Here is also nice video showing how to visualize such a SKOS vocabulary in SKOS Play visualization tools.

Thanks to Nikola Vasiljevic and John Graybeal from FAIR Data Collective for this nice integration !

You can check out the Fair Data Collective page on LinkedIn : « Making practical and easy-to-use FAIR data solutions ».

Cet article Fair Data Collective is doing cool things with SKOS Play and xls2rdf est apparu en premier sur Sparna Blog.

On trouve pourtant tout un tas de projets ou de logiciels pour visualiser des graphes RDF natifs : RDF gravity, Visual RDF, Welkin, ou d’autres qui sont listés ici, là, ou bien encore là (voir également WebVOWL pour la visualisation d’ontologies OWL, donc sur un sujet un peu différent).

Une cartographie des acteurs du numérique pour #ToursTech

Et pourtant je suis tombé sur une problématique où la visualisation des données natives d’un graphe RDF avait vraiment du sens : représenter la cartographie des acteurs d’un territoire ou d’une communauté. En l’occurrence la cartographie des acteurs du numérique en Touraine, dans le cadre de la candidature de Tours au label #FrenchTech (#ToursTech). On peut donner plusieurs représentations possibles de cet ensemble d’acteurs :

• en graphe type réseau social (l’approche que j’explore ici, donc);
• en zones type TreeMap pour montrer les grandes masses (par exemple la répartition des entreprises par code APE en utilisant d3.js);
• en courbes temporelles pour montrer des évolutions d’indicateurs;
• en cartes géographiques pour visualiser les zones et les lieux dans l’agglomération
• en arbres pour mettre en évidences des catégories d’acteurs;
• etc.

Dans notre cas les triplets RDF correspondent exactement aux liens entre les acteurs, et sont des relations du type « est adhérent de (une association professionnelle) », « est fournisseur de », « a un partenariat avec », etc. Le besoin d’avoir une représentation du réseau social des acteurs devient donc le même que celui de représenter le graphe RDF natif.

Le résultat et quelques explications

Voici le résultat de cette cartographie (cliquez pour agrandir) (et jouer à « où est Charlie ? » en cherchant Sparna dans l’image !) :

(je précise que cette représentation est partielle, exploratoire, et ne se veut pas représentative de la réalité du territoire)

Qu’est-ce qu’on y voit ?

• des noeuds : organisations, personnes, lieux ou projets;
• des liens : relations de type réseau social entre ces noeuds (« travaille dans ce lieu », « participe à ce projet », etc.); ces liens ne sont pas distingués par un label ou une couleur dans la cartographie, mais ils sont bien typés dans les données;
• La taille d’un noeud est fonction de son nombre de liens;
• La couleur d’un noeud est fonction de sa « centralité » dans le graphe, c’est-à-dire de sa proximité avec un maximum d’autres noeuds dans le graphe (enfin c’est ce que j’en ai compris !);
• Les noms des personnes ne sont pas affichés pour des raisons de confidentialité;

On met ainsi rapidement en évidence :

• les acteurs majeurs de la communauté, soit en terme de « taille » soit en terme de positionnement dans le réseau (PaloAltours, la cantine numérique bêta de Tours, CoopAxis le PTCE qui marie numérique et innovation sociale, Centre & TIC association professionnelle au service du numérique, etc.) ;
• les liens qui les unissent (« comment puis-je rentrer en contact avec telle personne ou telle organisation ? »);
• les communautés, qui sont plus apparentes si on partitionne le graphe et qu’on colorie les communautés :

D’autres projets ont utilisé une approche et des outils similaires pour cartographier les acteurs d’une communauté : l’écosystème du cluster CapDigital en île-de-france, ou bien cette cartographie des acteurs de l’Intelligence Economique en PACA.

Le dispositif : Wiki sémantique + triplestore + Gephi / sigma.js

Le dispositif que nous avons exploré pour réaliser cette cartographie est en 3 parties :

Le beurre : un wiki sémantique

Semantic Media Wiki (que j’avais exploré précédemment ici) nous donne une solution de centralisation des connaissances :

1. collaborative, avec toute la machinerie wiki (versionning des pages, pages de discussion, etc.)
   
2. structurée,  puisque la solution Semantic Media Wiki et ses divers plugins permet d’avoir des fiches à plusieurs champs, avec choix multiples, autocompletion, dates, etc.
3. flexible, puisque le modèle de données et les formulaires de saisie peuvent évoluer au fil des besoins, et l’outil est facile à prendre en main pour des utilisateurs non-experts, jugez plutôt  les formulaires de saisie avec assistance à la saisie :
4. ouverte pour partager les données avec d’autres territoires (important sur l’aspect « mise en réseau des archipels territoriaux »);

C’est cet outil qui est utilisé pour renseigner les fiches des acteurs du territoire et leurs liens. Ces liens sont de types :

• liens formels ou contractuels : fournisseur de, client de, travaille pour ;
• liens de collaboration : a un partenariat avec, adhère à telle association, participe ou porte tel projet;
• liens géographiques : se situe dans tel lieu;
• liens capitalistiques : a du capital dans;

L’argent du beurre : une diffusion des données en RDF

Semantic Media Wiki c’est bien, mais nativement on ne peut pas réutiliser les données en dehors du wiki. On le synchronise donc (via sa fonction d’export RDF) avec un triplestore RDF Sesame, qui rend les données accessibles sur le web (via SPARQL), permettant ainsi à d’autres applications de tirer parti des données.

