Recursos

    sortFiltrar Ordenar
    17 resultados

    Artículo

    /

    Publicado el 18.9.2015 por Equipo GNOSS

    A propósito del BBVA: los procesos de transformación digital de la empresa

    Hablar hoy día 5 de mayo de 2015 de transformación digital de las organizaciones parece especialmente adecuado dadas las noticias que colman los periódicos del día y que nos hablan del nombramiento de Carlos Torres Vila como Consejero Delegado del BBVA, en sustitución de Angel Cano. Según se puede leer, junto con Torres Vila se han realizado nada menos que 13 nombramientos y se ha producido la salida de 6 antiguos directivos, lo que promete un cambio de calado, con el fondo de la transformación digital del banco como mayor prioridad. En la noticia publicada por El País se dice que " González (Lugo, 1944) ha transmitido a los ejecutivos que quiere que la entidad abandone la zona de confort actual para conseguir que el BBVA deje de ser un banco para convertirse en un elemento tecnológico de la industria bancaria". Todo apunta a que se trata de una apuesta de largo alcance llamada a remover el espacio de negocio y competencia del sector financiero y a la que deberán responder el resto de los jugadores más pronto o más tarde.

    Según creo, la transformación digital de una empresa o de un negocio tiene mucho que ver con el hecho de que estamos desarrollando, por primera vez de manera consistente y masiva, un conjunto de tecnologías que posibilitan que las máquinas y los sistemas interpreten de manera razonablemente correcta los recursos generados por las personas, tanto aquellos que se crean con un carácter intencional (los documentos), como aquellos otros que se registran de manera automática y que constituyen nuestra huella digital. En la práctica y en la medida en la que estamos también en un proceso de webificación de nuestros sistemas de información, lo que estamos haciendo es suplementar el casi colmatado internet de documentos (HTML), dotándole de una capa de representación del contenido interpretable por las máquinas. A este nuevo internet lo denominamos Web de los Datos e incluye los datos producidos por las personas y aquellos registrados por diversos sensores y que representan el modo en el que funcionan las cosas (generalmente en su relación con las personas) .

    Este nuevo internet está desplegándose en todos los sectores de actividad, cuyos negocios se están viendo transformados profudamente, y se verán aún más en el futuro, por este enfoque; así podemos hablar de una educación basada en datos, de una cultura basada en datos, de un turismo basado en datos, de una industria o un determinado proceso industrial basado en datos o de banca basada en datos. Todos estas denominaciones apuntan al hecho de que las máquinas, nuestro sistemas, pueden construir un grafo de conocimiento subyacente a cada espacio o ámbito de actividad humana y que en la explotación de ese grafo hay nuevas posibilidades económicas y de negocio. 

    La Web de los Datos se está construyendo sobre un conjunto de tecnologías y lenguajes técnicos que en su conjunto conocemos como Web Semántica. El modo en el que se expresa la Web Semántica como Web de Datos se conoce como Web de Datos Enlazables (o Enlazados) o Linked Data Web en inglés. Lo que sugiere esta denominación es que nuestros sistemas pueden enlazar datos con datos, información con información de manera automática o cuasi-automática. El resultado es un grafo de conocimiento, en el cual los datos se acoplan, conectan o vinculan de manera automática sí (esto es sin el concurso de un editor o de un lector), pero sobre todo significativa para las personas que de ese modo ven multiplicada por un factor enorme sus capacidades de lectura, interpretación y descubrimiento del conocimiento. En suma, los grafos de conocimiento y los modelos de interrogación que podemos desarrollar sobre ellos, son la condición tecnológica para que las personas, los grupos y las organizaciones puedan desarrollar procesos eficientes de gestión de conocimiento (que incluye modelos de interrogación, de enriquecimiento de la información, de inferencia y razonamiento y, por ende, de descubrimiento de conocimiento) en un mundo (digital) donde la información es hiperabundante y las capacidades humanas de interpretación crecientemente limitadas.

    El abordaje técnico que posibilita esta transformación de documentos (legibles para las personas)  en datos (legible por una máquina) se realiza por medio de ontologías o vocabularios, que recogen y describen en un lenguaje de programación (OWL u Ontology Web Languaje) un conjunto de entidades (junto con sus atributos) que representan un ámbito de la realidad y, por ende, un ámbito de conocimiento. No se trata, cono se ve, de una estrategia basada en el procesamiento del lenguaje natural (aunque recurra a algoritmos de aprendizaje y estadística basada en Bayes para algunos de sus procesos, como es el de la anotación semántica o de reconocimiento de las entidades que contiene un determinado texto), porque las máquinas sólo interpretan correctamente aquello que puede ser anotado o identificado por la ontología (las entidades y sus atributos), pero cuando lo hacen, lo hacen de manera indubitable. Eso permite computar, a partir de la representación de un número dado de recursos digitales relativos a un ámbito de conocimiento o realidad dado, el conjunto de relaciones implícitas entre ellos, lo que en la práctica supone activar procesos de conocimiento que en sí mismos ya son de un gran valor económico.

    Imaginemos el caso de que una empresa tuviera representadas las personas de su negocio (clientes, empleados) mediante FOAF (Friend of a Friend), una ontología que posibilita que los sistemas distingan el nombre, los apellidos y eventualmente otros atributos personales de cualquier otra posible secuencia de caracteres que contenga un texto; eso significa que la secuencia de caracteres J-o-s-e-f-i-n-a- -M-o-l-i-n-a se convierte para las máquinas que computan información en una persona con un nombre propio (Josefina) y un apellido (Molina); si además disponemos de algunos eventos representados del mismo modo, esto es de acuerdo con estándares de la Web Semántica, tales como, por ejemplo, el evento [comprar con tarjeta de crédito] (dentro del cual podríamos distinguir a su vez la cantidad, el lugar y el tipo de comercio donde se realiza la compra) estaríamos en condiciones de poder empezar a desarrollar modelos de interrogación sobre esas colecciones de datos que nos pueden llegar a proporcionar un conocimiento de calidad acerca de los patrones de comportamiento y los estilos de vida de las personas y que, en consecuencia, nos permitirían segmentarlas en audiencias y eventualmente desarrollar una cartera de productos y servicios adecuados a esos segmentos y, en el límite, personalizados o individualizados.

    Por supuesto, podríamos enlazar nuestros datos de Josefina Molina con datos de terceros, que podrían ser también de consumo (como por ejemplo los desplazamientos en avión, su frecuencia y destino, su consumo de teléfono, la naturaleza  y patrón de las llamadas, etc...) o de otro tipo (los artículos científicos, supongamos, que ha escrito Josefina Molina y que están recogidos en Elsevier o en Web of Knowledge). Eventualmente una web de datos podría identificar todo lo relacionado con Josefina Molina de manera indubitable. Un caso sencillo de descubrimiento de conocimiento, que por cierto es ya real o está muy cerca de serlo podría ser éste: Elsevier dispone en su vasta base de conocimiento de artículos científicos que contiene uno que describe el caso de un médico de urgencias de un hospital de provincias polaco que ha utilizado un determinado principio activo para paliar los síntomas más insidiosos de tal o cual enfermedad; Pfizer, por su parte, ha representado semánticamente el conjunto de su actividad investigadora y, por ende, sus ensayos clínicos y conoce por tanto qué principios activos experimentó y para qué, así como qué experimentos tuvieron éxito y cuáles no; en concreto el del principio activo al que nos estamos refiriendo no lo tuvo. Sin embargo, al enlazar los datos de su base de conocimiento con la de Elsevier puede descubrir, a partir de una experiencia empírica marginal realizada en un lugar periférico de la investigación clínica sobre un principio activo concreto que probablemente nadie ha citado y muy pocos han leido, una aplicación eventualmente muy prometedora para un principio activo cuya vida comercial estaba en vía muerta. Por cierto, la industria farmacéutica está haciendo un gran esfuerzo en este campo y también las grandes editoriales científicas. Elsevier, que es junto con World of Knowledge el principal contenedor de la producción científica mundial, tiene representada semánticamente toda su base de conocimiento; por su parte el conjunto de la industria farmaceútica utiliza Uniprot una base de conocimiento sobre proteínas y enzimas que contiene más de 20.000M de triples (el modo en el que se representa la información en Web Semángica) y los diferentes grandes actores del sector están trabajando activamente en su propias bases de conocimiento. Pero lo que merece la pena subrayar aquí se parece mucho a lo que expresaba Richard Feynman en 1959, el año que ganó el Premio Nobel durante la reunión anual de la Sociedad Física Americana celebrada en el Instituto de Tecnología de California (CALTECH), en una célebre conferencia cuyo título podríamos traducir como "Hay mucho espacio por debajo" (There´s Plenty of Room at the Bottom): "Yo imagino que los físicos experimentales deben mirar a menudo con envidia a hombres como Kamerlingh Onnes, quien descubrió un campo como la baja temperatura, la cual parece ser insondable y en el cual uno puede ir abajo y abajo. Un hombre tal es entonces un lider y tiene algún monopolio temporal en una aventura científica. Percy Bridgman, al diseñar una manera de obtener presiones mayores, abrió otro campo nuevo y fue capaz de moverse en él y guiarnos alrededor. El desarrollo de un vacío aún mayor fue un contínuo desarrollo de la misma especie..." (Traducción: Pablo Martín Agüero). Hay mucho espacio por debajo cuando comenzamos el desarrollo de una Web de Datos sea en el ámbito que sea, en un proceso industrial, un departamento de Marketing, una Universidad, un Museo...y muchas oportunidades de ganar nuevo espacio para los negocios, la gestión cultural o el impulso a la educación. De pronto mucho conocimiento marginal y aparentemente poco útil adquiere un nuevo vigor en el marco de un nuevo proceso de generación y descubrimiento de conocimiento.

    Dato, cuando se define desde este punto de vista técnico, debe entenderse en este contexto que hemos expuesto como la porción mínima de información interpretable correctamente por una máquina. Nuestro punto de vista sugiere que si los datos no están domesticados o interpretados mediante ontologías y vocabularios entonces resultarán poco útiles o difícilmente manejables, especialmente cuando se trate de datos muy masivos (Big Data). El disponer de datos representados del modo que hemos descrito, esto es, de "datos enriquecidos", permite desarrollar sistemas de interrogación basados en razonamiento natural especialmente útiles para las que personas conectan el conocimiento de tal manera que, como consecuencia, pueden explicitarse relaciones hasta ahora ignoradas u ocultas entre los datos que lo conforman. Este nuevo ámbito de conocimiento y aplicación que se ocupa de los modelos humanos de interrogación sobre grandes cantidades de información organizadas en un grafo se denomina Human Computer Interaction (HCI) y es una de las disciplinas emergente más interesantes en el ámbito de las IT, pues determina el modo en el que las personas terminarán por dar valor, utilizar e interrogar a los datos y, por ende, determina el conjunto de aplicaciones para usuario final que pueden desarrollarse sobre la base de la Web de los Datos. Por que, conviene subrayarlo, la Web de los Datos no es una Web para las Máquinas, sino la web que las máquinas devuelven a las personas cuando aquellas pueden razonablemente comprender los contenidos que producimos. Los modelos HCI que explotan las posibilidades de la representación semántica precisan, a su vez, de modelos de computación que posibiliten la realización de inferencias o de procesos iterados de interrogación sobre los datos. Y, finalmente, se precisa de una arquitectura de software que facilite una ejecución rápida o industrial de los proyectos. Nada más.

