Dezvoltarea aplicațiilor Web (12/12): Inginerie ontologică: Alinierea ontologiilor. Şabloane de proiectare. Domenii de utilizare

inginerie ontologică – partea II

alinierea & fuziunea ontologiilor
șabloane de proiectare, domenii de utilizare

Dr. Sabin Buragawww.purl.org/net/busaco

Dezvoltarea aplicațiilor Web

/usr/games/fortune


“Este dificil să vezi un tablou
atunci când ești în interiorul ramei.”


Cum integrăm diferite ontologii
descriind aceleași cunoștințe,
dar prezentând definiții,
puncte de vedere și noțiuni diferite?

existența unor ontologii diverse,
modelând puncte de vedere diferite


realitate

Expresivitatea limbajului ontologii folosit
versus
complexitatea inferențelor ce pot fi efectuate


preliminarii

Aspecte de interes
(Calvanese, Giacomo & Rodriguez-Muro, 2008):
utilizarea construcțiilor ontologice oferite de OWL
efectuarea de inferențe


preliminarii

Aspecte de interes
recurgerea la volum mare de date (indivizi)
(re)utilizare a unor baze de date


preliminarii

Aspecte de interes
flexibilitate privind realizarea interogărilor
limbaje de interogare – specifice (SPARQL)


preliminarii

Aspecte de interes
realizarea de asocieri între date,
păstrând sursele originare
asocieri (mappings) – e.g., baze de date↔triplestores


preliminarii

Context: integrarea datelor – data integration
data integration is the problem of providing unified
and transparent access to a set of autonomous and
heterogeneous sources
Bernstein & Haas, Communications of the ACM, 2008


preliminarii

Crearea corespondențelor dintre ontologii
merging
O1

mapping

O2
O1
Om

O2

articulation


necesități

Context:
integrarea datelor
scheme de baze de date (relaționale)
specificații provenite din inteligența artificială
Web (semantic) – RDF, JSON(-LD), OWL,…


potrivirea ontologiilor

Motive ale existenței nepotrivirilor – mismatches
conform (Noy, 2005)

reprezentarea subiectivă a unui domeniu (lume, web)



exemplu:
carte pentru copii despre animale vs. compendiu zoologic

conform (Noy, 2005)

existența diferitelor cerințe și workflow-uri
privitoare la (tipuri de) aplicații software

exemplificări:
e-business vs. e-learning vs. e-entertainment,
interacțiune convențională (desktop) vs. mediu mobil/TV



conform (Noy, 2005)

folosirea altor convenții de reprezentare a cunoștințelor

a se (re)vedea și
cursul anterior



Tipuri de nepotriviri
la nivel…
de limbaj

ontologic



Nepotriviri la nivel de limbaj
diferențe de sintaxă, expresivitate sau semantică
a limbajelor ontologice actuale



Nepotriviri la nivel ontologic
diferențe vizând structura semantică
exemple: termeni diferiți definind același concept,
același termen descriind mai multe concepte,
convenții/paradigme de modelare eterogene,
puncte de vedere diferite etc.



www.aktors.org/ontology/ vs. ebiquity.umbc.edu/ontology/
scop:
modelare de cunoștințe din domeniul academic
periodice, publicații compuse vs. absolvenți, invitați


potrivirea ontologiilor – exemplu

nume diferite pentru același concept:
PhD-Student versus PhDStudent



specificare diferită a conceptelor:
Publication – restricții privitoare la citări, referințe biblio.
versus
Publication – restricții referitoare la rezumat



convenții de modelare diferite:
Journal (clasă) vs. journal (proprietate)



granularitate:
Professor-In-Academia vs. adjunct, affiliated, associate,…



convenții de modelare și nivel de detaliere:



proprietatea address compusă
din alte fragmente de informație
versus
proprietatea address de tip șir de caractere (nestructurat)


Problemă:
date la intrare ontologii – exprimate prin entități
discrete (tabele, XML, JSON, clase, proprietăți,…) –,
trebuie determinate relațiile (e.g., echivalență,
subsumare,…) care au loc între aceste entități

Problemă:
ontology matching

www.ontologymatching.org



Pavel Shvaiko & Jérôme Euzenat

Reducerea eterogenității
poate fi realizată în 2 pași



1. potrivire (match) – determinarea alinierii
la momentul proiectării sau (re)utilizării ontologiei



2. procesarea alinierii
fuzionare (merging), transformare etc.



Corespondența între O1 și O2
〈 id, e1, e2, r 〉
id = identificator unic al corespondenței

ei entitate din ontologia Oi (e.g., clasă,…), i=1,2
r = relație între e1 și e2
echivalență (=), disjuncție (⊥) etc.



Alinierea (alignment) A între O1 și O2 este
o mulțime de corespondențe peste O1 și O2
prezintă o anumită cardinalitate: 1 la 1, 1 la N etc.



Alinierea (alignment) A între O1 și O2 este
o mulțime de corespondențe peste O1 și O2
prezintă o anumită cardinalitate: 1 la 1, 1 la N etc.

pot fi atașate meta-date adiționale:
metoda de aliniere, data alinierii, proprietăți specifice,…



Alinierile pot fi descrise semantic
pe baza logicilor descrierii (Zimmermann, 2006)

conform François Scharffe (2008)



Alinierea (alignment)




potrivirea ontologiilor: utilizare

conform (Jérôme Euzenat & Pavel Shvaiko, 2007, 2013)

Patrimoniul cultural (cultural heritage)
alinieri realizate în faza de proiectare a aplicațiilor de
integrare a capodoperelor descrise via lexicoane
precum Iconclass și Aria
alinierile rezultate pot fi folosite și pentru a facilita
căutările multicriteriale (faceted search)



Geografie computațională (geo-information)
exemplu: planificarea urbană
bazată pe terminologii din arii diverse
(hidrologie, topografie) utilizate pentru a oferi
rezultate de interes conform cererilor utilizatorului
alinierile sunt (re)folosite la expandarea interogărilor



Medierea datelor în contextul serviciilor Web
(Euzenat, Mocan & Scharffe, 2008)



Medierea datelor în contextul serviciilor Web
(Euzenat, Mocan & Scharffe, 2008)
alinierea ontologică este facilitată de
WSMT (Web Service Modeling Toolkit)
alinierile sunt exprimate
via AML (Abstract Mapping Language)





clasificarea tehnicilor de potrivire
(Euzenat & Shvaiko, 2007, 2013)

Tehnici de potrivire la nivel de termeni
pe baza șirurilor de caractere
prefixul: net = network, pin = pinguin (?)
sufixul: ID = PID, word = sword (?)
distanța editării (numărul de operații de inserare,
ștergere, substituție a caracterelor pentru transformarea
unui termen în altul): EditDistance (NKN, Nikon) = 4



bazate pe limbaj
procesarea entităților (tokenization)
Hands-Free Kits → 〈 hands, free, kits 〉
analiza morfologică pentru găsirea
tuturor formelor de bază (lemmalization): Kits → Kit
eliminarea cuvintelor nerelevante: “a”, “the”, “by” etc.



pe baza sensurilor – cazul WordNet
hiponimie, meronimie: Brand ⊏ Name

hipernimie, holonimie: Software ⊐ WebFramework
sinonimie



antonimie sau relații de siblings: Microprocessors ⊥ PC Board

pe baza glossei – se folosește WordNet
numărul acelorași cuvinte prezente
în ambele glosse (texte) de intrare
conduce la creșterea valorii de similaritate a termenilor



exemplu:
Maltese dog is a breed of toy dogs having
a long straight silky white coat



Afghan hound is a tall graceful breed of hound with a long silky coat

pot fi adoptate API-uri/biblioteci/servicii specializate
precum AlchemiAPI, Diffbot, Stemmer, Textalytics și altele



