Seminario 3: Buscador Swoogle
por kabute , etiquetas:
Descripción General del Buscador
Swoogle es un motor de búsqueda semántica de ontologías web, documentos, términos y datos publicados en la web. Emplea un sistema de rastreadores para descubrir los documentos RDF y documentos HTML con contenido incrustado RDF. El buscador razona (de algún modo) acerca de estos documentos y sus componentes y almacena sus metadatos más significativos en su base de datos para una posterior búsqueda.
Swoogle proporciona servicios a los usuarios humanos a través de un navegador y de agentes de software a través de servicios web “RESTful” (Transferencia de representación del Estado). Varias técnicas son usadas para clasificar los resultados de consultas inspirado en el algoritmo PageRank desarrollado por Google, pero adaptado a la semántica y a los patrones usados en los documentos de la web semántica.
El software fue desarrollado como tesis doctoral de Li Ding en la Universidad de Maryland, (en Baltimore) con financiación de la DARPA y la Fundación para la Ciencia norteamericana.
Arquitectura Básica del Buscador
- “Descubridor” de Documentos de Web Semántica: Busca en la web en busca de documentos de web semántica (SWD), del mismo modo intenta mantener actualizados los que ya ha descubierto con anterioridad.
- Componente de creación de Metadatos: Genera los metadatos relacionados con cada SWD.
- Componente de análisis de datos: Analiza los SWD y sus metadatos para generar informes y clasificaciones.
- Interfaz: Sistema y Servicio Web para acceso tanto desde un navegador como desde agentes.
Funcionamiento a nivel de usuario
Así es la web principal de Swoogle:
Como se puede observar es una página semejante a la de búsquedas de google. Tiene una interfaz muy simple con un cuadro de texto en donde escribir las palabras a buscar.
-> La búsqueda bajo “ontology” sirve para buscar tanto en el documento como de forma “semántica” los términos (es decir, también bajo propiedades o etiquetas que pueden ser palabras que no sean nombradas explícitamente en el documento).
-> La búsqueda bajo “document” sirve para buscar palabras en los documentos.
-> La búsqueda bajo “term” sirve para buscar palabras que sean definidas o relevantes en el documento.
-> Si seleccionamos la opción “more>>” se nos mostrará una pantalla con las estadísticas del uso de la página web del día.
-> Para una búsqueda de palabras consecutivas usaremos las comillas [“ ”].
-> Para realizar búsquedas de rangos usaremos límite superior e inferior encerrados entre corchetes y con la palabra TO en medio. Los rangos serán bajo el formato YYYY-MM-DD.
-> Para realizar una búsqueda de carácter comodín de un solo símbolo usaremos “?”. Para realizar una búsqueda de cualquier carácter usaremos “*”.
-> Existen operadores booleanos para enlazar palabras en las búsquedas. Los operadores soportados son AND, OR y NOT.
-> En el caso de querer realizar búsquedas más concretas usaremos cadenas de búsqueda con etiquetas.
- url: buscamos palabras contenidas en una URL (entre comillas para una URL concreta)
- desc: buscamos la palabra en el medio del documento.
- def: buscamos documentos que contengan explícitamente la definición del término.
- ref: buscamos documentos que contengan la definición del término implícita.
- pop: buscamos documentos que tenga como autor o conocido a la persona indicada.
- ns: buscamos documentos bajo un espacio de nombres (url que contenga varios documentos)
- hasEncoding: buscamos documentos bajo cierta codificación de caracteres.
- hasLength:[100 TO 500]: buscamos documentos bajo una longitud de entre 100 y 500 bytes.
- hasFiletype: buscamos documentos de un tipo concreto.
- hasDateLastmodified:[2009-02-28 TO 2010-03-30]: buscamos documentos que fueron modificados por última vez entre el 28 de febrero de 2009 y el 30 de marzo de 2010.
- hasDateCache: 2010-03-30: buscamos documentos que encontró swoogle el 30 de marzo de 2010, o no modificados desde esa fecha (con respecto a la versión del servidor).
- AND: etiqueta infija, e innecesaria ya que separando por espacio realiza la misma función, que sirve para buscar documentos que contengan la palabra anterior y posterior a esta etiqueta.
- OR: etiqueta infija para buscar palabras en documentos de forma que contengan al menos una de las dos (anterior y posterior) escritas junto a la etiqueta.
- NOT: etiqueta infija para buscar palabras en documentos de forma que contenga la primera de ellas pero que no aparezca la segunda.
-> Para la combinación de etiquetas basta con escribir la etiqueta acompañada de los términos de la misma y, separadas por espacios, nuevas etiquetas con sus respectivos términos.
Funcionamiento a nivel de programador
Recoge documentos Web semánticos de la Web, buscando en ficheros OWL, RDF y DAML o a través de páginas Web (HTML) que contengan documentos semánticos. Tiene más de 10.000 ontologías disponibles en la Web almacenadas en una base de datos en forma de URIs. Permite buscar además términos de cada vocabulario, esquema u ontología.
Por último, recalcar que no es un buscador dirigido al usuario final para encontrar recursos Web, sino que es para buscar, clasificar e incluso validar documentos y vocabularios de la Web Semántica.
Bibliografía
• Li Ding, Tim Finin, Anupam Joshi, Rong Pan, R. Scott Cost, Yun Peng, Pavan Reddivari, Vishal C Doshi, y Joel Sachs, "Swoogle: A Search and Metadata Engine for the Semantic Web", Proceedings de la 30 Conferencia ACM en Gestión de la Información y del Conocimiento , Noviembre 2004
• Swoogle, "Página principal de SWOOGLE", Obtenida el 2 de mayo de 2010, http://swoogle.umbc.edu/ .
[Descarga PDF]
0 comentarios