     

    ...

    Categorías:

    Artículo

    /

    Publicado el 8.6.2015 por Ricardo Alonso Maturana

    Las web semánticas de la Web: el negocio de construir y explotar grandes grafos de conocimiento especializados

    LAS WEB SEMÁNTICAS DE LA WEB: EL NEGOCIO DE CONSTRUIR Y EXPLOTAR GRANDES GRAFOS DE CONOCIMIENTO ESPECIALIZADOS

    Desde que en 2001 Tim Berners-Lee escribiera Semantic Web en Scientific American, "Web semántica" hace referencia a un lenguaje técnico de marcado, así como, posteriormente, a un conjunto de estándares de interrogación de bases de datos (como SPARQL) que tienen como finalidad posibilitar la publicación de los recursos digitales que generan las personas de tal modo que resulte interpretable o inteligible por las máquinas o sistemas. Se trata, por tanto, de un lenguaje para máquinas. En este sentido, la web semántica no es lo opuesto a la web no semántica o que precisa un emisor y un receptor humanos o, si se prefiere, la web HTML (HyperText Markup Language); si consideramos a esta última como el haz de la web, aquella sería su envés. De este modo, todo recurso digital podría tener dos caras, la que puede leer o interpretar una persona, esto es la que aparece cuando solicitamos una página web y que se muestra o publica en HTML y aquella otra que pueden interpretar las máquinas y que se publica utilizando OWL-RDF (Ontology Web Languaje-Resource Description Framework).

    Ya en el artículo seminal al que me refiero se apuntaban algunos de los atributos esenciales de esta nueva forma de publicar en la World Wide Web, como son el de expresar el significado de los recursos mediante ontologías, representar el conocimiento entendiendo éste como la agregación o el enlazado (linked) de recursos distribuidos o no centralizados, facilitar la recuperación de la información posibilitando modos de interrogación más próximos al modo intencional e iterado en el que funciona la mente humana y, finalmente, acelerar la evolución del conocimiento humano al facilitar la transición o transformación de la nuevas ideas seminales frecuentemente producidas por un individuo o grupo pequeño, que viven en el marco de una subcultura original, en ideas comunes o establecidas con gran amplitud cultural. En la visión original de la web semántica, los agentes inteligentes o bots serían capaces de enlazar en un grafo de conocimiento los datos representados ontológicamente.

    Esta primera visión de la web desencadenó un enorme esfuerzo por identificar y establecer estándares ontológicos, que son la condición para poder representar conjuntos de recursos mediante un lenguaje de datos unificado. Los resultados se dejaron esperar, debido, sobre todo, al hecho de que los acuerdos humanos acerca de cómo representar un ámbito de la realidad o ámbito de conocimiento llevan tiempo, especialmente en aquellos campos en los que no preexistía una cultura caracterizada por esa clase de esfuerzos, como sí ocurría en el campo de la salud, las bibliotecas o los archivos, por poner sólo algunos casos. Los primeros resultados prácticos sólo se produjeron a partir de 2007, cuando Berners-Lee puso el acento en el hecho de que la Web Semántica debía concebirse como una Web de Datos Enlazados para que cumpliera con el propósito fundacional de contribuir a la evolución acelerada del conocimiento humano. En ese momento se establecieron los estándares ontológicos más básicos (aprovechando el vocabulario DublinCore y generando FOAF, SIOC o SKOS) y se empezaron a publicar los primeros datasets o conjuntos de datos estructurados semánticamente. De un modo que conviene explicar, estos conjuntos de datos se pusieron a disposición de terceros o reutilizadores, suponiendo que la producción de datos de esta clase iba a alentar el desarrollo de un ecosistema de reutilizadores que les daría finalmente un valor económico.

     

     

    Esto no se produjo, o no se produjo lo suficientemente rápido. Las causas por las que los datos estructurados semánticamente no generaron la clase de movimiento tecnológico y valorización de la información esperada son seguramente varias. Por un lado, la distinción seminal entre producción de datos y la explotación de los mismos por parte de agregadores o robots apelaba a una imagen de la futura Web Semántica que, al igual que sucede en la web Google por así decirlo, distinguía entre productores de datos y aquellos que podrían finalmente darles valor, unificarlos en un grafo de conocimiento o, simplemente, explotarlos; en segundo lugar, se consideraba que la publicación de datos estructurados semánticamente era una forma secundaria y posterior de publicar los recursos o contenidos de la web, de manera que nadie parecía ser consciente, entre los principales productores de datos (desde el British Museum, la Biblioteca del Congreso de EE.UU o la NASA), de la posibilidad de que en el mismo acto pudieran producirse el haz y el envés de la web o, dicho de otro modo, que un gestor de contenidos, una red social o cualquier otro sistema de edición y publicación de recursos o contenidos digitales produjera ambos formatos en el mismo acto. Esto hizo posible que se diera la paradoja de que los productores de datos estructurados no se vieran a sí mismos como reutilizadores de los mismos. Por esta vía se llegó al absurdo de que los principales productores de datos no fueron capaces de usarlos para desarrollar utilidades orientadas a mejorar la experiencia web de los/sus usuarios finales. Así, por poner sólo un par de ejemplos, el British Museum o Nature han publicado excelentes datasets, realizados con una gran calidad ontológica, que prácticamente carecen de reutilizadores y que tampoco han sido utilizados por ellos mismos para la mejora de los procesos de interacción de las personas con los computadores (Human Computer Interaction) y, por ende, para la mejora de la experiencia web de sus usuarios. Por último, en la medida en la que se produjo todo lo anterior, se entendió la web semántica como un asunto que posibilitaría la interoperabilidad entre silos de datos distribuidos, algo que afectaba a la web más profunda, pero no a los usuarios finales, al menos en un primer momento.

    Sin embargo, algunas empresas y cabe decir que algunos sectores en particular, entendieron bastante tempranamente que la web semántica, en la medida en la que era una estrategia tecnológica que posibilitaba que las máquinas entendieran el significado que estaba detrás de los contenidos, podría ser una estrategia muy prometedora para una explotación avanzada de la información, y por ende para el desarrollo de nuevos negocios basados en el descubrimiento de conocimiento, siempre y cuando el proyecto expresara un grafo de conocimiento de un modo interrogable por las personas. Esto sucedió en el ámbito de las empresas dedicadas a las biociencias, como las farmacéuticas, o entre los grandes publicadores científicos, como Elsevier o Thompson Reuters, pero también entre los medios de comunicación más avanzados, como puede verse cuando se analiza la estrategia digital de BBC o The New York Times, pero también de, por ejemplo, The Guardian (que tiene casi 45 millones de usuarios únicos al mes, frente a los 14 millones de El País digital). Casi simultáneamente, Google compró Metaweb, la empresa que estaba construyendo Freebase, en realidad un gran grafo de conocimiento que interpretaba el conjunto de la web en forma de entidades y, a través de ellas, vinculaba o enlazaba el conocimiento implícito en la totalidad de la web. Por aquel entonces, julio de 2010, Freebase tenía ya más de 12 millones de entidades; en la actualidad tiene más de 46 millones. Esta adquisición ha permitido a Google crear un gran grafo de conocimiento basado en OWL-RDF y explotarlo como expondremos en apartados siguientes.

    1.1LAS NUEVAS POSIBILIDADES DE LA REPRESENTACIÓN SEMÁNTICA DEL CONOCIMIENTO: DE LAS BÚSQUEDAS BASADAS EN LITERALES A LAS BÚSQUEDAS BASADAS EN ENTIDADES

    La explotación más relevante que Google está llevando a cabo es el paso de una búsqueda basada en literales o en secuencias de caracteres a una búsqueda basada en entidades y las nuevas posibilidades que esto ofrece. La diferencia entre un literal y una entidad es crucial: en el segundo caso la máquina reconoce un determinado objeto del mundo mientras que en el primero busca secuencias de caracteres y las relaciona mediante "cuerdas" con secuencias homólogas en otros documentos. Cuando una máquina reconoce una entidad entonces entiende, por ejemplo, que "Mario Vargas Llosa" es una persona, que tiene como nombre "Mario" y como apellidos "Vargas Llosa"; que dado que es una persona tendrá una fecha de nacimiento y eventualmente de defunción y, por ende, un lugar de nacimiento y quizá de defunción, una profesión, en este acaso "artista" y, dentro de ese espectro profesional "escritor", etc...Cuando una máquina reconoce una entidad es porque es capaz de reconocer sus atributos, de hecho, una entidad lo es en función de los atributos que la conforman. Imaginemos que una máquina es capaz de identificar sólo las personas contenidas en una colección dada de documentos, entonces sería capaz de enlazarlas a todas en un grafo y nosotros podríamos realizar preguntas o interrogar a ese grafo en función de atributos concretos, como por ejemplo, las personas que nacieron en tal o cual año, o en tal o cual sitio, o bien las que comparten una profesión, por ejemplo la de escritor y, además, han nacido en Sudamérica y han escrito su obra principal en los 60 o principios de los 70. Un conjunto de interrogaciones iterado de ese tipo nos permitiría conocer el conjunto de autores que constituyen el boom sudamericano, por ejemplo, pero lo mismo podríamos preguntar por los pintores nacidos en Ciudad Real, por poner otro caso. Otra explotación muy sencilla, es mostrar, para una búsqueda dada, los detalles ontológicos (el conjunto de atributos) de la entidad principal por la que se pregunta. Es lo que hace Google cuando muestra la ficha de Velázquez, el pintor barroco español. Cuando introducimos en la caja de búsqueda el literal "Velázquez", Google infiere que preguntamos por Velázquez, el pintor, y nos muestra su fecha de nacimiento y defunción, el lugar de esos eventos y los principales cuadros de los que fue autor, también otros pintores relacionados con Velázquez, por lo general de su misma época y/o escuela. Si hacemos clic en alguno de esos cuadros, nos ofrece una nueva búsqueda con muchos más cuadros de Velázquez y si clicamos alguno de ellos podemos llegar a una ficha de Wikipedia. Desde luego, el recorrido que realizamos a partir de una petición tiene sentido porque el conjunto de entidades que manejamos, "pintores" y "obras de arte" están relacionadas, lo mismo hubiera ocurrido si se hubiera tratado de "celebrities" y "programas de televisión", o de "futbolistas" y "equipos en los que han jugado".