Tehnici de potrivire la nivel structural
pe baza taxonomiei
potriviri ale drumurilor mărginite în graful ontologiilor
(bounded path matching)



pe baza taxonomiei
reguli privitoare la super/sub-concepte

e.g., dacă super-conceptele sunt similare,
conceptele – copii ale acestora – sunt și ele similare



bazate pe modele
verificarea satisfiabilității (SAT) pe baza axiomelor:
Axioms → rel (context1, context2)



bazate pe modele – utilizarea logicilor descrierii



Procesele de potrivire pot avea loc secvențial



Procesele de potrivire se pot desfășura în paralel



Remarcă:
“Matching, however, requires explanations
because mappings between terms are not always
intuitively obvious to human users.”
Pavel Shvaiko, 2005



Procesul general: metodologie pentru crearea
asocierilor – mappings (M. Ehrig, 2006)


alinierea ontologiilor

Date de intrare:
două ontologii O1 și O2
eventual, pot fi puse la dispoziție asocieri cunoscute
(realizate manual, semi-automat ori automat)



Date de ieșire:
o reprezentare a alinierilor
tabel indicând relația alignO1,O2
suplimentar, se pot oferi și valori de încredere



Pasul 1: feature engineering
sunt selectate fragmente mici descriind entități
de interes – reprezentând anumite semantici
ulterior, aceste trăsături vor fi folosite
pentru compararea ontologiilor



Pasul 2: search step selection
se caută candidați pentru aliniere
se calculează similaritatea unor perechi
de concepte (c1, c2), cu c1  O1, c2  O2



unele construcții pot fi ignorate
de exemplu,
se poate compara o1:car cu o2:automobile,
dar nu cu o2:hasMotor



suplimentar, se pot adopta strategii (euristici) de
reducere a spațiului comparațiilor pentru ontologii largi



Pasul 3: similarity computation
pentru descrierile date ale 2 entități din spațiul
de candidați ai alinierii, se indică o similaritate



pentru descrierile date ale 2 entități din spațiul
de candidați ai alinierii, se indică o similaritate
măsura similarității poate fi dată de
una sau mai multe caracteristici (trăsături, features)



exemplu:

simlabel(o1:car, o2:automobile) = simsynonym(“car”, “automobile”) = 1



Pasul 4: similarity aggregation
pentru 2 entități, pot exista mai multe similarități,
conform criteriilor considerate
e.g., privind etichetele conceptelor sau
relațiile cu alte entități



pentru 2 entități, pot exista mai multe similarități,
conform criteriilor considerate
aceste valori se agregă
într-o unică valoare de similaritate



exemplu:
(simlabel(o1:car, o2:automobile) +
simsubconcepts(o1:car, o2:automobile) +
siminstances(o1:car, o2:automobile)) / 3 = 0.5
combinarea acestor valori se realizează
prin mai multe strategii



Pasul 5: interpretation
valorile de similaritate individuale și agregate
sunt utilizate pentru alinierea entităților



valorile de similaritate individuale și agregate
sunt utilizate pentru alinierea entităților
aceste similarități vor fi interpretate
(se aleg diverse criterii: prag limită, structură etc.)



la final, se oferă sau nu o schemă de aliniere
a entităților considerate
e.g., align(o1:car) =‘⊥’
nu s-a putut determina
nici o aliniere convenabilă



Pasul 6: iteration
similaritatea e propagată în ontologii
pe baza relațiilor între entități



Pasul 6: iteration
similaritatea e propagată în ontologii
pe baza relațiilor între entități
la fiecare interație, va fi recalculată similaritatea
unei alinieri candidate
pe baza similarității perechilor entităților vecine



Pasul 6: iteration
după realizarea unei interații,
pot rezulta alte similarități




Pasul 6: iteration
procesul se termină când nu se propun noi alinieri

Abordările avansate de aliniere utilizează:
metode euristice – e.g., probabilistice

metode bazate pe reguli
tehnici de analiză structurală a grafurilor



Abordările avansate de aliniere utilizează:



