Aktivitäten

Meine Sites Meine Sites

Es wurden keine Sites gefunden.
Es wurden keine Sites gefunden.
no-sites-were-found

Informácie z oblasti záujmov = Opendata Informácie z oblasti záujmov = Opendata

Zurück

Štúdia Open Data Node

Kontext a východiská

Cieľom bolo navrhnúť jednoduchý a autonómny systém, ktorý zbiera, spracúva, uchováva, prezentuje a poskytuje dokumenty (a metadáta k nim) - to všetko na technologicky neutrálnom základe, na princípe otvorenej architektúry a použitím otvorených štandardov pre čo najväčšiu a najjednoduchšiu použiteľnosť.

Štúdia v súčasnosti prešla do štádia realizície v rámci výskumného programu FP7 v projekte COMSODE a aktuálne informácie o Open Data Node môžete nájsť na adrese http://opendatanode.org/ .

Big Picture

Pre lepšie pochopenie témy a štruktúry problému načrtneme celkový obraz - ideu resp. víziu riešenia ako celku.

Component Model

Meno komponentu Účel Poznámka
Data Harvester Automatická a poloautomatická aktualizácia dát Rôzne protokoly a techniky: OAI-PMH, web download, offline files, user-upload, ...
Open Data Enhancer Spracovanie vstupných dát: OCR, automatická extrakcia metadát, klasifikácia, kontextualizácia a obohatenie  
Open Data Repository Centrálne úložisko dát, metadát a indexov pre open data  
Open Data Services & API Dátové služby pre aplikácie tretej strany  
Portal & Applications Portál ako organizačný a technický nástroj pre komunity Základná funkcionalita pre vyhľadávanie a prezentáciu open data dokumentov, ...

Data Harvester

Hlavnou úlohou tohto komponentu je kŕmiť systém surovými dátami (dokumentami) na pravidelnej báze - pridávať nové aj aktualizovať staré.

  • zbiera dáta z definovaných zdrojov
    • podporuje protokoly ako OAI-PMH, HTTP/HTTPS, FTP, file-system
    • podporuje všetky bežné obrazové a textové formáty (JPG, TIFF, TXT, PNG, PDF, DOC, HTML, XML, ...)
  • robí základnú validáciu, transformáciu a konverziu do mediačných (výmenných, pracovných) formátov
  • definuje (pridáva) technické a organizačné metadáta - zdroj, čas zberu, pôvodcu, formát, veľkosť, ...
  • scheduler pre naplánovanie (pravidelného) zberu dát, pre každý zdroj
  • umožňuje jednorázový, okamžitý zber

Open Data Enhancer

Komponent má zo vstupného dokumentu získať maximálne množstvo relevantných informácií (metadát) a vyhodnotiť ich kvalitu (úplnosť, presnosť, relevanciu, ...)

  • ak ide o netextový dokument, pokúsi sa rozpoznať textovú zložku (subkomponent OCR)
  • klasifikuje dokument podľa typu (obsahu), napr. zmluva, faktúra, ...
  • v texte dokumentu (aj získanom cez OCR) rozpozná základné (obsahové) atribúty dokumentu (podľa typu dokumentu) - ide o "text mining" a "text recognition" resp. vyťažovanie dokumentov
  • pomocou "spellcheckera" a definovaných slovníkov (registrov, autorít) doplní alebo opraví metadáta

Open Data Repository

Centrálne úložisko pre dáta, metadáta (obsahové, technické aj prevádzkové) a indexy (pre fulltextové aj fazetové vyhľadávanie). Skladá sa z

  • úložiska dát (repozitory) - uložený je priamo dokument alebo odkaz na neho
  • úložiska metadát (repozitory), napr. vo formáte RDF
  • indexačný server (podpora pre fulltext, fazety, triedenie, filtrovanie)
  • image server - podľa potreby na prípadné uloženie a poskytovanie veľkých obrazových dát

Okrem toho umožňuje

  • prideľovanie a správu jednoznačného a perzistentného ID dokumentov pre udrziavanie identity, riesenie duplicít a umožnenie vnútorných a vonkajších väzieb medzi dokumentami.
  • management & monitoring, tj. správu a údržba dát na úrovni správcu systému

Open Data Services & API

Služby a otvorené rozhrania pre podporu aplikácií tretích strán, tvorbu mashupov atd. nad všetkými spracovanými dátami v systéme.

Portal & Application

Webové používateľské rozhranie, jeho základné úlohy sú:

  • zakladne informacie o aktivite Open Data
  • sprístupniť všetky spracované dokumenty na základnej úrovni:
    • vyhľadať dokumenty - browsovaním, fulltextom, filtrovaním, vyhľadávaním podľa metadát
    • zobraziť dokumenty (a metadata) vo vhodnom pohľade - zoznam, detail, tabulka (neskor mapa, casova os, graf, ...)
  • komunitný a kolaboračný nástroj pre všetky zúčastnené strany (poskytovateľov dát, poskytovateľov aplikácií, používateľov aplikácií, prispievateľov, širokú verejnosť, ...)
  • poskytovat zakladne zoznamy a statistiky - zdroje a ich kvalita, prispievatelia, trendy, najziadanejsie/najdiskutovanejsie dokumenty, najaktivnejsie skupiny...
  • umozni spatnu vazbu na dokumenty a zdroje, vratane systemu pre opravy a doplnenie metadat (napr. crowd sourcing)

Odkazy

Automatická extrakcia metadát zo zverejňovaných dokumentov,