    En los enlaces que pueden visitarse al final de este punto, se puede conocer lo que explícitamente ha publicado Google sobre el tema, incluyendo el hecho de que utilizan las descripciones ontológicas en OWL-RDF de terceros, siempre y cuando sean referentes en su campo de conocimiento. Lo que ha quedado claro en esta fase de la implantación de la Web Semántica es que cuando ésta es entendida como Grafo de Conocimiento (y no sólo como un dataset o como un conjunto de ficheros expresivos y enlazables) entonces hay muchos negocios posibles, siempre y cuando se piense en la clase de utilidades que hacen más sencillas y útiles las webs al conjunto de audiencias que en su conjunto denominamos “usuario final”. Y ello porque en cualquier colección de recursos suficientemente amplia, existe un conjunto de relaciones implícitas valiosas para diversos grupos de interés, algunos probablemente muy minoritarios, que hacen posible una explotación avanzada de los mismos, pero también porque todo grafo de conocimiento representado sobre estándares es extensible y se puede enlazar con datos provenientes de terceros, como ha demostrado Google con su acoplamiento simbiótico con Wikipedia o, más modestamente, Didactalia con su grafo dinámico de conocimiento basado igualmente en Wikipedia, vía DBPedia. A Google, ese acoplamiento le ha servido para multiplicar el tiempo que las personas permanecen en el buscador y para ampliar su utilidad a costa de los productores primarios de contenidos, lo que sin duda es un buen negocio. A continuación, los artículos de Google prometidos, en donde ellos mismos dan cuenta de su proyecto de Grafo de Conocimiento. La conclusión a la que un lector atento podría llegar es que si alguien dispone de una base de recursos de suficiente calidad, lo más interesante es enlazarlos en un grafo de conocimiento entre sí y con terceros que puedan enriquecerlo y extenderlo, porque en ello es seguro que hay nuevos negocios.

    1.2MODELOS DE INTERACCIÓN DE LAS PERSONAS CON LOS ORDENADORES: UTILIDADES Y NEGOCIOS ASOCIADOS CON LA CONTRUCCIÓN DE UN GRAFO DE CONOCIMIENTO

    El área de conocimiento Human-Computer Interaction (HCI) investiga el diseño y uso de la tecnología informática, con especial atención a las interfaces que intermedian entre las personas o usuarios y las computadoras. Los investigadores en el campo de la HCI observan los modos en que los seres humanos interactúan con las computadoras y tratan de desarrollar nuevos diseños y eventualmente nuevas tecnologías que posibiliten a las personas interactuar con las computadoras en formas novedosas. Human-Computer Interaction, como campo de investigación, está situado en la intersección de la informática, las ciencias de la conducta y, en especial la psicología, el diseño, el estudio de los media y otros variados campos de estudio. El término fue popularizado por Stuart K. y Allen Newell de la Universidad Carnegie Mellon y Thomas P. Moran de IBM Research en su artículo de 1983, La Psicología de la Interacción Persona-Ordenador, que constituye la obra seminal sobre el tema. A diferencia de otras herramientas con usos limitados (como un martillo o el destornillador o cualquier otra herramienta de mano, pero también como ocurre con cualquier máquina-herramienta), un ordenador tiene muchos usos posibles, lo que implica que las conversaciones o diálogos posibles entre las personas y las máquinas son múltiples y evolutivas. Hemos tratado con anterioridad de un aspecto de esta interacción, en concreto de lo relacionado con los modelos de búsqueda y recuperación de la información (véase: Human-Computer Information Retrieval: Buscadores Facetados, la siguiente generación de buscadores basados en razonamiento).

    El primer negocio tiene que ver con el modo en el que recuperamos la información e interrogamos a los contenidos. Durante los últimos años, la confluencia de estudios en las áreas de IR (Information Retrieval) y HCI (Human Computer Interaction) ha generado un área de estudio específica, HCIR(Human–Computer Information Retrieval), que se ocupa de las técnicas de recuperación de información que introducen la inteligencia humana en el proceso de búsqueda. Algunas de las ideas generadas, que ya se están aplicando en los buscadores más avanzados, son:

    • Dar la responsabilidad y el control de la búsqueda a la persona. Le requiere esfuerzo, pero se le recompensa.
    • No adivinar las intenciones, sino mejorar la comunicación.
    • Soportar refinamiento y exploración.
    • Responder con un conjunto de resultados ordenado y adecuado, lo que incluye ofrecer diferentes formas de presentación según el tipo de resultados: listas, mosaicos, mapas, timeline, etc.
    • Extender los resultados y la información con contextos, que son, a su vez, resultados de otras búsquedas o de las búsquedas que de modo automático puede realizar una máquina a partir de un conjunto de interrogaciones desarrolladas por una persona (Computer-Computer Informational Retrieval)

    Una de las propuestas concretas es el uso, como interfaz, de buscadores facetados. Han sido pioneros, en el uso de este tipo de interfaz, sitios web como Amazon o Ebay.

    Los buscadores facetados se caracterizan por:

    • Ofrecer una sumarización basada en propiedades que caracterizan específicamente a los resultados mostrados. Por ejemplo, si se trata de mostrar obras de arte, podrían ser autor, museo, época, estilo, escuela, técnica, etc.
    • Cada posible valor de la propiedad es una opción de refinamiento de la búsqueda. Por ejemplo, una vez buscadas obras de arte sobre caballos, se dispone de una lista con estilos. Eligiendo uno de ellos, Barroco, se obtendrían 14 cuadros. De ellos, observamos que uno de los autores es Velázquez, con lo que llegamos a 3 cuadros: precisión y pertinencia
    • Las opciones de refinamiento ofrecen resultados posibles. En el ejemplo anterior, no es posible elegir como autor a Goya, ya que ninguna de sus obras correspondería al estilo barroco. Es un defecto frecuente de algunos sistemas de búsqueda la posibilidad de combinar opciones de búsqueda que no devuelven resultados.

    Las tecnologías de la web semántica posibilitan extender esta clase de buscadores a repositorios de contenidos menos estructurados que los elementos de un catálogo, como es el caso de los grandes buscadores mencionados, por ejemplo, de una gran base de noticias o de videos anotados. El resultado natural de implantar un modelo de búsqueda basada en un facetado con sumarización es una mayor precisión en los resultados, un mayor tiempo de permanencia, así como la posibilidad de facilitar a los usuarios tanto especializados como ordinarios un espacio de descubrimiento de conocimiento. Las máquinas pueden computar el conjunto de relaciones entre todas las entidades y atributos contenidos en un grafo, lo que no resulta posible para una persona, por muy experta que sea en la materia.

    El segundo negocio tiene que ver con la posibilidad de generar nuevos relatos en un dominio específico (periodístico, educativo, cultural, turístico) utilizando la capacidad de las máquinas para realizar inferencias automáticas sobre el conjunto de relaciones explícitas entre el conjunto de entidades que conforman el grafo y de presentarlo de un modo útil y atractivo para los usuarios. Los relatos basados en sistemas de inferencia automáticos posibilitan desarrollar un discurso a partir del interés manifestado por una persona por un conjunto de entidades, mostrando entidades relacionadas de diverso modo con la requerida y extendiendo, por tanto, con posibilidades nuevas de descubrimiento de conocimiento y navegación, las posibilidades de diálogo y conversación entre las personas y los contenidos representados en el grafo de conocimiento. Imaginemos una noticia que trata de Manuel Fraga, la máquina puede inferir de las relaciones implícitas en el grafo su relación con otros políticos del PP, o con personas de AP, o con aquellas personas que fueron redactores de la constitución,  y abrir a partir de cada uno de esos atributos de Fraga hilos de inferencia y, por ende, de exploración y descubrimiento de conocimiento. Un relato de esta naturaleza propone un viaje y alienta la curiosidad y el instinto por saber más y aprender de las personas. En definitiva, visto desde este modo de generación de relatos automáticos, un grafo multiplica las posibilidades de permanencia y de páginas vistas.

    En tercer lugar, la publicación dinámica semántica (Semantic Dynamic Publishing) de un grafo de conocimiento contiene todas las páginas webs posibles que se pueden realizar con ese contenido y, lo que es aún mejor, estas se pueden pintar automáticamente si existe un sistema de interrogación adecuado. Así por ejemplo, el grafo de conocimiento del Museo del Prado, incluye las páginas web del bodegón español del siglo XVIII, el de los desnudos femeninos del siglo XVII en la Escuela Italiana o el de los retratos reales en el siglo XVI. Todas estas búsquedas pueden ser en el caso del Prado el correlato de una posible exposición dedicada.

    Supongamos lo mismo con una base de noticias. La BBC utilizó la publicación semántica dinámica en el Mundial de Fútbol de Sudáfrica de 2010. Construyó un gran grafo de conocimiento que contenía a los jugadores, los entrenadores y otros profesionales relacionados con los equipos, las selecciones, los países a los que pertenecían esas selecciones, las sedes...Todo ello le permitió mantener más de 700 páginas web (una por jugador, por equipo, por sede...) sin un gran equipo de editores. La publicación dinámica semántica posibilita generar páginas web ad hoc de un suceso específico, de una persona o conjunto de ellas, de un evento, a muy bajo coste. A su vez, la publicación de información especializada just in time sobre asuntos de actualidad genera tráfico, visitas y eventualmente registro y suscripciones.

    Dado que un grafo de conocimiento puede mostrar su información de múltiples maneras, listas, mosaicos, mapas, timeline, etc... y que también puede realizar inferencias que posibilitan a los usuarios descubrir conocimiento, algunas o muchas de estas utilidades pueden ser ellas mismas sólo accesibles para usuarios registrados o para suscriptores. La mayor parte de la gente aceptará registrarse y suscribirse si con ello accede a una experiencia de conversación con los contenidos de la web realmente superior, de manera que las ventajas que la tecnología ofrece para el diálogo entre las personas y las máquinas pueden convertirse en registro y eventualmente en suscriptores.

    Un grafo de conocimiento, en la medida en la que anota o identifica las entidades de los contenidos, permite valorizar esos mismos contenidos para fines distintos de aquellos para los que originalmente fueron concebidos. Así, por ejemplo, buena parte del trabajo que se realiza en un periódico o una televisión puede tener un valor educativo, turístico o cultural también. Esos contenidos podrían eventualmente tomar parte o enlazarse a través de sus entidades con grafos cuyos contenidos primarios fueron pensados para otros sectores. También pueden desarrollar un nuevo valor intrínsecamente informativo, al facilitar la construcción de presentaciones nuevas de los mismos, por ejemplo a través de portales verticales. De hecho, la facilidad para construir y mantener portales verticales puede ser una de las mayores formas de valorizar una gran base de contenidos a través de un grafo de conocimiento.

