Kwestionariusz ten dostępny jest dla każdego do 13 września 2010 roku. 27 pytań dotyczy przede wszystkim składni języka RDF oraz na wstępie kilka pytań dotyczących naszej znajomości semantycznych technologii. Sam pomysł ankiety najprawdopodobniej zapoczątkowany był na warsztatach RDF Next Steps Workshop, podczas których mądre głowy debatowały nad wspomnianym językiem. Warsztaty te miały miejsce w dniach 26-27 czerwca 2010 roku.
Krótkie podsumowanie efektów warsztatów można znaleźć tutaj natomiast publiczną ankietę można wypełnić pod następującym linkiem: http://www.w3.org/2002/09/wbs/1/rdf-2010/

Zapraszam do wypełniania ankiety!

Oto tylko niektóre ze spostrzeżeń:

• świadomość zagadnień semantycznego web jest „raczej duża„
• większość ankietowanych (zwłaszcza z grupy naukowej) interesuje się tematem od ponad trzech lat
• większość ankietowanych zdobywa wiedzę na ten temat sama
  
• główną dziedziną, w której technologie semantyczne znajdują/znajdą zastosowanie to wyszukiwanie informacji
• przewidywany czas w jakim technologie semantyczne „wejdą na rynek” to od 2 do 5 lat
• oczekiwania wobec semantycznej sieci www są bardzo duże…

Zapraszam wszystkich do literatury!

Raport można pobrać tutaj

Do budowy ontologii opisującej liczby, zostały wzięte pod uwagę poniższe kwestie:

• każda liczba określana nazwą NLE (Non Lexical Entity) powinna posiadać swój zasób (URI)
• liczby są uporządkowane według kolejności od najmniejszej do największej oraz powinna być możliwość zidentyfikowania dla każdej z nich jej poprzednika (predecessor) oraz następce (succesor)
• zgodnie z zasadą divide-and-conquer, dla każdej liczby powinien być dostępny jej rozkład na czynniki pierwsze
• każda liczba powinna być opisana za pomocą nazwy w kilku językach
• aby była zgodność ze „starymi” oznaczeniami, każda z nich powinna posiadać rzymski odpowiednik
• z powodu użyteczności logarytmu naturalnego w takich dziedzinach nauki jak biologia, psychologia czy muzyka, każda liczba powinna być opisana swoim logarytmem naturalnym

W implementacji projektu, który można znaleźć pod adresem http://km.aifb.kit.edu/projects/numbers/ został użyty następujący schemat URI (przykładowe URI dla liczby 7):

• http://km.aifb.kit.edu/projects/numbers/n7 jest identyfikatorem liczby (URI), który kieruje do elektronicznej reprezentacji liczby w postaci HTML lub RDF, których URL znajduje się poniżej…
• http://km.aifb.kit.edu/projects/numbers/web/n7 to reprezentacja liczby w postaci HTML
• http://km.aifb.kit.edu/projects/numbers/data/n7 to reprezentacja liczby w postaci RDF, czyli formacie który „rozumieją” maszyny

Dla każdego NLE jest dostępnych minimum 14 trójek (dla większych liczb otrzymujemy np. coraz większy rozkład na czynniki pierwsze). Jako, że opisanych jest 1,000,000,000 NLE mamy więc 14 bilionów opublikowanych trójek. Jest to do tej pory największy zastrzyk do „chmury” LOD. Oszacowano, że LOD powiększyło się o około 87,5% …

Póki co dostępne są opisy w formacie RDX/XML ale rozważane są ich odpowiedniki w innych formatach takich jak JSON, OWL 2 Manchester Syntax oraz Microformats np. hCard lub hReceipe. Aktualny LON nie jest ostateczny. Jego twórcy chcą aby był on niejako punktem startowym dla nowej dziedziny badań nad Semantic Web.

Pod adresem http://www.aifb.kit.edu/web/Article3017 można przeczytać oficjalną publikacje dotyczącą tego projektu.

