Next Web: web 3.0, web semántica y el futuro de internet > Bases de datos

YAGO es una gran base de conocimiento semántico, derivada de Wikipedia, WordNet, WikiData, GeoNames y otras fuentes de datos. Actualmente, YAGO identifica más de 17 millones de entidades (como personas, organizaciones, ciudades, etc.) y contiene más de 150 millones de datos sobre estas entidades.

YAGO tiene una serie de propiedades de interés:

•     La precisión de YAGO se ha evaluado manualmente, lo que demuestra una precisión confirmada del 95% (*). Cada relación está anotada con su valor de confianza.
•     YAGO combina la taxonomía limpia de WordNet con la riqueza del sistema de categorías de Wikipedia, asignando las entidades a más de 350,000 clases.
•     YAGO está anclado en el tiempo y el espacio. YAGO concede una dimensión temporal y una dimensión espacial a muchos de sus hechos y entidades.
•     Además de la taxonomía, YAGO tiene dominios temáticos como "música" o "ciencia" de WordNet Domains.
•     YAGO extrae y combina entidades y hechos de 10 Wikipedias en diferentes idiomas.

YAGO se desarrolla conjuntamente en el grupo DBWeb en la Universidad Télécom ParisTech, el grupo de Bases de Datos y Sistemas de Información en el Instituto Max Planck de Informática y Ambiverse.

https://en.wikipedia.org/wiki/YAGO_(database)

https://github.com/yago-naga/yago3

Overview

 1. Motivation

2. Framework

3. PigSPARQL

4. Evaluation

5. Summary PigSPARQL: Mapping SPARQL to Pig Latin

Abstract.

Graphs naturally represent Linked Data and implementations of graph-based tasks are required not only for data consumption, but also for mining patterns among links. Despite efficient graph-based algorithms and engines have been implemented, there is no clear understanding of how these solutions may behave on Linked Data

Webpage of the  fifth annual NoSQL Now! Conference, which will take place in San Jose (California), 18-20 August. 

"The fifth annual NoSQL Now! Conference is the largest vendor-neutral forum focused on NoSQL (Not Only SQL) technologies. Topics include Scale-Out Architectures, NoSQL Case Studies, Graph Databases, Enterprise NoSQL, Distributed Systems, Real-time Analytics, Security, In-Memory Databases, NoSQL Data Warehousing, Querying NoSQL, SQL on Hadoop, Data Modeling for NoSQL, MongoDB, Neo4j, Cassandra, Spark, Oracle NoSQL, HBase, MarkLogic, Couchbase, Apache Flink, Postgres, Redis, Apache Drill."

Se ha presentado BabelNet 3.0, un proyecto financiado por el European Research Council (ERC), y dirigido por el profesor Roberto Navigli, de la Universidad Sapienza de Roma. 

BabelNet es un diccionario enclopédico muy amplio y una red semántica, creados mediante la integración de Wikipedia y Wordnet, además de otros recursos léxicos como Wiktionary, OmegaWIki, Wikidata y Open Multilingual Wordnet. La integración se consigue mediante un algoritmo de enlazado automático, completado léxicamente mediante traducciones automáticas.

El resultado es un diccionario enciclopédico que proporciona conjuntos de sinónimos (synsets). Por ejemplo, conceptos y entidades en varios idiomas conectados con una gran cantidad de relaciones semánticas.

La versión 3.0 tiene las siguientes características:

• Un nuevo interfaz de usuario.
• Una nueva API RESTful, disponible en su versión BETA hasta el 31/1/2015.
• 271 idiomas.
• Revisión mejorada de la integración de WordNet, Open Multilingual WordNet, Wikipedia, OmegaWiki, Wikidata y Wiktionary.
• 13,7 millones de synsets.
• 117 millones de siginificados.
• 40,3 millones de definiciones textuales.
• 354 millones de relaciones semánticas.
• Taxonomía completa, gracias a la integración de Wikipedia Bitaxonomy.
• 10 millones de imágenes asociadas a synsets.
• Aproximadamente, 2.000 millones de triples RDF, disponibles con un interfaz SPARQL (próximamente).

Esta web propone distintos dataset clasficiados en los distintos estados de Estados Unidos en distintas temáticas:

• Desarrollo
• Cultura
• Política
• Deporte
• Energía
• Medio Ambiente
• Historia

En este post Mike Bergman,  CEO of Structured Dynamics LLC nos habla de la evolución de las bases de datos en los últimos años. En especial señala como ha influido la web semántica en su evolución.

Lista de datasets proporcionada por el W3C que contiene diversos datasets de distintos proyectos en los que es posible descargar las tripletas en formato RDF.

En estas 148 slides, Diego López de Ipiña da un repaso al concepto de BBDD NoSQL mostrando la puesta en práctica de tecnologías  Apache Cassandra y Apache CouchDB. Presentación muy instructiva.

"Yes it's a long title, since people kept asking me to write about this and that too :) I do when it has a point.

While SQL databases are insanely useful tools, their monopoly in the last decades is coming to an end. And it's just time: I can't even count the things that were forced into relational databases, but never really fitted them. (That being said, relational databases will always be the best for the stuff that has relations.)

But, the differences between NoSQL databases are much bigger than ever was between one SQL database and another. This means that it is a bigger responsibility on software architects to choose the appropriate one for a project right at the beginning."