    Finalmente y dado que un grafo de conocimiento dota de un corazón semántico a una gran base de conocimiento, resulta posible desarrollar un potente negocio basado en ofrecer a cada usuario de manera proactiva información ad hoc y contextual asociada con sus intereses, en especial a aquellos que están registrados o son suscriptores y cuyos datos, de hecho, pueden ser incorporados como parte del propio grafo de conocimiento. La capacidad para personalizar la información y por ende la publicidad constituye una de las principales posibilidades de un grafo de conocimiento que represente también de manera semántica a los usuarios y sus interacciones.

    Por último, la representación semántica del contenido tiene un evidente impacto en el posicionamiento y, en consecuencia, en el tráfico. Dado que, de todos los debates sobre las posibilidades de la web semántica, este es el más conocido y comentado, y dado también que la pelea por las audiencias y por el tráfico es una de las más importantes y extendidas de la web, y considerando por último que la ordenación de los resultados de búsqueda está, hoy en día, en una situación monopolística, creemos que es necesario dedicar a este punto un capítulo específico.

    1.3SEMANTIC SEO O EL DEBATE SOBRE CÓMO DESARROLLAR UNA ESTRATEGIA SEO GANADORA

    La batalla por posicionar los contenidos ha resultado ser, en la práctica, la de entender lo más precisa y rápidamente posible las preferencias de los grandes agregadores a la hora de presentar el contenido como resultado de una determinada búsqueda. El problema en este momento de la instalación de la sociedad del conocimiento, caracterizado por una gran abundancia de información y una creciente escasez de atención, es que esta lucha ha terminado por ocupar el centro del conjunto de estrategias que caracterizan el combate por la prevalencia en la web. Es natural que así sea, pero aquí, como en todo, la posesión de tecnología diferencial puede determinar el resultado final de la riña.

    La construcción de la web semántica como grafo de conocimiento ha debido entrar en conversaciones laterales, y también muy generales, que poco tenían que ver con su visión original, pero que han resultado ineludibles desde que los principales buscadores se asociaran a partir de 2010 en schema.org con el fin de desarrollar un modelo de metadatos semánticos que pudiera resultar accesible para las agencias de comunicación y publicadores web no especializados. Resulta inevitable apuntar aquí que el proyecto de los grandes jugadores en el ámbito de la búsqueda y especialmente de Google era anotar la web y que el premio para los colaboradores era mejorar, bajo ciertas restricciones o condiciones, su posicionamiento. Así es como empezó la historia de los metadatos y los microformatos y como se relacionó un gran proyecto de anotación semántica vinculado con la construcción de un grafo de conocimiento con el posicionamiento web y con la estrategia SEO. Es evidente que Google aprecia la semántica, pero especialmente aprecia los ficheros RDF.

    Con relación al tema de los microdatos y los microformatos creo que el tema de fondo, aunque no sólo, debería ser el hecho de que alguien, una empresa, un publicador, un medio de comunicación... que posea gran contenidos propio, original y de calidad decida construir un grafo de conocimiento que enlace todas las miles de entidades de sus diversas colecciones de recursos entre sí, que, además, acumule varios cientos de miles de atributos a través de los cuáles se pueda viajar o navegar o formular preguntas (queries) iteradas que posibiliten recuperar la información de un modo no previsto por el administrador y no dependiente de un algoritmo que funcione con un conjunto de reglas fijas y administradas a priori. Ese grafo debería responder a un modelo ontológico normalizado que eventualmente permitiría incorporar al mismo información descrita también ontológicamente por terceros y, por tanto, enlazarlo con el de otras organizaciones que utilicen un modelo semejante o simplemente con entidades homólogas de grafos heterogéneos. Si alguien hace esto, desde luego que puede atender y soportar en su estrategia SEO cualquier modo de anotación semántica solicitado por los principales jugadores en el campo de la búsqueda.

    El lenguaje técnico que utilizamos para describir ese grafo interpretable o decodificable por las máquinas es OWL-RDF; y el modo "natural" en el que incrustamos algunos atributos del RDF en el HTML se denomina RDFa, que es lo que permite que los robots de búsqueda consuman información semántica del RDF desde el HTML. Ello tiene efectos en el posicionamiento, como ya hemos dicho. Pero lo importante es el RDF que, sin descuidar lo que pueda tener de interés en SEO a través de su publicación resumida en forma de RDFa, es el que posibilita estrategias HCI (Human Computer Interaction) orientadas a explotar el grafo de conocimiento subyacente de manera relevante para las personas y, por ende, abre el camino a nuevos modelos de negocio basados en el descubrimiento de conocimiento y en la presentación de conocimiento relevante just in time.

    Dicho esto el problema suele consistir en discutir, no acerca del grafo de conocimiento y de una verdadera estrategia semántica, sino sobre la bondad de los microdatos frente al RDFa y, en última instancia, frente al RDF en el marco de una conversación que considera que toda estrategia semántica tiene sentido en el marco de una batalla por el SEO, lo que resulta ser, como hemos tratado de mostrar, un punto de vista que no toma en cuanta algunas de las posibilidades más relevantes de la web semántica.

    En todo caso, creemos que no existe (ni existió) tal batalla entre formatos, ni una situación de "microdatos vs RDFa", al menos para los grandes consumidores de dichos datos: los robots de búsqueda. La situación actual es que Google, y el resto de sistemas de búsqueda, quieren los datos que están implícitos en las páginas HTML, y parece no importarles mucho el formato usado, siempre que éste sea estándar. En este sentido, cabe indicar que schema.org es un "estándar de facto", creado y promovido por 4 empresas (dependiente por tanto de Bing, Google, Yahoo y Yandex), y no de una entidad certificadora independiente, como W3C, IEEE o ECMA; mientras que RDFa y RDF son estándares de World Wide Web Consortium (W3C).

    Hay que señalar que los Microdatos existentes se refieren a un conjunto ontológico generalista y bastante reducido. Además, el método de extensión de vocabularios y tipos de entidades definido en schema.org, que se acaba de modificar este mes de mayo, parece poco robusto, si de lo que ese trata es de soportar proyectos altamente expresivos.

    Como hemos indicado en este texto, en el core de nuestra arquitectura está la publicación de datos síncrona con la publicación del contenido como tal (HTML). Comenzamos a analizar en profundidad este asunto en el año 2011, definiendo nuestra solución actual (HTML + RDFa + RDF), y publicando algunos posts que os invitamos a consultar:

    A finales del año pasado, publicamos un nuevo post con nuestra visión sobre el estado actual de esta cuestión: El posicionamiento web y la Web Semántica. Semantic SEO

    Dicha visión sobre SEO (que no es más que una de las explotaciones posibles de un grafo de conocimiento) se puede resumir en:

    • Hay que ofrecer datos incrustados a los buscadores.
    • El formato puede ser microdatos o RDFa. Nuestra solución estándar (por la que hemos optado en GNOSS) ofrece RDFa, pero podríamos ofrecer Microdatos (recordando que hay que elegir uno de los 2) si fuera necesario.
    • Además de los datos incrustados en HTML, en GNOSS ofrecemos una vista RDF que sólo contiene los datos, pudiendo incluir propiedades adicionales a las incluidas en HTML+RDFa.

    Llegados a este punto, ¿por qué RDFa en lugar de Microdatos para una web basada en estándares de Web Semántica? Creemos que este pregunta tiene sentido en el caso de que se utilicen modelos de referencia (y no tanto en proyectos más informales de anotación semántica donde la relación entre el RDF y el RDFa puede ser mucho más casual)

    Un caso que puede entenderse con claridad es aquel que utiliza algún modelo de referencia, como es el caso de los museos que utilizan el vocabulario CIDOC-CRM. Los microdatos de schema.org ofrecen un vocabulario con diversos tipos de entidades, entre los que se encuentra CreativeWork, que podríamos aplicar en este caso, y que tiene subtipos más específicos como Painting o Sculpture. Sin embargo, estos subtipos no tienen propiedades específicas.

    Si revisamos las propiedades de CreativeWork nos encontramos con que podríamos usar las siguientes:

    • description. A short description of the item.
    • image. An image of the item. This can be a URL or a fully described ImageObject.
    • name. The name of the item.
    • alternativeHeadline. A secondary title of the CreativeWork.
    • author. The author of this content.
    • citation. A citation or reference to another creative work, such as another publication, web page, scholarly article, etc.
    • contentLocation. The location depicted or described in the content. For example, the location in a photograph or painting.
    • dateCreated. The date on which the CreativeWork was created.
    • keywords. Keywords or tags used to describe this content. Multiple entries in a keywords list are typically delimited by commas.
    • mentions. Indicates that the CreativeWork contains a reference to, but is not necessarily about a concept.
    • character. Fictional person connected with a creative work.

    Por nuestra parte, el HTML que estamos generando para nuestros proyectos de museos contiene las siguientes propiedades RDFa, provenientes de las ontologías y vocabularios CIDOC y FRBR (simplificamos la escritura del nombre de las propiedades para que sean legibles por humanos):

    Propiedades similares a Microdatos:

    • has_note. Descripción de la obra.
    • shows_visual_item. Imágenes de la obra.
    • has_title. Título de la obra
    • author.
    • is_documented_in. Trabajos documentales sobre la obra (con su título, autor, fecha, editorial y páginas)
    • has_current_location. Situación de la obra en el museo. Por ejemplo, "Sala 014".
    • has_current_location_type. Por ejemplo, "Expuesto".
    • textDate. Fecha de la obra, en texto. Por ejemplo, "Hacia 1632".
    • tagLabel. Cada una de las etiquetas de la obra.
    • represents_object. Objetos representados en la obra. Por ejemplo, "laúd" o "violín".

    Propiedades no disponibles en Microdatos:

    • movedFrom. De dónde llegó la obra, por ejemplo, "Colección Real (Convento..." 
    • identifier. Por ejemplo, "P01167".
    • used_general_technique. Técnica de la obra, por ejemplo "Óleo".
    • employed_support. Soporte de la obra, por ejemplo "Lienzo".
    • dimension. Medidas de la obra.

    Esto es un ejemplo que muestra la mayor expresividad del RDFa y, sobre todo, la del RDF que le sirve de soporte y fuente.

    Finalmente, conviene indicar que la representación RDF de cada obra contiene, además de los expresados en RDFa, los demás datos de la obra. Se trata de la información que está disponible como facetas de búsqueda, pero que tal vez no se incluya en la ficha de la obra (ni en el HTML ni, por tanto, en el RDFa), como la "Escuela" o las demás propiedades relacionadas con Iconografía (Tema, Fauna, Flora y Personajes u otras posibles). Ello dota al grafo de una enorme plasticidad y expresividad y, por ende, de unas grandes posibilidades de extenderlo mediante el recurso de enlazarlo con grafos homólogos o incluso, con entidades concretas de grafos heterogéneos (como estamos haciendo ahora con Didactalia). También de desarrollar nuevos servicios y funciones sobre esa clase de atributos que sólo están en el RDF y no en el RDFa. Ello podría dar lugar, siempre y cuando existieran actores decididos a ello, a realizar la World Wide Web de un modo un tanto diferente a cómo actualmente la conocemos, esto es, no como un gigantesco listado o unas páginas amarillas, sino organizada en un conjunto de espacios temáticos que acumulen información vinculada con un determinado ámbito de conocimiento o realidad de un modo significativo y útil para distintas audiencias. Así en el futuro podría existir una web de datos enlazados, o basada en un grafo de conocimiento, educativa o cultural o de biología molecular, o de viajes de aventura o de…, en el que el conocimiento relevante se muestre y sea interrogable sobre la base de entidades y atributos enlazados. Esto finalmente podría dar como resultado una geometría de la web diferente a la que conocemos, basada en un conjunto de web de datos que expresan y explotan un conjunto de grafos especializados de conocimiento. En todo caso, en la web actual o en cualquier modo en el que la web se desarrolle, la batalla por el SEO será, como hemos dicho al principio de este apartado, una batalla ineludible por prevalecer en un mundo donde la información es un bien que tiende a la hiperabundancia y la atención, por el contrario, un bien cada día más escaso.

     

    Ricardo Alonso Maturana. CEO GNOSS.

    Logroño, junio 2015.

     

    ...

    Artículo

    /

    Publicado el 13.11.2014 por Equipo GNOSS

    La Web Semántica y sus aplicaciones. Linked Data y su evolución

    En junio de 2013, Andrés Pedreño, fundador de la Biblioteca Virtual Miguel de Cervantes e impulsor como CEO de Universia (2000-2004), nos invitó a participar en UniMOOC, una plataforma de cursos gratuitos para emprendedores promovida por varias universidades españolas y grandes instituciones privadas.

    Ricardo Alonso Maturana, CEO de GNOSS, compartió con los alumnos de la Universidad de Alicante, en una sesión grabada, los motivos que le llevaron a la creación de GNOSS. Hizo un repaso de las principales caraterísticas que definen la Web Semántica y Linked Open Data, que son las tecnologías, estandares y herramientas utilizadas como base para la creación de GNOSS. 

    Recopilamos aquí el conjunto de videos que conforman dicha intervención en la que se expone:

    ...

    Categorías:

    Artículo

    /

    Publicado el 27.2.2013 por Ricardo Alonso Maturana

    Escenario Linked Open Data en industrias culturales

    La NISO (National Information Standards Organization) es una organización estadounidense sin ánimo de lucro fundada en 1939 dedicada a desarrollar, mantener  y publicar estándares técnicos  y normas técnicas relacionadas con el ámbito de las publices, los datos bibliográficos y la documentación bibliotecaria. Forman parte de esta organización las principales Universidades, Bibliotecas,  empresas tecnológicas , y  sociedades de investigación americanas. (Miembros)

    En septiembre de 2012,  la NISO dedicó su publicación trimestral (ISQ: Information Standards Quartely) a abordar el estado de la cuestión relativa a la aplicación de Linked Open Data en las instituciones de la memoria: museos, archivos y bibliotecas. Más de 60 páginas que compilan interesantes artículos sobre los aspectos teóricos y sobre todo prácticos de la cuestión.

    Todd Carpenter, director ejecutivo de NISO afirmaba:

     “El cambio que está acaeciendo hacia un modelo de datos vinculados (linked data) en bibliotecas y otras instituciones culturales, representa uno de los cambios más profundos que nuestra comunidad está enfrentando. A la vez que altera por completo la forma en que siempre hemos descrito y catalogado la información bibliográfica, ofrece enormes oportunidades para hacer esta información accesible y utilizable en contextos más amplios, en la comunidad  global que supone la web”.

    Este hecho confirma la importancia creciente que la aplicación de la web semántica, concretada en el movimiento linked data  está generando en las Instituciones de la Memoria estadounidenses , en el mundo anglosajón, y en el mundo en general.

    Del conjunto de artículos destacan aquellos que exponen experiencias prácticas que se están llevando a cabo en la aplicación de linked data en el sector cultural:

    • Jane Stevenson en su artículo Linked Lives describe el trabajo  que se está llevando a cabo para estructurar y vincular los datos relativos al conjunto de datos existente en los archivos del Reino Unido.
    • Seth van Hooland, Rubén Verborgh y Rik Van de Walle reflexionan en su artículo Joining the Linked Data Cloud in a Cost-Effective Manner sobre la necesidad de generar mecanismos previos que permitan abrir y vincular los datos de una forma efectiva y eficiente. Para ello muestran cómo herramientas interactivas de uso general de transformación de datos, como Google Refine, pueden ser utilizadas para realizar eficientemente la tarea previa de limpieza y refinamiento de datos necesaria que preceda a la apertura de los datos vinculados.
    • Ted Fons, Penka Jeff, y Linked Richard Wallis debaten en su artículo OCLC's Linked Data Initiative sobre el uso de Schema.org en WorldCat para que los datos de las bibliotecas sean más relevantes y visibles en la web.
    • Antoine Isaac, Clayphan Robina, y Haslhofer Bernhard explican en su artículo In Europeana: Moving to Linked Open Data cómo los metadatos para más de 23 millones de objetos culturales  que se están agregando en la gran iniciativa europea EUROPEANA, se están estructurando basándose en un modelo  con RDF.

    Además de estos artículos, es interesante la presentación que Jon Voss  realiza en su artículo Linked Open Data for Libraries, Archives, and Museums (LODLAM) State of Affairs,  del evento anual que se celebrará en junio de 2013 en Montreal donde se darán cita todos los proyectos relacionados con la aplicación de linked data a las instituciones de la memoria (LODLAM Summit) y será un excepcional escaparate para comprobar las experiencias más novedosas y el grado de avance en esta materia.

    Por último, es destacable dada su clara vinculación con el mundo educativo el trabajo presentado por Thomas Elliott, Sebastian Heath, John Muccigrosso. En este trabajo se informa sobre la creación del Linked Ancient World Data Institute, un organismo encargado de promover y propalar la los recursos digitales culturales-educativos relacionados con las disciplinas de los estudios clásicos gracias a las oportunidades que brinda los datos abiertos y enlazables.

    ...

    Categorías:

    Artículo

    /

    Publicado el 30.11.2012 por Ricardo Alonso Maturana

    Linked (open) Data en la Open University. Investigación en tecnologías semánticas

    El Knowledge Media Institute (KMi) es el responsable de la estrategia de datos abiertos de la Open University (OU). El KMi es un centro de investigación de la OU que trabaja con intensidad en el terreno de las tecnologías semánticas. Su cometido se centra fundamentalmente en los campos de la ingeniería ontológica, la representación del conocimiento, la interoperabilidad y el data linking. Entre sus trabajos más reseñables destaca el citado proyecto de Linked Open Data de la OU, la primera plataforma de datos enlazados en el mundo universitario, que cuenta con más de 20.000 documentos reutilizables, entre los que se incluyen papers, grabaciones de clases, cursos completos…

    En la actualidad, el KMi cuenta con 80 personas en distintos grupos de investigación ubicados en las siguientes líneas de trabajo: Future Internet, Knowledge ManagementMultimedia & Information SystemsNarrative HypermediaNew Media SystemsSemantic Web & Knowledge Services y Social Software. En todos los casos, el KMi hace especial énfasis en el vínculo y las posibles aplicaciones de las tecnologías semánticas y la formación y educación. El trabajo de los investigadores se refleja en hasta 130 proyectos. El KMi tiene su propio ‘termómetro’ para valorar la relevancia (Hot, Active y Classics) de cada uno de los proyectos en función del momento de desarrollo de sus trabajos. Como introducción al panel de proyectos del KMi, destacamos los siguientes:
     

    • LUCERO Linking University Content for Education and Research Online.
    • LinkedUP Linking Web Data for Education Project – Open Challenge in Web-scale Data Integration.
    • DECIPHER Digital Environment for Cultural Interfaces; Promoting Heritage, Education and Research.
    • LUISA Learning Content Management System Using Innovative Semantic Web Services Architecture.
    • EUCLID Educational Curriculum for the usage of LInked Data.
    • SocialLearn Learning on the open, social web.
    • Multimedia Digital Libraries New Paradigms for Browsing & Search.
    • Living Human Digital Library Technical infrastructure for the Living Human Project.
    • mEducator  Multi-type Content Repurposing and Sharing in Medical Education.
    • ROLE Responsive Open Learning Environments.
    • LTfLL Language Technology for Lifelong Learning.
    • SILVER Semantic Interactive Learning Visualisation Environment Research. 

    Entre los proyectos destacados, consideramos de especial interés a LUCERO, la iniciativa a partir de la que la Open University construye su plataforma de Linked Open Data. El investigador Mathieu d’Aquin explica en la presentación Building the Open University Web of Linked Data las bases y posterior desarrollo del proyecto.

    ...

    Artículo

    /

    Publicado el 3.9.2012 por Ricardo Alonso Maturana

    El futuro próximo de las tecnologías semánticas en la educación, la universidad, los media y la empresa: análisis de la Semantic Technology and Business Conference 2012 (SF, Londres y NY)

    El nombre de estas conferencias es una declaración de intenciones: demostrar que la aplicación de tecnologías semánticas en servicios y empresas es un hecho, superando el estado de investigación académica que a menudo se le atribuye. No es extraño que sea el mercado anglosajón quien promocione este enfoque, centrando cada  presentación en casos prácticos y aplicaciones concretas. Esta es la descripción del tipo de presentaciones que buscan:

    "The Semantic Technology & Business Conference (SemTechBiz) is the foremost conference series on semantic technologies held each year, and covers a wide range of topics that are redefining the landscape. Please note that we are seeking compelling and thought provoking practitioner depictions of real-world experience.

     

     

    We strongly favor presentations that include:

    • In-depth case studies
    • Step-by-step how-to's
    • Real brands
    • Solid data and results

    Priority consideration is given to speakers with hands-on implementation experience and broad industry knowledge. Precedence is also given to presentations offering actionable ideas and substantive answers to specific, real-world questions (share the mistakes along with the successes!)".

    Durante este año se celebra esta conferencia en Berlín (febrero), San Francisco (junio), Londres (septiembre) y Nueva York (octubre). Aún sin conocer el programa final de la conferencia de Nueva York, a partir de los que se ha presentado en San Francisco y de lo previsto en Londres se pueden extraer interesantes conclusiones respecto al momento de aplicación de las tecnologías semánticas en negocios y servicios.

