Information Retrieval: van specialisme tot commodity

information retrieval: van specialisme tot commodity

online zoeken - 1980-2014

Eric Sieverts@sieverts

UB Utrecht HvA-MICGO Opleidingen

IBW UA - 4 april 2014

Eric Sieverts, IBW-UA, 4-4-2014

informatievoorziening van specialisme tot commodityhet komt nu gewoon "uit de muur"

maar soms wel wat veel .......

2

de geschiedenis in één slide .....



verbinding met "The Cloud" anno 1980

datacom-kosten (PTT) : ca f 0,30 / kB

online informatie zoeken kunnen we al meer dan 40 jaar

4

online verbinding anno 1980:300 baud acoustisch modemmet thermische lijnprinter

5 Eric Sieverts, IBW-UA, 4-4-2014

online in1985: draagbare IBM PC met "domme terminal" software en 1200 bit/s modem


ARPAnet 1969

7

en internet is zelfs nog ouder ….

webzoekmachines zijn er al 20 jaar

webcrawlerin 1993 de eerste die ook tekst uit de pagina zelf indexeerde

8

lycosin 1994 de eerste "echte", met bijna 1,5 miljoen pagina's

9


altavistain 1996 de nieuwste grootste, met ruim 30 miljoen pagina's

10



Google vierde vorig jaarzijn 15de verjaardag

11

agenda• informatiegroei / informatieinflatie

– wetenschap

– web

– data

• vinden van "al" die informatie– zoektrends voor de wetenschap

• resultaten vergelijking Scopus - WoS - Google Scholar

– zoektrends voor het web

• Google - meer of minder / beter of slechter

• semantisch zoeken


1. de wetenschap

groei van te vinden informatie

overhead sheet bijcolleges ca. 1985

bronnen:• Derek de Solla Price• Gale Directory• Ulrich's• ...


10

100

1000

10000

100000

1000000

10000000

100000000

17

20

17

40

17

60

17

80

18

00

18

20

18

40

18

60

18

80

19

00

19

20

19

40

19

60

19

80

20

00

20

20

schatting jaarlijks aantalwetenschappelijke publicaties

aantal tijdschriften

al 260 jaar verdubbeltjaarlijks aantal wetenschappelijkeartikelen elke 14 jaar

en aantal tijdschriftenook zo ongeveer


10

100

1000

10000

100000

1000000

10000000

100000000

17

20

17

40

17

60

17

80

18

00

18

20

18

40

18

60

18

80

19

00

19

20

19

40

19

60

19

80

20

00

20

20

schatting jaarlijks aantalwetenschappelijke publicaties(Sieverts 1981-1994)

10

100

1000

10000

100000

1000000

10000000

100000000

17

20

17

40

17

60

17

80

18

00

18

20

18

40

18

60

18

80

19

00

19

20

19

40

19

60

19

80

20

00

20

20

schatting jaarlijks aantalwetenschappelijke publicaties(Sieverts 1981-1994)

na (exponentiële) groei met factor 100.000neiging tot verzadiging?

NRC 12 maart 201116 Eric Sieverts, IBW-UA, 4-4-2014


10

100

1000

10000

100000

1000000

10000000

100000000

17

20

17

40

17

60

17

80

18

00

18

20

18

40

18

60

18

80

19

00

19

20

19

40

19

60

19

80

20

00

20

20

schatting jaarlijks aantalwetenschappelijke publicaties(Eric Sieverts, 1981-1994)

jaarlijks aantalwetenschappelijke publicaties(NRC-Handelsblad, maart 2011)

exponentiële groei blijkt na 280 jaar toch nog niet afgevlakt

wetenschappers raken niet op?

• meer in china en india• nog meer "publish or perish" • …. ?

17

publish or perish

©18

extrapolatie naar 2024 ?

30 miljoen wetenschappelijke artikelen per jaar ?? database Scopus bevat dan 100 miljoen artikelen? Web of Science bevat dan 90 miljoen artikelen? Pubmed bevat dan 50 miljoen artikelen

maar blijven het (alleen) klassieke artikelen?


