Heute hat übrigens das Linked Data London Meetup stattgefunden, Hashtag: #linkeddata #london

Während das Semantic Web mehr und mehr im Ausland in Form von Linked Data Einzug (siehe data.gov, BBC, Slideshare) in moderne Informationsarchitekturen hält, wird hierzulande bereits darüber diskutiert wie man mit ausgefeilten Algorithmen nicht nur ein unstrukturiertes Web, sondern auch jeden Haupt- und Nebensatz der Maschine verständlich machen kann. Das soll jetzt aber auf keinen Fall die Vorträge von Dr. Klaus Holthausen und Roy Uhlmann von Qimaya diskreditieren, ich glaube nur das wir an der Reihenfolge der Entwicklung etwas ändern müssen.

Meiner Meinung nach müssen wir unseren Content noch gar nicht haarklein zerhackt in Subjekt, Prädikat und Objekt im Web auszeichnen. Was wir brauchen ist eine sinnvolle Teilmenge an Meta-Informationen im Web (und auf dem Desktop) die nicht zu einem horrenden Arbeitsaufwand führen und die ohnehin schon in einem Gros der Datenbanken strukturiert vorliegen.

Das leichtgewichtige API in Form von HTTP(S) hat sich bereits bewährt um Daten auszutauschen, die benötigten Standards wie RDF liegen schon lange parat und Firmen wie OpenLink und auch Oracle bieten die nötigen Tools an, um große Informationsmengen strukturiert vorzuhalten.

Was wir nun brauchen ist keine technische Innovation, sondern ein Wandel der Mentalität der großen Content-Anbieter und nicht zuletzt die Kreativität derer die es schaffen wollen mit den Möglichkeiten Wertschöpfung zu betreiben. Diese Kreativität kann allerdings erst dann genutzt werden wenn wir hierzulande Website-Betreiber davon überzeugen können den ersten Schritt zu tun – die Datensilos zu öffnen und diese durch eine gemeinsame Sprache miteinander sprechen zu lassen!

Frei nach Gunter Dueck: “Man muss verrückte Leute einfach machen lassen…” und ihnen dazu die richtigen Werkzeuge in die Hände drücken.

Nachdem ich meine persönlichen Highlights am vergangenen Donnerstag bereits erwähnt habe, möchte ich hier noch kurz ein Wort zu Lutz Maichers Vortrag zu den Topic Maps, sowie ein paar spannende takeaways aufzählen.

Bei Topic Maps handelt es sich um ein abstraktes XML-Modell (aus dem Jahre 1999) mit dem Ontologien zu bestimmten Themen modelliert werden können – im Gegensatz zu RDF sind Topic Maps in ihren Möglichkeiten der Modellierung allerdings strikter bzw. konkreter. Das Datenmodell besteht aus sog. Topics (jedes Topic hat einen eindeutigen Namen und existiert nur ein einziges mal) welche über eine Assoziation die, die Beziehung zweier Topics zueinander definiert oder über Occurences miteinander verbunden sind. Auf diesem Weg kann bspw. eine Person mehrere Rollen einnehmen, als Autor eines Buches oder Veranstalter eines Events – andersrum kann das Buch durch Occurences wiederum auf den Autor – also das Topic – verlinken.

Den Vorteil dieses einfachen und strikten Datenmodells haben sich Topic Maps zunutze gemacht und sind damit – besonders stark in Norwegen – zu einem pragmatischen Datenmodell (Ableitung von Navigationselementen bzw. gesamter Portale) für Web-Portale geworden. Während Topic Maps in Norwegen weit verbreitet sind – bspw. beim Internetportal der Königsfamilie – sind sie anderswo noch recht unpopulär. Wer mehr wissen will besucht die Website www.topicmapslab.de oder gleich die Konferenz im November in Leipzig!

Am Ende habe ich mir noch die folgenden Links mit nachhause genommen:

• Sebastian Hellmann über den Virtuoso Universal Server
• Das Projekt triplify – wandelt relationale Datenbanken in RDF um

Recently the agenda for this event got updated and I just discovered a really interesting topic at the conference: Informationsarchitektur in the BBC, by Claudia Urschbach! I don’t know yet what this speak will cover, but since the BBC is really progressive on their data strategy (publishing their program archive in RDF) I could imagine this will be a great one.

Related article: Building coherence at bbc.co.uk

• For the end-user, the interface is the system (Vinayak Hedge)
• “Perfect” is the enemy of “Good enough” (Greg Nyberg)
• Business Drives (Dave Muirhead)

You can order the book at Amazon or checkout the book’s website here.