I na koniec rzut okiem na przykładowy RDF dla liczby 7:

<?xml version="1.0" encoding="iso-8859-1"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"
xmlns:owl="http://www.w3.org/2002/07/owl#"
xmlns:n="http://km.aifb.kit.edu/projects/numbers/number#">
<n:NaturalNumber rdf:about="http://km.aifb.kit.edu/projects/numbers/n7">
<rdfs:label>7</rdfs:label>
<rdfs:seeAlso rdf:resource="http://km.aifb.kit.edu/projects/numbers/web/n7" />
<rdf:value rdf:datatype="http://www.w3.org/2001/XMLSchema#int">7</rdf:value>
<n:value rdf:datatype="http://www.w3.org/2001/XMLSchema#int">7</n:value>
<n:previous rdf:resource="http://km.aifb.kit.edu/projects/numbers/n6" />
<n:next rdf:resource="http://km.aifb.kit.edu/projects/numbers/n8" />
<owl:sameAs rdf:resource="http://dbpedia.org/resource/7_(number)" />
<rdfs:label xml:lang="en">seven</rdfs:label>
<rdfs:label xml:lang="de">sieben</rdfs:label>
<rdfs:label xml:lang="es">siete</rdfs:label>
<rdfs:label xml:lang="it">sette</rdfs:label>
<rdfs:label xml:lang="fr">sept</rdfs:label>
<rdfs:label xml:lang="lt">septyni</rdfs:label>
<rdfs:label xml:lang="pt">sete</rdfs:label>
<rdfs:label xml:lang="cs">sedm</rdfs:label>
<rdfs:label xml:lang="et">seitse</rdfs:label>
<n:roman rdf:datatype="http://www.w3.org/2001/XMLSchema#string">VII</n:roman>
<n:log rdf:datatype="http://www.w3.org/2001/XMLSchema#float">1.94591014906</n:log>
<n:primefactor rdf:resource="http://km.aifb.kit.edu/projects/numbers/n7" />
</n:NaturalNumber>
</rdf:RDF>

Czy to oznacza początek semantycznych systemów CMS ? Obstawiam, że tak. Przełom roku 2010/2011 powiniem zaowocować „wysypem” implementacji semantycznych technologii w innych bardzo znanych systemach zarządzania treścią takich jak WordPress czy Joomla…

Jak można przeczytać na oficjalnej stronie tego systemu, wykorzystano między innymi słowniki takich ontologii jak FOAF, SIOC, SKOS czy Dublin Core. Mapowania zapisywane są w odpowiednich tablicach modułów i są w pełni edytowalne w podobny sposób co formularze czy linki.

W innych systemach zarządzania treścią np. WordPress czy Joomla, nie wykorzystywano do tej pory na taka skalę możliwości semantycznych technologii. Patrząc na listę pluginów systemu WordPress widać zaledwie dwa, wykorzystujące takową możliwość. Pierwszy z nich to wp-RDFa, który korzysta z ontologii Dublin Core i FOAF. Drugi to Image Licenser, który taguje w odpowiedni sposób pliki graficzne wykorzystując do tego RDFa. Natywna funkcjonalność jest jednak o wiele lepsza niż plug-in. Przeszukując dodatki dla systemu Joomla nie znalazłem żadnego, który by wykorzystywał omawiane technologie.

Jakie są zalety wykorzystania takiego „semantycznego tagowania” za pomocą Drupal ? Na pewno przekształcenie swojej strony w stronę typu machine-readable. Strona staje się cześcią projektu Linked-Data. Twoje dane staja się możliwe do wykorzystania przez semantyczne aplikacje. Strona staje się bardziej widoczna w wyszukiwarkach takich jak Yahoo czy Google (przykład Search Monkey czy Rich Snippets).