"what next" voor wetenschappelijk publiceren ?• ook blogs

• ook tweets

• ook onderzoeksdata

• klassieke artikelen ontleed / opgesplitst tot "nanopublicaties":afzonderlijke beweringen die beschreven worden als RDF-tripels (zelfde techniek als voor "linked open data")

DNA variant NG_000007.3:g.70628G>A (Subject) has a frequency (Predicate) of 0.25% (Object). The assertion holds for the Sardinian population Provenance includes authors of the article (Giardine et. al.),the date when the nanopublication was created, et cetera.

voorbeeld

nog meer "items"

20

Barend Mons, Jan Velterop, et al., Nature Genetics 43, 281–283 (2011) doi:10.1038/ng0411-281


trend: fragmentering van informatie

willen we dan nog naar artikelen zoeken

of naar die losse feiten of fragmenten?


2. het web

groei van te vinden informatie

23


Dutch Home Pagenajaar 1993

Dutch Home Pagezomer 1994

gegevens aanvankelijk uit:

1998

hoeveel doorzoeken webzoekmachines?

20011995


1

10

100

1000

10000

100000

1000000

1992

1994

1996

1998

2000

2002

2004

2006

2008

2010

aantal miljoenenwebpagina's in grootstezoekmachine(verschillende bronnen)

15 jaar langverdubbelde elk jaar het aantal webpagina's in de grootste zoekmachine

content in betaalde online bronnen

milj

oene

n w

ebpa

gina

's?

hoeveel doorzoekenwebzoekmachines?

zie: Eric Sieverts. Van Lycos tot Google.in: NRC 9 februari 2013, special "Slimmer zoeken op internet" http://sieverts.pbworks.com/f/NRC_Lycos_Google.pdf


http://sieverts.pbworks.com/f/NRC_Lycos_Google.pdf




but presently:

• do we want to find any page?

• does Google want to index any page?

• what is a web page anyhow?

september 2012: Google knew about the existence of30 trillion URL's 30,000,000,000,000

various estimates:presently about500,000,000,000 indexed pages


extrapolatie naar 2024

4 biljard webpagina's in Google? (4.000.000.000.000.000)

maar blijft Google alles indexeren

en blijven het webpagina's?



linked open data

• met linked open data komen losse feiten en gegevens gestandaardiseerd op internet beschikbaar

• in de linked open data cloud zijn al duizenden datasets met vele biljoenen RDF-tripels toegankelijk

• Google's Knowledge Graph bevat al miljarden gegevens

3030

31

van web totlinked data

Tim Berners Lee:1989: "invented" the WWW2004: proposed the "semantic web"2006: designed "linked data"

as a step towards realisation of the semantic web

http://www.ted.com/talks/tim_berners_lee_on_the_next_web.html

http://www.youtube.com/watch?v=3YcZ3Zqk0a8

dbpedia: data from Wikipedia

last.fm: artists

geonames:6.2 M toponyms

BBC: wildlifefinder

project GutenbergIMDB

music brainz

Reuters:openCalais

viaf: virtual internationalauthority file

LCSH

NY times

Flickr

"linked open data cloud" - 31 miljard data online – 504 miljoen links daartussendoor standaardisering van dataformats en metadata,

kunnen computers betekenis van die data "begrijpen" en die data gebruiken

rechtspraak.nl

sept 2011

http://dbpedia.org/

http://dbtune.org/artists/last-fm/

http://www.geonames.org/ontology/

http://www.bbc.co.uk/wildlifefinder/

http://www4.wiwiss.fu-berlin.de/gutendata/

http://linkedmdb.org/

http://fgiasson.com/blog/index.php/2007/05/22/browsing-musicbrainzs-dataset-via-uri-dereferencing/

http://viewer.opencalais.com/

trend: fragmentering van informatie

zoeken we in 2024 nog naar webpagina's of naar losse feiten en fragmenten?


informatiegroei

informatie of data ?

