Your SlideShare is downloading. ×
09.02.200 - 12 - Ontology Engineering
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

09.02.200 - 12 - Ontology Engineering

1,864
views

Published on

Published in: Technology, Education

0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,864
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
162
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Semantic Web Vorlesung Dr. Harald Sack Hasso-Plattner-Institut für Softwaresystemtechnik Universität Potsdam Wintersemester 2009/10 Blog zur Vorlesung: http://sewe0910.blogspot.com/ Die nichtkommerzielle Vervielfältigung, Verbreitung und Bearbeitung dieser Folien ist zulässig (Lizenzbestimmungen CC-BY-NC).
  • 2. Semantic Web - Vorlesungsinhalt 2 1. Einführung 2. Semantic Web Basisarchitektur Die Sprachen des Semantic Web - Teil 1 3. Wissensrepräsentation und Logik Die Sprachen des Semantic Web - Teil 2 4. Ontology Engineering 5. Semantic Web Applications Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 3. Semantic Web - Vorlesungsinhalt 3 1 2 3 4 5 6 7 8 9 10 11 09.02.2010 – Vorlesung Nr. 12 4.Ontology Engineering 4.1.Ontologien - eine kurze Wiederholung 4.2.Methoden des Ontologie-Entwurfs 4.2.1.Allgemeines Vorgehen 4.2.2.Methode von Uschold und King 4.2.3.Ontology 101 4.2.4.Weitere Methoden des Ontologie-Entwurfs 4.3.Ontology Learning, Ontology Mapping und Ontology Merging Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 4. 4. Ontology Engineering 4 Semantic Web Architektur Interface & Application Trust Proof Unifying Logic Query: Ontology: OWL Rule: RIF Crypto SPARQL RDFS Data Interchannge: RDF XML / XSD URI / IRI Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 5. 5 „Zur Methode wird nur der getrieben, dem die Empirie lästig wird.“ -- Johann Wolfgang von Goethe, aus „Maximen und Reflexionen” Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 6. 4. Ontology Engineering 6 4.Ontology Engineering 4.1.Ontologien - eine kurze Wiederholung 4.2.Methoden des Ontologie-Entwurfs 4.2.1.Allgemeines Vorgehen 4.2.2.Methode von Uschold und King 4.2.3.Ontology 101 4.2.4.Weitere Methoden des Ontologie-Entwurfs 4.3.Ontology Learning, Ontology Mapping und Ontology Merging Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 7. 4. Ontology Engineering 4.1 Ontologien - Wiederholung 7 Was ist (eine) Ontologie? •Philosophie: Theorie des Seins, versucht das Sein als solches zu erklären, durch Aufstellen eines Systems von universellen Kategorien und deren intrinsischer Beziehungen •künstliche Intelligenz (KI): „explizite Spezifikation einer (intensionalen) Konzeptualisierung“ •wissensbasierte Systeme: System aus Konzepten/Vokabularien als Grundbaustein eines informationsverarbeitenden Systems •in Bezug auf Problemlösen unterscheidet man: •Task Ontologien, zur Beschreibung des Problemlöseprozesses und •Domain Ontologien, zur Beschreibung des Bezugsrahmens (Wissensgebiet) in dem dieser Prozess stattfindet Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 8. 4. Ontology Engineering 4.1 Ontologien - Wiederholung 8 Was ist (eine) Ontologie? "An ontology is an explicit, formal specification of a shared conceptualization. The term is borrowed from philosophy, where an Ontology is a systematic account of Existence. For AI systems, what ‘exists’ is that which can be represented.“ (Thomas R. Gruber, 1993) tomgruber.org Konzeptualisierung: abstraktes Modell (Domäne, identifizierte relevante Begriffe, Beziehungen) Explizit: Bedeutungen aller Begriffe definiert Formal: maschinenverstehbar Gemeinsam: Konsens bzgl. Ontologie Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 9. 4. Ontology Engineering 4.1 Ontologien - Wiederholung 9 Was ist (eine) Ontologie? allgemeine, bereichsübergreifende Ontologien (beschreibt sehr generelle Konzepte Top-Level Ontology wie z.B. Zeit, Raum,Vorgang (Upper Ontology, unabhängig von einer bestimmten Foundation Ontology) Domäne oder Problemstellung.) Domain Ontology Task Ontology grundlegende Konzepte bezogen grundlegende Konzepte bezogen auf eine allgemeine Aktivität oder auf eine generische Domäne. Aufgabe. Application Ontology spezielle, auf eine konkret fokusierte Domäne oder Aufgabe zugeschnittene Ontologie, die in der Regel eine (nach Guarino,1998) Domain und/oder Task Ontologie spezialisieren. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 10. 4. Ontology Engineering 4.1 Ontologien - Wiederholung 10 Ontologien und das Semantic Web •Semantic Web basiert auf der Interoperabilität von Metadaten •Zwischen unterschiedlichen Metadaten besteht eine semantische Lücke (Semantic Gap), die mit Hilfe von Ontologien überbrückt werden soll •Problem der ,semantischen Lücke‘: •unterschiedliche Ontologien können zur Repräsentation identischer Sachverhalte eingesetzt werden Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 11. 