învățare automată: algoritmi bayesieni, rețele neuronale,…

tehnici de raționament – e.g., theorem proving
algoritmi combinați, cu implicarea expertului uman
(user-driven composition)

Există mai mulți algoritmi propuși
competiția anuală OAC – Ontology Alignment Contest
(2004—2013)
http://oaei.ontologymatching.org/
detalii în P. Shvaiko, J. Euzenat, “Ontology Matching:
State of the Art and Future Challenges”,
IEEE Transactions on Knowledge and Data Engineering (2013)
http://disi.unitn.it/~p2p/RelatedWork/Matching/SurveyOMtkde_SE.pdf



De asemenea, se pot folosi cunoștințe anterioare
(background knowledge)
WordNet
ontologii de referință ale domeniului
ontologii de nivel superior – e.g., DOLCE, SUMO, UMBEL
resurse textuale on-line – i.e. Wikipedia (DBpedia)
vocabulare/ontologii disponibile on-line




pentru două entități provenind din vocabularele AGROVOC și NAL
(National Agricultural Library) se deduce automat
că termenul Food este mai general decât Beef

sistemul de efectuare a potrivirilor (matcher) a recurs la cunoștințe
anterioare (background knowledge) disponibile pe Web


procesele privind alinierea (Lambrix & Tan, 2005)

Merging ontology – algoritmul general:


fuziunea ontologiilor

SF (Similarity Flooding)
Artemis (Analysis of Requirements:
Tool Environment for Multiple Information Systems)
Cupid
COMA (Combination Of Matching Algorithms)
NOM (Naive Ontology Mapping)
QOM (Quick Ontology Mapping)
OLA (OWL Lite Aligner)
H-Match
S-Match


implementări (inițiale)

procesul de potrivire – bazată pe 4 modele de potrivire –
în sistemul H-Match (Castano et al., 2006)


implementari (initiale)

Fuziunea de ontologii
ATOM (Automatic Target-driven Ontology Merging)

Cadre de lucru (frameworks) – Alignment API,
COMA++, MAFRA, PROMPT – extensie Protégé
Sisteme de matching – textual sau general
FOAM, OLA, Rondo etc.
Meta-matching systems – APFEL, eTuner


implementări (mai recente)

arhitectura generală a framework-ului COMA++ 3.0
(S. Massmann et al., 2011)


implementari (actuale)


vizualizarea alinierilor folosind COMA++
http://dbs.uni-leipzig.de/de/Research/coma.html

Implementări de referință (ontology matching systems):


implementări

SAMBO – focalizat asupra potrivirii & fuziunii de ontologii
biomedicale
Falcon – utilizează divide-et-impera și
algoritmi de clustering pentru alinieri de ontologii largi
RiMOM – framework ce folosește strategii multiple
conform unor algoritmi de decizie bayesiană

Implementări de referință (ontology matching systems):
ASMOV (Automatic Semantic Matching of Ontologies
with Verification) – scop: integrarea informațiilor
din domeniul bioinformaticii

AgreementMaker – include o multitudine de sisteme
automate de potrivire, cu suport pentru extensii
alte exemple: www.ontologymatching.org/projects.html


implementări


modularizarea ontologiilor
“Împrumutarea” entităților specificate de ontologii
practică obișnuită în ingineria software
facilitează dezvoltarea colaborativă a ontologiei

exemple demonstrative:
www.inf.unibz.it/~calvanese/teaching/2008-10-ISWC-tutorial-tones/

Matthew Horridge & Uli Sattler, 2008


În cazul modelării cunoștințelor,
s-ar putea recurge la șabloane de proiectare?

Clasificare (Suárez-Figueroa et al., 2007)
NeOn-project.org

logical ontology design patterns (LP)
architectural patterns (AP)
content design patterns (CP)


șabloane de proiectare

Logical ontology design patterns (LP)
corespund contrucțiilor OWL, la nivel semantic



Architectural patterns (AP)
“rețete” de modelare de structuri exprimate
cu ajutorul LP care caracterizează ontologia
în ansamblu



Content design patterns (CP)
“rețete” de specificare a structurii conforme
unui tip, exprimată printr-un vocabular
specific (non-logic)
referitor la un domeniu de interes



exemple:
modelarea unei clase primitive,
a relației subClassOf,
a proprietăților funcționale de tip datatype,
a unui individ
etc.



Class (BusinessTask subClassOf Task)
DatatypeProperty (name
domain (Task)
numele
range (xsd:string)
unui task
)



specificarea relațiilor N-are

conform (Aldo Gangelmi, 2008)




taxonomia
ontologia simplă (lightweight)
modularizarea ontologiilor
…
aspect de interes: controlul versiunilor




proiectare (design)
management al proiectului
argumentare
soluții de proiectare
flux de activități colaborative
funcționalități



Content patterns (CP)
exemple:
participation, description-situation,
role-task, role-entity, collection-entity,
simple part-whole relations,
design-artifact pattern,…



Content patterns (CP): Role-Task



Content patterns (CP): Part-Whole relation
nu există construcții specifice OWL,
dar se poate recurge la unele facilități



Content patterns (CP): Part-Whole relation
exemplificare:
având specificate relațiile tranzitive
Finger isPartOf Hand, Hand isPartOf Arm, Arm isPartOf Body
se poate deduce
Finger isPartOf Body



Content patterns (CP): kindOf relation
probleme privitoare la relația kindOf:
Hand is not kindOf Body
însă, rănirea unui braț este kindOf rănirea unui trup
idem, în situația conceptelor Motor și Automobil



Content patterns (CP): kindOf relation
probleme privitoare la relația kindOf:
Hand is not kindOf Body
însă, rănirea unui braț este kindOf rănirea unui trup
idem, în situația conceptelor Motor și Automobil
oamenii se așteaptă să obțină ierarhii de tip partonomic



O altă clasificare – seria de evenimente
Workshop on Ontology Patterns (2009—2013)

www.ontologydesignpatterns.org
la nivel logic (logical)
arhitecturale (architectural)
lexico-sintactice (lexico-syntactic)
referitoare la continut
reengineering



detalii la http://ontologydesignpatterns.org/wiki/OPTypes


Taxonomia șabloanelor de proiectare:
Structural
Logical
Architectural
Correspondence
Re-engineering
Alignment
Content
Reasoning
Presentation
Naming
Annotation
Lexico-Syntactic


sabloane de proiectare

Partition – șablon de proiectare de tip logic

Pot fi folosite și în cadrul alinierii de ontologii
exemple:
Attribute Transformation
(String Operation, Value Conversion, Data Operation),
Class to Attribute, Class Union,
Equivalent Relation, Relation Negation, Inverse Relation
etc.





Vocabulary Alignment Pattern: Subclass of an external Class
(Thomas Riechert, 2012)

Specifice unor domenii de interes
exemplificări:
pentru business, se poate recurge la șabloanele
Action, CommunicationEvent, Time indexed person role
în cazul fluxurilor de lucru (workflow-uri), se pot folosi
Reaction, Sequence, TaskExecution, Transition
pescuit (fishery): GearSpecies, GearVessel, GearWaterArea



un șablon de modelare
a hărților istorice
(Eleni Gkadolou, 2013)




Câteva exemple de utilizări pragmatice
ale ontologiilor?

Domenii având cunoștințe modelate via ontologii
(Ian Horrocks & Peter F. Patel-Schneider, 2011)

agricultura
AGROVOC (multilingual agricultural vocabulary),
Fisheries ontology, Geopolitical ontology, OpenAGRIS etc.
http://aims.fao.org/


utilizare practică a ontologiilor


biologie
GO (Gene Ontology)
BioPAX (Biological Pathways Exchange ontology)
www.biopax.org




biomedicină
OBO – Open Biological and Biomedical Ontologies
e.g., PRO (PRotein Ontology), Anatomical Entity Ontology,
Common Anatomy Reference Ontology etc.
www.bioontology.org
www.obofoundry.org



detalii despre serviciul Web REST oferit:
http://data.bioontology.org/documentation


utilizare practica a ontologiilor

(Martin Hepp, 2012)

comerț electronic
GoodRelations, FAB (Food and Beverage Ontology),
PTO (Product Types Ontology), TIO (Tickets Ontology),…
http://purl.org/goodrelations/
www.productontology.org



