Открыть сервис
Главная → Блог → Linked Data

Linked Data

Linked Data (связанные данные, взаимосвязанные данные) — это набор принципов и методов публикации и связывания структурированных данных в сети Интернет, позволяющий машинам (программным агентам) автоматически находить, объединять и использовать информацию из различных, зачастую гетерогенных, источников. В отличие от традиционного Веба документов (Web of Documents), где связи между страницами устанавливаются через гиперссылки, Linked Data оперирует связями между сущностями (понятиями, объектами, людьми, местами), используя для этого стандартные технологии, такие как URI (Uniform Resource Identifier), HTTP и RDF (Resource Description Framework). Основная цель Linked Data — создание глобального информационного пространства, часто называемого «Семантической паутиной» (Semantic Web), в котором данные не просто размещены, а интегрированы и доступны для машинной обработки.

История

Концепция Linked Data возникла как практическая реализация идей Семантической паутины, предложенной сэром Тимом Бернерсом-Ли в 1998 году. Бернерс-Ли, создатель Всемирной паутины, видел ограничения в том, что существующий Веб (Web 1.0 и 2.0) был ориентирован на чтение человеком, а не на автоматическую обработку данных. В 2006 году он сформулировал четыре правила построения Linked Data, которые стали основой для этого подхода.

В 2007 году был запущен проект Linking Open Data (LOD), координируемый W3C (World Wide Web Consortium). Целью проекта было выявление существующих наборов данных, опубликованных в открытом доступе, и их связывание между собой. Ключевым результатом стал «LOD Cloud» (Облако связанных данных) — визуализация, показывающая, как различные базы данных (DBpedia, Wikidata, GeoNames, MusicBrainz и многие другие) соединяются через RDF-ссылки. К 2010-м годам Linked Data стал стандартом де-факто для публикации данных в научных, культурных и государственных сферах, особенно в Европе и США.

Принципы Linked Data

Тим Бернерс-Ли определил четыре основных принципа, которым должен следовать любой набор данных, чтобы считаться частью Linked Data:

  1. Использование URI (Uniform Resource Identifier) в качестве имён для сущностей. Каждая вещь, концепция или объект (например, человек, книга, город, химическое соединение) должны иметь уникальный идентификатор — URI. Это не просто адрес страницы, а имя сущности в глобальном пространстве.
  2. Использование HTTP URI для того, чтобы люди могли искать и находить эти имена. URI должны быть доступны по протоколу HTTP. Когда пользователь или программа обращается к такому URI, сервер должен вернуть описание сущности в стандартном формате (например, RDF/XML, JSON-LD, Turtle).
  3. Предоставление полезной информации при обращении к URI с использованием стандартов RDF (Resource Description Framework). Данные, описывающие сущность, должны быть представлены в виде триплетов (субъект-предикат-объект), что позволяет машинам понимать структуру и отношения.
  4. Включение ссылок на другие URI, чтобы можно было обнаруживать больше данных. Это самый важный принцип. Описание сущности должно содержать не только её собственные атрибуты, но и ссылки на URI других сущностей (например, ссылка на автора книги, на город, где родился человек, на категорию, к которой относится объект). Эти ссылки и создают «сеть» данных.

Технологии и стандарты

Реализация Linked Data опирается на стек технологий, разработанных W3C:

  • URI / IRI (Internationalized Resource Identifier): Уникальные идентификаторы, как правило, в форме URL. Например, http://dbpedia.org/resource/Москва`.
  • RDF (Resource Description Framework): Модель данных, в которой информация представляется в виде утверждений (триплетов): «Субъект — Предикат — Объект». Например, «Москва (субъект) — является столицей (предикат) — Россия (объект)».
  • SPARQL (SPARQL Protocol and RDF Query Language): Язык запросов к RDF-данным. Позволяет извлекать информацию из одного или нескольких хранилищ (SPARQL-эндпоинтов), объединяя данные по ссылкам.
  • RDFS (RDF Schema) и OWL (Web Ontology Language): Языки для описания схем и онтологий. Они определяют классы сущностей (например, «Человек», «Город», «Книга») и свойства (предикаты), а также логические ограничения, позволяющие машинам делать выводы на основе данных.
  • JSON-LD (JSON for Linked Data): Формат сериализации RDF, основанный на JSON, который широко используется в веб-разработке и API. Позволяет легко внедрять Linked Data в существующие веб-страницы.

