Escolar Documentos
Profissional Documentos
Cultura Documentos
Campus Monterrey
sometida a la
IV
Reconocimientos
Gracias al Dr. Daniel Jorge Sanabria, al Dr. Juan Carlos Lavariega y a la Dra.
Gracias a Franz Inc por permitirme utilizar las funciones beta de Allegrograph, lo
V
Visualización y Análisis de Patrimonio Cultural por medio de Tecnología
Semántica
por
Resumen
VI
Contenido
DEDICATORIA..................................................................................................................IV
RECONOCIMIENTOS........................................................................................................V
RESUMEN ........................................................................................................................VI
1.4 SOLUCIÓN............................................................................................................... 2
VII
3.5 ASPECTOS MÁS RELEVANTES PARA PATRIMONIO CULTURAL ..................... 38
GLOSARIO ...................................................................................................................... 75
REFERENCIAS ................................................................................................................ 95
VIII
Lista De Figuras
Figura 2.1 Mapa conceptual de los temas abarcados dentro del Marco Teórico ................ 5
Figura 3.710 Representación del recurso de patrimonio cultural “National Flag of México”
HC-002............................................................................................................................. 47
120621_104453 ............................................................................................................... 49
IX
Figura 4.1020Ventana de vista general del grafo con Allegrograph/Gruff .......................... 54
LOG ................................................................................................................................. 55
LodLive ............................................................................................................................ 62
Relfinder........................................................................................................................... 63
Figura 4.2636Opciones de entrada para una palabra clave con Relfinder ........................ 65
X
Lista De Tablas
XI
Capítulo 1. Introducción_ _________
Capítulo 1. Introducción
Introducción
1.1 Motivación
Presentar una manera que permita fomentar la preservación de recursos de
Patrimonio Cultural en general, al mismo tiempo que permita extenderlo con
acceso alrededor del mundo explotando los recursos que ofrece la tecnología
semántica y la web de datos.
1.2 Contexto
Actualmente, la web ha facilitado la comunicación de manera global, y la cantidad
de información que se encuentra disponible en ella es cada vez mayor. Así surge
la necesidad de interoperar esta información con la ayuda de tecnologías basadas
en estándares y lenguajes que facilitan la accesibilidad y utilización de datos y
bases de datos en la web. Las bibliotecas digitales permiten compartir información
de bibliotecas y museos, utilizando un amplio rango de sistemas de software.
BRICKS y Greenstone son algunas de las que existen en la actualidad (Ceballos,
Sanabria & Lavariega, 2013). Europeana es otra biblioteca digital que además ha
implementado un modelo de datos semántico, permitiendo a los usuarios
encontrar datos culturales específicos y relacionados dentro del patrimonio cultural
1
Capítulo 1. Introducción_ _________
1.4 Solución
2
Capítulo 1. Introducción_ _________
1
Propuesta basada en metodologías de otros autores que no han trabajado con patrimonio cultural
3
Capítulo 1. Introducción_ _________
4
Capítulo 2. Marco Teórico ______
Marco teórico
En este capítulo se presentan los conceptos relacionados con el tema de tesis con
la finalidad de dar sustento al contenido de la misma. Este capítulo está dividido en
secciones, las cuales son descritas a continuación. Primeramente en la sección
2.1 se describen las Bibliotecas Digitales, así como también las Bibliotecas
Digitales de Patrimonio Cultural. En la sección 2.2 se describe lo referente a la
Tecnología Semántica, el formato estándar de construcción de ontologías y los
esquemas principales de lenguaje ontológico. En la última sección de este
apartado se describe la estructura de grafos y sus métricas para usabilidad y
visualización. En la figura 2.1 se puede observar el mapa conceptual que relaciona
estas secciones a partir de la aplicación de tecnología semántica a patrimonio
cultural.
Figura 2.1 Mapa conceptual de los temas abarcados dentro del Marco Teórico
5
Capítulo 2. Marco Teórico ______
6
Capítulo 2. Marco Teórico ______
7
Capítulo 2. Marco Teórico ______
8
Capítulo 2. Marco Teórico ______
con otro ya sea porque uno está hecho del otro, es parte del otro o surgió a partir
del otro, de la misma manera un recurso distinto al ya mencionado puede tener las
mismas relaciones con otros y formar redes de información que se conectan entre
sí. Luis Criado, en su libro Nosotros, los constructores de la Web Semántica,
define la web semántica como la vía en la que los datos pueden ser compartidos, y
que permite la integración de aplicaciones, con la finalidad de que los recursos en
la web puedan ser entendidos tanto por personas como por máquinas (Criado,
2013). Por su parte Hitzler, en su libro Foundations of Semantic Web
Technologies, la define como la extensión de la World Wide Web que permite a las
computadoras de manera inteligente buscar, combinar y procesar el contenido de
la web (Hitzler, 2010). Se puede resumir de las definiciones anteriores que el papel
de la web semántica es administrar, con ayuda de la inteligencia artificial, los
recursos que se encuentran en la web. Pero como existe mucha información,
entonces la cantidad de enlaces puede llegar a tener un nivel de complejidad
importante, por lo que la web semántica tiene la capacidad de entender las
relaciones que existen entre distintos recursos, y por medio de la red de nodos o
recursos se puede estructurar la información interrelacionada entre sí. Esto
representa su utilidad, que según Criado, radica en compartir datos, enlazarlos,
integrar sistemas y entender el contenido de ellos (Criado, 2013), para de esta
manera lograr una completa integración de datos aun cuando estos provengan de
fuentes heterogéneas (Mäkelä & Hyvönen, 2011).
9
Capítulo 2. Marco Teórico ______
La tecnología semántica se ha vuelto cada vez más popular por sus aplicaciones
en procesamiento de lenguaje natural, deducción automatizada, verificación
formal, análisis estadístico, entre otras (Pérez, 2014).
RDF
Conocido así por sus siglas en inglés de Resource Description Framework, es un
lenguaje de representación de información en la web (Klyne & Carroll, 2004) que
compone la descripción de un recurso (documento, persona, objeto, lugar, etc.) La
creación del RDF surgió con la intención de que la información que se encuentra
en la web pueda ser procesada por aplicaciones, y entendida de la manera en la
que es entendida por las personas que la pueden visualizar (Schreiber & Raimond,
2014).
El modelo de datos RDF está construido por tripletas conformadas por un sujeto,
un predicado y un objeto, en el mismo orden <sujeto> <predicado> <objeto>,
donde el predicado expresa la naturaleza de la relación que existe entre el sujeto y
el objeto (Schreiber & Raimond, 2014). Un ejemplo de esta sentencia puede ser
<Mona Lisa> <fue creada por> <Leonardo da Vinci> y otro ejemplo puede ser
<Leonardo da Vinci> <nació en> <Italia> (ver fig. 2.2).
10
Capítulo 2. Marco Teórico ______
Otra característica del modelo RDF es que utiliza URIs (Uniform Resource
Identifiers) como identificadores únicos para los recursos, lo cual le permite crear
vínculos entre recursos iguales, con descripciones diferentes en distintos lugares
de la web, es decir que, cualquier descripción que existe en la web para la obra
Mona Lisa, se le es asignada al identificador único (URI) de Mona Lisa, siempre
que haga referencia al mismo recurso, es decir que se refieran a la misma pintura
“Mona Lisa”.
RDFS
11
Capítulo 2. Marco Teórico ______
2.2.2 OWL
El lenguaje OWL (Web Ontology Language) al igual que RDF, se construyó con la
finalidad de que la información contenida en documentos pueda ser entendida y
procesada por aplicaciones, y no solo por humanos. Representa el significado de
los términos que componen los distintos vocabularios, y también las relaciones
que existen entre estos. Aunque este lenguaje tiene mayor facilidad de significado
y semántica que XML y RDF (McGuinness & van Harmelen, 2004). Europeana
utiliza un formato de metadatos codificado en OWL.
