A szemantikus web könyvtári ígérete

Hubay MiklósSZE Egyetemi Könyvtár

2016.03.22.

• Az 1992 óta létező World Wide Web alapjaiban változtatta meg információkeresési szokásainkat

• Már 1996-ban hangoztatták, hogy a Gutenberg-galaxis véget ér, a könyvtárak fizikai formájukban teljesen meg fognak szűnni

• A közgyűjteményeknek a hálózati világban is meg kell őrizniük a minőségi információszolgáltató évszázadok alatt kivívott pozícióját

Olyan lépés megtételére kell elszánnunk magunkat, amely alapjaiban rengeti meg a jelenlegi katalógusépítési gyakorlatot, cserébe a használói kör soha nem látott mértékű bővülését ígéri számunkra.

Alapvetés

Keresőoptimalizálás (SEO)A könyvtárak adatainak még hatékonyabb, még használhatóbb, a jelenleginél

könnyebben kereshető formában történő elhelyezése a weben

MARC-szizmus• MAchine-Readable Cataloging: géppel olvasható katalogizálás

• 1966-ban fejlesztette ki Henriette Avram a Library of Congress felkérésére (MARC-I)

• 1968: MARC-II, majd 1998-tól MARC-21

• Nem feldolgozási szabályzat, csupán hordozó (ISBD, AACR2, RDA korlátozottan, akár Dublin Core, stb.)

• 2002: MARC Must Die: túlélte önnön használhatóságát

MARC-szizmus

• Cédula-sokszorosításra és adattovábbításra találták ki, ma mégis számítógépes információ-visszakereső rendszerek alapjául szolgál

• Könyvtárakon és (részben) múzeumokon kívül nem használja más, a külső partnerek felé történő adatszolgáltatáshoz fáradságos konverziós folyamatra van szükség

• Kevés szoftver kezeli (IKR-ek többnyire)

• Az eltérő helyi sajátosságok miatt az intézmények integrációja vagy IKR-váltás esetén ugyancsak konverzióra van szükség, továbbá a közös katalógusok építése sem egyszerű

• Inkompatibilis a feldolgozás új fogalmi modelljével, az FRBR-rel

Emlékeztetőül: az FRBR

De a legfőbb probléma…• A könyvtári adatok az ún. mély web

részei, keresőszolgáltatásokkal (pl. Google) nem megtalálhatók

• A könyvtári adatok gyakorlatilag hatalmas adatsilókban senyvednek

• „Nem beszélünk olyan nyelvet, amelyet a Web megért”

• Következésképp: számos használót, aki nem ismeri az OPAC-okat, nem érünk el

Mi lehet a megoldás?

A Linked Data (kapcsolt adatok) technológiája, amellyel létrejön a Web of Data (az adatok

hálózata), amely a szemantikus web jelenlegi megvalósulási formája

„Az általános tájékoztatás

eszközei”

főiskolai jegyzet EKF 2011

A kérdés tehát: hogyan adhatunk az elemek kapcsolatainak jelentést (szemantikát)?

• Használjunk URI-kat a dolgok (sőt: viszonyok) leírására!

• Ezek HTTP-alapú URI-k legyenek!

• Biztosítsunk hasznos információkat a gépi és emberi ágensek számára is, amikor egy ilyen URI-t felkeresnek!

• Kapcsoljuk adatainkat más adatokhoz!

http://id.loc.gov/authorities/names/n79049248

http://bibframe.org/vocab/partOf

HTTP-alapú URI

Bár a szerkezet azonos az URL-lel, nem webdokumentumot, hanem valamilyen entitást/dolgot/erőforrást azonosít!

Mire jó ez a könyvtárnak?

• Az adatok valóban a web részét képezik, a silók falai leomlanak

• Nem speciális könyvtári, hanem általános, webes szabványok szerint tárolódnak az adataink, ami kiszélesíti a felhasználási lehetőségeket

• Az egyedi azonosítók segítségével kiküszöbölhetők a szinonimák és homonimák okozta problémák

Nem csupán weben lenni…

…hanem webből lenni!

Egy kis technikai háttér• Az adatok összekapcsolásának és jelentéssel való felruházásának eszköze: az RDF

• Resource Description Framework (erőforrás-leíró keretrendszer), 1999-től létezik

• Segítségével háromelemű (alany, állítmány, tárgy) állításokat tehetünk az erőforrásokról – amelyeket URI-val vagy szöveges értékkel jelölünk meg

Eredmények

• Ha két állításban ugyanazon URI szerepel, akkor a számítógépes feldolgozás számára (is) egyértelmű, hogy a két állítás ugyanarról szól, még akkor is, ha a világ két teljesen különböző pontján hozták létre őket

• A „hivatalos” könyvtári leírások kibővíthetők akár a „színre-szagra” paramétereivel

• Munkát spórolunk meg, ha már létező relációkat, URI-kat használunk fel újra

Honnan származnak a relációk?

• Ún. névterekből/szókészletekből/szótárakból/ontológiákból

• Egy fogalmi terület (pl. a könyvtári feldolgozás) legfontosabb tulajdonságainak, osztályainak, relációinak meghatározása

• Fontos tudni, hogy egy relációt milyen szótár szerint határozunk meg

A BIBFRAMEA BIBFRAME a Linked Data-alapelveket követő, könyvtári felhasználásra fejlesztett szókészlet,

amely a funkcionális megközelítést (FRBR) alkalmazó bibliográfiai

leírások készítéséhez szükséges legfontosabb dokumentum-tulajdonságokat és relációkat

tartalmazza. ÉS A JÖVŐBEN TELJESEN LEVÁLTJA MAJD A MARC-OT!

A szótár elemei

• 53 osztály (az állítások alanya és tárgya lehet)

• Közülük ún. magosztály: WORK, INSTANCE, ANNOTATION, AUTHORITY

• ~270 tulajdonság, jellemző (az állítások állítmánya lehet)

Az egyedi erőforrások osztályokba sorolása, valamint a tulajdonságok csoportosítása révén a számítógép alapszintű következtetések elvégzésére válik képessé!

Tesztelhető feldolgozó felület

További segédeszközök az ismerkedéshez

• Profilszerkesztő (űrlapok összeállítása különféle dokumentumtípusokhoz)

• MARC-konverter és összehasonlító (HUNMARC-kal is működik, de nem tökéletesen)

Hogyan lesz visszakereshető?A jövőben: keresőmotorok segítségével

Ma: az adathalmazok ún. SPARQL-végpontjain, összetett lekérdező nyelv segítségével. A sikeres visszakereséshez a nyelv alapelveit és az adathalmazban használt szótárakat is ismerni kell prefix dcterms: <http://purl.org/dc/terms/>select ?title ?authorwhere {?book_uri dc:title ?title ;dc:creator ?author ;dc:publisher "Forum" ;dc:date ?year .filter (?year > "2008")

Legyünk őszinték…

• Nem kizárólag a BIBFRAME szótára segítségével írhatunk le könyvtári dokumentumokat (BIBO, FaBiO, CitO, RDA-ontológia, ISBD-ontológia, MarcOnt, stb.) – sőt többet is használhatunk egyszerre

• A BIBFRAME szókészlete a többivel bizonyos szempontok szerint összevetve még dobogós helyen sem áll, sőt, bizonyos pontjain egyenesen ellentmond a Linked Data alapelveinek

• A remek reklám (és a LoC neve) miatt az amerikai könyvtári közélet felpezsgett. Európában is tesztelik, de kevesebben (GNB, Alexandriai Könyvtár)

A jövő

• Linked Data-alapú feldolgozást támogató integrált könyvtári rendszerek elterjedése

• Ki melyik szótár használatát támogatja (konverzió?)

• Nincs új a nap alatt (várhatóan ismétlődő problémák)

Amire büszkék lehetünk…

Magyarország (az OSzK) a világon másodikként, még a Library of Congresst is megelőzve publikálta adatait Linked Dataként a világhálón.

Az ALIADA-projektnek, amely segítséget nyújt a világ könyvtárainak a szemantikus weben történő megjelenéshez, magyar résztvevője is van.

Köszönöm a figyelmet!