Классификация и виды

Linked Data можно классифицировать по нескольким признакам:

  • По степени открытости:
  • Открытые связанные данные (Linked Open Data, LOD): Данные, опубликованные под открытой лицензией (например, Creative Commons, Public Domain) и доступные для свободного использования, повторного использования и распространения. Примеры: DBpedia, Wikidata, данные правительственных порталов.
  • Закрытые связанные данные (Linked Closed Data): Данные, доступные только внутри организации или по подписке. Используются в корпоративных информационных системах, медицинских базах данных, финансовых системах.
  • По масштабу:
  • Глобальные (Global): Охватывают множество доменов и миллиарды триплетов (например, DBpedia, Wikidata).
  • Доменные (Domain-specific): Сосредоточены на одной области знаний (например, биология — UniProt, музыка — MusicBrainz, география — GeoNames).
  • Локальные (Local): Данные одной организации или проекта.
  • По способу публикации:
  • Нативные RDF-хранилища: Специализированные базы данных (например, Virtuoso, Blazegraph, Apache Jena TDB), оптимизированные для хранения и запросов RDF.
  • RDF-дампы (Dumps): Файлы, содержащие полный набор данных в одном из RDF-форматов (например, .nt, .ttl, .rdf). Загружаются для анализа или импорта.
  • SPARQL-эндпоинты: Сетевые сервисы, принимающие SPARQL-запросы и возвращающие результаты в структурированном виде (JSON, XML, CSV).

Применение

Linked Data находит применение в различных областях, где требуется интеграция данных из множества источников:

  • Научные исследования и библиотеки: Связывание публикаций, авторов, организаций, грантов и экспериментальных данных. Проекты, такие как Europeana (европейская цифровая библиотека), используют Linked Data для объединения коллекций из тысяч музеев и архивов.
  • Государственное управление и открытые данные: Правительства многих стран (США, Великобритания, Франция) публикуют статистические данные, бюджеты, законы и реестры в формате Linked Data, что повышает прозрачность и позволяет гражданам и аналитикам легко их анализировать.
  • Медицина и биоинформатика: Интеграция данных о лекарствах, заболеваниях, генах, белках и клинических испытаниях. Например, проект DrugBank использует Linked Data для связывания информации о лекарствах с другими базами данных.
  • Корпоративные информационные системы: Управление знаниями, каталогизация продуктов, интеграция данных из разных отделов (финансы, логистика, маркетинг). Linked Data позволяет создавать «единое окно» для доступа к корпоративным данным.
  • Поисковые системы и SEO: Google, Bing и другие поисковики активно используют Linked Data (в частности, JSON-LD) для улучшения понимания контента веб-страниц и отображения расширенных сниппетов (например, рейтинги, цены, рецепты, события). Это называется «Knowledge Graph» (граф знаний).

Примеры

  • DBpedia: Проект, извлекающий структурированные данные из инфобоксов и категорий Википедии и публикующий их в виде Linked Data. DBpedia является центральным узлом в LOD Cloud, связывая тысячи других наборов данных.
  • Wikidata: Свободная, совместно редактируемая база знаний, созданная Фондом Викимедиа. Wikidata изначально спроектирована как Linked Data и предоставляет мощный SPARQL-эндпоинт. Она содержит миллиарды утверждений о миллионах сущностей.
  • GeoNames: Географическая база данных, содержащая информацию о миллионах географических объектов (города, страны, горы, реки). Все объекты имеют URI и связаны с другими базами данных через Linked Data.
  • VIAF (Virtual International Authority File): Проект, объединяющий авторитетные файлы (списки имён авторов) из национальных библиотек мира. VIAF использует Linked Data для связывания записей об одном и том же авторе из разных библиотек.

Критика и ограничения

Несмотря на очевидные преимущества, Linked Data сталкивается с рядом проблем:

  • Сложность внедрения: Создание и поддержка RDF-хранилищ, разработка онтологий и обеспечение качества данных требуют значительных ресурсов и квалифицированных специалистов.
  • Качество данных: Данные в открытых источниках часто бывают неполными, устаревшими или содержат ошибки. Связывание данных из разных источников может усугубить эти проблемы.
  • Отсутствие единой стандартизации: Существует множество различных онтологий и схем для описания одних и тех же сущностей, что затрудняет их автоматическое выравнивание и связывание.
  • Проблемы с производительностью: SPARQL-запросы к большим распределённым графам могут быть медленными, особенно при необходимости объединения данных из нескольких удалённых эндпоинтов.
  • Недостаток инструментов для конечных пользователей: Большинство инструментов для работы с Linked Data (SPARQL-клиенты, редакторы онтологий) ориентированы на разработчиков и исследователей, а не на обычных пользователей.

Источники

  1. Berners-Lee, T. (2006). Linked Data - Design Issues. W3C.
  2. Bizer, C., Heath, T., & Berners-Lee, T. (2009). Linked Data - The Story So Far. International Journal on Semantic Web and Information Systems.
  3. Heath, T., & Bizer, C. (2011). Linked Data: Evolving the Web into a Global Data Space. Morgan & Claypool Publishers.
  4. W3C. (2014). RDF 1.1 Concepts and Abstract Syntax.
  5. W3C. (2013). SPARQL 1.1 Overview.
  6. Cyganiak, R., & Jentzsch, A. (2014). The Linking Open Data cloud diagram.

BFOmetr — база данных и аналитика по компаниям России.

На главную BFOmetr →

Похожие материалы