Σημασιολογικός Ιστός RDF(S) OWL Οντολογίες

Παρουσίαση με θέμα: "Σημασιολογικός Ιστός RDF(S) OWL Οντολογίες"— Μεταγράφημα παρουσίασης:

1 Σημασιολογικός Ιστός RDF(S) OWL Οντολογίες
Pervasive Computing Research Group

2 Pervasive Computing Research Group
Ο Παγκόσμιος Ιστός Εφαρμογή του Internet Δημοσίευση εγγράφων και υπερσύνδεσμοι Δυναμικό περιεχόμενο Αναζήτηση πληροφοριών Κατανοητός μόνο από ανθρώπους (έμφαση στην παρουσίαση της πληροφορίας) Αναζήτηση πληροφορίας σε συντακτικό επίπεδο Ακόμα και η δόμησή του περιεχομένου (π.χ. XML) δεν βελτιώνει την αυτοματοποιημένη επεξεργασία και κατανόηση του Pervasive Computing Research Group

3 Pervasive Computing Research Group
Το Όραμα Sir Tim Berners-Lee: ο δημιουργός του ΠΙ και οραματιστής του Σημασιολογικού Ιστού (ΣΙ) Εισαγωγή τεχνολογιών γνώσης στον ΠΙ Ορισμός: Ο ΣΙ είναι η αναπαράσταση δεδομένων στο WWW. (W3C) The Semantic Web is an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in cooperation [1] The semantic web is about data. It’s about data processing by machines. Pervasive Computing Research Group

4 Pervasive Computing Research Group
Πλεονεκτήματα ΣΙ +Κατανόηση περιεχομένου και από μηχανές +Αυτοματοποίηση υπολογιστικών/επεξεργαστικών διαδικασιών +Διαλειτουργικότητα μεταξύ ετερογενών συστημάτων και ενοποίηση δεδομένων +Πιο «ευφυείς» υπηρεσίες και εφαρμογές +«Έξυπνη» αναζήτηση και ανάκτηση περιεχομένου Pervasive Computing Research Group

5 Pervasive Computing Research Group
Η Στοίβα του ΣΙ This is a famous ‘stack’ diagram proposed by Tim Berners Lee early on in the development of the semantic web and often referred to since. At the bottom we have the ‘primitives’ of the semantic web – URIs, which we have mentioned, and Unicode – character encoding for full internationalisation. Then we have the syntax layer – XML. XML namespaces allow the construction of different XML vocabularies, XML schema allows syntax level validation of these vocabularies. Next layer up: RDF. Note model not syntax! The ER (entity relationship) is a nod to the inspiration of relational databases to RDF. Although RDF is not a syntax, to be exported it needs a transport syntax – hence a detailed set of rules for encoding it in XML. RDF schema is a way of encoding the ‘rules’ of an RDF model. Moz (Mozilla) and Platform for Privacy Preferences (P3P) are 2 application examples that we won’t dwell on here, except to note that RDF is already having real world impact. Dublin Core is a metadata standard which is very widely used in the library world to specify base level metadata (title, author…). Tying this up with RDF gives an obvious way to bootstrap up large amounts of metadata for the semantic web. Ontology support is a level of complexity above RDF schema, we shall talk about the current main approach, OWL, later on. Logic and proof are next levels up, that is, what we have described so far is basically knowledge representation for the web. An obvious next step is inferencing, logic, reasoning…. Especially in a web world when we can’t assume that all assetions are true. Which leads onto Trust, and how we can encode, propagate, use, automatically process trust. Digital signatures are obviously an important ingredient (I can at least know that it was YOU that asserted ‘the sky is blue’) and relevant to the RDF base layers too. Note that the lowest levels in the stack are ‘enabling technologies’, the middle layers are the core RDF technologies, the upper layers are still (to a greater or lesser extent) research issues. Pervasive Computing Research Group

