Semantik auf Knopfdruck? Qualität von CMS-generierten semantischen Daten. Hannes Mühleisen, AG NBI / WBSG

Transkript

1 Semantik auf Knopfdruck? Qualität von CMS-generierten semantischen Daten Hannes Mühleisen, AG NBI / WBSG Xinnovations 2012

2 Fahrplan 2

3 Fahrplan Eingebette strukturierte Daten auf Webseiten 2

4 Fahrplan Eingebette strukturierte Daten auf Webseiten Daten in Content-Management-Systemen 2

5 Fahrplan Eingebette strukturierte Daten auf Webseiten Daten in Content-Management-Systemen Resultate einer Analyse strukturierter Daten im Web 2

6 Eine typische Webseite... My name is Horst Mustermann, here is my home page: <a href=" I live in Berlin, where I work as a Researcher at Freie Universität Berlin. 3

7 ... mit impliziten Informationen Name Webseite Person Ort Titel Organisation 4

8 Lösung: zusätzliche Tags Populäre Vokabulare schema.org, Open Graph protocol,... Unterschiedliche Formate μformats, RDFa, Microdata 5

9 Beispiel: Microdata + schema.org <div itemscope itemtype=" My name is <span itemprop="name">horst Mustermann</span>, here is my homepage: <a href=" itemprop="url"> I live in <span itemprop="address" itemscope itemtype=" <span itemprop="locality">berlin</span> </span> where I work as a <span itemprop="title">researcher</span> at <span itemprop="affiliation">freie Universität Berlin </span>. </div> 6

10 Beispiel: Microdata + schema.org Strukturierte Daten! Item Type = name = Horst Mustermann title = Researcher affiliation = Freie Universität Berlin url text = href = address = Item Type = locality = Berlin 7

11 Content-Management-Systeme ~ 30 % der Top-1Mio- Webseiten benutzen CMS-Software Wordpress... Quelle: 8

12 Datenmodelle von CMS Generisch: Seite, Objekt, Feld, Datum Drupal, Typo3,... Blog: Artikel, Kommentare Wordpress,... Shop: Produkte, Bewertungen oscommerce,... 9

13 Semantik auf Knopfdruck? Semantik Typen z.b. Inhalt Spezialisierte CMS / Manuell Produkte Qualität Metadaten Alle CMS Autor Seitenstruktur Alle CMS Navigation 10

14 Beispiel: Drupal 11

15 Beispiel: Drupal Datenmodell frei, Semantik der Felder aber unklar 11

16 Beispiel: Wordpress 12

17 Beispiel: Wordpress Titel URL Blogartikel Datum Text (!) 12

18 Beispiel: Wordpress Titel URL Blogartikel Datum Text (!) Weitere Daten nicht strukturiert vorhanden! 12

19 Beispiel: Magento 13

20 Beispiel: Magento Daten strukturiert, Publikation auf Knopfdruck? 13

21 Common-Crawl Datensatz, ~1 % des Web 14

22 Common-Crawl Datensatz, ~1 % des Web Verfügbare Daten Index 02-12: 1.7 Mrd. URLs (21 TB) Index 09/12: 2.8 Mrd. URLs (29 TB) 14

23 Common-Crawl Datensatz, ~1 % des Web Verfügbare Daten Index 02-12: 1.7 Mrd. URLs (21 TB) Index 09/12: 2.8 Mrd. URLs (29 TB) Alle strukturierten Daten wurden extrahiert und nach RDF konvertiert 14

24 Analyse - Formate URLs mit strukturierten Daten: +6% Percentage of URLs / RDFa Microdata geo hcalendar hcard hreview XFN Format 15

25 Analyse - Formate URLs mit strukturierten Daten: +6% Microdata +14% (schema.org?) Percentage of URLs / RDFa Microdata geo hcalendar hcard hreview XFN Format 15

26 Analyse - Formate URLs mit strukturierten Daten: +6% Microdata +14% (schema.org?) Percentage of URLs / RDFa +26% (Facebook?) Format RDFa Microdata geo hcalendar hcard hreview XFN 15

27 Analyse - Datenarten Entity Count (log) 5e+03 5e+04 5e+05 5e+06 Microdata 02/2012 RDFa 02/2012 RDFa 2009/2010 Microdata 2009/ Type Webseiten-Struktur 23 % Produkte & Bewertungen 19 % Medien (Filme, Musik,...) 15 % Personen & Organisationen 15 % Microdata

28 Detailgrad (Beispiele) Typ Durchschn. Properties Populäre Properties Product 6,9 name, description, image, price, pricecurrency, availability Organization 7,9 name, url, image, foundingdate, addresslocality, postalcode, addressregion Stichprobe, ca. ~6 Mio Tripel, Datensatz 2012-Microdata 17

29 Datenqualität (Beispiel) Item Type = name = Werkzeug AKKU für Makita Werkzeuge 7,2V 2100 mah Ni-MH 4071D 4073D description = Ersatz für folgende Modelle: MAKITA 3000 Serie MAKITA 3000DW,[...] availability = price = 27,90 pricecurrency = EUR 18

30 Datenqualität (Beispiel) Item Type = name = Werkzeug AKKU für Makita Werkzeuge 7,2V 2100 mah Ni-MH 4071D 4073D description = Ersatz für folgende Modelle: MAKITA 3000 Serie MAKITA 3000DW,[...] availability = price = 27,90 pricecurrency = EUR Item Type = description = Isolierte Gefahrstoff- Container zur sicheren, frostfreien Lagerung von Gefahrstoffen. [...] 18

31 Datenqualität (Beispiel) Item Type = name = Werkzeug AKKU für Makita Werkzeuge 7,2V 2100 mah Ni-MH 4071D 4073D description = Ersatz für folgende Modelle: MAKITA 3000 Serie MAKITA 3000DW,[...] availability = price = 27,90 pricecurrency = EUR Super! Item Type = description = Isolierte Gefahrstoff- Container zur sicheren, frostfreien Lagerung von Gefahrstoffen. [...] Nicht so super 18

32 Zusammenfassung 19

33 Zusammenfassung Spezialisierte CMS bieten ideale Voraussetzungen für die Publikation strukturierter Daten ( Knopfdruck ) 19

34 Zusammenfassung Spezialisierte CMS bieten ideale Voraussetzungen für die Publikation strukturierter Daten ( Knopfdruck ) Strukturierte Daten aus CM-Systemen eingebettet in HTML-Seiten weit verbreitet 19

35 Zusammenfassung Spezialisierte CMS bieten ideale Voraussetzungen für die Publikation strukturierter Daten ( Knopfdruck ) Strukturierte Daten aus CM-Systemen eingebettet in HTML-Seiten weit verbreitet Bisher begrenzter Nutzungsbereich Produkte, Filme & Organisationen 19

36 Vielen Dank für Ihre Aufmerksamkeit! Fragen? Web: