Παραδοτέο Π5.3 Υπηρεσίες διάθεσης των μεταδεδομένων

Transcript

1 ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ & ΘΡΗΣΚΕΥΜΑΤΩΝ ΕΠΙΧΕΙΡΗΣΙΑΚΑ ΠΡΟΓΡΑΜΜΑΤΑ «ΑΝΤΑΓΩΝΙΣΤΙΚΟΤΗΤΑ & ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑ» ΚΑΙ ΠΕΡΙΦΕΡΕΙΩΝ ΣΕ ΜΕΤΑΒΑΣΗ ΕΘΝΙΚΟ ΣΤΡΑΤΗΓΙΚΟ ΠΛΑΙΣΙΟ ΑΝΑΦΟΡΑΣ ΕΣΠΑ Παραδοτέο Π5.3 Υπηρεσίες διάθεσης των μεταδεδομένων Κωδικός Έργου: 09ΣΥΝ Τίτλος του Έργου: IS-HELLEANA - Intelligent System for HELLEnic Audiovisual National Aggregator ΕΥΦΥΕΣ ΣΥΣΤΗΜΑ ΣΗΜΑΣΙΟΛΟΓΙΚΗΣ ΕΝΟΠΟΙΗΣΗΣ ΚΑΙ ΑΝΑΔΕΙΞΗΣ TΟΥ ΕΛΛΗΝΙΚΟΥ ΟΠΤΙΚΟΑΚΟΥΣΤΙΚΟΥ ΑΠΟΘΕΜΑΤΟΣ ΔΡΑΣΗ ΕΘΝΙΚΗΣ ΕΜΒΕΛΕΙΑΣ «ΣΥΝΕΡΓΑΣΙΑ» ΕΥΡΩΠΑΪΚΗ ΕΝΩΣΗ ΕΥΡΩΠΑΪΚΟ ΤΑΜΕΙΟ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ Υπουργείο Παιδείας, Δια Βίου Μάθησης και Θρησκευμάτων ΓΓΕΤ ΕΥΔΕ-ΕΤΑΚ (Ε. Π. Ανταγωνιστικότητα και Επιχειρηματικότητα (ΕΠΑΝ ΙΙ), ΠΕΠ Μακεδονίας Θράκης, ΠΕΠ Κρήτης και Νήσων Αιγαίου, ΠΕΠ Θεσσαλίας Στερεάς Ελλάδας Ηπείρου, ΠΕΠ Αττικής)

2 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 1. Εισαγωγή Κύκλος Ζωής Μεταδεδομένων Γενική αρχιτεκτονική εξαγωγής/επεξεργασίας μετα-δεδομένων Ανάλυση κύκλου ζωής μεταδεδομένων Πολύπλευρη Αναζήτηση (Faceted Search) Είδη πολύπλευρης Αναζήτησης (Facets) Αλγόριθμος Αναζήτησης Συστεμικές Επαφές Διάθεσης Υποστηριζόμενα πρωτόκολλα Διεπαφή SOAP Διεπαφή REST Διεπαφή SPARQL Λεπτομέρειες Υλοποίησης Οπτική Επαφή Διάθεσης Πολύπλευρη Οπτική Αναζήτηση Διαλειτουργικότητα με Τρίτα Συστήματα Πρώτυπο OAI-PMH Προσαρμογή OAI-PMH στο ishelleana Συμπεράσματα Σελίδα 2 από 19

3 1. Εισαγωγή Το παραδοτέο αυτό εντάσσεται στα πλαίσια της 5 ης ενότητας εργασίας (Υπηρεσίες ανάδειξης οπτικοακουστικού υλικού). Σκοπός του παραδοτέου είναι να περιγραφούν οι υπηρεσίες διάθεσης των μεταδεδομένων που έχουν προκύψει μετά την επεξεργασία τους. Η επεξεργασία των μεταδεδομένων αποσκοπεί στον εμπλουτισμό και τη βελτιστοποίησή τους ύστερα από μια πολυεπίπεδη ανάλυση. Οι υπηρεσίες διάθεσης έχουν ως απώτερο σκοπό την αποτελεσματική πρόσβαση στο πρωτογενές υλικό. Η αναζήτηση μπορεί να γίνει μέσω πολλών διεπαφών (interfaces). Οι διεπαφές μπορούν να διαχωριστούν σε Συστεμικές (Systemic) και Οπτικές (Visual). Στο παρόν παραδοτέο θα περιγράψουμε τον κύκλο ζωής των μεταδεδομένων από τη γέννησή τους μέχρι την ανάδειξή τους αναφορικά με τους δύο τύπους διεπαφών. Σε αυτό το σημείο θα πρέπει να τονίσουμε ότι τα δεδομένα αναπαρίστανται με σημασιολογικό τρόπο. Για την επίτευξη βέλτιστης κατανόησης ο αναγνώστης καλό είναι να έχει διαβάσει το Παραδοτέο Π4.1 (Οντολογική περιγραφή μεταδεδομένων οπτικοακουστικού υλικού). Στο κεφάλαιο 2 θα περιγραφεί ο κύκλος ζωής των μεταδοδομένων. Ο κύκλος ζωής περιλαμβάνει α) την ανίχνευση της πηγής των μεταδεδομένων, β) την επεξεργασία της πηγής και την εξαγωγή της πρωτογενούς σημασιολογικής πληροφορίας, γ) τον εμπλουτισμό της πρωτογενούς πληροφορίας και δ) την τελική επεξεργασία που σκοπό έχει την αποθήκευση και διάθεση του υλικού. Στο κεφάλαιο 3 θα αναφερθούμε σε θέματα Πολύπλευρης Αναζήτησης. Είναι αυτονόητο ότι αποκλειστικός σκοπός κάθε υπηρεσίας διάθεσης είναι η αποτελεσματική αναζήτηση. Η αποτελεσματικότητα της αναζήτησης εξαρτάται από το πλήθος των παραμέτρων (facets) που αναζητούνται. Το κεφάλαιο αυτό πραγματεύεται τα 6 βασικά facets αναζήτησης. Στο κεφάλαιο 4 αναλύονται οι Συστεμικές Επαφές Διάθεσης, δηλαδή οι επαφές που διατίθενται σε τρίτα συστήματα (που δεν είναι άνθρωποι). Το σύστημα ishelleana διαθέτει διεπαφές SOAP,REST και SPARQL πάνω από τα μεταδεδομένα. Στο κεφάλαιο 5 αναλύεται μια πρωτόλεια μορφή της Οπτικής Επαφής Διάθεσης. Αν και σκοπός του παραδοτέου δεν είναι η ανάλυση της διεπαφής του χρήστη (παραδοτέο 5.5-Μ30), εν τούτοις θεωρήθηκε αναγκαίο στα πλαίσια της αρμονικής παρουσίασης των αποτελεσμάτων να παρουσιαστούν κάποια έγκαιρα αποτελέσματα σχετικά με την οπτική διεπαφή αναζήτησης. Αρχικός σκοπός της οπτικής διεπαφής είναι να αναδείξει τις υπηρεσίες πολύπλευρης αναζήτησης όπως αυτές παρουσιάστηκαν στο κεφάλαιο 3. Το κεφάλαιο 6 πραγματεύεται τη Διαλειτουργικότητα με τρίτα συστήματα. Η διαλειτουργικότητα με τρίτα συστήματα επιτυγχάνεται μέσω της υπηρεσίας διάθεσης των μεταδεδομένων με τη χρήση του προτύπου OAI-PMH. Η υπηρεσία διάθεσης με τη χρήση του προτύπου OAI-PMH κάνει δυνατή τη διαλειτουργικότητα με τη Europeana. Για το σκοπό αυτό έχει δημιουργηθεί μία βάση OAI για την αποθήκευση των μεταδεδομένων που θα διατεθούν στην Europeana, αφού πρώτα ολοκληρωθούν όλα τα προηγούμενα στάδια εισαγωγής και μετατροπής των μεταδεδομένων. Αυτή η βάση ενημερώνεται αυτόματα σε προκαθορισμένες χρονικές περιόδους. Η υπηρεσία διάθεσης με τη χρήση προτύπων του σημασιολογικού ιστού έχει ως στόχο να δώσει πρόσβαση στο σύνολο των μεταδεδομένων με τη χρήση της γλώσσας αναζήτησης SPARQL όπως έχει αναλυθεί στο κεφάλαιο 3. Με αυτό τον τρόπο, τα μεταδεδομένα γίνονται διαθέσιμα στην κοινότητα των Open Linked-Data. Τέλος το Κεφάλαιο 7 παραθέτει τα συμπεράσματα. Σελίδα 3 από 19

