SAŽETAK: Četvrti letnji hakaton velikih podataka posvećen lingvističkim povezanim otvorenim podacima (4th Summer Datathon on Linguistic Linked Open Data, SD-LLOD-22 ) u okviru COST akcije NexusLinguarum održan je u Španiji u maju 2022. 
Škola je okupljala zainteresovane istraživače, profesore, studente koji su želeli da steknu ili prošire svoja znanja iz oblasti nauke o lingvističkim povezanim podacima. 
Tokom škole predstavljen je spektar tema iz oblasti povezanih podataka, od ontologija, preko integracije dokumenata, anotacije i alata za obradu teksta na prirodnom jeziku zasnovanih na povezanim podacima i	RDF-om, do smernica za generisanje RDF-a i objavljivanje jezičkih resursa kao i davanja uvida u značaj korišćenja povezanih podatak u leksikografiji i terminologiji. 
Organizator škole bio je Politehnički Univerzitet u Madridu a škola je okupila preko 50 učesnika kako iz akademskih institucija tako i iz industrije. 
KLjUČNE REČI: lingvistički povezani otvoreni podaci, analiza sentimenta, povezani podaci, RDF. 
U	okviru COST akcije NexusLinguarum održan je Četvrti letnji dan podataka o lingvističkim povezanim otvorenim podacima (4th Summer Datathon on Linguistic Linked Open Data, SD-LLOD-22 ), u Španiji, mestu Sersedilji kod Madrida u periodu od 30. maja do 3.	juna 2022. na Politehničkom univerzitetu u Madridu (Universidad Polit´ecnica de Madrid). 
COST akciju NexusLinguarum (CA18209),  finansira Evropska unija da bi se ostvarila sinergija između lingvista, informatičara, terminologa, jezičkih stručnjaka i drugih zainteresovanih istraživača širom Evrope, i kako bi se istražila i proširila oblast nauke o lingvističkim povezanim podacima (linguistic linked data) (Dojchinovski et al. 2021). 
Sadržaj škole SD-LLOD-22 sastojao se od predavanja iz oblasti povezanih podataka kako bi učesnici dobili teorijsku osnovu i upoznali se sa predmetom bavljenja i metodologijom korišćenom u ovoj oblasti. 
Potom, održane su radionice u okviru kojih su se rešavali konkretni problemi iz prakse iz različitih oblasti rada sa podacima, sa glavnim ciljem da se učesnicima iz industrije i akademske zajednice pruže praktična znanja u oblasti povezanih podataka primenjenih na lingvistiku. 
I na kraju, kroz praktičan rad na realizaciji mini projekata su učesnici radili u grupama. 
Kroz sopstvene mini projekte primenjivali su naučeno uključujući generisanje ili korišćenje lingvističkih povezanih podataka, a pomoć im je pružao jedan od nekoliko dostupnih mentora, stručnjaka za specifične teme. 
Konačni cilj je bio da se učesnicima omogući da transformišu postojeće lingvističke podatke i objave ih kao povezane podatke na vebu i da razviju aplikacije koje koriste lingvističke povezane podatke. 
Slični događaji su i ranije organizovani: 2015. i 2017. u Sersedilji (Španija) i 2019. u Dagstulu (Nemačka). 
Različiti jezički resursi poput rečnika, korpusa i baza znanja široko i otvoreno su dostupni tehnologijom povezanih podataka. 
Međutim, i dalje postoji veliki broj nepovezanih resursa koji su pohranjeni u heterogenim formatima i sa različitim šemama predstavljanja. 
Dodatno, ti resursi nemaju standardne načine programskog pristupa podacima (Application Programming Interface, API). 
Predstavljanje jezičkih resursa kao povezanih podataka ima brojne prednosti kao što su agregacija i integracija jezičkih resursa korišćenjem zajedničkog modela podataka (Resource de-scription framework, RDF), eksplicitno povezivanje, publikovanje i	pretraživanje na standardizovan način (SPARQL), poboljšano otkrivanje skupova podataka i usluga, kao i korišćenje zajedničkih rečnika za predstavljanje jezičkog sadržaja i metapodataka. 
Ukratko, povezani podaci omogućavaju lakšu pretragu jezičkih resursa, njihovu dostupnost, interpretabilnost i ponovnu upotrebljivost (Gracia et al. 2022a). 
Tokom škole, učesnici su: 1) generisali i objavili sopstvene lingvističke povezane podatke iz već postojećih izvora podataka, 2) primenjivali principe povezanih podataka i tehnologije semantičkog veba u oblasti jezičkih resursa, 3) koristili neke od najvažnijih modela koji se koriste za predstavljanje lingvističkih povezanih podataka, posebno OntoLex-Lemon (McCrae et al. 2017), 4) upoznali se sa tokovima obrade teksta na prirodnom jeziku i aplikacijama zasnovanim na povezanim podacima, 5) dobili uvid u potencijalne prednosti povezanih podataka i mogućnosti njihove primene za specifične slučajeve upotrebe. 
Predavanja u okviru škole obradila su sledeće teme: ontologije i	povezani podaci sa akcentom na OntoLex-Lemon model kao model leksikona za ontologije koji podržava RDF (Resource Description Framework) i OWL (Web Ontology Language), dve od tri fundamentalne tehnologije korišćene u okviru semantičkog veba (Gracia et al. 2022b). 
Zatim predstavljena je integracija dokumenata, anotacije i alati za obradu teksta na prirodnom jeziku zasnovani na povezanim podacima i	RDF-u koristeći Web Annotation i NIF (NLP Interchange Format) standarde 
Potom su predstavljene i smernice za generisanje RDF-a i	objavljivanje jezičkih resursa kao i značaj korišćenja povezanih podataka u leksikografiji i terminologiji 
Na kraju dat je osvrt na celokupni značaj upotrebe i primene lingvistički povezanih podataka. 
Kao što smo prethodno pomenuli, jedan aspekt škole podrazumevao je praktični rad u grupama kroz koji su učesnici kroz sopstvene mini projekte primenjivali naučeno uključujući generisanje ili korišćenje lingvistički povezanih podataka. 
Ovaj samostalni praktični rad zamišljen je tako da učesnici shodno svojim interesovanjima predlažu svoje „mini projekte“ koji su uključivali konverziju u povezane podatke postojećih skupova podataka, pri čemu su naročito podsticani mini projekti za jezike sa nedovoljno razvijenim resursima. 
Predstavnici Srbije na ovom događaju bili su studenti doktorskih studija „Inteligentni sistemi“ pri Univerzitetu u Beogradu: Tijana Radović i	Miloš Košprdić. 
Zajedno sa kolegom Martinom Alehandrom Čajom sa Univerziteta u Madridu i mentorom Sinom Ahmadijem sa Univerziteta u Bolonji radili su na projektu SD-LLOD-22 Sentimientos čiji je cilj bio da obogati, konvertuje i publikuje leksikografske podatke sa informacijama o polaritetu reči u formatu povezanih podataka. 
Za srpski jezik korišćen je leksikon Senti-Pol-sr (Stanković et al. 2022), a za nemački jezik leksikon PolArt (Klenner, Fahrni, and Petrakis 2009). 
Struktura oba leksikona je sasvim jednostavna: lema i pridružen polaritet iskazan kroz kolone pozitivno i negativno sa diskretnim vrednostima 0 i 1. 
Projekat se sastojao iz tri dela: 
1)	počevši od liste lema, prikupljeni su leksikografski podaci iz baze Dbnary (S´erasset 2012) koristeći SPARQL upite. 
Kreiran je  šablon  ontologije:  šema  leksičkih  zapisa  koja  se  sastojala od leksičkog zapisa (LexicalEntry), vrste reči (partOfSpeech), leme (lemma_label), leksičkog značenja (lexicalSense) i polariteta (hasPolar-ity), što se može videti u kodu koji sledi (plavom bojom su obeleženi delovi koji se menjaju). 
Korišćenjem predstavljenog obrasca je dalje svaki zapis iz ulaznih rečnika transformisan u RDF oblik. 
rdf_template = """   <:le_uri>  a ontolex:lexicalEntry;  lexinfo:partOfSpeech  <:pos_uri> ;      rdfs:label ’lemma_label’@language_tag;      ontolex:lexicalSense :senses_uris.           <:lemma_opinion>  marl:describesObject  <:le_uri> ;              marl:hasPolarity polarity.         """ 
2)	Da bi se proizvela takozvana ttl datoteka, podaci su dopunjeni korišćenjem SPARQL upita nad leksikonom Dbnary kako bi se preuzeo leksički zapis, vrsta reči i značenje za konkretne reči iz ulaznih rečnika. 