6 Pervasive Computing Research Group
Εφαρμογή: FOAF foaf:Person rdf:type foaf:name Michael Souris foaf:mbox <rdf:RDF xmlns:rdf=" xmlns:foaf=" <foaf:Person> <foaf:name>Michael Souris</foaf:name> <foaf:mbox /> </foaf:Person> </rdf:RDF> FOAF is a nice example of a real semantic web application. The idea to is encode your details (name, , homepage…) in RDF but ALSO to record links to people you ‘know’. Thus we can encode both useful details (think of Vcards) but also communities (so, I am more likely to trust someone I don’t know who’s a friend of my friend). Note though, that ‘knows’ does not necessarily imply ‘friend’. Also, that the transitive nature of friendship, or trust, is not guaranteed. As in the misconception “My enemy’s enemy is my friend”. Certain commercial social networking outfits (eg MovableType blogs, ecademy) use Foaf to add value to their offerings The picture is from Jim Ley’s excellent FOAFnaut, a way of visulaising FOAF communities. Foaf profiles enable us to do a number of useful, interesting and fun things. You can use foaf profiles as provenance information (trust s written by…, or take interest in articles written by… etc) You can use foaf profiles to find similar people - online dating! Or the professional alternative, find someone at a conference with compatible interests. (The idea of having an electronic ‘tag’ that lights up when someone emotionally or professionally compatible has been mooted) Find an expert is similar People have done community mapping – is a foaf community small world (see footnote)? (well, we don’t know yet, because it’s not big enough. For blogs, and for the web at large, the answer is generally ‘yes’ although I have seen dissenting studies). Finally, there’s also a nice use of foaf to illustrate RDF network effect by combining foaf profiles and RDF image co-depiction “If we knew who was depicted in an image, we could explore a Web of relationships between people that were 'co-depicted'. Two people are co-depicted if there exists some digital image that depicts them both. “ - with a fun example of linking Dan Brickley (co-author of RDF schema and general RDF guru) to Frank Sinatra Note that many of these things are done already, but the point is that by using RDF to create these profiles, they are mapped, linked together, aggregated more easily and reliably. Making the process truly web-wide for the first time. Footnote Small world is a name given to a certain type of network, an interesting diversion but one that will not detail us here. If you are interested, see And other more recent references eg (from the same site) Foaf profiles are a nice way to introduce the RDF model. Here’s a simple example consisting of 3 triples (node-arc-node, or subject-predicate-object) (all with the same subject). Note the anonymous node! The person (Michael Souris) does not have a URI! So how come the subject doesn’t need a URI? A subtle point, and it’s because Michael can be identified unambiguously by his address (we assume that 2 different individuals don’t ever share the same address, a potentially erroneous assumption of course but logically sound). The mbox property (in OWL jargon) is called an inverse functional property. The point has practical implications. If Michael needs a URI (something arbitrary like urn: a), then people wanting to say ‘I know Michael’ need to know it (or find it out). Much easier to say (“I know the person whose address is…”) because we will typically know that. Pervasive Computing Research Group

7 Resource Description Framework (RDF)
Ένα γενικό μοντέλο δεδομένων Περιγράφει ιδιότητες των πόρων και τις μεταξύ τους συσχετίσεις Η σύνταξή της είναι XML (συνήθως) Αναπαριστά κατευθυνόμενους γράφους εννοιών (RDF graphs) Pervasive Computing Research Group

8 Pervasive Computing Research Group
RDF Statement Το κύριο στοιχείο αναπαράστασης γνώσης Δυαδικές συσχετίσεις [subject] [predicate] [object] = triple Subject Predicate Object Resource Resource or Literal Resource ~ URI Literal ~ XSD Datatypes Pervasive Computing Research Group

9 RDF Statements (Graph)
Pervasive Computing Research Group

10 Pervasive Computing Research Group
RDF Statements (XML) <?xml version="1.0"?> <rdf:RDF xmlns:rdf=“…" xmlns:contact=“…"> <contact:Person rdf:about=" <contact:fullName>Eric Miller</contact:fullName> <contact:mailbox <contact:personalTitle>Dr.</contact:personalTitle> </contact:Person> </rdf:RDF> Pervasive Computing Research Group

11 Pervasive Computing Research Group
RDF Schema (RDFS) Η RDF παρέχει απλά ένα data model Οι περιγραφές πόρων συχνά θέλουμε να χρησιμοποιούν συγκεκριμένο λεξιλόγιο και κανόνες Το RDFS παρέχει τα στοιχεία μοντελοποίησης για να φτιάξουμε τέτοια λεξιλόγια Τα λεξιλόγια αυτά δομούνται σαν ιεραρχίες κλάσεων (δηλ. απλές οντολογίες) Κάθε πόρος ανήκει σε μια κλάση Δεν έχει σχέση με το XML Schema Pervasive Computing Research Group

