Motores de recuperación de documentos XML/RDF

Motores de recuperación de documentos XML/RDF
Hoy en día los buscadores Web son utilizados por la mayoría de los internautas.
¿Quién no ha oído hablar de Google, Yahoo o MSN? Estos buscadores funcionan
mediante motores de búsquedas, los cuales recuperan información de la Web mediante
distintos mecanismos.
El problema de los buscadores de Internet actuales como Google, se basan en un
sistema en el que los usuarios meten manualmente los enlaces y al hacer una búsqueda
se aplica un algoritmo de emparejamiento de patrones, que tiene en cuenta el número de
veces que se hace referencia a cada URL candidata a ser resultado de búsqueda. Aunque
su utilidad no se puede negar, y ha hecho que se cambie la forma de buscar información,
también estamos hartos de realizar búsquedas en el que se pida un determinado tema y
el buscador nos devuelva muchísimas respuestas que no solucionan nuestra petición.
La Web semántica nos permitirá hacer búsquedas muy precisas teniendo en
cuenta diferentes parámetros. Por ejemplo, se podrá buscar una reserva de hotel en una
determinada zona, para unas fechas concretas, dónde la habitación tenga un número
determinado de camas, etc. Podemos pensar que este tipo de selecciones las podemos
realizar actualmente, y es cierto, ya que mediante los sistemas multiagente se consiguen
estos resultados. Un agente es una entidad de software que funciona continua y
autónomamente en un medio particular a menudo habitado por otros agentes y procesos,
sin requerir de guía constante o intervención humana. Los sitemas multiagentes se han
propuesto como la mejor herramienta para realizar aprendizaje automático en Internet.
Mediante esta herramienta es posible hacer recomendaciones acertadas del tipo "pincha
en este sitio Web, pues me parece que te interesa" o "esta persona tiene intereses muy
similares a los tuyos, te interesaría contactar con ella" y esto lo hará software puro y
duro, sin más intervención humana que la de la propia acción del usuario y acertarán.
También será posible clasificar automáticamente sitios o documentos de una manera
acertada y un montón de más cosas que ni siquiera nos imaginamos.
El problema con el que ahora se topa la tecnología de sistemas multiagente es la
volatilidad y desestructuración de la información base para realizar las inferencias.
Volviendo al ejemplo del sistema multiagente para encontrar el viaje de tus sueños el
único lugar desde el que puede recuperar la información son páginas html en forma de
tablas. Éstas páginas pueden cambiar su estructura cada mes, lo que requiere cambios de
programación.
Este problema se soluciona si la información se almacenada adecuadamente en
una base de datos o en ficheros xml/rdf.
Actualmente se están desarrollando motores de búsquedas que utilizan las
nuevas tecnologías como RDF, XML, etcétera, es decir, buscadores que aprovechen las
ventajas que aporta la Web Semántica.
Se ha escrito mucho acerca de la Web Semántica, como si fuese una tecnología
que fuese a reemplazar a la Web de hoy. "En realidad," contó Eric Miller, Líder de la
Actividad de Web Semántica del W3C, "es más una Evolución que una Revolución
Web". La Web Semántica se construye a través de cambios incrementales, llevando a
los documentos y datos ya disponibles en la Web descripciones legibles por máquinas.
XML, RDF y OWL permiten a la Web ser una infraestructura global para la
compartición de datos y documentos, lo que también hace más fácil y fiable la búsqueda
y reutilización de información."
La Actividad de Web Semántica del W3C se apoya en trabajo de otras Actividades del
W3C, tales como la Actividad XML. Se concentra en desarrollar tecnologías estándar,
encima de XML, que permitan el crecimiento de la Web Semántica.
Documentos XML/RDF
¿Qué es XML?
XML es la solución a la mayor parte de estos problemas. XML se trata de un lenguaje
de definición de datos de carácter general utilizado para ofrecer una mayor cohesión en el
intercambio de datos B2B (Business-to-bussines) o B2C (Business-to-consumer) y que permite
la creación de nuevos lenguajes gracias a sus mecanismos de extensibilidad. Aunque
ocasionalmente pueda utilizarse XML para definir formatos, de forma habitual se utiliza
apoyado por una serie de lenguajes o tecnologías adicionales que sirven para proporcionar datos
en pantalla o impresora.
