Websemantik

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

mittels XML, zwei Varianten.

1. Subjekte mit rdf:ID

2. Subjekte mit rdf:About

RDF - Konzepte:

• rdf:Resource
• rdf:Property
• rdf:Statement

Benötigt definiertes Vokabular zum Austausch!

als gerichteter Graph darstellbar

Identifikation über URIrefs

Verkettung der Aussagen möglich

Ressourcen ohne URI

Zusammenfassung von Ressourcen als Menge od. Liste (Container)

Verschachtelung der Aussagen möglich

Subjekt (Domäne): URI, blank node

Prädikat: URI

Objekt (Bereich - range) URI, blank node, Literal

Semantische Erweiterung von RDF zur Beschreibung von RDF Resourcen z.B. rdfs:Class, rdfs:subClassOf

Verwendung mt rdf:type

keine Vorlage wie XML Schema

zusätzliche Beschreibung von Eigenschaften bwz. Resourcen

Anwendungsspezifisch!

Vokabular f. RDF-Anwendung

einfache Ontologiesprache

Ontologiesprache (fürs Web)

Entwicklung durch W3C

Formalismus für Design und Verbreitung von Ontologien

Beeinflußt von RDF, Beschreibungslogik, Framekonzepten

Sprache zur Ontologiebeschreibung und Schlussfolgerung in Ontologien -> Strukturierung und Verknüpfung von Information

• Welche Dinge gibt es?
• Wie stehen diese Dinge zu einander?

Festlegen der Aussagefähigkeit von Ontologien

Darstellung in RDF/XML Syntax und in Beschreibungslogik möglich

Vergleich Schemasprache mit DB: openWorld vs. closedWorld

Drei DIALEKTE:

• OWL-Full
• OWL-DL: eingeschränkt
• OWL-LITE: vereinfachte Verson von OWL-DL

Ontologien beschreiben Weltausschnitt

• Welche Dinge (klassen, Individuen(Concepts)) gibt es?
• Wie stehen diese in Verbindung?
• Welche Charakteristika haben die Dinge und ihre Beziehungen?
  • Eigenschaften/Beziehungen: Slots, properties
  • Beschränkungen (restrictions)

Arten:

benannt, Durchschnitt, Vereinigung, Komplementär, Aufzählungen, Beschränkungen

1. restrictions Existenzquantor (someValuesFrom, die zumindest zumindest ein Stofftier haben)

2. restrictions Allquantor (allValuesFrom, nur Stofftiere oder gar keine Freunde haben)

3. Kombination auch möglich zB.:

hatFreund someValues from Stofftier VEREINIGT hatFreund allValues from Stofftier

Einschränkung, dass Figuren Freunde haben (mindestens einen) UND das jeder dieser Freunde ein Stofftier sein muss

4. restrictions (Kardinalität): <= max, >= min, = genau..

5. restrictions (Wertzuweisung, hasValue): Individuen die (unter anderem) Stofftier Petzi als Freund haben

1. Primitive Klassen vs. definierte Klassen (siehe Grafik)

primitiv: notwendige Bedingungen, partielle Klasse

definierte: notwendige und ausreichende Bedingungen, vollstände Klasse

2. Eigenschaften (properties):

• Objekteigenschaften (Beziehungen zwischen Klassen)
• Datentyp-Eigenschaften (integer,string)
• Zuweisung von Domäne und Bereich (range) -> Beschränkung

3. Eigenschaftsausprägungen (property characteristics)

• funktional: genau ein Wert möglich
• Invers funktional: inverse Eigenschaft ist funktional
• symmetrisch: A->B => B->A
• transitiv A-> B,B -> => A->C

3. Eigenschaftsbeschränkungen (property restrictions):

• Quantoren (existenz, all)
• Kardinalität
• Wertzuweisung (hasvalue)

Arten von Klassen

• benannt: Rotwein, Weisswein, Roséwein,..
• Durchschnitt: Burgunder mit Weisswein = Weisser Burgunder
• Vereinigung: Wien = Rotwein + Weisswein + Roséwein
• Komplementär: Rotwein = Wein + !Weisswein + !Rosewein
• Anonym
• Aufzählungen: rot, weis, rose
• Primitive u. definierte Klassen

OWL - mächtige Sprache zur Beschreibung von Konzepten und ihren Beziehungen

Festlegung von Beschränkungen durch Eigenschaften und deren Ausprägungen

Baut auf RDF auf

OWL ist sichtiger Baustein fürs Semantic Web

OWL ist Vokabular-Erweiterung von RDF

OWL-Ontologien sind RDF Graphen

XML/RDF Syntax:

• OWL-Dokument = RDF-Dokument
• RDF-Dokument=OWL Full Dokument (nicht zwingend OWL-Lite od. OWL DL)

1. Angabe von Kardinalitäten (zB. Student hat genau ein Matrikelnr)

2. Bestimmen disjunkter oder äquivalenter Klassen

• Rotwein <> Weißwein
• rotwein == vin rouge == redwine --> ermöglicht Mapping/Import unterschiedlicher Ontologien.

3. Spezielle Ausprägung von Eigenschaften, zB Transitivität, Symmetrie (siehe Grafik)

RDF als Standard-Beschreibungsformat von Daten im Semantic Web

graphbasierte Abfragesprache (SQL-ähnlich)

Zugriffsprotokoll

XML Format von Abfrageergebnissen

KEINE Manipulationssprache!

Quellen:

XML-Quellen (RDF, XHTML, XML)

Verwendet Tripel - Muster zum Datenabgleich

BASE&PREFIX: URI

SELECT/ASK/DESCRIBE/CONSTRUCT

FROM

WHERE { ?subject ?predicate ? object}

optional

FILTER: regex

OPTIONAL

UNION

LIMIT & OFFSET: Ausschnitt der Ergebnismenge

Einschränkungen:

• KEINE verschachtelung
• KEINE Aggregatsfunktion
• KEINE Gruppierung
• KEINE rekursiven Abfragen

Ergebnisformat:

XML

• Wurzelelement "sparql"
• "head"
• "results"

Protokoll zur Übertragung von SPARQL Abfragen an SPARQL-Service u. Rücklieferung der Ergebnisse

Verwendet WSDL 2.0

• Interface: Sparqlquery
• Operation:Query

HTTP/SOAP Binding

1. Abfragesprache: Abfragen/Erzeugen v. RDF-Graphen

2. Ergebnisprotokoll: XML-Format f. Ergebnisse

3. Zugriffsprotokoll: Schnittstellendef. f. SPARQL Service