    En primer lugar, algunos gigantes tecnológicos están tomando posiciones explícitas en este mercado. Por una parte, IBM y Oracle, con enfoques diferentes, se presentan como proveedores de soluciones de explotación de datos e inteligencia empresarial, usando tecnologías semánticas. Oracle profundiza en la relación entre sus soluciones de bases de datos relacionales y su producto de almacenamiento y consulta de grafos (RDF), proporcionando soluciones de minería y descubrimiento de información. IBM presume de sus sistemas de inteligencia artificial, análisis del lenguaje natural y búsqueda semántica, cuyo mayor exponente ha sido el proyecto Watson y su triunfo en el programa de televisión Jeopardy. IBM, además, ha sido Gold Sponsor de la conferencia de San Francisco, enlazando hacia sus productos y servicios ECM: “Content in Motion, Delivering content in motion for better business value”. Las presentaciones y paneles en que han participado estos grandes jugadores han tratado sobre la explotación del conocimiento implícito en cantidades masivas de datos o, dicho de otro modo, en cómo responder a la pregunta por el sentido y la interpretación en un nuevo contexto caracterizado a la vez por la enorme capacidad de los sistemas instalados y los nuevos desarrollos basados en sensores para producir datos hasta el nivel de los terabytes, a la par que nuestra viejo modelo de computación profundamente administrada se muestra incapaz de afrontar el desafío. Como podéis ver en la enumeración de las presentaciones que os ofrezco a continuación, la capa semántica completará los sistemas de gestión e inteligencia de nuestras empresas y nuestras ciudades y, de hecho, se convertirá en el modo "inteligente" de hablar con ellos:

    • You have Terabytes Worth of Triples, Now What? -- Mining Insights from Your Semantic Data Store, con Xavier Lopez y Zhe Wu, de Oracle Corporation: “Representing data in graph (triples) format is indispensable but not the whole story; you need to make sense out of the millions or billions of triples you have gathered. The dearth of business intelligence (BI) and data mining (DM) tools for RDF data leaves an analyst little choice but to run SPARQL queries, and perform logical inferences as the only way to analyze semantic data
    • PANEL: Linked Enterprise Data Patterns, con David Wood, de 3 Round Stones Inc, Arnaud Le Hors, de IBM y Ashok Malhotra, de Oracle: “Linked Data is rapidly becoming an alternative mechanism for data integration within large enterprises and a means of connecting the disparate APIs of enterprise software products.
    • Future Directions in Social Search and Analytics at IBM, con Bob Foyle, de IBM: “Search applications can be greatly enhanced when they incorporate relationships between the query, the content and the people analyzing information and the content itself.”
    • SCRIBE, a Semantic Model that Help Cities Become Smart, con Rosario Uceda-Sosa, de IBM: “Despite the progress made in semantic technologies and standards, semantic industry-strength models in complex domains are few and hard to use. However, data semantics is at the core of complex, heterogeneous and siloed systems like smart cities.”
    • Deriving Social Insight from Existing Business Applications, con Marie Wallace, de IBM: “In this presentation we will examine how we can we apply social analytics to a existing business application which is not a “social application” per sei. We will demonstrate how these applications hide a rich set of social and semantic links within their underlying schemas, relationships that may be well hidden and distributed across a myriad of tables and cells, but they are there nonetheless and can be represented as a socio-semantic graph on which social analytics can be easily applied.”
    • Bringing Location Analysis to the Semantic Web with the OGC GeoSPARQL Standard, con Matthew Perry y Xavier Lopez, de Oracle: “The Open Geospatial Consortium has recently introduced the GeoSPARQL standard for spatial query on the Semantic Web. Spatial data is pervasive on the Web, and standards from the OGC play a critical role in location-based applications that we use every day. GeoSPARQL standardizes key features, such as spatial datatypes and SPARQL extension functions, that will bring the Geo Web into the Semantic Web.”
    • Benefits and Applications of W3C's Provenance Standards in Enterprise Semantic Web Applications, con Reza Bfar, de Oracle: “This session will give a brief-overview of the current work going on by W3C's Provenance group. Most of the session will focus on why enterprise applications should implement it, some of the architectural benefits the standard offers, and how enterprise customers will benefit from its implementation.”
    • Semantic Spend Classification: The Convergence of Unstructured Data Processing, Semantics and Data Mining, con Arivoli Tirouvingadame, de Oracle: “Spend Classification is the process of managing how to spend money effectively in order to build products and services. The term is intended to encompass such processes as outsourcing, procurement, e-procurement, and supply chain management. Spend Classification is a key component of spend management that classifies transactional spend data into standard spend taxonomies thus enabling rich Spend Analytics. This data is typically highly unstructured in its nature but has deep value. Unlocking the value buried in this data requires synergistic use of linguistic text processing techniques, data mining and business intelligence resulting in high value results to the organization.”
    • Watson Goes Back to School - And what it tells us about the evolving role of semantic technology, con Christopher Welty, de IBM Research: “However, over time, the failure of the AI community to achieve this end-to-end vision made many, especially those in NLP, question the endpoint. In other words, to doubt the value of semantic technology. In this talk, we show that it was the vision, not the technology, that deserved to be doubted. Semantic technology has significant value in accomplishing tasks that require understanding, but it is not the endpoint.

    En segundo lugar, empresas como Google, Yahoo, Microsoft y Yandex, promueven la semantización de la Web mediante la iniciativa de microdatos schema.org, incrustando metadatos en el código HTML de las páginas. Como resultado, son cada vez más capaces de aplicar y vender sus sistemas de búsqueda en mercados verticales, como viajes o productos, con resultados más ricos en facetas y contextos. Las presentaciones en las que han participado son:

    • Semantic Search, con Thanh Duc Tran de AIFB y Peter Mika de Yahoo. “In this tutorial, we aim to provide a comprehensive overview on the different types of semantic search systems, and discuss the differences in the techniques underlying them. Both the application of Semantic Web technologies to the IR problem and vice versa, the application of IR techniques to Semantic Web problem are covered by this tutorial. In particular, focus is given to four topics of semantic search which have attracted much interest recently
    • PANEL: Schema.org, con Ivan Herman, de World Wide Web Consortium, Alexander Shubin, de Yandex, Dan Brickley, de Google, Evan Sandhaus, de New York Times Company, Jeffrey W. Preston, de Disney Interactive Media Group, John Giannandrea, de Google, Peter Mika, de Yahoo, R.V. Guha, de Google y Steve Macbeth, de Microsoft: “Just prior to the 2011 SemTechBiz Conference in San Francisco, Google, Yahoo, and Bing announced the creation of schema.org. Since that time, the effort has enjoyed a lot of attention and activity.

    Además de estos grandes players tecnológicos, importantes empresas basadas en el conocimiento, en sectores como la educación, los medios de comunicación o las ciencias de la salud, están desarrollando productos y servicios basados en tecnologías semánticas. No se trata de proyectos marginales o de investigación, sino que más bien expresan el inmediato mainstream tecnológico, a la par que muestran una estrategia de fondo y una apuesta clara por el uso de tecnologías semánticas. Estas grandes empresas sectoriales se están apoyando, para el desarrollo de estos productos y servicios, en un conjunto de empresas tecnológicas que se ofrecen como proveedores de soluciones y servicios en el ámbito de la semántica, y que, en la actualidad, son mucho menores en tamaño que los grandes proveedores anteriores. Son este conjunto de empresas que ahora emergen las que, en los últimos años, han realizado la transición la investigación a las aplicaciones y las que han construido la paleta de soluciones que hará de las tecnologías semánticas las tecnologías estrella en IT en el futuro inmediato. 

    Grosso modo, entre este conjunto de empresas podemos distinguir tres grupos: aquellas que son proveedores de soluciones de computación y bases de datos, las que lo son de plataforma y, por último, aquellas que ofrecen servicios a la carta, fundamentalmente de representación del conocimiento. En el siguiente cuadro pueden verse el conjunto de empresas de servicios que patrocinan o participan de algún modo en estos eventos. No están todas las que son, pero son todas las que están. Probablemente esta lista aumentará antes del cierre de la convocatoria del evento de Nueva York, previsto para el 15 de octubre.

     

    Semantic Technology and Business Conference 2012

     

    San Francisco 2012

    Londres 2012

    New York 2012

    Epimorphics Ltd (Reino Unido)

     

    Silver

     

    Fluid Operations (Alemania)

    Silver

    Silver

     

    Ontoba (Reino Unido)

     

    Sponsor

     

    Poolparty (Austria)

    Silver

    Exhibitor

     

    Cambridge Semantics (R.U.)

    Silver

     

    Silver

    Franz Inc (EEUU)

    Exhibitor/Sponsor

     

    Silver

    Orbis Technologies (EEUU)

    Silver

     

    Silver

    REvelytix (EEUU)

    Gold

     

    Silver

    Stardog (EEUU)

    Exhibitor/Sponsor

     

    Silver

    Yarcdata (EEUU)

     

     

    Silver

    Bigdata by systap (EEUU)

    Exhibitor/Sponsor

     

    Sponsor

    Ontotext (Bulgaria)

    Platinum

     

     

    IBM (EEUU)

    Gold

     

     

    beInformed (Holanda)

    Silver

     

     

    Elsevier (Holanda)

    Silver

     

     

    Profium (Finlandia)

    Silver

     

     

    TopQuadrant (EEUU/RU)

    Silver

     

     

    Expert system (Italia)

    Exhibitor/Sponsor

     

     

    Fynydd (EEUU)

    Exhibitor/Sponsor

     

     

    iQSer (Chequia)

    Exhibitor/Sponsor

     

     

    Knowledge Based Systems

    (EEUU)

    Exhibitor/Sponsor

     

     

    Morgan & Claypool Publishers

    (EEUU)

    Exhibitor/Sponsor

     

     

    Pure Discovery (EEUU)

    Exhibitor/Sponsor

     

     

    SindiceTech (Ireland)

    Exhibitor/Sponsor

     

     

    SkyTech Solutions (EEUU)

    Exhibitor/Sponsor

     

     

    Tom Sawyer Software (EEUU)

    Exhibitor/Sponsor

     

     

     

    Como hemos señalado anteriormente, el impacto de estas tecnologías va a resultar particularmente importante en algunos sectores, como pueden ser los de la educación, la educación superior, las ciencias de la salud y los medios de comunicación. Entresacamos a continuación las participaciones y conferencias que nos han parecido de mayor interés y alcance en estos sectores mencionados:

     

    EDUCACIÓN Y UNIVERSIDAD

    • LONDRES: Building a Linked Data Graph for Education Tom Heath, Talis Education Ltd: "Just as a social and professional graph have emerged through Facebook and LinkedIn, so too is an education graph emerging describing connections between students, teachers and the learning resources they use. The Talis Aspire application allows university lecturers to create lists of learning resources for a particular course, which are then expressed according to the Linked Data paradigm"

    Paper relacionado: Talis Aspire: Assembling and Applying an Education Graph based on Learning Resources in Universities

    • LONDRES Y SAN FRANCISCO: Linked Data at Pearson: The Proof is in the Putting Madi Weland Solomon, Pearson Plc: "This presentation offers up a recent Pearson proof of concept to reveal the promise of Linked Data as a path to approach issues such as DAM, Enterprise Taxonomy Management, Enterprise Search, and even alignment of content to education standards".
    • NUEVA YORK: Watson Goes Back to School - And what it tells us about the evolving role of semantic technology Christopher Welty, IBM Research: "In the traditional vision of AI, understanding flowed from perception through language to knowledge. It had always been envisioned that this understanding would be in some precise and unambiguous knowledge representation, and that all meaning processing would happen in this representation. This is the root of all semantic technology today".
    • SAN FRANCISCO: Project schoolKID: Linked School Data Hans Constandt, ontoforceTom Vankemmel, schoolKID: "SchoolKID (school Knowledge and Information dashboards) helps principals & their administration to address bottlenecks associated with finding scattered information about students with powerful but simple, attractive dashboards".

     

    BIO-FARMA

    • CONFERENCIA DE LONDRES

    Semantic Drug Research: Discovery of New Biomarkers and Phenotypes by Text Analytics Carlo A. Trugenberger Co-founder and Chief Scientific Officer / InfoCodex Semantic Technologies AG: "The ultimate goal of semantic technologies and text analytics is to devise software that can "understand" the meaning of free text in the practical sense of providing new, actionable information condensed out of a body of documents".

    A Faceted Browser for Drug Discovery: Integrating & Querying Big Data Hans Constandt Senior Consultant Information Integration / Eli Lilly: "Our project that joins the capabilities of semantic information integration & faceted browsing visualization. Faceted visualization of linked data spanning internal, external public and subscribed sources can provide an effective and generally applicable mechanism for deriving knowledge from the wealth of available integrated information. Any data source semantically exposed and woven into an information graph becomes available for faceted browsing access. This includes sources ranging from drug discovery to clinical development and operational support functions".

    Using and Improving the D2RQ Open-source RDB to RDF Mapping Tool Didier E. Chalon Data architect, New Medicines Informatics / UCB Pharma s.a.James Snowden Senior Scientist, New Medicines Informatics / UCB Celltech: "D2RQ is an open-source, freely available, relational database to RDF mapping technology. Its features and performance in a corporate environment have led UCB to identify it as the preferred tool for several data integration scenarios - with however possibilities for improvement in different areas".

    • CONFERENCIAS DE SAN FRANCISCO Y NUEVA YORK

    Using Linked Semantic Data in Biomedical Research and Pharmaceuticals: "This presentation and discussion includes key pharmaceutical Information experts on the value and promise of linked semantic data. Areas to be discussed will include: Drug Development, Clinical Data, Genomics, Regulatory, and Personalized Medicine".

    Faceted Search and a Slick UX for Integrating and Querying Big Data Hans Constandt Co-founder - ontoforce: "This project specifically joins the capabilities of semantic information integration & faceted browsing with slick and easy to use interfaces for multiple pharma and biotech mining internal and external data".

    Semantic Web Technologies in Life Sciences: Prejudices, Limitations, Advantages and Use Cases Martin Romacker Senior Knowledge Engineering Consultant Novartis Pharma AG: "Large-scale initiatives like openphacts in chemistry or biomart in the biological domain witness the increasing importance of having data available in a semantically reusable way with open access".

     

    MEDIOS DE COMUNICACIÓN

    • CONFERENCIA DE LONDRES

    Dynamic Semantic Publishing Empowering the BBC Sports Site and the 2012 Olympics Jem Rayfield Lead Technical Architect / BBC Borislav Popov Head of semantic annotation and search - Ontotext Lab / Peter Haase Lead Architect R&D fluid Operations: "It describes the latest developments in the transformational technology strategy the BBC Future Media & Technology department is using to evolve from a relational content model and static publishing framework to a fully dynamic semantic publishing (DSP) architecture".

    En cuanto a la BBC, te recomiendo que veas la presentación relacionada BBC Dynamic Semantic Publishing, que hemos subido en la comunidad NextWeb de gnoss.com

    • CONFERENCIAS DE SAN FRANCISCO Y NUEVA YORK

    rNews: The most versatile way to mark up Publishing Metadata Andreas Gebhard Managing Editor Getty Images, Inc.Evan Sandhaus Semantic Technologist - New York Times Company: "The International Press Telecommunications Council (IPTC) released rNews 1.0 in October 2011 after one year of development and community outreach work. With the integration into schema.org, rNews has quickly become the most versatile way to mark up publishing metadata in a Semantic Web compliant way".

    Omnimedia: Keeping It Simple: A Case Study in Shifting Expectations Barbara E McGlamery Taxonomist Martha Stewart Living Omnimedia: "This case study will compare how two companies approached the challenges involved with defining realistic objectives for using the Semantic Web and what obstacles were encountered in the development process".

    Semantics at Tribune Company Keith P DeWeese Director, Information and Semantics Management -The Tribune Company: "The Tribune Company has been working with various semantic technologies for years, but a formal semantic program was not until 2007. This presentation will cover the foundation of that program, achieved, lessons learned, and the forward-looking view the Tribune Company regarding a suite of semantic technologies that it will deploy in the future".

    Using the Semantic Web for online Sports News Stories Daniel Schwabe Professor Dept. of Informatics, PUC-Rio / Rafael Pena Product Owner of the Sports Data System Globo.com: "We present the use of a Domain Model for Soccer, together with a Discourse Model, were used to identify story leads for the largest Brazilian sports news website".

    AP Metadata Amy Sweigert Vice President of Information Management The Associated Press: "With the introduction of AP Metadata Services, the Associated Press is offering a standardized AP News Taxonomy, which in combination with the AP Tagging Service enables the automated creation of rich, semantic metadata".

    Agence France-Presse brings businesses the next generation of personalized news delivery/services with semantic technology. Janne Saarela CEO ProfiumErick Briere, Agence-France Presse: "AFP selected a semantic technology solution for managing personalized customer subscriptions supporting both the scalability and the high-availability requirements needed for today's real-time global news distribution business".

     

    En conclusión: todo parece apuntar que las tecnologías semánticas han alcanzado el grado de madurez y de legitimación tecnológica suficiente como para ser bien aceptadas en el conservador mundo de los negocios, especialmente en algunos sectores y funciones, como creemos haber mostrado. Esta noticia irá llegando en oleadas en los próximos meses, modificando profundamente algunas costumbres y enfoques y, por ende, la cultura IT de muchas organizaciones y empresas.

    ...

    Artículo

    /

    Publicado el 16.12.2011 por Ricardo Alonso Maturana

    ¿Hay alguna iniciativa que relacione la gestión de la identidad con los datos enlazados?

    Recientemente se ha presentado la versión 1.0 de WebID (Web Identification and Discovery: http://www.webidsupport.com/). Es una especificación de autenticación con linked data en su núcleo, producida por un grupo de trabajo del W3C: http://webid.info/spec.

    Existe una aparente contradicción entre un sistema de autorización y un sistema basado en datos enlazados abiertos: "Si pedimos a la gente que se autentique es porque hay algo que proteger, algo que cerrar." Esto no es necesariamente así, ya que se puede usar la autenticación para ser aún más abierto.Por ejemplo, la mayoría de los sitios web son de solo lectura, porque no se puede confiar en todos los usuarios de la web. Pero se podrían usar relaciones de tipo "amigos de amigos" para autorizar la escritura de audencias más amplias que las actuales.

    Una red social global, que además fuera distribuida, requiere que cada persona sea capaz de controlar su identidad, que esa identidad sea enlazable entre sitios, y que sea posible autenticarse globalmente. Con una autenticación distribuida es más sencillo que cada persona proteja sus recursos y defina su privacidad.

    Además, WebID se puede usar, usando un protocolo sencillo como HTTPS, para automatizar la autenticación de robots, que pueden ser agentes trabajando en representación del usuario, ayudándole en sus tareas diarias. 

    La autenticación WebID se basa en la existencia de certificados de usuario. Al igual que ya sucede en GNOSS, se asume que el usuario puede tener varias identidades (personal, trabajo, asociativo, etc.), cada una con su propio certificado.

    ...

    Artículo

    /

    Publicado el 14.12.2011 por Ricardo Alonso Maturana

    Explotación de metadatos embebidos: posicionamiento, recuperación de la información y generación de contextos

    En artículos anteriores de Watermelon he ido escribiendo algunas entradas sobre la web de los datos y su relación con nuevos sistemas de búsqueda. Estas entradas son:

    Además de las técnicas de posicionamiento tradicionalmente aplicadas al HTML (lo que podemos denominar SEO orgánica), Google, Bing y otros motores de búsqueda recomiendan el uso de metadatos embebidos en el HTML. El uso que dan a estos datos es doble. 

    • Primero, consiguen información más detallada del significado del documento, es decir, más semántica. Los metadatos embebidos definen expresamente que un texto es el nombre de una película, o las calorías de una receta, o el autor de un libro. Esto les permite presentar unos resultados de búsqueda más ajustados, e incluso que cada resultado tenga una presentación enriquecida con precios, valoraciones de los usuarios, autores, etc.
    • Segundo, los más importantes motores de búsqueda están promoviendo verticales de sus servicios, de manera que la búsqueda de recetas, viajes o libros pueda hacerse en páginas específicas. En dichas páginas se presentan facetas de búsqueda (por ejemplo, para filtrar recetas por ingrediente), que solo pueden ser obtenidas desde metadatos semánticos incrustados en el HTML.

    Ninguno de estos motores ha especificado aún el peso que confieren a la existencia de metadatos respecto a los otros parámetros conocidos de posicionamiento, ni siquiera al nivel cualitativo que suelen hacerlo. Sin embargo, la recomendación de uso está ahí y es clara.

    Pasemos ahora al asunto de los formatos. Google declara leer RDFa y microformatos, además de microdatos, el reciente estándar que promueve junto a Bing y Yahoo. Por otra parte, nos consta que indexa y posiciona el contenido RDF asociado al HTML.

    En nuestra opinión, una solución completa en este ámbito, que aporte el máximo valor de posicionamiento, además de las técnicas HTML habituales debería componerse de:

    • RDFa embebido, con vocabularios estándar para expresar las entidades reconocidas por los motores de búsqueda.
    • Microformatos, si la información se refiere a alguna de las entidades de las especificaciones aprobadas (como hCard para personas, o hCalendar para eventos), o a alguno de los más prometedores o exitosos borradores (como hProduct o hRecipe).
    • Microdatos, aún cuando la especificación, por su inmadurez, no llegue a cubrir el total de los datos expresados en los otros formatos.
    • RDF vinculado al HTML, que permita el enlace de datos y la construcción de contextos que enriquezcan la información.

    Esta es la solución que hemos puesto en marcha en www.mismuseos.net, por ejemplo y en otros lugares de GNOSS.

    Reconociendo la importancia del posicionamiento en buscadores de los recursos, el problema de la representación del conocimiento implícito en un recurso quedaría muy incompleta si no consideráramos a la vez otras explotaciones del mismo. Este es el asunto del que se ocupa la Web Semántica.

    La Web semántica incide en el problema de falta de significado comprensible por las máquinas en los documentos Web, que, como consecuencia, dificulta una mejor explotación de los datos y la construcción de una Web de los datos y Web de los datos enlazados. Esta mejora debería verse en aplicaciones o sistemas conocidos, como las búsquedas, asistentes personales o sistemas de recomendación; y en sistemas incipientes o por llegar, como  descubrimiento de datos, análisis de tendencias, estudios emocionales, identidad digital, etc.

    La Web Semántica resultará tanto más útil en la medida en la que las máquinas comprendan de un modo más preciso y profundo el significado de los recursos, lo que depende críticamente de la expresividad de los formatos de representación del conocimiento que utilicemos y, en este sentido, OWL-RDF no tienen competencia. Si lo que queremos es desarrollar un sistema de recuperación de la información eficiente e intuitivo, un sistema de generación de contextos pertinentes y poco ambiguos, o un sistema de recomendación inteligente, los microformatos y microdatos resultarán claramente insuficientes para muchísimas explotaciones verticales. Esto refuerza lo que hemos denominado un poco más arriba “solución completa en este ámbito”, pero en cierto modo invierte el orden de las prioridades: convendrá utilizar un estándar ontológico o vocabulario en primer lugar, para reforzarlo con microdatos y microformatos cuando de comunicarse con los buscadores se trate.

    Imagen vía: https://promocionmusical.es/

    ...

    Artículo

    /

    Publicado el 18.10.2011 por Ricardo Alonso Maturana

    Web semántica, web de los datos y estándares de representación del conocimiento

    La comunidad tecnológica de la Web semántica ha sufrido últimamente 2 polémicas respecto a las tecnologías de soporte. Por un problema de comunicación intrínseco a la profesión de ingeniero, a veces parece que la web semántica sea sólo un conjunto de estándares, y las herramientas generadas en torno a ellos. Desde luego, esto no es así: igual que la Web no es el HTMLXHTMLCSSXML (estándares del W3C) oJavascript (estándar ECMA, mantenido por Mozilla Foundation) que componen sus páginas, la Web semántica no es RDFOWLSPARQL, o Turtle (también estándares del W3C), o cualquier otro acrónimo más o menos conocido.

    La Web semántica incide en el problema de falta de significado comprensible por las máquinas en los documentos Web, que, como consecuencia, dificulta una mejor explotación de los datos, y la construcción de una Web de los datos y Web de los datos enlazados. Esta mejora debería verse en aplicaciones o sistemas conocidos, como las búsquedas, asistentes personales o sistemas de recomendación; y en sistemas incipientes o por llegar, como  descubrimiento de datos, análisis de tendencias, estudios emocionales, identidad digital, etc.

    La primera de las polémicas se plantea en el uso de los estándares y tecnologías para la recuperación y explotación de datos. Según Glen Macdonald, diseñador y product manager de Needlebase (una base de datos de grafos y plataforma de explotación de datos, propiedad de ITA Software, a su vez adquirida por Google en abril de 2011), lo importante no son los estándares, sino proporcionar a los usuarios un interfaz comprensible, y un lenguaje de consulta más sencillo. Siguiendo con su razonamiento, criticaba RDF y SPARQL por poco expresivos para la gente. Es fácil estar de acuerdo con esta opinión, igual que si se refiriera a XHTML, SQL, CSS o Javascript: no son muy expresivos para la gente, aunque han servido para construir la web. En mi opinión, Macdonald confunde, interesadamente, los estándares y tecnologías con la Web semántica, aunque también es cierto que muchos de los desarrollos sobre la Web semántica se han centrado en la tecnología y poco en la gente. Además, Macdonald olvida que la búsqueda y exploración de información son sólo una parte de la Web de los datos: ¿cómo enlazar datos con datos sin estándares? O, echando la vista atrás, ¿cómo se enlazarían documentos con documentos sin un lenguaje de marcas estándar para todos ellos, es decir, sin el estándar HTML?

    La segunda de las polémicas se centra en el modo de expresión de los datos en bruto, origen de la mayoría de las páginas Web dinámicas. Como ya explicamos en un post anterior, una de las opciones pasa por la incrustación de marcas dentro del HTML de las páginas, con 3 posibilidades: microformatos, RDFa y microdatos. La iniciativa Schema.org, apoyada por Bing, Google y Yahoo, propone, desde Junio de 2011, el uso de microdatos, porque “…los microdatos ofrecen el equilibrio entre la posibilidad de ampliación de RDF y la sencillez de los microformatos…”. . En primer luhar, hay que señalar que, desde la comunidad de datos enlazados, se ha recibido Schema.org como algo positivo, ya que es un paso importante hacia la creación de la Web de los datos. Como contribución y esfuerzo complementario, esta comunidad ha creado el sitio Web schema.rdfs.org, para dar soporte al uso y puesta en marcha de Schema.org, especialmente enfocado a los datos enlazados.

    Volviendo a las características enunciadas en los microdatos,  es cierto que la extensibilidad es algo mayor que en los microformatos, pero también que el nivel de sencillez (o dificultad) respecto al RDF o RDFa no es muy diferente.

    Si se compara la extensibilidad con el RDF, llegamos a un problema de estandarización, y de quien controla los estándares. Supongamos que un usuario quiere extender la clase Product de Schema.org, para incluir datos de automóviles: peso, medidas, cilindrada, potencia, etc. Si lo extiende por su cuenta, tiene 2 problemas. Primero, aunque Schema.org podría adoptar su extensión, si ha tenido éxito, pudiera ser que produjeran una propia, para el mismo ámbito. Segundo, y más importante, nadie, ni los robots de búsqueda, entienden a priori la nueva extensión. Podría hacerse una comunicación ad hoc del nuevo formato, externa a Schema.org, y proporcionar la documentación que explique el funcionamiento y la naturaleza de los datos extendidos. La verdad, esto suena a antiguo y, desde el punto de vista técnico y de imagen, sorprende que alguna de las empresas promotoras, tan habitualmente puristas en el uso de estándares abiertos, hayan propuesto esta solución.

    Esto no sucede con RDF, donde, para empezar, los estándares son abiertos, y no propiedad de empresas. Por supuesto que es posible que alguien reinvente la rueda. Sin embargo, la posibilidad de conseguir enlazar datos con datos, si se siguen las recomendaciones de reutilización de vocabularios y ontologías en su publicación, es suficiente premio al esfuerzo, que en realidad no es tal. Además, el vínculo obligatorio entre los datos RDF y una ontología accesible y pública que los defina, consigue una auto-expresión de los datos, y posibilita su comprensión mecanizada.

    La decisión técnica de Schema.org podría tener una explicación de otro tipo, si se piensa en la iniciativa adoptada recientemente por Facebook. Como es sabido, Facebook mantiene una apuesta fortísima de construcción de plataforma, que permita a otras empresas generar más y más desarrollos que complementen la funcionalidad. Pues bien, dando un paso más, Facebook ha implementado la obtención y enlazado de datos en formato RDF, desde las funciones de su API. Esto, además de convertirles de facto en el más importante nodo de datos enlazados, supone un respaldo de primer orden a los estándares de W3C.

    ...

    Artículo

    /

    Publicado el 18.10.2011 por Ricardo Alonso Maturana

    Datos enlazados / Linked data: Formatos de presentación y posicionamiento en buscadores

    El enlazado de datos (linked data) es una de las aplicaciones derivadas de los conceptos que componen la Web Semántica. Como es bien sabido, la web es un conjunto de documentos enlazados. Una de las promesas conceptuales de la web semántica, que podemos considerar una realidad incipiente (ver linkeddata.org), es la construcción de una web de datos enlazados, enlaces que pueden construirse y/o seguirse de manera automática por máquinas que comprenden los datos.

     

    Muchas páginas web (HTML) se componen dinámicamente desde datos estructurados, habitualmente almacenados en bases de datos. Para que estos datos estén disponibles, respondiendo al exhorto “Raw data now!” de Tim Berners-Lee (algo así como ¡datos en bruto ya!), tenemos 2 posibilidades, ya que puede ser muy difícil su recuperación desde el HTML.  

    La primera opción pasa por la incrustación de datos estructurados dentro del código HTMLde las páginas. Aunque es posible construir islas de datos dentro del HTML, lo más habitual es la inserción en el código HTML de microformatosRDFa o microdatos. En particular, los microdatos son la opción de la iniciativa Schema.org, que comparten Google, Microsoft y Yahoo. Como se indica en las páginas de schema.org“…muchas aplicaciones, especialmente buscadores, pueden beneficiarse enormemente del acceso directo a los datos estructurados…”. En otro post comentaremos los posibles motivos de la elecciónde lo que llaman microdatos; aquí nos limitaremos a indicar que se trata más de una creación que de una elección, y que la apuesta de Facebook por la expresión RDF de todos los datos de su plataforma puede tener que ver.

    Sean los datos incrustados microdatos, microformatos o RDFa, su propia naturaleza es una ventaja y una desventaja. Como ventaja, incorporan datos que proporcionan información de valor para robots de búsqueda. Si bien no está claro el nivel de importancia de la presencia de dichos datos en los resultados presentados actualmente por los buscadores, parece claro que esperan un beneficio a la hora de indexar y presentar la información.

    Como desventaja, la presencia de los datos dentro del HTML obliga a la descarga completa de la página, cuando menos, para obtener unos bytes de datos estructurados. De hecho, esto hace difícil pensar en aplicaciones distintas a los robots de búsqueda, que ya están obligados a leer e interpretar el HTML completo.

    Por el contrario, la segunda opción pasa por servir, exclusivamente, los datos estructurados origen del HTML de la página. Esto puede hacerse por medio de URLs específicas, o solicitando a la misma URL de la página Web un tipo de datos diferente del HTML. El consorcio W3C propuso RDF (Resource Description Framework) como marco estándar de representación de información/datos en la Web, enfocado desde su creación al consumo y enlazado de datos: el uso de URIs (identificadores uniformes de recursos) para identificar objetos o entidades en la Web, la semántica de cada dato expresada desde su definición ontológica, la extensibilidad, etc.

    Un práctica recomendada por el W3C (casi obligatoria, diríamos nosotros) es la reutilización de ontologías y vocabularios estándares (comúnmente aceptados) siempre que existan, de modo que la interpretación y enlazado de los datos se facilite.

    Sea cual sea la elección, lo que no parece una opción recomendable, ni presente ni futura, es la presentación, para su consumo como datos abiertos, de datos estructurados en formatos propietarios o poco expresivos (XML, XLS, CSV, PDF, JSON), usando además una definición de datos propia. No posibilita el enlace de los datos, y su consumo no es mucho más fácil que si se extrajeran desde un HTML.
     

    ...

    Etiquetas: