Datos vinculados

En informática , los datos enlazados son datos estructurados que están interconectados con otros datos para que resulten más útiles a través de consultas semánticas . Se basan en tecnologías web estándar como HTTP , RDF y URI , pero en lugar de utilizarlas para ofrecer páginas web solo a lectores humanos, las amplía para compartir información de una manera que pueda ser leída automáticamente por las computadoras. Parte de la visión de los datos enlazados es que Internet se convierta en una base de datos global . ^[1]

Tim Berners-Lee , director del Consorcio World Wide Web (W3C), acuñó el término en una nota de diseño de 2006 sobre el proyecto de Web Semántica . ^[2]

Los datos vinculados también pueden ser datos abiertos , en cuyo caso se los suele describir como Datos Abiertos Vinculados. ^[3]

En su nota de 2006 sobre "Datos vinculados", Tim Berners-Lee describió cuatro principios de los datos vinculados, parafraseados de la siguiente manera: ^[2]

1. Se deben utilizar identificadores uniformes de recursos (URI) para nombrar e identificar cosas individuales.
2. Se deben utilizar URI HTTP para permitir que estas cosas se busquen, se interpreten y, posteriormente, se "desreferencian".
3. Se debe proporcionar información útil sobre lo que identifica un nombre a través de estándares abiertos como RDF , SPARQL , etc.
4. Al publicar datos en la Web, se debe hacer referencia a otras cosas utilizando sus nombres basados ​​en URI HTTP.

Tim Berners-Lee reiteró posteriormente estos principios en una conferencia TED de 2009 , parafraseándolos nuevamente de la siguiente manera: ^[4]

1. Todas las cosas conceptuales deben tener un nombre que comience con HTTP .
2. Buscar un nombre HTTP debería devolver datos útiles sobre la cosa en cuestión en un formato estándar.
3. Cualquier otra cosa con la que esa misma cosa tenga una relación a través de sus datos también debe recibir un nombre que comience con HTTP.

De este modo, podemos identificar los siguientes componentes como esenciales para un sistema global de Datos Vinculados tal como se ha previsto, y para cualquier subconjunto real de Datos Vinculados dentro de él:

• URI
• HTTP
• Datos estructurados que utilizan términos de vocabulario controlado y definiciones de conjuntos de datos expresados ​​en formatos de serialización de Resource Description Framework como RDFa , RDF/XML , N3 , Turtle o JSON-LD
• Plataforma de datos vinculados

Los datos abiertos vinculados son datos vinculados que son datos abiertos . ^{[5] [6] [7]} Tim Berners-Lee ofrece la definición más clara de datos abiertos vinculados para diferenciarlos de los datos vinculados.

Linked Open Data (LOD) son datos vinculados que se publican bajo una licencia abierta, lo que no impide su reutilización de forma gratuita.

—  Tim Berners-Lee, Datos vinculados ^{[2] [8]}

Los grandes conjuntos de datos abiertos vinculados incluyen DBpedia , Wikibase , Wikidata y Open ICEcat  [uk; nl] .

En 2010, Tim Berners-Lee sugirió un sistema de 5 estrellas para calificar la calidad de los datos abiertos en la web, en el que la clasificación más alta corresponde a Linked Open Data: ^[10]

• 1 estrella: los datos están disponibles abiertamente en algún formato.
• 2 estrellas: los datos están disponibles en un formato estructurado, como el formato de archivo de Microsoft Excel (.xls).
• 3 estrellas: los datos están disponibles en un formato estructurado no propietario, como valores separados por comas (.csv).
• 4 estrellas: los datos siguen los estándares del W3C , como el uso de RDF y el empleo de URI .
• 5 estrellas: todos los demás, más enlaces a otras fuentes de Linked Open Data.

El término "datos abiertos vinculados" se ha utilizado al menos desde febrero de 2007, cuando se creó la lista de correo "Linking Open Data" ^{[11] [12]} . La lista de correo fue inicialmente alojada por el proyecto SIMILE ^[13] en el Instituto Tecnológico de Massachusetts .

El objetivo del proyecto comunitario Linking Open Data del grupo de Educación y Difusión de la Web Semántica del W3C es ampliar la Web con un patrimonio común de datos mediante la publicación de varios conjuntos de datos abiertos como RDF en la Web y mediante el establecimiento de enlaces RDF entre elementos de datos de diferentes fuentes de datos. En octubre de 2007, los conjuntos de datos constaban de más de dos mil millones de triples RDF , que estaban interconectados por más de dos millones de enlaces RDF. ^{[15] [16]} Para septiembre de 2011, esta cifra había aumentado a 31 mil millones de triples RDF, interconectados por alrededor de 504 millones de enlaces RDF. En 2014 se publicó un desglose estadístico detallado. ^[17]

Existen varios proyectos de la Unión Europea relacionados con los datos vinculados, entre ellos el proyecto LATC (Linked Open Data Around the Clock), ^[18] el proyecto AKN4EU para datos legislativos legibles por máquina, ^[19] el proyecto PlanetData, ^[20] el proyecto DaPaaS (Data-and-Platform-as-a-Service), ^[21] y el proyecto LOD2 (Linked Open Data 2). ^{[22] [23] [24]} La vinculación de datos es uno de los principales objetivos del Portal de Datos Abiertos de la UE , que pone a disposición miles de conjuntos de datos para que cualquiera pueda reutilizarlos y vincularlos.

Las ontologías son descripciones formales de estructuras de datos. Algunas de las ontologías más conocidas son:

• FOAF – una ontología que describe a las personas, sus propiedades y relaciones
• UMBEL : una estructura de referencia liviana de 20 000 clases de conceptos temáticos y sus relaciones derivadas de OpenCyc , que pueden actuar como clases de enlace a datos externos; también tiene enlaces a 1,5 millones de entidades nombradas de DBpedia y YAGO

• DBpedia : un conjunto de datos que contiene datos extraídos de Wikipedia; contiene alrededor de 3,4 millones de conceptos descritos por mil millones de triples , incluidos resúmenes en 11 idiomas diferentes
• GeoNames : proporciona descripciones RDF de más de 7.500.000 características geográficas en todo el mundo
• Wikidata : un conjunto de datos vinculados creado de forma colaborativa que actúa como almacenamiento central para los datos estructurados de sus proyectos hermanos de la Fundación Wikimedia.
• Base de datos de identificadores de investigación global ( GRID ): una base de datos internacional de 89 506 instituciones dedicadas a la investigación académica, con 14 401 relaciones. GRID modela dos tipos de relaciones: una relación padre-hijo que define una asociación subordinada y una relación relacionada que describe otras asociaciones ^{[25] [26]}
• KnowWhereGraph ^[27] – un gráfico de conocimiento integrado de 12 mil millones de triples de 30 capas de datos en la intersección entre los humanos y su entorno utilizando tecnologías de Web semántica y datos vinculados. ^[28]
• Open ICEcat  [uk; nl] - un catálogo abierto multilingüe que contiene hojas de datos de productos , activos digitales relacionados y estadísticas de uso .

Están disponibles diagramas en los que se puede hacer clic que muestran los conjuntos de datos individuales y sus relaciones dentro de la nube LOD generada por DBpedia (como en las figuras de la derecha). ^{[29] [30]}

• American Art Collaborative : consorcio de museos de arte de Estados Unidos comprometidos a establecer una masa crítica de datos abiertos vinculados sobre el arte estadounidense
• Control de autoridad : acerca de los encabezados controlados en los catálogos de bibliotecas
• Análisis de citas : para citas entre artículos académicos
• Hiperdatos
• Modelo de red : un tipo más antiguo de sistema de gestión de bases de datos
• Datos abiertos
• Esquema.org
• VoID – Vocabulario de conjuntos de datos interconectados
• Lenguaje de ontología web
• Lista de conjuntos de datos para la investigación del aprendizaje automático

Scholia tiene un perfil de tema para Datos vinculados .

• LinkedData en la Wiki del W3C
• LinkedData.org
• Libros blancos del software OpenLink