4. Ontology Engineering 4.1 Ontologien - Wiederholung 11 Semantische Lücke - ein einfaches Beispiel Welt •einfaches Beispiel C C B A B A Initialzustand Endzustand Modellierung 1: Modellierung 2: Objekte Relationen Objekte Relationen block A on(X,Y) block A on(X,Y) block B clear(X) block B clear(X) block C holding(X) block C onTable(X) table T handEmpty holding(X) hand H handEmpty Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 12. 4. Ontology Engineering 4.1 Ontologien - Wiederholung 12 Modellbildung und Ontologie •hinter den Modellen steckt eine Ontologie Modellierung 1: Objekte Relationen block A on(X,Y) ⊤ block B clear(X) block C holding(X) entity relation table T handEmpty hand H table block hand binary unary block A on clear handEmpty table A block B hand A holding block C Axiom: on(X,Y) ⋀ on(Y,Z) → above(X,Z) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 13. 4. Ontology Engineering 4.1 Ontologien - Wiederholung 13 Modellbildung und Ontologie •hinter den Modellen steckt eine Ontologie Modellierung 2: Objekte Relationen block A on(X,Y) block B clear(X) ⊤ block C onTable(X) holding(X) entity relation handEmpty block binary unary block A on clear handEmpty block B holding block C onTable Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 14. 4. Ontology Engineering 4.1 Ontologien - Wiederholung 14 Ontology Engineering •Ontologien sollen die Interoperabilität von Metadaten herstellen •Daher benötigen wir •Methoden zum effizienten Entwurf und Design von Ontologien (Ontology Design) •Methoden zum effizienten Vergleich von Ontologien (Ontology Mapping) •Methoden zur effizienten Kombination verschiedener Ontologien (Ontology Merging) •Zur Unterstützung können automatisierte Verfahren herangezogen werden, zum •Ableiten von Ontologien aus einer Menge von Informationsressourcen (Ontology Learning) •Bevölkern von Ontologien mit Individuen aus Informationsressourcen Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 15. 4. Ontology Engineering 15 4.Ontology Engineering 4.1.Ontologien - eine kurze Wiederholung 4.2.Methoden des Ontologie-Entwurfs 4.2.1.Allgemeines Vorgehen 4.2.2.Methode von Uschold und King 4.2.3.Ontology 101 4.2.4.Weitere Methoden des Ontologie-Entwurfs 4.3.Ontology Learning, Ontology Mapping und Ontology Merging Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 16. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen 16 Methoden des Ontologieentwurfs •Eine Methodologie des Ontologie-Entwurfs beschreibt alle Aktivitäten die zur Konstruktion einer Ontologie notwendig sind •Warum benötigt man eine formale Methodologie? •Entwicklung von konsistenten Ontologien •Effiziente Entwicklung komplexer Ontologien •Verteilte Entwicklung von Ontologien •Unterscheide (nach Fernandez-Lopez et. al., 1997) •Ontology management activities •Ontology development oriented activities •Ontology support activities Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 17. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen 17 Ontology Management Activities •Scheduling •Identifikation der durchzuführenden Aufgaben •Arrangement/Planung der durchzuführenden Aufgaben •Identifikation der benötigten Ressourcen (Zeit, Speicherplatz, etc…) •Control •Garantiert korrekte Abwicklung der durchzuführenden Aufgaben •Quality Assurance •Qualitätssicherung aller im dem Entwicklungsprozess anfallender Produkte (Ontologien, Software, Dokumentation) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 18. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen 18 Ontology Development Oriented Activities 1.Pre-Development 2.Development 3.Post-Development 1.Pre-Development •Environment study •Auf welchen Plattformen soll die Ontologie laufen? •Für welche Anwendungen ist die Ontologie bestimmt? •Feasibility study •Kann die Ontologie tatsächlich erstellt werden? •Ist es überhaupt sinnvoll, die geplante Ontologie zu erstellen? Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 19. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen 19 Ontology Development Oriented Activities 2.Development •Specification •Warum wird die Ontologie erstellt, was ist der beabsichtigte Nutzen und wer sind die End-Anwender? •Conceptualization •Strukturiert Domain-Wissen in konzeptuellem Modell •Formalization •Formalisiert konzeptuelles Modell in semi- berechenbarem Modell •Implementation •Konstruktion eines berechenbaren Modells in einer Ontologiesprache Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 20. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen 20 Ontology Development Oriented Activities 3.Post-Development •Maintenance •Update und Korrektur der Ontologie (falls nötig) •Use / Reuse •Einsatz der Ontologie in den geplanten Anwendungen oder auch in anderen Ontologien Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 21. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen 21 Ontology Support Activities •Knowledge Acquisition • Wissen von Experten (semi)automatisch gewinnen (Ontology Learning) •Evaluation • Technische Überprüfung der Ontologien in jeder Stufe der Entwicklung •Integration • Wiederverwendung bereits existierender Ontologien (Ontology Reuse) •Merging • Konstruktion einer neuen Ontologie aus bereits existierenden innerhalb einer bestimmten Domain •Alignment • Abbildungsvorschriften (Mapping) zwischen den beteiligten Ontologien •Documentation • Jede Stufe der Ontologie-Entwicklung wird akurat dokumentiert •Configuration Management • Verwaltet alle Versionen der Dokumentation und der entwickelten Ontologie Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 22. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen 22 Management Development Oriented Support environment study feasibility study knowledge acquisition scheduling evaluation integration specification conceptualization control formalization implementation documentation merging quality assurance maintenance use / reuse configuration alignment management Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 23. 4. Ontology Engineering 23 4.Ontology Engineering 4.1.Ontologien - eine kurze Wiederholung 4.2.Methoden des Ontologie-Entwurfs 4.2.1.Allgemeines Vorgehen 4.2.2.Methode von Uschold und King 4.2.3.Ontology 101 4.2.4.Weitere Methoden des Ontologie-Entwurfs 4.3.Ontology Learning, Ontology Mapping und Ontology Merging Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 24. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King 24 Methode nach Uschold und King •Prozessbasierte Entwicklung Building identify documen- capture coding integrating evaluation purpose tation 1 2 3 4 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 25. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 25 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 1 Identifiziere Zweck und Anwendungsgebiet •Warum wird die Ontologie benötigt? •Beabsichtigte Verwendung? •(use / reuse / share / used as part of KB / …) •Identifiziere relevante Begriffe Bsp.: Reise-Ontologie •Aufbau eines gemeinsamen Wissensmodell über das Wissensgebiet Reisen, das in Reisebüros genutzt werden soll •Ontologie könnte auch für andere Anwendungsgebiete genutzt werden, z.B. um einen Katalog für Unterkünfte oder Transportmöglichkeiten zu entwickeln •relevante Begriffe z.B.: Orte, Typen von Orten, Unterkünfte, Arten von Unterkünften (Hotel / Motel / Camping / …), Bahn, Busse, U-Bahn,... Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 26. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 26 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 2 Ontologie Aufbau •Ontology Capture •Identifiziere Schlüsselkonzepte (Klassen) und Beziehungen (Relationen) des betreffenden Wissensgebiets und gebe diese in textueller Form an Bsp.: Reise-Ontologie • Transportmittel ist eine Klasse. Jeder Transport besitzt einen Startpunkt • Bus ist eine Klasse. Bus ist ein bestimmtes Transportmittel. • Stadtbus ist eine Klasse. Ein Stadtbus ist ein Bus, dessen Start- und Zielpunkt sowie dessen Zwischenstops in derselben Stadt liegen. •Identifikation der Ontologiekonzepte •Bottom-up / Top-down / Middle-Out Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 27. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 27 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 2 Ontologie Aufbau •Ontology Capture •Bottom-up Identifikation der Ontologiekonzepte •erhöhter Gesamtaufwand •schwierig, Gemeinsamkeiten zwischen verwandten Konzepten zu finden •Erhöhtes Risiko von Inkonsistenzen → dann Überarbeitung notwenig (noch mehr Aufwand) Bsp.: Reise-Ontologie • Transportmittel sollen in einer Bottom-up Strategie konzeptualisiert werden Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 28. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 28 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 2 Ontologie Aufbau •Ontology Capture •Bottom-up Identifikation der Ontologiekonzepte Transportmittel is-subClass-of London Transportmittel U-Bahn Stadtbus Taxi Paris Transportmittel London London London Paris Paris Paris Underground Local Bus Taxi Underground Local Bus Taxi Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 29. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 29 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 2 Ontologie Aufbau •Ontology Capture •Top-down Identifikation der Ontologiekonzepte •bessere Kontrolle des Detaillierungsgrades •möglicherweise werden aber abstrakte Kategorien gar nicht benötigt •geringere Stabilität des Modells → dann Überarbeitung notwendig (mehr Aufwand) Bsp.: Reise-Ontologie • Transportmittel sollen in einer Top-down Strategie konzeptualisiert werden Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 30. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 30 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 2 Ontologie Aufbau •Ontology Capture •Top-Down Identifikation der Ontologiekonzepte object is-subClass-of concrete object abstract object Transport Transport Transport U-Bahn Stadtbus Taxi mit Taxi mit Bus mit U-Bahn nutzt nutzt nutzt Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 31. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 31 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 2 Ontologie Aufbau •Ontology Capture •Middle-Out Identifikation der Ontologiekonzepte •Starte mit Kern / Grundbegriffe, dann Spezialisierung / Generalisierung •ausbalanciert (bzgl. Detaillierungs-/Abstraktionsgrad) • stabiler als die beiden anderen Verfahren Bsp.: Reise-Ontologie • Transportmittel sollen in einer Middle-Out Strategie konzeptualisiert werden Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 32. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 32 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 2 Ontologie Aufbau •Ontology Capture •Middle-Out Identifikation der Ontologiekonzepte Transportmittel is-subClass-of U-Bahn Bus Taxi Stadtbus Shuttle-Bus Reisebus Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 33. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 33 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 2 Ontologie Aufbau •Ontologie Aufbau •Coding •Alle an der Entwicklung beteiligten müssen sich auf eine gemeinsame Struktur der Wissensbasis geeinigt haben •Integration of Existing Ontologies •Entscheidung, ob und wie bereits existierende Ontologien genutzt werden sollen •Kann parallel zu den vorhergehenden Aktivitäten stattfinden Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 34. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King Building 34 Methode nach Uschold und King identify purpose capture coding integrating evaluation documen- tation 3 Evaluation •Technische Überprüfung der Ontologien und der damit assoziierten Software in jeder Stufe der Entwicklung 4 Documentation •Einrichten der eventuell unterschiedlichen Dokumentationsrichtlinien Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 35. 4. Ontology Engineering 35 4.Ontology Engineering 4.1.Ontologien - eine kurze Wiederholung 4.2.Methoden des Ontologie-Entwurfs 4.2.1.Allgemeines Vorgehen 4.2.2.Methode von Uschold und King 4.2.3.Ontology 101 4.2.4.Weitere Methoden des Ontologie-Entwurfs 4.3.Ontology Learning, Ontology Mapping und Ontology Merging Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 36. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 36 Ontology Development 101 (Noy, McGuinness, 2000) •Am Beispiel einer Ontologie für Weinbau und Nahrungsmittel A shared ontology on wine and food Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 37. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 37 Ontology Development 101 (Noy, McGuinness, 2000) •Am Beispiel einer Ontologie für Weinbau und Nahrungsmittel Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 38. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 38 Ontology Development Process determine consider enumerate define define define create scope reuse terms classes properties constraints instances •in der Praxis iterativer Prozess, der sich beständig wiederholt und die Ontologie verbessert •es gibt immer unterschiedliche Vorgehensweisen bei der Modellierung einer Ontologie •in der Praxis entscheidet immer die angestrebte Anwendung über das Vorgehen bei der Modellierung Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 39. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 39 Beurteile Fachgebiet und Fokus determine consider enumerate define define define create scope reuse terms classes properties constraints instances •Welches Fachgebiet soll die Ontologie abdecken? •Wozu soll die Ontologie genutzt werden? •Welche Arten von Fragen sollen die in der Ontologie repräsentierten Informationen beantworten können? •Wer wird die Ontologie nutzen und pflegen? •Formulierung von Kompetenzfragen Im Ontologie Lifecycle können sich diese Fragen auch verändern... Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 40. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 40 Wiederverwendbarkeit berücksichtigen determine consider enumerate define define define create scope reuse terms classes properties constraints instances •Warum soll man Wiederverwendbarkeit berücksichtigen? •um Aufwand zu sparen •um mit Werkzeugen von anderen Ontologien verwendet werden auch auf die eigene zugreifen zu können •um Ontologien wiederzuverwenden, wenn sie durch erfolgreichen Einsatz validiert wurden Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 41. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 41 Terminologie entwickeln determine consider enumerate define define define create scope reuse terms classes properties constraints instances •Von welchen Begriffen soll die Rede sein? •Welche Eigenschaften haben diese Begriffe? •Was wollen wir über diese Begriffe aussagen? Example: Wine Ontology wine, grape, winery, location, wine color, wine body, wine flavor, sugar content white wine, red wine, Bordeaux wine food, seafood, fish, meat, vegetables, cheese,... Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 42. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 42 Klassen und Klassenhierarchien entwickeln determine consider enumerate define define define create scope reuse terms classes properties constraints instances •Klassen sind Konzepte in der betreffenden Domain •Klasse der Weine •Klasse der Weinbaubetriebe •Klasse der Rotweine •Klassen sind Sammlungen von Objekten mit gleichartigen Eigenschaften •Wähle top-down / bottom-up / middle-out Ansatz zur Modellierung der Klassenhierarchien Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 43. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 43 Definiere Properties determine consider enumerate define define define create scope reuse terms classes propertiess constraints instances •Properties in einer Klassendefinition bescheiben Attribute von Instanzen •jeder Wein hat eine Farbe, Restzuckergehalt, Produzent, etc,... Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 44. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 44 Definiere Beschränkungen auf Properties determine consider enumerate define define define create scope reuse terms classes properties constraints instances •Property constraints (Restriktionen) beschreiben bzw. beschränken die Menge der möglichen Property-Werte •Der Name eines Weines ist ein String •Weinproduzent ist eine Instanz von Winzer Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 45. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101 45 Definition von Klasseninstanzen determine consider enumerate define define define create scope reuse terms classes properties constraints instances •Erzeuge die Instanzen der Klassen •Jede Klasse wird zum direkten Typen für ihre Instanzen •Jede Superklasse eines direkten Typs ist Typ der Instanz •Zuweisung von Property-Werten für Instanzen entsprechend Constraints •„das Glas spanischen Rotweins, das xy gestern abend zum Abendessen getrunken hat“ Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 46. 4. Ontology Engineering 46 4.Ontology Engineering 4.1.Ontologien - eine kurze Wiederholung 4.2.Methoden des Ontologie-Entwurfs 4.2.1.Allgemeines Vorgehen 4.2.2.Methode von Uschold und King 4.2.3.Ontology 101 4.2.4.Weitere Methoden des Ontologie-Entwurfs 4.3.Ontology Learning, Ontology Mapping und Ontology Merging Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 47. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.4 Weitere Methoden 47 Methode nach Grüninger und Fox (1995) •Formaler Ansatz des Ontologie-Entwurfs •Inspiriert durch den Entwurf wissensbasierter Systeme (Prädikatenlogik) Informal Formal Complete- Motivating Formal Formal Competency Competency ness Scenarios Terminology Axioms Questions Questions Theorems 1 2 3 4 5 6 (1) Identifikation des Hauptanwendungsszeniarios (2) Kompetenzfragen um Spielraum/Fachgebiet der Ontologie festzulegen (3) Extraktion der Terminologie/Konzepte/Relationen, Etc. (4) Formale Kompetenzfragen (mit eigens entwickelter Terminologie) (5) Bestimmung der wichtigsten Axiome (6) Überprüfung der Vollständigkeit Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 48. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.4 Weitere Methoden 48 METHONTOLOGY Fernandez-Lopez/Gomez-Perez, 1999 •Lebenszyklus-Modell basierend auf entwickelten Prototypen control management quality assurance activities specifi- concep- formali- implemen- mainte- development cation tualization zation tation nance activities knowledge acquisition integration support activities evaluation documentation configuration Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 49. 4. Ontology Engineering 4.2 Methoden des Ontologieentwurfs / 4.2.4 Weitere Methoden On-To-Knowledge (Staab et al., 2001) project setting ontology development Feasibility Ontology Refinement Evaluation Maintenance Study Kickoff Ontology • identify • requirement • concept • identify • manage problem and specification elicitation problem and organizational opportunity • analyze with domain opportunity maintenance areas input sources experts areas process • select most • develop • develop • select most promising baseline baseline promising focus area taxonomy taxonomy focus area and target • conceptualize and target solution and formalize solution • add relations and axioms Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 50. 4. Ontology Engineering 50 4.Ontology Engineering 4.1.Ontologien - eine kurze Wiederholung 4.2.Methoden des Ontologie-Entwurfs 4.2.1.Allgemeines Vorgehen 4.2.2.Methode von Uschold und King 4.2.3.Ontology 101 4.2.4.Weitere Methoden des Ontologie-Entwurfs 4.3.Ontology Learning, Ontology Mapping und Ontology Merging Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 51. 