12 Βασικά Στοιχεία RDF(S)
rdf:type, rdfs:subClassOf, rdfs:subPropertyOf, …. Pervasive Computing Research Group

13 Ορισμός Κλάσεων/Ιδιοτήτων
<rdfs:Class id=“Person”> </rdfs:Class> <rdfs:Class id=“Man”> <rdfs:subClassOf rdf:resource="#Person"/> <rdfs:Property id=“hasAge”> <rdfs:comment>A person’s age</rdfs:comment> <rdfs:domain resource=“#Person”/> <rdfs:range resource=“#AgeType”/> <rdfs:Property> Pervasive Computing Research Group

14 Pervasive Computing Research Group
Ορισμός Οντολογίας AgeType rdfs:subClassOf hasAge Teenager Person rdfs:subClassOf rdfs:subClassOf Man Woman Pervasive Computing Research Group

15 Pervasive Computing Research Group
Περιγραφή Δεδομένων Όταν υπάρχει μια οντολογία για ένα πεδίο εφαρμογής, τη χρησιμοποιούμε για να περιγράψουμε τους σχετικούς πόρους Οι πόροι αυτοί υπόκεινται στους περιορισμούς της Pervasive Computing Research Group

16 Pervasive Computing Research Group
Ο διαχωρισμός μεταξύ RDF και RDFS Pervasive Computing Research Group

17 Pervasive Computing Research Group
Οντολογία A formal, explicit specification of a shared conceptualization. (Studer 1998, original definition by Gruber in 1993) Formal: κατανοητή από μηχανές Explicit specification: ορίζει ρητά έννοιες, συσχετίσεις μεταξύ τους, ιδιότητές τους και περιορισμούς Shared: είναι «κοινώς» αποδεκτή Conceptualization: ένα αφηρημένο μοντέλο ενός φαινομένου Pervasive Computing Research Group

18 Pervasive Computing Research Group
Στιγμιότυπα Τα αντικείμενα του πεδίου εφαρμογής Ανήκουν σε κλάσεις και συσχετίζονται μεταξύ τους Μια οντολογία καθορίζει τους περιορισμούς ενός πεδίου εφαρμογής και όχι τα στιγμιότυπά του Οι γλώσσες περιγραφής οντολογιών όμως υποστηρίζουν και τη δήλωση στιγμιοτύπων κλάσεων και συσχετίσεων Pervasive Computing Research Group

19 Συμπερασμός (reasoning)
Η εξαγωγή υπονοούμενης γνώσης από υπάρχουσα ρητά εκφρασμένη (που συνήθως περιγράφεται με οντολογίες) Χρήσιμος σε πολλές εφαρμογές: Έξυπνη αναζήτηση και επερωτήσεις Έλεγχος συνέπειας (consistency checking) Κατηγοριοποίηση των στιγμιοτύπων σε κλάσεις μη ρητά δηλωμένες (classification) Ανακάλυψη κρυφών συσχετίσεων Pervasive Computing Research Group

20 Pervasive Computing Research Group
Συμπερασμός (2) Οι μηχανές συμπερασμού (reasoners) μπορούν να εφαρμόσουν συμπερασμό τόσο σε στιγμιότυπα όσο και στο σύνολο των κλάσεων Pervasive Computing Research Group

21 Pervasive Computing Research Group
OWL Γλώσσα για περιγραφή πιο σύνθετων οντολογιών (σε σχέση με RDFS) Προτυποποιημένη από το W3C Τρία είδη (OWL Lite, OWL-DL, OWL-Full) με αύξουσα εκφραστικότητα και πολυπλοκότητα στον συμπερασμό η OWL Full είναι μη αποφασίσιμη! Υπερσύνολο και συμβατή με RDF(S) Η σύνταξη της μπορεί να είναι σε RDF/XML Αλλά υπάρχουν και άλλες συντάξεις Pervasive Computing Research Group

22 Pervasive Computing Research Group
RDFS vs. OWL RDFS έχει περιορισμένη εκφραστικότητα δεν υποστηρίζει πολλούς περιορισμούς, αξιώματα κλπ. περιορισμένη δυνατότητα συμπερασμού OWL Αρκετά μεγάλη εκφραστικότητα (υποσύνολο της Λογικής Πρώτης Τάξης) Αξιώματα, περιορισμοί τιμών και πληθικότητας Καλά ορισμένη σημασιολογία  ένα OWL έγγραφο ερμηνεύεται πάντα με τον ίδιο τρόπο Pervasive Computing Research Group

23 Βασικά Στοιχεία OWL-DL (1)
RDF Schema Features: rdfs:Class, rdfs:subClassOf, rdf:Property, rdfs:subPropertyOf, … Restrictions: Restriction, allValuesFrom, someValuesFrom, maxCardinality, minCardinality, … Property Characteristics: ObjectProperty, DatatypeProperty, inverseOf, TransitiveProperty, SymmetricProperty, … Class Axioms: disjointWith, equivalentClass, … Class Expressions: unionOf, complementOf, intersectionOf, … Pervasive Computing Research Group

24 Βασικά Στοιχεία OWL-DL (2)
Class Ορίζει μια κλάση ObjectProperty Περιφράφει συσχετίσεις μεταξύ στιγμιοτύπων (αντικειμένων) κλάσεων DatatypeProperty Περιγράφει ιδιότητες στιγμιοτύπων κλάσεων Individual Ορίζει ένα συγκεκριμένο στιγμιότυπο μιας κλάσης Pervasive Computing Research Group

25 Pervasive Computing Research Group http://p-comp.di.uoa.gr
OWL syntax DL Example Description IntersectionOf C∏D Supervisor ∏ Male All Supervisors that are Male unionOf C|_|D Supervisor |_| Manager Anything that is either Supervisor or Employee allValuesFrom R.C  supervisor.Male All supervisors must be of type Male someValuesFrom R.C hasSon.Male At least one of the sons must be of type Male value R.{o} hasLocation.Athens The location property must have the value Athens minCardinality n R.C 1supervises.Employee A Supervisor supervises at least one employee maxCardinality ≤n R.C ≤1hasManager.Manager An Employee has at most one Manager Cardinality =n R.C = 1 isDependentOn.Employee A Person is dependent on exactly one Employee SubClassOf C⊑D Manager Employee A Manager is a kind of Employee DisjointClass CD Department_Task_ManagerTechnical_Task_Manager Someone cannot be a Department_Task_Manager and a Technical_Task_Manager at the same time Pervasive Computing Research Group

26 Κύκλος Ζωής Οντολογίας
Καθορίζουμε τις βασικές κλάσεις και συσχετίσεις (properties) του πεδίου μας Καθορίζουμε domain και range για τα properties Ιεραρχούμε τις κλάσεις και βάζουμε περιορισμούς στα properties Προσθέτουμε στιγμιότυπα (individuals) και τις μεταξύ τους σχέσεις Κάνουμε έλεγχο συνέπειας στο μοντέλο μας Κάνουμε classification των στιγμιοτύπων Κάνουμε επερωτήσεις για την ανακάλυψη νέας γνώσης Pervasive Computing Research Group

27 Pervasive Computing Research Group
Επερωτήσεις στον ΣΙ Γλώσσες επερωτησεων RDF RDQL, RQL, SPARQL (W3C) Μερικές μοιάζουν με SQL E.g., search top 5-10 named persons younger than 30 PREFIX foaf: < PREFIX ns: < SELECT ?name ?mbox ?age WHERE { ?x foaf:name ?name. ?x ns:age ?age . FILTER (?age < 30). OPTIONAL { ?x foaf:mbox ?mbox .} } ORDER BY ?age DESC(?name) OFFSET 5 LIMIT 10 Pervasive Computing Research Group

28 Επερωτήσεις και Συμπερασμός
Αν κάνουμε μια επερώτηση πριν εφαρμόσουμε συμπερασμό, θα πάρουμε σαν απάντηση τα δεδομένα που έχουμε ρητά εισάγει (asserted knowledge) Αν έχουμε ήδη εφαρμόσει συμπερασμό, θα πάρουμε και νέα δεδομένα που προκύπτουν με βάση τους ορισμούς της οντολογίας μας (inferred knowledge) Pervasive Computing Research Group

29 Pervasive Computing Research Group
Βιβλιογραφία [1] T. Berners-Lee, J. Handler, and O. Lassila: The Semantic Web, Scientific American, May 2001 [2] G. Antoniou and F. van Harmelen, “A Semantic Web Primer”, The MIT Press, 2004 [3] W3C Semantic Web Activity, Pervasive Computing Research Group