«Συνδεδεμενα δεδομενα ιατρικων αλγοριθμων :

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΙΑΤΡΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ (ΠΡΟ.ΜΕ.Σ.Ι.Π.) ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ «Συνδεδεμενα δεδομενα ιατρικων αλγοριθμων : Linked Medal.» Κάψας Γεώργιος Επιβλέπων : Μπαμίδης Παναγιώτης, επίκουρος καθηγητής Ιατρικής Σχολής Α.Π.Θ. Τριμελής επιτροπή: Μαγκλαβέρας Νικόλαος, καθηγητής Ιατρικής Σχολής Α.Π.Θ. Μπαμίδης Παναγιώτης, επίκουρος καθηγητής Ιατρικής Σχολής Α.Π.Θ. Μπράτσας Χαράλαμπος, 407 εντεταλμένος λέκτορας Ιατρικής Σχολής Α.Π.Θ. Θεσσαλονίκη, Φεβρουάριος 2011

2 ΠΕΡΙΕΧΟΜΕΝΑ 1. Εισαγωγή Στόχοι μελέτης Medal mεducator.3 2. Η μεθοδολογία που ακολουθήθηκε Εξοικείωση με το σύστημα Medal Συλλογή δεδομένων σχετικά με τα συνδεδεμένα δεδομένα Ανάπτυξη τεχνικής δημοσιοποίησης συνδεδεμένων δεδομένων Ο Παγκόσμιος Ιστός, το παρελθόν και το μέλλον του Ο Ιστός των εγγράφων Ο Ιστός των δεδομένων «Συνδεδεμένα δεδομένα» Η τεχνολογία των συνδεδεμένων δεδομένων Βασικές αρχές συνδεδεμένων δεδομένων Αποαναφοροποίηση HTTP URI Διαπραγμάτευση περιεχομένου Ταυτόσημα URI Linking Open Data project Συνδεδεμένα δεδομένα των «επιστημών ζωής» H χρησιμότητα των ιατρικών συνδεδεμένων δεδομένων Δημοσίευση Συνδεδεμένων Δεδομένων στον Ιστό Περιγραφή μη-πληροφοριακών πόρων από URI Hash URI redirect URI Διαλέγοντας μεταξύ 303 redirect και hash «Ωραία» (Cool) URI Σύνδεσμοι μεταξύ URI που περιγράφουν την ίδια οντότητα Προτεινόμενα λεξιλόγια για την αναπαράσταση πληροφοριών Καθορισμός λεξιλογίου Τι θα πρέπει να επιστρέφει ως RDF η περιγραφή ενός URI Δημιουργία RDF Συνδέσμων προς άλλες Πηγές Δεδομένων Χειρονακτική τοποθέτηση συνδέσμων Αυτοματοποιημένη δημιουργία RDF συνδέσμων Αλγόριθμοι βασισμένοι σε πρότυπα (patterns) Πιο περίπλοκοι αλγόριθμοι βασισμένοι σε ιδιότητες Ολοκληρωμένες λύσεις για την προσφορά Συνδεδεμένων Δεδομένων Στατικά RDF Αρχεία Σχεσιακές Βάσεις Δεδομένων D2R Server D2RQ Mapping Language Εκχώρηση URI Άλλα εργαλεία για Σχεσιακές Βάσεις Δεδομένων Υλοποίηση Wrappers γύρω από υπάρχουσες Εφαρμογές ή Web API

3 5. Υλοποίηση της εφαρμογής Linked Data στο Medal Τα πρώτα βήματα Δημιουργία των τριπλετών RDF Σύνδεση με άλλες πηγές δεδομένων Σενάριο χρήσης Υλοποίηση meducator Συμπεράσματα

4 1. Εισαγωγή. O παγκόσμιος Ιστός είναι ένας τεράστιος χώρος ο οποίος περιέχει πληροφορίες για όλες τις ανθρώπινες δραστηριότητες. Ξεκίνησε το 1989 από το CERN ως μια απλή προσπάθεια διασύνδεσης εγγράφων και σήμερα αποτελεί αναπόσπαστο κομμάτι της ζωής του σύγχρονου ανθρώπου. Μέσα από τον παγκόσμιο ιστό μπορεί σήμερα κανείς να επικοινωνεί με άλλους ανθρώπους, να κάνει εμπορικές συναλλαγές, να συμμετάσχει στην διακυβέρνηση του κράτους, να ενημερώνεται να διεξάγει έρευνα και να αποκτά γνώσεις. Σε ότι αφορά την ιατρική επιστήμη ο παγκόσμιος ιστός έχει φέρει επαναστατικές αλλαγές στον τρόπο που η γνώση διαμοιράζεται, αξιολογείται και επαναχρησιμοποιείται. Στον τομέα της παροχής ιατρικών πληροφοριών στον Παγκόσμιο Ιστό υπάρχουν πάρα πολλοί ιστότοποι. Οι περισσότεροι από αυτούς ανήκουν σε μεγάλα εκπαιδευτικά ιδρύματα ή δημόσιους οργανισμούς. Περιέχουν πληροφορίες οι οποίες αφορούν κλινικές δοκιμές, νέες τεχνολογίες στην απεικόνιση και την διάγνωση καθώς και εκπαιδευτικό υλικό για τους γιατρούς όλων των ειδικοτήτων. Επίσης στον παγκόσμιο Ιστό διατίθεται μια τεράστια βάση δεδομένων με ιατρική βιβλιογραφία από τα μέσα του 20 ου αιώνα γνωστή ως MedLine. Το μεγάλο μειονέκτημα όλων αυτών των ιατρικών πληροφοριών είναι ότι πρόκειται για αδόμητη, διάσπαρτη γνώση η οποία για να ανακληθεί να αναζητηθεί και να εξαχθούν χρήσιμα συμπεράσματα απαιτείται ανθρώπινη νοημοσύνη, χρόνος και κόπος. Αυτό έχει ως αποτέλεσμα ενώ η ποσότητα της διαθέσιμης πληροφορίας είναι μεγάλη, η χρησιμότητά της να είναι μικρή. π.χ. όταν κάποιος αναζητά το φάρμακο atorvastatin εκτελώντας μια απλή αναζήτηση σε μια συμβατική μηχανή αναζήτησης όπως η Google θα λάβει 9 εκατομμύρια αποτελέσματα. Από αυτό ένα σημαντικό ποσοστό θα είναι απλές αναφορές στην συγκεκριμένη λέξη. Δεν θα περιέχουν εννοιολογικό περιεχόμενο το οποίο να περιγράφει το φάρμακο. Επίσης αν θέλουμε να μάθουμε σε ποιες κλινικές δοκιμές έχει χρησιμοποιηθεί, σε ποια ένζυμα δρα κ.ο.κ θα πρέπει πρώτα από μόνοι μας να εντοπίσουμε τις βάσεις δεδομένων οι οποίες περιέχουν τις συγκεκριμένες πληροφορίες και να αναζητήσουμε το φάρμακο εκεί. Όπως γίνεται κατανοητό είναι αδύνατον μέσα στα 9 x 10 6 αποτελέσματα να εντοπίσουμε με απλή περιήγηση στους ιστοτόπους έναν προς έναν τις επιπλέον πληροφορίες που αναζητούμε. Λύση στο πρόβλημα αυτό μπορεί να δώσει η νέα τεχνολογία η οπoία ονομάζεται Ιστός των Δεδομένων ή Συνδεδεμένα Δεδομένα. Στη νέα αυτή μορφή του Ιστού που συχνά αποκαλείται και Web 3.0 ο Ιστός θα πάψει να αποτελείται μονάχα από έγγραφα τα οποία συνδέονται τυχαία μεταξύ τους με απόλυτους συνδέσμους αλλά πλέον θα αποτελείται από δομημένα δεδομένα τα οποία θα μπορούν εύκολα να γίνουν κατανοητά και από μηχανές (agents). Συνεπώς για το φάρμακο atorvastatin το οποίο αναφέραμε παραπάνω τα αποτελέσματα τα οποία θα λαμβάνουμε από μια αναζήτηση θα μας

5 παραπέμπουν σε πολυάριθμες άλλες πηγές πληροφοριών που αφορούν το συγκεκριμένο φάρμακο κι έτσι ο χρήστης θα μπορεί να μεταβαίνει από πηγή σε πηγή και να ανακαλύπτει πολλαπλάσιες πληροφορίες υψηλής ποιότητας και σε πολύ σύντομο χρόνο. Επίσης από τη στιγμή που είναι αναγνωρίσιμη από μηχανές αυτή η μορφή των δεδομένων θα δίνεται η δυνατότητα αυτόματου data mining και retrieval ιατρικών δεδομένων γεγονός το οποίο θα διευκολύνει κατά πολύ την έρευνα. Αλλά και στον εκπαιδευτικό τομέα, τα συνδεδεμένα δεδομένα μπορούν να βοηθήσουν πάρα πολύ καθώς πλέον οι πληροφορίες δεν θα είναι ασύνδετο και αδόμητο κείμενο το οποίο ο φοιτητής θα πρέπει να απομνημονεύσει αλλά ένας ζωντανός ιστός αλληλοσυμπληρούμενων πληροφοριών οι οποίες προσφέρουν την δυνατότητα στον χρήστη να ανατρέχει άμεσα σε κάτι το οποίο δεν γνωρίζει και να διευρύνει τις γνώσεις του με ένα οργανωμένο τρόπο. Έτσι μπορούν πάνω στην αρχιτεκτονική των συνδεδεμένων δεδομένων να αναπτυχθούν εκπαιδευτικές πλατφόρμες όπως το meducator τν οποίο θα περιγράψουμε στη συνέχεια. 1.1 Στόχοι μελέτης Στόχος της παρούσας μελέτης είναι η παρουσίαση με τη μορφή συνδεδεμένων δεδομένων της βάσης δεδομένων Medal (Medical Algorithms) η οποία περιέχει ιατρικούς αλγορίθμους καθώς και της εκπαιδευτικής πλατφόρμας meducator και η διασύνδεση των δύο αυτών πληροφοριακών πηγών Medal Τι είναι το Medal: είναι μια προσπάθεια από το Ινστιτούτο Αλγοριθμικής Ιατρικής (Institute for Algorithmic Medicine) για την δημιουργία προγραμματιστικών εφαρμογών χρήσιμων ιατρικών αλγορίθμων, συμπεριλαμβάνοντας τεκμηρίωση και βιβλιογραφικές αναφορές και καθιστώντας τους εύκολα διαθέσιμους στους ενδιαφερόμενους. Οι αλγόριθμοι έχουν συλλεγεί από την ιατρική βιβλιογραφία, συμπεριλαμβανομένων ιατρικών περιοδικών και βιβλίων αναφοράς. Εικόνα 1 : Η αρχική σελίδα του ιστοτόπου Medal. 2

6 Στόχος του Project αυτού είναι : Να διασφαλίσει την ακρίβεια και την ασφάλεια εξισώσεων και αλγορίθμων. Να παρέχει επαρκή τεκμηρίωση με αναφορές στις πηγές από τις οποίες προέρχονται οι αλγόριθμοι Να προτυποποιήσει τα στοιχεία δεδομένων επιτρέποντας την αυτοματοποίηση εισόδου και εξόδου. Να δημιουργήσει ένα ευρετήριο για την εύκολη αναζήτηση των αλγορίθμων mεducator To Meducator είναι ένα Project πολλών Ευρωπαϊκών Πανεπιστημίων και αφορά την ανάπτυξη μια πλατφόρμας ηλεκτρονικής μάθησης εκπαίδευσης η οποία θα αφορά την ιατρική. Εικόνα 2: H αρχική σελίδα του ιστοτόπου του meducator. 3

7 To meducator έχει σαν στόχο: Να αναγνωρίσει και να συγκεντρώσει ένα σημαντικό σύνολο από εκπαιδευτικό υλικό σε διαφορετικές μορφές όπως: o Συμβατικό εκπαιδευτικό υλικό: σημειώσεις διαλέξεων, βιβλία, παρουσιάσεις, πρακτικές, ερωτήσεις αξιολόγησης, επιστημονικά εγχειρίδια, γραφικά, εικόνες/βίντεο, αλγόριθμους και προσομοιωτές o Εκπαιδευτικό υλικό αποκλειστικά της Ιατρικής εκπαίδευσης: εκπαιδευτικά αρχεία, εικονικοί ασθενείς, ιατρικές φόρμες βασισμένες σε καταθέσεις ασθενών (evidence based medicine forms), κλινικές ιατρικές εξετάσεις, κλινικές οδηγίες, άτλαντες ανατομίας, ηλεκτρονικά ίχνη από εικόνες κ.α. o Εναλλακτικές μορφές εκπαιδευτικού υλικού: ενεργές τεχνικές μάθησης, συνεδρίες μάθησης βασισμένες σε αληθινά προβλήματα/περιπτώσεις μέσω της τεχνολογίας web 2.0, serious games (2D/3D), δικτυακά ίχνη, wikis, blogs, forums συζητήσεων, κτλ. Να εξετάσει αν και σε ποιο βαθμό τα υπάρχοντα πρότυπα όπως είναι το Healthcare LOM μπορούν να ανταποκριθούν σε όλες τις μορφές ιατρικού εκπαιδευτικού υλικού όπως είναι τα παραπάνω και να κάνει αντίστοιχες εισηγήσεις για την εξέλιξη αυτών των προτύπων. Να εξετάσει αν και σε ποιο βαθμό τα υπάρχοντα πρότυπα όπως είναι το SCORM for Healthcare είναι επαρκή για να υποστηρίξουν την ομαδοποίηση και αυτόματη αναδιανομή όλων αυτών των μορφών εκπαιδευτικού υλικού. Να εξετάσει πιθανές προεκτάσεις των ήδη υπαρχόντων οντολογιών που περιγράφουν την σημασιολογία των μαθησιακών αντικειμένων (Learning Objects)ν (π.χ.s-lom ontology). Να επικοινωνήσει και να αλληλεπιδράσει με οργανισμούς τυποποίησης/προτυποποίησης όπως το MedBiquitous Europe, IEEE, IMS, CEN, Health On the Net, HL7, κτλ για να διασφαλίσει την υιοθέτηση των εισηγήσεων και επεκτάσεων στα σχετικά πρότυπα. 4

