Apéro'info : web des connaissances et linked open data

Une fois par mois, le département informatique de l'université de Tours, site de Blois, organise un apéro'info, deux conférences de vulgarisation de 20' liées à l'informatique, suivies d'une discussion autour d'un apéritif. Le lieu de rendez-vous est toujours le même : l'amphi 2 de l'antenne universitaire de Blois (6 place Jean Jaures, 41000 Blois)

Thème de l'apéro de février :  Linked Open Data : un tour d’horizon  

 

Béatrice MARKHOFF  -  Web et connaissances : le Linked Open Data (LOD)

Rappelons les objectifs du web à l’origine : relier des documents entre eux et utiliser l’internet pour étendre ces liens entre des ordinateurs distants, permettant le partage, l’échange, la diffusion à grande échelle d’informations. A l’heure actuelle, chacun sait que le web comprend énormément de connaissances utilisables par toute personne disposant d’un navigateur et d’un moteur de recherche. Ce qui est moins connu, c’est que ces connaissances sont en cours d’encodage pour que des logiciels puissent les exploiter automatiquement. Le sens des données affichées dans les pages web (leur sémantique) est ainsi représenté puis utilisé, par exemple par les moteurs de recherche qui vous affichent dans un cadre une véritable réponse, en plus de la liste de liens correspondant aux mots donnés.

Le web est également le support des données ouvertes, concept qui désigne des informations publiques librement accessibles. De nombreux gouvernements, institutions, associations et particuliers contribuent au partage et à la diffusion d’information en publiant sur le web des jeux de données. L’analyse et l’exploitation de ces jeux de données restent un challenge, d’une part parce que le sens de ces données n’est pas représenté de façon à les rendre directement utilisables par des logiciels, d’autre part parce que ces jeux de données sont des silos d’informations étanches les uns aux autres.

Je présenterai la réponse à ces verrous, encore une fois apportée par le web : le Linked Open Data (LOD) ou « web des données ouvertes et liées », qui est un ensemble de jeux de données dont le sens est formellement représenté, donc interprétable par des programmes, et qui plus est, ces données sont reliées les unes aux autres. Initié en 2007 avec 12 jeux de données, il comprend maintenant 1234 jeux de données reliés par plus de 16000 liens et il ne cesse de s’accroître. Il couvre tous les domaines et certains de ses jeux de données représentent à eux seuls des millions de connaissances.

Arnaud GIACOMETTI  - Le Linked Open Data (LOD) : une source de données pour l’extraction de nouvelles connaissances ?

Le Linked Open Data (LOD) ou « web des données ouvertes et liées » (qui sera introduit dans la présentation précédente par Béatrice Markhoff) constitue aujourd’hui un gisement de données et connaissances en pleine expansion ; il regroupe actuellement plus d’un millier de sources de données (dont DBPedia, Wikidata, Yago, …) comprenant plus d’un milliard de triplets, la plus petite unité de données représentant des association entre sujet, propriété et objet ; par exemple, le triplet (Alberto Giacometti, is-a, Artist) représentera qu’Alberto Giacometti est un artiste.

A partir de ce gisement de données, accessible à tout un chacun, de nombreuses enquêtes et analyses de données peuvent être conduites, par exemple, pour étudier pays par pays comment les populations se répartissent dans des villes de plus ou moins grandes tailles. Mais il est alors important de souligner que les sources de données disponibles, très évolutives, construites de manière collaborative, sont souvent encore très incomplètes. Ainsi, de nombreuses informations sont encore manquantes, et le fait que la population d’une ville ne soit pas renseignée ne permet pas de conclure qu’elle n’a pas d’habitants. Dans ce contexte, il est donc primordial, quand une requête ou analyse est posée sur une base du web des données, de pouvoir évaluer la pertinence et qualité de la réponse apportée.

Après avoir exposé les différents problèmes posés par l’incomplétude des données, nous présenterons quelques travaux menés au sein de l’équipe BdTln du laboratoire LIFAT pour évaluer par exemple, si des données du web sont représentatives ou pas de la réalité (afin d’éviter de réaliser des analyses erronées ou biaisées), si des propriétés du monde réel peuvent être induites des données stockées dans le web des données (par exemple, que tout individu a en général deux parents, une seule date de naissance, …), etc.