Europeana es un proyecto que inició como una biblioteca virtual, que empezó a
construirse en el año 2007. Nació en Europa con la finalidad de crear una nueva
forma de presentar el acervo cultural europeo al público en general, incluyendo
bibliotecas, museos, archivos y sectores audiovisuales alrededor de la Unión
Europea, accesible de manera digital para el usuario (Europeana Professional,
2015). Está conformada por una colección de recursos virtuales del patrimonio
cultural europeo, de los cuales se cuenta con un registro detallado de metadatos
en la red, con información recabada de distintos sitios o instituciones culturales
asociadas al proyecto. Actualmente Europeana trabaja bajo el Modelo de datos de
Europeana (EDM), que corresponde a la mejora del primer modelo de datos que
utilizó, Elementos Semánticos de Europeana (ESE). Las características de modelo
son que facilita la participación de Europeana en Web Semántica y brinda enlaces
de mayor significado a los datos para resultados más completos. Entre las
ontologías comprendidas dentro del modelo de datos de Europeana están:
RDF/RDFS, OWL, SKOS, DC, ORE, FOAF y EDM.
12
Capítulo 2. Marco Teórico ______
13
Capítulo 2. Marco Teórico ______
Los grafos pueden llegar a ser muy complejos dependiendo del dataset con el que
se está trabajando y del número de instancias que comprende el diagrama. Una
vez que el grafo se ha creado, la información contenida en el puede ser consultada
por medio de lenguaje SPARQL (Schreiber & Raimond, 2014), sin embargo, la
complejidad de este lenguaje es uno de los factores que limitan la popularidad de
los recursos semánticos (Morato, Sánchez, Ruiz & Moreiro, 2014). Ellos expresan
que “el elevado número de conceptos interrelacionados hace patente la necesidad
e importancia de un método intuitivo para organizar, recuperar, filtrar, visualizar y
navegar entre conceptos y acceder a sus recursos vinculados” (Morato et al.,
2014). Con esta necesidad surgen herramientas que permiten la carga de
información en este formato, y la presentan de manera amigable e interactiva
para el usuario, además le permiten conocer y explorar las relaciones de recursos
sin necesidad de utilizar lenguaje complejo de recuperación o consulta. El objetivo
de estas herramientas es brindar acceso a la información y el contenido
subyacente de manera sencilla y fácil de comprender (Baeza et al., 2004).
14
Capítulo 2. Marco Teórico ______
de los factores que intervienen para mejorar la experiencia del usuario al hacer
uso de una tecnología específica, con fines específicos y dirigida a un grupo
específico.
Además Seffah, Donyaee, Padda y Kline explican que existen también modelos
con el mismo objetivo, buscar factores para medir la usabilidad de un sistema,
algunos de ellos son el modelo McCall que propone: efectividad, productividad y
seguridad; el modelo Bohem que propone utilidad, portabilidad y mantenencia; el
modelo SANe: eficiencia, facilidad de aprendizaje, adaptabilidad, carga de trabajo
cognitiva y corrección de errores y el modelo DRUM que propone: tiempo de tarea,
tiempo de ayuda y búsqueda, efectividad, eficiencia, eficiencia relativa, y periodo
de productividad. Basado en estos modelos, y algunos de los autores aquí
mencionados, Seffah, Donyaee, Padda y Kline proponen un nuevo modelo en el
año 2006, el cual está construido por un conjunto de 10 factores de usabilidad,
compuestos por 26 criterios y 127 métricas, este conjunto representa el modelo de
medidas de usabilidad Quality in use Integrated Measurement, conocido también
como Modelo QUIM. En su artículo, Usability Measurement and Metrics: A
Consolidated Model, mencionan que aun cuando se tiene un modelo de medición
de usabilidad, es difícil saber aplicar los estándares en la práctica para cada caso
15
Capítulo 2. Marco Teórico ______
particular y que es difícil saber cómo medir cada uno de ellos, por lo que la
utilización de este modelo implica analizar el caso de aplicación para adaptar los
factores que realmente se requieren medir.
La tabla 2.1 muestra el condensado de factores del modelo QUIM, por cuestiones
de simplicidad no se muestran dentro de la tabla los criterios relacionados, ni las
127 métricas que maneja el modelo, sino que se limita a los factores de usabilidad,
y su descripción.
16
Capítulo 2. Marco Teórico ______
Geométrico
(Geometric Zooming)
Acercamiento
(Zoom and Pan)
Semántico
(Semantic Zooming)
Consultas
(Queries)
Predictabilidad
(Predictability)
Complejidad en tiempo
(Time Complexity)
17
Capítulo 2. Marco Teórico ______
Tradicional
(Traditional Layout)
Expansión
(Spanning tree Layout)
Tipo de grafo
(Layout)
Tercera dimensión
(3D Layout)
Hiperbólico
(Hyperbolic Layout)
Agrupación
(Clustering)
18
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Este capítulo está divido por secciones, la primera de ellas, la sección 3.1 describe
algunas de las herramientas tecnológicas de visualización de grafos existentes en
la actualidad y en la sección 3.2 se detallan sus características en forma de tabla
para facilitar su comprensión y comparación, y se describe el proceso de selección
de herramientas a utilizar. En la sección 3.3 se lleva a cabo la selección de las
herramientas que permitan modelar la descripción de la herramienta ideal de
visualización de Linked Data mediante grafos y en la sección 3.4 se plantea una
guía que conforma la metodología de evaluación de las herramientas
seleccionadas. Por último, en la sección 3.5 se explica cómo fue conformada la
guía de evaluación propuesta.
19
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Herramienta Ejemplo
Allegrograph / Gruff
Es un visualizador de alto desempeño con uso de memoria
eficiente, sus principales aplicaciones son empresariales.
Soporta SPARQL, RDFS y el razonador Prolog (Franz Inc.,
2014). Fuente: http://franz.com/agraph/gruff
Cytoscape
Es un software para visualizar redes de interacción molecular
y rutas biológicas, e integrar estas redes con anotaciones,
perfiles genéticos y otros datos. Originalmente fue creado con
fines biológicos y actualmente es una plataforma general
para visualización de redes complejas (Cytoscape Consortium,
Fuente: http://www.cytoscape.org/
2014).
Fenfire
Es un proyecto abierto basado en RDF que permite expresar
grafos a partir de datos almacenados. Esta herramienta
permite buscar, navegar y agregar información al contenido
del archivo (Fenfire, 2008). Fuente:http://fenfire.org/screenshots/ff
-0.1/fenfire-hs_notes-2007-01-30.png
20
Capítulo 3. Visualización de Linked Data mediante Grafos ______
GINY
Es una librería de código abierto que permite desarrollar
proyectos gráfico y visuales, utiliza librerías de CERN, y utiliza
Picolo para la parte visual, además de diseños de JUNG
(Christmas, 2014). Fuente:http://csbi.sourceforge.net/scr
eenshots.html
Graphviz
Es un software de visualización para representar información
en forma de grafos y redes. Tiene importantes aplicaciones en
bioinformática, ingeniería de software, bases de datos y
diseño web, aprendizaje automático e interfaz visual
Fuente:http://www.graphviz.org/conte
(Graphviz, 2014). nt/transparency
HyperGraph
Es un proyecto de código abierto que permite construir
diagramas de árbol con geometría hiperbólica por medio de
lenguaje GraphML (HyperGraph, 2003).
Fuente:http://hypergraph.sourceforge.
net/examples_tm_kaq.html
Hypertree
Es una librería para desarrollar visualizaciones de grafos
hiperbólicas, está disponible de manera abierta (Hypertree,
2014).