Kierunek jaki obrał Drupal w implementowaniu nowinek, jest jak najbardziej pożądany dla użytkowników sieci Web 3.0.  Dla użytkowników systemu WordPress, którzy nie są w temacie, fakt ten zapewne nie skłoni do myślenia. Ci drudzy na pewno częściej będą sięgać po Drupal a nie WordPress…

Działanie systemu Drupal z wykorzytsaniem technologii Web 3.0 można podejżeć na filmiku poniżej:

Rząd Wielkiej Brytanii ogłosił dziś utworzenie Institute for Web Science. Przeznaczono na ten cel 30 milionów funtów.

Instytut ma przeprowadzać badania oraz współpracując ze środowiskiem biznesu, wskazywać szanse na wykorzystanie technologii semantycznych w całym sektorze publicznym, ekonomii oraz życiu społecznym.

Ma on być niejako pomostem między światem badań nad Semantycznym Web a biznesem oraz pomagać w komercjalizacji technologii semantycznych. Do prac nad różnymi projektami będą zapraszane mądre głowy z różnych uczelni oraz web developerzy z całego UK.

Na czele instytutu stanie sam Sir Tim Berners-Lee, brytyjski wynalazca  World Wide Web  oraz profesor Nigel Shadbolt. Premier Gordon Brown w swojej wypowiedzi powiedział między innymi:

“We want to build on the outstanding work Sir Tim and Nigel Shadbolt have put in to ‘making public data public’. We are determined to go further in breaking down the walled garden of Government, using technology and information to provide greater transparency on the workings of Whitehall and give everyone more say over the services they receive.

“This Institute will help place the UK at the cutting edge of research on the Semantic Web and other emerging web and internet technologies and ensure the Government is taking the right funding decisions to position the UK as a world leader. We will invite universities and private sector web developers and companies to join this collaborative project.”

Na początek Institute for Web Science ma być umiejscowiony na uniwersytetach w Oxford oraz Southampton.

Co z tego wynika ? Można dzięki temu osiągnąć wzrost CTR (click-through rate), spadek Bounce Rate, zwiększyć ruch na stronie. Jest to jedna z idei SEO. Jeśli chodzi o samą pozycję w wyszukiwarce to na stronach Google dla Webmasterów możemy się dowiedzieć, że:

Marking up your data for rich snippets won’t affect your page’s ranking in search results

Rich Snippets w praktyce:

Opisywać możemy następujące elementy (na dzień dzisiejszy tylko w języku angielskim) za pomocą microformats albo RDFa (bez znaczenia, który sposób wybierzemy):

• reviews
• people profiles
• business listings
• events

Przykładowy opis z wykorzystaniem microformats:

<div class="hreview-aggregate">
<div class="item vcard">
<h1 class="page-title fn org">Pizza My Heart</h1>
...
<span class="count">7</span> reviews
<span class="pricerange">Under $10 peer entre</span>
</div>
</div>

Te same informacje zapisane przy użyciu RDFa:

<div xmls:v="http://rdf.data-vocabulary.org/#" typeof="v:Review-aggregate">
<div rel="v:itemreviewed">
<span typeof="v:Product">
<h1 property="v:name">Pizza My Heart</h1>
<span property="v:count">7</span> review
<span property="v:pricerange">Under 10$ per entree</span>
</div>
</div>

Ktoś kto umieści na swojej stronie dane zapisane w ten sposób może je przetestować pod adresem: http://www.google.com/webmasters/tools/richsnippets?. Narzędzie to pokaże jak wprowadzone dane prezentowałyby się w wyszukiwarce. Dodanie na stronę takich danych nie gwarantuje jednak pokazywanie ich w wynikach wyszukiwania. Algorytm Google pokazuje je tylko wtedy kiedy uzna, że są one przydatne użytkownikowi. Można też poinformować Google o dodaniu strukturalnych danych na stronie pod adresem http://www.google.com/support/webmasters/bin/request.py?contact_type=rich_snippets_feedback wypełniając formularz.