4 2. Κύκλος Ζωής Μεταδεδομένων Όπως ήδη αναφέρθηκε στην εισαγωγή, η εξαγωγή των μεταδεδομένων έχει τον ακόλουθο κύκλο ζωής: α) την ανίχνευση της πηγής των μεταδεδομένων, β) την επεξεργασία της πηγής και την εξαγωγή της πρωτογενούς σημασιολογικής πληροφορίας, γ) τον εμπλουτισμό της πρωτογενούς πληροφορίας και δ) την τελική επεξεργασία που σκοπό έχει την αποθήκευση και διάθεση του υλικού. 2.1 Γενική αρχιτεκτονική εξαγωγής/επεξεργασίας μετα-δεδομένων Το παρακάτω σχήμα παραθέτει την αρχιτεκτονική εξαγωγής, επεξεργασίας και αποθήκευσης των μεταδεδομένων. Εικόνα 1 Αρχιτεκτονική Εξαγωγής και Επεξεργασίας Σε πρώτη φάση εξετάζονται οι πρωτογενείς πηγές του υλικού. Το παράδειγμα που θα χρησιμοποιήσουμε σε αυτήν και την παρακάτω ενότητα αναφέρεται σε μια ταινία. Ως πρωτογενές υλικό μιας ταινίας μπορεί να θεωρηθεί η ταινία η ίδια, αλλά και το συνοδευτικό της υλικό όπως το Post Production Script (εφεξής PPS). Το PPS θεωρείται μια εξαιρετική μορφή πρωτογενούς υλικού αφού περιέχει πολλές λεπτομέρειες σχετικά με το γύρισμα της ταινίας (τύπος πλάνου, θέση κάμερας, εμπλεκόμενοι ρόλοι κτλ.). Σελίδα 4 από 19

5 Η ανάλυση των PPS οδηγεί στη δημιουργία μιας γνωσιακής βάσης (εφεξής ABOX) που αναπαριστά με σημασιολογικό τρόπο (triples) τις εξαχθείσες έννοιες. Στη συνέχεια το ABOX αναλύεται από το υποσύστημα του Εξαγωγέα Οντοτήτων (EntityExtraction module) που αναλαμβάνει να εξάγει έννοιες από όλα τα μέρη του ΑΒΟΧ που είναι λεκτικώς επεξεργάσιμα (π.χ. διάλογοι). Οι έννοιες που εξάγονται μαζί με τις προ υπάρχουσες υφίστανται μια διαδικασία σημασιολογικού εμπλουτισμού (Semantic Enrichment) που σκοπό έχει να εμπλουτίσει το ABOX με σχετιζόμενες έννοιες που βρίσκονται σε τρίτες πηγές (IMDB,dbpedia κτλ). Μετά το σημασιολογικό εμπλουτισμό, το ABOX που προκύπτει υφίσταται μια δεικτοδότηση (Indexing) που αποσκοπεί στην αποδοτική αναζήτηση. Πάνω από την Indexed μορφή των δεδομένων υπάρχει το υποσύστημα Αναζήτησης που αναλαμβάνει να διεκπεραιώσει τις ερωτήσεις πάνω στο ABOX (π.χ. θέλω μια CloseUp σκηνή του Χ ηθοποιού). Το σύστημα αναζήτησης διαθέτει 3 συστεμικές διεπαφές (REST, SOAP και SPARQL) όπως θα αναλυθεί και στο κεφάλαιο 4. Κάθε μια από αυτές τις διεπαφές (endpoints) δύναται να απαντήσει σε αντίστοιχα επερωτήματα (δηλαδή SOAP-call, REST query, SPARQL query). Τέλος το υποσύστημα αναζήτησης διαθέτει και μια γραφική (μη-συστεμική) διεπαφή που αποσκοπεί στο να εξυπηρετήσει τις αναζητήσεις των τελικών χρηστών. 2.2 Ανάλυση κύκλου ζωής μεταδεδομένων Ακολουθώντας τα βήματα της παραπάνω αρχιτεκτονικής θα δούμε την ανάλυση ενός μέρους από ένα video και πως αυτό καταλήγει μέσα στη γνωσιακή βάση του ishelleana. Θα ξεκινήσουμε την ανάλυση από την παράθεση ενός μικρού μέρους από το Post Production Script της ταινίας «Bangkok Dangerous» ( Στην παρακάτω εικόνα παρατίθεται ένα μέρος του PPS. Εικόνα 2 Μέρος του PPS της ταινίας Bangkok Dangerous Όπως είναι εμφανές από την παραπάνω εικόνα το PPS είναι ένα πολύ πλούσιο σε πληροφορία αρχείο. Περιέχει πληροφορίες για τις σκηνές και τα είδη τους (π.χ. εσωτερική σκηνή), τα πλάνα και τα είδη τους (π.χ. Κοντινή λήψη Close Up), τους απόλυτους/σχετικούς χρόνους, τους εμπλεκόμενους ρόλους ανά σκηνή, τους διαλόγους κτλ. Όπως αντιλαμβάνεται κανείς το πλήθος των πληροφοριών που περιλαμβάνονται στα αρχεία PPS είναι ημι-δομημένο αφού μπορεί να ακολουθεί κάποιον φορμαλισμό ως προς τη σύνταξη του, όμως δεν είναι Σελίδα 5 από 19