8 2. Η μεθοδολογία που ακολουθήθηκε. Στη συνέχεια θα αναφερθούμε εν συντομία στα βήματα που ακολουθήθηκαν για την ολοκλήρωση αυτής της Διπλωματικής εργασίας. 2.1 Εξοικείωση με το σύστημα Medal. Το Medal είναι ένα απλό στη χρήση website το οποίο προσφέρει στον χρήστη με απλό και κατανοητό τρόπο μια λίστα από ιατρικούς αλγορίθμους. Οι αλγόριθμοι αυτοί είναι ταξινομημένοι κατά ειδικότητα. Συνολικά 45 διαφορετικές ειδικότητες έχουν διαχωριστεί και καθεμία από αυτές διαθέτει υποδιαιρέσεις. Αφού αναζητήσουμε την ειδικότητα που θέλουμε και εντοπίσουμε τον αλγόριθμο που μας ενδιαφέρει, μπορούμε να συνδεθούμε με την σελίδα η οποία είναι αφιερωμένη στον συγκεκριμένο αλγόριθμο. Στη σελίδα αυτή λαμβάνουμε μια λεπτομερή σύνοψη του αλγορίθμου η οποία εξηγεί στο χρήστη τη χρησιμότητα του αλγορίθμου, σε ποίες περιπτώσεις εφαρμόζεται και τα αποτελέσματα τα οποία λαμβάνει από αυτόν. Επίσης παρέχονται και οι βιβλιογραφικές αναφορές στις ιατρικές μελέτες οι ποίες έθεσαν την βάση αυτού του αλγορίθμου. Τέλος ο ίδιος ο αλγόριθμος με τη μορφή XLS (Microsoft Excel) είναι διαθέσιμος για κατέβασμα. Το xls αρχείο περιλαμβάνει κενά πεδία στα οποία συμπληρώνουμε τις ζητούμενες μεταβλητές οι οποίες μπορούν να είναι αριθμοί, προκαθορισμένες απαντήσεις ή απαντήσεις του τύπου ναι όχι (boolean). Αφού εισάγουμε τις μεταβλητές και εκτελεστεί ο αλγόριθμος θα λάβουμε ως έξοδο κάποιες άλλες μεταβλητές οι οποίες μπορούν να μας καθορίσουν π.χ. τη δόση ενός φαρμάκου, ή να μας καθοδηγήσουν στην περαιτέρω διαχείριση ενός ασθενούς. Στην εικόνα 3 βλέπουμε ένα απλό παράδειγμα αλγορίθμου ο οποίος υπολογίζει τον Δείκτη Μάζας Σώματος (Body Mass Index BMI), Ο συγκεκριμένος αλγόριθμος πληροφορούμαστε ότι βασίζεται σε μια δημοσίευση από το 1997 από τους Sriram & Sviberly. Σκοπός είναι να υπολογίζει με βάση το ύψος, το βάρος, το φύλο και την ηλικία του ασθενούς τον βαθμό της παχυσαρκίας. Επομένως ως είσοδο του αλγορίθμου έχουμε 4 μεταβλητές, 3 από τις οποίες είναι αριθμοί εκφρασμένοι σε ίντσες, λίβρες και χρόνια καθώς και μια με προκαθορισμένες τιμές (άρρεν / θήλυ). Ως έξοδο του αλγορίθμου λαμβάνουμε έναν απόλυτο αριθμό ο οποίος καλείται Δείκτης Μάζας Σώματος και δηλώνει τον σχετικό κίνδυνο που διατρέχει ο εξεταζόμενος για καρδιαγγειακά νοσήματα. Στην επόμενη εικόνα βλέπουμε ένα παράδειγμα ενός εξετασθέντος ο οποίος είναι άντρας ηλικίας 33 ετών και έχει ύψος 191 εκ. ή 75 ίντσες και βάρος 95 χιλιόγραμμα ή 209 λίβρες. Ο ΔΜΣ του είναι 26,1 ο οποίος δηλώνει μικρή αύξηση του κινδύνου για καρδιαγγειακά νοσήματα. 5

9 Εικόνα 3 : Ο αλγόριθμος για τον Δείκτη Μάζας Σώματος 6

10 2.2 Συλλογή δεδομένων σχετικά με τα συνδεδεμένα δεδομένα. Αναζητήθηκαν στοιχεία για την τεχνολογία η οποία υπάρχει διαθέσιμη αυτή τη στιγμή στο διαδίκτυο για την δημοσίευση συνδεδεμένων δεδομένων. Αρχής γενομένης από το αντίστοιχο λήμμα της Wikipedia ( κατέστη δυνατή η ανεύρεση πολυάριθμων Project τα οποία ασχολούνται με τα συνδεδεμένα δεδομένα και την διαχείρισή τους. Παρομοίως μια αναζήτηση στο Google παρέπεμψε σε πολλαπλούς αξιόπιστους ιστοτόπους οι οποίοι στην πλειονότητά τους ανήκαν σε Πανεπιστημιακά Ιδρύματα τα οποία ασχολούνται ενεργά με την έρευνα στον τομέα αυτό καθώς και παρουσιάσεις και άρθρα από το World Wide Web Consortium ( Διαπιστώθηκε ότι κάποια συγκεκριμένα άτομα είναι πρωτοπόροι στη νέα αυτή τεχνολογία. Από τους πρωτεργάτες της νέας ιδέας ήταν ο Tim Berners-Lee ο οποίος είναι και ο εφευρέτης του Παγκοσμίου Ιστού. Επίσης κυρίαρχη θέση στα αποτελέσματα της αναζήτησης πληροφοριών σχετικά με τα συνδεδεμένα δεδομένα κατείχε το Linking Open Data project το οποίο αυτή τη στιγμή περιέχει δισεκατομμύρια όρους οι οποίοι είναι διασυνδεδεμένοι μεταξύ τους με συνδέσμους. 2.3 Ανάπτυξη τεχνικής δημοσιοποίησης συνδεδεμένων δεδομένων. Λαμβάνοντας υπόψη τις διάφορες υπάρχουσες τεχνικές αποφασίστηκε να ακολουθηθεί η ίδια στρατηγική τόσο για το Medal όσο και για το meducator. Δηλαδή : α. Ανάλυση των περιεχομένων της βάσης δεδομένων. β. Δημιουργία μοντέλου με μορφή σχεσιακής βάσης δεδομένων. γ. Εισαγωγή των δεδομένων στη βάση δ. Επιλογή εργαλείου δημοσίευσης των δεδομένων με μορφή RDF. ε. Σύνδεση με άλλες πηγές δεδομένων στ. Παραδείγματα χρήσης. 7

11 3. Ο Παγκόσμιος Ιστός, το παρελθόν και το μέλλον του. 3.1 Ο Ιστός των εγγράφων. Ο Παγκόσμιος Ιστός (World Wide Web) γεννήθηκε το 1989 στο Ελβετικό κέντρο ερευνών CERN από τον ο Άγγλο Tim Berners-Lee και τον Γάλλο Robert Caillau. Η κεντρική ιδέα γύρω από τον Ιστό ήταν να δοθεί η δυνατότητα στους επιστήμονες της εποχής να διαμοιράζονται και να συνδέουν τα αρχεία τους ανεξάρτητα από την πλατφόρμα στην οποία ήταν αποθηκευμένα ή την μορφή την οποία είχαν. Για το σκοπό αυτό εισήχθησαν μέσα στο κείμενο των εγγράφων οι σύνδεσμοι (links) μέσω τον οποίων ο χρήστης μπορεί να μεταφέρεται από ένα σχετικό έγγραφο σε κάποιο άλλο. Η ιδέα αυτή οδήγησε στη δημιουργία του Ιστού με την μορφή που τον ξέρουμε σήμερα ή αλλιώς του «Ιστού των Εγγράφων». Στον «Ιστό των Εγγράφων» τα έγγραφα είναι γραμμένα σε μια κοινή γλώσσα την Hypertext Markup Language (HTML) η οποία είναι κατανοητή από όλους τους υπολογιστές ανεξαρτήτως λειτουργικού συστήματος, και συνδέονται μεταξύ τους με υπερσυνδέσμους (hyperlinks), ενώ το πρωτόκολλο που χρησιμοποιείται για την μεταφορά των εγγράφων είναι το γνωστό σε όλους Hypertext Transfer Protocol (HTTP). Επομένως πρωταρχικό στοιχείο αυτού του παγκοσμίου συστήματος είναι τα HTML έγγραφα τα οποία είναι συνδεδεμένα μεταξύ τους με μη τυποποιημένους συνδέσμους και προορίζονται για κατανάλωση από ανθρώπους οι οποίοι μπορούν χρησιμοποιώντας την λογική τους να καταλάβουν το πώς αυτά σχετίζονται. Εικόνα 4: ο Ιστός των Εγγράφων. 8

12 Ο παγκόσμιος ιστός έχει αλλάξει δραματικά τον τρόπο με τον οποίο διαμοιράζεται η γνώση δίνοντας στους χρήστες τη δυνατότητα να εκδίδουν αλλά και να έχουν πρόσβαση σε έγγραφα ως μέρος ενός παγκοσμίου πληροφοριακού χώρου. Σύνδεσμοι υπερκειμένου επιτρέπουν την περιήγηση τον χώρο αυτό με την χρήση φυλλομετρητών ενώ μηχανές αναζήτησης ταξινομούν το περιεχόμενο αυτό και αναλύουν την δομή των συνδέσμων μεταξύ των δεδομένων προκειμένου να συμπεράνουν πιθανό συσχετισμό με τις αναζητήσεις των χρηστών. Αυτή η δυνατότητα είναι αποτέλεσμα της γενικευμένης ανοικτής και επεκτάσιμης φύσης του ιστού η οποία αποτελεί και το κλειδί για την ανεμπόδιστη ανάπτυξή του. Παρά τα αναντίρρητα πλεονεκτήματα που παρέχει ο ιστός μέχρι πρόσφατα, οι ίδιες αρχές οι οποίες επέτρεψαν στον ιστό των εγγράφων να αναπτυχθεί δεν εφαρμόστηκαν σε δεδομένα. Παραδοσιακά τα δεδομένα τα οποία εκδίδονταν στον ιστό ήταν διαθέσιμα σε ανεπεξέργαστη δομή με την μορφή αρχείων CVS, XML ή σε HTML πίνακες, θυσιάζοντας μεγάλο μέρος της δομής και του σημασιολογικού περιεχόμενού τους. Στη συμβατική HTML υπερκείμενο η φύση της σχέσης μεταξύ δύο εγγράφων είναι απόλυτη, δηλαδή με άλλα λόγια η HTML δεν είναι αρκετά εκφραστική ώστε να επιτρέψει σε οντότητες που αναφέρονται σε ένα κείμενο να συνδεθούν με συγκεκριμένου τύπου συνδέσμους με άλλες οντότητες. ο Ιστός είναι αποτελεσματικός στη δημοσίευση και ανακάλυψη εγγράφων, αλλά τα μεμονωμένα δεδομένα μέσα σε αυτά τα έγγραφα (π.χ. ημερομηνία ενός γεγονότος, η τιμή ενός αντικειμένου ή ένας μαθηματικός τύπος) δεν μπορούν να αναγνωριστούν απ ευθείας ως δεδομένα. Ο χρήστης έχει τη δυνατότητα να αναπαραστήσει τα δεδομένα με ένα φυλλομετρητή (browser), αλλά δεν μπορεί να χρησιμοποιήσει άλλα προγράμματα για την επεξεργασία ή την ανάλυσή τους χωρίς πρώτα να τα μετατρέψει στην κατάλληλη μορφή γεγονός που απαιτεί κόπο και χρόνο. Ο παγκόσμιο Ιστός με ραγδαίους ρυθμούς ανανεώνεται με τρομακτικές ποσότητες πληροφοριών. Οι πληροφορίες αυτές με τον κατάλληλο συνδυασμό τους μπορούν να μας οδηγήσουν σε νέες επιστημονικές ανακαλύψεις (π.χ. νέες τεχνολογίες, νέες θεραπείες) ή και να μας βοηθήσουν στην καλύτερη διαχείριση της γνώσης και των φυσικών πόρων. Αν και ο Παγκόσμιος Ιστός είναι μια τεράστια αποθήκη πληροφοριών, η μεγαλύτερη από αρχής κόσμου, και επεκτείνεται σε όλα τα γνωστικά πεδία, το περιεχόμενό του είναι άναρχα δομημένο, και οι πληροφορίες που περιέχει είναι αδόμητες και χωρίς καμιά μορφή αξιολόγησης της εγκυρότητάς τους. Οι μηχανές αναζήτησης βοηθούν στην εύρεση κάποιας πληροφορίας με τη χρήση λέξεων-κλειδιά, αλλά συχνά παραπέμπουν σε πληροφορίες οι οποίες μπορεί φαινομενικά να σχετίζονται αλλά σημασιολογικά απέχουν πολύ. 9

13 3.2 Ο Ιστός των δεδομένων. Ωστόσο ορισμένες νέες τεχνολογίες, όπως το RDF (Resource Description Framework) το οποίο επιτρέπει τη σύνδεση σημασιολογικών δεδομένων και η Web Ontology Language (OWL) η οποία περιγράφει τον τρόπο με τον οποίο τα αντικείμενα συνδέονται, έθεσαν τις βάσεις για την ανάπτυξη του «Σημασιολογικού Ιστού». Στον Σημασιολογικό Ιστό δίνεται η δυνατότητα να τοποθετηθούν ετικέτες στο περιεχόμενό του, οι οποίες με ακρίβεια θα περιγράφουν περί τίνος πρόκειται. Έτσι υπάρχει η δυνατότητα για αποτελεσματικότερες αναζητήσεις με βάση όχι πλέον λέξεις-κλειδιά αλλά νοήματα και αντικείμενα του πραγματικού κόσμου τα οποία αναγνωρίζονται ως ξεχωριστές οντότητες. Οι πάροχοι νέου υλικού στον ιστό μπορούν εν τη γενέσει να προσδίδουν σημασιολογικό περιεχόμενο στις πληροφορίες που προσφέρουν και με τον τρόπο αυτό ο χρήστης που τις αναζητά θα μπορεί ευκολότερα να τις εντοπίσει. Επίσης ο Σημασιολογικός Ιστός περιέχει στην αρχιτεκτονική του το στοιχείο αυτό του Ιστού των Εγγράφων (Web 1. 0 και 2.0) το οποίο τον κατέστησε τόσο επιτυχημένο: τον σύνδεσμο. Τα σημασιολογικά δεδομένα μπορούν α συνδεθούν με άλλα δεδομένα με τυποποιημένους συνδέσμους ακολουθώντας ένα πρότυπο μοντέλο. Ως αποτέλεσμα των παραπάνω προκύπτει ο Ιστός των Δεδομένων (Web of Data). Εικόνα 5: ο Ιστός των Δεδομένων. 10

14 3.3 «Συνδεδεμένα δεδομένα». Συνοπτικά τα συνδεδεμένα δεδομένα είναι απλά η χρήση του ιστού για τη δημιουργία τυποποιημένων συνδέσμων μεταξύ δεδομένων από διαφορετικές πηγές. Αυτές οι πηγές μπορεί να είναι πολύ διαφορετικές όπως π.χ. δύο βάσεις δεδομένων που τηρούνται από διαφορετικούς οργανισμούς σε διαφορετικές τοποθεσίες ή απλά ετερογενή συστήματα όπως π.χ. δύο βάσεις δεδομένων του ιδίου οργανισμού οι ποίες ιστορικά έχουν προβλήματα συμβατότητας στο επίπεδο των δεδομένων. Τεχνικά τα συνδεδεμένα δεδομένα αφορούν δεδομένα τα οποία γίνονται διαθέσιμα στον παγκόσμιο ιστό με μορφή η οποία είναι δυνατόν να αναγνωσθεί από μηχανές, η σημασία τους ορίζεται σαφώς, είναι συνδεδεμένα με άλλες πηγές δεδομένων και αυτά μπορούν με τη σειρά τους να αποτελέσουν συνδέσμους για άλλες πηγές δεδομένων. Ενώ τα πρωτεύοντα στοιχεία του ιστού υπερκειμένου είναι HTML έγγραφα τα οποία συνδέονται με μη τυποποιημένους συνδέσμους, τα συνδεδεμένα δεδομένα αφορούν έγγραφα τα οποία περιέχουν δεδομένα σε μορφή RDF (Resource Description Framework). Ωστόσο αντί απλά να συνδέουν αυτά τα έγγραφα, τα συνδεδεμένα δεδομένα χρησιμοποιούν το RDF για να κάνουν τυποποιημένες δηλώσεις οι οποίες συνδέουν τυχαία αντικείμενα στον κόσμο. Το αποτέλεσμα της παραπάνω δόμησης το οποίο αναφέρεται ως Ιστός Δεδομένων μπορεί ακριβέστερα να περιγραφεί ως «ιστός αντικειμένων του κόσμου που περιγράφονται από δεδομένα στον ιστό». Ο Tim Bernes-Lee έθεσε ένα σύνολο από κανόνες για την διάθεση δεδομένων στον Ιστό ώστε όλα τα δεδομένα να γίνουν τμήμα ενός παγκοσμίου ενιαίου πληροφοριακού χώρου: 1. Χρήση URI ως ονόματα-ετικέτες για αντικείμενα. 2. Χρήση HTTP URI ώστε οι χρήστες να μπορούν να ανατρέχουν στα αντικείμενα αυτά και να λαμβάνουν μια περιγραφή τους. 3. Όταν κάποιος ανατρέχει σε ένα URI αυτό να παρέχει χρήσιμες πληροφορίες χρησιμοποιώντας κάποια θεσπισμένη μορφή (RDF, SPARQL). 4. Να περιέχονται σύνδεσμοι σε άλλα URI ώστε οι χρήστες να ανακαλύπτουν περισσότερα αντικείμενα (κανόνας follow-your-nose). Αυτοί οι κανόνες έγινες γνωστοί ως «Αρχές των Συνδεδεμένων Δεδομένων» και παρέχουν την βασική «συνταγή» για την έκδοση και την σύνδεση των δεδομένων χρησιμοποιώντας της υποδομή του ιστού. 11

