Vernetzte Tourismusdaten. Sören Auer

Transkript

1 Vernetzte Tourismusdaten Sören Auer

2 Creating K n owledge out of Interlinked Data Why Semantic Data Web? Problem: Try to search for these things on the current Web: Kleinkinderfreundliche Hotels in der Natur Anfang Mai auf dem Weg von Salzburg nach Spittal/Drau. Information is available on the Web, but opaque to current search. Solution: complement text on Web pages with structured linked open data & intelligently combine/integrate such structured information from different sources: salzburg.at / kaernten.at Has everything about tourism in Salzburg / Kärnten. HTML Web server DB RDF Search engine seekda.at Knows all about hotel booking Web server Sören Auer Vernetzte Tourismusdaten Page 2 RDF HTML DB

3 Creating K n owledge out of Interlinked Data Linked Data in a Nutshell 1. Uses RDF Data Model STI organizes Tourismus2020 starts Is serialised in triples: takesplacein Mayrhofen STI organizes Tourismus2020 Tourismus2020 starts ^^xsd:date Tourismus2020 takesplaceat Mayrhofen 3. Uses Content-negotiation Sören Auer Vernetzte Tourismusdaten Page 3

4 The emerging Web of Data interlink SILK create DXX Engine fuse poolparty SemMF OntoWiki 2007 Sigma WiQA2008 ORE Virtouso repair DL-Learner MonetDB Sindice enrich classify 2009

5 Linked Data example Seekda.at Hotel Berghof Mayhofen DBpedia Mayhofen Tourismusverband Zillertal 5 Sören Auer Vernetzte Tourismusdaten Page 5

6 Creating K n owledge out of Interlinked Data Transforming Wikipedia into an Knowledge Base extract structured information from Wikipedia & make this information available on the Web as LOD: ask sophisticated queries against Wikipedia (e.g. universities in brandenburg, mayors of elevated towns, soccer players), link other data sets on the Web to Wikipedia data Represents a community consensus Recently launched DBpedia Live transforms Wikipedia into a structured knowledge base Sören Auer Vernetzte Tourismusdaten Page 6

7 Structure in Wikipedia Title Abstract Infoboxes Geo-coordinates Categories Images Links other language versions other Wikipedia pages To the Web Redirects Disambiguations

8 Infobox templates Wikitext-Syntax {{Infobox Korean settlement title = Busan Metropolitan City img = Busan.jpg imgcaption = A view of the [[Geumjeong]] district in Busan hangul = 부산광역시... area_km2 = pop = popyear = 2006 mayor = Hur Nam-sik divs = 15 wards (Gu), 1 county (Gun) region = [[Yeongnam]] dialect = [[Gyeongsang]] }} RDF representation dbp:busan dbpp:title Busan Metropolitan City dbp:busan dbpp:hangul dbp:busan dbpp:area_km ^xsd:float dbp:busan dbpp:pop ^xsd:int dbp:busan dbpp:region dbp:yeongnam dbp:busan dbpp:dialect dbp:gyeongsang...

9 DBpedia 3.8 () extraction results in: A vast multi-lingual, multi-domain knowledge base descriptions of ca. 3.8 million things (2.4 million classified in a consistent ontology, including 764k persons, 573k places, 112k music albums, 72k films, 18k video games, 192k organizations, 202k species, 6k diseases labels and abstracts in up to 111 different languages; 8,8M links to images and 24M links to external web pages; 27M external links into other RDF datasets, 700k Wikipedia categories, and 75k YAGO categories altogether almost 2 billion pieces of information (i.e. RDF triples): 400M from English edition, 1.5B from other language editions DBpedia Live ( & Mappings Wiki ( integrate the community into a refinement cycle Upcomming DBpedia inline

10 LinkedGeoData Conversion, interlinking and publishing of OpenStreetMap.org* data sets as RDF. * Wikipedia for geographic data Sören Auer Vernetzte Tourismusdaten Page 10

11 Sören Auer Vernetzte Tourismusdaten Page 11

12 Sören Auer Vernetzte Tourismusdaten Page 12

13 Motivation Ease information integration tasks that require spatial knowledge, such as Offerings of bakeries next door Map of distributed branches of a company Historical sights along a bicycle track Therefore use RDF/OWL in order overcome structural and semantic heterogeneity. Requires a vocabulary which we try to establish. LOD cloud contains data sets with spatial features e.g. Geonames, DBpedia, US census, EuroStat But: they are restricted to popular or large entities like countries, famous places etc. Therefore they lack buildings, roads, mailboxes, etc. Sören Auer Vernetzte Tourismusdaten Page 13

14 OpenStreetMap - Datamodel Basic entities are: Nodes Latitude, Longitude Ways Sequence of nodes Relations Associations between any number of nodes, ways and relations. Each entity may be described with tags (= key-value pairs) Sören Auer Vernetzte Tourismusdaten Page 14