XML se trata de un nuevo lenguaje de marcado, derivado de SGML, pero mucho más
moderno y preparado para la era de Internet.
XML es una forma de representar datos que han de circular por la red y por ello no está
ligado necesariamente a su presentación en un navegador. Su uso puede ir más allá de la Red, e
incluso de la propia informática, al tratarse de un metalenguaje. Este estándar responde a la
necesidad de disponer formatos para describir diferentes tipos de contenidos de forma
electrónica, para poder almacenarlos, procesarlos y transmitirlos. Sin entrar en aplicaciones
específicamente informáticas, en múltiples campos es necesario disponer de notaciones que
permitan describir contenidos.
XML está siendo aplicado en multitud de campos y para diversos fines: archivo
electrónico y gestión de contenidos, publicaciones web, intercambio electrónico de documentos,
formato interno de herramientas, software, comercio electrónico, educación, y tantos otros
campos que sería imposible reflejar (algunos campos menos obvios son: química, biología,
teología, turismo, derecho, sanidad,...). Y es que XML es un estándar no sólo para la Web, es un
estándar que ha nacido en el mundo Web y que se utiliza dentro y fuera de su ámbito.
XML, es el estándar de Extensible Markup Language. XML no es más que un
conjunto de reglas para definir etiquetas semánticas que nos organizan un documento en
diferentes partes. XML es un metalenguaje que define la sintaxis utilizada para definir otros
lenguajes de etiquetas estructurados. Es un subconjunto de SGML especializado en la gestión de
información para la Web.
XML es una versión simplificada, reducida de SGML, que quizá quita algo de libertad a
la hora de definir lenguajes concretos, pero da mayor flexibilidad y permite definir procesadores
de lenguajes más eficientes de una forma mucho más sencilla.
Para definir estos lenguajes concretos se tiene que hacer uso de una notación.
Esta notación que ha sido estandarizada por el W3C el 10 de febrero de 1998 se denomina DTD
(Document Type Definition), siguiendo la tradición de SGML. Un DTD define el tipo concreto
de aplicación que nosotros queramos utilizar. De todas maneras, en mayo de 2001 el W3C
especificó otra forma de definir aplicaciones XML. Se trata de XML Schema.
XML es un metalenguaje. Eso quiere decir que XML permite definir diferentes
lenguajes de marcado, utilizando DTDs o Schemas. Un lenguaje de marcado es un lenguaje que
permite añadir marcas o etiquetas que describen el contenido del documento para dar semántica
o indicar la presentación del contenido. Habitualmente, el contenido es textual.
XML es un método para introducir datos estructurados en un fichero de texto. Cuando
hablamos de datos estructurados, hablamos de cosas tales como hojas de cálculo, libretas de
direcciones, parámetros de configuración, transacciones financieras, dibujos técnicos, etc. Los
programas que producen esta clase de datos a menudo también los guardan en disco, por lo que
pueden usar tanto un formato binario como un formato de texto. XML consiste en una serie de
reglas, pautas, convenciones, para planificar formatos texto para tales datos, de manera que
produzcan archivos que sean fácilmente generados y leídos (por un ordenador) que son
inequívocos, y que evitan escollos comunes como la falta de extensibilidad, falta de soporte para
la internacionalización o localismo, y la dependencia de una determinada plataforma.
Los archivos XML son archivos de texto porque permiten a los expertos depurar errores
en las aplicaciones, más fácilmente, y en casos de emergencia, pueden usar un simple editor de
texto para arreglar un archivo XML estropeado. Por ver un inconveniente, se puede hablar de
que las reglas para los archivos XML son más estrictas que para los archivos HTML, ya que el
olvido de una etiqueta, o un atributo sin comillas, hacen que el archivo sea inservible. En la
especificación oficial de XML está escrito que no le está permitido a aplicaciones intentar
justificar al creador de un archivo XML dañado; si el archivo está dañado, la aplicación debe
detenerse inmediatamente y emitir un error.
Puesto que XML es un formato de texto y que usa etiquetas para delimitar los datos, los
archivos XML son casi siempre comparablemente mayores que los formatos binarios. Pero está
desventaja puede ser usualmente compensada en distintos niveles. Además el espacio en disco
ya no es tan caro, y los programas como zip y gzip (gratis en varias plataformas) pueden
comprimir archivos muy bien y muy rápidamente.
Resumen de las principales características:
1.
Es una arquitectura abierta y extensible. No necesita versiones para que pueda
funcionar en futuros navegadores. Los identificadores pueden crearse de manera
simple y ser adaptados en el acto en Internet/Intranet por medio de un validador
de documentos (parser).
2.
Mayor consistencia, homogeneidad y amplitud de los identificadores
descriptivos del documento con XML en comparación con otros estándares.
3.
Integración de los datos de las fuentes más dispares. Intercambio de documentos
entre aplicaciones tanto en el propio PC como en una red local o extensa.
4.
Datos compuestos de múltiples aplicaciones. La extensibilidad y flexibilidad de
este lenguaje nos permitirá agrupar una variedad amplia de aplicaciones, desde
páginas Web hasta bases de datos.
5.
Gestión y manipulación de los datos desde el propio cliente Web.
6.
Los motores de búsqueda devolverán respuestas más adecuadas y precisas, ya
que la codificación del contenido Web en XML consigue que la estructura de la
información resulte más accesible.
7.
Se desarrollarán de manera extensible las búsquedas personalizables y
subjetivas para robots y agentes inteligentes. Conllevará que los clientes Web
puedan ser autónomos para desarrollar tareas que actualmente se ejecutan en el
servidor.
8.
Se permitirá un comportamiento más estable y actualizable de las aplicaciones
Web.
9.
El
concepto
de
“hipertexto”
se
desarrollará
ampliamente
(permitirá
denominación independiente de la ubicación, enlaces bidireccionales, enlaces
que pueden especificarse y gestionarse desde fuera del documento, hiperenlaces
múltiples, enlaces agrupados, atributos para los enlaces, etc. Creado a través de
XLL (Lenguaje de enlaces extensible).
10.
Exportabilidad a otros formatos de publicación (papel, Web, CD-ROM, etc.).
11.
XML responde a la necesidad de disponer de formatos para describir diferentes
tipos de contenidos de forma electrónica, para poder almacenarlos, procesarlos
y transmitirlos. Sin entrar en las aplicaciones específicamente informáticas, en
múltiples campos es necesario disponer de notaciones que permitan describir
contenidos.
12.
Los formatos que se desarrollaron inicialmente para transmitir o para almacenar
datos en una base de datos y luego poder realizar búsquedas eficientes se han
quedado obsoletos, y actualmente se están desarrollando nuevos formatos que
utilizan XML.
13.
Las herramientas software utilizan XML cada vez más (ejemplo claro es SQL
Server 2000). Podemos mencionar los siguientes usos de XML en este ámbito:
i. XML como formato interno en determinadas herramientas (también
se usa para proporcionarle al usuario documentación sobre la
herramienta utilizando hojas de estilo, una versión HTML para ver
con un navegador,...)
ii. Permitir al usuario acceder directamente a la documentación en
formato XML para realizar búsqueda sobre datos estructurados.
iii. XML como formato de intercambio de información entre las
distintas herramientas informáticas que se desea que puedan
interoperar.
¿Qué es RDF?
RDF (Resource Description Framework): Esquema de descripción de recursos. Una de
las aplicaciones más importantes que permitirá describir los datos de cada documento y definir
las relaciones que hay entre los datos XML. Tratará de los metadatos (metadata). Se les podría
considerar como "los META del XML". Muchas compañias en Internet se están adheriendo a
esta aplicación. En estos momentos, no hay un desarrollo común de esta propuesta del W3C(5).
La Dublin Core adimite en el DC5 las especificaciones del RDF. Podremos encontrar las
siguientes virtudes del RDF:
Mejores motores de búsqueda. Se han adherido a esta especificación Yahoo!, Altavista,
Excite, Lycos, WebCrawler, Amazon, etc.
La capacidad de describir los contenidos y sus relaciones en una biblioteca digital o
sede web. Permitirá el acceso a una parte concreta del documento y se facilitará el intercambio
de los datos.
Se pueden calificar los contenidos para establecer la protección infantil y de la propia
intimidad, desarrollado a través de las marcas (tags) de PICS (Platform for Internet Content
Selection).
