Web09 Semantic Web: Inginerie Ontologica (II)

<?xml version=“1.0” ?>
Semantic Web <curs desc=“…” />

Web semantic

Dr. SabinCorneliu Buraga
Facultatea de Informatica
Universitatea “A.I.Cuza” – Iasi, Romania

http://www.infoiasi.ro/~busaco/

Dr. Sabin Buraga http://www.purl.org/net/busaco


Inginerie ontologica – partea II



“Este dificil sa vezi un tablou
atunci când esti în interiorul ramei.”

/usr/games/fortune



intrebare

Cum integram diferite ontologii descriind
aceleasi cunostinte, dar prezentind definitii,
puncte de vedere si notiuni diferite?



realitati

existenta unor ontologii diverse,
modelind puncte de vedere diferite



preliminarii

Expresivitatea limbajului ontologii folosit vs.
complexitatea inferentelor ce pot fi efectuate



preliminarii

Cerinte (Calvanese, Giacomo & Rodriguez‐Muro, 2008):
utilizarea constructiilor ontologice diferite
inferente
recurgerea la volum mare de date (indivizi)
baze de date
flexibilitate privind realizarea interogarilor
limbaje de interogare (specifice)
realizarea de asocieri intre date, pastrand sursele originare
asocieri (mapping)



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, sept. 2008



necesitati

Crearea corespondentelor dintre ontologii

merging
mapping
articulation
O1 O2

O1 O2
Om



potrivirea ontologiilor

Context:
integrarea datelor

scheme de baze de date
inteligenta artificiala
Web (semantic)




Motivele existentei nepotrivirilor – mismatches
conform (Noy, 2005)
reprezentarea subiectiva a unui domeniu (a unei lumi)
existenta diferitelor cerinte si
fluxuri de activitati in cadrul aplicatiilor
folosirea altor conventii de reprezentare a cunostintelor
…




Tipuri de nepotriviri:
la nivel de limbaj
la nivel ontologic




Nepotriviri la nivel de limbaj

diferente de sintaxa, expresivitate sau semantica
a limbajelor ontologice actuale




Nepotriviri la nivel ontologic

diferente in structura semantica

exemple: termeni diferiti descriind acelasi concept,
acelasi termen descriind mai multe concepte,
conventii/paradigme de modelare eterogene,
puncte de vedere diferite etc.


potrivirea ontologiilor – exemplu

www.aktors.org/ontology/ vs. ebiquity.umbc.edu/ontology/

Nume diferite pentru acelasi concept:
PhD-Student vs. PhDStudent

Scop: periodice, publicatii compuse vs. absolventi, invitati

Definire diferita a conceptelor:
Publication (restrictii privitoare la citari, referinte) vs.
Publication (restrictii referitoare la rezumat)



potrivirea ontologiilor – exemplu

www.aktors.org/ontology/ vs. ebiquity.umbc.edu/ontology/
Conventii de modelare diferite:
Journal (clasa) vs. journal (proprietate)

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

Conventii de modelare & nivel de detaliere: proprietatea
address compusa din alte fragmente de informatie vs.
proprietatea address de tip sir de caractere (nestructurat)



Problema:
date la intrare ontologii – exprimate prin entitati
discrete (tabele, XML, clase, proprietati etc.) –,
trebuie determinate relatiile (e.g., echivalenta,
subsumare,…) care au loc intre aceste entitati

ontology matching
www.ontologymatching.org



Pavel Shvaiko & Jerome Euzenat, 2006



Reducerea eterogenitatii poate fi realizata in 2 pasi

potrivire (match) – determinarea alinierii
la momentul proiectarii sau (re)utilizarii ontologiei

procesarea alinierii
fuzionare (merging), transformare etc.




Corespondenta (matching) M intre O1 si O2 este
< id, e1, e2, R, n >, unde:
id = identificator unic al corespondentei

ei entitate din ontologia Oi (element XML, clasa,…), i=1,2

R = relatie: echivalenta (=), disjunctia ( ) etc.

n = masura de incredere (conforma cu o anumita structura
matematica aleasa); uzual, are valori in intervalul [0, 1]




Alinierea (alignment) A intre O1 si O2 este
o multime de corespondente peste O1 si O2
prezinta o anumita cardinalitate: 1 la 1, 1 la N etc.

pot fi folosite meta‐date aditionale
(metoda de aliniere, data alinierii, proprietati etc.)




Alinierea (alignment)



Utilizari (Jérôme Euzenat & Pavel Shvaiko, 2007):




Tehnici de potrivire la nivel de termeni
pe baza sirurilor de caractere
prefixul: net = network, pin = pinguin (?)

sufixul: ID = PID, word = sword (?)

distanta editarii (numarul de operatii de inserare, stergere,
substitutie a caracterelor pentru transformarea
unui termen in altul): EditDistance (NKN, Nikon) = 4




bazate pe limbaj
procesarea entitatilor (tokenization)
Hands-Free Kits → < hands, free, kits >

analiza morfologica pentru gasirea
tuturor formelor de baza (lemmalization): Kits → Kit

eliminarea cuvintelor nerelevante: “a”, “the”, “by” etc.



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

hipernimie, holonimie: Europe ] Romania

sinonimie

antonimie sau relatii de siblings: Microprocessors PC Board




pe baza glossei – se foloseste WordNet

numarul acelorasi cuvinte prezente
in ambele glosse de intrare
conduce la cresterea valorii de similaritate
a termenilor




pe baza glossei – se foloseste WordNet

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




Tehnici de potrivire la nivel structural
pe baza taxonomiei

potriviri ale drumurilor marginite in graful ontologiilor
(bounded path matching)




pe baza taxonomiei

reguli privitoare la super/sub‐concepte
daca super‐conceptele sunt similare,
conceptele (copii ale acestora) sunt si ele similare




bazate pe modele

verificarea satisfiabilitatii (SAT) folosind axiome:

Axioms → rel (context1, context2)



bazate pe modele




bazate pe modele – utilizind logicile descrierii




Procesele de potrivire pot avea loc secvential




Procesele de potrivire pot avea loc in paralel




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



alinierea ontologiilor

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




Intrarea: se dau 2 ontologii O1 si O2
eventual, pot fi oferite asocieri cunoscute
(realizate manual)

Iesirea: reprezentarea alinierilor
tabel indicind relatia alignO1,O2
eventual, se pot oferi si valori de incredere




Pasul 1: feature engineering
sunt selectate fragmente mici descriind entitati
specifice – reprezentind anumite semantici

ulterior, aceste trasaturi vor fi folosite
pentru compararea ontologiilor




Pasul 2: search step selection
se cauta candidati pentru aliniere

se calculeaza similaritatea unor perechi
de concepte (c1, c2), cu c1 din O1, c2 din O2




Pasul 2: search step selection
se cauta candidati pentru aliniere

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

se pot adopta strategii de reducere a spatiului
comparatiilor pentru ontologii largi




Pasul 3: similarity computation
pentru descrierile date ale 2 entitati din spatiul
de candidati ai alinierii, se indica o similaritate




Pasul 3: similarity computation

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

masura similaritatii poate fi data de una
sau mai multe caracteristici (trasaturi, features)




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

aceste valori se agrega
intr‐o unica valoare de similaritate



Pasul 4: similarity aggregation

exemplu:

(simlabel(o1:car, o2:automobile) + simsubconcepts(o1:car, o2:automobile)
+ siminstances(o1:car, o2:automobile)) / 3 = 0.5

combinarea acestor valori se realizeaza
prin mai multe strategii




Pasul 5: interpretation
valorile de similaritate individuale & agregate
sunt utilizate pentru alinierea entitatilor

aceste similaritati vor fi interpretate
(se aleg diverse criterii: prag limita, structura etc.)

la final, se ofera sau nu o schema de aliniere
a entitatilor considerate – e.g., align(o1:car) =‘ ’



Pasul 6: iteration
similaritatea e propagata in ontologii
pe baza relatiilor intre entitati

la fiecare interatie, va fi recalculata similaritatea
unei alinieri candidate pe baza similaritatii
perechilor entitatilor vecine




Pasul 6: iteration

dupa o interatie, pot rezulta alte similaritati

procesul se termina cind nu se propun noi alinieri




Observatii
Metodele avansate de aliniere utilizeaza:
Metode euristice si bazate pe reguli
Analiza grafurilor
Invatare automata
Tehnici de rationament, theorem proving
Exista mai multi algoritmi propusi
Competitia OAC – Ontology Alignment Contest
http://oaei.inrialpes.fr/



De asemenea, se pot folosi cunostintele anterioare
(background knowledge), inclusiv:
WordNet
ontologii de referinta ale domeniului
ontologii de nivel superior – e.g., SUMO
resurse textuale online
ontologii disponibile online



Procesele privind alinierea
Lambrix & Tan, 2005



fuziunea ontologiilor

Merging ontology – algoritmul general:



implementari (initiale)

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)
SMatch



implementari (actuale)

Cadre de lucru (frameworks):
Alignment API
COMA++
PROMPT – extensie Protégé

Sisteme de matching – textual sau general:
FOAM, OLA, Rondo etc.



