{TemplateMapping
| mapToClass = Person
| mappings =
{{PropertyMapping | templateProperty = naam | ontologyProperty = foaf:name}}
{{PropertyMapping | templateProperty = geboortedatum | ontologyProperty = birthDate }}
{{PropertyMapping | templateProperty = geboorteplaats | ontologyProperty = birthPlace }}
{{PropertyMapping | templateProperty = sterfdatum | ontologyProperty = deathDate }}
{{PropertyMapping | templateProperty = sterfplaats | ontologyProperty = deathPlace }}
{{PropertyMapping | templateProperty = website | ontologyProperty = foaf:homepage }}
{{PropertyMapping | templateProperty = religie | ontologyProperty = religion }}
{{PropertyMapping | templateProperty = beroep | ontologyProperty = occupation }}
{{PropertyMapping | templateProperty = partners | ontologyProperty = spouse }}
{{PropertyMapping | templateProperty = kinderen | ontologyProperty = child }}
{{PropertyMapping | templateProperty = nationaliteit | ontologyProperty = country }}
{{PropertyMapping | templateProperty = bekendvan | ontologyProperty = dbpedia-owl:concept }}
{{PropertyMapping | templateProperty = algemeennaam1 | ontologyProperty = foaf:name }}
{{PropertyMapping | templateProperty = algemeen1 | ontologyProperty = foaf: }}
{{PropertyMapping | templateProperty = functie1 | ontologyProperty = occupation }}
{{DataIntervalMapping | templateProperty = tijdvak1 | ontologyProperty = activeYearsStartYear
ontologyProperty = activeYearsEndYear }}
{{PropertyMapping | templateProperty = functie2 | ontologyProperty = occupation }}
{{DataIntervalMapping | templateProperty = tijdvak2 | ontologyProperty = activeYearsStartYear
ontologyProperty = activeYearsEndYear }}
}}

20

Van losse collecties naar Linked (Open) Data

• De bibliotheken in Nederland zitten op een (virtuele)
collectie van ca. 15 miljoen titels, met 60 miljoen
exemplaren
• Wanneer deze schat aan informatie vermengd wordt
met Linked Open Data is dit tot beider voordeel
• Bibliotheken kunnen helpen door de beschrijving van
content systematischer aan te pakken, LOD-communities
kunnen helpen door te ‘linken’ en te ‘mappen’

Collecties koppelen aan onderwerpen

• Op dit moment zijn collectie-items van bibliotheken
gekoppeld aan trefwoorden of termen uit een formele
classificatie (Dewey, UDC enz.)
• Maar catalogiseren en classificeren kan geen gelijke
tred houden met de toename van het (digitale)
materiaal
• Niet het kind met het badwater weggooien
• En dus oude classificaties verbinden met nieuwe
classificaties/ontologieën
• Dan stroomt het bibliotheek-aanbod door naar Linked
Open Data (en omgekeerd)

22

Metadatastrategie bibliotheken
• Aansluiten bij initiatieven om bibliotheekclassificaties in SKOS te
zetten (KB, Catch- en Stitch-projecten)
• Aansluiten bij Linked Open Data waar zinvol:
* FOAF (http://www.foaf-project.org/)
* Music Ontology (http://musicontology.com/)
* Movie Ontology (http://www.movieontology.org/)
• Maar speerpunt ligt bij DBpedia: DBpedia-ontologie als verbindend
systeem van onderwerpen
• Een Wikipedia-lemma is een vindplaats voor ‘related terms’

DBpedia en WikiData
• Nieuw initiatief van de Wikimedia Foundation, gesponsord door
Google en Microsoft
• Springt in de discussie over Schema.org en RDFa voor
semantische markup van internetpagina’s
• Is aanvullend, niet concurrerend
• Doelgroep van WikiData zijn Wikipedia-redacteuren, DBpedia
publiceert als Linked Open Data dus voor iedereen
• Mensen van DBpedia in Advisory Board Wikidata
• DBpedia gericht op extractie van data uit Infobox
• Wikidata gericht op datastructuren die kunnen worden aangevuld
en geredigeerd op de manier van Wikipedia
• Wikidata levert in potentie betere data dan de Infoboxen die op
dit moment komen zoals ze komen
• Zie http://meta.wikimedia.org/wiki/Wikidata/Essays/DBpedia_and_Wikidata

Samenwerking Bibliotheek.nl met
Leipzig
Hi Gerard,

ist this text ok for the announcement? We are also happy to see the number of the DBpedia language chapters rising.

Since the 3.7 DBpedia release we welcomed the French, Italian and Japanese Chapters.

What is more, we expect the release of the Dutch chapter during the following months (in cooperation with http://bibliotheek.nl/).
Therefore, you will be able to de-reference (among others) the 10 biggest Wikipedia / DBpedia language editions.
The following picture gives an overview of the current state of the Internationalization effort:

Sebastian Hellmann

Wat gaat nl.dbpedia.org concreet doen?
• Op dit moment worden de concepten achter Dbpedia
vooral geëxtraheerd uit de Engelstalige pagina’s
• Sinds 1 jaar ook uit Duits, Frans, Grieks, Russisch en Koreaans
• Als we alleen naar het Engels kijken missen we concepten die in een
Nederlands/Vlaamse context belangrijk zijn:
• Personen, (Sociale) Geografie, Geschiedenis en cultuur
• (Al hebben we nu al wel de Engelse kijk op: ‘poffertjes’)
• We moeten zorgen dat de begrippen in de Nederlandstalige pagina’s
refereerbaar worden, en dat die begrippen worden gemapt op algemene
Linked Data
• Aandringen op meer standaardisering Infoboxen
• Infoboxen toevoegen waar ze ontbreken

nl.dbpedia.org

• Dit jaar nog Nederlandstalig chapter DBpedia en DBpedia information
extraction framework (DIEF)
• Volgend jaar aan de slag met Spotlight voor Named Entity Recognition
(https://github.com/dbpedia-spotlight/dbpedia-spotlight)

27

Samenwerking zoeken

Een interessante passage uit het document "Strategie 2013-2015" van Wikimedia Nederland:

" In eerste instantie gaan we verder met het uitbouwen van onze activiteiten op het gebied van culturele samenwerking
en het verstevigen van de relaties met instellingen op dit terrein (GLAM: galleries, libraries, archives en museums).
Door samen te werken ontstaat een maatschappelijke meerwaarde die de doelstellingen van zowel de Wikimedia-beweging
als deze instellingen weerspiegelt. Verder gaan we verkennen of ook samenwerkingsverbanden met (hoger) onderwijs
en de diverse overheidsinstellingen mogelijk zijn. Ook willen we blijven deelnemen in activiteiten die bijdragen aan
innovatie en ontwikkeling."

O ja, en nog één ding….

Als je – als in het Strategiedocument - de samenwerking zoekt met
culturele instellingen, zie dan niet overal ‘self promotion’ in:
• Er zijn verzamelingen van biografieen van personen die niet per se alleen
maar de lof van de verzamelende instelling zingen
• Vrouwenlexicon Nederland
• Muziekcentrum Omroep
• De lijsten van rijks- en gemeentelijke monumenten
• ……
• Het mooie van ‘mappen’ is, dat je diversiteit van content intact laat, maar
intussen toch de gemeenschappelijke semantiek naar voren laat komen
• Map mee!!

�ݺ�ߣ

20121109 wmc

Recommended

More Related Content

Featured (20)

20121109 wmc