15 3.4 Η τεχνολογία των συνδεδεμένων δεδομένων. Τα συνδεδεμένα δεδομένα βασίζονται σε δύο κυρίως τεχνολογίες οι οποίες είναι θεμελιώδεις για τον ιστό : τα ενιαία προσδιοριστικά πόρων (Uniform Resource Identifiers-URI) και το πρωτόκολλο μεταφοράς υπερκειμένου (HyperText Transfer Protocol -HTTP). Ενώ οι ενιαίοι εντοπιστές πόρων (Uniform Resource Locators URLs) έχουν γίνει γνώριμοι ως διευθύνσεις εγγράφων ή άλλων οντοτήτων οι ποίες μπορούν να εντοπιστούν στον ιστό, τα URI προσφέρουν μια πιο γενικευμένη δυνατότητα για να προσδιοριστεί μια οντότητα που υπάρχεις τον κόσμο. Εκεί όπου οντότητες ορίζονται από URI τα οποία χρησιμοποιούν το πρότυπο, μπορεί κάποιος να ανατρέξει σε αυτές απλά με την αποαναφοροποίηση (dereferencing) του URI πάνω από το HTTP πρωτόκολλο. Τα URI και το HTTP συμπληρώνονται από μια τεχνολογία που είναι μεγάλης σημασίας για τον ιστό των δεδομένων, το RDF. Ενώ η HTML προσφέρει τον τρόπο για την σύνδεση και τη δόμηση εγγράφων στον ιστό, το RDF προσφέρει ένα γενικευμένο βασισμένο σε γράφο μοντέλο με το οποίο μπορούν να δομηθούν και να συνδεθούν δεδομένα τα οποία περιγράφουν οντότητες του κόσμου. Το μοντέλο RDF κωδικοποιεί τα δεδομένα με τη μορφή υποκείμενο, κατηγόρημα, αντικείμενο. Το αντικείμενο και το υποκείμενο μιας τριπλέτας είναι και τα δυο URΙ τα οποία προσδιορίζουν ένα πόρο. Το κατηγόρημα δηλώνει τον τρόπο με τον οποίο το υποκείμενο και το αντικείμενο σχετίζονται και αντιπροσωπεύεται και αυτό από ένα URI. Για παράδειγμα μια τριπλέτα RDF μπορεί αν δηλώνει ότι δύο άνθρωποι ο Α και ο Β ο καθένας εκ των οποίων προσδιορίζεται από ένα URI σχετίζονται με το γεγονός ότι ο Α γνωρίζει τον Β. Με τον ίδιο τρόπο μια άλλη τριπλέτα μπορεί να συνδέσει τον άνθρωπο Γ με ένα άρθρο Δ στην βιβλιογραφική βάση δεδομένων δηλώνοντας ότι ο Γ είναι συγγραφέας του Δ. Δύο πόροι οι οποίοι συνδέονται κατ αυτόν τον τρόπο μπορούν να αντλούνται από διαφορετικές βάσεις δεδομένων του ιστού, επιτρέποντας έτσι την διασύνδεση διαφορετικών πηγών δεδομένων και την δημιουργία του ιστού των δεδομένων (Web of Data). Συνεπώς είναι δυνατόν αν παρομοιάσουμε τις RDF τριπλέτες οι ποίες συνδέουν δεδομένα σε διαφορετικές βάσεις δεδομένων με του υπερσυνδέσμους HTML οι ποίοι συνδέουν έγγραφα στον ιστό των εγγράφων. Οι σύνδεσμοι RDF παίρνουν τη μορφή τριπλετών όπου το υποκείμενο της τριπλέτας είναι μια URI αναφορά σε κάποιον πληροφοριακό χώρο και το αντικείμενο είναι URI αναφορά σε άλλον πληροφοριακό χώρο. 12

16 Παράδειγμα δύο συνδέσμων RDF: Υποκείμενο: Κατηγόρημα: Αντικείμενο: Υποκείμενο: Κατηγόρημα: Αντικείμενο: Ο πρώτος σύνδεσμος δηλώνει ότι ο πόρος που προσδιορίζεται από το URI : είναι μέλος ενός άλλου πόρου που καλείται Όταν το υποκείμενο της σύνδεσης αποαναφοροποιείται μέσω HTTP πρωτοκόλλου ο εξυπηρετητής dig.csail.mit.edu απαντά με μια περιγραφή RDF του προσδιοριζόμενου πόρου, στην περίπτωση αυτή του Decentralized Information Group στο ΜΙΤ.. Όταν το αντικείμενο της σύνδεσης αποαναφοροποιείται ο εξυπηρετητής W3C παρέχει ένα RDF γράφο που περιγράφει τον Tim Bernes Lee. Αποαναφοροποιώντας το κατηγόρημα λαμβάνουμε μια περιγραφή του τύπου σύνδεσης member με τη χρήση της γλώσσας RDFS (RDF Vocabulary Definition Language). Στο δεύτερο παράδειγμα έχουμε την σύνδεση της περιγραφής του φιλμ Pulp Fiction στh Linked Movie Database με την περιγραφή του στην DBpedia, δηλώνοντας ότι τα URI και αναφέρονται στην ίδια πραγματική οντότητα, το φιλμ Pulp Fiction. Οι γλώσσες RDF Vocabulary Definition Language (RDFS- Brickley & Guha, 2004) και Web Ontology Language (OWL - McGuinness & van Harmelen, 2004) παρέχουν την βάση για την δημιουργία λεξιλογίων τα οποία μπορούν να χρησιμοποιηθούν για να περιγράψουν οντότητες του πραγματικού κόσμου και πώς αυτές σχετίζονται. Τα λεξιλόγια είναι σύνολο από κλάσεις και ιδιότητες. Τα ίδια τα λεξιλόγια εκφράζονται σε RDF, χρησιμοποιώντας όρους από τις RDFS και OWL τα οποία παρέχουν διαφόρους βαθμούς εκφραστικότητας στην μοντελοποίηση ενδιαφερόντων θεμάτων. Ο καθένας είναι ελεύθερος να διαθέσει στον Ιστό λεξιλόγια τα οποία με τη σειρά τους μπορούν να συνδεθούν με RDF τριπλέτες με τις κλάσεις και τις ιδιότητες άλλων λεξιλογίων. 13

17 Χρησιμοποιώντας HTTP URI για τον προσδιορισμό πόρων, το HTTP πρωτόκολλο ως μηχανισμό ανάκλησης, και το μοντέλο δεδομένων RDF για την αναπαράσταση της περιγραφής των πόρων, τα συνδεδεμένα δεδομένα χτίζονται απευθείας πάνω στην αρχιτεκτονική του Ιστού (Jacobs & Walsh, 2004). Ο ιστός των δεδομένων μπορεί επομένως να χαρακτηριστεί ως έναν επιπλέον «στρώμα» το ποίο βρίσκεται σε στενή διαπλοκή με τον κλασσικό ιστό των εγγράφων και έχει κάποιες κοινές ιδιότητες: Ο ιστός δεδομένων είναι γενικευμένος και μπορεί να περιέχει οποιουδήποτε είδους δεδομένα. Η διάθεση δεδομένων στον ιστό είναι ελεύθερη. Αυτοί που διαθέτουν τα δεδομένα δεν είναι περιορισμένοι σε ότι αφορά το λεξιλόγιο που θα χρησιμοποιηθεί για να περιγραφούν τα δεδομένα αυτά. Οι οντότητες συνδέονται με RDF συνδέσμους δημιουργώντας ένα παγκόσμιο γράφο δεδομένων ο οποίος επεκτείνεται σε πολλαπλές πηγές δεδομένων και δίνει την δυνατότητα ανακάλυψης νέων πηγών. Σε ότι αφορά την δυνατότητα ανάπτυξης εφαρμογών ο ιστός των δεδομένων έχει τα ακόλουθα χαρακτηριστικά: Τα δεδομένα είναι αυστηρώς απαλλαγμένα από θέματα μορφοποίησης και παρουσίασης Τα δεδομένα αυτό-περιγράφονται. Εάν μια εφαρμογή οποία καταναλώνει συνδεδεμένα δεδομένα συναντήσει κάποια τα οποία περιγράφονται από άγνωστο λεξιλόγιο, μπορεί ανατρέχοντας στα URI τα οποία περιγράφουν τους όρους του λεξιλογίου να βρει τον ορισμό τους. Ο καθολικός καθορισμός της HTTP ως μεθόδου πρόσβασης των δεδομένων και του RDF ως μοντέλου δόμησής τους, απλοποιεί την πρόσβαση στα δεδομένα σε σύγκριση με τα Web API τα οποία στηρίζονται σε ετερογενή μοντέλα και διεπαφές (Interfaces) πρόσβασης. O ιστός των δεδομένων είναι ανοικτός, γεγονός που σημαίνει ότι οι εφαρμογές δεν χρειάζεται να περιορίζονται σε ένα συγκεκριμένο σύνολο από πηγές, αλλά μπορούν να ανακαλύπτουν νέες πηγές κατά την εκτέλεσή τους ακολουθώντας RDF συνδέσμους. 3.5 Βασικές αρχές συνδεδεμένων δεδομένων. Αρχικά θα πρέπει να γίνει αξιολόγηση των δεδομένων τα οποία σκοπεύουμε να δημοσιεύσουμε με βάση τα αντικείμενα (ή αλλιώς πόρους) και τις ιδιότητές τους. Το W3C Technical Architecture Group (TAG) διακρίνει δύο είδη πόρων: τους πληροφοριακούς πόρους και τους μη-πληροφοριακούς ή άλλους πόρους. Όλοι οι 14

18 παραδοσιακοί πόροι του Ιστού των Εγγράφων, δηλαδή έγγραφα, εικόνες, και άλλα αρχεία, είναι πληροφοριακοί πόροι. Ωστόσο πολλά από τα αντικείμενα για τα οποία θέλουμε να διαθέσουμε πληροφορίες δεν είναι πληροφοριακοί πόροι όπως π.χ. άνθρωποι, τοποθεσίες, επιστημονικές ιδέες, ορμόνες κοκ. Ο γενικός κανόνας είναι ότι τα «πραγματικά αντικείμενα» τα οποία υπάρχουν έξω από τον Ιστό είναι μη-πληροφοριακοί πόροι. Οι πόροι περιγράφονται με τη χρήση των Ενιαίων Αναγνωριστικών Πόρων (Uniform Resource Identifiers URIs). Στον Ιστό των Δεδομένων περιοριζόμαστε στη χρήση HTΤΡ URI και όχι άλλα πρότυπα. Τα HTTP URI είναι προτιμότερα για δύο λόγους. Μας δίνουν τη δυνατότητα να δημιουργήσουμε παγκοσμίως μοναδικά ονόματα χωρίς κεντρική διαχείριση κι τα URI λειτουργούν όχι μόνο ως απλά ονόματα αλλά ως μέσον πρόσβασης πληροφορίας σχετικά με τον πόρο διαμέσω του Ιστού. 3.6 Αποαναφοροποίηση HTTP URI. Η «αποαναφοροποίση» (dereferencing) ενός HTTP URI είναι η ανάκτηση μέσω του ιστού πληροφοριών για τον πόρο που περιγράφει το URI. Υπάρχει διάκριση στο πώς αποαναφοροποιούνται URI τα οποία περιγράφουν πληροφοριακούς και μηπληροφοριακούς πόρους: Πληροφοριακοί Πόροι: Όταν αποαναφοροποιείται ένα πληροφοριακό URI, o εξυπηρετητής (server) δημιουργεί μια νέα αναπαράσταση του αρχείου αυτού και το στέλνει στον «πελάτη» (client) χρησιμοποιώντας τον HTTP κωδικό απόκρισης 200 OK. Δηλαδή πρόκειται για ένα τυπικό HTTP handshake. Ωστόσο δεν μπορεί κανείς να αποαναφοροποιήσει ένα μη πληροφοριακό πόρο απευθείας διότι περιγράφει μια υλική οντότητα που υπάρχει εκτός του Ιστού κι όχι κάποιο έγγραφο. Προκειμένου να επιτραπεί η αποαναφοροποίηση αυτών των URI απαιτείται ένα τέχνασμα: ο εξυπηρετητής (server) αντί να παραπέμψει τον πελάτη σε κάποιο αρχείο, τον ανακατευθύνει σε ένα νέο πληροφοριακό URI χρησιμοποιώντας τον ΗΤΤP κωδικό 303 See Other. Αυτό αποκαλείται 303 ανακατεύθυνση και στη συνέχει το πληροφοριακό URI αποαναφοροποιείται και δίνει στον πελάτη μια περιγραφή του μηπληροφοριακού πόρου. Η διαδικασία αυτή καθίσταται δυνατή χάρη σε έναν HTTP μηχανισμό που ονομάζεται διαπραγμάτευση περιεχομένου (content negotiation). 3.7 Διαπραγμάτευση περιεχομένου. Οι συνηθισμένοι φυλλομετρητές (browsers) όπως τους γνωρίζουμε δεν μπορούν να διαχειριστούν τις RDF τριπλέτες με αποτέλεσμα να τις αντιμετωπίζουν ως απλά αρχεία και απλά να τις εμφανίζουν στην οθόνη. Προφανώς αυτό δεν είναι βοηθητικό για τον χρήστη-άνθρωπο καθώς το RDF προορίζεται για κατανάλωση από μηχανές. Οι σύγχρονοι 15

19 Linked Data Browsers μπορούν να αποδώσουν τόσο την HTML αναπαράσταση όσο και την RDF αναπαράσταση ενός πόρου. Οι φυλλομετρητές στέλνουν HTTP κεφαλίδες με κάθε αίτηση για να δηλώσουν εάν έχουν την δυνατότητα να απεικονίζουν μόνο HTML ή και XML+RDF. Ανάλογα με την αίτηση του browser ο εξυπηρετητής αποστέλλει την αντίστοιχη αναπαράσταση HTML ή RDF. Παράδειγμα: Η αίτηση: "Accept: application/rdf+xml" Έχει απόκριση : HTTP/ See Other Content-Type: application/rdf+xml Location: Η διαπραγμάτευση περιεχομένου για μη-πληροφοριακούς πόρους υλοποιείται ως εξής. Όταν επισκεφτούμε ένα URI που ταυτοποιεί ένα μη-πληροφοριακό πόρο, ο εξυπηρετητής στέλνει μια ανακατεύθυνση 303 προς έναν πληροφοριακό πόρο. Επομένως ένας εξυπηρετητής περιέχει συνήθως τρία σχετιζόμενα URI που για κάθε μηπληροφοριακό πόρο, π.χ. : URI που ταυτοποιεί το μηπληροφοριακό πόρο Ελλάδα) (πληροφοριακός πόρος με μια RDF/XML αναπαράσταση που περιγράφει Ελλάδα) (πληροφοριακός πόρος με μια HTML αναπαράσταση που περιγράφει τη Ελλάδα) Η εικόνα 6 δείχνει ένα παράδειγμα διαπραγμάτευσης: 16