Fuente:http://hypertree.sourceforge.n
et/
Iconvis
Es una aplicación que permite visualizar y realizar búsquedas
de datos estructurados en forma de ontología de entrada,
además tiene la capacidad de enlazarse con fuentes de datos
en la web, como DBpedia y GeoNames (Iconvis, 2014). Fuente:http://iconvis.polito.it/iconvis/?
q=node/8
21
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Igraph
Es una librería y paquete para análisis de redes, su principal
objetivo es proveer tipos de datos y funciones para la
implementación de algoritmos de grafos y la manipulación de
grafos extensos (Igraph R, 2013). Fuente:http://web.stanford.edu/~mess
ing/CreateBasicNetVis.html
IsaViz
Es una herramienta de creación y búsqueda en archivos RDF,
permite acercamiento, navegación y edición del grafo, y
permite además la importación y exportación de archivos en
distintos formatos. Esta herramienta utiliza lenguaje GSS para
Fuente:http://www.w3.org/2001/11/Isa
construir los grafos (Pietriga, 2007). Viz/images/isv6.png
JUNG
Es una librería de software para modelar y visualizar
información representada como grafos y provee un
marco para desarrollar herramientas de exploración de
Fuente: http://jung.sourceforge.net/
esta información (JUNG, 2010). presentations/JUNG_M2K.pdf
22
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Linkurious
Permite hacer búsquedas y explorar recursos por medio
de grafos y permite editar la información de manera
sencilla. Ofrece seguridad a los datos y consultarlos por
medio de búsquedas sencillas o más especializadas en
Fuente: https://linkurio.us/tour/
lenguaje Cypher (Linkurious, 2014).
Lodlive
Es un proyecto de código abierto que muestra de una
manera sencilla los recursos publicados bajo los
estándares de W3C, y brinda la capacidad de navegar
Fuente:http://blog.lodlive.it/presentazi
entre ellos (Lodlive, 2012). one-del-progetto/
Mnemomap
Es una herramienta que combina tecnología de redes
sociales, motores de búsqueda y bases de datos para
mostrar por medio de grafos, información relevante a la Fuente:
http://bitsignals.com/2007/02/19/mnem
consulta (Mnemomap, 2014). omap-un-buscador-conceptual/
Network Workbench
Es un paquete de análisis, modelación y visualización de
redes de gran escala, con fines de investigación en
biomedicina, física y ciencias sociales. Este paquete
permite acceder a distintas bases de datos, así como Fuente: http://nwb.cns.iu.edu/Docs
/NWB_VisualizingTree.pdf
también archivos propios (Network Workbench, 2008).
NetworkX
Es un paquete de software en lenguaje Python para la
creación, manipulación y estudio de la estructura, dinámica y
función de redes complejas, utiliza algoritmos estándar para
Fuente:
la construcción de grafos (NetworkX, 2014). https://networkx.github.io/documentati
on/latest/examples/drawing/random_g
eometric_graph.html
23
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Ontograf
Es una herramienta creada como plug-in para el software de
edición de ontologías Protege, que ayuda a navegar
interactivamente entre las relaciones de una ontología.
Soporta clases, subclases, individuos y propiedades de objeto
Fuente:
y permite filtrar nodos para mejorar la visualización (Falconer, http://protegewiki.stanfordedu/wiki/File
:Ontograf_screenshot 3.png
2013).
Oobian
Es una plataforma distribuida por Maisis que provee
búsqueda y navegación de contenidos con el fin de ofrecer
conocimiento a la organización (Maisis, 2010).
Fuente:https://www.behance.net/galle
ry/4467573/OOBIAN
Otter
Es una herramienta para visualizar redes de datos en forma
de grafos en cualquier formato mediante diversos algoritmos
de presentación, Otter tiene la capacidad de manejar grafos
Fuente:
extensos con uso eficiente de memoria (Huffaker et al., 1999). http://www.caida.org/tools/visualization
/otter/paper/
OWL2Prefuse
Es un paquete que permite crear grafos y diagramas de árbol
a partir de ontologías. Convierte la estructura de un archivo
OWL en estructura Prefuse para utilizarlo en aplicaciones
semánticas (Borsie & Giles, 2014).
Fuente:
http://owl2prefuse.sourceforge.net/
RDF Gravity
Es una herramienta para visualizar ontologías y grafos en
formatos RDF y OWL, ofrece características de visualización,
filtros locales y globales, búsquedas de texto completo y
consultas en lenguaje RDQL, además permite visualizar Fuente:
http://semweb.salzburgresearch.at/ap
múltiples archivos RDF (Goyal & Westenthaler, 2004). ps/rdf-gravity/
24
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Relfinder
Es una herramienta que permite extraer y visualizar las
relaciones entre objetos dados en RDF, y hace estas relaciones
explorables de manera interactiva (Visual Data Web, 2012).
Fuente:http://www.visualdataweb.org/
relfinder/relfinder.php
SemaSpace
Es un editor de grafos de gran escala diseñado para desplegar
y analizar redes semánticas. Crea grafos interactivos en dos y
tres dimensiones y trabaja con redes complejas, permitiendo
incorporar imágenes, sonidos y texto (Offenhuber & Fuente:
http://residence.aec.at/didi/FLweb/
Dirmoser, 2014).
SES
Sus siglas vienen de Semantic Enhancement Server y es un
índice basado en XML de alta velocidad que permite consultar
una ontología o taxonomía en tiempo real ofreciendo
Fuente:
componentes como mapas, búsqueda en facetas, http://www.smartlogic.com/home/prod
ucts/semaphore-modules/semantic-
visualización y contenido relacionado (Smartlogic, 2012). enhancement/ses-overview
SGVizler
Es una herramienta JavaScript que grafica el resultado de
consultas en lenguaje SPARQL a partir del resultado de los
mismos. Utiliza principalmente la visualización de google,
pero también utiliza otras visualizaciones para construir sus Fuente:http://dev.data2000.no/sgvizle
r/#Screenshots
gráficas y ofrece distintos diseños visuales (Skjæveland,
2012).
SNAP
Es una librería de análisis de grafos y minería de datos dentro
de los grafos, soporta estructuras de miles de millones de
datos, y es flexible y amigable al usuario (Leskovec, 2009).
25
Capítulo 3. Visualización de Linked Data mediante Grafos ______
SocNetV
Es una herramienta para el análisis y visualización de redes
sociales, permite construir redes o grafos matemáticos, en
pocos clics o bien, cargar redes en varios formatos y
modificarlos, además permite crear redes a partir de URLs
Fuente:
(Kalamaras, 2014). http://socnetv.sourceforge.net/
SoNIA
Es un paquete de visualización dinámica y redes
longitudinales mediante nodos y arcos y sus relaciones. Opera
como una plataforma de desarrollo, pruebas y comparaciones
entre distintas técnicas de diseño tanto estáticas como
Fuente:http://web.stanford.edu/group/
dinámicas (soNIA, 2014). sonia/
The Brain
Esta herramienta permite conectar conceptos con el fin de
organizar y visualizar la información que se tiene. Se creó
originalmente con la finalidad de organizar aspectos de la
empresa y personales, pero actualmente permite operar con
Fuente:http://www.thebrain.com/produ
cts/thebrain/know-more-mind-map/
grafos de más de un millón de elementos (TheBrain, 2014).
Treebolic
Es un aplicación de Java que permite representar datos
estructurados en forma de visualización hiperbólica de forma
dinámica e interactiva (Treebolic, 2014).
Fuente:http://treebolic.sourceforge.net
/
Tulip
Es un software de visualización y análisis de estructuras de
datos ya existentes, entre sus características permite
navegación en dos y tres dimensiones, soporta grafos
extensos, soporta modificación de grafos, maneja clústeres o
agrupación de nodos semejantes y propiedades compartidas
Fuente:http://tulip.labri.fr/publi_tulip/au
entre grafos y es de uso libre y código abierto (Auber, 2014). berChapterTulipGDSBook.pdf
26
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Visual Browser
Es una aplicación de Java para visualizar archivos RDF en
forma de red de nodos en dos niveles de visualización: de
datos y de perspectiva del usuario y además permite
visualizar clases e instancias (Visual Browser, 2014) Fuente:http://nlp.fi.muni.cz/projekty/vi
sualbrowser/
Visuwords
Es un proyecto de código abierto que utiliza una herramienta
de visualización para mostrar las asociaciones entre palabras,
significados y conceptos existentes y relacionados con cada
palabra de entrada (Visuwords, 2014). Fuente: http://www.visuwords.com/
Vizster
Es un sistema de visualización dirigido a usuarios de servicios
de redes sociales para el descubrimiento de sus comunidades
en línea. Este sistema proporciona herramientas de búsqueda
y patrones de agrupamiento de fácil acceso (Heer & Boyd,
Fuente:http://vis.stanford.edu/jheer/pr
2005). ojects/vizster/images/community.png
VUE
Es un proyecto de código abierto desarrollado en la
Universidad de Tufts, Visual Understanding Environment se
enfoca en el manejo e integración de recursos digitales en
apoyo a la enseñanza, aprendizaje e investigación, además de
Fuente: http://vue.tufts.edu/
proveer un ambiente visual y flexible para la estructura y
presentación de la información digital (VUE, 2013).