(Joost Breuker et al., 2009)

legislație
LKIF (Legal Knowledge Interchange Format),
OPJK (Ontology of Professional Judicial Knowledge),
IPROnto (Intellectual Property Rights Ontology) etc.
https://github.com/RinkeHoekstra/lkif-core



modelarea conceptelor din legislația spaniolă
(Oscar Corcho et al.)






(Y. Raimond, P. Sinclair, N. Humfrey, M. Smethurst, 2009)

mass-media
PO (Programmes Ontology), MO (Music Ontology)
folosite de BBC
http://purl.org/ontology/po/
www.w3.org/2001/sw/sweo/public/UseCases/BBC/


ontologie modelând emisiunile difuzate de BBC

(Antoine Isaac, 2012)

cultură
proiectul Europeana reutilizează vocabulare + ontologii
via ontologia ORE (Object Reuse and Exchange)
www.w3.org/2001/sw/sweo/public/UseCases/Europeana/
http://europeana.eu/




mediu
ontologiile SWEET (Semantic Web for Earth and
Environmental Terminology)
http://sweet.jpl.nasa.gov/ontology/



(Joshua Shinavier, 2012; Oscar Corcho, 2013)

preluarea datelor de la senzori
constituirea așa-numitelor semantic sensor networks
ce recurg la modele conceptuale – e.g., OntoSensor



www.slideshare.net/joshsh/semantics-and-sensors
www.slideshare.net/ocorcho/semantic-social-sensor-networks

(J. Breslin et al., 2011; Ș. Negru & S. Buraga, 2013)

aplicații Web sociale
FOAF, SIOC, PIMO (Personal Information MOdel),
CommonTag, PersonasOnto,…
www.semanticdesktop.org/ontologies/pimo/
http://blankdots.com/open/personasonto.html



(Peter Mika & Thanh Tran, 2013)

semantic Web search
se bazează pe structura/înțelesul datelor și
pe cunoștințe anterioare modelate explicit



www.slideshare.net/thanhtran81/sem-tech2013-tutorial-22953164

(Peter Mika & Thanh Tran, 2013)

semantic Web search
recurge la modele lingvistice + modele conceptuale
consideră intențiile utilizatorului (query intent)




utilizare practica a ontologiilor

T. Tran & P. Mika, A Survey of Semantic Search Approaches
https://t.co/Ucxws48z (2012)

Query
Processing

Keywords
Web forms
Natural language
Formal language

• IR-style
matching & ranking
• DB-style precise
matching (queries)
• KB-style matching &
inferences

• Query visualization
• Document and data
presentation
Result
Presentation • Summarization

Query
Refinement

Knowledge
Representation

Semantic Models

Resources


•
•
•
Query
Construction •

Documents

• Implicit feedback
• Explicit feedback
• Incentives

Document
Representation

(Martin et al., 2008; Fensel et al., 2007)

descrierea serviciilor Web
scop: automatizarea descoperirii, selectării, invocării,
compunerii și monitorizării execuției serviciilor Web
OWL-S, WSMO (Web Services Modeling Ontology)
www.daml.org/services/owl-s/
www.wsmo.org



(Khalid Belhajjame et al., 2013)

ingineria modelării cunoștințelor



provenance of a resource = a record that describes entities
and processes involved in producing and delivering
or otherwise influencing that resource
PROV (Provenance Ontology) – recomandare W3C (2013)
http://www.w3.org/TR/prov-o/



pentru detalii, a se studia seria de prezentări de la
http://www.w3.org/2001/sw/wiki/ESWC2013ProvTutorial


Totuși, ce este Web-ul semantic?