20 Εικόνα 6: Διαπραγμάτευση περιεχομένου 1. Ο πελάτης πραγματοποιεί ένα HTTP GET αίτημα προς ένα URI το οποίο ταυτοποιεί ένα μη-πληροφοριακό πόρο. Εάν ο πελάτης είναι φυλλομετρητής Συνδεδεμένων Δεδομένων και προτιμά μια RDF/XML αναπαράσταση του πόρου, στέλνει μια κεφαλίδα Accept: application/rdf+xml μαζί με την αίτηση. Οι HTML φυλλομετρητές θα έστελναν αντί γι αυτό μια κεφαλίδα Accept: text/html. 2. Ο εξυπηρετητής αναγνωρίζει το URI που ταυτοποιεί ένα μη-πληροφοριακό πόρο. Καθώς ο εξυπηρετητής δεν μπορεί να επιστρέψει μια αναπαράσταση αυτού του πόρου, απαντά χρησιμοποιώντας τον HTTP κωδικό απόκρισης 303 See Other και στέλνει στον πελάτη το URI ενός πληροφοριακού πόρου που περιγράφει το μη-πληροφοριακό πόρο. Στην περίπτωση του RDF: RDF content location. 3. Ο πελάτης τώρα ζητά από τον εξυπηρετητή να λάβει (GET) μια αναπαράσταση του πληροφοριακού πόρου, ζητώντας ξανά application/rdf+xml. 4. Ο εξυπηρετητής στέλνει στον πελάτη ένα έγγραφο RDF/XML το οποίο περιέχει μια περιγραφή του vocabulary URI του αρχικού πόρου. 3.8 Ταυτόσημα URI. Σε ένα περιβάλλον όπως ο ιστός στον οποίο ο καθείς μπορεί να δημοσιεύσει περιεχόμενο είναι συνήθως ο κανόνας παρά η εξαίρεση η ίδια οντότητα να αντιπροσωπεύεται πολλές φορές από διαφορετικά URI καθώς οι πάροχοι των πληροφοριών δεν γνωρίζουν ο ένας την ύπαρξη του άλλου. Για παράδειγμα, η DBpedia, μια πηγή η οποία παρέχει με δομημένο τρόπο τα δεδομένα της Wikipedia, χρησιμοποιεί το URI για να ταυτοποιήσει τη Θεσσαλονίκη. Το Geonames, μια πηγή γεωγραφικών δεδομένων, χρησιμοποιεί το URI για να ταυτοποιήσει τη Θεσσαλονίκη. Και τα δύο 17

21 URIs αναφέρονται στον ίδιο μη-πληροφοριακό πόρο και καλούνται ταυτόσημα URI. Τα ταυτόσημα URI είναι πολύ συνηθισμένα στον Ιστό καθώς ο κάθε πάροχος πληροφοριών περιγράφει με διαφορετικό τρόπο τον ίδιο πόρο. Το γεγονός αυτό είναι σε κάποιο βαθμό καλό καθώς για τον ίδιο πόρο υπάρχουν πολλές διαφορετικές όψεις και απόψεις, γεγονός που συμβάλλει στην πολυφωνία. Ωστόσο αυτές οι διαφορετικές περιγραφές του κάθε πόρου είναι συνήθως ανεξάρτητες η μια από την άλλη και δύσκολο να αναζητηθούν. Για το λόγο αυτό υπάρχει η δυνατότητα τα ταυτόσημα αυτά URI να συνδέονται με συνδέσμους με RDFS τύπο owl:sameas o οποίος υποδηλώνει πρόκειται για τον ίδιο πόρο. 3.9 Linking Open Data project Εικόνα 7: Ταυτόσημα URI Το σημαντικότερο αυτή τη στιγμή εν ενεργεία έργο προς την κατεύθυνση της εφαρμογής των κανόνων των συνδεδεμένων δεδομένων είναι το Linking Open Data (Σύνδεση ανοικτών δεδομένων), υπό την αιγίδα του W3C Semantic Web Education and Outreach Group (SWEO). Το κοινοτικό αυτό έργο το οποίο ξεκίνησε τον Ιανουάριο του 2007 σκοπό έχει την δημοσίευση υπαρχόντων, ελευθέρων πηγών δεδομένων του Ιστού με τη μορφή συνδεδεμένων δεδομένων, τη δημιουργία συνδέσεων μεταξύ αυτών των πηγών και την ανάπτυξη πελατών οι οποίοι καταναλώνουν αυτά τα συνδεδεμένα δεδομένα.[4] Οι συμμετέχοντες στα αρχικά στάδια του project ήταν κυρίως ερευνητές και αρχιτέκτονες λογισμικού σε πανεπιστήμια και μικρές εταιρίες. Από τότε το Project είχε μεγάλη ανάπτυξη, υπήρξε η ανάμειξη μεγάλων οργανισμών όπως το BBC, το Reuters και Η βιβλιοθήκη του Κογκρέσου. Αυτή η ανάπτυξη κατέστη εφικτή χάρη στην ανοικτή αρχιτεκτονική του Ιστού των Δεδομένων όπου μπορεί ο καθένας να προσθέσει ένα νέο σύνολο δεδομένων (τα οποία αντιπροσωπεύονται από κύκλους στον αντίστοιχο γράφο) και να τα συνδέσει με άλλα τέτοια σύνολα. 18

22 Στην εικόνα 8 βλέπουμε την αρχική μορφή του Project τον Μάιο του Εικόνα 8: Linking Open Data cloud Μάιος Τότε το σύνολο των πηγών περιείχαν περίπου 500 εκατομμύρια τριπλέτες δεδομένων διασυνδεδεμένες με RDF συνδέσμους. Η σημερινή εικόνα (Σεπτέμβριος του 2010) του project φαίνεται στην εικόνα 9. 19

23 Εικόνα 9: Linking Open Data cloud Σεπτέμβριος Στο σημερινό γράφο βλέπουμε πολυάριθμες πηγές δεδομένων συνδεδεμένες με πολλαπλούς συνδέσμους. Παρ ότι είναι δύσκολο να υπολογίσουμε τον ακριβή αριθμό των δεδομένων στο «σύννεφο» του Linking Open Data project, διότι τα περισσότερα δεδομένα προέρχονται από προϋπάρχουσες πηγές οι οποίες μετατράπηκαν στο πρότυπο RDF και δεν έχουν εξερευνηθεί πλήρως, εκτιμάται ότι οι 203 διασυνδεδεμένες πηγές περιέχουν 25 δισεκατομμύρια τριπλέτες RDF οι οποίες συνδέονται με 395 εκατομμύρια RDF συνδέσμους! Το μέγεθος των κύκλων στο σχήμα αντιπροσωπεύει το μέγεθος της βάσης ενώ το πάχος των βελών αντιπροσωπεύει τον αριθμό των συνδέσεων μεταξύ των πηγών. Το περιεχόμενο του σύννεφου είναι πολυποίκιλο και περιέχει δεδομένα από γεωγραφικές τοποθεσίες, εταιρίες, βιβλία, επιστημονικές δημοσιεύσεις, ταινίες, μουσική, τηλεοπτικά και ραδιοφωνικά προγράμματα, γονίδια, πρωτεΐνες, φάρμακα, κλινικές δοκιμές, διαδικτυακές κοινότητες, στατιστικά δεδομένα, δημογραφικά αποτελέσματα και αξιολογήσεις. Το χρώμα της κάθε πηγής είναι ενδεικτικό της φύσης της. Έτσι βλέπουμε τις πηγές ομαδοποιημένες σε επτά μεγάλες κατηγορίες: μέσα, γεωγραφικά δεδομένα, 20

24 δημοσιεύσεις, περιεχόμενο το οποίο παρήχθη από τους χρήστες, κυβερνητικά δεδομένα, διεπιστημονικά δεδομένα και δεδομένα από τις βιολογικές επιστήμες επιστήμες υγείας. Αυτά τα σύνολα δεδομένων μπορούν να απεικονιστούν από φυλλομετρητές του Σημασιολογικού Ιστού, μπορούν να αναζητηθούν από μηχανές και να εξορυχθούν από αυτά άλλα δεδομένα. Προς το παρόν δεν έχει καταστεί δυνατή η αναπαράσταση των ίδιων εννοιών από όλους τους παρόχους πληροφοριών με των ίδιο τρόπο. Ακόμα και τα λεξιλόγια που χρησιμοποιούνται είναι αρκετά ετερογενή αυτά που κυριαρχούν είναι το foaf (friend of a friend), το geo (WGS84 lat/long) το dc (Dublin Core) το scovo (Statistical Core Vocabulary) κ.α Συνδεδεμένα δεδομένα των «επιστημών ζωής» Οι «επιστήμες ζωής» (life sciences) είναι το σύνολο των επιστημών οι ποίες ασχολούνται με την επιστημονική μελέτη των ζωντανών οργανισμών όπως τα ζώα τα φυτά και οι άνθρωποι. Η ιατρική και η βιολογία βρίσκονται στο κέντρο αυτών των επιστημών. Στην εικόνα 10 βλέπουμε με πορτοκαλί κύκλο τις πηγές δεδομένων στο Linking Open Data cloud που αφορούν τις life sciences. Εικόνα 10: Πηγές δεδομένων life sciences στο σύννεφο του Open Linking Data project. 21

25 Όπως φαίνεται από την εικόνα διόλου ευκαταφρόνητος δεν είναι ο αριθμός αυτών των πηγών. Από τις life sciences πηγές ιδιαίτερο ιατρικό ενδιαφέρον παρουσιάζουν οι ακόλουθες οι οποίες ανταποκρίνονται και περισσότερο στην καθ ημέρα ιατρική πράξη. PubMed : περιέχει με μορφή Linked Data ένα τεράστιο αριθμό βιοιατρικών βιβλιογραφικών αναφορών. LinkedCT : Αντλεί τα δεδομένα του από το το οπoίο περιέχει μια τεράστια σειρά από αποτελέσματα κλινικών δοκιμών. Περισσότερες από κλινικές δοκιμές οι οποίες διεξάγονται σε 173 χώρες. Συνολικό μέγεθος δεδομένων 7 εκατομμύρια τριπλέτες. DailyMed : Η έκδοση με συνδεδεμένα δεδομένα του DailyMed το οποίο εκδίδεται από την Αμερικανική Εθνική Ιατρική Βιβλιοθήκη και παρέχει υψηλής ποιότητας πληροφορίες για τα φάρμακα που πωλούνται στην αγορά. Παρέχει αρκετή πληροφορία η ποία περιλαμβάνει το γενικό υπόβαθρο της χημικής δομής του φαρμάκου και τους θεραπευτικούς του σκοπούς, λεπτομέρειες σχετικά με την κλινική φαρμακολογία του φαρμάκου, τις ενδείξεις και την χρήση του, τις αντενδείξεις, τις προειδοποιήσεις και προφυλάξεις που πρέπει να λαμβάνονται, τις ανεπιθύμητες ενέργειες και την υπερδοσολογία καθώς και γενικές κατευθύνσεις στους ασθενείς που το λαμβάνουν. Diseasome : Η έκδοση με συνδεδεμένα δεδομένα του Diseasome είναι ένα δίκτυο από 4,300 διαταραχές και γονίδια συνδεδεμένα με γνωστές συσχετίσεις διαταραχών γονιδίων. Έτσι μπορεί να εξερευνηθούν όλοι οι συσχετισμοί μεταξύ φαινοτύπου και νοσογόνων γονιδίων, αναγνωρίζοντας την κοινή γενετική προέλευση πολλών νόσων. Το υλικό αυτό ελήφθη από την Online Μεντέλια Κληρονομικότητα στον άνθρωπο (Online Mendelian Inheritance in Man - OMIM), μια συλλογή από ανθρώπινα νοσογόνα γονίδια και φαινοτύπους. DrugBank : Το DrugBank με συνδεδεμένα δεδομένα είναι μια παρακαταθήκη 5000 περίπου φαρμάκων εγκεκριμένων από τον Αμερικανικό Οργανισμό Φαρμάκων και Τροφίμων (FDA-approved). Περιέχει λεπτομερείς πληροφορίες για τα φάρμακα περιλαμβάνοντας χημικά και φαρμακολογικά δεδομένα μαζί με εκτεταμένες πληροφορίες σχετικά με τον στόχο του φαρμάκου, δηλαδή την ακολουθία και την δομή του. SIDER : τέλος η έκδοση με συνδεδεμένα δεδομένα του SIDER περιέχει πληροφορίες για τα φάρμακα που κυκλοφορούν στην αγορά και τις ανεπιθύμητες ενέργειές τους. 22

26 3.11 H χρησιμότητα των ιατρικών συνδεδεμένων δεδομένων. Για ποιο λόγο όμως να μετατρέψουμε τα δεδομένα σε συνδεδεμένα προκειμένου να έχουμε πρόσβαση σε αυτά ενώ θα μπορούσαμε να τα ανακτήσουμε απευθείας από την βάση δεδομένων που τα φιλοξενεί; Ποιο είναι το συγκριτικό πλεονέκτημα για το οποίο πρέπει να κάνουμε μια τόσο μεγάλη προσπάθεια για να μετατρέψουμε τις ιατρικές βάσεις δεδομένων σε συνδεδεμένα δεδομένα; Είναι η δυνατότητα μαζικής αναζήτησης πληροφοριών με κριτήρια. όταν κάνουμε μια αναζήτηση στον συμβατικό Ιστό χρησιμοποιώντας κάποια λέξη κλειδί, δεν κάνουμε αναζήτηση για μια οντότητα ή μια έννοια, αλλά το σε ποια έγγραφα αναφέρεται αυτός ο όρος. Αυτός ο τρόπος αναζήτησης είναι ελάχιστα αποτελεσματικός και οι σύνδεσμοι που μας επιστρέφει πολλές φορές δεν έχουν σχέση με αυτό που αναζητήσαμε, ειδικά αν πρόκειται για κάτι εξειδικευμένο. Έτσι και τα ιατρικά δεδομένα είναι εξειδικευμένα δεδομένα και η αναζήτησή τους με απλές μηχανές αναζήτησης είναι ιδιαίτερα αναποτελεσματική. Στο παράδειγμα που ακολουθεί βλέπουμε τη χρησιμότητα που έχει η δομημένη αναπαράσταση των ιατρικών δεδομένων. Θέλουμε π.χ. να βρούμε κάποια φάρμακα τα οποία πιθανώς θα μπορούσαν να βοηθήσουν στην καταπολέμηση της νόσου του Alzheimer. Για το σκοπό αυτό θέλουμε να μάθουμε ποιές πρωτεΐνες εμπλέκονται στην μεταβίβαση νευρικών ώσεων και σχετίζονται με την πυραμιδική οδό. Μια απλή αναζήτηση στο Google με αυτούς τους όρους, βλέπουμε ότι μας επιστρέφει αποτελέσματα. Από τα χιλιάδες όμως αυτά αποτελέσματα κανένα δεν ανταποκρίνεται στην συγκεκριμένη γνώση που αναζητούμε. Είναι μια γνώση την οποία μπορεί κάποιος να αποκομίσει μετά από επίπονη αναζήτηση σε σχετικά εξειδικευμένα βιβλία και άντληση των στοιχείων ένα προς ένα. Από την άλλη πλευρά στον πληροφοριακό χώρο των συνδεδεμένων ιατρικών δεδομένων μας δίνεται η δυνατότητα να πραγματοποιήσουμε μια σύνθετη αναζήτηση όχι πλέον με λέξεις κλειδιά αλλά με έννοιες οι οποίες είναι σαφώς καθορισμένες. Έτσι αναζητούμε οντότητες οι ποίες να έχουν ιδιότητα π.χ. member of signal transduction και είναι near pyramidal neurons. Το αποτέλεσμα αυτής της αναζήτησης είναι 32 πρωτεΐνες οι οποίες με τον ένα ή τον άλλο τρόπο συμμετέχουν στην νευροδιαβίβαση και βρίσκονται στην πυραμιδική οδό. Όπως ήταν αναμενόμενο από την φύση του ερωτήματος και οι 32 αποκρίσεις είναι επιτυχημένες και απαντούν επακριβώς στο ερώτημα του τέθηκε. Συνεπώς βλέπουμε πως η οργανωμένη με τη μορφή συνδεδεμένων δεδομένων γνώση μπορεί να αποτελέσει πολύτιμο εργαλείο στα χέρια των ερευνητών, εξοικονομώντας πολύτιμο χρόνο ο οποίος χάνεται σε ατελέσφορες αναζητήσεις στον συμβατικό ιστό. 23