Walrus
Es una herramienta de visualización de grafos dirigidos y
extensos de forma interactiva en espacio tridimensional en
diseño de grafo de expansión, aunque debido a su estructura,
a mayor información presenta menos efectividad de
Fuente:http://www.caida.org/tools/visu
contenido (CAIDA, 2013). alization/walrus/
27
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Wikistalker
Es un visualizador gratuito que muestra la relevancia
semántica que existe en las relaciones entre diferentes
objetos a partir de su información contenida en Wikipedia
Fuente: http://sepans.com/wikistalker/
(Sepans & Rashin, 2014).
ZGRViewer
Es un visualizador de grafos en Java que utiliza lenguaje tipo
dot. Está diseñado para manejar grafos extensos y ofrece
interface al usuario ZUI, que permite un acercamiento suave y
una fácil navegación de la estructura, esta herramienta solo Fuente:http://zvtm.sourceforge.net/zgr
viewer.html
trabaja con archivos en formato dot (ZGRViewer, 2014).
28
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Última versión: Para analizar la versión más completa de cada herramienta hasta
la fecha de su revisión, en el caso que se tenga esta información.
Punto de Entrada: Que permita acceder a los datos a través de una consulta o
palabra clave de entrada, con el fin de cargar la parte de la ontología deseada y no
extensas ontologías por completo. Puede ser en forma de texto (T), consulta de
SPARQL (S) o URI de entrada (U).
2
Ver http://en.wikipedia.org/wiki/Comparison_of_open-source_software_hosting_facilities
29
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Otter - 2008
OWL2Prefuse 1.2 2007
RDF Gravity 1.0 2004 T/S 3
Relfinder - 2012 T/U
SemaSpace - -
SES - - T
SGVizler 0.6 2013 S
SNAP 2.2 2014
SocNetV 1.5 2014 T
soNIA - -
The Brain 8.0.1.4 2014
Treebolic 2 -
30
Capítulo 3. Visualización de Linked Data mediante Grafos ______
31
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Allegrograph / Gruff
32
Capítulo 3. Visualización de Linked Data mediante Grafos ______
33
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Lodlive
34
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Relfinder
35
Capítulo 3. Visualización de Linked Data mediante Grafos ______
Por su parte, Morato, Sanchez, Ruiz, y Moreiro realizan una investigación sobre el
funcionamiento de los motores de búsqueda para la web semántica y como la
visualización gráfica mejora la recuperación de información, en base a elementos
de interactividad, filtrado y consultas. Mientras que Dadzie y Row investigan las
características de las herramientas de visualización como solución a la falta de
conocimiento técnico sobre tecnología semántica y consumo de Linked Data.
36
Capítulo 3. Visualización de Linked Data mediante Grafos ______
37
Capítulo 3. Visualización de Linked Data mediante Grafos ______
38
Capítulo 3. Visualización de Linked Data mediante Grafos ______
39
Capítulo 3. Visualización de Linked Data mediante Grafos ______
De los criterios que si fueron tomados en cuenta en la tabla 3.4, se formaron tres
clasificaciones, de acuerdo con la importancia de estos en el consumo de
40
Capítulo 3. Visualización de Linked Data mediante Grafos ______
41
Capítulo 3. Visualización de Linked Data mediante Grafos ______
42
Capítulo 3. Visualización de Linked Data mediante Grafos ______
La nueva guía será utilizada para evaluar de forma cualitativa (sí/no) el uso de las
herramientas seleccionadas, auxiliada con cifras cuantitativas que brinden peso a
la evaluación cualitativa.
43
Capítulo 4. Caso de Estudio _
Caso de Estudio
Para llevar a cabo el caso de estudio se requiere realizar pruebas con cada
herramienta seleccionada utilizando una colección real de patrimonio cultural. Una
de las colecciones más amplias es Europeana, y está construida bajo esquemas
de web semántica y linked open data, sin embargo la construcción de la
información de acuerdo a las clases y formatos especificados en el modelo de
datos no coincide estrictamente con el registro real de información de Europeana.
Inicialmente se formuló una guía como referencia para acotar los datos que se
requiere consultar de Europeana (ver Apéndice A) y se intentó extraer información
del endpoint de esta plataforma, para de esta manera evitar trabajar con el dataset
completo del proyecto, que es muy extenso para los fines deseados. Los
resultados fueron limitados y no completamente satisfactorios, principalmente
porque el formato de los datos no es consistente para todos los recursos
consultados, como puede verse en el Apéndice B de este documento, y en
segundo lugar porque algunas instancias no reflejan el modelo de clases
propuesto en la documentación de Europeana. La figura 4.1 muestra uno de los
resultados de la visualización de la información extraída, que refleja las
limitaciones de estos resultados (estas se describen a detalle en el Apéndice B), la
figura se construyó con un software de creación de grafos conocido como d3plus.
44
Capítulo 4. Caso de Estudio _
45
Capítulo 4. Caso de Estudio _
46
Capítulo 4. Caso de Estudio _
47
Capítulo 4. Caso de Estudio _
48
Capítulo 4. Caso de Estudio _
49
Capítulo 4. Caso de Estudio _
4.1 Resultados
De las cinco herramientas elegidas en el capítulo 3 (ver tabla 3.3), se llevo a cabo
una visualización del contenido de las colecciones de Patrimonio Cultural del
Tecnológico de Monterrey en cuatro de ellas. Linked Open Data Demonstrator no
se probó ya que, a diferencia de las demás, su uso no es gratuito y la evaluación
se limita al uso de herramientas de acceso libre.
4.1.1 Allegrograph
50
Capítulo 4. Caso de Estudio _
recurso a la vez por medio de la opción <Display a Node>, pero se pueden buscar
tantos recursos como se desea. El menú de opciones que ofrece es muy amplio, lo
que hace la herramienta más difícil de utilizar, mientras que la visualización es en
forma de grafo de expansión, simple, no utiliza imágenes pero agrupa las
instancias por colores, de acuerdo a la clase y hace distinción entre las
propiedades por el color del arco (ver figura 4.7), aunque en este no refleja el peso
de la relación.
51
Capítulo 4. Caso de Estudio _
La expansión de los nodos puede ser por las propiedades de salida y de entrada
por igual, la opción se encuentra dentro del menú contextual, lo que facilita
navegar entre los recursos (búsqueda con expansión a relacionados) y aunque
soporta grandes cantidades de datos, cuando la expansión de nodos es grande, la
herramienta puede tardar en responder a la petición e incluso, el grafo se vuelve
complejo (ver fig. 4.9).
52
Capítulo 4. Caso de Estudio _
En general la herramienta está muy completa, pero es muy manual, poco dinámica
y poco atractiva para visualizar contenido de patrimonio cultural, debido a la falta
de presentación visual, no muestra imágenes ni mapas en el contenido del grafo.
La ventaja es que ofrece su código fuente de manera abierta.
53
Capítulo 4. Caso de Estudio _
54
Capítulo 4. Caso de Estudio _
55
Capítulo 4. Caso de Estudio _
Además el mismo menú ofrece la opción de expandir o retraer las propiedades con
“Details” (expansión a relacionados), las cuales se complementan con datasets de
otras fuentes, la opción de iniciar una nueva visualización enfocada en el recurso
deseado con “Focus” y la capacidad de mostrar el detalle de la instancia con “Info”
(detalle sobre demanda) que incluye la consulta de SPARQL con la que se obtuvo
el resultado mostrado (fig. 4.15).
56
Capítulo 4. Caso de Estudio _
57
Capítulo 4. Caso de Estudio _
LOG es una herramienta que soporta grafos de gran escala, ya que tiene la
facilidad de mostrar u ocultar (filtrar) las propiedades que se desean. Los círculos
en verde son las propiedades no expandidas y los círculos en rojo representan a
las propiedades expandidas. La herramienta no tiene características de historia en
sí, pero cuenta con la opción de regresar el grafo hacía la forma anterior, tantas
veces como se requiera.
58
Capítulo 4. Caso de Estudio _
4.1.3 LodLive
59
Capítulo 4. Caso de Estudio _
relaciones de salida (puntos rellenos) como de entrada (puntos vacíos) (ver fig.
4.19) lo que enriquece la información que rodea a un nodo.
En la parte superior de cada nodo hay un pequeño menú que permite eliminar el
nodo de la visualización (no de la colección), expandir automáticamente todos los
nodos relacionados con el nodo de interés, abrir la liga de éste mismo, y también
redibujar el grafo enfocándose en el recurso deseado.
60
Capítulo 4. Caso de Estudio _
61
Capítulo 4. Caso de Estudio _
4.1.4 Relfinder
Por último se tiene Relfinder (ver fig. 4.24), que es una herramienta utilizada
principalmente para encontrar relaciones entre recursos, más que para explorar
recursos en sí. Por una parte, la herramienta no permite navegar entre las
colecciones para descubrir otros recursos a partir de uno, sin embargo, es muy útil
62
Capítulo 4. Caso de Estudio _
para encontrar información como distribución del material del que esta hecho el
recurso, recursos con materiales o nombres en común, fotografías de la misma
época, recursos ubicados en el mismo lugar, etc.
63
Capítulo 4. Caso de Estudio _
64
Capítulo 4. Caso de Estudio _
La entrada del visualizador es una palabra clave dentro del dataset configurado,
por ejemplo, Llave para la colección de Hierros de la Conquista. Una de las
ventajas de la herramienta es que muestra una lista de opciones a partir de la
palabra de entrada, lo cual permite elegir solo los recursos existentes en la
colección (ver fig. 4.27).
65
Capítulo 4. Caso de Estudio _
Relfinder es una herramienta de código abierto, por lo cual puede ser adaptada de
acuerdo a lo requerido y además ofrece la facilidad de integrarla en el proyecto
particular del Tecnológico de Monterrey, sin necesidad de compilar código, el
procedimiento para lograrlo se encuentra en el sitio web oficial de la herramienta3.
3
Integración de Relfinder: http://www.visua ldataweb.org/integrating.php
66
Capítulo 4. Caso de Estudio _
67
Capítulo 4. Caso de Estudio _
Lugar de la Herramienta
Prioridad
Posición 1 Posición 2 Posición 3
Alta (3) Lodlive (0.75) LOG (0.67) Allegrograph/Relfinder (0.5)
Media (2) Lodlive (0.75) Allegrograph/LOG (0.25) Relfinder (0)
Baja (1) Allegrograph (0.75) LOG/Relfinder (0.25) Lodlive (0)
En esta tabla, cada posición tiene asignados dos factores. El primero corresponde
a el numero obtenido en la Tabla 4.1 correspondiente a la casilla de “total de sí /
total de criterios” y el segundo corresponde a la casilla de prioridad. La
multiplicación de estos factores representa el resultado en cifras de la herramienta,
el cual indica la herramienta que mejor se adapta al consumo de Patrimonio
Cultural de acuerdo con la metodología de evaluación.
Al sumar los resultados para cada herramienta se puede observar que Lodlive es
la herramienta con mayor puntaje (3.75pts.), seguida por Allegrograph (2.75 pts.) y
LOG (2.75pts.) en la misma posición, y finalmente Relfinder (1.75pts.).
68
Capítulo 4. Caso de Estudio _
Las herramientas analizadas son las cuatro mejor adaptadas de un total de 40, de
acuerdo con las características y limitaciones de la colección de Hierros de la
Conquista. En general, las cuatro cumplen diferentes propósitos, por lo cual sus
características difieren de una a otra. El propósito general es encontrar la
herramienta que facilite el entendimiento del contenido de las colecciones del
Tecnológico de Monterrey aun cuando se desconozca su estructura, de manera
que pueda ser explorada por usuarios de cualquier área de conocimiento, en
cualquier lugar, y que no cuenten necesariamente con conocimiento y habilidades
en tecnología semántica. Las herramientas que se presentaron cumplen parte de
este propósito aunque pueden ser mejor adaptadas al consumo de Patrimonio
Cultural, ya que algunas de ellas ofrecen su código fuente con este fin.
69
Capítulo 4. Caso de Estudio _
Evitar usar números de puerto en los URIs para evitar que los recursos puedan
ser bloqueados por el Firewall de la red en la que se consume la información.
4
Linked Geo Data: http://datahub.io/dataset/geolinkeddata
70
Capítulo 6. Trabajo Futuro _
Capítulo 5. Conclusiones
Conclusiones
71
Capítulo 6. Trabajo Futuro _
72
Capítulo 6. Trabajo Futuro _
73
Capítulo 6. Trabajo Futuro _
74
Glosario
A Aplicación 10,27,45
Accesibilidad 1,16 Herramienta de software que da solución a una
Capacidad del software de ser usado por necesidad. Permite al usuario llevar a cabo una
personas con algún tipo de discapacidad. o varias tareas a la vez.
Acercamiento Semántico 17 B
Capacidad del software de permitir un Base de datos 1,7,13,21,31
acercamiento a los datos en el conjunto de Formato estructurado para organizar y
datos que el usuario desea. mantener información y que puede ser
fácilmente consultada.
Acervo Cultural 12
Conjunto de bienes comunes de ámbito cultural. Biblioteca Digital 1,2,5,6,7
Representación digital del contenido de una
Adaptabilidad 15 biblioteca.
Capacidad del software (etc.) de ser modificado
de acuerdo a las necesidades de quien lleva a Biblioteca Digital Semántica 2
cabo dicha modificación. Biblioteca digital con información construida
bajo estándares de tecnología semántica.
Algoritmo 22
Conjunto de reglas ordenadas para resolver un C
problema. Cadena de caracteres 11
Tipo de representación de datos compuesto por
Análisis de grafos 13,14,25 caracteres seguidos de otros.
Es el área en la cual se extrae información de
estructuras de datos en forma de redes para Capital Intelectual 7
convertirla en conocimiento mediante la teoría Es el conocimiento de una organización
de redes o grafos. Estas redes pueden ser conformado por sus individuos, es intangible
sociales, de transporte, de información, de pero representa valor para la empresa.
internet, eléctricas, biológicas, genéticas, etc.
Catalogación 38
Análisis estadístico 10 Es la parte del control bibliográfico, que
Es la parte del análisis de datos que se encarga representa la organización de la información
de recoger datos en forma de muestras y para su posterior recuperación.
obtener resultados a partir de la aplicación de la
estadística.
75
CIMI 38 DC 11,12,13,38,47
Computer Interchange of Museum Information, Principal estándar de metadatos utilizado en
Iniciativa que permite el intercambio de datos y bibliotecas y centros de documentación.
estandarización de bases de datos para los
museos. Deducción automatizada 10
Subespecialidad de la lógica computacional que
Clase 11,13,24,34,47,51,66 se encarga de simular el procesamiento del
Es un conjunto de instancias definidas por una razonamiento humano de manera automática
misma propiedad. Pueden ser conjuntos, con un enfoque interactivo guiado por el
colecciones, conceptos, tipos de objeto o tipo de humano.
cosas. Ejemplo (Clase Agent: Para agrupar
personas u organizaciones). Dominio 11,12
Valores que puede tomar el sujeto de una
Cluster 9,26 propiedad (Dominio > Propiedad > Rango).
Agrupación de datos/nodos.
