Ökad precision i Wikidataimport

[jroxendal]

Vissa författare som importeras som properties i wikidata hamnar på fel Q-nummer. Se t.ex

https://www.wikidata.org/wiki/Q6000899
avser https://libris.kb.se/53hkngnp282nhlp (skriver om hiphop)
men vår författare https://litteraturbanken.se/författare/MöllerD/titlar
avser
https://libris.kb.se/20dgkckl01lmd80 (översättare och litteraturvetare)

detta borde dock enkelt kunna disambigueras med librisid-referensen i vår databas, se författarjson:
https://litteraturbanken.se/api/get_authors?exclude=intro,db_*,doc_type,corpus,es_id,doc_id,doc_type,corpus_id,imported,updated,sources,intro_text,wikidata,dramawebben

{
"authorid": "MöllerD",
"authorid_norm": "MollerD",
"birth": {
"date": "1974",
"plain": "1974"
},
"full_name": "Daniel Möller",
"gender": "male",
"librisid": "20dgkckl01lmd80",
"name_for_index": "Möller, Daniel",
"pictureinfo": null,
"popularity": 102,
"searchable": true,
"show": true,
"surname": "Möller"
},

@salgo60

[salgo60]

@jroxendal Tack missa denna jag skall kolla det. Enklast är att ni bara tar bort det i Wikidata.... jag ser bara Wikidata som ett proof of concept och att det skall ge upphov till projekt med Kunskapsgrafer som Humlab startar 2023 "Sveriges Riksdag 1867–2022: Ett ekosystem av länkad öppen data" se Wikidata koppling #84

• vad dom gjorde i del ett var TEI på Riksdagstrycket och insåg att dom måste en egen kunskapsgraf

Min tanke med WD <-> Litteraturbanken är

• att matcha era personer som har LIBRISXL id
• att på sikt fundera över om vi inte kan använda Wikidata bättre dvs. att ni direkt lägger in saker där, jag lyssnade på LIBRISXL och Niklas i veckan och dom har inte ens ambitioner att validera sitt data så jag gissar KB blir nog aldrig en bra medspelare
• att alla era författare oberoende av osäkerhet finns i Wikidata men att vi övertid bygger på med information ungefär som jag testade med er GeijerstamN som i WD blir graf
• att ni skapar en egen KG som har större trovärdighet än Wikidata på sikt... dvs. det Humlab fått pengar 5 milj. av Jubileumsfonden att göra

Change Request Litteraturbanken: Önskan visa inte Show False

En önskan jag har är att när ni har show false som jag antar innebär att ingen bok finns kopplad till personen att ni inte exponerar dom. Wikidata är extremt ostrukturerat så det finns personer som skriver botar och läser in det se exempel Mix-and-Match ---> vi får enormt med städjobb tror när Litteraturbanken var nytt städade jag bort 1000 personer.... som ramlat in i Wikidata via någon okänd bot.... nu hamnar många i Mix-and-Match innan dom har böcker se idag 712 unmatched

• skapade Q116946125 "Swedish Literature Bank Author ID show false/"Visas ej" hos Litteraturbanken" för att hantera detta lite strukturerat....

Önskan 2 all felrapportering sker på GITHUB

Jag hittade ett antal Show false personer som hade böcker kopplade till sig och lite andra fel idag rapporterar jag det via Twitter och #14

Önskan att all rapportering går via GITHUB även metadata fel

Fråga @jroxendal : Är det ok kan ni förankra det med "Martin" som svarar på twitter

• även sakfel som "datum fel i artikeln" vill jag kunna rapportera och se när dom ändrats eller WD har fel

Bra mönster ORCID

• vore bra om ni för moderna författare försöker styra över dom till ORCID = Wikidata Property:P496 den växer rel. snabbt och idag har vi 2 304 052 kopplingar ex. 0000-0002-2611-4263

Navigera med WD och Histropedia

• saker jag ser saknas hos Riksarkivet SBL

• Litteraturbanken och personer i Riksdagen, vilka partier dom tillhör - källa partier är ofta boken #38 Två-kammar Riksdagen se även Humlab projekt #84

  • Histropedia Riksdagsmän enl. Wikidata som finns hos Litteraturbanken med vilket parti dom tillhör

Uppkallad efter person i Litteraturbanken

• SPARQL uppkallad efter på jorden / månen
• man kan undra varför ISOF orter inte är en kunskapsgraf modell den "Sveriges Riksdag 1867–2022: Ett ekosystem av länkad öppen data" skall leverera

Beskriven av

I Wikidata börjar vi nu ange under Beskriven av P1243 en källa som beskriver objektet se SPARQL källor som beskriver objekt kopplade till Litteraturbanken författare / tabell

[salgo60]