4. Ontology Engineering 4.3 Ontology Learning, Ontology Mapping, Ontology Merging 51 •Ontologie-Entwurf ist sehr aufwändig bzgl. Zeit und Ressourcen kann das Verfahren (teil-)automatisiert werden? •Ontologien können (automatisch) „gelernt“ werden •Ontology Learning definiert Menge von Methoden und Techniken •zum grundlegenden Aufbau einer neuen Ontologie •zur Erweiterung oder Anpassung einer bereits existierenden Ontologie •in einer (teil-)automatisierten Weise aus unterschiedlichen Ressourcen •auch Ontology-Generation, Ontology-Mining, Ontology-Extraction,… •Automatisierung benötigt Hilfestellung •Natural language processing (NP) •Machine learning techniques (ML) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 52. 4. Ontology Engineering 4.3 Ontology Learning, Ontology Mapping, Ontology Merging 52 Ontology Learning - Prinzipielles Vorgehen Dokumentenkorpus Terme Ontologie pet (1) Term- (2) Konzep- extraktion tualisierung … <dog> <dogs> <cat> dog cat <siamese cat> siamese cat (3) Evaluation und Nachbesserung Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 53. 4. Ontology Engineering 4.3 Ontology Learning, Ontology Mapping, Ontology Merging 53 Ontology Learning Tasks •welche Aufgaben im Ontologie-Entwurf können (teil-)automatisiert werden? Ontology Learning Tasks • Ontology creation • Ontology schema extraction • Extraction of ontology instances • Ontology integration and navigation • Ontology update • Ontology enrichment Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 54. 4. Ontology Engineering 4.3 Ontology Learning, Ontology Mapping, Ontology Merging 54 Ontology Mapping •um sich zu verstehen, müssen zwei Parteien dieselbe formale Spezifikation einer gemeinsamen Konzeptualisierung verwenden •sich aber auf dieselbe Ontologie zu einigen ist nicht immer einfach (unterschiedlicher Auwendungszweck, unterschiedliche Sichtweisen, unterschiedliche Meinungen…) •Parteien mit unterschiedlichen Ontologien (zur einer identischen Domain) können sich nicht verstehen •Ontologien müssen aufeinander abgebildet werden (= Ontology Mapping / Ontology Alignment / Ontology Mediation) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 55. 4. Ontology Engineering 4.3 Ontology Learning, Ontology Mapping, Ontology Merging 55 Ontology Mapping •ist ein Prozess, in dem zwei Ontologien semantisch auf der konzeptionellen Ebene miteinander in Beziehung gesetzt werden. •Dabei werden Instanzen der Start-Ontologie OS entsprechend der ermittelten semantischen Beziehungen in Instanzen der Ziel-Ontologie OT mit Hilfe einer Abbildung M: OS → OT transformiert. •Die Abbildung M kann dabei •injektiv (nicht umkehrbar) oder auch •bijektiv sein Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 56. 4. Ontology Engineering 4.3 Ontology Learning, Ontology Mapping, Ontology Merging 56 Ontology Mapping Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 57. 4. Ontology Engineering 4.3 Ontology Learning, Ontology Mapping, Ontology Merging 57 Ontology Mapping •Ontology Mapping ist kein “neues” Problem… •dieselben Probleme treten bei der Datenintegration z.B. in föderierten Datenbanken auf •Föderierte Datenbanken verwalten lokale Schemata für jede einzelne beteiligte Datenbank •Datenintegration (Schema Matching) erfolgt entweder über •bilaterale Abbildungen oder über •globale Schemata zu denen jeweils eine Abbildung zu jedem lokalen Schema existiert (Abbildung erfolgt über view) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 58. 4. Ontology Engineering 4.3 Ontology Learning, Ontology Mapping, Ontology Merging 58 Ontology Mapping Process •prinzipieller Ablauf OS1 1 2 3 mapping M(OS1) import find specify ontologies similarities mapping / merging merged ontology OS2 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 59. 4. Ontology Engineering 4.3 Ontology Learning, Ontology Mapping, Ontology Merging 59 Ontology Merging •ist ein Prozess, in dem aus zwei oder mehr Start-Ontologien eine neue Ontologie erzeugt werden soll. •die neue Ontologie vereinheitlicht und ersetzt die originalen Start- Ontologien. •Union Approach Die neue Ontologie ist die Vereinigung aller Entitäten der Start- Ontologien, wobei Konflikte aus unterschiedlichen Repräsentation identischer Konzepte der Start-Ontologien aufgelöst wurden. •Intersection Approach (extensional) Die neue Ontologie besteht nur aus den Teilen der Start-Ontologien, die überlappen. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 60. Semantic Web - Vorlesungsinhalt 60 1 2 3 4 5 6 7 8 9 10 11 09.02.2010 – Vorlesung Nr. 12 4.Ontology Engineering 4.1.Ontologien - eine kurze Wiederholung 4.2.Methoden des Ontologie-Entwurfs 4.2.1.Allgemeines Vorgehen 4.2.2.Methode von Uschold und King 4.2.3.Ontology 101 4.2.4.Weitere Methoden des Ontologie-Entwurfs 4.3.Ontology Learning, Ontology Mapping und Ontology Merging Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 61. Semantic Web - Vorlesungsinhalt 61 1. Einführung 2. Semantic Web Basisarchitektur Die Sprachen des Semantic Web - Teil 3. Wissensrepräsentation und Logik Die Sprachen des Semantic Web - Teil 2 4. Ontology Engineering 5. Semantic Web Applications Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 62. 