6 εύκολα επεξεργάσιμο. Αυτό το γεγονός δημιούργησε την ανάγκη της δημιουργίας ενός ενδιάμεσου σχήματος (σε XSD) που να αποτυπώνει τη δομή ενός PPS. Εικόνα 3 XML Schema ενός PPS Όλα τα XML που παράγονται και είναι συμβατά με το παραπάνω σχήμα, δύνανται να μετατραπούν σε RDF(Resource Description Framework). Το RDF είναι ένα από τα βασικά πρότυπα του W3C για την εισαγωγή σημασιολογικού περιεχομένου στον παγκόσμιο ιστό. Ο βασικός δομικός λίθος του RDF είναι η τριπλέτα (εφεξής RDF triple). Μια τριπλέτα έχει την μορφή <s,p,o> όπου s το υποκείμενο, p το κατηγόρημα και o το αντικείμενο. Οι τριπλέτες σε πιο αφαιρετική μορφή αποτελούν προτάσεις για κάποιους πόρους (resources). Το σύνολο των τριπλετών που υπάρχουν στο σύστημα καλούμε ABOX. Θα εξετάσουμε 4 τριπλέτες που σχετίζονται με το μέρος του PPS που παρατέθηκε στην εικόνα 2. < AC003> < Τριπλέτα 1 < AC003> < Τριπλέτα 2 Σελίδα 6 από 19

7 < AC003> < < Τριπλέτα 3 < AC003> < "I sleep alone. I eat alone. I'm used to it, though."^^xsd:string Τριπλέτα 4 Η ερμηνεία των τεσσάρων αυτών τριπλετών είναι προφανής. Η πρώτη μας υποδηλώνει ότι το δρώμενο AC003 είναι διάλογος, ενώ από τη δεύτερη αντιλαμβανόμαστε ότι το δρώμενο αυτό είναι μέρος του πλάνου SH004 στο οποίο συμμετέχει ο ρόλος 0 εκφωνώντας τα λόγια «I sleep alone. I eat alone. I'm used to it, though». Όπως αναφέρθηκε προηγουμένως, το ABOX που προέρχεται από την πρωταρχική επεξεργασία υπόκειται σε μια ανάλυση από το υποσύστημα Εξαγωγής Οντοτήτων. Το υποσύστημα αυτό θα προσθέσει νέες τριπλέτες βασιζόμενο στην ανάλυση της περιγραφής των σκηνών και των διαλόγων. Ένα χαρακτηριστικό παράδειγμα παρουσιάζεται στην παρακάτω τριπλέτα. < < < Τριπλέτα 5 Η παραπάνω τριπλέτα φανερώνει ότι ένα συγκεκριμένο δρώμενο (MOV_12794_AC379) διαδραματίζεται στην Ταϊλάνδη. Προκειμένου να υπάρχει κοινό πεδίο αναφοράς, το τρίτο και τελευταίο στάδιο της ανάλυσης αποσκοπεί στην διασύνδεση των εξαχθέντων Οντοτήτων σε μια κοινή βάση αναφοράς π.χ. dbpedia. Αυτό είναι εμφανές και στην παρακάτω τριπλέτα όπου η Ταϊλάνδη έχει χαρακτηριστεί ως Χώρα. < < < Τριπλέτα 6 Η παραπάνω διασύνδεση μπορεί να φαίνεται τετριμμένη όμως είναι απαραίτητη για την εξαγωγή συμπερασμάτων (inference) και την αποτελεσματική αναζήτηση. Σελίδα 7 από 19

8 3. Πολύπλευρη Αναζήτηση (Faceted Search) Αποκλειστικός σκοπός κάθε υπηρεσίας διάθεσης είναι η αποτελεσματική αναζήτηση. Η αποτελεσματικότητα της αναζήτησης εξαρτάται από το πλήθος των παραμέτρων (facets) που αναζητούνται. Το κεφάλαιο αυτό πραγματεύεται τα 6 βασικά facets αναζήτησης που υποστηρίζονται μέχρι τον Μήνα 24 του έργου. 3.1 Είδη πολύπλευρης Αναζήτησης (Facets) Η αναζήτηση πάνω σε μια γνωσιακή βάση μπορεί να γίνει με πολλούς τρόπους. Ένας τρόπος είναι η απευθείας ερώτηση του ΑΒΟΧ. Αυτή η τακτική δεν είναι η πλέον ενδεδειγμένη αφού έχει πρόβλημα ως προς την κλιμάκωσή της. Αντί αυτού υιοθετήθηκε το μοντέλο της περιοδικής ευρετηρίασης (Indexing) των δεδομένων σε μια σχεσιακή βάση η οποία θα δώσει μεγάλες δυνατότητες όσο αφορά στην απόδοση σε συγκεκριμένα ερωτήματα. Στο σημείο αυτό πρέπει να τονίσουμε ότι η βάση δεδομένων παίζει μόνο το ρόλο του «γρήγορου ευρετηρίου» και όχι του αποθετηρίου της γνώσης, αφού οι σχεσιακές βάσεις δεν είναι σχεδιασμένες για παραγωγή γνώσης και συμπερασμάτων. Προκειμένου να επιτευχθεί η μετάπτωση στη σχεσιακή βάση αναπτύχθηκε ένας Parser που είναι ικανός να μεταφορτώσει συγκεκριμένες πληροφορίες του ABOX μέσα στη βάση. Με τον όρο «συγκεκριμένες πληροφορίες» καταδεικνύουμε ότι η επίτευξη γρήγορης αναζήτησης μας ενδιαφέρει μόνο σε συγκεκριμένους τύπους πληροφορίας. Στην παρακάτω εικόνα παραθέτουμε ένα σχεσιακό διάγραμμα που περιγράφει τους τύπους των πληροφοριών που υφίστανται μετάπτωση. Εικόνα 4 Σχεσιακή όψη της βάσης Όπως μπορούμε να συμπεράνουμε από το παραπάνω σχήμα τα Facets της αναζήτησης για τα οποία μας ενδιαφέρει η απόδοση είναι τα ακόλουθα: Διάλογος Πλάνου Σελίδα 8 από 19

9 Περιγραφή Σκηνής Είδος Πλάνου (π.χ. Close-UP) Είδος Σκηνής (π.χ. νυχτερινή) Ρόλος (π.χ. Batman) Ηθοποιός Οντότητα (π.χ. Χώρα, Τοποθεσία, κτλ ) 3.2 Αλγόριθμος Αναζήτησης Ο αλγόριθμος της αναζήτησης προσπαθεί να συνδυάσει τα δεδομένα εισόδου του χρήστη και να εξάγει αποτελέσματα που είναι κατηγοριοποιημένα ως προς τα προαναφερθέντα Facets. Τα δεδομένα εισόδου του χρήστη κατηγοριοποιούνται σε δύο τύπους: a) Δεδομένα από κλειστή Λίστα: Είναι δεδομένα τα οποία ο χρήστης καλείται να συμπληρώσει επιλέγοντας από μια υφιστάμενη λίστα (π.χ. τύπος σκηνής ή τύπος πλάνου) b) Ελεύθερο κείμενο: Μπορεί να είναι μέρος διαλόγου ή περιγραφή σκηνής ή μέρος του ονόματος ενός ρόλου/ηθοποιού ή Οντότητας (π.χ. Χώρα) Στη χρονική φάση σύνταξης του παρόντος παραδοτέου τα αποτελέσματα προέρχονται από το συνδυασμό των επιμέρους αποτελεσμάτων εφαρμόζοντας ένα λογικό AND όπως φαίνεται και στην παρακάτω εικόνα. Εικόνα 5 Συγκερασμός επιμέρους αποτελεσμάτων Στα πλαίσια του έργου η λογική του συγκερασμού των αποτελεσμάτων θα επεκταθεί με χρήση της τεχνικής query re-writing, δηλαδή η αρχική ερώτηση του χρήστη θα αναλύεται σε 2 φάσεις από ένα υποσύστημα, ώστε τα τελικά αποτελέσματα να περιλαμβάνουν και τα αποτελέσματα που προκύπτουν από την έμμεση γνώση που αναπαριστά το σύνολο των οντολογιών που περιγράφουν σημασιολογικά τη γνώση. Σελίδα 9 από 19

10 4. Συστεμικές Επαφές Διάθεσης Το σύστημα ishelleana διαθέτει τρεις συστεμικές διεπαφές. Αυτές είναι η διεπαφή SOAP, η διεπαφή REST και η διεπαφή SPARQL. 4.1 Υποστηριζόμενα πρωτόκολλα Διεπαφή SOAP Το Soap είναι ένα ελαφρύ πρωτόκολλο για ανταλλαγή πληροφορίας μεταξύ αποκεντρωμένων και κατανεμημένων συστήματα. Στηρίζεται στη γλώσσα XML και αποτελείται κυρίως από τρία μέρη. Τον φάκελο (Envelope) που καθορίζει ένα πλαίσιο το οποίο περιγράφει το τι περιέχει το μήνυμα και πώς να επεξεργαστεί. Ένα σύνολο από κανόνες κωδικοποίησης για την έκφραση στιγμιότυπων των τύπων δεδομένων που ορίζονται από την εφαρμογή. Μια σύμβαση για την αναπαράσταση κλήσεων και απαντήσεων απομακρυσμένων διαδικασιών Ο φάκελος (Envelope) : Ένα Soap μήνυμα είναι ουσιαστικά ένα έγγραφο XML που αποτελείται υποχρεωτικά από το Soap Envelope, προαιρετικά από μια επικεφαλίδα (Soap Header) και υποχρεωτικά από το κυρίως σώμα (Soap Body). Ο φάκελος είναι κύριο στοιχείο του XML εγγράφου και αναπαριστά το μήνυμα. Η επικεφαλίδα (Header) είναι ένα γενικός μηχανισμός που προσθέτει στοιχεία σε ένα μήνυμα SOAP με τρόπο αποκεντρωμένο και χωρίς προηγούμενη συμφωνία μεταξύ των μερών που επικοινωνούν. Το σώμα είναι το στοιχείο που περιέχει την πληροφορία που αποσκοπεί στον τελικό παραλήπτη του μηνύματος. Κανόνες κωδικοποίησης : Ο τρόπος κωδικοποίησης στο SOAP βασίζεται σε ένα απλό σύστημα τύπων που αποτελεί γενίκευση των πιο κοινών στοιχείων που βρίσκονται στα συστήματα τύπων των προγραμματιστικών γλωσσών, βάσεων δεδομένων και ημιδομημένων πληροφοριών. Σε αυτό το κομμάτι ορίζονται οι κανόνες για τον τρόπο που θα κωδικοποιηθείαποκωδικοποιηθεί η πληροφορία σύμφωνα με τη γραμματική της XML. Κλήσεις απομακρυσμένων διαδικασιών : Ένας από τους σκοπούς της δημιουργίας του SOAP ήταν η ενθυλάκωση και η ανταλλαγή RPC κλήσεων χρησιμοποιώντας την ευελιξία και τη δυνατότητα επέκτασης που παρέχει η XML. Εδώ καθορίζεται ο τρόπος λειτουργίας των κλήσεων και απαντήσεων των απομακρυσμένων διαδικασιών. Για να γίνει μια κλήση σε μια μέθοδο απαιτούνται οι ακόλουθες πληροφορίες: Το URI του επιθυμητού αντικειμένου. Το όνομα της μεθόδου. Μια προαιρετική μέθοδος υπογραφής Οι παράμετροι της μεθόδου. Μια προαιρετική επικεφαλίδα για τα δεδομένα Διεπαφή REST Στην περίπτωση της διεπαφής REST, τα μηνύματα που ανταλλάσσουν Server-Client δύναται να γίνουν μέσω HTTP. Η μέθοδος αυτή που χρησιμοποιεί το πρωτόκολλο HTTP για τη μεταφορά των XML μηνυμάτων ονομάζεται REST. Η λέξη REST αποτελεί το ακρωνύμιο για το Representational State Transfer. Το REST δεν αποτελεί κάποιο πρότυπο. Για αυτό και οργανισμοί όπως ο W3C δεν έχουν εκδώσει κάποια τυποποίηση για αυτό. Το REST αποτελεί μια αρχιτεκτονική για το σχεδιασμό των web services η οποία χρησιμοποιεί υπάρχοντα πρότυπα, όπως HTTP, XML, URL κτλ. Η αρχιτεκτονική REST (εισήχθη από τον Thomas Roy Fielding) βασίζεται στις ίδιες αρχές με τον παγκόσμιο ιστό. Υπάρχουν αρκετές μηχανές αναζήτησης, ηλεκτρονικά καταστήματα ή συστήματα κρατήσεων τα οποία είναι ήδη διαθέσιμα ως REST διαδικτυακές υπηρεσίες. Το REST είναι μια αρχιτεκτονική η οποία περιγράφει πώς θα πρέπει να λειτουργεί το δίκτυο. Το REST δεν είναι ούτε κάποιο προϊόν ούτε κάποιο στάνταρ. Σελίδα 10 από 19

11 Το REST χρησιμοποιεί ώριμα πρότυπα όπως το HTTP ή το URL, τα οποία είναι ήδη διαθέσιμα εδώ και κάποια χρόνια. Εκμεταλλεύεται ευρέως γνωστές ιδέες που χρησιμοποιούνται στο διαδίκτυο όπως τα υπερκείμενα (hypertext) και το παγκόσμιο εύρος διευθύνσεων (global address space). Γι αυτό το λόγο, οι διαδικτυακές υπηρεσίες που βασίζονται σε REST είναι πραγματικές διαδικτυακές υπηρεσίες, εν αντιθέσει με τις SOAP και τα WS- πρωτόκολλα. Υπάρχουν ήδη διαθέσιμες δημόσιες διαδικτυακές υπηρεσίες, οι οποίες συνειδητά χρησιμοποιούν RESTful διεπαφές, όπως για παράδειγμα η Amazon, η Google ή το O Reillys Meerkat. Πόροι Διαδικτυακοί τόποι, εικόνες και άλλα, αποτελούν πόρους οι οποίοι μπορούν να είναι προσπελάσιμοι μέσω διευθύνσεων του διαδικτύου (URL). Μια διαδικτυακή εφαρμογή αποτελείται από συσσώρευση τέτοιων πόρων. Με τα HTTP μηνύματα μπορεί κάποιος να στείλει μηνύματα στους πόρους αυτούς, για παράδειγμα ανοίγοντας μια διαδικτυακή σελίδα σε ένα φυλλομετρητή. Σκοπός δεν είναι η απευθείας τροποποίηση ή ο χειρισμός κάποιου πόρου, αλλά κάθε προσπέλαση γίνεται έμμεσα χρησιμοποιώντας τη διεύθυνση η οποία έχει αποδοθεί στο συγκεκριμένο πόρο. Το REST χρησιμοποιεί τη σημασιολογία του πρωτοκόλλου HTTP. Στο REST οι μέθοδοι του HTTP, GET, PUT, POST και DELETE παίζουν κεντρικό ρόλο. Είναι τα «ρήματα» τα οποία εφαρμόζονται στα ουσιαστικά, τα οποία αποτελούν οι πόροι. Όλες οι περιπτώσεις χρήσης πρέπει να μπορούν να καλυφθούν με αυτές τις τέσσερις μεθόδους. Αναπαραστάσεις Η αναπαράσταση ενός πόρου μπορεί να αναφέρεται σε περαιτέρω πόρους. Εάν μια εφαρμογή πελάτη ακολουθήσει ένα σύνδεσμο σε μια αναπαράσταση, ουσιαστικά μεταβαίνει από μια κατάσταση σε μια άλλη. Με το ακόλουθο σενάριο γίνεται ξεκάθαρο για ποιο λόγο χρησιμοποιείται το όνομα REpresentational State (Παραστατική Κατάσταση). Ένας φυλλομετρητής κάνει μια αίτηση σε ένα διαδικτυακό τόπο, ή γενικότερα κάνει αίτημα για την αναπαράσταση ενός πόρου χρησιμοποιώντας μια διεύθυνση. Ένα HTML έγγραφο, το οποίο αναπαριστά τον πόρο μεταφέρεται από τον εξυπηρετητή στον πελάτη. Το έγγραφο αυτό μπορεί να περιέχει συνδέσμους, οι οποίοι αναφέρονται σε περαιτέρω πόρους στο δίκτυο. Εάν η εφαρμογή του πελάτη προηγηθεί σε ένα νέο δικτυακό τόπο αλλάζει την κατάστασή του. Γι αυτό, η μεταφορά από μια κατάσταση σε μια άλλη έχει συμβεί ακολουθώντας ένα σύνδεσμο. Μέθοδοι Η διεπαφή του REST είναι γενική. Δεν υπάρχει ανάγκη για συμφωνία πρωτοκόλλων για την επικοινωνία μεταξύ του πελάτη και του εξυπηρετητή. Η σημασία των τεσσάρων HTTP μεθόδων όπως αυτές χρησιμοποιούνται από το REST είναι: GET: Οι κλήσεις GET ζητούν την αναπαράσταση ενός πόρου. Η εκτέλεση των αιτημάτων πρέπει να είναι ελεύθερη από παρενέργειες. Τα αιτήματα τύπου GET μπορούν να αποστέλλονται συχνά και δεν μπορούν να βλάψουν την εφαρμογή του πελάτη. Ένα αίτημα GET μπορεί να αποσταλεί χωρίς ιδιαίτερη προσοχή και φόβο. POST: Με την κλήση POST μπορεί κάποιος να αλλάξει την κατάσταση ενός πόρου. Για παράδειγμα, μπορεί κάποιος να προσθέσει ένα προϊόν σε ένα καλάθι αγορών. Η POST δεν είναι απαλλαγμένη από παρενέργειες. Για παράδειγμα, μπορεί να αλλάξει ένα πεδίο σε μια βάση δεδομένων ή να ξεκινήσει μια καινούρια διεργασία σε έναν εξυπηρετητή. PUT: Με την κλήση PUT μπορεί κάποιος να δημιουργήσει νέους πόρους ή να αντικαταστήσει το περιεχόμενο ενός υπάρχοντος. DELETE: Με την κλήση DELETE μπορεί κάποιος να διαγράψει έναν πόρο. Οι τέσσερις αυτές μέθοδοι του HTTP είναι γενικές διεπαφές για κάθε REST πόρο. Οι εφαρμογές που στηρίζονται Σελίδα 11 από 19

12 σε βάσεις δεδομένων έχουν δείξει ότι ένα περιορισμένο σετ εντολών που ελέγχουν τον κύκλο ζωής των δεδομένων είναι επαρκές. Η γλώσσα ερωτημάτων για τη βάση δεδομένων SQL καλύπτει τον κύκλο ζωής των δεδομένων με τις εντολές SELECT, INSERT, UPDATE και DELETE. Μηνύματα Όλοι οι τύποι των εγγράφων μπορούν να χρησιμοποιηθούν ως αναπαραστάσεις πόρων. Για παράδειγμα στο διαδίκτυο χρησιμοποιούνται αρχεία τύπου HTML, GIF και PDF. Τα XML είναι κατάλληλα για τη μετάδοση δομημένων δεδομένων. Τα αρχεία XML μπορούν να χρησιμοποιήσουν XLink για αναφορές. Οι μορφές των δεδομένων που χρησιμοποιεί το REST είναι αυτές που χρησιμοποιεί ήδη το διαδίκτυο. Τα μηνύματα του REST επεξηγούν από μόνα τους τη δομή τους. Σε ένα μήνυμα πρέπει όλα να περιέχονται, προκειμένου να μπορεί να μεταφραστεί το μήνυμα. Δεν υπάρχει γνώση σχετικά με προγενέστερα ή μεταγενέστερα μηνύματα απαραίτητα για τη μετάφραση ενός μηνύματος. Η κατάσταση μιας εφαρμογής αναπαρίσταται από το περιεχόμενο ενός ή περισσότερων αρχείων υπερκειμένου. Κατάσταση και Συνεδρία Ο εξυπηρετητής γνωρίζει την κατάστασή του. Δεν τον ενδιαφέρει η κατάσταση του πελάτη ούτε οι συνεδρίες που έχει με τους πελάτες. Ο πελάτης πρέπει να χειριστεί από μόνος του την κατάστασή του. Αυτός αποφασίζει επίσης για τη σειρά με την οποία καλεί μεθόδους στον εξυπηρετητή. Συνήθως στις εφαρμογές REST δεν υπάρχει ιδιαίτερη λειτουργικότητα για την εισαγωγή στο σύστημα. Όλοι οι πόροι μπορούν να αυθεντικοποιηθούν με διαθέσιμες τεχνολογίες διαδικτύου, όπως το HTTP και το HTTPS Διεπαφή SPARQL Η ευρεία εξάπλωση και χρήση του διαδικτύου, η διάθεση και διακίνηση μεγάλου όγκου πληροφορίας μέσω αυτού, σε συνδυασμό με την ανάπτυξη πληροφοριακών συστημάτων, τεχνολογιών και προτύπων βασισμένων σε διαφορετικές ανάγκες και ιδιαιτερότητες, έχουν σαν αποτέλεσμα την εμφάνιση ετερογένειας (heterogeneity) και τον περιορισμό των δυνατοτήτων του σημερινού παγκόσμιου ιστού (WWW). Τα παραπάνω καλείται να αντιμετωπίσει ο Σημασιολογικός Ιστός (Semantic Web), ο οποίος αποτελεί τη μεγαλύτερη προσπάθεια αυτόματης ενοποίησης συστημάτων με σκοπό να συνεργάζονται λειτουργικά σε παγκόσμιο επίπεδο. Στον Σημασιολογικό Ιστό, τα δεδομένα ακολουθούν το RDF (Resource Description Framework) μοντέλο, με κυρίαρχη γλώσσα ερωτήσεων, την SPARQL (Simple Protocol and RDF Query Language). Η γλώσσα ερωτήσεων SPARQL προσφέρει την δυνατότητα στους χρήστες και στις εφαρμογές του Σημασιολογικού Ιστού να εκφράζουν δομημένες ερωτήσεις (structured queries). Σε αρκετές περιπτώσεις, το ακριβές ταίριασμα των ερωτήσεων (exact query matching) είναι πολύ περιοριστικό για τους τελικούς χρήστες, οι όποιοι αναγκάζονται να εκτελούν πολλαπλές αναζητήσεις για την ανάκτηση των επιθυμητών αποτελεσμάτων. Για παράδειγμα ας φανταστούμε έναν χρήστη στον Σημασιολογικό Ιστό ο οποίος αναζητά ταινίες όπου έχει σκηνοθετήσει ο Woody Allen και στις οποίες έχουν ρόλο ο Woody Allen και η Scarlet Johansson. Σε αυτή την αναζήτηση το αποτέλεσμα είναι μόνο ένα, το Scoop. Παράλληλα όμως υπάρχουν αρκετές ταινίες στις οποίες ο Woody Allen είχε διάφορες αρμοδιότητες και η Scarlet Johansson έχει ρόλο. Για παράδειγμα στο Match Point, ο Woody Allen είναι σκηνοθέτης και συγγραφέας (όμως δεν έχει ρόλο) και η Scarlet Johansson έχει ρόλο. H SPARQL κάνει ερωτήσεις σε τριπλέτες rdf. Ρωτάμε δηλαδή πάνω σε δεδομένα της μορφής subject predicate - object χρησιμοποιώντας μεταβλητές όπου θέλουμε να πάρουμε απαντήσεις. Σελίδα 12 από 19

13 Πχ. select?x where{ ex1:movie ex1:hasrole?x } Το? είναι το αναγνωριστικό των μεταβλητών ( Πχ?x,?y,?temp1,?_temp ) Όλες οι τριπλέτες σε ένα SPARQL query χωρίζονται μεταξύ τους με.. Όταν 2 ή περισσότερες τριπλέτες μοιράζονται το ίδιο subject τότε μπορούμε να το παραλείψουμε χρησιμοποιώντας ;. To keyword a της SPARQL χρησιμοποιείται για να δούμε τον τύπο ενός αντικειμένου (την κλάση του). Ουσιαστικά είναι μια συντομογραφία για το rdf:type. Σε μία τριπλέτα δεδομένων του Rdf δεν είναι απαραίτητο να δηλώνεται το subject ή το object. Αντί αυτών έχουμε τα λεγόμενα BLANK NODES. Μπορούμε δηλαδή να έχουμε δεδομένα της μορφής subject predicate ή predicate object ( πχ :blank node rolename george ) 4.2 Λεπτομέρειες Υλοποίησης Προκειμένου να υλοποιηθούν η παραπάνω διεπαφές έγινε εκτεταμένη χρήση της τεχνολογίας Hibernate. Το Hibernate είναι μια βιβλιοθήκη της Java που μας επιτρέπει να κάνουμε mapping το Object-Oriented Domain μοντέλο μας στο σχεσιακό μοντέλο της βάσης δεδομένων της εφαρμογής μας. Ο παραδοσιακός τρόπος των εφαρμογών να επικοινωνούν με την βάση δεομένων ήταν να μπαίνει sql κώδικας μέσα σε JAVA κώδικά (inline). Έτσι το θέμα του persistence στην βάση λυνόταν με την χρήση SQL εντολών που γίνονταν inject στον κώδικα. Αυτή η λύση παρουσίαζε δυο σημαντικά προβλήματα. Το ένα ήταν η χρήση sql εντολών μέσα σε java κώδικα. Το σημαντικότερο πρόβλημα όμως ήταν η έλλειψη portability μεταξύ των διαφόρων βάσεων, αφού κάθε βάση δεδομένων έχει τη δική της διάλεκτο (sql dialect). Αυτό είχε σαν αποτέλεσμα να χρειάζεται να αλλάζουμε τα JAVA προγράμματα όταν αλλάζαμε την βάση δεδομένων της εφαρμογής. Αναπόφευκτα, η κοινότητα άρχισε να ψάχνει λύσεις στα προβλήματα αυτά. Τελικά κυριάρχησε η ιδέα ότι θα έπρεπε να λύνεται το πρόβλημα του persistence σε επίπεδο Java και όχι SQL. Αυτό θα έλυνε τα δυο παραπάνω προβλήματα αφού αφενός δεν θα χρειαζόταν να κάνουμε inject sql code μέσα σε κώδικα JAVA, και αφετέρου δε θα «δέναμε» την εφαρμογή με μια συγκεκριμένη βάση δεδομένων. Έτσι, ήρθε στο προσκήνιο ο όρος ORM(object-relation mapping). Με τον όρο αυτό εννοούμε ότι το persistence των objects μας στα tables της βάσης δεδομένων γίνεται αυτόματα και με transparent προς εμάς τρόπο. Με άλλα λόγια με την ORM τεχνολογία μπορούμε να κάνουμε (αυτόματα) transforming από object representation σε relational representation και αντίστροφα. Αυτό έχει σαν αποτέλεσμα να «αντιμετωπίζουμε» σε Java επίπεδο τα data της βάσης σε σαν Java Objects αυτόματα, χωρίς να χρειάζεται να φτιάχνουμε εμείς manually objects με βάση αυτό που επιστρέφει ένα sql query. Το Hibernate ORM αποτελείται από τα εξής core στοιχεία: Ένα API που μπορεί να εκτελεί βασικές CRUD (create, read, update, delete) λειτουργίες σε Java objects Ένα API που μπορεί να εκτελεί queries που αναφέρονται σε κλάσεις ή attributes των κλάσεων Ένα τρόπο να ορίζουμε mapping metadata στα persistent objects. Με τα metadata ουσιαστικά περιγράφουμε σε Java επίπεδο την ίδια την σχεσιακή βάση δεδομένων που έχουμε Δυνατότητες όπως transactional objects, ελέγχους για dirty checking, lazy ή eager fetching των associations των objects Τα παραπάνω στοιχεία μας δίνουν πολλά πλεονεκτήματα σε σχέση με τον παραδοσιακό τρόπο επικοινωνίας με τη βάση. Συνοπτικά, τα πλεονεκτήματα χρήσης του Hibernate ORM είναι: Σελίδα 13 από 19

14 Μεγαλύτερη αποδοτικότητα μιας και το hibernate αναλαμβάνει να «μιλάει» αυτό με τη βάση και έτσι μας επιτρέπει να εστιάσουμε περισσότερο στον java business κώδικά μας Καλύτερο maintainability της εφαρμογής, αφού αφενός οι γραμμές κώδικα γίνονται πολύ λιγότερες με τη χρήση Hibernate, και αφετέρου μπορούμε πολύ πιο εύκολα να κάνουμε αλλαγές πάνω στο μοντέλο μας χωρίς απαραίτητα να επηρεάζουμε υπόλοιπα object models Ανεξαρτησία από την εκάστοτε βάση δεδομένων που χρησιμοποιούμε. Αυτό σημαίνει πως δε γινόμαστε adjust σε κάποια συγκεκριμένη sql dialect (πχ postgres), οπότε μπορούμε απλά να αλλάξουμε τη βάση transparently χωρίς να απαιτείται αλλαγή στον κώδικά μας. Το μόνο που θα χρειαστεί να αλλάξουμε είναι τη δήλωση πχ σε.xml αρχείο ότι η νέα μας βάση είναι oracle και όχι postgres αλλάζοντας έτσι το sql dialect Στα πλαίσια αυτά αναπτύχθηκε ORM μοντέλο για τη βάση του ishelleana. Στην συνέχεια όλο το Business Logic αναπτύχθηκε με τη χρήση της Hibernate Query Language(HQL). Η HQL μοιάζει πάρα πολύ με την παραδοσιακή SQL. Ωστόσο η HQL είναι fully object-oriented και μπορεί να κατανοήσει έννοιες όπως κληρονομικότητα(inheritance), πολυμορφισμός(polymorphism) και σχέσεις μεταξύ των objects(object associations). Βλέπουμε δηλαδή ότι η HQL μοιάζει στο συντακτικό με την SQL αλλά «αντιμετωπίζει» τα tables σαν java objects, λαμβάνοντας υπόψιν της Object-Oriented έννοιες. Παράλληλα με την HQL έγινε ευρεία χρήση του CRITERIA API. Το Criteria Query API δίνει την δυνατότητα να γράφουμε queries προς τη βάση χωρίς να γράφουμε γλώσσα που μοιάζει στην SQL όπως με την HQL. Αντίθετα, τα queries έχουν εντελώς java oriented λογική στον τρόπο γραφής. Η τεχνολογία Hibernate σε συνδυασμό με την Τεχνολογία Spring( και Ontop( χρησιμοποιήθηκαν για να υλοποιηθούν τα SOAP/REST endpoints(spring) και REST(Ontop) αντίστοιχα. Σελίδα 14 από 19

15 5. Οπτική Διεπαφή Διάθεσης Σκοπός του παραδοτέου δεν είναι η ανάλυση της διεπαφής του χρήστη (παραδοτέο 5.5-Μ30), εν τούτοις θεωρήθηκε αναγκαίο στα πλαίσια της αρμονικής παρουσίασης των αποτελεσμάτων να παρουσιαστούν κάποια έγκαιρα αποτελέσματα σχετικά με την οπτική διεπαφή αναζήτησης. Αρχικός σκοπός της οπτικής διεπαφής είναι να αναδείξει τις υπηρεσίες πολύπλευρης αναζήτησης όπως αυτές παρουσιάστηκαν στο κεφάλαιο Πολύπλευρη Οπτική Αναζήτηση Όπως είδαμε στο κεφάλαιο 3 σκοπός της οργάνωσης της γνωσιακής βάσης είναι η αποτελεσματική αναζήτηση. Τα δεδομένα εισόδου κατηγοριοποιούνται σε 2 κατηγορίες, α) τις κλειστές λίστες και β) το ελεύθερο κείμενο. Στην παρακάτω εικόνα παρουσιάζεται μια πρωτότυπη μορφή της διεπαφής αναζήτησης. Εικόνα 6 Διεπαφή Αναζήτησης Όπως γίνεται αντιληπτό, για κάθε κλειστή λίστα δίνεται αντίστοιχη λίστα επιλογής ενώ όλα τα πεδία ελεύθερου κειμένου καλύπτονται από ένα πεδίο εισαγωγής. Η διαφοροποίηση τους γίνεται σε επόμενο επίπεδο, κατά την αναζήτηση του χρήστη. Εικόνα 6 Διεπαφή Αποτελεσμάτων Σελίδα 15 από 19

16 Στην παραπάνω εικόνα εμφανίζονται τα αποτελέσματα αναζήτησης του χρήστη. Αυτό που αξίζει να σημειωθεί είναι ότι μετά από μια αναζήτηση τα αποτελέσματα εμφανίζονται κατηγοριοποιημένα (ανά facet). Αυτό δίνει μεγάλη ευελιξία στον τελικό χρήστη να ελέγξει την ποιότητα των δεδομένων εισόδου και να τα προσαρμόσει κατάλληλα με σκοπό να πετύχει ακόμα πιο ακριβές αποτέλεσμα. Είναι αυτονόητο ότι κάθε (faceted) αποτέλεσμα σχετίζεται με διαφορετικό τρόπο με τα δεδομένα εισόδου. Π.χ. μια αναζήτηση FullAngle, σε γύρισμα ημέρας που να σχετίζεται με Washington μπορεί να φέρει πιθανά αποτελέσματα από τα παρακάτω: Ημερήσια σκηνή που είναι ορατό ένα μέρος της Washington (Entity Extraction) Πλάνο Ημερήσιας σκηνής όπου διαδραματίζεται στην Washington (περιγραφή σκηνής) Πλάνο Ημερήσιας σκηνής όπου οι χαρακτήρες μιλούν για την Washington (διάλογος) Σε κάθε περίπτωση, κάθε ένα από τα αποτελέσματα αντιπροσωπεύεται μόνο από το μέρος της ταινίας (τα συγκεκριμένα δευτερόλεπτα δηλαδή) που το αποτέλεσμα είναι ορατό. Σελίδα 16 από 19

17 6. Διαλειτουργικότητα με Τρίτα Συστήματα Η διαλειτουργικότητα με τρίτα συστήματα επιτυγχάνεται μέσω της υπηρεσίας διάθεσης των μεταδεδομένων με τη χρήση του προτύπου OAI-PMH. Η υπηρεσία διάθεσης με τη χρήση του προτύπου OAI-PMH κάνει δυνατή τη διαλειτουργικότητα με όλους τους οργανισμούς που είναι συμβατοί με το συγκεκριμένο πρότυπο (Europeana, Open Archives). 6.1 Πρότυπο OAI-PMH Το πρωτόκολλο OAI-PMH δημιουργεί ένα πλαίσιο διαλειτουργικότητας το οποίο επιτρέπει τη συγκέντρωση των μεταδεδομένων των ψηφιακών συλλογών και διευκολύνει την αποτελεσματική διάχυση του ψηφιακού περιεχομένου. Χρησιμοποιώντας το OAI-PMH είναι δυνατή η απομακρυσμένη ανάκτηση πληροφοριών για τα τεκμήρια ενός ιδρυματικού αποθετηρίου και η αλληλεπίδραση με το περιεχόμενό του. Το πρωτόκολλο OAI-PMH αποτελεί μια ανεξάρτητη πλατφόρμα διαλειτουργικότητας για τη συγκομιδή μεταδεδομένων από αποθετήρια ανοικτής πρόσβασης, όπου υπάρχει επικοινωνία μεταξύ δύο οντοτήτων: Ο συλλέκτης (harvester) είναι μια εφαρμογή πελάτη η οποία θέτει OAI-PMH αιτήματα στον πάροχο δεδομένων ενός αποθετηρίου προκειμένου να συλλέξει μεταδεδομένα. Από την άλλη πλευρά, ένα αποθετήριο δύναται να επεξεργαστεί τα OAI-PMH αιτήματα και να παρέχει μεταδεδομένα μέσω του λεγόμενου παρόχου δεδομένων. Η επιλεκτική συγκομιδή δεδομένων από το OAI- PMH μπορεί να γίνει με 2 τρόπους. Ο ένας βασίζεται σε χρονικούς δείκτες και επιτρέπει στον πάροχο υπηρεσιών να συλλέξει από το αποθετήριο αντικείμενα που έχουν δημιουργηθεί σε συγκεκριμένες ημερομηνίες. Ο άλλος τρόπος, ο οποίος μας ενδιαφέρει στο πλαίσιο του παρόντος άρθρου, είναι η ανάκτηση μόνο ενός συνόλου (set) αντικειμένων. Ο διαχειριστής του αποθετηρίου μπορεί να δημιουργήσει προκαθορισμένα σύνολα αντικειμένων που διακρίνονται από το όνομά τους και μπορούν να ανακτηθούν μέσω OAI-PMH βάσει αυτού. Πρόκειται για ένα πρωτόκολλο που παρέχει το πλαίσιο διαλειτουργικότητας για τη συλλογή μεταδεδομένων ψηφιακών τεκμηρίων, επιτρέποντας έτσι την επικοινωνία και συνεργασία των πηγών ανοικτής πρόσβασης. Για την εξασφάλιση της διαλειτουργικότητας των τεκμηρίων το OAI-PMH πρέπει να χρησιμοποιηθεί: 1. από τον πάροχο δεδομένων (data provider) ώστε να καταστήσει τα δεδομένα διαθέσιμα στα εργαλεία συλλογής (harvesters) και 2. από τον πάροχο υπηρεσιών (service provider) ώστε να συγκεντρώσει τα μεταδεδομένα και να τα καταστήσει διαθέσιμα προς αναζήτηση. Η εφαρμογή του πρωτοκόλλου επιτρέπει στους χρήστες να έχουν πρόσβαση στο περιεχόμενο ηλεκτρονικών αποθετηρίων ανοικτής πρόσβασης μέσω πολλαπλών μηχανών και εργαλείων αναζήτησης στο Διαδίκτυο (π.χ. Google, Scirus, Copernic Agent, Web Citation Index). Το πρωτόκολλο OAI-PMH εφαρμόζει την αρχιτεκτονική client-server, χρησιμοποιεί τη γλώσσα XML και είναι συμβατό με όλες τις εφαρμογές και τα προγράμματα των αποθετηρίων. Θέτει ως ελάχιστη απαίτηση στους παρόχους δεδομένων την εφαρμογή του προτύπου Dublin Core για την περιγραφή των ψηφιακών αντικειμένων. Η ευρεία αποδοχή και διάδοση της πρώτης έκδοσης του OAI-PMH οδήγησε στη δημιουργία του OAIster, ενός οργανωμένου εργαλείου συλλογής τεκμηρίων από τις μεγαλύτερες ψηφιακές συλλογές ανοικτής πρόσβασης παγκοσμίως. Στην Ελλάδα, η μηχανή αναζήτησης openarchives.gr λειτουργεί με βάση το πρωτόκολλο OAI- PMH και επιτρέπει την ταυτόχρονη αναζήτηση σε ελληνικά θεσμικά αποθετήρια και ψηφιακές βιβλιοθήκες. Σελίδα 17 από 19

18 6.2 Προσαρμογή OAI-PMH στο ishelleana Προκειμένου να γίνει η προσαρμογή στα πρότυπα του OAI-PMH ακολουθήθηκε το παρακάτω σχήμα προσαρμογής Εικόνα 7 Προσαρμογή στο OAI-PMH Σύμφωνα με το παραπάνω πρότυπο υπάρχουν 6 βασικά ρήματα που πρέπει να υποστηριχθούν (GetRecords, ListRecords κτλ). Στα πλαίσια του ishelleana δημιουργείται προγραμματιστική γέφυρα (bridge) μεταξύ του OAI-PMH endpoint και του SOAP interface στο οποίο αναφερθήκαμε παραπάνω. Οι περιγραφές των records ακολουθούν πρότυπο Dublin Core. Σελίδα 18 από 19

19 7. Συμπεράσματα Σκοπός του παραδοτέου ήταν να περιγραφούν οι υπηρεσίες διάθεσης των μεταδεδομένων που έχουν προκύψει μετά την επεξεργασίας τους. Όπως είδαμε, η επεξεργασία που υφίστανται τα δεδομένα είναι πολυεπίπεδη και αποσκοπεί στη δημιουργία μιας εμπλουτισμένης σημασιολογικής γνωσιακής βάσης (ABOX). Αναφορικά με τη διάθεση των μεταδεδομένων, η βάση διαθέτει πολλές επαφές. Κάποιες εξ αυτών είναι συστημικές και κάποιες οπτικές. Σε κάθε περίπτωση ο σκοπός των υπηρεσιών διάθεσης είναι η αποτελεσματική αναζήτηση. Η αποτελεσματικότητα της αναζήτησης εξαρτάται από το πλήθος των παραμέτρων (facets) που αναζητούνται. Στο παρόν παραδοτέο αναλύσαμε τον κύκλο ζωής των μεταδεδομένων πριν αυτά διατεθούν (κεφάλαιο 2) και περιγράψαμε τις συστημικές (SOAP,REST και SPARQL) διεπαφές (κεφάλαιο 4). Παράλληλα δώσαμε μια συνοπτική περιγραφή του αλγορίθμου αναζήτησης στο χρονικό σημείο του Mήνα 24 (κεφάλαιο 3). Παράλληλα παραθέσαμε μια πρωτόλεια μορφή της Οπτικής Επαφής διάθεσης (κεφάλαιο 5). Αρχικός σκοπός της οπτικής διεπαφής είναι να αναδείξει τις υπηρεσίες πολύπλευρης αναζήτησης όπως αυτές παρουσιάστηκαν στο κεφάλαιο 3. Τέλος το κεφάλαιο 6 πραγματεύεται τη Διαλειτουργικότητα με τρίτα συστήματα. Η διαλειτουργικότητα με τρίτα συστήματα επιτυγχάνεται μέσω της υπηρεσίας διάθεσης των μεταδεδομένων με τη χρήση του προτύπου OAI-PMH. Η υπηρεσία διάθεσης με τη χρήση του προτύπου OAI-PMH κάνει δυνατή τη διαλειτουργικότητα με τη Europeana. Με αυτό τον τρόπο, τα μεταδεδομένα γίνονται διαθέσιμα στην κοινότητα των Open Linked-Data. Σελίδα 19 από 19