viziunea stratificată privitoare la Semantic Web
(Tim Berners-Lee)

Mit:

the semantic Web technology is Description Logic


ce este web-ul semantic

Mit:

the semantic Web technology is Description Logic
OWL este doar un limbaj al Web-ului semantic
aplicațiile (dezvoltatorii) care doresc să exprime
diverse expresivități îl pot utiliza



Asigurarea interoperabilității



o abordare pragmaticăfolosirea și altor limbaje via URI
JSON-LD – linked data via JSON
(proposed recommendation, W3C, noiembrie 2013)
http://json-ld.org/
JSONiq – realizarea de interogări asupra datelor JSON
www.jsoniq.org



Având un model ontologic (consistent), pot fi
exprimate reguli referitoare la entitățile modelate



Având un model ontologic (consistent), pot fi
exprimate reguli referitoare la entitățile modelate
if condition then conclusion
antecedent

consecvent

Via reguli, pot fi deduse noi aspecte de interes
e.g., dacă un membru al unei echipe e interesat
de un limbaj de programare, atunci echipa în ansamblu
e interesată de acel limbaj



Via reguli, pot fi deduse noi aspecte de interes
e.g., dacă un membru al unei echipe e interesat
de un limbaj de programare, atunci echipa în ansamblu
e interesată de acel limbaj
?person interestedBy ?lang
?person member ?team

?team interestedBy ?lang




reguli

de la formule logice la reguli (Subrata Das, 2008)

RIF (Rule Interchange Format)
suită de specificații W3C standardizate (2010, 2013)

www.w3.org/2005/rules/
www.w3.org/TR/rif-overview






scop:
asigurarea interoperabilității vizând specificarea regulilor
și transferul între sisteme de reguli existente

limitarea raționamentelor (ipoteza lumilor deschise)
prin reguli, se poate impune NAF – negation as failure
“If Cristina isn’t known to have a brother,
then assert she is brother-less.”



regulile pot fi utilizare și în cadrul medierilor ontologice
la nivel de TBox și/sau ABox
“If Alex knows Bogdan and Bogdan knows Carmen
and Carmen hasFamilyMember Diana,
then assert Diana canTrust Alex.”




reguli – rif

trăsături de bază (Core) și extensii:
BLD (Basic Logic Dialect) + PRD (Production Rule Dialect)

RIF BLD – Basic Logic Dialect



aserțiunile privind condițiile + concluziile sunt monotone
valoarea de adevăr a predicatelor nu poate fi schimbată

RIF BLD – Basic Logic Dialect
if Ana rel:childOf Bogdan
and Bogdan rel:brotherOf Cosmin
then Cosmin rel:uncleOf Ana



RIF PRD – Production Rule Dialect
aserțiunile despre condiții + concluzii nu sunt monotone
valoarea de adevăr a predicatelor poate fi modificată
(similar situației de la limbajele de programare)



RIF PRD – Production Rule Dialect
if customer.level = "premium"
then customer.discount = 0.25
inițial: customer.discount = 0



Studiu de caz (Amit Sheth)
utilizarea ontologiilor și regulilor
în contextul aplicațiilor financiare
scop:
automatizarea detectării inconsistențelor
și neregulilor financiare



Studiu de caz (Amit Sheth)
specificarea riguroasă a terminologiei
din sistemul financiar
integrarea datelor din surse multiple (semi)structurate
managementul și evaluarea formulelor analitice
asupra datelor financiare



Studiu de caz (Amit Sheth, 2006)
pasul I:
crearea ontologiei – financial domain ontology –,
populată pe baza unor surse de încredere



pasul II:
implementarea unor extractori software
pentru eliminarea ambiguităților privind datele
+ deducerea relațiilor relevante dintre acestea



pasul III:
dezvoltarea unui cadru de lucru
pentru specificarea formulelor/regulilor
și pentru interogarea cunoștințelor modelate ontologic