Przeglądając opinię osób, które zdecydowały się na taką formę opisu danych na stronie nie zauważyłem jednoznacznej odpowiedzi na pytanie postawione na początku. Oto kilka wypowiedzi z różnych list dyskusyjnych:

(…) So, in my mind, it appears that while we saw a benefit from the implementation of rich snippets, we subsequently saw some kind of penalty or filter applied against us because we increased traffic too much – all through a technique that Google are encouraging people to use.

(…) I’ve just got to think something else is going on with that traffic drop. I’ve seen several site that added RDFa mark-up and weren’t hurt at all – in fact, they were helped, as was your initial experience.

(…) no noticeable changes to existing traffic trends.

Tak czy inaczej warto mieć w kręgu zainteresowań temat Rich Snippets, Microformats oraz RDFa. W przyszłości zapewne coraz więcej rozwiązań będzie zaimplementowanych w wyszukiwarkach, które będą wykorzystywały semantyczne znaczniki na stronach www. Jak to wpłynie na jej optymalizację w wyszukiwarkach ? – czas pokarze.

Narzędziem, który postanowił z tym walczyć jest projekt o nazwie Bueda. Bueda wykorzystując analizy semantyczne, tagi generowane przez użytkowników oraz istniejące ontologie dostarcza użytkownikowi informacji, które mogą być wykorzystane w celu sensownej kategoryzacji, rekomendacji, optymalizacji wyszukiwania czy też dotarcia do odpowiedniej grupy docelowej w ogłoszeniach, reklamach…

Bueda oferuje API, za pomocą którego developer może otrzymać „czyste” tagi z wprowadzonej wcześniej „mieszanki brudnych tagów” . Chodzi o to, aby odzwierciedlały one jak najdokładniej to co się pod nimi kryje. W efekcie otrzymujemy wzrost efektywności serwisu oraz zadowolenie czytelników.

Bueda API jest darmowe ponieważ cały projekt jest jeszcze w fazie beta. W przyszłości ma stać sie płatne. Ograniczenie nałożone na wersję beta jest takie, że aby otrzymać API key musimy ustawić się w kolejce oczekujących oraz maksymalnie w ciągu miesiąca możemy wysłać 10,000 żądań. W odpowiedzi na żądanie API oferuje dane w formacie JSON (JavaScript Object Notation). JSON to popularny w internecie lekki format wymiany danych niezależnym od konkretnego języka programowania. W porównaniu do języka XML, oferuje on łatwiejszy i szybszy dostęp do danych z poziomu JavaScript.

Każdy kto chce zobaczyć Buedę w akcji może to zrobić tutaj.

Jeśli jesteś biegły w języku angielskim zobacz wywiad z Vasco Pedro (CEO Buedy). Mówi w nim między innymi o znaczeniu portugalskiego słowa „Bueda”, ontologiach, przyszłości wyszukiwania informacji online:

Za czasów Web 1.0 sprawa była całkiem prosta bo ograniczała się do kilku meta tagów (description i keywords) + dodanie stron do paru lepszych katalogów np. DMOZ. Całe to „pozycjonowanie” było jednym wielki spamem, przez który wyniki zwracane przez wyszukiwarki daleko odbiegały od ideału i można było nimi w łatwy sposób manipulować. Wyszukiwarki nie rozumiały oczywiście tekstu na żadnej z indeksowanej stron.

W 1998 roku Larry & Sergei opracowali wskaźnik Page Rank (PR), który w wielkim skrócie mówi, że:

• link do strony jest „głosem” na nią
• link linkowi nie jest równy.. więc
• ważne kto linkuje do strony (im ważniejsza strona, często odwiedzana tym lepiej)

Algorytm PR nie jest znany. Powstało swego czasu wiele „firm” zajmujących się pozycjonowaniem. Istnieje masa pozycjonerów/spamerów bombardujących Google linkami na różnego rodzaju stronach śmietnikach, preclach, niby katalogach. Powstają systemy wymiany linków rotacyjnych, wiele stron za umieszczenie u siebie odnośnika żąda nie małej gotówki (jak to zresztą a w życiu bywa). Powstają linki sponsorowane w Google (AdWords).

