U okviru COST akcije1 IC1302 pod nazivom KEYSTONE (se-mantic KEYword-based Search on sTructured data sOurcEs)2 održana je druga istraživačka letnja škola pod nazivom „Keyword search in Big Linked Data“ u periodu od 18. do 22. jula 2016. godine u gradu Santjago de Kompostela u Španiji. 
Cilj škole bio je da se učesnicima predstave aktuelne teme u oblasti koja se brzo razvija, a odnosi se na pretragu velikih količina povezanih podataka (Big Linked Data) zasnovanu na ključnim rečima. Škola je namenjena uglavnom diplomiranim studentima i postdiplomcima na početku njihove akademske karijere, a organizator je bio Centar za istraživanja informacionih tehnologija3 Univerziteta Santjago de Kompostela. 
Osnovna ideja letnje škole bila je analiza i upravljanje velikim povezanim podacima što je pojedinačno uključilo teme: 
veliki podaci (Big Data), povezani podaci (Linked Data), obrada prirodnog jezika (NLP, Natural Language Processing), semantički veb (Semantic Web) i pronalaženje informacija (IR, Information Retrieval). 
Osam istaknutih predavača iz ovih oblasti pripremili su interesantan materijal, koji je javno dostupan. 
Letnju školu pohađalo je 38 učesnika iz trinaest zemalja sa tri kontinenta – Evrope, Amerike i Afrike. Letnja škola je organizovana tako da su učesnici tokom prepodneva imali priliku da čuju istaknute predavače sa različitih evropskih univerziteta, dok su u okviru popodnevnih radionica na praktičnim primerima mogli da isprobaju naučeno. 
Takođe, učesnici su imali priliku da čuju i iskustva predstavnika Hewlett Packard-a kao i firme E ~ Xenio o temi „Keyword search in Big Linked Data“.  
Laura Po, predavač na odseku za inženjerstvo Univerziteta Modena i Ređo Emilija iz Italije, govorila je o istraživanju, vizuelizaciji i postavljanju upita nad velikim skupovima povezanih podataka.  
Pre svega učesnicima je objašnjeno šta su to povezani podaci, a šta otvoreni podaci, kako se oni publikuju, kakva je njihova uloga u semantičkom vebu, nakon čega se govorilo o istraživanju i postavljanju upita nad velikim skupovima povezanih podataka. 
Posebna pažnja posvećena je SPARQL jeziku koji se koristi za postavljanje upita u cilju pretraživanja otvorenih povezanih podataka. 
Predstavljen je koncept čvorišta za podatke (DataHub), pretraživanje metapodataka o raspoloživim skupovima podataka, načini i formati preuzimanja skupova podataka, kao i korišćenje SPARQL pristupnih tačaka (SPARQL endpoint) ukoliko su navedeni uz konkretan skup. 
Istaknuta je važnost vizuelizacije povezanih otvorenih podataka i demonstriran alat LODeX sa konkretnim primerima upita i rezultujućih interaktivnih grafova.  
U nastavku letnje škole učenici su se upoznali sa osnovnim pojmovima i tehnikama vezanim za pronalaženje informacija (IR). 
Kroz sveobuhvatno i interesantno predavanje Mihaila Lupua sa Tehničkog univerziteta u Beču8 učesnicima su predočeni različiti načini evaluacije, kao i ključni kriterijumi za ocenu IR. 
Posebna pažnja posvećena je primeni statističkih metoda za proveru dobijenih rezultata. 
O toj temi govorio je i Sergej Zer sa Univerziteta Sauthempton9 koji je svojim predavanjem „Collective Intelligence: 
Crowd- sourcing Groundtruth Data for Large Scale Evaluation in Information Retrieval“, držao pažnju prisutnih od prvog do poslednjeg minuta, pokrenuvši ih pritom da se uključe u diskusiju tako što je prikazao zanimljive primere.  
Sadržajno predavanje Ženevjev Varga-Solar, istraživača iz Francuskog nacionalnog centra za naučna istraživanja,10 značajno je upotpunilo sliku o dosadašnjim dostignućima po pitanju čuvanja i obrade velikih povezanih podataka. 
Ona je posebnu pažnju posvetila trendovima u analizi velikih podataka, istraživanju podataka (data mining) i nauci o podacima (data science), kao i o specifičnostima distribuiranog modeliranja, skladištenja, prediktivne analitike, klasterovanja, obrade i istraživanja tokova podataka (stream processing & mining), deklarativnim jezicima.  
