CATCHPlus D2.7.2 Lokale triple store DELIVERABLE. D Lokale triple store. René van der Ark Sara van Bussel

Maat: px

Weergave met pagina beginnen:

Download "CATCHPlus D2.7.2 Lokale triple store DELIVERABLE. D Lokale triple store. René van der Ark Sara van Bussel"

Willem van Veen
7 jaren geleden
Aantal bezoeken:

1 DELIVERABLE D Lokale triple store René van der Ark Sara van Bussel Auteur : Sara van Bussel 15/03/ :03:00 PM page 1 of 7

2 1 Documenteigenschappen Rapportage datum: 1 november 2010 Rapoportage periode: 2009/2010 Versie: Definitief Eventuele wijzigingen tov vorige versie? 1.1 Document locatie Bestandsadres: 1.2 Historie Versie Datum Veranderingen Opdrachtgever Auteur(s) (concept/definitief) René van der Ark, Sara van Bussel 1.3 Goedkeuring Dit document heeft de volgende goedkeuringen nodig. Naam Rol Opmerkingen Datum Sara van Bussel verantwoordelijke Projectleider tot Irene Haslinger verantwoordelijke Projectleider vanaf projectbureau Stuurgroep advies akkoord 1.4 Distributie De volgende personen hebben een exemplaar ontvangen. Naam Functie Datum Auteur : Sara van Bussel 15/03/ :03:00 PM page 2 of 7

3 Inhoud 1 Documenteigenschappen Document locatie Historie Goedkeuring Distributie... 2 Management samenvatting Bericht van oplevering Gedetailleerde beschrijving van de deliverable Conclusie... 7 Auteur : Sara van Bussel 15/03/ :03:00 PM page 3 of 7

4 Management samenvatting Instructies: (verwijder deze tekst voor publicatie): Tekst van max. 1 pagina, die het hele document samenvat. Bevat korte inleiding in het project, beschrijving van dit onderdeel en doelstelling, conclusie. De conclusie moet helder en eenduidig zijn. Dit document bevat de formele oplevering van Stitch+ deliverable 2. Deze deliverable staat in het projectplan van Catch+ voor 2010 omschreven als Lokale triple store zonder verdere specificaties. Er is vergelijkend onderzoek gedaan naar verschillende triple store systemen en hun capaciteit om grote aantallen triples degelijk op te slaan en snel te verwerken. Uiteindelijk is er gekozen voor de low level implementatie van 3store, geschreven in de programmeertaal C. De thesaurus van de Koninklijke Bibliotheek is ingeladen in een lokale triple store. Momenteel bevat de thesaurus 1,2 miljoen onderwerpen uit verschillende catalogi (o.a. NBD Biblion, GTT en persoonsnamen), tezamen 7,3 miljoen triples. Dagelijks worden de nieuwe updates in de thesaurus geharvest en opgenomen in deze triple store. Auteur : Sara van Bussel 15/03/ :03:00 PM page 4 of 7

5 2 Bericht van oplevering Instructies: (verwijder deze tekst voor publicatie): Beschrijf in maximaal 4 pagina s wat, wanneer en waar door wie formeel is opgeleverd, wie hierbij aanwezig waren en beschrijf de mate van succes van deze deliverable (is de deliverable cf. de wensen/specificaties) en waarom. Dit document bevat de formele oplevering van Stitch+ deliverable 2. Deze deliverable staat in het projectplan van Catch+ voor 2010 omschreven als Lokale triple store zonder verdere specificaties. Hieronder zal beschreven worden hoe deze deliverable is opgeleverd. Deze deliverable is volledig uitgevoerd door de Koninklijke Bibliotheek en is (onder deze deliverable) alleen intern beschikbaar. Externe beschikbaarheid is onderdeel van volgende deliverables. De deadline zoals beschreven in het projectplan was maand 10, oktober Hoewel de triple store toen wel gereed was heeft er nooit een formele oplevering van deze deliverable plaats gevonden. Sinds oktober 2009 zijn er tweemaal nieuwe triple stores gemaakt, en de versie waarmee nu binnen Stitch+ gewerkt wordt is dan ook niet meer exact dezelfde als die van toen. Echter, aan de voorwaarde van lokale triple store wordt voldaan. In dit document wordt de huidige versie gedocumenteerd. Auteur : Sara van Bussel 15/03/ :03:00 PM page 5 of 7