Ważne aby pamiętać o następujących rzeczach:

• Page title
• Anchor text
• Mod rewrite
• Image alt
• Content
• Mapa strony
• Serwisy społecznościowe
• Dobra użyteczność witryny, jej architektura
• … i jeszcze kilka innych rzeczy

Pozycjonowanie w sieci Web 2.0 nadal pozostawia wiele do życzenia. Wyszukiwarki nadal nie znają znaczenia treści zamieszczanej na stronach www.

Lekarstwem na to może okazać się semantyczna sieć www. Użytkownik nie jest uzależniony tylko i wyłącznie od wyszukiwarki. Odpowiednio zaprogramowany agent może pobierać bezpośrednio interesujące nas dane prosto ze stron innych użytkowników i wykorzystując SPARQL dostarczyć nam je od razu (nie trzeba czekać na zaktualizowanie zasobów wyszukiwarki). Możemy budować własne aplikacje przeszukujące semantyczne zasoby zapisane w plikach RDF już dziś. Resource Description Framework – in – attributes (RDFa) pozwala na zapis trójek s-p-b bezpośrednio na stronach www. Już niemal rok temu (maj 2009) Google i Yahoo ogłosiło wspieranie semantycznych znaczników w swoich wyszukiwarkach. Ponadto rozpoznają one znaczniki Microformats:

• hCalender
• Hcard
• HReview
• Geo
• VoteLinks
• rel-tag
• …

Na konferencji Search Engine Strategies 2010 Copenhagen: Web 3.0: How the Semantic Web will revolutionize Search Marketing and eCommerce poruszano min. zagadnienia opisu witryn sklepów internetowych przy pomocy ontologii takich jak Good Relations, eClassOWL czy będącej w trakcie budowy przez  The Federal Economic Chamber of Austria, the e-business standardization initiative AustriaPRO, the Austrian National Tourist Office, and Smart Information Systems ontologii EBSemantics. Przedstawiano po raz kolejny efekty zamieszczenia na stronach sieci sklepów BestBuy znaczników RDFa oraz ontologii Good Relations – 30% wzrost ruchu na stronie oraz 15% wzrost CTR (Click-through-Rate). Ze znanych witryn na świecie wykorzystujących semantyczne technologie trzeba wspomnieć o New York Times, BBC, TESCO, katalog O’Reilly czy The White House…

Przyjazny tutorial RDFa można znaleść na stronie RDFA for HTML Authors

Dla osób, które nie miały styczności z ontologiami przed czytaniem o RDFa powinny się zaznajomić przynajmniej z takowymi:

• Friend of a Friend (FOAF)
• Dublin Core (DC)

Narzędzie to posiada kilka bardzo użytecznych funkcji, za pomocą których w łatwy sposób możemy odpytywać zasoby opisane w RDF. Klasy te posiadają parsery dla: RDF/XML, Turtle, SPARQL + SPOG, Legacy XML, HTML tag soup, RSS 2.0, Google Social Graph API JSON,  umożliwiają wykorzystanie SPARQL Endpoint w bardzo szybki i prosty sposób, posiadają możliwość odczytywanie mikroformatów ze stron www (DC, eRDF, microformats, OpenID, RDFa). Pełna funkcjonalność opisana jest w dokumentacji pod adresem arc.semsol.org.

Pierwszym przykładowym zastosowaniem klas ARC jaki chce pokazać to zapytanie do serwisu DBPedia z wykorzystaniem SPARQL Endpoint. W ARC cały proces łączenia się z serwisem to parę linijek kodu:

include_once('arc/ARC2.php');
$config = array(
'remote_store_endpoint' => 'http://dbpedia.org/sparql',
);
$store = ARC2::getRemoteStore($config);

Zapytanie będzie brzmiało tak: „Wyszukaj wszystkie nazwy państw (commonName), ich waluty (currency) z oznakowaniem (currencyCode), których oficjalny język (officialLanguages) to hiszpański.”