Establece los derechos de propiedad intelectual en las propias páginas web.
RDF - la Infraestructura para la descripción de Recursos - es un estándar para realizar
descripciones sencillas. XML es a la sintaxis, lo que RDF a la semántica - un conjunto claro de
reglas para proporcionar información descriptiva sencilla. El Esquema RDF entonces
proporciona un modo de combinar esas descripciones en un vocabulario único. RDF se integra
en una variedad de aplicaciones incluyendo:




catálogos de biblioteca
directorios mundiales
sindicación y agregación de noticias, software y contenido
colecciones personales de música, fotos y eventos
En estos casos, cada uno utiliza XML como sintaxis de intercambio. Las especificaciones
RDF proporcionan una infraestructura potente para el intercambio de conocimiento en la Web.
"RDF es parte de la base de un avance significativo en el potencial de la Web. Finalmente,
veremos a aplicaciones y usuarios combinar la información representada en RDF de múltiples
fuentes en la Web, en modos que, hasta ahora, han sido inconcebibles," explica Brian McBride,
Presidente del Grupo de Trabajo RDF Esencial, "El Grupo de Trabajo RDF Esencial ha
convertido las especificaciones RDF en una base práctica y matemáticamente precisa sobre la
que se puede construir OWL y el resto de la Web Semántica."
La versión 1.0 del lenguaje RSS también es conocida como RDF. Por este motivo
algunos feeds o canales RSS están etiquetados como "RSS 1.0" o "RDF" y guardados
en archivos con extensión ".rdf".
RSS2 — A la versión 2.0 del lenguaje RSS también se llama RSS2. Por tanto
algunos feeds o canales RSS están etiquetados como "RSS2" o "RSS 2.0".
RDF son las siglas definen Resource Description Framework (algo así como marco
de descripción de recursos) Como su nombre indica el área en la que está enmarcado es
la descripción de recursos de la red, entendiendo por recurso todo lo que nos de de sí la
imaginación en tanto que a definir cualquier cosa, páginas, personas, dispositivos...
RDF permite que las condiciones que se quieren "preguntar" sobre un recurso sean
definidas como un conjunto de propiedades que componen el esquema.
RDF ofrece una estructura semántica inambigua (por el uso de los URI, Uniform
Resource Identifier) que permite codificación, intercambio y procesamiento automático
de los metadatos normalizados.
RDF proporciona también reglas para facilitar técnicamente la manera de explicar
conceptos de modo que los ordenadores puedan procesarlo rápidamente y proporciona
un medio que posibilita la edicición de vocabularios con propiedades definidas para la
descripción de los recursos de una comunidad.
RDF usa la sintaxis del lenguaje XML para el intercambio y procesamiento de
metadatos,las condiciones se recogen en los rdf: Descripcion de los elementos XML.
La sintaxis RDF define, de forma simple, el modelo para la descripción de recursos.
Este modelo es fundamental para poder almacenar información de forma eficiente,
procesarla automáticamente e intercambiar datos entre aplicaciones.
Con el fin de describir los elementos sintácticos, RDF utiliza el sistema de notación
EBNF (Extended Backups-Naur Form) [8] , el mismo que XML, de tal forma que
asegura la plena compatibilidad entre lenguajes.
En realidad, RDF permite la utilización de dos tipos de sintaxis para realizar la
codificación de características de un objeto. Por un lado está la sintaxis serializada, que
aporta un conjunto reducido de expresiones para llevar a cabo la descripción. Por otro
tenemos la abreviada, que añade un conjunto de entidades (con sus correspondientes
atributos) a la serializada con el fin de completar descripciones de subconjuntos
dependientes del principal. En la actualidad es posible encontrarse con ambas sintaxis
dentro de un mismo documento RDF. A continuación repasaremos brevemente las
características de cada una de ellas.
Resumen Sintaxis RDF:
Esta sintaxis tiene como principal punto fuerte el poder interpretar DTDs de
XML como modelos RDF. La Recomendación define tres formas de abreviación básica
serializada:
La que se utiliza para propiedades no repetidas dentro de un elemento
description. Los valores de esas propiedades serán literales (cadenas de caracteres).