Dot 28
Clustering 18 Lenguaje de programación descriptivo, diseñado
Agrupamiento de datos/nodos. para crear grafos que sean entendibles por
personas y máquinas.
Código abierto 23,29
Descripción para el software cuyo código fuente E
original está disponible para ser usado, EDM 12,13,38,44
compartido o modificado. Europeana Data Model o EDM es el nombre que
recibe el modelo de datos del proyecto
Código Fuente 29,53,58,62 Europeana para definir la estructura de la
Código formado por una lista de comandos que información que recibe, y la descripción de sus
al ser compilado conforma un programa clases y propiedades.
computacional.
Efectividad 15
CultureSampo 8 Capacidad de permitir a los usuarios de un
Proyecto de preservación de patrimonio cultural software, de completar tareas específicas y con
nacional en Finlandia que opera bajo estándares precisión.
de tecnología semántica y esquemas de
metadatos. Eficiencia 15,32
Capacidad de permitir a los usuarios de un
Cypher 23 software, de gastar cantidades apropiadas de
Lenguaje de consulta para estructuras de datos recursos en relación a la efectividad alcanzada
en formato Neo4j (base de datos de código en un contexto de uso específico.
abierto orientada a grafos).
Endpoint 29,32,37,59,63
D Punto de entrada a un servicio o proceso
Dataset 7,53,55,65,69 ofrecido.
Registro de datos del mismo tipo, almacenados
en un archivo con formato específico. Entidad 14
Representación de un objeto real que se
DBpedia 13,21,47 describe en una base de datos.
Proyecto que extrae información de wikipedia y
la ofrece en formato de linked data.
76
Escalabilidad 37,67 G
Capacidad del software de aceptar cierto GeoNames 13,21,47,70
tamaño o cantidad de recursos o configuración Es un dataset en la nube de linked data que
para adaptarse a las circunstancias contiene información sobre ubicaciones
geográficas del mundo.
Estado de madurez 14
Evolución por la que se desenvuelve una Grafo 4,5,11,13,14,19,20,32,47,55
tecnología existente. Según el hype cycle de Conjunto de nodos y arcos unidos entre sí que
Gartner puede ser: lanzamiento, pico de conforman una estructura de información
expectativa, desilusión, consolidación y representada en tripletas
productividad.
Grafo tradicional 18
Estándar 1,8,16,23 Diagrama de un grafo cuya estructura
Reglas, guías o características establecidas por representa una jerarquía por niveles en los
medio de un documento aprobado por un nodos.
cuerpo reconocido para ser utilizadas de forma
general. Grafo de expansión 18,27,32,51,65
Diagrama de un grafo cuya estructura
Estándar Semántico 2 representa nodos expandidos en el espacio sin
Estándar construido bajo esquemas de orden específico.
tecnología semántica.
Grafo en 2D 25
Estandarización 7
Diagrama de un grafo cuya estructura está
Proceso de establecer un estándar para un
representada en dos dimensiones (largo y alto).
conjunto de productos o procesos.
77
I Librería 21,31
Indexación 2 Conjunto de código y datos utilizados para el
Proceso de asignación de palabras a páginas o desarrollo de software.
sitios web utilizando metadatos que les permite
ser recuperados fácilmente con ayuda de un Linked Data 3,4,19,20,36,39,40,45
motor de búsqueda. Es una manera de publicar datos estructurados
entrelazados entre sí, para mejorar su
Individuo 13,24 utilización, mediante tecnología semántica.
Representación de los recursos de un dataset.
Cando un individuo es asignado a una clase Linked Open Data 2,3,7,8,22,40,44
recibe el nombre de Instancia. Es una forma de Linked data en la cual la
información es abierta, para compartirla sin
Instancia 14,27,44,51,56 infringir los derechos de autor y evitar
Representa al miembro de una clase y tiene almacenar la misma información en distintas
atributos asignados. fuentes confiables.
78
Minería de datos 25 OWL 9,12,24
Es un campo de la computación dedicado a la Ontoloy Web Language o Lenguaje de
extracción de información que permita ontologías para la World Wide Web, es el
descubrir patrones en datos de gran volumen. lenguaje utilizado para crear ontologías.
Operatividad 15 Prolog 20
Capacidad del software de trabajar, operar o Programa computacional para crear
funcionar de forma correcta. aplicaciones de inteligencia artificial.
ORE 12
Object Reuse and Exchange es el vocabulario Propiedad 11,12,13,24,42,47,51,58,66,70
utilizado para definir la descripción e Atributo de un recurso representado por un URI
intercambio de agregaciones de recursos web. y un significado concreto.
79
Protege 24 SPARQL 7,9,14,20,29,32,40,50,54
Software de creación y edición de ontologías Lenguaje de tecnología semántica dedicado a
creado por la Universidad de Stanford. formular consultas a la información de un
dataset construido bajo esquemas semánticos.
Protocolo 1,6
Formato o conjunto de reglas y procedimientos SPARQL endpoint 31,37,44,50
para interoperar dispositivos o programas. Acceso de un repositorio de información que
permite realizar consultas por medio de
R lenguaje SPARQL.
Rango 11,12
Valores que puede tomar el objeto de una Subclase 12,24
propiedad (Dominio > Propiedad > Rango). Es la clase que a su vez pertenece a una clase
más general.
Ranking 3,38
Clasificación por orden de prioridad de un Subpropiedad 12
conjunto de elementos evaluados. Es la propiedad que a su vez pertenece a una
propiedad más general.
Razonador 20
Herramienta deductiva en base a reglas T
diseñada para desarrollar inteligencia artificial Tasa de error 15
por parte de un programa. Porcentaje que representa la probabilidad de
error al utilizar una herramienta o software.
RDF 7,8,10,12,13,20,35,38,45
Resource Description Framework o Marco de Taxonomía 9,25
Descripción de Recursos. Es un lenguaje Estructura ordenada por medio de taxones
estándar para describir recursos formalmente anidados entre ellos.
en tecnología semántica.
Tecnología Semántica 1,2,3,5,7,8,9,13
RDFS 11,12,20 18,36,69
Lenguaje de definición de ontologías basado en Es la tecnología que contribuye al tratamiento
el esquema RDF. de la información contenida en la web, para que
sea entendida por las máquinas, así como es
RDQL 24 entendida por los humanos.
Es un lenguaje de consulta de archivos RDF
derivado de Squish. Tiempo de descarga 15
Representa el tiempo en segundos que tarda un
S paquete de software o contenido en ser
Semántica 2,3,11,12,24,34,45,46 descargado de la web.
Interpretación de los términos, y representa a lo
que tiene significado. Tipo de dato 11
Formato de representación de datos en
SKOS 11,12 programación. Puede ser: numérico, carácter,
Simple Knowledge Organization System es cadena de caracteres, etc.
vocabulario para compartir y enlazar sistemas
de conocimiento. Tripleta 10,13,38
Elemento básico de un modelo RDF conocido
Software 1,2,11,20,29 también como sentencia. Se compone de sujeto,
Representa los sistemas y programas que utiliza predicado y objeto. Indica que el sujeto tiene
una computadora para funcionar. una propiedad cuyo valor es el objeto.
80
U W
URI 7,11,13,29,50,59,70 Web 1,6,9,10,20,41
Universal Resource Identifier. Una cadena Medio de comunicación en Internet conocido
algorítmica que se usa para identificar un también como world wide web.
documento o recurso en la Web.
Web semántica 8,9,12,36,44
URL 26 Representación de una web extendida definida
Uniform Resource Locator. Sistema de con mayor significado, que permite encontrar
direccionamiento de archivos y funciones en información más exacta, con mayor rapidez y de
Internet. forma más sencilla utilizando esquemas y
lenguajes específicos.
Usabilidad 5,14,36
Es el conjunto de características que describen W3C 23
el uso de una tecnología o herramienta, dirigida World Wide Web Consortium es un consorcio
a usuarios específicos internacional encargado de crear las
recomendaciones para la world wide web.
Usuario 17,27,32,37,41,54,62
Persona o individuo que tiene la función de
utilizar una herramienta especifica.