$query = '
PREFIX countries: <http://dbpedia.org/ontology/Country>

SELECT DISTINCT ?name ?currency ?code WHERE {
?b rdf:type countries: .
?b <http://dbpedia.org/property/officialLanguages> ?c .
?b <http://dbpedia.org/property/commonName> ?name .
?b <http://dbpedia.org/ontology/currency> ?currency .
?b <http://dbpedia.org/property/currencyCode> ?code
FILTER(regex(?c, "Spanish"))
}
';
$r = '<table>';

if ($rows = $store->query($q, 'rows')) {

foreach ($rows as $row) {
$r .= '<tr><td>' . $row['name'] . '</td><td>' . $row['currency'] . '</td><td>' . $row['code'] . '</td></tr>';
}
}
$r.='</table>';
echo $r ? $r  : 'nic nie znaleziono';

Otrzymany wynik wyglądał tak:

Drugim przykładem zastosowania tego narzędzia jest odczytywanie semantycznych znaczników ze stron www. ARC umożliwia odpytywanie pobranych danych po wcześniejszym „zamontowaniu” ich w lokalnej bazie danych użytkownika. Cały proces polega na zapisie tychże danych do specjalnie oznakowanych tabel (przez dodanie prefiksu). Pisząc zapytania SPARQL ARC przekształca je na zapytania odpowiednie dla relacyjncyh baz danych np. MySQL.

Prosta strona www z paroma semantycznymi znacznikami (DC i FOAF) mogłaby wyglądać tak:

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML+RDFa 1.0//EN"
"http://www.w3.org/MarkUp/DTD/xhtml-rdfa-1.dtd">
<html xmlns="http://www.w3.org/1999/xhtml"
xmlns:foaf="http://xmlns.com/foaf/0.1/"
xmlns:dc="http://purl.org/dc/elements/1.1/"
version="XHTML+RDFa 1.0" xml:lang="en">
<head>
<title></title>
<meta property="dc:creator" content="admin" />
</head>
<body>
<p>Mój nick to <span property="foaf:nick">testowy_nick44</span><br />
Mój ulubiony gatunek filmu to
<span property="foaf:interest">Sci-Fi</span><br />
Mój blog znajdziesz ppd adresem <span property="foaf:homepage">semantictechnology.eu</span>
</p>
</body>
</html>

Skrypt w PHP odczytujący nick, stronę domową oraz zainteresowania wszystkich osób opisanych znacznikiem foaf z wykorzystaniem klas ARC mógłby wyglądać tak:

$config = array(
'db_name' => 'arc',
'db_user' => 'root',
'db_pwd' => 'password',
'store_name' => 'arc_tables',
'max_errors' => 100,
);
$store = ARC2::getStore($config);

if (!$store->isSetUp()) {
$store->setUp();
}
$store->query('LOAD <http://www.przykladowaatrona.pl/semantycznapodstrona.html>');

$q = '
PREFIX foaf: <http://xmlns.com/foaf/0.1/> .
SELECT ?nick ?interest ?homepage WHERE {
?p foaf:homepage ?homepage ; foaf:nick ?nick ; foaf:interest ?interest
}
';
$r = '';

if ($rows = $store->query($q, 'rows')) {

foreach ($rows as $row) {
$r .= '<li>' . $row['nick'] . '- '.$row['homepage'].' - '.$row['interest'].'</li>';
}
}
echo $r ? '<ul>' . $r . '</ul>' : 'nic nie znaleziono';

Otrzymany wynik:

• testowy_nick44- semantictechnology.eu – Sci-Fi

Przyglądając się stworzonym przez ARC tabelom w bazie danych widzimy, że jest ich 6. Opisane są w nich trójki s-p-o:

To tylko niektóre z oferowanych możliwości klas ARC. Więcej można znaleźć w dokumentacji.