Estas propiedades se pueden expresar como atributos XML del elemento description:
Cada propertyElt cuenta con el atributo resource para especificar que otros
recursos (o cadenas de caracteres) son el valor de esta propiedad. Si se usa la opción del
recurso, es necesario utilizar el URI, como ya viene siendo habitual. Para las cadenas de
caracteres (strings) se han de tener en cuenta los convencionalismos usados en XML.
[12] También puede ser empleado para incluir algún elemento procedente de un
esquema diferente a RDF. Para ello será necesario especificarlo previamente con su
namespace correspondiente. Por ejemplo:
Dado que Description no tiene otro contenido ( namespace , por ejemplo), la
propiedad "Autor" se escribe en forma de atributo XML (ya que así se debe haber
expresado en la DTD correspondiente) y, además, se utiliza la misma etiqueta para que
marque el fin de la propiedad (con el " />") omitiendo la etiqueta final de Description .
La flexibilidad de esta primera opción la podemos contemplar es los siguientes
dos documentos, que ejemplifican dos formas diferentes de decir lo mismo en RDF:
< rdf :RDF>
< rdf :Description
about="http://www.ugr.es/~jsenso">
< x :Editor>Universidad de Granada</ x :Editor>
< x :Titulo>Página personal</ x :Titulo>
< x :Autor>Jose A. Senso</ x :Autor>
</ rdf :Description>
</ rdf :RDF>
< rdf :RDF>
< rdf :Description about="http://www.ugr.es/~jsenso"
x :Editor="Universidad de Granada "
x :Titulo="Página personal"
x :Autor="Jose A. Senso"/>
</ rdf :RDF>
La segunda forma abreviada se emplea sobre fases específicas donde el objeto es
otro recurso, y el valor de cualquier propiedad está formado por strings (cadenas de
caracteres). Para ello se emplea una propiedad típica de XML: convertir los elementos
en atributos. En RDF lo que se hace en concreto es convertir las propiedades de
Description en atributos de propertyElt .
< rdf :RDF>
< rdf :Description about=" http://www.ugr.es/~jsenso ">
< x :Autor rdf :resource="http://www.ugr.es/personal/56971" />
</ rdf :Description>
< rdf :Description about="http://www.ugr.es/personal/56971">
< v :Nombre>Jose A. Senso</ v :Nombre>
< v :Email>[email protected]</ v :Email>
</ rdf :Description>
</ rdf :RDF>
Lo que se ha hecho aquí es establecer una primera relación entre un objeto y su
identidad dentro del grupo al que pertenece. Una vez se ha establecido un mecanismo de
identificación de ese objeto dentro del grupo (por medio del código de personal: 56971),
se procede a desarrollar una descripción de su nombre y su dirección de correo
electrónico, utilizando para ello lo explicado en la primera forma: aprovechar las
propiedades expresadas como atributos XML. Esta relación podría quedar más clara
formulada de otra forma donde se muestre claramente la relación arbórea [13]
<rdf :RDF>
< rdf :Description about="http://www.ugr.es/~jsenso">
< x :Autor>
< rdf :Description about="http://www.ugr.es/personal/56971">
< v :Nombre>Jose A.
Senso</ v :Nombre>
< v :Email>[email protected]</ v :Email>
</ rdf :Description>
</ x :Autor>
</ rdf :Description>
</ rdf :RDF>
La última forma se aplica únicamente cuando el elemento Description tiene una
propiedad type [14] . Cuando esto sucede, el valor de type puede utilizarse directamente
como un nombre de elemento. Usando la tercera forma abreviada, el ejemplo anterior
quedaría así:
< rdf :RDF>
< rdf :Description about="http://www.ugr.es/~jsenso">
< x :Autor>
< x :Person about="http://www.ugr.es/personal/56971">
< v :Nombre>Jose A. Senso</ v :Nombre>
< v :Email>[email protected]</ v :Email>
</ x :Person>
</ x :Autor>
</ rdf :Description>
</ rdf :RDF>
x :Person about="http://www.ugr.es/personal/56971"> y aglutinarían al valor del
type que, desarrollado, sería:
< rdf :Description about=" http://www.ugr.es/personal/56971 ">
< rdf :type resource="http://www.ugr.es/~jsenso/schema/Person"/>
< v :Nombre>Jose A. Senso</ v :Nombre>
< v :Email>[email protected]</ v :Email>
</ rdf :Description>
En este caso sí es necesario especificar el namespace utilizado, ya que la sintaxis
no corresponde a la de XML. Por lo tanto, hay que poner
xmlns:v="http://http://www.ugr.es/~jsenso/shema/
La serialización en formato EBNF mostrada en el apartado 2.3.1 se modificaría
de la siguiente forma :
El apartado 2: [2] description ::= '<rdf:Description' idAboutAttr? '>' propertyElt*
'</rdf:Description>'
Pasaría a quedar así ( Brickley, Dan y Guha, R. V. , 2000):
[2a] description ::= '< rdf: Description' idAboutAttr? propAttr* '/>'| '< rdf:
Description' idAboutAttr? propAttr*
'>'propertyElt* '</ rdf: Description>'| typedNode
El apartado 6:
[6] propertyElt ::= '<' propName '>' valor '</' propName '>'| '<' propName
resourceAttr '/>'
ahora sería ( Brickley, Dan y Guha, R. V. , 2000):
[6a] propertyElt ::= '<' propName '>' valor '</' propName '>' | '<' propName
resourceAttr? propAttr* '/>'
Y además se añadirían dos elementos más ( Brickley, Dan y Guha, R. V. ,
2000):
El apartado 16:
[16] propAttr ::= propName '="' cadena de caracteres '"' (con comillas embebidas)
y el apartado 17:
[17] typedNode ::= '<' typeName idAboutAttr? propAttr* '/>' | '<' typeName
idAboutAttr? propAttr* '>' property* '</' typeName '>'
Los elementos de la sintaxis de RDF serían por tanto: Description , Alternative ,
Bag , PropertyElt , Sequence , referencedItem ; mientras que los atributos tendrían los
siguiente nombres: aboutAttr , aboutEachAttr , bagIDAttr , idAttr , Idsymbol , member ,
name , Nsprefix , parseLiteral , propName , Qname , resourceAttr , string , typedNode ,
URI-reference y value .
A continuación procederemos a la explicación de cada uno de ellos siguiendo el
modelo propuesto por Hjelm ( Hjelm, Johan , 2001):
Elemento
Explicación
descripción
Nombre
Descripción
RDF
Es el método de marcar el
principio y el final de un
documento RDF. Es
opcional siempre y cuando
se especifique el sistema de
trabajo para la aplicación en
concreto.
Description
Description aglutina a todos
los elementos de RDF.
propertyElt
element
IdAboutAttr es la
descripción (con
atributos about o
ID) mientras que
propertyElt es la
propiedad.
Valor
Alternative se usa
para especificar una
lista de recursos que
representan, de
Alternative
forma alternativa,
el/los valor/es de la
propiedad que se
está utilizando.
Valor
valor o
valores
PropName es el
nombre de la
propiedad.
Puede ser utilizada para
suministrar, por ejemplo,
versiones en diferentes
idiomas de un valor
determinado de la
descripción.
Bag
Se trata de una lista
desordenada de recursos
(URIs) o de valores (cadenas
de caracteres) sin especificar
un orden determinado.
PropertyElt
Una única descripción puede
contener más de un elemento
PropertyElt con el mismo
nombre de propiedad. Un
esquema (especificado
mediante un namespace y su
identificador) es el
encargado de definir su
interpretación.
sequence
Es una lista ordenada de
recursos (con sus URIs) o de
literales (cadenas de
caracteres). Se utiliza para
declarar los múltiples
valores que puede tener una
propiedad. Estos valores se
pueden duplicar.
o valor
resourceAttr es el
atributo de la lista
de ejemplo.
ReferencedItem
o inlineItem
Los contenedores de RDF
utilizan estos elementos para
expresar una numeración
explícita que debe respetarse
entre los objetos contenidos.
Le asigna automáticamente
las propiedades _1, _2...