6 3 Gedetailleerde beschrijving van de deliverable De thesaurus van de Koninklijke Bibliotheek is ingeladen in een lokale triple store. Momenteel bevat de thesaurus 1,2 miljoen onderwerpen uit verschillende catalogi (o.a. NBD Biblion, GTT en persoonsnamen), tezamen 7,3 miljoen triples. Dagelijks worden de nieuwe updates in de thesaurus geharvest en opgenomen in deze triple store. In een triple store worden semantische data (XML/RDF) opgeslagen in een samenstelling van onderwerp predicaat lijdend voorwerp. Bijvoorbeeld onderstaand record: <skos:concept rdf:about=" <dc:type xml:lang="nl">persoon</dc:type> <skos:preflabel>breyer Brandwĳk, Maria</skos:prefLabel> </skos:concept> Krijgt de vorm: data: dc:type persoon data: skos:preflabel Breyer Brandwĳk, Maria Deze manier van opslag faciliteert semantisch zoeken, waarin een zoekvraag in de vorm van een triple kan worden geformuleerd (wanneer een bekend subject, predicate, of object wordt vervangen door een variabele zijnde een onbekende). Een semantische zoekvraag werkt niet (alleen) op het zoeken van een term in een tekst, maar is vooral bedoeld om relaties te constateren tussen verschillende thema s. Semantisch zoeken kan hiermee vooral het full text zoeken verrijken, door inhoudelijke verfijning van de zoekvraag toe te voegen. Hiertoe is de standaard de SPARQL query taal ontwikkeld, na aanbeveling van het W3C. De triple store ondersteunt SPARQL en kan worden aangeroepen via een web service op Naar het invoeren van queries kan er ook op zoekterm, of op uniek PPN nummer worden gezocht en gebrowsed door de thesaurus Uitgevoerde werkzaamheden t.b.v. de kwaliteitswaarborging Er is vergelijkend onderzoek gedaan naar verschillende triple store systemen en hun capaciteit om grote aantallen triples degelijk op te slaan en snel te verwerken. Leidend in dit onderzoek was een publicatie van MIT, te vinden onder: Uiteindelijk is er gekozen voor de low level implementatie van 3store, geschreven in de programmeertaal C door de Intelligence, Agents and Multimedia research group van de universiteit van Southampton. Eerder is gekeken naar de optie van OpenLink Virtuoso, een gebruiksvriendelijker variant geschreven in Java, maar dit systeem bleek zeer log qua geheugenverbruik en het verwerken van complexe queries op grote datasets vergeleken met 3store. Auteur : Sara van Bussel 15/03/ :03:00 PM page 6 of 7

7 4 Conclusie Instructies: (verwijder deze tekst voor publicatie): tekst Auteur : Sara van Bussel 15/03/ :03:00 PM page 7 of 7

Vergelijkbare documenten

CATCHPlus D Matching persoonsnamen met VIAF DELIVERABLE. René van der Ark. Auteur : René van der Ark 15/03/ :03:00 PM page 1 of 12

CATCHPlus D Matching persoonsnamen met VIAF DELIVERABLE. René van der Ark. Auteur : René van der Ark 15/03/ :03:00 PM page 1 of 12 DELIVERABLE D2.7.11.1 Matching persoonsnamen met VIAF René van der Ark Auteur : René van der Ark 15/03/2011 14:03:00 PM page 1 of 12 1 Documenteigenschappen Rapportage datum: 31 03 2011 Rapoportage periode: