IC2008 Emanuele Della Valle Semantic Web

Slide 1: Ingegneria della conoscenza 2007-08 Emanuele Della Valle Scienze e Tecniche Della Comunicazione Parte V: conclusione 1. Semantic Web Modellare e Condividere per Innovare

Slide 2: I-1 2 Sommario  Un modello per studiare l’innovazione  Il Semantic Web  Esempi di applicazione

Slide 3: I-1 3 Innovazione

Slide 4: I-1 4 Innovazione creare problemi idea innovare analizzare macro micro fenomeno fenomeno complessità = 6.000.000.000 persone

Slide 5: I-1 5 Innovazione creare problemi idea innovare analizzare macro micro fenomeno fenomeno complessità = magia

Slide 6: I-1 6 Innovazione creare problemi idea in ge innovare a nz gn ie er analizzare sc ia macro micro fenomeno fenomeno complessità = magia

Slide 7: I-1 7 Innovare … creare idea innovare micro fenomeno complessità

Slide 8: I-1 8 … non è mai solo una questione di tecnologia creare idea innovare soluzione soluzione tecnic sociale a micro fenomeno complessità

Slide 9: I-1 9 Un modello per studiare l’innovazione creare problemi idea innovare analizzare soluzione soluzione tecnic sociale a macro micro fenomeno fenomeno complessità

Slide 10: I-1 10 Analizziamo il Web delle origini Non riesco ad accedere all’informazione Ipertesti + Internet creare problemi idea Come trovo le pagine? URI Come posso HTTP scrivere? innovare analizzare soluzione HTML soluzione tecnic sociale a Condividere info Link a cose interessanti macro micro fenomeno fenomeno Esplosione del WWW fenomeno Web complessità

Slide 11: I-1 11 Analizziamo google Come trovo Indici + SVM le pagine? creare problemi idea Google spoofing PageR ank innovare analizzare soluzione soluzione tecnic sociale a Condividere info Link a cose interessanti macro micro fenomeno fenomeno Il fenomeno Google Google complessità

Slide 12: I-1 12 Analizziamo il Web 2.0 Come posso wiki-wiki e diari Web scrivere? creare problemi idea Come gestire wiki tutta questa blog innovare analizzare info? soluzione soluzione tecnic sociale a Condividere info Link a cose interessanti macro micro fenomeno fenomeno I fenomeni Wikipedia, Web 2.0 blogosphere, complessità …

Slide 13: I-1 13 Analizziamo il Semantic Web Come gestire i KR + Web dati sul Web? creare problemi idea ? Modellare RDF OWL SPARQL innovare analizzare soluzione soluzione RIF tecnic sociale a Condividere info Link a cose interessanti macro micro fenomeno fenomeno ? complessità Semantic Web

Slide 14: I-1 14

Slide 15: I-1 15 Semantic Web  Un modo di specificare dati e relazioni tra i dati  Permette di condividere e riusare dati tra applicazioni, imprese e gruppi di interesse  Una collezione di tecnologie  RDF  RDF-S  OWL  GRDDL  SPARQL  …  La prossima onda del Web da surfare …

Slide 16: I-1 16 Tim Berners-Lee’s Semantic Wave (2003)

Slide 17: I-1 17 Tim Berners-Lee’s Semantic Wave (2008)

Slide 18: I-1 18 The “corporate” landscape is moving  Major companies offer (or will offer) Semantic Web tools or systems using Semantic Web:  Adobe, Oracle, IBM, HP, Software AG, GE, Northrop Gruman, Altova, Microsoft, Dow Jones, …  Others are using it (or consider using it) as part of their own operations:  Novartis, Boeing, Pfizer, Telefónica, …  Some of the names of active participants in W3C SW related groups:  ILOG, HP, Agfa, SRI International, Fair Isaac Corp., Oracle, Boeing, IBM, Chevron, Siemens, Nokia, Pfizer, Sun, Eli Lilly, …

Slide 19: I-1 19 The 2007 Gartner predictions  During the next 10 years, Web-based technologies will improve the ability to embed semantic structures [… it] will occur in multiple evolutionary steps…  By 2017, we expect the vision of the Semantic Web […] to coalesce […] and the majority of Web pages are decorated with some form of semantic hypertext.  By 2012, 80% of public Web sites will use some level of semantic hypertext to create SW documents […] 15% of public Web sites will use more extensive Semantic Web-based ontologies to create semantic databases Source: “Finding and Exploiting Value in Semantic Web Technologies on the Web”, Gartner Research Report, May 2007

Slide 20: I-1 20 Cosa c’è di complicato nel condividere dati?  Quando due sistemi informativi si devono scambiare dei dati hanno il problema che i dati (come gli enunciati) hanno senso solo in un certo contesto di enunciazione e in riferimento ad un certo mondo del discorso  Esempio, immaginate due applicazioni che si scambiano l’informazione  HaScolpito(Rodin,IlBacio)  Puo’ il sistema che riceve l’informazione dedurre:  Scultore(Rodin)? Artista(Rodin)? Pittore(Rodin)?  Scultura(IlBacio)? OperaDiArte(IlBacio)? Pittura(IlBacio)?  HaCreato(Rodin,IlBacio)? HaDipinto(IlBacio)?  IlBacio = TheKiss ?

Slide 21: I-1 21 HTML vs RDF HTML RDF ? solo risorse e link generici risorse e link etichettati “human understandable” “machine-processable” (ma “machine-readable”)

Slide 22: I-1 22 Semantic mark-up <div id=\"event-info-where\" class=\"info-wh-info vcard\"> <h2><a rel=\"bookmark\" class=\"fn org location\" href=\"/venues/V0-001-000693919-2\"> Circus Krone Munich</a></h2> <div class=\"adr\"> <span class=\"street-address\">1</span><br> <span class=\"locality\">Munich</span>, <span class=\"region\">Bayern</span> <br> <span class=\"country-name\">Germany</span>  A firefox plug-in such as Operator can extract those semantic mark-up from the page and offers actions such as “add the event to your calendar” https://addons.mozilla.org/en-US/firefox/addon/4106

Slide 23: I-1 RDFS/OWL in a nutshell classi ed individui  creare una classe  RDFS: Artista rdf:type rdfs:Class .  FOL: x Artista(x)  creare una sotto classe  RDFS: Pittore rdfs:subClassOf Artista .  RDFS: Scultore rdfs:subClassOf Artista .  FOL: x [Pittore(x)  Scultore(x)  Artista(x)] Artista pittore  creare un individuo  RDFS: Rodin rdf:type Scultore . scultore  FOL: Scultore(Rodin) Rodin

Slide 24: I-1 RDFS/OWL in a nutshell proprietà  creare una proprietà  RDFS: crea rdf:type rdf:Property .  FOL: x y Crea(x,y)  usare una proprietà  RDFS: Rodin crea IlBacio .  FOL: Crea(Rodin,IlBacio)  creare sotto proprietà  RDFS: dipinge rdfs:subPropertyOf crea .  FOL: x y [Dipinge(x,y)  Crea(x,y)]  RDFS: scolpisce rdfs:subPropertyOf crea .  FOL: x y [Scolpisce(x,y)  Crea(x,y)] crea dipinge

Slide 25: I-1 RDFS/OWL in a nutshell range e domain  controllare quali classi e predicati devono essere utilizzati contemporaneamente  RDFS:  crea rdfs:domain Artista .  crea rdfs:range Opera .  dipinge rdfs:domain Pittore .  dipinge rdfs:range Pittura .  scolpisce rdfs:domain Scultore .  scolpisce rdfs:range Scultura .  FOL:  x y [Crea(x,y)  Artista(x)  Opera(y)]  x y [Dipinge(x,y)  Pittore(x)  Pittura(y)]  x y [Scolpisce(x,y)  Scultore(x)  Scultura(y)]

Slide 26: I-1 RDFS/OWL in a nutshell range e domain constrain crea artista opera pittore pittura dipinge scultore scultura scolpisce

Slide 27: I-1 RDFS/OWL in a nutshell Web Alcune regole di inferenza di RDFS  se allora  x rdfs:subClassOf y . a rdf:type y . a rdf:type x .  x rdfs:subClassOf y . x rdfs:subClassOf z . y rdfs:subClassOf z .  xay. xby. a rdfs:subPropertyOf b .  a rdfs:subPropertyOf b . a rdfs:subPropertyOf c . b rdfs:subPropertyOf c .  xay. x rdf:type z . a rdfs:domain z .  xau. u rdf:type z . a rdfs:range z .

Slide 28: I-1 RDFS/OWL in a nutshell 28 Alcune regole di inferenza di RDFS  le regole di inferenza di RDFS possono essere ricondotte a deduzioni valide in FOL se allora p rdfs:subClassOf q . a rdf:type q . a rdf:type p .  In FOL corrisponde alla deduzione x [ P(x)  Q(x)], P(A)  Q(A)  Ecco la deduzione formale costruita con il calcolo: 1. x [P(x)  Q(x)] ipotesi 2. P(A) ipotesi 3. P(A)  Q(A) E(1) 4. Q(A) E(3,2)

Slide 29: I-1 RDFS/OWL in a nutshell potenzialità di RDFS  Dato la seguente ontologia ...  Scultore rdf:subClassOf Artista .  Pittore rdf:subClassOf Artista .  Scultura rdf:subClassOf Opera .  Pittura rdf:subClassOf Opera .  crea rdfs:domain Artista .  crea rdfs:range Opera .  scolpisce rdfs:subPropertyOf crea .  scolpisce rdfs:domain Scultore .  scolpisce rdfs:range Scultura .  ... e solo i seguenti dati  Rodin scolpisce IlBacio .

Slide 30: I-1 30 RDFS/OWL in a nutshell potenzialità di RDFS  Il sistema che riceve l’informazione può dedurre:  Scultore(Rodin)? sì  Artista(Rodin)? sì  Pittore(Rodin)? no  Scultura(IlBacio)? sì  OperaDiArte(IlBacio)? sì  Pittura(IlBacio)? no  HaCreato(Rodin,IlBacio)? sì  HaDipinto(IlBacio)? no

Slide 31: I-1 31 Esempi di applicazioni  Allen Brain Atlas Gene Expression Results  http://sw.neurocommons.org/hcls_gene_image.html  Music Event Explorer  http://meex.cefriel.it/meex/  SWEO’s use case collection  http://www.w3.org/2001/sw/sweo/public/UseCases/  Linking Open Data Project  http://esw.w3.org/topic/SweoIG/TaskForces/CommunityProjec

Slide 32: I-1 32 Music Event Explorer  Esigenza: dove posso andare a sentire musica folk nei prossimi giorni?  Soluzione manuale: 1. Vado su musicmoz e scopro i cantanti che fanno musica folk 2. Vado su musicbrainz e guardo quali album hanno pubblicato 3. Per ciascuno di quelli che mi piace cerco su EVDB se ci ha organizzato eventi nei prossimi giorni 4. Mi appunto i posti e poi li cerco in GoogleMaps

Slide 33: I-1 33 Soluzione manuale 1. Vado su musicmoz e scopro i cantanti che fanno musica folk

Slide 34: I-1 34 Soluzione manuale 1. Vado su musicbrainz e guardo quali album hanno pubblicato

Slide 35: I-1 35 Soluzione manuale 1. Per ciascuno di quelli che mi piace cerco su EVDB se ci ha organizzato eventi nei prossimi giorni

Slide 36: I-1 36 Soluzione manuale 1. Mi appunto i posti e poi li cerco in GoogleMaps

Slide 37: I-1 37 Music Event Explorer  Una soluzione poco praticabile …  … ma automatizzabile

Slide 38: I-1 38 http://meex.cefriel.it/meex

Slide 39: I-1 39

Slide 40: I-1 40