27 Εικόνα 11: Εξειδικευμένη ιατρική αναζήτηση στον συμβατικό ιστό η οποία ενώ παράγει πληθώρα αποτελεσμάτων, κανένα δεν ανταποκρίνεται σε αυτό που ζητά ο ερευνητής. Εικόνα 12: Η ίδια αναζήτηση στις πηγές συνδεδεμένων ιατρικών δεδομένων έχει 100% επιτυχία στα αποτελέσματά της. 24

28 4. Δημοσίευση Συνδεδεμένων Δεδομένων στον Ιστό. Ο Σημασιολογικό Ιστός στην ιδανική του μορφή αποτελεί ένα παγκόσμιο πληροφοριακό πόρο για τον διαμοιρασμό δεδομένων τα οποία μπορούν να αναγνωσθούν από μηχανές με ελάχιστο κόστος ενσωμάτωσης. Οι δύο κύριες προκλήσεις για την υλοποίησή του είναι η διανεμημένη μοντελοποίηση του κόσμου από ένα μοντέλο διαμοιραζομένων δεδομένων και η υποδομή στην οποία δεδομένα και οντολογίες μπορούν να δημοσιευτούν, να αναζητηθούν και να χρησιμοποιηθούν. Όπως αναφέραμε και στο προηγούμενο κεφάλαιο η ανάπτυξη του Ιστού των δεδομένων στηρίχθηκε στο RDF και το HTTP τα οπoία είναι απαραίτητα για να ορίσουμε και να ανακαλέσουμε πληροφορίες από ένα Ενιαίο Αναγνωριστικό Πόρων (URI). Προκειμένου λοιπόν να δημοσιευτούν δεδομένα στον ιστό θα πρέπει : i. Να ανατεθούν dereferencable URI τα ποία περιγράψαμε παραπάνω στις οντότητες οι οποίες θα δημοσιευτούν. ii. Σύνδεση με άλλες πηγές δεδομένων με τη χρήση RDF συνδέσμων. iii. Παροχή μεταδεδομένων τα οποία θα παρέχουν αξιολόγηση των παρεχομένων δεδομένων ώστε οι πράκτορες να έχουν τη δυνατότητα σύγκρισης και ιεράρχησης των πηγών. 4.1 Περιγραφή μη-πληροφοριακών πόρων από URI. Όλοι πόροι αναγνωρίζονται με τη χρήση Ενιαίων Αναγνωριστικών Πόρων (URI). Έστω ότι διαθέτουμε ένα URI για ένα μη-πληροφοριακό πόρο ο οποίος αφορά ένα αληθινό αντικείμενο του φυσικού κόσμου. Πώς μπορούμε να ανακαλύψουμε ποιόν πόρο αφορά αυτό το URI; Θα μπορούσαμε να χρησιμοποιήσουμε μια κεντρική υπηρεσία κάτι σαν μηχανή αναζήτησης για το σκοπό αυτό, αλλά κάτι τέτοιο θα ερχόταν σε αντίθεση με την αποκεντρωτική φιλοσοφία του Ιστού. Συνεπώς θα πρέπει να χρησιμοποιήσουμε τον ίδιο τον Ιστό ως μέσο ανάκλησης της περιγραφής του πόρου. Κατ αυτόν τον τρόπο όποτε αναφέρεται κάποιο URI μπορούμε να αναζητήσουμε και να ανακτήσουμε μια περιγραφή η οποία περιλαμβάνει σχετικές πληροφορίες καθώς και συνδέσμους με άλλα σχετικά δεδομένα. Για την πραγματοποίηση των παραπάνω υπάρχουν δύο κύριες διαθέσιμες τεχνικές: τα 303 redirect URI και τα hash URI. Και οι δύο αυτές τεχνικές πληρούν τις προϋποθέσεις για την υλοποίηση dereferencable URI εξασφαλίζοντας την διάκριση μεταξύ των URI που περιγράφουν οντότητες του πραγματικού κόσμου και αυτών που ταυτοποιούν έγγραφα τα οποία περιέχουν πληροφορίες για τις οντότητες αυτές. Η κάθε μία από αυτές τις τεχνικές έχει τα πλεονεκτήματα και τα μειονεκτήματα της τα οποία θα αναλυθούν στη συνέχεια. 25

29 4.2 Hash URI Η πρώτη λύση είναι να χρησιμοποιήσουμε ηash URI για τους μη-πληροφοριακούς πόρους. Τα URI μπορούν να περιέχουν ένα «τμήμα», ένα ιδιαίτερο κομμάτι το ποίο διαχωρίζεται από το υπόλοιπο με τη δίεση (#). Για να γίνει μια ανάκτηση URI θα πρέπει το κομμάτι αυτό να αφαιρεθεί πριν την αίτηση από τον web server. Αυτό σημαίνει πως τα URI τα οποία περιέχουν τη δίεση δεν μπορούν να ανακτηθούν απ ευθείας και συνεπώς δεν μπορούν να περιγράφουν έγγραφα στον Ιστό. Ωστόσο μπορούν κάλλιστα να περιγράφουν μη-πληροφοριακούς πόρους χωρίς να δημιουργείται αμφισημία. Εάν η Example Inc. υιοθετήσει την ως άνω λύση τότε μπορεί να χρησιμοποιήσει τα ακόλουθα URI για να ταυτοποιήσει τη ίδια την εταιρία, τον Bob και την Alice: Example Inc., η εταιρία. Bob, το άτομο Alice, το άτομο Οι πελάτες θα πρέπει πάντοτε να αφαιρούν τον τελευταίο τμήμα μετά την δίεση με αποτέλεσμα αν καλούν το ακόλουθο URI: το ποίο αντιστοιχεί σε RDF έγγραφο το οποίο περιγράφει την εταιρία τον Bob και την Alice. Αυτή είναι η προσέγγιση χωρίς διαπραγμάτευση περιεχομένου. 26

30 Εικόνα 13 : hash URI χωρίς διαπραγμάτευση περιεχομένου. Εναλλακτικά μπορεί να χρησιμοποιηθεί διαπραγμάτευση περιεχομένου όπως φαίνεται στην εικόνα 14. Στην περίπτωση αυτή απαιτείται η χρήση 303 ανακατεύθυνσης, αλλιώς ο browser Μπορεί να νομίσει πως αναφερόμαστε σε τμήμα ενός HTML εγγράφου. Εικόνα 14 : hash URI με διαπραγμάτευση περιεχομένου. 27

31 redirect URI. To «303 See Other» ή 303 ανακατεύθυνση στα Ελληνικά, είναι ένας ειδικός HTTP κωδικός κατάστασης ο οποίος βοηθά στο διαχωρισμό των πόρων από τα συνηθισμένα έγγραφα Ιστού. Καθώς το 303 είναι ένας κωδικός απόκρισης ο οποίος ανακατευθύνει τον πελάτη, ο εξυπηρετητής μπορεί να εγγράφου που περιγράφει τον πόρο. Εάν, από την άλλη, ένα αίτημα απαντηθεί με έναν εκ των συνηθισμένων κωδικών κατάστασης της μορφής 2ΧΧ, όπως το 200 OK, τότε ο πελάτης θα γνωρίζει ότι το URI ταυτοποιεί ένα έγγραφο ιστού. Για παράδειγμα, ας υποθέσουμε ότι η εταιρία Example Inc. θέλει να δημοσιεύσει δεδομένα επικοινωνίας των εργαζομένων της στο Σημασιολογικό Ιστό ώστε οι συνεργάτες τους να μπορούν να τα εισάγουν στα βιβλία διευθύνσεών τους. Εάν η Example Inc. υιοθετήσει τη λύση των 303 URI, θα μπορούσαν να χρησιμοποιήσουν αυτά τα URI για την αναπαράσταση της εταιρίας, της υπαλλήλου Alice και του υπαλλήλου Bob: EXAMPLE, η εταιρία Bob, το άτομο Alice, το άτομο Ο web server θα πρέπει να ρυθμιστεί ώστε να απαντά σε αιτήσεις προς όλα αυτά τα URI με κωδικό κατάστασης 303 και μια κεφαλίδα HTTP location που να παρέχει το URL ενός εγγράφου που θα περιγράφει τον πόρο όπως βλέπουμε στην εικόνα

32 Εικόνα 15 : 303 redirect Ο εξυπηρετητής χρησιμοποιεί διαπραγμάτευση περιεχομένου για να στείλει είτε το URL μιας HTML περιγραφής είτε RDF. Τα αιτήματα για HTML από παλαιούς browsers θα ανακατευθύνονταν στα URL των ιστοσελίδων, ενώ τα αιτήματα για δεδομένα RDF από σημασιολογικούς browsers θα ανακατευθύνονταν σε έγγραφα RDF, όπως: Καθένα από τα RDF έγγραφα θα περιέχει δηλώσεις για τον κατάλληλο πόρο, χρησιμοποιώντας το αρχικό URI, για παράδειγμα για να ταυτοποιήσει τον περιγραφόμενο πόρο. 4.4 Διαλέγοντας μεταξύ 303 redirect και hash. Ποια προσέγγιση είναι καλύτερη; Εξαρτάται. Τα hash URI έχουν το πλεο νέκτημα ότι μειώνουν τον αριθμό τον απαραίτητων HTTP κλήσεων το οποίο έχει ως αποτέλεσμα την μείωση του χρόνου απόκρισης. Επίσης ένα σύνολο από ομοειδή URI μπορούν να ανακληθούν με μία και μόνη κλήση: π.χ. οι περιγραφές των πόρων και ανακτώνται με μία και μόνο κλήση στο Ωστόσο αυτή η μέθοδος έχει ένα μειονέκτημα. Ένας πελάτης οπ οποίος ενδιαφέρεται μονάχα για το product123 θα αναγκαστεί παρά τη θέλησή του να «κατεβάσει» τις πληροφορίες και για όλους τους άλλους πόρους διότι ανήκουν στην ίδια κατηγορία. Από τη άλλη πλευρά τα 303 redirect URI είναι πολύ ευέλικτα καθώς ο προορισμός της ανακατεύθυνσης καθορίζεται ξέχωρα για κάθε πόρο. Μπορεί να υπάρχει μια ξεχωριστεί περιγραφή για κάθε πόρο ή ένα μεγάλο έγγραφο που τους περιγράφει μαζικά ή οποιοσδήποτε συνδυασμός στο ενδιάμεσο.. Υπάρχει επίσης η δυνατότητα αυτή η πολιτική να αλλάξει στη συνέχεια. 29

33 Για την αντιμετώπιση προβλημάτων επεκτασιμότητας στην διαχείριση πολύ μεγάλων παρακαταθηκών δεδομένων στην περίπτωση του 303 URI συνιστάται η χρήση ενός SPARQL endpoint ή κάποιας ανάλογης υπηρεσίας. Αν σημειώσουμε τέλος ότι οι δύο αυτές αρχιτεκτονικές μπορούν να συνδυαστούν επιτρέποντας τον διαχωρισμό τεραστίων πηγών δεδομένων σε ξεχωριστά κομμάτια τα οποία διαθέτουν ένα hash αναγνωριστικό για τους μη-πληροφοριακούς πόρους. Συμπέρασμα : Τα hash URI θα πρέπει να προτιμώνται για αρκετά μικρά και σταθερά σύνολα πόρων τα οποία αναπτύσσονται παράλληλα. Ιδανική περίπτωση είναι λεξιλόγια RDF και οντολογίες OWL στις οποίες συχνά οι οποίοι χρησιμοποιούνται μαζί και είναι αρκετά απίθανο να μεγαλώσουν πολύ στο μέλλον, Επίσης τα hash URI χωρίς διαπραγμάτευση περιεχομένου μπορούν τάχιστα να δημοσιευτούν «ανεβάζοντας» στατικά RDF αρχεία σε ένα web server χωρίς κάποιες ιδιαίτερες ρυθμίσεις. Αυτό τα καθιστά δημοφιλή για γρήγορη και απλή δημοσίευση δεδομένων. Τα 303 redirect URI θα πρέπει να χρησιμοποιούνται σε μεγαλύτερα σύνολα δεδομένων ή σε σύνολα δεδομένων τα οποία ενδέχεται να μεγαλώσουν πέρα από το σημείο στο οποίο μπορούν να εξυπηρετούν όλες τις σχετιζόμενες πηγές σε ένα έγγραφο. 4.5 «Ωραία» (Cool) URI Τα καλύτερα URI δεν παρέχουν απλά περιγραφές για ανθρώπους και μηχανές αλλά είναι σχεδιασμένα με γνώμονα την απλότητα, την σταθερότητα και την διαχειρισιμότητα. Απλότητα: Σύντομα μνημονικά URI είναι ευκολότερο να τα θυμάται ο χρήστης, ευκολότερο να αποσταλούν σε . Σταθερότητα: Από την στιγμή που καθορίζεται ένα URI για να ταυτοποιήσει ένα συγκεκριμένο πόρο θα πρέπει να παραμείνει αναλλοίωτο για όσο το δυνατόν περισσότερο. Τεχνολογίες όπως η PHP και η ASP δεν θα πρέπει να αποτελούν τμήμα των URI καθώς αυτές αλλάζουν με την πάροδο του χρόνου. Διαχειρισιμότητα: Τα URI θα πρέπει να δημιουργούνται κατά τέτοιο τρόπο ώστε να είναι εύκολη η διαχείρισή τους. Μια καλή πρακτική είναι να περιλαμβάνεται η τρέχουσα χρονολογία στην διαδρομή ώστε να μπορεί κανείς να αλλάζει κάθε χρόνο URI schema χωρίς να καταστρέφονται τα παλιά URI. Επίσης είναι χρήσιμο σε μια ενδεχόμενη μετακίνηση από server σε server όλα 303 redirect URI να βρίσκονται στο ίδιο υποδίκτυο (subdomain) π.χ. κ.ο.κ. 30

34 4.6 Σύνδεσμοι μεταξύ URI που περιγράφουν την ίδια οντότητα. Όλα τα URI που σχετίζονται με ένα συγκεκριμένο αντικείμενο του πραγματικού κόσμου θα πρέπει επίσης να είναι ρητά συνδεδεμένα μεταξύ τους για αν βοηθούν αυτούς που καταναλώνουν τα δεδομένα να καταλάβουν τη σχέση τους. π.χ. στο παράδειγμα την 303 ανακατεύθυνση υπάρχουν τρία URI τα οποία σχετίζονται με την Alice. Αναγνωριστικό για την Alice το πρόσωο η ιστοσελίδα της Alice. RDF έγγραφο με την περιγραφή της Alice. To RDF έγγραφο περιέχει τις εξής δηλώσεις: < foaf:page < rdfs:isdefinedby < a foaf:person; foaf:name "Alice"; foaf:mbox <mailto:alice@example.com>; Βλέπουμε εδώ ότι υπάρχουν δύο συνδέσεις. Η ιδιότητα foaf:page συνδέει το άτομο Alice με την ιστοσελίδα του η οποία είναι ένα HTML αρχείο ενώ η ιδιότητα rdfs:isdefinedby παραπέμπει σε ένα έγγραφο το οποίο περιέχει την RDF περιγραφή του ατόμου. Στη συνέχεια το έγγραφο HTML περιέχει μια κεφαλίδα <link>η οποία παραπέμπει στο αντίστοιχο RDF έγγραφο. <head> <title>alice's Homepage</title> <link rel="alternate" type="application/rdf+xml" title="rdf Version" href=" /> </head>... 31

35 Εικόνα 16: συνδέσεις μεταξύ URI που περιγράφουν την ίδια οντότητα 4.7 Προτεινόμενα λεξιλόγια για την αναπαράσταση πληροφοριών. Στον σημασιολογικό ιστό έχει αναπτυχθεί ένα σύνολο από γνώριμα λεξιλόγια τα οποία είναι έτοιμα προς χρήση για την αναπαράσταση πληροφοριών. Τα σημαντικότερα από αυτά είναι : o Friend-of-a-Friend (FOAF), λεξιλόγιο το οποίο περιγράφει ανθρώπους. o Dublin Core (DC)ορίζει διάφορες ιδιότητες μεταδεδομένων. o Semantically-Interlinked Online Communities (SIOC), λεξιλόγια αναπαράστασης δικτυακών κοινοτήτων. o Description of a Project (DOAP), λεξιλόγια περιγραφής project. o Simple Knowledge Organization System (SKOS), λεξιλόγιο που περιγράφει ταξινομήσεις και χαλαρά δομημένη γνώση. o Music Ontology παρέχει όρους για την περιγραφή καλλιτεχνών, άλμπουμ και τραγουδιών. o Review Vocabulary, λεξιλόγιο για την αναπαράσταση ανασκοπήσεων (reviews). o Creative Commons (CC), λεξιλόγιο για την περιγραφή όρων αδειοδότησης. Φυσικά σε κάθε πηγή δεδομένων τα URI μπορούν να χρησιμοποιούν πολλαπλά λεξιλόγια. Επίσης προτείνεται η χρήση URI από Linking Open Data project για την αναπαράσταση γεωγραφικών τόπων, τομέων της επιστήμης, καλλιτεχνών, βιβλίων, CD κ.ο.κ. Από την σύσταση αυτή απορρέουν δύο κύρια πλεονεκτήματα : 32

36 1. Τα URI είναι αποαναφοροποιήσιμα (dereferencable) γεγονός που σημαίνει πως η περιγραφή του μη-πληροφιακού τόπου μπορεί να ανακληθεί από τον Ιστό. π.χ. το URI μας επιστρέφει μια εκτενή σημασιολογική περιγραφή της πόλης. 2. Τα URI αυτά είναι ήδη συνδεδεμένα με άλλες πηγές δεδομένων. Για παράδειγμα μπορεί ο χρήστης να μεταβεί από το URI στο αντίστοιχο στο Geonames ή στο Eurostat. 4.8 Καθορισμός λεξιλογίου. Όταν δεν υπάρχει κατάλληλο διαθέσιμο λεξιλόγιο για τον σκοπό που το θέλουμε θα πρέπει ο πάροχος των πληροφοριών να καθορίσει ένα δικό του. Αυτό μπορεί να γίνει με την χρήση της RDF Vocabulary Description Language 1.0: RDF Schema ή για συντομία RDFS. Οι κυριότεροι κανόνες για τον ορισμό ενός λεξιλογίου είναι οι εξής : 1. Να μην δημιουργούνται νέα λεξιλόγια από μηδενική βάση αλλά να χρησιμοποιούνται ήδη υπάρχοντα τα οποία επεκτείνονται για να καλύψουν τις ανάγκες του παρόχου. 2. Να είναι αναγνώσιμα και από ανθρώπους και από μηχανές. 3. Να είναι τα URI dereferencable. 4. Να χρησιμοποιούνται οι όροι άλλων ανθρώπων. 5. Οι σημαντικές πληροφορίες να αναφέρονται ρητά 6. Να μην είναι πολύ περιοριστικά: να δίνεται η ελαστικότητα για αν αναπτυχθούν. 4.9 Τι θα πρέπει να επιστρέφει ως RDF η περιγραφή ενός URI. Υποθέτουμε ότι σε μια πηγή δεδομένων όλα τα δεδομένα έχουν εκφραστεί με την μορφή τριπλετών RDF. Ποιες τριπλέτες είναι απαραίτητες στην RDF αναπαράσταση που επιστρέφεται μετά την απαναφοροποίηση ενός μη-πληροφοριακού πόρου; 1. Η άμεση περιγραφή του αντικειμένου. 2. Σύνδεσμοι προς τα πίσω η οποίοι επιτρέπουν στους browsers να μεταπηδούν από το ένα link στο άλλο και προς τις δύο κατευθύνσεις. 3. Σχετιζόμενες περιγραφές π.χ. επιστρέφοντας την περιγραφή ενός βιβλίου καλό θα ήταν να επιστρέφεται και η περιγραφή του συγγραφέα καθώς υπάρχει μεγάλη πιθανότητα ο πελάτης που αναζητά το βιβλίο να θέλει περισσότερες πληροφορίες για τον συγγραφέα. Ωστόσο συνιστάται αυτοσυγκράτηση καθώς η επιστροφή υπερβολική ποσότητας πληροφοριών μπορεί αντί να βοηθήσει τον πελάτη να τον οδηγήσεις σε σύγχυση. 33

37 4. Μεταδεδομένα. 5. Σύνταξη (syntax). Προτείνεται η RDF/XML σύνταξη η οποία όμως δεν είναι αρκετά ευανάγνωστη από ανθρώπους χρήστες. Στην περίπτωση που τα δεδομένα μας απευθύνονται κυρίως σε ανθρώπους μπορούμε επιπρόσθετα να χρησιμοποιήσουμε την σύνταξη Turtle όταν ο Browser στέλνει την αίτηση MIMEtype application/x-turtle Δημιουργία RDF Συνδέσμων προς άλλες Πηγές Δεδομένων Οι RDF σύνδεσμοι δίνουν τη δυνατότητα στους φυλλομετρητές Συνδεδεμένων Δεδομένων να περιηγούνται μεταξύ πηγών δεδομένων και να ανακαλύπτουν επιπλέον δεδομένα. Ο τομέας εφαρμογής είναι αυτός που θα καθορίσει ποιες RDF ιδιότητες θα χρησιμοποιηθούν ως κατηγορήματα. Για παράδειγμα, όταν περιγράφουμε ανθρώπους οι πλέον συχνά χρησιμοποιούμενες ιδιότητες είναι οι foaf:knows, foaf:based_near και foaf:topic_interest. Είναι συνηθισμένη πρακτική να χρησιμοποιείται η ιδιότητα owl:sameas για να δηλώσει ότι και μια ακόμα πηγή δεδομένων παρέχει πληροφορίες για ένα συγκεκριμένο μη-πληροφοριακό πόρο. Ένας τέτοιος σύνδεσμος owl:sameas υποδηλώνει ότι δύο ξεχωριστές URI αναφορές στην πραγματικότητα αναφέρονται στο ίδιο αντικείμενο. Συνεπώς, η owl:sameas χρησιμοποιείται για να συνδέσει ταυτόσημα URI τα οποία αναφέραμε στο προηγούμενο κεφάλαιο. Οι RDF σύνδεσμοι μπορούν να τεθούν χειρωνακτικά, κυρίως σε μικρά σύνολα δεδομένων ή μπορούν να παραχθούν από αυτόματους αλγόριθμους σύνδεσης. Οι αυτόματοι αλγόριθμοι χρησιμοποιούνται κυρίως για να συνδέσουν μεγάλα σύνολα δεδομένων Χειρονακτική τοποθέτηση συνδέσμων Προτού τοποθετήσουμε RDF συνδέσμους χειρωνακτικά, πρέπει να γνωρίζουμε τι αφορούν τα σύνολα δεδομένων τα οποία θέλουμε να συνδέσουμε. Εφόσον διαπιστώσουμε ότι αυτά τα σύνολα δεδομένων είναι κατάλληλα για διασύνδεση πρέπει να αναζητήσουμε χειρωνακτικά όρους και να τους συνδέσουμε με κατάλληλες ιδιότητες. Σε ένα τέτοιοι σενάριο ιδιαίτερα βοηθητική θα ήταν η ύπαρξη ενός SPARQL end point ή μιας HTML ηλεκτρονικής φόρμας αναζήτησης.εάν δεν υπάρχει τότε μπορούμε να χρησιμοποιήσουμε φυλλομετρητές Συνδεδεμένων Δεδομένων όπως ο Tabulator ή ο Disco για την εξερεύνηση και ανακάλυψη των καταλλήλων URI. Μπορούμε ακόμα να χρησιμοποιήσουμε υπηρεσίες όπως η Uriqr και το Sindice για να βρούμε υπάρχοντα URI και να διαλέξουμε το πιο δημοφιλές. Η Uriqr μας επιτρέπει να βρίσκουμε URI ατόμων που γνωρίζουμε, απλά ψάχνοντάς τους με το όνομά τους. Τα αποτελέσματα ιεραρχούνται σύμφωνα με το πόσο συχνά ένα συγκεκριμένο URI απαντάται σε RDF έγγραφα στον Ιστό αλλά θα χρειαστεί και 34

38 ανθρώπινη ευφυΐα για την επιλογή του καταλληλότερου URI προς χρήση. Το Sindice περιέχει ένα ευρετήριο του Σημασιολογικού Ιστού και μπορεί να πει ποιες πηγές αναφέρουν ένα συγκεκριμένο URI. Με τον τρόπο αυτό μια υπηρεσία μπορεί να βοηθήσει στην επιλογή του πιο δημοφιλούς URI για μία έννοια Αυτοματοποιημένη δημιουργία RDF συνδέσμων Η προηγούμενη προσέγγιση δεν επιτρέπει την κλιμάκωση σε μεγάλα σύνολα δεδομένων, όπως η διασύνδεση τοποθεσιών στη DBpedia με τις αντίστοιχες εγγραφές τους στο Geonames. Σε τέτοιες περιπτώσεις έχει νόημα η χρήση ενός αλγόριθμου αυτοματοποιημένης σύνδεσης εγγραφών για τη δημιουργία RDF συνδέσμων μεταξύ πηγών δεδομένων. Η σύνδεση εγγραφών είναι γνωστό πρόβλημα στην κοινότητα των βάσεων δεδομένων. Υπάρχει έλλειψη καλών και εύκολων στη χρήση εργαλείων για την αυτόματη δημιουργία RDF συνδέσμων Υπάρχουν δύο κύριες κατηγορίες αλγορίθμων οι οποίοι ανευρίσκουν αυτόματα συνδέσεις μεταξύ πηγών δεδομένων Αλγόριθμοι βασισμένοι σε πρότυπα (patterns). Σε διάφορους τομείς υπάρχουν γενικά αποδεκτές ονοματολογίες. Για παράδειγμα στον τομέα των εκδόσεων υπάρχει το αναγνωριστικό ISBN το οποίο είναι ένας και μοναδικός αριθμός που αποδίδεται σε κάθε νέα έκδοση. Στον χώρο των οικονομικών υπάρχει το ISΙN. Εάν αυτά τα αναγνωριστικά περιέχονται σε URI τα οποία ταυτοποιούν μηπληροφοριακούς πόρους, τότε είναι δυνατή η δημιουργία απλών βασισμένων σε πρότυπα αλγορίθμων για την αυτόματη παραγωγή RDF συνδέσμων μεταξύ των πόρων αυτών. Παράδειγμα : Η πηγή συνδεδεμένων δεδομένων RDF Book Mashup ( περιέχει τον πόρο ο οποίος ταυτοποιεί το βιβλίο «Ο Χάρυ Πότερ και ο ημίαιμος πρίγκιψ». Η ύπαρξη του ISBN στο παραπάνω URI μας δίνει την δυνατότητα για την εύκολη διασύνδεση με τον ταυτόσημο πόρο στην DBpedia χρησιμοποιώντας την ιδιότητα owl:sameas Η ίσια συλλογιστική μπορεί να εφαρμοστεί σε όλα τα δεδομένα του RDF Book Mashup με τον εξής απλό αλγόριθμο. 1. Διαχωρισμός όλων των βιβλίων των οποίων η περιγραφή διαθέτει αριθμό ISBN. 2. Δημιουργία owl:sameas συνδέσμων με τα αντίστοιχα URI. 35

39 Η εκτέλεση αυτού του αλγορίθμου έδωσε 9000 RDF συνδέσμους οι οποίοι ενσωματώθηκαν στην βάση δεδομένων της DBpedia. Έτσι π.χ. το link για το παραπάνω βιβλίο είναι : owl:sameas < Πιο περίπλοκοι αλγόριθμοι βασισμένοι σε ιδιότητες Στην περίπτωση που δεν υπάρχουν κοινά αναγνωριστικά σε δύο σύνολα δεδομένων είναι απαραίτητο να χρησιμοποιήσουμε περισσότερο περίπλοκους αλγορίθμους βασισμένους σε ιδιότητες. Ας δούμε ένα παραδείγματα. Διασύνδεση της DBpedia με το Geonames: Πληροφορίες για την γεωγραφική θέση οντοτήτων εμφανίζονται τόσο στην DBpedia όσο και στο Geonames. Προκειμένου να διαπιστωθούν ταυτόσημα URI η ομάδα του Geonames χρησιμοποίησε ένα αλγόριθμο ανεύρεσης βασισμένο στον τίτλο, το γεωγραφικό πλάτος και μήκος, την χώρα, την διοικητική διαίρεση τον πληθυσμό κ.ο.κ. Ο αλγόριθμος παρήγαγε αποτελέσματα τα οποία ενσωματώθηκαν και στις δύο πηγές Ολοκληρωμένες λύσεις για την προσφορά Συνδεδεμένων Δεδομένων. Εδώ θα αναφερθούν ορισμένες πρακτικές λύσεις για το πώς μπορεί κάποιος να δημοσιεύσει διάφορα είδη πληροφοριών ως συνδεδεμένα δεδομένα. Στην παρακάτω λίστα βλέπουμε τις ελάχιστες απαιτήσεις που πρέπει να ικανοποιηθούν προκειμένου η πληροφορία να θεωρείται ότι δημοσιεύτηκε ως Συνδεδεμένα Δεδομένα στον Ιστό: 1. Τα αντικείμενα θα πρέπει να είναι dereferencable 2. Εάν ένα URI αποαναφοροποιείται και ο browser ζητήσει MIME-type application/rdf+xml τότε η πηγή πληροφοριών πρέπει να επιστρέφει μια RDF/XML περιγραφή της οντότητας. 3. Τα URI που περιγράφουν μη-πληροφοριακές οντότητες θα πρέπει να χρησιμοποιήσουν είτε την 303 see other τεχνική είτε την hash τεχνική για να επιστρέψουν την περιγραφή του πόρου. 4. Οι περιγραφές RDF θα πρέπει να περιέχουν συνδέσμους και προς άλλες πηγές πληροφοριών ώστε ο πελάτης να μπορεί να περιηγηθεί στον ιστό των Δεδομένων ως όλον. 36

40 Το ποια λύση θα ακολουθηθεί εξαρτάται από διαφόρους παράγοντες όπως : Πόσα δεδομένα θέλουμε να δημοσιεύσουμε. Εάν πρόκειται για λίγες εκατοντάδες τριπλέτες RDF τότε μπορούμε να τα δημοσιεύσουμε ως στατικό RDF αρχείο. Αν είναι μεγαλύτερο μπορούμε να το φορτώσουμε σε μια κατάλληλη RDF αποθήκη και να το δημοσιεύσουμε θέτοντας ως front end το Pubby Linked Data interface. Πως είναι αυτή τη στιγμή αποθηκευμένα τα δεδομένα μας. Εάν είναι αποθηκευμένα σε μια σχεσιακή βάση δεδομένων τότε μπορούμε να χρησιμοποιήσουμε τον D2R server. Εάν είναι διαθέσιμα σε κάποιο web API μπορούμε να εφαρμόσουμε ένα wrapper γύρω από το API. Πόσο συχνά αλλάζουν τα δεδομένα μας. Εάν αλλάζουν συχνά ίσως είναι προτιμότερες λύσεις οι ποίες παράγουν RDF όψεις των δεδομένων όπως ο D2R server Στατικά RDF Αρχεία Ο απλούστερος τρόπος να παρέχουμε Συνδεδεμένα Δεδομένα είναι να παράγουμε στατικά RDF αρχεία και να τα ανεβάσουμε σε έναν web server. Αυτή η προσέγγιση επιλέγεται συνήθως σε περιπτώσεις όπου τα RDF αρχεία δημιουργούνται χειρωνακτικά, για παράδειγμα όταν δημοσιεύουμε προσωπικά FOAF αρχεία ή RDF λεξιλόγια ή τα RDF αρχεία έχουν παραχθεί ή εξαχθεί από κάποιο κομμάτι λογισμικού που παράγει μόνο αρχεία. Υπάρχουν αρκετά θέματα που πρέπει να ληφθούν υπ όψη: Οι παλαιότεροι web servers μερικές φορές δεν είναι ρυθμισμένοι να επιστρέφουν το σωστό τύπο MIME όταν προσφέρουν RDF/XML αρχεία. Οι φυλλομετρητές Συνδεδεμένων Δεδομένων ίσως να μην αναγνωρίσουν τα RDF δεδομένα τα οποία θα επιστραφούν με τον τρόπο αυτό γιατί ο εξυπηρετητής δεν θα το προσφέρει ως RDF/XML αλλά ως απλό κείμενο. Μέγεθος Αρχείου Στον Ιστό των Εγγράφων, θεωρείται κακή πρακτική η δημοσίευση τεράστιων HTML σελίδων, γιατί φορτώνουν πολύ αργά στους φυλλομετρητές και καταναλώνουν περιττό εύρος ζώνης. Το ίδιο ισχύει και στη δημοσίευση Συνδεδεμένων Δεδομένων: τα RDF αρχεία δεν πρέπει να έχουν μέγεθος μεγαλύτερο από μερικές εκατοντάδες kilobytes. Εάν τα αρχεία είναι μεγαλύτερα και 37

41 περιγράφουν υπερβολικά πολλούς πόρους, πρέπει να διαιρεθούν σε αρκετά RDF αρχεία ή να χρησιμοποιήσουμε το Pubby για να τα προσφέρουμε τμηματικά Σχεσιακές Βάσεις Δεδομένων Εάν τα δεδομένα μας είναι αποθηκευμένα σε μια σχεσιακή βάση δεδομένων είναι συνήθως μια καλή ιδέα να τα αφήσουμε εκεί και απλά να δημοσιεύσουμε μια όψη Συνδεδεμένων Δεδομένων πάνω στην υπάρχουσα βάση δεδομένων D2R Server Ένα εργαλείο για την επίδοση όψεων Συνδεδεμένων Δεδομένων σε σχεσιακές βάσεις δεδομένων είναι ο D2R Server. Τα περιεχόμενα της βάσης δεδομένων αντιστοιχίζονται σε RDF με μια δηλωτική χαρτογράφηση(d2rq mapping) η οποία καθορίζει πώς ταυτοποιούνται οι πόροι και πώς παράγονται οι τιμές των ιδιοτήτων από το περιεχόμενο της βάσης δεδομένων. Με βάση αυτή την προσαρμοζόμενη χαρτογράφηση, ο D2R server δίνει τη δυνατότητα σε RDF και HTML φυλλομετρητές να περιηγούνται στο περιεχόμενο απλών σχεσιακών βάσεων δεδομένων και επιτρέπει σε εφαρμογές να υποβάλουν ερωτήματα στις βάσεις αυτές χρησιμοποιώντας τη γλώσσα υποβολής ερωτημάτων SPARQL. Ο server λαμβάνει αιτήματα από τον Ιστό και τα ξαναγράφει σε SQL ερωτήματα. Αυτή η μετάφραση σε πραγματικό χρόνο επιτρέπει στο περιεχόμενο μεγάλων βάσεων δεδομένων να προσπελαστεί με αποδεκτούς χρόνους απόκρισης. Στην εικόνα 17 παρουσιάζεται με σχηματικό τρόπο η αρχιτεκτονική λειτουργίας του D2R Server. Εικόνα 17: Η αρχιτεκτονική λειτουργίας του D2R Server. 38

42 D2RQ Mapping Language Ο D2R Server χρησιμοποιεί την D2RQ γλώσσα χαρτογράφησης για να συλλάβει αντιστοιχίσεις μεταξύ σχημάτων βάσεων δεδομένων συγκεκριμένων εφαρμογών και σχημάτων RDFS ή OWL οντολογιών. Η D2RQ χαρτογράφηση καθορίζει το πώς ταυτοποιούνται οι πόροι και πώς ανακτώνται οι τιμές των ιδιοτήτων από το περιεχόμενο της βάσης δεδομένων. Η D2RQ περιστρέφεται γύρω από τα ClassMap. Ένα ClassMap αναπαριστά μια αντιστοίχιση ανάμεσα σε πίνακες της σχεσιακής βάσης δεδομένων και κλάσεων μια οντολογίας. Κάθε ClassMap έχει ένα σύνολο από PropertyBridges, οι ποίες καθορίζουν το πώς υα δημιουργηθούν οι ιδιότητες των κλάσεων από τα κελιά των πινάκων. Ο D2R Server περιλαμβάνει επίσης ένα εργαλείο που παράγει αυτόματα μια D2RQ χαρτογράφηση αναγνωρίζοντας τη δομή του πίνακα μιας βάσης δεδομένων. Το εργαλείο παράγει ένα νέο RDF λεξιλόγιο για κάθε βάση δεδομένων, χρησιμοποιώντας τα ονόματα των πινάκων ως ονόματα κλάσεων και τα ονόματα των στηλών ως ονόματα ιδιοτήτων. Η χαρτογράφηση μπορεί να προσαρμοστεί στη συνέχεια, αντικαθιστώντας τους αυτόματα παραγόμενους όρους με όρους από γνωστά RDF λεξιλόγια. Εικόνα 18: Δομή παραδείγματος D2RQ map 39

43 Εκχώρηση URI Στα ClassMaps, στις οντότητες της βάσης δεδομένων παραχωρούνται URI χρησιμοποιώντας URI πρότυπα (patterns). Για παράδειγμα, το σχήμα παράγει ένα μεταβλητό URI ανάλογα με τον κωδικό του paper όπως π.χ. docs/0001 εισάγοντας μια τιμή από το κελί Paper.ID της βάσης δεδομένων μέσα στο σχήμα. Επιπλέον, εφόσον σύμφωνα με το πνεύμα των Συνδεδεμένων Δεδομένων, τα δεδομένα του λεξιλογίου (κλάσεις και ιδιότητες) πρέπει να είναι dereferenceable, ο D2R server επιδίδει αυτόματα δεδομένα για λεξιλόγια τα οποία βρίσκονται στο με RDF και HTML αναπαραστάσεις που δίνονται από τα και αντίστοιχα. Υπάρχουν αρκετοί D2R Servers στο δίκτυο, για παράδειγμα αρκετές από τις ιατρικές πηγές του Linking Open Data project οι οποίες φιλοξενούνται στο Ανοικτό Πανεπιστήμιο του Βερολίνου ( όπως το DrugBank, το SIDER, το Diseasome κ.ο.κ. έχουν αναπτυχθεί πάνω στην πλατφόρμα του D2R server. Η δημοσίευση μιας σχεσιακής βάσης δεδομένων ως Συνδεδεμένα Δεδομένα με τη χρήση του D2R server συνήθως περιλαμβάνει τα παρακάτω βήματα: 1. Μεταφόρτωση και εγκατάσταση του λογισμικού του server. 2. Χρήση του εργαλείου generate-mapping για την αυτόματη παραγωγή από τον D2R Server μιας D2RQ αντιστοίχισης από το σχήμα της βάσης δεδομένων. 3. Προσαρμογή της αντιστοίχισης της με βάση τις ανάγκες μας, και αντικατάσταση των παραγόμενων με αυτόματο τρόπο όρων από όρους από γνωστά και δημόσια προσβάσιμα RDF λεξιλόγια. 4. Γνωστοποίηση της πηγής πληροφοριών που εγκαταστήσαμε π.χ. προσθήκη της νέας πηγής δεδομένων στη λίστα συνόλων δεδομένων του ESW Wiki ή στην λίστα του Linking Open Data project Άλλα εργαλεία για Σχεσιακές Βάσεις Δεδομένων Εναλλακτικά, μπορούμε επίσης να χρησιμοποιήσουμε: 1. Το Virtuoso Universal Server. Ο OpenLink Virtuoso server φροντίζει για την επίδοση RDF δεδομένων μέσω μιας διεπαφής Συνδεδεμένων Δεδομένων και ένα SPARQL endpoint. 40

44 2. Το Triplify, ένα μικρό plugin για Web εφαρμογές, το οποίο αποκαλύπτει τις σημασιολογικές δομές που κωδικοποιούνται σε σχεσιακές βάσεις δεδομένων κάνοντάς τις διαθέσιμες ως RDF, JSON ή Linked Data Υλοποίηση Wrappers γύρω από υπάρχουσες Εφαρμογές ή Web API Μεγάλος αριθμός εφαρμογών Ιστού έχουν αρχίσει να κάνουν διαθέσιμα τα δεδομένα τους στον Ιστό μέσω Web API. Παραδείγματα πηγών δεδομένων που παρέχουν τέτοια APIs περιλαμβάνουν το ebay, το Amazon, το Yahoo, το Google κ.ο.κ. Διαφορετικά API έχουν διαφορετικά interface και δίνουν αποτελέσματα σε διαφορετικές μορφές. Αυτό έχει ως αποτέλεσμα Το περιεχόμενο δεν είναι φιλικό προς μηχανές αναζήτησης. Στα Web API δεν μπορούν να έχουν πρόσβάση browsers δεδομένων γενική χρήσης. Τα mashups υλοποιούνται με ένα συγκεκριμένο αριθμό πηγών δεδομένων και δεν μπορούν να εκμεταλλευτούν τις νέες πηγές δεδομένων που εμφανίζονται στον Ιστό. Αυτοί οι περιορισμοί μπορούν να ξεπεραστούν δημιουργώντας wrappers (περιτυλίγματα) Συνδεδεμένων Δεδομένων γύρω από API. Γενικά, οι wrappers Συνδεδεμένων Δεδομένων κάνουν τα εξής: 1. Αναθέτουν HTTP URI στους μη-πληροφοριακούς πόρους για τους οποίους τα API παρέχουν δεδομένα. 2. Όταν επισκεφθούμε ένα από αυτά τα URI ζητώντας application/rdf+xml, ο wrapper ξαναγράφει το αίτημα του πελάτη σε αίτημα προς το API το οποίο βρίσκεται από πίσω. 3. Τα αποτελέσματα του API αιτήματος μετατρέπονται σε RDF και στέλνονται πίσω στον πελάτη. 41

45 Εικόνα 19: Σχηματική παράσταση της λειτουργίας ενός Web API wrapper. 42

46 5. Υλοποίηση της εφαρμογής Linked Data στο Medal. Μετά την μελέτη των ως άνω προταθέντων τεχνολογιών για την μετατροπή της βάσης Medal σε Συνδεδεμένα Δεδομένα, αποφασίστηκε να χρησιμοποιηθεί η προσέγγιση της σχεσιακής βάσης δεδομένων D2R server. Οι κύριοι λόγοι που οδήγησαν στην απόφαση αυτή ήταν : 1. Η βάση δεδομένων του Medal συνεχώς επεκτείνεται και τη στιγμή αυτή περιλαμβάνει πάνω από εγγραφές. Συνεπώς χρειαζόταν μια εφαρμογή η οποία να προσφέρει scalability και adaptability, χαρακτηριστικά τα οποία πληροί ο D2R server. 2. Τα δεδομένα τα οποία περιέχονται στην βάση Medal είναι αρκετά περίπλοκα και η απλή αναπαράσταση τους ένα σύνολο από RDF τριπλέτες σε web server θα ήταν ανέφικτη. 3. Δεν υπάρχει δομημένη βάση δεδομένων πίσω από το site του Medal οπότε δεν είναι δυνατή η δόμηση και κατηγοριοποίηση των πληροφοριών που περιέχονται εντός του. Συνεπώς η de novo δημιουργία μιας βάσης όπου τα xls αρχεία του Medal θα κατακερματιστούν σε επιμέρους πληροφορίες ήταν απαραίτητη ώστε τα δεδομένα αυτά στη συνέχει να μπορούν να συνδεθούν με άλλες πηγές πληροφοριών. 5.1 Τα πρώτα βήματα Αρχικά απαιτήθηκε η εγκατάσταση ενός MySQL server στον υπολογιστή που έγινε η ανάπτυξη της εφαρμογής. Ο server αυτός ήταν ο θεμέλιος λίθος πάνω στον οποίο οικοδομήθηκε το Linked Data Medal. Αφού εγκαταστάθηκε ο server δημιουργήθηκε μια βάση δεδομένων με το όνομα Algorithms. Στη συνέχεια έπρεπε να δημιουργηθούν οι πίνακες και τα πεδία της βάσης. Όπως αναπτύχθηκε νωρίτερα, οι πίνακες της βάσης μας θα αντιστοιχούν στα classes της οντολογίας που θα πρέπει να δημιουργήσουμε για την περιγραφή των αλγορίθμων, ενώ τα πεδία αντιστοιχούν στα properties. Αποφασίστηκε να δημιουργηθεί ένας βασικός πίνακας algorithm ο οποίος θα έχει τα πεδία : algorithm 1. id 2. title 3. date 4. description 5. categoty 43

47 To id είναι ένας μοναδικός αναγνωριστικός κωδικός για τον συγκεκριμένο αλγόριθμο. Το title είναι μια σύντομη περιγραφή του αλγορίθμου και το date αναφέρεται στο πότε εμφανίστηκε ο συγκεκριμένος αλγόριθμος στην βιβλιογραφία. To description είναι μια εκτεταμένη περιγραφή του αλγορίθμου από μεγέθους έως και μερικών χιλιάδων χαρακτήρων. Τέλος το category (κατηγορία) είναι μια από τις 45 κατηγορίες στις οποίες έχουν κατανεμηθεί οι αλγόριθμοι. Για λόγους επεκτασιμότητας π.χ. σε περίπτωση που κάποια στιγμή αργότερα αλλάξει η κατάταξη και μεταβληθούν οι κατηγορίες, αυτές περιέχονται στον πίνακα categories ο οποίος είναι συνδεδεμένος με τον αλγόριθμο με σχέση ένα προς πολλά. Επόμενος πίνακας είναι οι μεταβλητές (variables) οι οποίες αποτελούν και τα κύρια δεδομένα που περιέχει ένας αλγόριθμος. Αυτές χαρακτηρίζονται από ένα id μια περιγραφή (description) και τον τύπο (type). Οι τύποι των μεταβλητών περιέχονται σε ένα άλλο μικρό πίνακα ονόματι types οποίος περιέχει μόνο τρεις εγγραφές: number, Boolen και Predefined και συνδέεται με τον variables με σχέση ένα προς πολλά. Οι μεταβλητές συνδέονται με δύο βοηθητικούς πίνακες algoinputvar και algooutputvar με τους αλγορίθμους με σχέση πολλά προς πολλά. Όπως γίνεται κατανοητό και από το όνομα των βοηθητικών πινάκων ο πρώτος περιέχει τις συνδέσεις ενός αλγορίθμου με τις αντίστοιχες μεταβλητές εισόδου ενώ ο δεύτερος με τις μεταβλητές εξόδου. Ο πίνακας references περιέχει πληροφορίες για τις βιβλιογραφικές αναφορές πάνω στις οποίες στηρίζεται ο αλγόριθμος : author (όνομα συγγραφέα), title (τον τίτλο του άρθρου) καθώς και το ταυτόσημο URI του συγκεκριμένου πόρου στο PubMed (ref_sameas). Υπάρχουν ακόμη οι πίνακες keywords και links. O πίνακας keywords περιέχει διάφορες λέξεις κλειδιά οι ποίες αντιστοιχίζονται με μια σχέση πολλά προς πολλά μέσω βοηθητικού πίνακα με τους αλγορίθμους. Δηλαδή ένας αλγόριθμος μπορεί να έχει πολλές λέξεις κλειδιά αλλά και κάθε λέξη κλειδί μπορεί να υπάρχει σε περισσότερους από ένα πίνακες. Η λέξεις κλειδιά επίσης συνδέονται με μια σχέση πολλά προς πολλά με τον πίνακα links ο οποίος περιέχει συνδέσμους με εξωτερικές πηγές δεδομένων. Επομένως κάθε λέξη κλειδί μπορεί να συνδεθεί με περισσότερες από μια συνδέσεις με εξωτερικούς παρόχους δεδομένων. Π.χ. ένα φάρμακο μπορεί να συνδεθεί με συνδέσμους τόσο με το αντίστοιχο λήμμα στο DrugBank όσο και στο SIDER. Τέλος ο πίνακας resource αναφέρεται σε κάποιο resource του meducator το οποίο περιγράφει τον αλγόριθμο αυτό ως εκπαιδευτικό μέσο. 44