&

informatieinflatie© Foam Amsterdam


informatie of data?informatieinflatie

2000 Hall & Varian onderzoek:

gezamenlijk produceerden we dat jaar 1,5 exabyte (miljard gigabyte) informatie en dat verdubbelt elk jaar

(maar: is dat informatie of zijn het data?)

2011 uit een "infographic":in 2010 produceerden we gezamenlijk 2 zettabytes :

2 x 1021 bytes (2000 miljard gigabyte)

en dat verdubbelt elk jaar

[d.w.z. ruim 300 GB per persoon]35 Eric Sieverts, IBW-UA, 4-4-2014

informatie of data?informatieinflatie

elk jaar verdubbelt aantal bytes dat we produceren is dat groei of inflatie?

• TXT documentje met mijn tekst: 50 kBvideoregistratie van mijn lezing: 500 MBdezelfde informatie(!?) maar 10.000 x zoveel data

• berichten op het web worden 100-voudig gerepliceerd, herblogd en geretweet

• van alles maken we ongecoördineerd back-ups

• ...



YouTube groeit met 100 uur per minuut

datavloedgolf

2011 - 1 biljoen YouTube filmpjes bekeken

2012 - Internet Archive: 10 PetaByte (1016)

2013 - 100 uur video per minuut YouTube - 4000 foto's per seconde Facebook

- 250 miljard foto's op Facebook

- 540 miljard tweets in Topsy zoekmachine

2014 - Beeld & Geluid (NL): 15 PetaByte



5 MB harde schijf in 1956

2 TB in 2013

prijs van opslagmedia:

in 1956: $ 7000 / MB / jaar lease

in 2013: $10 / TB (= $ 0,00001 / MB)

dataopslag

41

1051 atomen

2110: ~1051 bits

2024: ~1026 bits (10 yottabyte)

2010: ~1022 bits

2000: ~1019 bits (1 exabyte)

onze jaarlijkse data productie

??

exponentiële groei blijftvoortduren ?

42

"grenzen aan de groei"

• minder produceren?

• niet alles (willen) bewaren?


vinden van die informatie

1. de wetenschap

43

vinden van wetenschappelijke informatie

1980 - 2005 - in bibliografische databases

belang van metadata - zoektermenuit thesauri en classificaties gestructureerd booleaans combinerenversnipperd aanbod

2005 - 2014 ….


zoeksystemen voor gestructureerde informatie (bibliografisch, metadata, ….)

• basis: booleaanse building block methode

• functionaliteit zeer stabiel (conservatief?) databases bij host Dialog waren tot vorig jaar nog vrijwel net zo te bevragen als 35 jaar geleden (als je dat wilde)

• ….

veiligheid lange tunnelsveiligheidveiligonveiligheidbeveiligingveiligheidsmaatregelen....

langlengte...

tunnelsverkeerstunnelsautotunnelsspoortunnels....

OR OR

ANDAND



• ….

• zeer exacte zoekresultaten (aantallen)

• ook moderner uitziende interfaces (Ovid, Proquest, Ebsco, LexisNexis, …) nog niet erg gebruiksvriendelijk

• automatisch "vervangend zoeken" ten behoeve van gecontroleerd vocabulair (thesaurus) nog niet heel algemeen (wel bij PubMed, Ovid)

• automatisch "generiek zoeken" (zoekvraag uitbreiden met specifiekere begrippen - uit thesaurus) nog niet heel algemeen (wel bij PubMed)

• elk systeem heeft zijn eigen interface (en eigen zoeksyntax)



willen aanbieders hiermee gebruikers blijven trekken, dan moet • het er net zo makkelijk (& aantrekkelijk?) uitzien als

• het net zo makkelijk lijken als

• het een "experience" opleveren

discovery tools proberen dit wel te bieden >>

bij aanbieders van bibliografische databases

is dat allemaal (nog) meestal niet het geval



1980 - 2005 - in bibliografische databases

belang van metadata - zoektermenuit thesauri en classificaties gestuctureerd booleaans combinerenversnipperd aanbod

2005 - 2014 - in "discovery tools"- in Google Scholar

belang van woorden uit de full-text (ongecontroleerd vocabulair)"bag of words" zoekactieséén ingang


2000 - 2013discovery toolavant la lettre

51

201152

Eric Sieverts, SIG-CI, 1-11-2012

2011

year of the webscale discovery tools

53


kenmerken "discovery tools"– ranking van resultaat op basis van best match

– facetten op basis van standaard formele kenmerken (parametrisch zoeken) - metadata!

– beperken tot materiaal waarvoor toegang (licenties)

waardoor discovery = delivery



van google zijn we dat gewend

in fysieke bibliotheek was dat gewoon

maar in deze voorbeelden isde discovery wat beperkt .......

discovery = delivery





– de catalogus is erin geïntegreerd

maar is die geschikt voor "discovery" ?


voor informatie zoeken zijn (waren?) bibliotheekcatalogi geheel ongeschikt

voorbeeld: boek van 480 bladzijdenmet onderwerpsindex van 14 dichtbedrukte bladzijdenmet inhoudsopgave van 5 blz. met 21 hoofdstukken en 117 paragrafen

in een catalogus beschrevenmet 1 onderwerpscategorieen 1 (daaraan identiek!) trefwoord


zelfs user-tags in Librarything bieden maar weinig meer zinvolle ingangen vergeleken met die inhoudsopgave

metadata in een bibliotheekcatalogus kunnen wel eens problematisch zijn

voorbeeld: boek van 480 bladzijdenmet onderwerpsindex van 14 dichtbedrukte bladzijdenmet inhoudsopgave van 5 blz. met 21 hoofdstukken en 117 paragrafen

58

de 21 hoofdstukken op de bijbehorende website

een paar van de 117paragrafen uit de TOC





– de catalogus is erin geïntegreerd

kenmerken Google Scholar– in ranking spelen citaties grote rol

nieuwste informatie wordt benadeeld **>>

– geen metadata, maar patroonherkenning

– vaak meer versies van artikelen, waarbij soms ook gratis (bijv. uit Institutioneel Repository)



2012 - 2013 : UB Utrecht onderzocht – of eigen "discovery tool" Omega afgesloten kon worden

(leed onder wet van de remmende voorsprong)

– of Google Scholar en/of al aanwezige betaalde zoeksystemen als Web of Science en/of Scopus alternatief vormden voor nieuw in te richten discovery tool

– of catalogus t.z.t. als zoekhulpmiddel afgedankt kon worden

uitkomst: • meer nadruk op delivery dan op (eigen) discovery • verder met Google Scholar + Scopus + WoS

– met verbeterde link resolving

– met gerichte communicatie naar gebruikers


Eric Sieverts

@sieverts

Bianca Kramer

@MsPhelps

onderdeel uit

dat onderzoek

62

acromioclavicular joint fracture surgery

greenhouse emission dairy cattle

dangling bond passivation amorphous silicon

"verbal memory" children dyslexia

ethnicity "residential areas"

"sarbanes oxley" compliance legislation

modern literature cultural continuity

Medicine

Biology

Physics

Law

Humanities

Social sciences

Geosciences

Medicine Physics Biology

Geosciences Social sciences Law Humanities

Overlap Scopus / Web of Science

7 search queries

# p

ublic

atio

ns

← results Scopus + WoS

Scopus / WoS results found in Google Scholar ?

# p

ublic

atio

ns


7 search queries Scopus

1st 100 Google Scholar results: in Scopus / Wos ?

7 search queries Web of Science

2

1st 100 Google Scholar results: in Scopus / Wos ?



Scopus



Web of Science

78

vinden van die informatie

op het web: voorkeur slingert tussen zoekmachine en ontsluiting

yahoo! directory

yahoo! directoryopen directorystartpagina's

lycosaltavista

google

web-2.0tagging/folksonomies

1990

2013

zoeken ontsluiten

semantisch zoeken

semantisch webcontent curation

80

webzoekmachines• introduceerden best-match zoeken (i.p.v. booleaans)

• (ca. 1997) van "most of the terms" "all of the terms"

• (ca. 1998) suggesties voor alternatieve zoektermen(op basis van statistiek), vooral voor inperken van zoekactie, soms (AltaVista) ook geclusterd

(al deden online hosts ESA en Dialog anno 1985 al net zo iets, met ZOOM- of RANK-commando)

• (1998) introduceert link-statistiek als ranking parameter

• (2003-2008) suggesties voor extra termen verdwijnen weer(wel nog bij gespecialiseerde zoeksystemen)

• (2010) soort van verfijnen komt terug in de vorm van facetten (maar databases als Scopus waren daar al veel eerder mee)

• vermelde aantallen zoekresultaten kloppen van geen kant

• ….


webzoekmachines• ….• doordat je zoveel vindt, vind je ook steeds meer niet

(niet > 1000 ! ook niet bij Google Scholar)• verbeteren zoekvraag door "did you mean:"• verbreden door automatisch zoeken op woordstammen• verbreden door automatisch zoeken op synoniemen,

samenstellingen, afkortingen, enz.• verbeteren zoekvraag zonder nog te vragen "did you

mean:"• niet zoeken wat je vraagt (de ingetikte zoekwoorden),

maar wat (zoekmachine denkt dat) je bedoelt: "user intent"

• ....


maar zoekspecialisten niet meer zo tevreden door die automatismes

82

webzoekmachines• ….

• doordat je zoveel vindt, vind je ook steeds meer niet (niet > 1000 ! ook niet bij Google Scholar)

• verbeteren zoekvraag door "did you mean:"

• verbreden door automatisch zoeken op woordstammen

• verbreden door automatisch zoeken op synoniemen, samenstellingen, enz.

• verbeteren zoekvraag zonder nog te vragen "did you mean:"

• niet zoeken wat je vraagt (de ingetikte zoekwoorden), maar wat (zoekmachine denkt dat) je bedoelt: "user intent"

• (2011) introduceert "Verbatim" om toch weer"woordelijk" te laten zoeken

• ....



• is benchmark geworden voor (uiterlijk van) zoeksystemen

MAAR: syntax voor geavanceerde functies van Google (en Bing, Blekko,DuckDuckGo, ...) nog net zo ingewikkeld als Dialog anno 1980

EN: bij Google hangt zoekresultaat af van

welke browser landenversie taalinstelling of je ingelogd bent of je Google+ gebruiker bent ....

wekelijks verschijnen en verdwijnen functies en mogelijkheden (vooral bij Google)


webzoekmachines• EN:

...

in hoog tempo verdwijnen functies en mogelijkheden als "graveyard of broken dreams" :

• helemaal verdwenen: + operator, ~ synonym operator timeline, wonder wheel, toolbar, sidewiki, searchwiki, ... real time results, code search, translated search, desktop search google buzz, google wave, google directory, google reader,

iGoogle, google answers, google talk, google sets, ...

• alleen maar verstopt: advanced search & settings (onder "tandwiel”) "similar page" & "cache"-links (onder groen driehoekje) material specific search (onder "grid") Scholar, Patents, Discussions (Groups), Blogs, Recipes

helemaal niet meer genoemd (je moet URL weten) "backlink search" niet meer in advanced search …



• personalisatie van (ranking van) zoekresultaat op basis van • eerder zoekgedrag• je "sociale kring"

meer algemeen gaan we:van zoeken filteren (via sociale media)

de "filter bubble"


webzoekmachines• Google 2013: not STRINGS but THINGS

geen DOCUMENTEN maar DINGEN

geen 10 blue links maar ANTWOORDEN

van indexen op documenten (webpagina's) "graphs" van feiten en

gegevens

Google Knowledge Graph Bing Entity Engine (Satori) Facebook Graph search

semantisch web & semantisch zoeken ??


semantisch web

semantisch zoeken


Wie op “Bach” zoekt, vindt vermoedelijk liever gegevens over hem dan websites over hem.Google's Knowledge Graph kent 500 miljoen objecten met 3,5 miljard kenmerken(binnenkort ook in het Nederlands)

89

gegevens o.a. afkomstig uit: "Freebase" (crowdsourced kennisbank), Wikipedia, CIA World factbook enstatistische analyse van eigen gegevens

wat is in dit verband een "graph"? een netwerk van al die concepten met hun

onderlinge relaties en kenmerken

90

graphs zijn nu "hot"

91

social graph uit Twitter

social graph uit Facebook

relaties in Freebase


92

meer uit de Knowledge Graph

generieke vragen leveren lijstjes/"carousel",soms in meer rubrieken


maar niets overde diefstal ….

96

97

feitelijk antwoordboven gewoneresultaten


103

vergelijkingen


Bing heeft zijn "Entity Engine" (Satori)maar die reageert nog niet altijd zo slim op combinaties van woorden

105

Facebook Graph Search

alle gegevens die gebruikers registreren, worden gestructureerd opgeslagen in Facebook's graph (met gestandaardiseerde betekenis), waardoor ook gestructureerd gezocht kan worden

semantisch zoeken

drie soorten toepassingen

1. inschatten van de intentie van de zoeker - en liefst concreet antwoord in plaats van "10 blue links" (zoals bij Knowledge Graph)bijv.: zoekt mobiel in buurt van de Groenplaats naar “pizza”

>> adres van pizzeria in de buurt

2. bepalen van betekenis van woorden/tekst in documentenvooraf bij indexeren of achteraf in zoekresultaat;bijv.: herkennen van entiteiten of meegegeven metadata,

via complexe kennis van de wereld, concepten met tekst

associeren

3. automatisch aanpassen van zoekactie / zoekresultaat bijv.: toevoegen van betere en/of gerelateerde zoekwoorden,

zoekresultaat analyseren, (ook) in andere systemen zoeken


interpretatie vannatuurlijke taal om tot concreetantwoord te komen

109

1. antwoordmachines


maar willen we als informatieprofessionals wel antwoordmachines in paats van zoekmachines?

wie bepaalt wat juiste antwoord is ?

google ?

wikipedia ?

ik zelf ?

wie maakt afweging voor de juiste nuances ?

wie verzamelt voors en tegens ?

2. betekenis in documenten

• herkennen van "entiteiten" in tekstzoals namen van plaatsen, personen, bedrijven, producten, ...

• automatische categorisering door via "machine learning" getraind systeem

• gebruik van "embedded metadata" / semantische coderingbijvoorbeeld binnen (X)HTML coderingen

• inhoudelijke koppeling met geselecteerde andere bronnen bijvoorbeeld via "linked data"

• ...


sentiment detection

112

Google herkentobjecten in images

113

pinterest biedt automatisch (?) gegenereerdefilters op onder meer recepten

?

uit semantische codering

gestandaardiseerde markering van kenmerken in webpagina's

voorbeelden van “embedded metadata”:– recipe search bij Google en Yahoo– toepassing e-commerce ontology

daarbij gebruikte standaarden:– microformats / rich snippet markup / microdata / schema.org

(Google, Yahoo, Bing) onder andere voor: recepten, recencies, personen, producten, organisaties, gebeurtenissen, muziek

– RDFa


in huidig Google-interface

onzichtbaar en minder

handig geworden;

NB: alleen in google.com

bij Yahoo overzichtelijker


browser extensies (in Chrome) omembedded metadatauit pagina's te pikken

standaardisatie van kenmerken van producten

met "GR-ontologie" volgens "RDFa“ in “XHTML”

118

120


nieuwe standaard van de zoekmachinegiganten: microdata hiërarchie van kenmerken voor embeddable metadata in webpagina’s

+ nu ook Yandex

121

de concepten uit degood relations ontology zijn recent ook in schema.org geïncorporeerd

door Google, Bing en Yahoo vastgelegde standaard: microdata met hiërarchie van embeddable metadata kenmerken voor het web

microdata en RDFa

• toepassing van deze technieken is vaak "SEO-driven"

• Google biedt webmasters "Structured data testing tool" dat fouten in codering detecteert

zie blogpost op SearchEngineLand

http://searchengineland.com/how-to-use-rich-snippets-semantic-markup-to-send-rich-signals-139886



wat heeft zoeker hieraan?