Lucene community gathering in Amsterdam in March 2009

During the ApacheCon Europe 2009 there will take place a Lucene Meetup beside the venue. If you are interested in meeting Doug Cutting, Grant Ingersoll or Erik Hatcher you should check the Lucene wiki page LuceneMeetupMarch2009! I’m not sure yet wether I’m going to Amsterdam end of march!

Social Networks and Web 2.0 Papers at WWW 2009

You can find a summary of interesting papers regarding Social Networks in this post from Matthew Hurst’s Blog. Let me recommend Social Search in “Small World” Examples, Network Analysis of Collaboration Structure in Wikipedia and How Opinions are Received by Online Communities.

The registration to ApacheCon Europe 2009 (23-27 March) in Amsterdam was opened last week. I already spent some time watching the available sessions regarding Hadoop, Lucene etc., have a look…

• Hadoop Tools and Tricks for Data Processing Pipelines
• Lucene Boot Camp
• Solr Boot Camp
• Introduction To Hadoop
• Introducing Mahout: Apache Machine Learning
• Hadoop Map-Reduce: Tuning and Debugging
• Lucene Case Studies
• Pig – Making Hadoop Easy
• Advanced Indexing Techniques with Apache Lucene
• Running Hadoop in the Cloud
• Configuring Hadoop for Grid Services
• Dynamic Hadoop Clusters
• Best of breed – httpd, forrest, solr and droids

As you can see, Apache Hadoop is playing a big role this year, and cloud computing starts to take off at Apache too. Unfortunately I didn’t find any Nutch related sessions – whats happening there?

Breakfast Links 13.01.2009

* IA Konferenz 2009

I never went to this conference before and pretty happy about the location (100km from my home office) in Hamburg this year. Call for papers is not done yet but there were also interesting topics at the IA 2007 you can find here.

* Virtualization and Search: Performance Tests Summary

The answer of what I’ve ever asked myself and never tried out. The article also brought me to the public Enron email data set, wow, never heard about it so far!

Unfortunately I was not be able to attend at the ApacheCon US 2008 in New Orleans this year – way too far away from good ol’ germany! But I reviewed the given sessions on Lucene (and Solr, Mahout, Tika) afterwards the conference to get some inspiration. Some comments on it:

* Advanced Indexing Techniques with Apache Lucene (Michael Busch)

Detailled presentation about Indexing capabilities of Apache Lucene and a very interesting part on how to use Token Payloads and POS-Tagging with the new TokenStream API.

* Apache Solr: Out of the Box (Chris Hostetter)

Introduction to Solr from installation and administration (Admin Console, Luke), querying (Facets, Highlighting) and configuration (Analyzers, Multiple Indexes, Replication).

* Introducing Mahout: Apache Machine Learning (Grant Ingersoll)

Already posted this session in my recent Breakfast Links. A nice presentation about what Machine Learning stands for and the approach of Mahout.

* Apache Solr: Beyond the Box (Chris Hostetter)

Presentation about Solr’s history and real world examples such like Geo search.

* Content analysis for ECM with Apache Tika (Paolo Mottadelli)

Impressive and extensive presentation about Apache Tika and its Alfresco integration for content extraction.

Breakfast Links 12.11.2008

* Search 2009: The Arnold Boye08 Lecture

Stephen Arnold from Beyond Search about his speech in Aarhus, Denmark at the JBoye08. Stephen pointed out major trends of the enterprise search industry, gave 5 examples of important companies (Clearwell Systems, Coveo, Exalead…) in the field and showed off the importance of Microsoft SharePoint in the business. He even published his lecture on the speech in his blog post – you should read it! Again I really appreciate Stephen Arnold’s ideas and how he acutally shares it!

* Tao and the Art of Search: Yin Yang and TF-IDF

A nice explanation of the TF-IDF concept in search. Keep it, the day will come when you have to explain TF-IDF for n-th time

Breakfast Links 30.10.2008

* Disturbing Data, Possible Parallel for Search

Stephen Arnold about parallels from the “beyond search” business today to the crisis in the semiconductor field in 2001 regarding to this article. In my opinion this sentiment is not applicable to the market in Germany (and maybe Europe) since we’re just touching the tip of the iceberg in the development of “beyond search” products!

* ApacheCon Europe 2009: Call for Papers Closed

Call for papers for the ApacheCon Europe 2009 (23-27 March) is closed. Proposals are getting reviewed in early november. Lets see wether it makes sense to go to Amsterdam next year!