48 Στην εικόνα 20 βλέπουμε αναλυτικά την εικόνα της σχεσιακής βάσης δεδομένων με τις συνδέσεις μεταξύ των πινάκων. Εικόνα 20 : Η σχεσιακή βάση του Linked Data Medal. 5.2 Δημιουργία των τριπλετών RDF. Προκειμένου στηριζόμενοι στη βάση αυτή να παράγουμε RDF τριπλέτες οι οποίες θα περιγράφουν τα περιεχόμενα των πινάκων θα πρέπει να χρησιμοποιήσουμε αρχικά το εργαλείο αυτόματης ανακάλυψης της χαρτογράφησης της βάσης και αυτόματης 45

49 δημιουργίας n3 αρχείου με την χαρτογράφηση της βάσης. Το εργαλείο ονομάζεται generate-mapping και τρέχει σε java όπως εξάλλου και ο D2R server. To αρχείο n3 το ο οποίο παρήχθη, όπως ήταν φυσικό δεν είναι όπως ακριβώς το θέλουμε. Το κύριο πρόβλημα είναι στις σχέσεις μεταξύ των πινάκων κάποιες από τις οποίες δεν αναγνωρίστηκαν όπως θα έπρεπε. Έπειτα από χειρωνακτική επεξεργασία το N3 αρχείο ήρθε στα μέτρα που επιθυμούσαμε. Τα βασικά vocabularies που χρησιμοποιήθηκαν ήταν το rdfs, το owl και το vocab το οποίο ορίστηκε αυτόματα και είναι το λεξιλόγιο το οποίο περιγράφει τα δεδομένα μας. Δυστυχώς καθώς τα δεδομένο του Medal είναι ασυνήθιστα και περίπλοκα δεν υπάρχει κάποιο έτοιμο vocabulary το οποίο να μπορούμε να χρησιμοποιήσουμε. Το owl και το rdfs χρησιμοποιούνται μόνο στην δημιουργία συνδέσμων με άλλες πηγές δεδομένων. Επισκεπτόμενοι τώρα το URI o D2R server προσφέρει πλέον τα δεδομένα της βάσης με την μορφή συνδεδεμένων δεδομένων! Εικόνα 21: Η κεντρική σελίδα του D2R server για τα Linked Medal Data. To domain medal.hopto.org είναι ένα πρώιμο domain το οποίο προορίζεται για debugging και για πειραματισμούς προτού να εγκατασταθεί σε κάποιο επίσημο server του Αριστοτελείου Πανεπιστημίου. 46

50 5.3 Σύνδεση με άλλες πηγές δεδομένων. Ένα από τα μεγαλύτερα πλεονεκτήματα των Συνδεδεμένων Δεδομένων, είναι η δυνατότητά τους να συνδεθούν με τυποποιημένους RDF συνδέσμους με άλλα δεδομένα της ίδια πηγής αλλά και με δεδομένα από άλλες πηγές. Αυτό το γεγονός έχει ως αποτέλεσμα την ευκολία στην ολοκλήρωση (integration) των δεδομένων και δίνει στον χρήστη τη δυνατότητα εύκολα να ανακτά υψηλής ποιότητας δεδομένα. Στην περίπτωση του Linked Medal δεν μπορούμε να θέσουμε αυτούς του συνδέσμους με τις εξωτερικές πηγές χειροκίνητα καθώς το πλήθος των δεδομένων είναι πολύ μεγάλο και συνεχώς επεκτείνεται. Για το λόγο αυτό επιλέχθηκε το εργαλείο Silk ( Το εργαλείο αυτό αποκαλύπτει σχέσεις μεταξύ δεδομένων από διαφορετικές πηγές και παράγει συνδέσμους owl:sameas εφαρμόζοντας οδηγίες στην δηλωτική γλώσσα Silk Link Specification Language (Silk-LSL). Απαραίτητη προϋπόθεση για την διασύνδεση δύο πηγών δεδομένων είναι να διαθέτουν και οι δύο SPAQL end point. Στα end points αυτά συνδέεται το Silk και δημιουργεί ια λίστα από τα instances των properties που θέλουμε να συνδέσουμε, Στην συνέχεια εκτελεί κάποιον αλγόριθμο σύγκρισης των δύο strings. Στην περίπτωση του Linked Medal χρησιμοποιήσαμε τον αλγόριθμο Jaro Winkler ο οποίος μετρά την ομοιότητα από δύο strings επιστρέφοντας έναν αριθμό από 0 έως 1 (ομοιότητα 0% ως 100%). Θέτοντας ένα όριο 99% είμαστε σχεδόν σίγουροι πως τα δυο strings θα είναι πανομοιότυπα και επομένως μπορούν να συνδεθούν με owl:sameas. Παρακάτω παραθέτουμε τον κώδικα σε Silk-LSL με τον οποίον έγιναν οι συνδέσεις των key-words των διαφόρων αλγορίθμων με την βάση Diseasome. <SourceDataset datasource="medal" var="a"> <RestrictTo>?a rdf:type vocab:keywords </RestrictTo> </SourceDataset> <TargetDataset datasource="diseasome" var="b"> <RestrictTo>?b rdf:type diseasome:diseases </RestrictTo> </TargetDataset> <LinkCondition> <Aggregate type="max"> <Compare metric="jarowinkler"> <TransformInput function="lowercase"> <Input path="?a/ vocab:keywords_keyword"/> </TransformInput> <TransformInput function="lowercase"> <Input path="?b/rdfs:label"/> </TransformInput> </Compare> </Aggregate> 47

51 Παρόμοιος κώδικα χρησιμοποιήθηκε και για την ανακάλυψη συνδέσεων με άλλες πηγές πληροφοριών όπως το DrugBank ( και η DBpedia ( Από την χρήση του εργαλείου αυτού διαπιστώθηκε ότι ειδικότητα του ήταν πολύ υψηλή και οι σύνδεσμοι που παρήχθησαν ήταν ακριβείς και χρήσιμοι. 5.4 Σενάριο χρήσης. Στη συνέχεια αυτό που απαιτείται είναι το γέμισμα των πινάκων με στοιχεία από το Medal. Δυστυχώς δεν υπάρχει κάποιος τρόπος να γίνεται αυτόματα αυτή η διαδικασία. Αντιθέτως είναι μια εργασία χρονοβόρα και κοπιώδης που απαιτεί ανθρώπινη ευφυΐα για να διεκπεραιωθεί. Για τις ανάγκες επίδειξης και αποσφαλμάτωσης της εφαρμογής εισήχθη ένας σημαντικός αριθμός από εγγραφές στους πίνακες. Στην παρακάτω εικόνα βλέπουμε τη λίστα με τους διαθέσιμους αλγορίθμους. Έστω ότι επιλέγουμε τον πρώτο (Percent Coefficient of Fat Retention). Εικόνα 22 : Η λίστα με τους αλγορίθμους 48

52 Θα μεταφερθούμε στο έγγραφο που περιγράφει τον πόρο δηλαδή τον αλγόριθμο. Εικόνα 23: Η αναπαράσταση ενός μη-πληροφοριακού πόρου (αλγορίθμου). Βλέπουμε ότι έχουμε μια περιγραφή της κατηγορίας στην οποία ανήκει ο αλγόριθμος, την full-text περιγραφή του, την ημερομηνία που δημοσιεύτηκε, τα URI από τις μεταβλητές που παίρνει ως είσοδο (vocab:algorithm_input_variable) και αυτές που δίνει ως έξοδο (vocab:algorithm_output_variable). 49

53 Στην εικόνα 24 βλέπουμε μια μεταβλητή εισόδου. Πρόκειται για έναν αριθμό όπως πληροφορούμαστε από το property vocab:variables_type ο οποίος εκφράζει γραμμάρια λίπους, Εικόνα 24 : Μεταβλητή εισόδου. Εικόνα 25 : Μεταβλητή εξόδου. Στην εικόνα 25 βλέπουμε μια μεταβλητή εξόδου η οποία είναι επίσης αριθμός και αφορά την αποβολή λίπους από τα κόπρανα. 50

54 Εικόνα 26 51

55 Στην εικόνα 26 βλέπουμε ότι ο αλγόριθμος τον οποίο μελετάμε έχει δύο λέξεις κλειδιά που τον περιγράφουν. Το ένα από αυτά είναι το ηπατοκυτταρικό καρκίνωμα (hepatocellular carcinoma) με URI To URI αυτό είναι ταυτόσημο με ένα άλλο URI από την βάση Diseasome του Linking Open Data project. Εδώ βλέπουμε την διασύνδεση με το ταυτόσημο URI χρησιμοποιώντας property owl:sameas. Αποαναφοροποιώντας αυτό το URI μεταφερόμαστε στη σελίδα της βάσης Diseasome. H σελίδα η οποία περιγράφει τον πόρο αυτό στο Diseasome μας δίνει πολλές επιπλέον πληροφορίες για την συγκεκριμένη πάθηση: με ποιο γονίδιο συσχετίζεται και σε ποια χρωμοσωμική θέση βρίσκεται αυτό, σε ποια κατηγορία ανήκει η πάθηση, τα πιθανά φάρμακα για την αντιμετώπισή της. Επίσης το Diseasome μας παραπέμπει κι αυτό με τη σειρά του με owl:sameas properties με τρεις άλλες πηγές συνδεδεμένων δεδομένων όπου υπάρχουν ταυτόσημα URI. Δηλαδή λαμβάνουμε την πληροφορία ότι ο πόρος αυτός υπάρχει επίσης στο LinkedCT project το οποίο περιέχει κλινικές δοκιμές, στην DBpedia και στο SIDER το οποίο περιέχει τις ανεπιθύμητες ενέργειες φαρμάκων. Οι η βιβλιογραφικές αναφορές των αλγορίθμων έχουν συνδεθεί κι αυτές με την βάση LinkedLifeData ( με owl:sameas συνδέσμους. Τέλος υπάρχει σύνδεση πολλά προς πολλά με τον δεύτερο D2R server ο οποίος αναπτύχθηκε και περιέχει τα δεδομένα από την υπό ανάπτυξη βάση meducator. Έτσι κάποιοι αλγόριθμοι οι οποίοι χρησιμοποιούνται ως εκπαιδευτικό υλικό δυνδέονται με το ταυτόσημό τους URI στην D2R βάση meducator κι εκεί αντλούμε πληροφορίες για το πώς μπορεί να χρησιμοποιηθεί ο αλγόριθμος στη εκπαίδευση και άλλες λεπτομέρειες που αφορούν τους ειδικούς της ιατρικής εκπαίδευσης. 52

56 6. Υλοποίηση meducator. Η υλοποίηση της εφαρμογής των συνδεδεμένων δεδομένων για την πλατφόρμα meducator σε ότι αφορά την οργάνωση των πληροφοριών ήταν αρκετά απλούστερη από τη στιγμή που είναι ήδη σχεδιασμένη με βάση τον σημασιολογικό ιστό και το περιεχόμενο είναι διαχωρισμένο σε classes και properties εξ αρχής. Αυτό που καθιστά σχετικά δυσχερή την υλοποίηση είναι ο μεγάλος αριθμός από properties και classes τα οποί απαιτούνται για την λεπτομερή περιγραφή των πηγών (resources) οι οποίες αποτελούν και τα εκπαιδευτικά αντικείμενα που περιγράφονται από την οντολογία του meducator. Στο n3 αρχείο του D2R server προσθέσαμε επιπλέον το header prefix mdc: < το οποίο καθορίζει το λεξιλόγιο του meducator ως mdc dereferencable στο Στον παρακάτω πίνακα βλέπουμε την κύρια κλάση resource με τις ιδιότητές της. Properties mdc:title, mdc:subject, mdc:description, mdc:language,,mdc:creator, mdc:created, mdc:identifier, mdc:rights. mdc:quality, mdc:citation, mdc:technicaldescription, mdc:resourcetype, mdc:mediatype, mdc:discipline, mdc:disciplinespeciality, mdc:educationallevel, mdc:teachinglearninginstructions, mdc:educationalobjectives, mdc:educationaloutcomes, mdc:educationalprerequisites, mdc:assesmentmethods, mdc:repurposingcontext mdc:isrepurposedto, mdc:isrepurposedfrom, mdc:repurposingdescription, mdc:isaccompaniedby, mdc:metadatacreator, mdc:metadatalanguage, mdc:metadatacreated, mdc:educationalcontext Used with URI mdc:isrepurposedto, mdc:isrepurposedfrom, mdc:isaccompaniedby 53

57 Επίσης η οντολογία περιλαμβάνει και κάποιες μικρότερες κλάσεις mdc:iprtype mdc:repurposingcontext mdc:educationallevel mdc:language Αυτή δεν είναι η τελική μορφή της οντολογίας καθώς βρίσκεται σε συνεχή εξέλιξη και οι αλλαγές είναι αναπόφευκτες. Εντούτοις χρησιμοποιήθηκε η τελευταία έκδοση του εν εξελίξει project την οποία μας παραχώρησαν οι developers. Το αποτέλεσμα της μετατροπής της οντολογίας σε σχεσιακή βάση δεδομένων ήταν μια βάση με πολλούς ενδιάμεσους πίνακες οι οποίοι ήταν απαραίτητοι για να δημιουργηθούν οι σχέσεις πολλά προς πολλά μεταξύ της κλάσης Resource και των properties της. Το γεγονός αυτό καθιστά δύσκολη την διαχείριση ενός τόσο μεγάλου αριθμού από πίνακες. Ωστόσο το αποτέλεσμα ήταν λειτουργικό. Εικόνα 27 54

58 Στην εικόνα 27 βλέπουμε την σχεσιακή βάση δεδομένων πάνω στην οποία στηρίχθηκε ο D2R server. Ο κεντρικό πίνακας είναι η κλάση resource η οποία συνδέεται με βοηθητικούς πίνακες με τα properties με τα οποία έχει σχέση πολλά προς πολλά. Εικόνα 28: ο D2R server του meducator. Στην εικόνα 28 βλέπουμε την αρχική σελίδα του D2R server ο οποίος τρέχει πάνω στην οντολογία του meducator κα παρακάτω βλέπουμε ένα παράδειγμα για τον αλγόριθμο που υπολογίζει το BMI (Body Mass index δείκτης Μάζας Σώματος). 55

59 Βλέπουμε εδώ ότι για τον εν λόγο αλγόριθμο ανακτούμε μια πλειάδα πληροφοριών όπως το σε ποια ειδικότητα κατατάσσεται, αν υπάρχουν βιβλιογραφικές αναφορές για αυτό, ποιος είναι ο συγγραφές, ημερομηνία δημοσίευσης, ποιος είναι ο εκπαιδευτικός του σκοπός, ποια τα εκπαιδευτικά αποτελέσματα, αν μπορεί αν χρησιμοποιηθεί σε άλλους τομείς της εκπαίδευσης, σε ποιο επίπεδο φοιτητών αναφέρεται, από τι πολυμέσα συνοδεύεται κ.ο.κ. Επίσης μπορούμε να αναθέσουμε σε κάποιο resource external terms με τα οποία γίνεται η διασύνδεση με άλλες βάσεις δεδομένων. 56