En lo que respecta a los atributos tenemos:
Atributo
aboutAttr
Definido como
Significado
about=URI
Este atributo permite definir la
identidad del recurso que se va a
describir. Se refiere siempre a un
recurso existente y fácilmente
identificable.
aboutEach=URI o
aboutEachAttr aboutEachPrefix=cadena de
caracteres
El valor de cualquier
aboutEachAttr debe ser un
contenedor (bag, alternative o
sequence).
bagIDAttr
bagIF=Idsymbol
Especifica el ID del recurso
contenedor. ID, al representar un
recurso inline, debe tener una
denominación unívoca dentro del
contenedor.
idAttr
ID=IDsimbol
Si la descripción se refiere a un
recurso inline, sin identificación
posible, es necesario emplear este
atributo.
Idsymbol
Cualquier símbolo que cumpla
con la sintaxis XML
Por lo general se suele utilizar
cualquier símbolo de Unicode.
member
ReferencedItem o inlineItem
Se usa para mostrar las
identidades de los objetos
contenidos en los Bags.
Name
Cualquier nombre que cumpla
con la sintaxis XML
Por lo general se suele utilizar
cualquier símbolo de Unicode.
NSprefix
Cualquier NSprefix que se
ajuste a la sintaxis XML para
namespaces
parseLiteral
Se usa para especificar
actuaciones del parser RDF en
ParseType="Literal" o resource
determinados elementos que
pueden ser conflictivos.
Qname
Un nombre de propiedad que
debe ser escrito siguiendo las
pautas de la sintaxis de XML.
Qname
Nsprefix:name
Un nombre cualificador debe
estar escrito con la misma
estructura que se utiliza para el
namespace.
resourceAttr
resource=URI-reference
Especifica el estado del recurso
por medio de su URI.
string
Cualquier texto XML con <, >
y&
typedNode
typeName idAboutAttr o
bagIdAttr o propAttr /
URI-reference
Cualquier URI que siga la
norma descrita en el RFC 2396
Value
description | cadena de
caracteres
propName
Utilizado como mecanismo de
abreviatura (ver apartado 2.3.2)
El valor de este atributo puede
ser una descripción o una cadena
de caracteres que siga las pautas
de XML.
SWoogle y Futuro
Futuro del uso de la Web Semántica
La Web semántica es sin duda la tecnología “casi presente” y del futuro que van
a utilizar todos los motores de búsquedas venideros. En nuestros días se utiliza un
porcentaje ínfimo de todo el potencial que nos aporta la Web semántica
Con vistas a un futuro se están desarrollando aplicaciones que intentan transferir
una parte significativa de la carga del proceso del servidor al cliente Web con un
subprograma Java que se insertará en el PC del cliente. Esta carga hará que muchas de
las funciones de modificación puedan desarrollarse desde el mismo navegador Web del
cliente. Por ejemplo, dentro de una intranet con una aplicación de gestión bibliotecaria
sobre los documentos disponibles en el centro bibliotecario. Se establecerán categorías
específicas como los datos de la ficha catalográfica, fecha de préstamo, fecha de
devolución, nombre del usuario, número de registro, etc. Todos estos ítems se pueden
agrupar por categorías y estarán descritos externamente desde los "esquemas"
(schemas) o los RDF del XML. Permite actualizarse en el acto y con la posibilidad
interactiva por parte del usuario en el pedido, gestión y modificación de documentos
desde su lejano navegador. El lado más negativo es que se necesitará mayor ancho de
banda y mayor potencia del procesador del equipo para poder soportar esta arquitectura
de tres-niveles.
Una de las ventajas de combinar XML y RDF, es la especificación y
recuperación (acceso) a la información que presenta una página Web. Aunque existen
diferentes estándares para este fin, el sistema es siempre el mismo: una página Web,
utilizando uno de los formatos disponibles, publica un feed o resumen de la información
que contiene, de manera que el usuario pueda acceder a ellos, por ejemplo, de forma
automática mediante un programa lector.
Uno de los formatos disponibles hoy en día es RSS; dicho acrónimo se utiliza
para los siguientes estándares:
- Rich Site Summary (RSS 0.91; versión anticuada)
- RDF Site Summary (RSS 0.9 y 1.0)
- Really Simple Syndication (RSS 2.0)
También existe Atom que es un formato basado en XML muy similar a RSS.
Nació de la mano de Google o IBM, entre otras, con la intención de ofrecer una API y
formato de sindicación más flexibles. Actualmente su última versión es Atom 1.0
publicada en Junio del 2005.
Otros usos interesantes de los documentos XML/RDF son FOAF ó SKOS :
- FOAF es una aplicación de archivos XML/RDF para describir personas,
documentos, etc (aunque es su uso en la descripción de personas el más
interesante en la actualidad). Dicha descripción se realiza en un documento y
contiene información sobre las amistades que tiene, los proyectos que está
realizando y otros muchos datos, de forma que se pueden crear sistemas que
generen mapas con la información de las personas que viven en cada uno de los
sitios (FOAF People Map) ó aplicaciones que permitan ver toda la información
relatica a un usuario y formar una red con las conexiones de amistad entre ellos
(foafnaut!).
- SKOS-Core es un schema RDF para la representación de tesauros y sistemas
similares de organización de conocimiento en el entorno de la web semántica; es
un modelo que permite la migración de los tesauros hacia la web semántica y,
además, la construcción de esquemas de conceptos simples para su utilización en
la Web.
SWoogle2006
En la actualidad, y ya disponible en la dirección Web: http://swoogle.umbc.edu/,
SWoogle es la herramienta que utilizando las ventajas de la Web Semántica es accesible
por cualquier usuario de Internet.
Swoogle es un sistema de indización y recuperación para Documentos de la Web
Semántica, lo que se denomina en SWoogle (SWDs, Semantic Web Documents), o lo
que es lo mismo documentos escritos básicamente en RDF y OWL, aunque también
DAML en algunos casos. Este buscador recupera, procesa, analiza e indiza documentos
SW que estén disponibles online, pero lo más curioso es que lo hace a través de un
sistema de búsqueda y resultados de interfaz Web similar a Google.
El grupo de trabajo de la Universidad de Maryland que ha desarrollado este
proyecto eBiquity, parte de la base de que Google ha cambiado la forma en que
accedemos a la información Web y que se ha convertido en una tecnología clave para la
búsqueda de información. Por ello, SWoogle, en vez de crear una alternativa –
semántica– a Google, crea un Google para la Web Semántica, lo cual me parece, tanto
desde un punto de vista estratégico, como operativo en términos de funcionamiento y
aceptación, brillante.
La nueva versión de SWoogle tiene un modelo y una base más simple que la
anterior, y hasta un diseño mucho más claro. Recoge más de 850K de documentos Web
semánticos recolectados de la Web, bien buscando directamente en ficheros RDF y
OWL o a través de páginas Web (HTML) que pueden contener documentos SW. Más
de 10.000 ontologías disponibles en la Web (1.0, y 2.0), almacenadas (de momento, no
en triples) en una base de datos MySQL en forma de URIs, pero también permite buscar
en los términos de cada vocabulario/esquema/ontología. Por ejemplo, podemos buscar
todos los esquemas que contienen la propiedad “title”.
Ahora mismo, SWoogle es una herramienta utilísima para los desarrolladores de la
Web semántica y para los agentes de software basado en estas tecnologías:



Para estudiar la magnitud y el crecimiento de la Web semántica
Para recopilar y buscar clases y propiedades (términos de la Web Semántica,
SWTs) o las ontologías en que se conforman.
Para apoyar herramientas de carácter semántico.
Hasta hace muy poco tiempo las herramientas semánticas, me refiero a editores de
ontologías o herramientas para la creación de esquemas de metadatos, habían sido de
acceso libre como Protégé o las aplicaciones de MindSWap (SWOOP y SMORE) y/o
pertenecientes a proyectos en desarrollo. Sin embargo, también a principios de este año,
la famosa compañía Altova (los creadores de XMLSpy) han lanzado SemanticWorks un
editor de vocabularios que trabaja tanto con RDF y XML como con N-triples.
SWoogle es una herramienta para medir, controlar y analizar los vocabularios de la
Web semántica u Ontologías (A efectos de SWoogle tenemos que considerar el Dublin
Core o FOAF como una Ontología -que a mí particularmente me parece erróneo y no
me gusta nada, pero…-). Aún no es un buscador dirigido al usuario final para encontrar
recursos Web, sino que es más bien un “parabuscador” para buscar, clasificar e incluso
validar documentos y vocabularios de la Web Semántica.