Webの全てをデータベースにするLinked Open Data（LOD）とクエリ言語SPARQLの基礎：データ資源活用の基礎（3）（1/3 ページ）
オープンデータによるデータ流通のためのLinked Open Dataの仕組みと、クエリ言語SPARQLの基本を学ぼう。マシンリーダブルな表現を活用し、Webの世界全てをデータベースとして活用するための基礎知識を紹介する。
はじめに
第2回までは、ビッグデータビジネスの新たな潮流「オープンデータ」と、企業にとっての「オープンデータ」について紹介してきました。今回は、オープンデータを使ってみたいと思っている方々を対象に、第1回で簡単に紹介したオープンデータの目指す世界である「Linked Open Data」（LOD）を実現するための要素技術の概要について、実例と共に紹介します。
LODを実現するためのデータモデル「RDF」
LODでは、データのタイトルや公開日、公開者といった情報や、あるデータが他のデータに含まれる、といった情報を構造化し、機械が処理可能にしておく必要があります。その実現には、機械が処理可能なWebリソース情報を表すためのデータモデルである「Resource Description Framework（RDF）」（注1）を使用します。RDFは、2004年から世界的な標準団体World Wide Web Consortium （W3C）によってRecommendationとして公開されているデータモデルです。Webリソースには、文書、画像、映像、音声以外にも人や動物、電車、荷物などさまざまなものが考えられます。ここでは、RDFのデータモデルについて紹介します。
注1 上綱 秀治氏によるW3Cドキュメントの和訳「RDF入門」（http://www.asahi-net.or.jp/~ax2s-kmtn/internet/rdf/rdf-primer.htmlを参照。
RDFとは
RDFのデータモデルは、リソース情報を主語（Subject）、述語（Predicate）、目的語（Object）の3つの要素（トリプル）で表します。主語には、リソースを同定するための識別子（Uniform Resource Identifier：URI）を使用します。述語には、主語と目的語の関係を同定するためのURIを使用します。目的語には、数値や文字列、日付などのリテラルか、リソースを表すURIを使用します。
URIの使用により、表現対象を明確化することができます。例えば、「東京」という表現には、「東京都」や「東京駅」などの複数の解釈がありますが、「東京都」や「東京駅」を表す個別のURIを使うことで曖昧性なく対象を表現することができます。
RDFで「東京都の人口は1340万人」を表現するには
例えば、このRDFデータモデルを用いて、「東京都」の「人口」が「1340万人」であることを表すとします。ここでは、「東京都」というリソースのURIを「http://example/prefectures/tokyo」とし、「人口」という関係を表すプロパティのURIを「http://example/properties/population」とし、「13400000」を数字のリテラルとします。
これらの対応は下の表のようになります。
| トリプルの要素 | 主語（Subject） | 述語（Predicate） | 目的語（Object） |
|---|---|---|---|
| 日本語での表現 | 東京都 | 人口 | 13400000 |
| RDFでの表現 | http://example/prefectures/tokyo | http://example/properties/population | 13400000 |
上記のリソース情報の日本語での表現を「有向ラベル付きグラフ（Directed labeled graph）」を用いると下記のように表現できます。グラフでは、リソースを楕円で、リテラルを長方形で表します。またプロパティを矢印で表し、矢印の始点に主語、終点に目的語を配置します。
上記はRDFデータモデルを用いてリソース情報を表現した一例です。Wikipedia日本語版の内容をRDFで構造化したDBpedia Japanese（注2）では、都道府県の花や、隣接している都道府県の情報、ある人物が生まれた都道府県の情報などが記述されています。詳細は「http://ja.dbpedia.org/page/東京都」にアクセスすると、下記ページのように見ることができます。
注2 DBpedia Japanese（http://ja.dbpedia.org/）
また、下記は東京都のリソース情報の一部を表したグラフです。
RDFデータのシリアル化
RDFのデータモデルに基づくトリプルのシリアル化について紹介します。シリアル化とはトリプルを特定の形式で書き出すことを指します。シリアル化の形式には、RDF/XML、RDFa、Turtle、N-Triples、RDF/JSONなどがあります。
W3Cの標準であるRDF/XMLでは、先に挙げた東京都の人口に関する情報の関係を、下記のように明記します。2〜3行目では「rdf」と「prop」という名前空間を定義しています。この定義を行っておくことで、各等号記号の右側にあるURLの代わりに、名前空間を使用できます。4〜5行目では、東京の人口が1340万人であることを表しています。
1: <?xml version="1.0"?> 2: <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" 3: xmlns:prop=" http://example/properties/"> 4: <rdf:Description rdf:about = "http://example/prefectures/tokyo"> 5: <prop:population>13400000</prop:population> 6: </rdf:Description> 7: </rdf:RDF>
人にとって比較的読み書きしやすい形式であるTurtleの場合は、次のように表されます。1〜2行目では名前空間を定義し、3行目では「東京の人口が1340万人である」ということを表しています。
1: @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>. 2: @prefix prop: <http://example/properties/>. 3: <http://example/prefectures/tokyo> prop:population 13400000.
Copyright © ITmedia, Inc. All Rights Reserved.