Studiu de caz (Q. Zhu et al., 2010)
recurgerea la reguli pentru descoperirea
informațiilor privitoare la medicamente



scop:
detectarea relațiilor între componentele medicamentelor
și efecte biologice, în contextul diverselor afecțiuni

Studiu de caz (Q. Zhu et al., 2010)
date preluate via servicii Web:
PubChem Compound, Pubchem BioAssay, Drug Bank
agregarea informațiilor se realizează folosind
WENDI (Web Engine for Non-obvious Drug Information)
procesare – inclusiv a regulilor – folosind Apache Jena
http://jena.apache.org/



Scenariu de recomandare de produse (S. Hawke, 2009)
utilizatorul se află într-un magazin și
dorește să cumpere un obiect



folosind telefonul mobil scanează produsul și poate obține
via sistem(e) de reguli descrise semantic
prețul în alte magazine din vecinătate, caracteristici de
interes – e.g., proveniență, componente, păreri,
pericole/maniere de utilizare,… –,
oferte ale producătorului, dacă prietenii îl dețin deja etc.

Mit:

semantic Web is about public data



Mit:

tehnologiile Web-ului semantic se pot aplica
și în cazul datelor la nivel personal, de grup,
organizațional – inclusiv vizând mediile enterprise



Sabin

Anca

Paul

Radu


d in ( p )  x; rel ( x, p )


din ( Anca)  4

Cristina

analiza rețelelor sociale via teoria grafurilor

Man

dc:creator

type

author
Sabin

web.html

type
dc:title
Person

Dezvoltarea aplicatiilor Web

creator
subProperty

Person
subClass

author

Man

model ontologic

de la modelare formală la specificații ontologice
adaptare după Fabien Gandon (2009)


Claudia

Mit:

…dar nu trebuie ignorate așteptările utilizatorilor



acces public la informații/cunoștințe procesabile automat
open knowledge
open government, open culture, open science etc.

Alte mituri (Tim Berners-Lee)

the semantic Web is about hand-annotated
Web pages




the semantic Web is about hand-annotated
Web pages
such pages are interesting,
but not the mainstay of semantic Web: too much trouble!




the semantic Web is mainly about content
extracted from text




the semantic Web is mainly about content
extracted from text
it is primarily an interlingua for relational data and logic
bridges will always be important






the semantic Web is about making one big ontology




the semantic Web is about making one big ontology
the semantic Web is about a fractal mess
of interconnected vocabularies/ontologies
a se (re)vedea inițiativa Linked Open Data


the semantic Web ontologies must all be consistent




the semantic Web ontologies must all be consistent
only the parts I am using together

existența instrumentelor – teoretice și practice –
de verificare formală + efectuare de raționamente



Diverse aspecte avute în vedere de Web-ul semantic
pot fi aplicații pe scară largă
(e.g., în cadrul cloud computing, în contextul big data)
căutare, regăsire, reutilizare de date/cunoștințe
data/relation/knowledge mining
sisteme de recomandare (socială) „inteligentă”
etc.

problematici avute în vedere de Web science


ce va fi web-ul semantic

Inginerie ontologică
alinieri de ontologii,
șabloane de proiectare,
utilizări practice, perspective


rezumat


episodul viitor: evaluarea proiectului (P)
luni, 27 ianuarie, 09:00 – C401

Mult succes!



Dezvoltarea aplicațiilor Web (12/12): Inginerie ontologică: Alinierea ontologiilor. Şabloane de proiectare. Domenii de utilizare

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to Dezvoltarea aplicațiilor Web (12/12): Inginerie ontologică: Alinierea ontologiilor. Şabloane de proiectare. Domenii de utilizare

Similar to Dezvoltarea aplicațiilor Web (12/12): Inginerie ontologică: Alinierea ontologiilor. Şabloane de proiectare. Domenii de utilizare (20)

More from Sabin Buraga

More from Sabin Buraga (20)

Dezvoltarea aplicațiilor Web (12/12): Inginerie ontologică: Alinierea ontologiilor. Şabloane de proiectare. Domenii de utilizare