DBpedia

A DBpedia é uma base de conhecimento de dados abertos ligados que segue a classificação das 5 estrelas ditadas por Berners-Lee (2006) e discutida na subseção 2.3.3. Ela é um esforço comunitário para extrair informações estruturadas da Wikipedia37 e tornar essas informações disponíveis na web permitindo sofisticadas consultas (AUER et al., 2007) à sua base de conhecimento, além de cobrir uma grande quantidade de áreas, sendo amplamente usada pela comunidade de pesquisa e por diversas aplicações (LEHMANN et al., 2015).

A Wikipedia, que fornece as informações da DBpedia, surgiu em 2001 e desde então cresceu exponencialmente em quantidade de artigos, sendo hoje o sexto site mais consultado

37 _{Wikipedia é uma enciclopédia livre, colaborativa, baseada na web e mantida pela Wikimedia Foundation, Inc.}

em toda web, segundo ranking do portal Alexa38. Ela se transformou num alicerce da cultura, com uma rapidez que não era esperada, talvez por conta de seu relacionamento sinergético e não planejado com o buscador Google (GLEICK, 2011). Segundo a própria Wikipedia, em 2015 ela alcançou 38 milhões de artigos em mais de 250 línguas. Ela é um dos melhores exemplos de criação de conteúdo colaborativo (LEHMANN et al., 2015). Devido à sua vulnerabilidade quanto ao vandalismo ou mesmo contribuições menos especialistas, houve um tempo, principalmente no início de sua trajetória, que ela não era recomendada por acadêmicos, jornalistas etc. Mais recentemente a Wikipedia é sustentada por uma “conspiração gigantesca” entre programas de computador e comunidades de humanos voluntários, para garantir que seus artigos sejam condizentes com a realidade (GLEICK, 2011).

Segundo a página de estatísticas da DBpedia39, em outubro de 2015 existiam 6,2 milhões de entidades da web semântica nela, sendo que 5 milhões foram devidamente classificadas usando-se ontologias consistentes. A DBpedia usa o padrão RDF para representar informações e possui 8,8 bilhões de triplas RDF. A Figura 9 representa a arquitetura da DBpedia. A infraestrutura do seu servidor (Virtuoso Universal Server) oferece aos usuários acesso aos seus dados RDF por intermédio de três canais: (1) HTML Consumers: acesso simples via páginas HTML, (2) RDF Consumers: acesso direto aos RDFs pela web, (3) SPARQL Clients: usando a linguagem de consulta SPARQL e um terminal de consulta (SPARQL Endpoint), tal como o SNORQL.

Ainda segundo a página de estatísticas da DBpedia, a ontologia usada, que é atualizada pela própria comunidade de usuários, possui 739 classes que formam uma hierarquia 2.695 propriedades obedecendo um limite máximo de níveis para que seja mantida boa visibilidade e navegabilidade. A Figura 7, da seção 2.3.3, que apresentou um grafo RDF extraído da DBpedia, possui exemplos de elementos da ontologia da DBpedia que foram usados em relações com os recursos: influenced, foundedBy, bithYear, nationality, knownFor. O projeto DBpedia está em constante evolução e possui desafios a serem vencidos. Um deles é saber lidar melhor a internacionalização, pois edições em línguas diferentes do inglês possuem uma cobertura melhor da cultura local (LEHMANN et al., 2015). Outro problema, apontado pelo próprio site da DBpedia, é a duplicação de elementos ontológicos que prejudicam a extração de informações, como no caso do local de nascimento de uma

38 _{Ranking do Portal Alexa, disponível em <http://www.alexa.com/topsites>. Acesso em 05/05/2016.}

39 _{Página de estatísticas da DBpedia, atualizada em outubro de 2015: <http://wiki.dbpedia.org/dbpedia-dataset-} version-2015-10>.

pessoa que atualmente é identificada pelos elementos ontológicos birthplace ou placeofbirth. Lenman et al. também apontam para a possibilidade da própria DBpedia servir de base para corrigir erros da sua fonte, a Wikipedia, detectando, principalmente, inconsistência de informações entre seus artigos ou até dentro do próprio artigo, por exemplo, a data da morte de uma pessoa deve ser maior que o seu nascimento.

Figura 9 – Arquitetura da DBpedia

Fonte: http://wiki.dbpedia.org/about/about-dbpedia/architecture

2.3.6 Considerações finais da seção

De modo geral, a Web Semântica foi desenvolvida para resolver: a dificuldade em responder questões práticas ou específicas, a falta de padrões e a falta de capacidade para interpretação de dados via computacional. Em função disso, a web evolui no sentido de aumentar a sua capacidade semântica, ou seja, seguir as indicações das 5 estrelas de Berners- Lee. Assim, no futuro se espera que a web seja composta majoritariamente por dado abertos ligados, disponíveis em formatos não proprietários, identificados por URIs para que sejam recuperados de forma unívoca, e efetivamente ligados de acordo com a suas relações semânticas. Um dos grandes empecilhos para essa revolução é baixa interoperabilidade, que poderá ser vencida com a efetiva adoção de ontologias que se encarregam em definir a natureza das informações e suas relações, além de classificá-las e evitar ambiguidades. As

ontologias são capazes de integrar bancos de dados heterogêneos e permitir que os sistemas informáticos funcionem de forma integrada mesmo que em diferentes interfaces.

Figura 10 – Mapa conceitual com alguns relacionamentos abordados na seção 3: Web Semântica

Fonte: Elaboração própria

Apesar de problemas detectados no Portal da Transparência e na aplicação da Lei de Acesso a Informação, discutidos na seção 2.3.2, essa iniciativa é promissora se for devidamente integrada a ideia dos dados abertos ligados, com adoção do modelo das 5 estrelas de Berners-Lee e uso de ontologias adequadas. Isso permitirá um grande avanço social, considerando que muitas ferramentas de acesso à informação poderão ser desenvolvidas em função dessa nova organização de informação e conhecimento.

O mapa conceitual da Figura 10 apresenta alguns relacionamentos importantes abordados nessa seção sobre Web Semântica, destacando, em cor alaranjada e espessura maior, alguns conceitos relevantes para a presente tese. Entre as várias proposições existentes no mapa, destacam-se aquelas que caracterizam a Web Semântica revelando seus desafios e problemas atuais e comparando-a com a web. Outras proposições explicitam o termo linked open data separando-o em dados ligados e dados abertos. Destaque para os crosslinks que revelam a interoperabilidade como um problema tanto da Web Semântica quanto para os dados abertos, e propõe o uso de ontologias e dados ligados como elementos para reduzir esse problema. Além disso, a capacidade de interpretação das informações por máquina é o foco principal da Web Semântica e também é um dos quesitos para os dados abertos.