@jroxendal Jag skapade en Notebook som kollar LIBRIS-URI i WD med Litteraturbankens librisid / tweet till dina kollegor om att vi skriver här

• gå igenom listan
  • ambitionen på sikt att där Litteraturbanken har LIBRISXL skall Wikidata ha samma id och ha en post
    • skapas poster i Wikidata via Mix-and-Match så händer det ofta att LIBRIS id inte kommer med --> skall fångas upp av Noteboken är min tanke
  • jag tror kvaliten blir högre om Litteraturbanken lägger in posten i Wikidata direkt plus enormt bra om man kan ange källor man hittar, idag med LIBRISXL utan källor se #77-11 känns det som vi är dåliga på att skapa ett digitalt kulturarv --> mina vaga tankar 2021
  • på sikt skulle jag vilja se att det finns en Kunskapsgraf hos Litteraturbanken, dagens LIBRISXL med massa textsträngar se #77-12 kommer aldrig bli bra plus bara design beslutet att inte ha källor i en nationell bibliotekskatalog säger lite om att ambitionsnivå är låg lite modell Riksarkivet SBL vi gör som vi alltid har gjort ;-) - vägen framåt hoppas jag #Humlab visar med att skapa kunskapsgrafer med folk som kan digital humaniora
• återrapportera konstigheter efter städningen lista(se nedan)
• Litteraturbanken återkommer då fel i metadata för Show False felen är fixade så kan jag testa Show False #56
• hitta ett konsensus hur vi kommunicerar avvikelser med Litteraturbanken och förändringar dagens twitter kommunikation känns så där... helst GITHUB i detta repository
  • Show false exponeras idag och ger merjobb
  • Även detta med authorid_norm skapar dubletter med alla okända Wikidata botar som hämtar båda... testar ibland spara båda men blir inte bättre se Wikidata:Database_reports/Constraint_violations/P5101 ;-(
    • fundering tror att Mix-and-Match kan ställas in att hämta poster från en viss sida kanske vi skulle kunna skrädda sy en så vi minimerar "nua poster med" authorid_norm
  • att ert librisid är LIBRIS-XL nya (längre id) samma som Wikidata P5587
    • ni borde starta en dialog med LIBRISXL att ha persistenta identifierare för alla era författare vi ser idag hur Riksarkivet SBL underlevererar digitalt men har enormt bra med domänkunskap --> digitalt oanvändbart --> nya Humlab projektet kanske kan rädda dom lite
      • Notebook där jag försöker kollar samma som LIBRISXL <-> Litteraturbanken <-> Wikidata
        saker är som jag sa på annat ställe att Wikidata är väldigt spretigt med att saker importeras med botar, folk i princip talar inte med varandra utan man i bästa fall pingar varandra för att diskutera...
      • finns en diff där poster kopplade WD -> Litteraturbanken har oftare LIBRISXL i WIkidata än i Litteraturbanken borde kollas jag gissar att Litteraturbanken har en läxa att göra

Date	A: Litteraturbanken show	H: Littbank - LibrisXL	I: WD - Littbank - LIBRISXL
20230304	3719	2212	2715

• för att höja kvaliten hos Wikidata <-> Litteraturbanken så har vi avvikelse rapporter där bland annat Regexp kollas Fråga: Idag har vi [A-ZÄÅÖØ][a-zA-ZÅÄåäöéüæóáøèÅØÄëÖ-]+ se har ni ett bättre regexp?
  • snyggt vore om detta fanns maskinläsbart och även andra begränsningar sm instans av / yrken se vidare Property_constraints_portal /
  • Vi använder oclså SHACL ex. Runstenar i Wikidata från Litteratiurbanken EntitySchema:E290 se Wikidata:WikiProject_Schemas mer om kopplingen Runstenar Wikidata Litteraturbanken blog / föredrag 2021 LD4 - Linked data - "Rune inscriptions have unique persistent identifiers since 1750 now available in Wikidata / Wikibase, Magnus Sälgö"
    • github salgo60/Litteraturbanken_wd_runes

/Magnus
tel: 0735152802
email: [email protected]
twitter: salgo60

[salgo60]

Diff found after corrections
Notebook

1. some records at Litteraturbanken use the old libris id e.g. BrausewetterE I think we just should use the new one.
   • I have tried to report to VIAF and LIBRISXL that they have a design debt mixing them see T223259
2. 403 records in Litteraturbanken has empty librisid where WIkidata has an candidate see notebook and csv file CandidatesLittarurbankenLIBRISXL.csv / raw
3. HenriksonA has the # tag
4. CarlssonGottfrid feels like the wrong value = 22551370
5. potential duplicates
   1. LIBRISXL SPARQL - should maybe be reported to LIBRISXL....
   2. Litteraturbanken SPARQL

---

Tabell med udda poster som behöver åtgärdas

se vidare CandidatesLittarurbankenLIBRISXL.csv for poster där Wikidata har LIBRISXL kandidat

Nr	Wikidata	Litteraturbanken authorid	WD SELIBR_ID	WD librisid	Litteraturbanken libris
300	Q124497	BrausewetterE	gdsvxxs0435cbmd	241920	241920
362	Q5603107	CarlssonGottfrid	75kmmf5r0wfckc4	180383	22551370
399	Q110761155	ChytræusB	53hkddzp5558v77	46161	64jlff0q2s2gmmp
555	Q5713067	EngströmJ	64jmq7fq5h2jspj	51784	ljx0t1n43wdl7vm
556	Q5713067	EngströmJ	64jmq7fq5h2jspj	284152	ljx0t1n43wdl7vm
567	Q5800077	EricusErici	qn246mj85n434kz	226148	226148
623	Q99963520	ForsJJ	64jlp9rq25gk99r	258352	258352
662	Q5746194	FryxellF	0xbdg2gj3wj5xn5	231256	wt79czcf50q5p22
697	Q99964076	GlaserP	wt79ds3f3m7m66x	253513	253513
834	Q4542909	HenriksonA	64jlmsqq3k2tkg7	190822	64jlmsqq3k2tkg7#it
961	Q6000244	JohanMånsson	53hkn8qp4kxmqck	258351	258351
1125	Q5940195	LaureliusO	pm1358d72z3qkfr	217057	217057
1279	Q99965548	LundinA	khwztrz323ht5kd	72783	72783
1324	Q5974992	MannerfeltO	97mqvpkt2mgmqrr	321085	321085
1387	Q41406	MunchE	53hkld1p1hbsskz	208221	208221
1410	Q64025337	NathorstA	vs68cp7d036k6vf	251862	251862
1508	Q382714	OlssonAnders	sq46759b3mxspkl	212861	tr5787vc2sm1pgz
1509	Q382714	OlssonAnders	sq46759b3mxspkl	212380	tr5787vc2sm1pgz
1611	Q6066002	ReenhielmJ	1zcfjxxk55m0gzc	253247	253247
1667	Q6082497	RudbeckiusPJyngre	75kmp35r521gcmk	225383	226309
1794	Q331173	SiwertzS	53hkmp4p441gsh7	216411	216411
2000	Q1039042	TornbergCJ	qn2595h850wr0xq	321518	321518

Tabell med > 400 poster där Litteraturbanken saknar LIBRISXL men Wikidata har kandidat

se Notebook 20230304

[salgo60]

FryxellF har fått felkoppling till Wikidpedia

• Wikidata är rättat så kör om er matchning

[salgo60]

Kommunicera samma som kanske Litteraturbanken skall ha andra än LIBRISXL

Min bild av LIBRISXL är att dom borde ha alla författare som Litteraturbanken scannar in...

• status idag enl. poster i Wikidata kopplade till Litteraturbanken med antal externa identifierare

==>

• Litteraturbanken bör fundera på VIAF eller andra som har bättre täckning än LIBRISXL

  • lesson learned är att för personer vid liv idag är ORCID en bra kandidat - SPARQL Wikidata: Litteraturbanken och ORCID

    • mycket bra video Keepin 'N Sync... with wikidata ... and ORCID...and GBIF där utvecklaren av Bionomia.net delar sina erfarenheter att ha identifierare för personer som samlat in arter / slides och hur han kopplar sig med Wikidata

    

Authoritativeness is (Mostly) a Myth

Intressant reflektion att oldschools aktörer som VIAF, LIBRIS, Riksarkivet, RAÄ är mindre viktiga idag om dom inte hänger med och levererar data utan har dålig kvalitet PLUS särskilt om dom inte uppfyller min lista The Magnus list

• video vid 27:50 min The Magnus list

Försök med Riksarkivet att ha Things not strings

• se min önskan till Riksarkivet SBL att ha orcid för deras artikelförfattare - idag är det bara en "gegga" plus deras leverans av data som data obefintlig

[salgo60]

OT Notebook som checkar om bilder finns i Svenskt Porträttarkiv där WD saknar bilder

• testar med Notebook

  • hämta alla poster i WD som har Litteraturbanken koppling och saknar bild
  • gör ett API anrop till Svenskt Porträttarkiv
    • dom returnerar ett score hur bra dom tror sökningen matchar bilderna

• koden

• tweet

[lb-martin]

Hej @salgo60! Jag ber om ursäkt för den sena återkopplingen. Jag är alltså den Martin som brukar svara dig på Twitter. När det gäller felaktigheter i metadata och databasfiler kan du pinga mig på GitHub framöver! (Jag är ingen GitHub-guru, men det ger väl med sig med tiden.)