Baliabideak > RDF

    sortFiltrar Ordenar
    44 emaitzak

    Hiperesteka

    /

    2016.3.4 noiz Equipo GNOSS

    Generar RDF desde datos tabulares en la Web. Recomendación del W3C

    El documento define los procedimientos y reglas a aplicar para convertir datos tabulares en RDF. Los datos tabulares pueden estar complementados con anotaciones en metadatos que describan su estructura, el significado de su contenido, y si forma parte de una una colección de datos tabulares interrelacionados. El documento especifica el efecto de estos metadatos en el RDF resultante.

    Esta recomendación forma parte de un conjunto de documentos del W3C sobre CSV en la Web:

    ...

    Choosing Between Graph Databases and RDF Engines for Consuming and Mining Linked Data (Universidad Simon Bolívar, Caracas, Venezuela)

    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

    ...

    What is the difference between triplestores and graph databases? - Stack Overflow

    There are triplestores (semantic databases), and there are general-purpose graph databases.

    Both are based on the similar concepts of linking one "item" to another via a relationship. Triplestores support RDF and are queried by SPARQL, but such add-ons can be (and are) implemented ontop of general-purpose graph databases as well.

    What is the fundamental difference that would make you prefer a semantic db / triplestore to a general purpose graph database like neo4j?

    ...

    What are the differences between a Graph database and a Triple store? (by Matt Allen in Quora)

    Graph Databases vs. RDF Triple Stores
    To summarize, both graph databases and triple stores are designed to store linked data. RDF is a specific kind of linked data that is queried using SPARQL, so it is fair to say that RDF triple stores are a kind of graph database. But, there are some subtle but important differences that are described below.
    How They Are Similar
    ·       Graph databases and rdf triple stores focus on the relationships between the data, often referred to as “linked data.” Data points are called nodes, and the relationship between one data point and another is called an edge.
    ·       A web of nodes and edges can be put together into interesting visualizations—a defining characteristic of graph databases.
    How They Are Different
    ·       Graph databases are more versatile with query languages:  Neo4J can run an RDF triple store and use SPARQL but generally focuses on its own proprietary language, Cypher. Other graph databases support G, GraphLog, GOOD, SoSQL, BiQL, SNQL, and more. RDF triple stores only use SPARQL as the query language.
    ·       Graph databases can store various types of graphs, including undirected graphs, weighted graphs, hypergraphs, etc. RDF triple stores focus solely on storing rows of RDF triples.
    ·       Graph databases are node, or property, centric whereas RDF triple stores are edge-centric. RDF triple stores are really just a list of graph edges, many of which are 'properties'  of a node and not critical to the graph structure itself.
    ·       Graph databases are better optimized for graph traversals (degrees of separation or shortest path algorithms). With RDF triple stores, the cost of traversing an edge tends to be logarithmic.
    ·       RDF triple stores also provide inferences on data but graph databases do not (e.g., if humans are a subclass of mammals and man is a subclass of humans, then it can be inferred that man is a subclass of mammals).
    ·       RDF triple stores are more synonymous with the “semantic web” and the standardized universe of knowledge being stored as RDF triples on DBpedia and other sources whereas graph databases are seen as more pragmatic rather than academic.

    ...

    Presentación

    /

    28.5.2015 noiz Equipo GNOSS

    RDF: arquitecturas web y posicionamiento semántico

    En esta presentación, el profesor Jose Emilio Labra de la Universidad de Oviedo explica las aplicaciones del RDF (Resource Description Framework), hablando para ello de las arquitecturas semánticas en las que se inserta, y de cómo afecta al posicionamiento web, lo que llama posicionamiento semántico.

    En este sentido habla de cómo añadir semántica al HTML considerando:

    • Incluir RDF como comentarios al HTML
    • Enlazar a ficheros HTML externos
    • GRDDL
    • Microformatos
    • RDFa
    • Microdatos (proyecto Schema.org)

     

    ...

    Este documento generado por W3C identifica qué entendemos por RDF, cuales son sus características principales y que papel ocupa en el desarrollo y despligue de la Web Semántica explicando las posibilidades que brinda. La versión de este documento corresponde a febrero de 2014.

    Resource Description Framework (RDF) [Infraestructura para la Descripción de Recursos] es una base para procesar metadatos. Proporciona interoperabilidad entre aplicaciones que intercambian información legible por máquina en la Web. RDF destaca por la facilidad para habilitar el procesamiento automatizado de los recursos Web. RDF puede utilizarse en distintas áreas de aplicación; por ejemplo en recuperación de recursos para proporcionar mejores prestaciones a los motores de búsqueda, en catalogación para describir el contenido y las relaciones de contenido disponibles en un sitio Web, una página Web, o una biblioteca digital particular, por los agentes de software inteligentes para facilitar el intercambio y para compartir conocimiento; en la calificación de contenido, en la descripción de colecciones de páginas que representan un "documento" lógico individual, para describir los derechos de propiedad intelectual de las páginas web, y para expresar las preferencias de privacidad de un usuario, así como las políticas de privacidad de un sitio Web. RDF junto con las firmas digitales será la clave para construir el "Web de confianza" para el comercio electrónico, la cooperación y otras aplicaciones. Este documento introduce un modelo para representar metadatos en RDF así como una sintaxis para codificar y transmitir estos metadatos de tal forma que maximicen la interoperabilidad de servidores y clientes web desarrollados independientemente. La sintaxis presentada aquí utiliza el Extensible Markup Language [Lenguaje de Marcado Extensible] (XML): uno de los objetivos de RDF es hacer posible especificar la semántica para las bases de datos en XML de una forma normalizada e interoperable. RDF y XML son complementarios: RDF es un modelo de metadatos y sólo dirige por referencia muchos de los aspectos de codificación que requiere el almacenamiento y transferencia de archivos (tales como internacionalización, conjuntos de caracteres, etc.). Para estos aspectos, RDF cuenta con el soporte de XML. Es importante entender que esta sintaxis XML es sólo una sintaxis posible para RDF y que pueden surgir formas alternativas para representar el mismo modelo de datos RDF. El objetivo general de RDF es definir un mecanismo para describir recursos que no cree ninguna asunción sobre un dominio de aplicación particular, ni defina (a priori) la semántica de algún dominio de aplicación. La definición del mecanismo debe ser neutral con respecto al dominio, sin embargo el mecanismo debe ser adecuado para describir información sobre cualquier dominio.

    Fuente: W3C

     

     

     

     

     

    ...

    Categorías:

    Hiperesteka

    /

    2013.12.23 noiz Equipo GNOSS

    Publicados 3 borradores públicos sobre RDF 1.1. Three RDF First Public Drafts Published - W3C

    El RDF Working Group ha publicado 3 borradores públicos (First Public Working Drafts) sobre RDF 1.1., que se convertirán en notas del World Wide Web Consortium (W3C Notes):

    ...

    Three RDFa Recommendations Published | Semantic Web Activity News

    Recomendaciones del grupo de trabajo en el estandar semántico RDF. Agosto 2013.

    The RDFa Working Group today published three RDFa Recommendations.

    RDFa lets authors put machine-readable data in HTML documents. Using RDFa, authors may turn their existing human-visible text and links into machine-readable data without repeating content.

    ...

    Hiperesteka

    /

    2013.6.13 noiz Equipo GNOSS

    RDF 1.1 JSON Serialisation (RDF/JSON)

    The Resource Description Framework (RDF) is a framework for representing information in the Web.

    This document defines a textual syntax for RDF called RDF/JSON that allows an RDF graph to be completely written in a form compatible with the JavaScript Object Notation (JSON) [RFC4627].

     

     

    ...

    Categorías:

    Hiperesteka

    /

    2013.6.13 noiz Equipo GNOSS

    Big Data goes to the Ballpark: The Next Generation of “Moneyball” at YarcData (Semantic Web)

    “People are overlooked for a variety of biased reasons and perceived flaws. Age, appearance, personality. Bill James and mathematics cut straight through that. Billy, of the 20,000 notable players for us to consider, I believe that there is a championship team of twenty-five people that we can afford, because everyone else in baseball undervalues them.”

    Esta fue la idea que Peter Brand (interpretado por Jonah Hill en la película Moneyball) vendió a Billy Beane, manager general de los Oakland Athletics en el 2002. El año anterior, el equipo de Beane consiguió llegar a la post-temporada, pero fueron derrotados por los Yankees. El equipo perdió 3 jugadores estrella como agentes libres, y Beane no tenía el presupuesto suficiente para reemplazarlos. Sin embargo, el analista de beisbol Brand demostró que Beane podía conseguir grandes resultados con un presupuesto pequeño, y como resultado, el equipo fue a las series mundiales el año siguiente.

    Usar los datos para encontrar jugadores infravalorados no se terminó en este equipo. Beane y Brand comenzaron una tendencia en el beisbol que cambió el juego para siempre, y el uso de los datos no ha hecho más que convertirse en más complejo y competitivo según ha aumentado el volumen y naturaleza de los datos.

    Este es el foco de la presentación de Dean Allemang, Tim Harsch y Amar Shan en la reciente conferencia de SemTech, "Big Data Analytics for Baseball". Los 3 hombres de YarcData demostraron a una sala llena de fans del beisbol y de las tecnologías semánticas como en el actual mundo de Big Data, RDF no es sólo una gran solución para sanidad, administración pública y organizaciones, sino también para el pasatiempo favorito de América.

    ...