5. Semantic Web Applications 62 5.Semantic Web Applications 5.1.Semantische Suche 5.1.1.Traditionelles Information Retrieval 5.1.2.Semantisch unterstütztes Information Retrieval 5.1.3.Explorative Suche Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 63. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.1 traditionelles IR 63 Problemfeld 1: Informationssuche • Keyword-Suche führt zu vielen nicht relevanten Ergebnissen • Bedeutungsunterschiede • Homonyme • unterschiedlicher Kontext • Keyword-Suche findet nicht alle relevanten Ergebnisse • Synonyme • fehlende Kontextpräzisierung Suchbegriff: „Golf“ Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 64. 5. Semantic Web Applications 64 5.Semantic Web Applications 5.1.Semantische Suche 5.1.1.Traditionelles Information Retrieval 5.1.2.Semantisch unterstütztes Information Retrieval 5.1.3.Explorative Suche Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 65. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR 65 Inhalte im Web maschinell „verstehen“ Text: „Diego zu Bayern?“ Entitäten- zuweisung Diego Ribas da Cunha (Instanz) Klassen- ist ein zugehörigkeit Fußballspieler (Klasse) Subklasse ist eine • Die Bedeutung (Semantik) der Klassen ist eine Superklasse muss ebenfalls explizit definiert werden. • Bedeutung wird über geeignete Wissens- Person (Klasse) repräsentationen (Ontologien) kodiert Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 66. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR 66 Inhalte im Web maschinell „verstehen“ Text: „Diego zu Bayern?“ Entitäten- zuweisung Wo finde ich die Diego Ribas da Cunha passende Entität ? ist ein Fußballspieler ist eine Person Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 67. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR 67 Inhalte im Web maschinell „verstehen“ Text: „Diego zu Bayern?“ Entitäten- zuweisung Diego Ribas da Cunha ist ein Wo finde ich die Fußballspieler passende Ontologie ? ist eine Person Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 68. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR 68 Linking Open Data Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 69. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR 69 Entitätenzuweisung Text: „Diego zu Bayern?“ Entitäten- zuweisung Diego Ribas da Cunha rdfs:label Diego Ribas da Cunha ist ein Fußballspieler rdf:type dbpedia-owl:SoccerPlayer ist eine Person rdf:type dbpedia-owl:Person Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 70. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR 70 Semantisch unterstütztes Information Retrieval • Semantische Annotationen ermöglichen eine Verbesserung der traditionellen Schlüsselwort-basierten Suche durch • Erweiterung / Präzisierung der Suchergebnisse (Query String Refinement) • Herleitung von impliziten Informationen • Herstellung von Querverweisen (Cross Referencing) • Nutzung von semantischen Beziehungen zur • Visualisierung und • Navigation durch den Suchraum (Explorative Suche) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 71. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR 71 Erweiterung der Suchergebnisse • Keyword-basierte Suche liefert nicht alle inhaltlich relevanten Suchergebnisse zu einer Suchphrase, da Synonyme, Metaphern und Umschreibungen den gesuchten Inhalt mit anderen Termen beschreiben. • Erweiterung der ursprünglichen Suchphrase (Query Refinement) • Nutzung von Wörterbüchern und Thesauri • Synonyme, Ober- und Unterbegriffe • Nutzung von Domain Ontologien • Meronyme, Holonyme, Assoziationen Suchphrase: Bank Mögliche Erweiterung: Bank ∨ Kreditanstalt ∨ Sparkasse ∨ ... Bank ∨ Konto ∨ Kredit ∨ ... Bank ∨ Santander ∨ Raiffeisen ∨ ... Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 72. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR 72 Präzisierung der Suchergebnisse • Keyword-basierte Suche liefert zu viele inhaltlich nicht relevante Suchergebnisse zu einer Suchphrase, da Suchbegriffe mehrere Bedeutung und in unterschiedlichem Kontext/Pragmatik genutzt werden. • Verfeinerung der ursprünglichen Suchphrase (Query Refinement) • Nutzung von Wörterbüchern und Thesauri • Homonyme mit Hilfe von Ober- und Unterbegriffen disambiguieren • Nutzung von Domain Ontologien • Meronyme, Holonyme Suchphrase: Bank Mögliche Erweiterung: Bank ∧ Kreditanstalt oder Bank ∧ Sitzgelegenheit oder Bank ∧ Sediment Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 73. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR 73 Herstellung von Querverweisen □ Bereitstellung von Suchergebnissen, die zwar den Suchbegriff nicht notwendigerweise enthalten, aber mit diesem in inhaltlichem Zusammenhang stehen □ Nutzung von Domain Ontologien □ Nutzung von Thesauri und Kookurrenzanalysen repräsentativer Dokumentenkorpora Suchphrase: Hemingway ermittelter Oberbegriff zu Hemingway: amerikanischer Autor Ausweitung der Suche auf andere amerikanische Autoren dbpedia:AmericanNovelists rdf:type rdf:type Instanzerkennung Hemingway dbpedia:Ernest_Hemingway dbpedia:Edgar_Allan_Poe Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 74. 