Websemantik

• Wissenaquisition: Erfassen u. Strukturieren von implizitem und explizitem Wissen; „Flaschenhals des KE“
• Formalisierung: Computerverarbeitbare Modellierung u. Repräsentation des Wissens; Überbrückung der „KI-Lücke“
• Wissenverarbeitung zur Problemlösung: zB. mit Inferenzmechanismen (Reasonern) od. Expertensytemen
• Wissendarstellung (Visualisierung)

Identifikation der Aufgabe: Festlegen der Domäne, des Bereichs, Eruierung der Experten

Problembeschreibung u. Anforderungsanalyse: Herkömmliches SE Requirements Engineering problematisch f. KE - Anforderungen schwer analysierbar

keine Vorgehensmodelle in KE vorhanden

in wissensintensiven Problemdomänen für Anwender unklar, was sie vom Softwaresystem erwarten können

Anwendungsbeispiel:

    Problembeschreibung
        Anwendung zum Bestimmen von passenden Komibinationen von Wein und Essen.
    Kompetenzfragen "Wine & Food"
        Welche Weineigenschaften soll man bei Auswahl berücksichtigen?
        Welcher Wein ist rot/weiß?
        Welcher Wein passt zu Fleisch/Meerenfrüchten?
        usw..

Sammeln von Wissen:

• direkt (Experte betreibt Wissenserwerb) oder indirekt (Knowledge Engineer nutz dieverse KM-Methoden zur Wissenteilung u. Wissensentwicklung)
• Automatisiert (maschinelles Lernen)
• Modellbasiert (KW Modelle)
• Dokumentation!

Wissenserwerb ist der Flaschenhals von KE! Entscheidend für Erfolg des Systems!

Anwendungsbeispiel:

• Brainstorming
• Begriffe u. Eigenschaften
• Simple Auflistung ohne Beziehungen, Arten, Eigenschaften

Festlegen des Vokabulars (Ontologie):

• Transfer von Wissen von kognitiver Ebene auf Repräsentationsebene
• Einheitliche Darstellung des Wissens (besser Verwaltbarkeit)
• Ontology Engineering (erste Formalisierung /konzeptualisierung)

Anwendungsbeispiel:

Definition der Klassen u. deren Hierachie (Taxonomie)

Axiome (Vererbungshierarchie, Disjunktheit) und Instanzen

Wissenformalisierung (2. Formalisierung, Encoding)

Überarbeiten des Vokabulars

Auswahl eines geeigneten Repräsentationsformalismus in Hinsicht auf Syntax, Semantik u. Schlussfolgerungsmöglichkeiten des Wissens

Constraints: Kardinalitäten, Transivität, Symetrie

Anwendungsbeispiel:

• Definieren der Beziehungen/Eigenschaften (Slots) u. ihrer erlaubten Werte (Facets)
• Konkretisierunge der Konzepte

Festlegen von Bedingungen/Einschränkungen

Infererenzprozedur - Evaluierung und Test

• Validierung des erworbenen Wissens (Vollständig u. Zuverlässigkeit)
• Bei Bedarf Iteration (Schritt 2 Wissenserwerb)

Anwendungsbeispiel:

Formalisierung des Vokabulars

• Reasoning-Mechanismus zur Konsistenzprüfung
• Beantwortung der Kompentenzfragen

Implementierung der Wissensbasis in geeigneten Formalismen

Implementierung der Benutzerschnittstelle

• Abfragekomponenten
• Erklärungskomponente
• Manipulationkomponente

Graphische Sprache zur Repräsentation von Information über Ressourcen

Basis Ontologiesprache

Beschreibung von Ressourcen in Form von RDF-Anweisungen durch properties und property values

RDF-Anweisung = SPO-Tripel
resource-property-propertyvalue

zB. Kasperl - hat Freund - Petzi

Menge an RDF-Tripel --> RDF-Graph

Eindeutige Identifizierung von Resourcen via URIRefs

URI=Unique Resource Identifiers#Fragment Identifier (optional)

zB. http://ww.kasper.theater/figuren#petzi