X
XML 12,25
Usuario final 14,19,37 Extensible Markup Language, desarrollado por
Usuario que utiliza la función más general de W3C para describir información contenida en la
una herramienta específica, y por lo ismo no hay web a través de estándares y formatos para que
usuarios que utilicen la herramienta después del el usuario pueda buscar, comparar y compartir
usuario final. información en la red. El formato de XML es
muy parecido al del HTML aunque no es una
V extensión ni un componente de éste.
Verificación formal 10
Es la corrección en base a algoritmos de un Z
sistema respecto a una especificación formal o ZUI 28
propiedad usando métodos formales. Es un graficador que permite cambiar la escala
de la visualización, para ver mayor o menor
Visualización 5,14,19,20,31,36,40,50 detalle dependiendo de la preferencia del
Característica de un software de mostrar de usuario.
manera visual y en forma de diagramas,
gráficas, grafos u otros formatos, la información
contenida.
Vocabulario 11,12,13
Es una especificación en web semántica que
define los conceptos y las relaciones o términos
usados para describir y representar un área
particular.
81
Apéndice A: Guía para la extracción de información de Europeana
La siguiente guía se diseñó con el objetivo de tener una referencia con la cual
extraer información del extenso dataset de Europeana. La información que se
quiere obtener gira en torno al pintor Leonardo da Vinci que vivió durante el siglo
XV y la información más relacionada a este, como sus obras, pintores de la misma
época, ubicación de sus obras, variaciones de sus obras, y más.
GUÍA
1. Pintores de la época de Leonardo da Vinci
Ejemplo:
82
3. Obras de da Vinci ubicadas “Le musée de Louvre”
Ejemplo:
Obra I
Museo de Louvre Ubicación II
Obra XI
Obra IX Obra X
Florencia Obra IV
Obra III
Obra I Obra II Obra V
83
6. Escritos importantes del siglo XV
Ejemplo:
Leonardo da Autor II
Escrito II Escrito V
Autor III
Escrito VII
Autor IV Autor V
84
Apéndice B: Exploración de datos de Europeana
Resultado 1
Resultado 2
85
Resultado 3
Sin embargo, este resultado demuestra que las fechas relacionadas con
únicamente cuatro de los recursos con “dc:title” apuntando hacia “Leonardo da
Vinci” no coinciden con su época, por lo que estos recursos son obras y no
agentes.
Resultado 4
86
Resultado 5
Resultado 6
Resultado 7
87
de espacio) muestra la misma fecha en el mismo formato para las tres
propiedades diferentes.
Resultado 8
88
Resultado 9
89
Apéndice C: Grafo para Hierros de la Conquista
90
Apéndice D: Grafo para Fototeca
91
Apéndice E: Guía de evaluación para usuarios finales
a. El software permite usar los distintos tipos de recurso que ofrece (filtrado,
movimiento, ajustes, vistas, menús, etc.) en un tiempo apropiado.
1 2 3 4 5 6 7
b. El software permite usar los distintos tipos de recurso que ofrece (filtrado,
movimiento, ajustes, vistas, menús, etc.) en forma apropiada, con precisión y
sin problemas.
1 2 3 4 5 6 7
92
f. Considera que el contenido de la información puede ser entendido por distintos
usuarios, de diferentes lugares, con diferentes culturas.
1 2 3 4 5 6 7
1 2 3 4 5 6 7
l. Califique la satisfacción con la que utilizo los siguientes criterios del software
1 2 3 4 5 6 7
i. Zoom
1 2 3 4 5 6 7
ii. Clustering
1 2 3 4 5 6 7
93
m. Está de acuerdo con el tiempo de respuesta en la expansión de cada grafo.
1 2 3 4 5 6 7
n. La respuesta del software para cada instrucción del usuario corresponde con la
respuesta esperada por el mismo.
1 2 3 4 5 6 7
o. Comentarios:
94
Referencias
95
Christmas, R. (2014). Project Rationale. Graph INterface librarY a.k.a. GINY.
Recuperado el 4 de Diciembre de 2014 de http://csbi.sourceforge.net/
Constantine, L.L. & Lockwood, L.A.D. (1999). Software for use: A practical Guide
to the Models and Methods of Usage-Center Design.
Criado, L. (2013). Nosotros, los constructores de la Web Semántica. Cimientos:
Open Data y Linked Open Data. Publisher: Luis Criado Fernandez. ISBN:
8461605152, 9788461605156
Cytoscape Consortium. (2014). What is Cytoscape?. Cytoscape. Recuperado el
18 de Julio de 2014, de http://www.cytoscape.org/what_is_cytoscape.html
Dadzie, A. & Rowe, M. (2011) Approaches to Visualising Linked Data: A Survey.
Semantic Web Journal. 1570-0844/11
DPLA. (2014). History. Digital Public Library of America. Recuperado el 7 de Julio
de 2014 de http://dp.la/info/about/history/
Europeana Professional. (2015). Why join Europeana? A brief overview what
Europeana is, why cultural organizations should join and how. Dsiponible en:
http://pro.europeana.eu/web/guest/provide-data
Falconer, S. (2013). OntoGraf. Protégé. Recuperado el 18 de Julio de 2014, de
http://protegewiki.stanford.edu/wiki/OntoGraf
Fenfire. (2008). Everything has to do with everything else. Fenfire. Recuperado el
15 de Octubre de 2014 de http://fenfire.org
Franz Inc. (2014). AllegroGraph 4.13. Franz Inc. Recuperado el 13 de Julio de
2014, de http://franz.com/agraph/allegrograph/
Goyal, S. & Westenthaler, R. (2004). RDF Graph Visualization Tool. RDF Gravity.
Recuperado el 17 de Julio de 2014, de http://semweb.salzburgresearch.at/
apps/rdf-gravity/index.html
Graphviz. (2014). Welcome to Graphviz. Graphviz. Recuperado el 14 de Julio de
2014, de http://www.graphviz.org/
Guns, R. (2013). Tracing the origins of the semantic web. Journal Of The American
Society For Information Science & Technology, 64(10), 2173-2181.
doi:10.1002/asi.22907
96
Heath, T. & Bizer, C. (2011) Linked Data: Evolving the Web into a Global Data
Space (1st edition). Synthesis Lectures on the Semantic Web: Theory and
Technology, 1:1, 1-136. Morgan & Claypool.
Heer, J. & Boyd, D. (2005). Vizster: Visualizing online social networks.
Visualization, 2005. INFOVIS IEEE. Recuperado de http://ieeexplore.ieee.org/
xpls/abs_all.jsp?arnumber=1532126
Herman, I., Melancon, G. & Marshall, M. (2000). Graph visualization and navigation
in information visualization: A survey. Ieee Transactions On Visualization And
Computer Graphics, 6(1), 24-43.
Hillmann, H. (2005). Using Dublin Core. Dublin Core Metadata Initiative.
Recuperado el 7 de Julio de 2014 de http://dublincore.org/
documents/usageguide/
Hitzler, P., Krotzsch, M. & Rudolph, S. (2010). Foundation of Semantic Web
Technologies. Champan & Hall. Fl. US. ISBN: 978 1 4200 9050 5
Huffaker, B., Nemeth, E. & Claffy, K. (1999). Otter: A general-purpose network
visualization tool. International Networking Conference (INET) '99. Recuperado
el 4 de Diciembre de 2014 de http://www.caida.org/tools/visualization/
otter/paper/
HyperGraph (2003). Hyperbolics Graphs and Trees: Examples. Hypergraph.