On a donc une solution de capitalisation des connaissances PAR le territoire (wiki sémantique collaboratif) et POUR le territoire (diffusion des données pour leur réutilisation).

Le sourire du crémier : Gephi pour exploiter les données

Le sourire du crémier : Gephi (et d’autres applications) qui peuvent réexploiter les données saisies dans le wiki. En particulier Gephi dispose d’un plugin d’intégration à partir de SPARQL (« Gephi Semantic Web Import Plugin » – Attention à la date de rédaction de ce billet le lien vers la page de documentation de ce plugin est cassé). Il devient donc possible de générer un visuel de notre réseau social à partir des données ainsi exposées.

On peut même automatiser la génération du visuel (ce qu’on a fait ici) avec un bout de Java grâce à l’API Gephi (Gephi Toolkit).

Mon retour d’expérience sur Gephi est très positif : facile à prendre en main, intégration SPARQL aisée et sans bug, on peut générer assez facilement des rendus intéressants. Inconvénient : cela reste des images statiques, ca ne bouge pas et ce n’est pas cliquable. Pour avoir quelque chose de plus interactif il faut se tourner vers SigmaJS. C’est ce que l’agence de communication Mwebius a expérimenté :

Notez les options de sélection de ce que l’on veut afficher sur la gauche. Tout cela est branché en direct sur les données exportées du wiki.

Vous voulez utiliser les données ? pas encore…

La question de la licence des données récoltées pour ce travail de cartographie n’étant pas encore tranchée (ouvertes ou pas ? dans quel périmètre), je ne peux malheureusement pas mettre ici les liens ni vers le wiki sémantique, ni vers le service SPARQL de diffusion des données – je le fais dès que l’initiative #ToursTech a statué là-dessus, mais ce serait en tout cas un bel exemple de système d’intelligence économique territorial collaboratif diffusant ses données en open data. Rien que ça ! En attendant si vous voulez en savoir plus laissez un message ici et suivez la candidature #ToursTech !

Cet article Gephi pour visualiser des graphes RDF est apparu en premier sur Sparna Blog.

I have received some feedback during summer, and I thank everyone that took the time to write and share ideas or report problems. This new version (0.40) brings the following new features and enhancements :

• 2 new visualisations :
  • concept listing : lists all the concepts with all their attributes in a given language; this is close to the existing « alphabetical index expanded », but while the « alphabetical index » view is label-oriented (each label is an entry in the list), this one is concept-oriented (each concept is an entry in the list);
  • language correspondence table : generates a 2-columns table with the translation of each concept in a target language; this allows to review thesaurus translations, and immediately see which concept is missing a prefLabel in a target language;
• complete re-engineering of the internal « display data model », allowing to easily add new visualisations in the future;
• included the Reegle Thesaurus for clean energy as a thesaurus example;
• added the ability to read SKOS data encoded in RDFa attributes within an HTML page (using the semargl library) (but I am still looking for a good example of this);
• enhanced header generation : header now tries to read a dcterms:description or dc:description to include in the header; the concept scheme title is read from skos:prefLabel, dc:title or rdfs:label;
• enhanced « section » generation in PDF documents : each section now generates a page break;

Finally, last but not least, you can install a local version of SKOS Play to work around the 5000 concepts limit on the online server. This is as easy as 1,2,3 (a simple war to deploy on Tomcat) and I wrote a simple procedure on how to deploy SKOS Play on Tomcat. Note that I do not garantee that the online version of SKOS Play be always available in the future; hosting and maintaining this free application has a cost; time will tell how the project evolves.

I hope to write more about the application, especially about data integration of the LOV taxonomy, _not_ expressed in SKOS, but that you can still feed to SKOS Play – with some tricks ! – or about how can Linked Data be leveraged to read thesaurus alignments (by the way, don’t forget you can always click a label on the HTML visualizations to navigate the concept URI). More on that in the future. If you like SKOS Play, use it, show it, share it !

Cet article New version of SKOS Play for taxonomy visualization est apparu en premier sur Sparna Blog.

SKOS Play est un service gratuit de visualisation de thesaurus, taxonomies ou vocabulaires contrôlés au format SKOS. Il permet d’imprimer des systèmes d’organisation de connaissances dans des pages HTML ou des PDF, et de les visualiser dans des représentations graphiques grâce à d3js. SKOS Play a également une valeur pédagogique et illustrative en ce qui concerne les technologies du web de données.