• zoeker kan gerichter zoeken en filteren

(zoals in Google's receptenzoeker)

• zoeker krijgt duidelijker informatie over gevonden items

(zoals Google's rich snippets)

in semantisch webwordt van "alles"

de betekenisvastgelegd

semantisch web

om betekenis ook te kunnen begrijpen zijn"ontologieën" nodig


Originally from: http://www.emiliosanfilippo.it/?page_id=1172

ontologieën

ontologieën

"Ontology is the philosophical study of the nature of being, becoming, existence, or reality, as well as the basic categories of being and their relations"

Wikipedia

filosofie kunstmatigeintelligentie

semantischweb

127

linked(open) data


ontologieën

"een strikt en uitputtend schema voor een bepaald onderwerpsdomein, meestal in een hiërarchische structuur, die alle relevante grootheden en hun relaties bevat, alsmede de regels waaraan die grootheden en relaties binnen dat domein voldoen"

"kennis-representatie“ waarin kennis over (klein stukje van) de wereld in geformaliseerde vorm is weergegeven en die vollediger en meer complexe representatie van de werkelijkheid mogelijk maakt dan bijv. een thesaurus


semantischweb

128

linked(open) data


ontologieën

elk soort kennisorganisatiesysteem waarmee betekenisbeschreven kan worden, zoals• "echte" ontologieën• thesauri• taxonomieën• semantische netwerken• namenlijsten• concordanties• …


semantischweb

129

linked(open) data

schema.orgis ook simpele vorm hiervan


ontologieën

"conceptuele datamodellen" voor allerlei domeinen, zoals• foaf (persoonsgegevens)

• dublin core (15 velden voor vooral erfgoed)

• good-relations ontology (e-commerce)

• music ontology (muziek)

• skos (thesaurusrelaties)

• cidoc-crm (erfgoed)

definities van "velden", klassen van eigenschappen, e.d., meestal niet van hun inhouden


semantischweb

130

linked(open) data


voorbeeld van de relaties tussen concepten m.b.t.het standbeeld van Balzacdoor Rodin [CIDOC-CRM]

131

voorbeeld hoe diverse semantische standaarden

(ontologieën) via RDF werden gecombineerd

vroeger veel gebruikte standaarden voor beschrijvingselementen:• v: vcard• mo: music ontology• foaf: friend of a friend• owl: web ontology language• geo

maar worden nu algemeenvervangen door schema.org

133

oud

ontologieën

voor “ontologieën” in het kader van semantisch web en linked data is essentieel dat:

– ontologie zo beschikbaar is dat een computer-programma hem kan lezen, verwerken en interpreteren

→ vereist gestandaardiseerde notaties en formele talen om ze te beschrijven, zoals

• rdf• rdfs• owl• skos• …


fragment uit het linked dataVIAF-record voor Hugo Brandt Corstiusviaf.org/viaf/94439179/rdf.xml

135


linked data in worldcat

136

we've come a long way

van informatieschaarstenaar informatieoverload

van gespecialiseerde bestanden naar universele zoeksystemen

van complexe commandotalennaar systemen die onze vragen

begrijpen

maar :

- informatievaardige kritische gebruikers blijven nodig

- "there will always be a place for 10 blue links"


foto: Jan-Jaap Heine

Information Retrieval: van specialisme tot commodity

Technology

Transcript of Information Retrieval: van specialisme tot commodity