5. Semantic Web Applications 74 5.Semantic Web Applications 5.1.Semantische Suche 5.1.1.Traditionelles Information Retrieval 5.1.2.Semantisch unterstütztes Information Retrieval 5.1.3.Explorative Suche Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 75. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.3 Explorative Suche 75 Explorative Suche • Abkehr vom „Google Paradigma“ • Visualisierung von Querverbindungen zwischen • Suchbegriffen (Ontologieebene) • Suchergebnissen (Instanzebene) • Ermöglicht es dem Benutzer • Suchergebnisse „zufällig“ zu entdecken, die er eigentlich gar nicht gesucht hat (Serendipity) • einen besseren Überblick über den Suchraum / Ergebnisraum zu gewinnen Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 76. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.3 Explorative Suche 76 ■ Problem: Informationsflut - Was ist wichtig? ■ e.g., Ernest Hemingway ■ > 600 facts (triples) ■ > 80 properties ■ no ranking ■ no relevance http://dbpedia.org/page/Ernest_Hemingway Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 77. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.3 Explorative Suche 77 Explorative Suche - ein einfaches Beispiel • Suche im Grunddatenbestand nach ,Ernest Hemingway‘ • Identifikation einer Entität dbpedia:Ernest_Hemingway • Bestimmung eines geeigneten ,Properties‘ dbpedia:Ernest_Hemingway foaf:name “Ernest Hemingway“ . dbpedia:Ernest_Hemingway rdfs:type dbpedia:class/yago/AmericanNovelist . ... dbpedia:Ernest_Hemingway dbpedia:ontology/influences dbpedia:Ezra_Pound . dbpedia:Ezra_Pound rdfs:type dbpedia:class/yago/AmericanNovelist . ... dbpedia:J._D._Salinger dbpedia:ontology/influences dbpedia:Ernest_Hemingway . dbpedia:J._D._Salinger rdfs:type dbpedia:class/yago/AmericanNovelist . Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 78. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.3 Explorative Suche 78 Explorative Suche - ein einfaches Beispiel • Suche im Grunddatenbestand nach ,Ernest Hemingway‘ • Identifikation einer Entität dbpedia:Ernest_Hemingway • Bestimmung eines geeigneten ,Properties‘ dbpedia:Ernest_Hemingway foaf:name “Ernest Hemingway“ . dbpedia:Ernest_Hemingway rdfs:type dbpedia:class/yago/AmericanNovelist . ... dbpedia:Ernest_Hemingway dbpedia:ontology/influences dbpedia:Ezra_Pound . dbpedia:Ezra_Pound rdfs:type dbpedia:class/yago/AmericanNovelist . ... dbpedia:J._D._Salinger dbpedia:ontology/influences dbpedia:Ernest_Hemingway . dbpedia:J._D._Salinger rdfs:type dbpedia:class/yago/AmericanNovelist . Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 79. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.3 Explorative Suche 79 Explorative Suche - ein einfaches Beispiel • Suche im Grunddatenbestand nach ,Ernest Hemingway‘ • Identifikation einer Entität dbpedia:Ernest_Hemingway • Bestimmung eines geeigneten ,Properties‘ dbpedia:Ernest_Hemingway foaf:name “Ernest Hemingway“ . dbpedia:Ernest_Hemingway rdfs:type dbpedia:class/yago/AmericanNovelist . ... dbpedia:Ernest_Hemingway dbpedia:ontology/influences dbpedia:Ezra_Pound . dbpedia:Ezra_Pound rdfs:type dbpedia:class/yago/AmericanNovelist . ... dbpedia:J._D._Salinger dbpedia:ontology/influences dbpedia:Ernest_Hemingway . dbpedia:J._D._Salinger rdfs:type dbpedia:class/yago/AmericanNovelist . Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 80. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.3 Explorative Suche 80 Explorative Suche - ein einfaches Beispiel • Suche im Grunddatenbestand nach ,Ernest Hemingway‘ • Identifikation einer Entität dbpedia:Ernest_Hemingway • Bestimmung eines geeigneten „Properties“ • Nutzung des Properties zur Navigation/Visualisierung Ezra Pound Ernest Hemingway J.D. Salinger dbpedia:ontology/influences dbpedia:ontology/influences • Erweitere Suche mit asoziierten Entitäten Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 81. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.3 Explorative Suche history 81 search term related resources with properties Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 82. 5. Semantic Web Applications 5.1 Semantische Suche / 5.1.3 Explorative Suche 82 http://testing.yovisto.com/ Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 83. 5. Semantic Web Applications 83 5.Semantic Web Applications 5.1.Semantische Suche 5.1.1.Traditionelles Information Retrieval 5.1.2.Semantisch unterstütztes Information Retrieval 5.1.3.Explorative Suche Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 84. Semantic Web - Vorlesungsinhalt 84 1. Einführung 2. Semantic Web Basisarchitektur Die Sprachen des Semantic Web - Teil 3. Wissensrepräsentation und Logik Die Sprachen des Semantic Web - Teil 2 4. Ontology Engineering 5. Semantic Web Applications Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
  • 85. 4. Ontology Engineering 85 Literatur » A. Gomez-Perez et al. Ontological Engineering, Springer, 2004. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam

×