Recuperado el 4 de Diciembre de 2014 de http://hypergraph.sourceforge.net/
examples.html
Hypertree (2014). Hypertree Java Library. Hypertree. Recuperado el 4 de
Diciembre de 2014 de http://hypertree.sourceforge.net/
Iconvis (2014). Visualizing data through ontologies. ICONVIS. Recuperado el 4 de
Diciembre de 2014 de http://iconvis.polito.it/iconvis
Igraph R Package. (2013). R igraph manual pages. Igraph.Recuperado el 13 de
Julio de 2014, de http://igraph.org/r/doc/aaa-igraph-package.html
Information Workbench. (2015). Linked Open Data Demonstrator. Information
Workbench. Recuperado el 20 de Octubre de 2014, de http://iwb.fluidops.com/
resource/Help:Start?view=wiki
97
ISO9241–11. (1998). Ergonomic Requirements for Office Work with Visual Display
Terminals (VDTs). Part 11: Guidance on Usability
ISO/IEC 9126. (1991). Information Technology, Software Product Evaluation,
Quality Characteristics and Guidelines for their Use.
JUNG (2010). Java Universal Network/Graph Framework: Overview. JUNG.
Recuperado el 4 de Diciembre de 2014 de http://jung.sourceforge.net/
index.html
Kalamaras, D. (2014). The SocNetV Manual. SocNetV. Recuperado el 17 de Julio
de 2014 de http://socnetv.sourceforge.net/docs/manual.html
Kirk, A. (2012). Data Visualization : A Successful Design Process. Birmingham:
Packt Pub.
Klyne, G. & Carroll, J. (2004) . Resource Description Framework (RDF): Concepts
and Abstract Syntax. Recuperado el 7 de Julio de 2014 de
http://www.w3.org/TR/2004/REC-rdf-concepts-20040210/
Krivov, S., Williams, R. & Villa, F. (2007). GrOWL: A tool for visualization and
editing of OWL ontologies. Web Semantics: Science, Services and Agents on
the World Wide Web. 5(2), 54–57. doi:10.1016/j.websem.2007.03.005
Kurtz, M. (2010). Dublin Core, DSpace, and a Brief Analysis of Three University
Repositories. Information Technology & Libraries. 29(1), 40-46.
Leskovec, J. (2009). Stanford University SNAP System. SNAP. Recuperado el 14
de Julio de 2014 de http://snap.stanford.edu/snap/
Linden, A. & Sallam, R. L. (2014) Hype Cycle for Enterprise Information
Management, 2014: Graph Analysis. Gartner Intraweb. Recuperado el 20 de
Febrero de 2015.
Linkurious (2014). The easiest way to explore graph databases. Linkurious.
Recuperado el 4 de Diciembre de 2014 de https://linkurio.us/
Lodlive. (2012). What is Lodlive. Lodlive. Recuperado el 20 de Octubre de 2014 de
http://en.lodlive.it/
Logan, D. & Knox, R. E. (2007). When to Use Semantic Technologies. Gartner
Intraweb. Recuperado el 20 de Febrero de 2015.
98
Marmotta. (2015). Apache Marmotta. The Apache Software Foundation.
Recuperado el 14 de Mayo de 2015 de http://marmotta.apache.org/index.html
Masis. (2010). Insight, Share, Logic, Connect. Oobian. Recuperado el 20 de
Octubre de 2014 de http://www.oobian.com/home/about
Mäkelä, E. & Hyvönen, E. (2011). How to deal with massively heterogeneous
cultural heritage data – lessons learned in CultureSampo. Interoperability,
Usability, Applicability. 2011 (Vol. 0).
McGuiness, D. L. & van Harmelen, F. (2004). OWL Web Ontology Language
Overview. W3C Recommendation. Recuperado el 21 de Febrero de 2015 de
http://www.w3.org/TR/owl-features/
Mnemomap (2014). About Mnemomap: What is Mnemomap?. Mnemomap.
Recuperado el 4 de Diciembre de 2014 de http://mnemomap.de/about/
Morato, J., Sánchez-Cuadrado, S., Ruiz-Robles, A. & Moreiro-González, J. (2014).
Visualización Y Recuperación De Información En La Web Semántica.
(Spanish). El Profesional De La Información. 23(3), 319-329.
doi:10.3145/epi.2014.may.12
Network Workbench. (2008). Welcome to Network Workbench: A Workbench for
Network Scientists. Network Workbench. Recuperado el 13 de Julio de 2014,
de http://nwb.cns.iu.edu/about.html
NetworkX. (2014). High-productivity software for complex networks. NetworkX.
Recuperado el 13 de Julio de 2014, de https://networkx.github.io/
Offenhuber, D. & Dirmoser, G. (2014). SemaSpace – Semantic Networks as
Memory Theatre. Recuperado el 3 de Diciembre de 2014 de
http://residence.aec.at/didi/FLweb/semaspace.pdf
Palmer, J. W. (2002). Web Site Usability, Design, and Performance
Metrics. Information Systems Research, 13(2), 151-167.
Patrimonio Cultural Tecnológico de Monterrey. (2009). Información General.
Patrimonio Cultural. Recuperado el 8 de Julio de 2014 de
http://www.patrimoniocultural.com.mx/informacion.html
Pietriga, E. (2007). A Visual Authoring Tool for RDF. Isaviz. Recuperado el 15 de
Octubre de 2014 de http://www.w3.org/2001/11/IsaViz/
99
Perez, H. (2014). Semantic Technologies for the Enterprise. Haiku Deck.Disponible
en: http://www.haikudeck.com/p/RmQJx9w2yY/semantic-technologies-for-the-
enterprise#
Schreiber, G. & Raimond, Y. (ed.). (2014). RDF 1.1 Primer. W3C Working Group
Note. Recuperado el 7 de Julio de 2014 de http://www.w3.org/TR/2014/NOTE-
rdf11-primer-20140624/
Seffah, A., Donyaee, M., Padda, H. & Kline, R. (2006). Usability measurement and
metrics: A consolidated model. Software Quality Journal, 14(2), 159-178.
Sepans & Rashin. (2014). About Wikistalker. Wikistalker. Recuperado el 20 de
Octubre de 2014 de http://sepans.com/wikistalker/#
Shneiderman, B. (1992). Designing the user interface : strategies for effective
human--computer interaction / Ben Shneiderman. Reading, Mass. : Addison-
Wesley, c1992.
Skjæveland, M. G. (2012) Sgvizler: A JavaScript Wrapper for Easy Visualization of
SPARQL Result Sets. In: 9th Extended Semantic Web Conference (ESWC
2012), workshop and demo proceedings. Heraklion, Crete, Greece.
Smartlogic. (2012). Semantic Enhancement Server. SmartLogic. Recuperado el 13
de Julio de 2014, de http://www.smartlogic.com/home/products/semaphore-
modules/semantic-enhancement/ses-overview
soNIA (2014). What is it?. Social Network Image Animator. Recuperado el 4 de
Diciembre de 2014 de http://web.stanford.edu/group/sonia/
TheBrain (2014). Know more. Map your mind. The Brain. Recuperado el 3 de
diciembre de 2014, de http://www.thebrain.com/products/thebrain/know-more-
mind-map/
Treebolic (2014). Treebolic2. Treebolic. Recuperado el 5 de Diciembre de 2014 de
http://treebolic.sourceforge.net/en/index.html
Tsakonas, G., Mitrelis, A., Papachristopoulos, L. & Papatheodorou, C. (2013). An
exploration of the digital library evaluation literature based on an ontological
representation. Journal Of The American Society For Information Science &
Technology. 64(9), 1914-1926. doi:10.1002/asi.22900.
100
Visual Browser (2014). About the application. Visual Browser. Recuperado el 4 de
Diciembre de 2014 de http://nlp.fi.muni.cz/projekty/visualbrowser/index.html
Visual Data Web. (2012). Visually Experiencing the Data Web. Visual Data Web.
Recuperado el 20 de Octubre de 2014 de http://www.visualdataweb.org/
relfinder.php
Visuwords (2014). Online Graphical Dictionary. Visuwords. Recuperado el 4 de
Diciembre de 2014 de http://visuwords.com/
VUE (2013). Visual Understanding Enviroment. Recuperado el 5 de Agosto de
2014, de http://vue.tufts.edu/
ZGRViewer (2014). What is ZGRViewer?. ZGRViewer. Recuperado el 5 de Agosto
de 2014, de http://zvtm.sourceforge.net/zgrviewer.html
101