Każdy serwis Web 3.0 potrzebuje dwóch elementów: semantyki i społeczności. Zanim większość Internetu będzie dostępna w postaci grafu

powiązanych semantycznie zasobów i usług sieciowych, musimy przedsięwziąć wszelkie kroki, aby opublikować jak najwięcej istniejących danych w postaci semantyki. Warto zacząć od opublikowania istniejących słowników, tak aby inne zasoby i usługi sieciowe mogły z nich korzystać.

W jednym z poprzednich artykułów opisaliśmy standard SKOS, który umożliwia opis słowników w formacie RDF. W tym artykule przedstawimy projekt Open Vocabulary umożliwiający dostęp do słowników w formacie SKOS. Projekt ten dostarcza bibliotekę programistyczną w języku Java oraz usługę sieciową typu REST.

Projekt Open Vocabulary składa się z trzech modułów:

• Reprezentacji ogólnodostępnych i otwartych słowników w formacie SKOS/RDF.
• API w języku Java i standardzie REST umożliwiające dostęp, wyszukiwanie i przeglądanie słowników.
• Portal umożliwiający przeglądanie i przeszukiwanie słowników.

Słowniki w SKOS/RDF

Obecnie projekt OpenVocabulary.info udostępnia następujące słowniki:

• Taksonomie:
  • Polska Klasyfikacja Tematyczna (PKT)
  • Association for Computing Machinery (ACM)
  • Dewey Decimal Classification (DDC)
  • Library of Congress (LOC)
  • Universal Decimal Classification (UDC)
  • Open Directory Project Taxonomy (DMoz)
  • Polskie pojęcia zdefiniowane w Open Directory Project (DMoz - PL)
• Tezaurusy:
  • WordNet 2.0 Thesaurus - oryginalny słownik WordNet w wersji RDF/OWL rozszerzony o właściwości zdefiniowane w standardzie SKOS
  • OpenThesaurus (PL) - wersja SKOS/RDF polskiego tezaurusa wykorzystywanego w pakiecie OpenOffice

Reprezentacje SKOS/RDF dla wszystkich taksonomii (za wyjątkiem DMoz) zostały wygenerowane na postaci definicji dostępnej w postaci prostego pliku tekstowego. Taksonomie DMoz zostały wygenerowane na podstawie źródła w postaci zbliżonej do formatu RDF i rozszerzonej o właściwości zdefiniowane w standardzie SKOS. Podobnie, wersja RDF/OWL tezaurusa WordNet została rozszerzona o relacje zdefiniowane w SKOS.
Natomiast wersja SKOS/RDF polskiego słownika OpenThezaurus została stworzona od podstaw po przetworzeniu źródłowego dokumentu OpenThesaurus.

API Javy i API RESTowe

Projekt OpenVocabulary dostarcza bibliotekę Java, która umożliwia skorzystanie ze słowników, szczególnie w na platformie JEE. Biblioteka ta dostarcza:

• API Javy do zarządzania taksonomiami, tezaurusami i tagami przechowywanymi w repozytorium RDF (wykorzystywana jest biblioteka RDF2Go i baza Sesame 2)
• Dostęp do pełnotekstowego indeksu (korzystając z biblioteki Lucene) poprawiającego wyszukiwanie i dostęp do pojęć ze słowników projektu Open Vocabulary.
• API RESTowe, które umożliwia usługom sieciowym dostęp do repozytorium i pojęć słowników Open Vocabulary w formacie HTML, RDF i JSON.

REST API zostało przygotowane w oparciu o wytyczne promowane przez inicjatywę Linked Data initiative, o których napiszemy niedługo. Dodatkowymi usługami dostarczanymi przez Open Vocabulary są:

• Przegląd (ang. lookup) - dostarczane przez usługę w schemacie /vocabularis/lookup?uri= umożliwia dostęp do informacji o pojęciach ze słowników przechowywanych w bazie RDF, jednak zdefiniowanych w innej przestrzeni nazw niż ta w której dostępne są usługi biblioteki OpenVocabulary; przykładem takiego słownika może być WordNet.
• Wyszukiwanie (ang. search) - dostarczane przez usługę w schemacie /vocabularies/search?q=[&threshold=&size=] umożliwia wyszukiwanie w pełnotekstowym indeksie słowników, z możliwością określenia minimalnego progu (ang. threshold) podobieństwa oraz maksymalnej ilości wyników wyszukiwania.

Portal do przeglądania i przeszukiwania słowników

W ramach projektu Open Vocabulary zainstalowany został referencyjny portal http://www.openvocabulary.info/, który:

• umożliwia dostęp do pojęć ze wspieranych słowników w postaci HTML, RDF i JSON,
• dostarcza przeglądu możliwości API Javy, włącznie z dostępem do indeksu pełnotekstowego,
• dla zarejestrowanych użytkowników - umożliwia pobranie archiwów zawierających słowniki w formacie RDF oraz ich indeksy pełnotekstowe dla biblioteki Lucene.

[na podstawie: Linking Public Vocabularies – openvocabulary.info]