15 Example: Leipzig's zoo Sören Auer Vernetzte Tourismusdaten Page 15

16 Data/Mapping Example node_id k v name Universität Leipzig, Mathematik und Informatik amenity university addr:street Johannisgasse addr:postcode addr:housenumber addr:city Leipzig Sören Auer Vernetzte Tourismusdaten Page 16

17 Data/Mapping Example node_id k v name Universität Leipzig, Mathematik und Informatik amenity university addr:street Johannisgasse addr:postcode addr:housenumber addr:city Leipzig lgd:node a lgdo:university ; rdfs:label "Universität Leipzig, Mathematik und Informatik" ; lgdo:hascity "Leipzig" ; lgdo:hashousenumber "26" ; lgdo:haspostalcode "04103" ; lgdo:hasstreet "Johannisgasse" ; georss:point " " ; geo:lat ; geo:long Sören Auer Vernetzte Tourismusdaten Page 17

18 VERNETZTE TOURISMUSDATEN Sören Auer Vernetzte Tourismusdaten Page 18

19 Creating K n owledge out of Interlinked Data Zwei Chancen 1. Nutzung von Linked Open Data als Hintergrundwissen zur Anreicherung von Tourismusangeboten 2. Nutzung von Linked Data als Daten- Integrations-Paradigma zwischen Dienstleistern Sören Auer Vernetzte Tourismusdaten Page 19

20 Themen-/motivbasierte, personalisierte Suche Winterferien mit Sport und Kultur Angebote während Winterferien in Sachsen : Wintersport im Harz mit Welterbestätten Quedlinburg, Wittenberg Wassersport und minoische Ausgrabungen in Kreta (Griechenland) Radtour entlang der Klösterroute am Fuß der Pyrenäen (Spanien) Hintergrundwissen Unternehmensintern Aus LOD Quellen (DBpedia, Geonames, Ferienkalender, Wikitravel, ) Aus unstrukturierten Web Quellen (Webblogs) (Z2) Bewertungen von Reisezielen, Hotels, POIs von Freunden aus sozialen Netzwerken von ähnlichen Nutzern Performante & intuitive Benutzerschnittstellen Erweiterung des facet-based browsing Paradigma Nutzermodellierung

21 Management von Hintergrundwissen Derzeitige Kundenprobleme: Hohe Kosten für die Integration internen Unternehmenswissensbasen Weiterentwicklung interner/externen Datenquellen Ziel: Nutzung des im Web verfügbaren semantisch strukturierten Wissens für E-Commerce-Anwendungen und - Prozesse Generischer Prozess für: Aufbereitung von LOD Wissensbasen und Vokabularen Integration mit unternehmenseigenen Datenquellen Sicherstellung konsistenter und dynamischer Co-Evolution interner und externer Datenquellen Orte Bewertungen Produkte

22 Informationsextraktion Orte Produkte Bewertungen

23 Semantische Inhaltsanalyse auf Basis von Daten-Web Hintergrundwissen Genauere Inhaltsbestimmung von Webseiten (insb. E- Commerce relevante Web 2.0 Quellen wie News, Blogs oder soziale Netzwerk Kommentare) Deren Integration in den E- Commerce Wertschöpfungs- Kreislauf Direkte Nutzung bereits vorhandener Strukturinformationen (z.b. RDFa) sowie LOD in Methoden der automatischen Sprachverarbeitung

24 NUTZUNG VON LINKED DATA ALS DATEN-INTEGRATIONS-PARADIGMA ZWISCHEN DIENSTLEISTERN

25 Heterogene Stakeholdergruppen Tourismusverbände / Tourismusförderung (regional, Landes, Bundes, Europa) Tourismusdienstleister (Hotels, Sehenswürdigkeiten, Exkursionen, Transport, Ausrüstung etc.) Reiseveranstalter Buchungsdienstleister

26 Heterogene Informationsstrukturen Angebote/Preise Übernachtung, Ausflüge, Verpflegung, Pakete Kontextinformationen zu touristischen Destinationen, allg. Dienstleistungen, Infrastruktur, Natur (Flora, Fauna) Veranstaltungen

27 PricewaterhouseCoopers, Technology Forecast, 2009 Vorteile von Linked Data Kein lock-in Effekt durch standardisierte Schnittstellen Bessere Bereitstellung, Integration und Nutzung von Informationen Pay-as-you-go Datenintegrationsstrategie Keine einheitliches Datenmodel notwendig Wettbewerb zwischen Mehrwertdienstleistern

28 Creating K n owledge out of Interlinked Data Thanks for your attention! Sören Auer auer@uni-leipzig.de Sören Auer Vernetzte Tourismusdaten Page 28