U nastavku prikazujemo SPARQL upit za dopunu postojećih podataka: 
query = (                  "\n"                  "	PREFIX rdfs:  <http://www.w3.org/2000/01/rdf-schema#> \n"                          "	PREFIX ontolex:  <http://www.w3.org/ns/lemon/ontolex#> \n"                                  "	PREFIX lexinfo:  <http://www.lexinfo.net/ontology/2.0/lexinfo#> \n"                                          "	\n"                                          "	SELECT ?le ?pos ?sense \n"                                          "	WHERE {\n"                                          "	?le a ontolex:LexicalEntry .\n"                                          "	?le rdfs:label \"xxxxx\"@  <language2> .\n"                                                  "	?le lexinfo:partOfSpeech ?pos.\n"                                                  "	?le ontolex:sense ?sense\n"                                                  "	}"                                                  "") 
3)	Upit se prosleđuje pristupnoj tački Dbnary, u ovom slučaju na sledeći način: 
sparql = SPARQLWrapper( "http://kaiko.getalp.org/sparql")                                                  sparql.setReturnFormat(JSON)                                                  def run_query(word, language, language_):                                                  word_query = query.replace("xxxxx", word)                                                  word_query = word_query.replace(" <language2> ", language)                                                          sparql.setQuery(word_query)                                                          return sparql.queryAndConvert()["results"]["bindings"] 
Primer leksičkog zapisa koji sadrži lemu, vrstu reči i polaritet osećanja bi u ovoj transformaciji izgledao kako je prikazano na slici 1. 
Slika 1. Primer leksičkog zapisa. 
U	ovom mini projektu korišćeni su pomenuti srpski i nemački leksikoni sentimenta i Dbnary ali se pristup može proširiti i na druge vrste leksikona. 
U	cilju integrisanja proizvedenih alata u korisničku aplikaciju, proizvedeni podaci su pohranjeni u bazu GraphDBi nad njima je napravljena mala aplikacija korišćenjem programa Java skript za pretraživanje pohranjenih podataka. 
Korišćeni i proizvedeni podaci, kao i razvijeni kod su javno dostupni, a dodatna verzija je dopunjena vrstama reči iz Srpskog morfološkog rečnika (Krstev 2008) i korišćenjem leksičke baze Leksimirka (Stanković et al. 2018). 
Datoteka Senti-Pol-sr.ttl dostupna je za direktan pristup i preuzimanje na stranici Društva za jezičke resurse i tehnologije JeRTeh, kao i za pretraživanje korišćenjem SPARQL jezika na pristupnoj tački JeRTeh-a koja je implementirana korišćenjem alata Fuseki. 
Četvrti letnji hakaton velikih podataka o lingvističkim povezanim otvorenim podacima nama kao učesnicima je bio dragocen način za povezivanje i razmenu znanja, ideja i iskustava sa istraživačima sličnih interesovanja kako iz akademskih institucija tako i iz industrije. 
Sadržaj je bio raznovrstan, sa temama koje su prilagođene znanju polaznika u različitim sekcijama, tako da smo uspeli da proširimo ranije stečena znanja i dobijemo smernice za buduća istraživanja. 
Predavanja teorijskog tipa pomogla su nam da bolje razumemo metodologiju i koncepte povezivanja, kao i šeme i	standarde reprezentacije podataka. 
Na radionicama, radom na konkretnim problemima upoznali smo se sa različitim tehnologijama u oblasti povezanih podataka. 
Sticanje znanja i veština tokom pet dana trajanja škole je omogućilo da generišemo i objavimo sopstvene lingvističke povezane podatke iz već postojećih izvora podataka, što će nam omogućiti dalja istraživanja u ovom pravcu: generisanje sličnih skupova podataka, nadgradnju kroz obogaćivanje i	proširivanje publikovanog leksikona. 
Takođe, upoznali smo se sa tokovima obrade teksta na prirodnom jeziku i aplikacijama zasnovanim na povezanim podacima i uverili se u mogućnosti njihove primene. 
Rad na mini projektu Sentimientos doprineo je obogaćenju resursa na srpskom jeziku konvertovanjem i publikovanjem liste reči sa pridruženim informacijama o vrsti reči i polaritetom u formatu povezanih podataka (u vidu ttl datoteke i na pristupnoj tački), a taj resurs se može koristiti za buduća istraživanja vezana za određivanje seintimenta teksta, ali i za objavljivanje lingvističkih podataka na sličan način 
Povezivanje leksikona sa primerima upotrebe koji bi bili publikovani u NIF formatu jedan je od prvih zadataka kojim ćemo se pozabaviti u narednom periodu. 
Predstavljeni rad je podržala COST akcija CA18209 – NexusLin-guarum “European network for Web-centred linguistic data science”. 
Autori se zahvaljuju Milošu Košprdiću na učešću u pripremi skupa podataka. 