Elena Demidova sa Univerziteta Sauthempton upoznala je polaznike letnje škole sa interaktivnom pretragom velikih strukturiranih skupova podataka zasnovanom na ključnim rečima. 
Pretraga strukturiranih podataka putem ključnih reči, naspram klasičnih upitnih jezika (SQL), zahteva prethodnu pripremu podataka (indeksiranje) i prevođenje informacionih potreba korisnika u pogodan oblik. 
Dobra strana ovakvog pristupa je mogućnost postavljanja upita čak i kada šema baze podataka nije poznata, ali je nedostatak nepreciznost interpretacije informacione potrebe korisnika jer se polazni upit izražen ključnim rečima prevodi u (najverovatniji) strukturirani upit. 
Konstrukcija upita za velike baze podataka, na primer Freebase sa preko 22 miliona entiteta, 350 miliona činjenica, 7.500 relacionih tabela i oko 100 domena, zahteva efikasnu i proširivu interaktivnu konstrukciju upita koja je predstavljena teoretski i kroz primere.  
Tokom letnje škole Ranka Stanković, profesorka Rudarsko– geološkog fakulteta Univerziteta u Beogradu, održala je predavanje o jezičkim resursima. 
Posebnu pažnju profesorka Stanković posvetila je proširivanju upita i semantičkom označavanju kao načinima za unapređenje pretraživanja u smislu povećanja odziva bez gubitka preciznosti. 
Tokom predavanja polaznici su upoznati sa različitim alatima za jezičku obradu. 
U okviru radionice profesorka Stanković predstavila je do sada razvijene resurse za srpski jezik i demonstrirala njihovu primenu.  
Mauro Dragoni iz Fondacije Bruno Kesler11 poslednjeg dana predviđenog za predavanja istakao je značaj sagledavanja nekog dokumenta iz različitih uglova i prikazao nekoliko studija slučaja koje su doprinele dubljem razumevanju predstavljenih koncepata.  
Na samom kraju letnje škole usledio je možda najzanimljiviji deo kada su se učesnici združili u grupe od tri do četiri člana kako bi učestvovali u takmičenju Hackaton. 
Zadatak koji su učesnici dobili zahtevao je kako programerske veštine tako i primenu alata i znanja predstavljenih za vreme letnje škole. 
Tokom takmičenja korišćena su dva opšte poznata skupa povezanih podataka za rešavanje postavljenih problema: 
DBPedia i GeoNames. 
DBPedia je centralni repozitorijum povezanih podataka, ekstrahovan iz Vikipedije, koji opisuje više od 4,5 miliona entiteta klasifikovanih u konzistentnu ontologiju od kojih su oko 1.445.000 entiteta za osobe, 735.000 za mesta, 411.000 za umetnička dela, 241.000 za organizacije. 
Postoje verzije za 125 različitih jezika, pri čemu je ontologija za engleski jezik najveća. 
Osim linkova ka slikama, spoljnim stranama, entitetima su pridružene kategorije iz Vikipedije i YAGO ontologije, što omogućava postavljanje SPARQL upita nad podacima izvedenim iz Vikipedije. 
Brojni skupovi podataka i ontologije iz repozitorijuma DBPedia mogu se preuzeti ili im se može direktno postupati onlajn korišćenjem SPARQL pristupne tačkehttp://dbpedia.org/sparql, pretraživati po ključnim rečima korišćenjem alata DBPedia Lookup12 ili se mogu preuzeti i koristiti kao lokalni povezani podaci.  
Geografska baza podataka GeoNames13 sadrži preko deset miliona geografskih naziva i devet miliona jedinstvenih geografskih entiteta, klasifikovanih u devet klasa, označenih sa 645 markera. 
Ove klase i markeri su opisani GeoNames ontologijom14 i predefinisanim kodovima.15 Svaki element u GeoNames ima URI i odgovarajući dokument sa RDF XML podacima. 
Tako je, na primer, element za Beograd ima URI http://www.geonames.org/792680/ i odgovarajući dokument http://www.geonames.org/792680/about.rdf u kom je, osim naziva na engleskom jeziku, Beograd opisan na još 67 jezika. 
GeoNames elementi su međusobno povezani korišćenjem tri tipa geografskih relacija: podređeni, u smislu administrativnih potcelina, potom susedni, na primer susedne države i prostorno bliski, na primer naselja koje se nalaze na maloj udaljenosti. 
Tako se svim regionima u Crnoj Gori može pristupiti kada se na osnovni njen http://www.geonames.org/3194884 doda sufiks contains.rdf.  
Podatke iz GeoNames baze moguće je preuzeti i koristiti lokalno, a onlajn pristup je moguć putem korenog čvora njegove hijerarhije http: //sws.geonames.org/6295630/about.rdf i praćenjem contains relacija, ili korišćenjem veb-servisa zasnovanog na ključnim rečima. 
Konačno, može se videti da postoje linkovi od GeoNames elemenata ka Vikipediji i DBPedia-ji.  
Polaznici su dobili zadatak da koristeći repozitorijum DB-Pedia i GeoNames naprave veb-aplikaciju za: 
1) pronalaženje administrativnih oblasti pogođenih zadatim uraganom, 2) pronalaženje svih uragana koji su pogodili zadate administrativne oblasti i 3) procenjivanje kako su određene oblasti bile pripremljene za zadati uragan.  
1. U prvom scenariju korisnik treba da zada ključne reči kojima identifikuje uragan, što uključuje njegovo ime (Katrina, Emili i tako dalje) i opciono godinu (2005, 2006. i tako dalje). 
Tekst o uraganu treba pronaći u repozitorijumu DBPedia, potom ga izdvojiti, pri čemu pretraga treba da uključi apstrakt i tekst koji opisuje pogođene oblasti. 
Iz isečaka teksta potom treba izdvojiti imena administrativnih oblasti korišćenjem GeoNames baze i Standford NER17 alata za prepoznavanje imenovanih entiteta.  
2. U drugom scenariju korisnik ključnim rečima zadaje administrativnu oblast, a potom se GeoNames baza koristi za pronalaženje naselja u zadatoj oblasti, nakon čega se pretražuje DBPedia kako bi se identifikovali uragani koji su pogodili ta naselja, odnosno oblast.  
3. Treći deo je podrazumevao određivanje numeričkog indikatora kojim se ocenjuje pripremljenost neke administrativne oblasti za uragan korišćenjem podataka iz DBPedia-je (žrtve, šteta, brzina vetra, trajanje, tip i slično) i broja stanovnika u ugroženim oblastima pronađenim u prethodnom upitu. 
Potrebno je generisati rangiranje zasnovano na predloženom indikatoru.  
Jedna od strategija srpskog tima za rešavanje datog problema bila je kreiranje aplikacije koja kroz programski jezik Rython koristi sve raspoložive otvorene resurse kako bi pristupila datim podacima i obradila ih. 
Ideja je bila da nakon što korisnik odabere uragan o kome želi da sazna više informacija, sistem šalje SPARQL upit ka otvorenom API-ju DBPedia-je koji je izdvajao tekst apstrakta i tekst koji opisuje pogođene oblasti. 
Nakon toga iz rezultata prethodnog upita su izvučene pogođene oblasti i slao se novi upit ka GeoNames bazi podataka koji je vraćao informacije o svim pogođenim naseljima za datu oblast. 
Iz dobijenih resursa izdvojene su informacije poput broja stanovnika, broja žrtava, materijalne štete, brzine vetra i slično, na osnovu čega su se odredili numerički indikatori koji su prikazali spremnost neke određene administrativne oblasti za uragan. 
Ti numerički indikatori su predviđeni za kreiranje matematičkog modela i njegov vizuelni prikaz i interpretaciju.  
Poslednjeg dana letnje škole, koji je protekao u pravom takmičarskom duhu i predanom rada učesnika, predstavljena su rešenja ekipa. 
Najuspešnije rešenje je napravila ekipa studenata master i doktorskih studija iz Saragose, tako da su kao najbolja ekipa osvojili vrednu nagradu u vidu stipendije za boravak i istraživanje na Univerzitetu Santjago de Kompostela. 
Evaluacija sistema je podrazumevala procenu preciznosti i odziva sistema, brzine izvršavanja, kao i efektnosti rešenja. 
Nakon svečanog zatvaranja učesnici su imali priliku da uživaju u živopisnom gradu Santjago de Kompostela, kao i u čarima Galicije.  
Svi materijali sa letnje škole dostupni su na adresi https:// eventos.citius.usc.es/keystone.school/index.html. 
