Semantic Web and Ontology Seminar by Peakmaker

IT Seminar on 30/08/2012

Semantic Web and Ontology :
The next big thing?
Krich Intratip (Peakmaker): PhD.IT.Student@SPU

IT Seminar on 30/08/2012 @ KU : Krich Intratip

Agenda
Fundamental of Semantic Web
Technology

Semantic Web application :
Development and Challenging

Research trend on Semantic Web

Questions & Suggestions


Fundamental of Semantic Web
Technology


Semantic Web was introduced
”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.”

Berners-Lee at the Home Office,
London, 2010

T. Berners Lee, J. Hendler and O. Lassila.
The Semantic Web. Scientific American, May 2001.


Semantic Web was introduced

“The semantic web is designed to
smoothly interconnect personal
information management, enterprise
application integration, and the global
sharing of commercial, scientific and
culture data. We are talking about data
here, not human documents.”
Berners-Lee at the Home Office,
London, 2010

The semantic web : an interview with Tim Berners Lee, Consortium
Standard Bulletin, 2005.
http://www.consortiuminfo.org/bulletins/semanticweb.php


What Is An Ontology?
• Ontology (Socrates & Aristotle 400-360 BC)
• The study of being
• Word borrowed by computing for the
explicit description of the conceptualisation of a domain:
– concepts
– properties and attributes of concepts
– constraints on properties and attributes
– Individuals (often, but not always)
• An ontology defines
– a common vocabulary
– a shared understanding

http://www.co-ode.org/resources/tutorials/iswc2005
6


Why Develop an Ontology?
• To share common understanding of the
structure of descriptive information
– among people
– among software agents
– between people and software
• To enable reuse of domain knowledge
– to avoid “re-inventing the wheel”
– to introduce standards to allow interoperability

http://www.co-ode.org/resources/tutorials/iswc2005


Data-Information-Knowledge-Wisdom

Wisdom

Knowledge

Information

Data

Concept Technology


2.0 VS 3.0


Database App. VS Semantic Web App.

Transaction Semantic
• Table & Data • Concept & Instance
• Relationship for join data • Relationship create meaning
• Query • Inference
• Can’t separate domain knowledge • Domain knowledge independence
from programming code • Intelligence by machine
• Intelligence by human


Triple makes a semantic

Predicate

Subject Object

Meaning


Concept & Instance
instance

instance Concept instance

instance


Relations

Is-a

Part-of
Super Sub RDF/OWL
class class
Attribute
-of

Relations Class roles Ontology


Semantic Web Stack


Database represents
Semantic Web Concept

represents is
Ontology Knowledge Relation of Things
applied with
implemented by is
Logic
OWL introduces Data
implemented by

is a kind of SWRL Intelligence

is a kind of

Semantic Web Technology


used by
Semantic Web Knowledge
has a has a has

Logic
Domain concept Instances
is a are
is a Rules of the knowledge Data items of the
concepts or entities
Group of entities increases

Knowledge powerful
(Intelligence)
stored in referred by
captures from represented by
has

Interested topics Relations Class URI
referred by


URIs / IRIs
• URIs are “Uniform Resource Identifiers”
– IRI: Unicode-based “Internationalized Resource Identifiers”
• Every URI identifies one entity
• Semantic Web URIs usually use HTTP
– HyperText Transfer Protocol
– Can be resolved to get more data (ideally)
– Linked data

NamespaceDomain Local name
Protocol
http://semanticweb.org/id/Denny_Vrandecic
thing:Denny_Vrandecic
Prefix


Angola Africa

Continent

Country
Zambia
type
18


Africa
Angola
Located in

http://ontoworld.org/id/Africa
http://ontoworld.org/id/Angola

Borders
http://ontoworld.org/id/Category:Continent

Continent
http://ontoworld.org/id/Category:Country
Country
http://ontoworld.org/id/Zambia
http://www.w3.org/1999/02/22/rdf-syntax-ns#type

Zambia http://www.w3.org/2000/01/rdf-schema#label
19


ทวีปแอฟริกา
ประเทศแองโกลา
แห่ง


ชายแดน

ทวีป

ประเทศ

ประเทศแซมเบีย http://www.w3.org/2000/01/rdf-schema#label
20


Africa
Angola
Located in


Borders

Continent
Country

Zambia http://www.w3.org/2000/01/rdf-schema#label
21


Slide 22


Web 3.0, Semantic Web, Ontology, Linked data

• Web 3.0 เป็ นยุคของเว็บ จะเข้าใจเรื่ องยุคของเว็บต้องไปดูความเป็ นมาจาก Web
1.0(Hyperlink-Web of documents) -> Web 2.0(Social,
Collaborative, Networking Web) ->Web 3.0(Intelligent Web,
Web of linked data) ซึ่ งแต่ละยุคก็เน้นประโยชน์การใช้งานเว็บไปคนละอย่าง
่
• Semantic Web เป็ นเทคโนโลยีหนึ่งของ Web 3.0 ที่วาด้วยเว็บเชิงความหมายที่
คอมพิวเตอร์สามารถอ่านแล้วรับรู ้ได้(machine readable) เทียบเคียงคล้ายกับ SOA ที่
เป็ นเทคโนโลยีหนึ่งของ Web 2.0
• Ontology เป็ น main component ของ Semantic Web หมายความว่าหาก
ไม่มี ontology แล้วก็จะไม่เกิด Semantic Web นันเอง แต่ ontology ไม่ใช่
่
ทั้งหมดของ Semantic Web แค่องค์ประกอบหลักเท่านั้น
• Linked data เป็ นลักษณะหนึ่งหรื อแนวทางหนึ่งในการ implement ตัว
Semantic Web แน่นอนที่สุดแล้วสิ่ งที่อยูเ่ บื้องหลังมันก็คือ ontology นันเอง
่


Knowledge representation and Ontology


Semantic Web application

Development and Challenging


กระบวนการจัดการความรู้ (KM Processes)

Structuring
Knowledge

ดร.มารุต บูรณรัช, Ontology for Information System Design
and Development, 28 พฤศจิกายน 2553


สิ่ งที่ตองรู้ในการสร้าง Ontology
้
หน้าตาของความรู้ที่นามาสร้างเป็ น Ontology เป็ นอย่างไร?

ใครคือ Domain experts(ตัวจริ งที่เป็ นตัวแทนประชากรได้)/Stakeholders?

Intend to use

กระบวนการตรวจสอบความถูกต้อง
• ความรู้ที่นามาทาเป็ น Ontology
• Well-formed Design of ontology

Ontology improvement


กระบวนการพัฒนา Ontology

Natalya F. Noy and Deborah L. McGuinness , Ontology Development 101:
A Guide to Creating Your First Ontology, Stanford University, Stanford, CA,
94305
http://protege.stanford.edu/publications/ontology_development/ontology
101-noy-mcguinness.html


Some of ontology (re)-engineering processes
(Knowledge extraction)
• Define topic area
– หัวข้อที่สนใจคืออะไร?
• Define domain specific
– ประเด็นที่สนใจในหัวข้อนั้นที่ตองการให้ความหมายหรื อการอธิบายคืออะไร?
้
• Define intend to use (Domain expert)
– การให้ความหมายหรื อการอธิบายนั้นเพื่อวัตถุประสงค์ใด?
• Breakdown into sub-domains/concepts
– กลุ่มแนวความคิดย่อยหรื อความหมายกลุ่มย่อยคืออะไรบ้าง?
– Review literature (Consider reuse)
• Define indicators in each concept
• Define indicator measurement
• Define scale of the measurement

D1 ความหมาย <= ตัวบ่งชี้
Specification

(ครบถ้วนแค่ไหน %)
ความหมาย <= ข้อคาถาม
(ภาพรวมเหมาะสมแค่ไหน %)
D2
Power of
มิติคุณภาพ
Sensitivity
Prediction
เครื่ องมือ
D4
ตัวบ่งชี้ <= วิธวด, มาตราวัด
ีั
(ถูกต้องมากแค่ไหน %)
การวัด <= ข้อคาถาม Consistency

(สอดคล้องแค่ไหน %) D3

*


ความหมาย การวัด ตัววัด คะแนน
No. ตัวบ่งชี้ comment
(ตัวแปร) (วิธีวด, มาตราวัด)
ั (ข้อคาถาม) (4 มิติ)

(D1+D2+
D3+D4)/4

คะแนนรายข้อของผูเ้ ชี่ยวชาญแต่ละท่านรวมกัน/จานวนผูเ้ ชี่ยวชาญ > 50%

*
* ให้ ใช้ หลัก Relevance theory: http://www.phon.ucl.ac.uk/home/PUB/WPL/02papers/wilson_sperber.pdf

* นาไปสูการอนุมานความหมายได้
่ ตามเงื่อนไขที่ให้ สามารถสื่อได้ ได้ ตรงตามเจตนารมณ์การใช้ งาน


Instrument & Ontology design
ให้ ความหมาย
ในสิ่งที่ต้องการ
Domain อธิบาย

ตัวบ่งชี ้นามธรรม Concept Concept
1 2

ตัวบ่งชี ้สังเกตได้

Att. 1 Att. 2 Att. 3 Att. 4 Att. 5
Int String

ขอบเขต
มาตรวัด Intend to use


Principle of defining class and its relation

• Class (นามธรรมที่ต้องการการอธิบาย)
– มี class node อยู่ 2 ประเภท
• Concept node ควรต้ องได้ รับการอธิบายเพิ่มเติมจาก node อื่น
– กฎ : ไม่สามารถเป็ นที่อยู่ของ Instance ได้
• Attribute node ควรต้ องได้ รับการอธิบายเพิ่มเติมด้ วยการใส่ Instance
– กฎ : เป็ นที่อยู่ของ Instance
– มีความสัมพันธ์ระหว่าง concept node ได้ สองแบบ
• Is-a, Part-of
– มีความสัมพันธ์ระหว่าง concept node กับ Attribute node ได้
แบบเดียว คือ Attribute-of


Principle of defining instance and its relation

• Instance (data item)
– กฎ : ต้ องถูกบรรจุอยู่ใน Attribute node
• One fact in one place
• Atomic value
• Relation
– กับ Attribute node เป็ น Instance-of
– ระหว่าง Instance อื่นใน Attribute node อื่นจะเป็ น Has_???
• เข้ าใจธรรมชาติของ Instance ว่าสามารถเจริญเติมโตไปเป็ น Node ได้ เมื่อ
มีการเปลี่ยนแปลงจาเป็ นต้ อง re-structure ontology


Class/Instance and their relations
parent

concept concept concept

Is-a Part-of Att-of
attribute
concept concept

Ins-of

instance
child

Intrinsic/Concrete VS Extrinsic/Logical


INFERENCE ?
QUERY & RULE

36


Inference and Decision
• ข้ อเท็จจริง
– ความสูง(m)
– น ้าหนัก(kg)
• เกิดคุณสมบัติตามมา (Query)
– BMI = ความสูง(m) * น ้าหนัก(kg)ยกกาลังสอง
• การอนุมาน
– ใช้ เกณฑ์มาตัดสิน หรื อการให้ ความหมาย
http://en.wikipedia.org/wiki/First-order_logic
http://www.chulabook.com/description.asp?barcode=978974
0326960


การทาอนุมาน

ภาวะ ค่ าดัชนีความหนาที่คานวณได้
ผอม ระดับ 4 < 16.0
ผอม ระดับ 3 16.0-16.9
ผอม ระดับ 2 17.0-18.4
ผอม ระดับ 1 18.5-19.9
ปกติ 20.0-24.9
อ้ วน ระดับ1 25.0-29.9
อ้ วน ระดับ 2 30.0-39.9
อ้ วน ระดับ 3 > 40.0
http://www.thailabonline.com/BMI.htm


หลักการสาคัญในการออกแบบ Ontology
• พิจารณาความละเอียดหยาบของสิงที่ต้องการอธิบาย และให้ แต่ละระดับของการ
่
อธิบายมีความละเอียดหยาบพอๆกัน (Generic VS Specific)
• ปกติแล้ ว Ontology ใช้ หลักการจัดกลุมจัดประเภทข้ อมูลหรื อกลุมแนวคิด
่ ่
เป็ นหมวดหมู่ (Taxonomy) เป็ น Hierarchy แล้ วใช้ First order
logic ในการอนุมานความหมาย ซึงความหมายจะไม่คลุมเครื อถ้ าหากข้ อมูล
่
หรื อกลุมแนวคิดนันมีอยูที่เดียว(Unique) ในโครงสร้ าง Ontology
่ ้ ่
• จะเพิ่มความสามารถในการ Reuse ให้ กบ Ontology ได้ โดยทาให้
ั
Ontology นันมีความหมายชัดเจนอย่างใดอย่างหนึงตามเจตนารมณ์การใช้
้ ่
งาน


Ontology quality attributes
• Business (Usage) Objectives and scope must
be clearly identified
• Knowledge must be reliable
• Knowledge must be accessible and available
• Knowledge must be shared and integrated
seamlessly


Ontology quality attributes
• Business (Usage) Objectives and scope must
intention
reliable
be clearly identified sources/processes
• Knowledge must be reliable
• Knowledge musttechnology
Web be accessible and available
and triple
• Knowledge must be shared and integrated
seamlessly


Knowledge & Ontology development life cycle

Describe
domain and
intend to use

Inference
Instrument
over
development
ontology

meaning

Practice
based Gather
ontology information
design

Build up
domain
knowledge


Maintenance and performance problems

Domain knowledge Unnecessary
is in both its One fact is in many Ontology is
nodes or
ontology and its places too big
programming code instances

Hard to Lack of
maintenance performance


Goals

Easy to Increase Ontology
maintenance performance improvement


Domain knowledge is in both the ontology and
its programming code

• Not only programming problem but also
ontology design problem
• Domain knowledge should be in ontology and
should not be in programming code
• Hard to maintain the ontology (adding,
deleting, removing, modifying)
• Blur in domain and range of the attribute
• Cause to composite value


Example of composite value

Black t-shirt,
color of t-shirt is black
Black color Label

Black box, color of box is black

Red Box, color of box is red
Black Label Red Label
Product name



Black t-shirt,
Black color Label
Composite value Non-composite value

Product name



Black t-shirt,
Black color Label

It is a design problem issue, not only programming problem issue.

Product name

Some domain knowledge are thrown
in Programming area

“Black box”
Composite value
What does it mean?
“Black box”

Separate to
Programming area

for Black
What is the box color?

for Box
What is the item?
Ontology area


Optimizing Rules
• Step-wise approach for improving for ontology
design
– 4 optimizing rules
• Remove composite-values to optimize the
maintenance
• Remove one fact in many places to optimize the
maintenance
• Remove unused class to optimize the performance
• Remove unnecessary class to optimize the
maintenance and performance

“Optimize both the maintenance and performance”


Berners-Lee says the next big thing for changing and
understanding the world, and the next big thing for the
internet, is the ability to access whatever data we need,
whenever we need it. By connecting our data together
we can solve world problems and make life easier.

Research trend on Semantic Web


Web Technology Trend


Research trend
Semantic Search Recommendations
•New Google •DSS
•Helpdesk •suggestion

Personalized assistant Business intelligent
•Meeting •Education/Library
•Planning •Healthcare
•Living •Advertisement
•Personalize •CRM

Linked data Geo-based
•Large scale/Big data •Military
•Semantic based CMS •Agriculture
•Multimedia •Infrastructure

Knowledge engineering Knowledge grid Knowledge repository NLP

Knowledge as Service Knowledge transformation Cloud computing


Linked-data : Method

Genera- Collabora-
Training Adjusting Using Sharing
ting ting


Semantic-Based Geo

Event

Time
Geo Person

Transaction
Object

http://www.geonames.org/

Dr.Sasiporn Usanavasin

ข้อเสนอแนะ หรื อ ข้อซักถาม
ขอขอบคุณทุกท่ านครับ
FB: Zimmantic lab
https://www.facebook.com/groups/zimmaticlab/

FB: SEM Study Lab
https://www.facebook.com/groups/SEMStudyLab/

Krich Intratip : Peakmaker Krich

Semantic Web and Ontology Seminar by Peakmaker

Recomendados

Recomendados

Mais conteúdo relacionado

Semelhante a Semantic Web and Ontology Seminar by Peakmaker

Semelhante a Semantic Web and Ontology Seminar by Peakmaker (20)

Semantic Web and Ontology Seminar by Peakmaker