SKOS Play s’inspire du SKOS Reader de Mondeca (big up, Gilles) qui avait cependant le désavantage de travailler au niveau du XML, étant de ce fait assez sensible aux variations de syntaxe du fichier.

Présentation de thesaurus

HTML de la vue hiérarchique étendue du thesaurus de l’Unesco

La présentation et la navigation efficace dans un thesaurus est un enjeu de maintenance de celui-ci et de communication. La récente norme ISO-25964 sur la représentation des thesaurus propose quelques façons de les représenter :

• par fiche de concept (la fiche entière du concept) (« single record display ») ;
• par index alphabétique (« Alphabetical display »);
• par hiérarchie (« Hiérarchical display »);
• par collectionset par facettes (« Classified display »), éventuellement en « vue étendue » (« Expanded classified display »);
• par tables de correspondance multilingues(« Correspondence tables for multilingual thesauri »);

SKOS Play utilise des requêtes SPARQL sur les données SKOS pour implémenter les vues hiérarchique, alphabétique, alphabétique étendue et hiérarchique étendue, ainsi que 2 visualisations tirées de d3js : le partition layout et le tree layout. SKOS Play s’inspire de ce que propose l’ISO 25964 mais son objectif n’est pas d’implémenter l’ensemble des préconisations de cette norme.

Thesaurus vs. ontologies formelles

PDF avec liste alphabétique du thesaurus de l’Unesco

SKOS (« Simple Knowledge Organization System ») est un modèle de données pour décrire des thesaurus, taxonomies, plans de classements, bref des systèmes d’organisation de connaissances au sens large. Ce modèle a l’avantage d’être simple et de représenter l’essentiel de la structure de ces système : une hiérarchie de « concepts », des liens de renvois transversaux, des libellés multilingues préférés et non-préférés, des définitions, etc.

Ces systèmes d’organisation de connaissances sont utiles pour la constitution de référentiels de vocabulaires dans les organisations. L’identification univoque de concepts, leur organisation hiérarchique, et leur nommage dans différentes langues, suffisent la plupart du temps constituer un référentiel utilisable pour des applications d’annotation (semi-)automatique de contenu, ou de recherches à facettes. L’utilisation des ontologies (OWL) ne se justifie que bien rarement, lorsque ce référentiel atteint une certaine taille et une certaine complexité, et lorsque certaines inférences sont nécessaires dans le systèmes.

Sous le capot

Vue « tree layout » du thesaurus W

Comment fonctionne SKOS Play ?

• SKOS Play s’appuie sur OpenRDF Sesame pour parser et charger les données RDF; celles-ci peuvent venir soit d’un fichier qu’on uploade, soit d’un fichier sur le web, soit d’un des exemples préchargé dans l’application; à l’avenir il sera possible de « pointer » l’application vers un endpoint SPARQL public contenant les données à afficher;
• Les données sont exploitées par des requêtes SPARQL (SPARQL 1.1 plus exactement) pour constituer la structure de données à afficher, et deux cas se présentent :
  • Pour les affichages alphabétiques ou hiérarchiques, la structure de données est sérialisée en XML, puis convertie en HTML ou en PDF en fonction du format choisi (la conversion en PDF utilise Apache FOP);
  • Pour les dataviz avec d3js, la structure de données est sérialisée en JSON pour être affichée;

Intéressés ?

vue « partition layout » du thesaurus W

SKOS Play est gratuit, mais limité pour l’instant à 5000 concepts (ce qui fait déjà pas mal). Le code est open-source. La licence n’est pas restrictive et autorise les utilisations commerciales. C’est un pari d’ouverture et de coopération qui ne pourra se pérenniser que si vous en êtes un peu acteurs :

• en donnant vos retours et vos idées sur la page du Google Moderator; par exemple :
  • en suggérant de bons jeux de données d’exemple;
  • en suggérant des évolutions, des corrections de bugs;
  • en suggérant de nouvelles visualisations de données;
• en me demandant de clarifier ce qui ne l’est pas;
• en faisant connaître le projet autour de vous, n’hésitez pas à en parler à des anglophones, l’application est bilingue français-anglais (en fonction de la langue du navigateur), en vous en servant dans des formations sur SKOS;
• en l’utilisant et en le réutilisant;
• en vous proposant pour héberger l’application si vous voulez être associés au projet (pour l’instant, elle tourne sur un mini-serveur fanless connecté à la freebox dans mon salon…);

Dans le futur ?

Sans doute des présentations de tableaux d’alignements de thesaurus, la génération de listes permutées, la récupération de données liées en suivant les URIs, d’autres visualisations, ou encore la connexion à des endpoints SPARQL. J’espère aussi, à partir de ce rendu « en bout de chaine », ajouter des composants en amont, comme la génération de SKOS à partir de templates excel, l’application de règles, ou le crawling de données liées pour constituer un thesaurus complet.

Cet article SKOS Play! générer des HTML, des PDF et des dataviz à partir d’un thesaurus SKOS est apparu en premier sur Sparna Blog.