• Aucun résultat trouvé

Publication en Linked Open Data de données expérimentales sur la chenille processionnaire du pin

N/A
N/A
Protected

Academic year: 2021

Partager "Publication en Linked Open Data de données expérimentales sur la chenille processionnaire du pin"

Copied!
2
0
0

Texte intégral

(1)

HAL Id: hal-02811542

https://hal.inrae.fr/hal-02811542

Submitted on 6 Jun 2020

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Publication en Linked Open Data de données expérimentales sur la chenille processionnaire du pin

Sophie Aubin, Pascal Aventurier, Sylvie Cocaud, Esther Dzale, Claudine Mader

To cite this version:

Sophie Aubin, Pascal Aventurier, Sylvie Cocaud, Esther Dzale, Claudine Mader. Publication en Linked Open Data de données expérimentales sur la chenille processionnaire du pin. Atelier IN- OVIVE INtégration de sources/masses de données hétérogènes et Ontologies, dans le domaine des sciences du VIVant et de l’Environnement, Jul 2013, Lille, France. 20 p. �hal-02811542�

(2)

Publication en Linked Open Data de données expérimentales sur la chenille processionnaire du pin

Publication en Linked Open Data de données  expérimentales sur la chenille processionnaire du 

pin

Sophie Aubin1, Pascal Aventurier2, Sylvie Cocaud3, Esther Dzale1 et Claudine Mader1

1 DV-IST, INRA Centre de Versailles Grignon

{Sophie.Aubin,Esther.Dzalé,Claudine.Mader}@versailles.inra.

fr

2 ERIST- SDAR, INRA, Centre PACA Pascal.Aventurier@paca.inra.fr

3 ERIST- SDAR, INRA, Centre de Nancy Sylvie.Cocaud@nancy.inra.fr

Résumé : Forts de leurs compétences autour de la publication des résultats de la recherche, les professionnels de l’Information Scientifique et Technique (IST) ont un rôle à jouer pour amener les chercheurs à comprendre les enjeux et adhérer au mouvement d’ouverture des données de la recherche. Un groupe de la DV-IST de l’INRA propose un processus de publi - cation complet basé sur une suite d’outils standards autour des données liées (linked data) et son application à des données expérimentales d’observation.

Les données scientifiques traitées sont issues du programme ALTERPRO (stratégies de pié- geage pour la gestion de la processionnaire du pin appliquées aux Zones Non Agricoles). Ce sont des relevés d’observation issus d’une cinquantaine de sites et rassemblés dans un ta- bleur pour chaque campagne.

Le travail présenté se base sur une utilisation conjointe des principes des données liées et des standards du Web des données (RDF, OWL, SPARQL) pour structurer, documenter (à l’aide de métadonnées), et lier les données d’observation des chenilles à d’autres sources d’informa- tion (geonames, INSEE et Dbpedia) afin de les rendre accessibles, compréhensibles et réutili- sables y compris par des applications informatiques.

Les données transformées et l’ontologie sont stockées et exposées dans une triple store Open Source (Sesame) et sont accessibles par différents services (API REST, interface graphique Exhibit, requêtes SPARQL).

Le démonstrateur pourra servir à appuyer le discours à l’intention des chercheurs sur la poli- tique d’ouverture des données de la recherche initiée par l’Inra.

Références

Documents relatifs

In this paper, we present a system which makes scientific data available following the linked open data principle using standards like RDF und URI as well as the popular

A data integration subsystem will provide other subsystems or external agents with uniform access interface to all of the system’s data sources. Requested information

The given LOS GeoNames Weather service (getNearByWeather) augments a callers knowledge base with Linked Data according to the output pattern which is specified by means of a

The clustering service introduced here returns not only di↵erent cluster proposals for a given collection, but also a description of the informative content shared by the RDF

Native support to data analysis. Better data accessibility inherent to LOD presents itself as both an opportunity and a challenge. With better access, an LOD data consumer is exposed

Traditional OA systems are not as suitable for aligning LOD ontology schemas; for example, equivalence relations are limited among LOD concepts so that OA systems for LOD

In this paper, we describe Denote – our annotator that uses a structured ontology, machine learning, and statistical analysis to perform tagging and topic discovery.. A

In order to extend the idea of Information Content to measure the informativeness of resources in Linked Data and to present the IC- based ranking metric, we first describe the