VU Weekly AI Meeting (WAI) talk showing the current status of the CLARIN-DSS Dutch Ships and Sailors project.

1. Dutch Ships and Sailors
Victor de Boer - WAI - 17-3-2014

2. Dutch History = Maritime history

3. The problem
25+ Maritime datasets; Heterogeneous

4. • CLARIN Call 4 project (9 mo. – ends april)
– VU Hist (Matthias van Rossum)
– Huygens ING (Jur Leinenga)
– VU CS (me)
• Inventory of Maritime DBs
• Create Linked Data cloud for subset
– Link places, persons, ships, concepts, events
• Link to KB newspapers
• Reusable components
Dutch Ships and Sailors

5. 17-3-2014
Datasets on ‘ships’, ‘places’, ‘persons’
VOC Opvarenden
Dutch-Asiatic Shipping
Generale Zeemonsterrollen
Monsterrollen Noordelijke Scheepvaart
Textual historical data on ‘ship movements’, ‘events’
Historische Kranten (KB)
DSS data sources

6. Matthias van Rossum onderzocht de verhoudingen tussen Europese en
Aziatische zeelieden onder de Verenigde Oost-Indische Compagnie (1602-1795)
erg gelijkwaardig waren. Dat is in scherp contrast met de latere 19de eeuwse
situatie, toen Aziatische zeelieden in een ongelijkwaardige en soms onvrijere
positie werkten onder slechtere behandeling en beloning. Het werken onder de
VOC werd bovendien gekenmerkt door een nuchter multiculturalisme.
Matthias van Rossum – Generale
Zeemonsterrollen VOC

7. Jur Leinenga – Monsterrollen
Noordelijke provincies
Monsterrollen-database 1803-1937:
Monsterrollen zijn bemanningslijsten met naam, rang, gage, woonplaats en leeftijd
van elke zeeman aan boord, evenals de naam, het type en de grootte van het schip.
[…] voor Groningen en Friesland ligt het begin pas in de negentiende eeuw. Ze gunnen
ons een kijkje in het beroepsleven van de zeeman in de negentiende en begin
twintigste eeuw.

8. Dutch Ships and Sailors

9. Why Linked Data?

10. Why Linked Data?
gz:Mercuur
1782
gz:Buijksloot
gz:Batavia
gz:Claas Roem
voc:Claas Roem
voc:Buijksloot
1752das:Mercuur
das:Departure
das:Roem, Klaas
19-12-1780 das:Texel
das:Arrival
20-7-1781 das:Batavia
das:Voyage1
Web of Data

11. Why Linked Data?
mdb:Persoon
das:Persoon
gzmvoc:Schipper
dss:Person
foaf:Person
mdb:Begunstigde
mdb:Opvarende

12. Why Linked Data?
mdb:Schip1 mdb:Kof
mdb:scheepsType
das:ShipX das:Kofship
das:typeOfShip
dss:has_shipType
rdfs:subPropertyOf
rdfs:subPropertyOf

13. mdb:Schip1 mdb:Kof
mdb:scheepsType
das:ShipX das:Kofship
das:typeOfShip
Aat:Kof
Aat:Platbodems
skos:exactMatch
skos:exactMatch
skos:exactMatch
Why Linked Data?

14. Why Linked Data
• Heterogeneous models, one dataformat
– Link what can be linked
• Keep specificity, allow integration at project level
• Links to other sources: re-use knowledge
• Extensible
• Allow multiple levels of semantic enrichment/
normalization
– through Named Graphs
– Provenance

15. Methods
ClioPatria
XMLRDF
1. XML ingestion (OAI)
2. Direct transformation to ‘crude’ RDF
3. Interactive RDF restructuring
4. Create a metadata mapping schema
5. Align vocabularies with external sources
6. Publish as Linked Data
Amalgame
Tools
ClioPatria powered by

16. Noordelijke Monsterrollen

18. Model
mdb: aanmonstering-gron_nsm-1868-2
gzmvoc:schip-gron_nsm-1868-2-
Frouwke
gzmvoc: persoon-gron_nsm-1868-2-
Harm_Klaassens_Heins
"1868-01-21"
"66"
Frouwke
Smak
Harm
Klaassens
Heins
gzmvoc: persoonscontract-gron_nsm-
1868-2-Harm_Klaassens_Heins
"kapitein"
46

20. Conversion:
Generale Zeemonsterrollen

21. Model
gzmvoc:telling-3659-Marsseveen
gzmvoc:schip-3659-Marsseveen
gzmvoc:schipper-3659-Tollen
"NB: Ervaren onderstuurman Thomas Aldermark
(Stokholm, 32 g, Meijenberg 1734), derdewaak Pieter
Terduijn (Altena, 26 g, Opperdoes 1735)"
"5188 -> F6095"
Marsseveen
Schip
Gerrit
van der
Tollen
"21 gemeene zoldaaten"

23. gzmvoc:telling-7271-Marsseveen
gzmvoc:schip-3659-Marsseveen
"5188 -> F6095"
Marsseveen
Schip
“55 soldaten"
gzmvoc:telling-2881-Eendracht
gzmvoc:schipper-2881-Tollen
Gerrit
v.d.
Tollen

24. gzmvoc:telling-7271-Marsseveen
gzmvoc:schip-3659-Marsseveen
"5188 -> F6095"
Marsseveen
Schip
“55 soldaten"
gzmvoc:telling-2881-Eendracht
gzmvoc:schipper-2881-Tollen
Gerrit
v.d.
Tollen
?

25. Identifying ships – Robin Ponstein
• Identify ships within a dataset
– Based on: name, size, type, destinations etc.
– Background knowledge
• Gold standard fabricated by Jur Leinenga
• Base line algorithm: 74%
• How dataset specific is this task?
• Save results as separate graphs, with provenance
Date ShipName ShipType ShipSize HomePort CurrentPort Captain
1852-02-27 Alberdiena kof NULL NULL Noorwegen (N) Wolkammer Albert Augustinus
1852-07-31 Alberdina kof NULL Farmsum Friedrichstadt (D) Wolkammer Albert A.
1861-09-30 Alberdina kof 98 NULL Gdansk, Danzig (PL) Wolkammer Albert Augustinus
1870-03-08 Alberdina brik 222 NULL NULL Wolkammer Albert Augustinus
1875-09-22 Alberdina bark 309 NULL Oostzee Wolkammer Augustinus

26. Linking to Historical newspapers - Andrea Bravo Balado
• Using existing data about ships to link
to news items in a collection of
historical newspapers
• Performing limited information
extraction to enrich existing records
• Features: ship name, time intervals,
captain’s names, ship type, named
entities, keywords, background
knowledge

27. Current status
• Input data set: Noordelijke
Monsterrollen
• “Semi-supervised learning”
– Multiple versions of algorithm
– Evaluation done by expert (Jur
Leinenga)
• Current version: 94%
precision, 9.739 records have
1+ links
Example: http://purl.org/collections/nl/dss/mdb/aanmonstering-del_gem-1879-101

28. Short demo
http://semanticweb.cs.vu.nl/dss/home

29. “To do”
• Example application (map)
• Query Interface
• Provenance
– How to represent (un)certainty for graphs?
• Link records to source images
• Infrastructure @ Huygens ING
• Link to other VU hist datasources!
– DATATHON 2-4-2014!

30. DataLab
Questions?
Victor de Boer - WAI - 17-3-2014