(re)gasirea ontologiilor

Necesitatea existentei unor motoare de cautare

Sindice (DERI, Ireland)
Swoogle (UMBC, USA)
SWSE (DERI, Ireland)
Watson (Open University, UK)




Watson – http://watson.kmi.open.ac.uk

mecanisme de control al calitatii:
detectare de duplicate, fixarea unor probleme de sintaxa,…

API public

suport pentru interogari SPARQL




Watson – http://watson.kmi.open.ac.uk

structureaza ontologiile intr‐o retea ontologica
(proiectul NeOn) – relatii intre ontologii:
extends, inconsistentWith, duplicates etc.

plugin‐uri pentru Protégé si NeOn Toolkit



reutilizarea ontologiilor

Initiativa NeOn (networked ontologies)

conform (E. Motta et al., 2007)


modularizarea ontologiilor

“Imprumutarea” entitatilor specificate de ontologii

practica obisnuita in ingineria software

faciliteaza dezvoltarea colaborativa a ontologiei

exemple demonstrative:
http://owl.cs.manchester.ac.uk/2008/iswctones/



modularizarea ontologiilor

Matthew Horridge & Uli Sattler, 2008


sabloane de proiectare

Clasificare (Suárez‐Figueroa et al., 2007)
vezi NeOnproject.org

logical ontology design patterns (LP)

architectural patterns (AP)

content design patterns (CP)



Logical ontology design patterns (LP)

corespund contructiilor OWL, la nivel semantic




Architectural patterns (AP)

“retete” de modelare de structuri exprimate
cu ajutorul LP care caracterizeaza ontologia
in ansamblu




Content design patterns (CP)

“retete” de specificare a structurii conforme
unui tip, exprimata printr‐un vocabular
specific (non‐logic)
referitor la un domeniu de interes





exemple:
modelarea unei clase primitive,
a relatiei subClassOf,
a proprietatilor functionale de tip datatype,
a unui individ
etc.





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




specificarea relatiilor N‐are

dupa (Aldo Gangelmi, 2008)




taxonomia,
ontologia simpla (lightweight),
modularizarea ontologiilor,
…

controlul versiunilor




Content patterns (CP)

exemple:
participation, descriptionsituation,
roletask, roleentity, collectionentity,
simple partwhole relations,
designartifact pattern,…




Content patterns (CP)

a se vizita:
www.cs.vu.nl/~guus/public/ekaw-tutorial/content-patterns.pdf




Content patterns (CP): RoleTask





Class (Role subClassOf owl:Thing)
Class (Object subClassOf owl:Thing)
Class (Task subClassOf owl:Thing)
Class (Event subClassOf owl:Thing)
Class (Description subClassOf owl:Thing)
Class (Situation subClassOf owl:Thing)





ObjectProperty (classifiesObject domain(Role) range(Object))
ObjectProperty (classifiesEvent domain(Task) range(Event))
ObjectProperty (satisfies domain(Situation) range(Description))
ObjectProperty (hasModalTarget domain(Role) range(Task))





ObjectProperty (definesTask domain(Description) range(Task))
ObjectProperty (definesRole domain(Description) range(Role))
ObjectProperty (hasParticipant domain(Event) range(Object))
ObjectProperty (settingForEvent domain(Situation) range(Event))
ObjectProperty (settingForObject domain(Situation) range(Object))




Content patterns (CP): PartWhole relation
la nivel de OWL nu exista constructii specifice,
dar se poate recurge la unele facilitati

exemplu:
avind specificate relatiile tranzitive
Finger isPartOf Hand, Hand isPartOf Arm, Arm isPartOf Body
se poate deduce
Finger isPartOf Body



Content patterns (CP): kindOf relation
probleme privitoare la relatia kindOf:
Hand is not kindOf Body
insa, ranirea unui brat este kindOf ranirea unui trup

idem, in situatia conceptelor Motor si Automobil

oamenii se asteapta sa obtina ierarhii de tip partonomic




Alan Rector et al., 2005
Injury to Arm Arm OR part of arm
has_locus
(or part of arm)
some

Part of
Arm
Arm

has_locus
Hand Forearm
Injury to Hand some




La nivelul Consortiului Web:
Semantic Web Best Practice Working Group

www.w3.org/2001/sw/BestPractices/




La nivelul Consortiului Web:
Semantic Web Best Practice Working Group
solutii multiple pentru aceeasi problema
aspecte de evitat – pitfalls, antipatterns

comunitate de practica privind obtinerea/partajarea
de experiente in domeniul Web‐ului semantic

ofera cerinte specifice implementatorilor de instrumente




O alta clasificare:
recurgerea la sabloane la nivel logic, privind deductiile,
arhitectural, vizand numirea entitatilor, reengineering,
privind continutul

www.ontologydesignpatterns.org



intrebare

Avand un model (consistent) bazat pe logicile
descrierii, nu s‐ar putea specifica diverse
constructii (reguli) privind entitatile modelate?



reguli

Nu exista inca nici un standard Web
privind exprimarea regulilor

propuneri:
RuleML
SWRL (Semantic Web Rule Language)
F‐Logic (Frame Logic)
RIF (Rule Interchange Format)

vezi si www.w3.org/2005/rules/


reguli

Forma generala a unei reguli:

if situation1/action1 then situation2/action2

antecedent consecvent



reguli

SWRL – Semantic Web Rule Language
(Horrocks et. al, 2004)
foloseste puterea OWL de exprimare a axiomelor
+ permite utilizarea regulilor in stilul Horn

expresivitate mare, dar complexitate majora

www.w3.org/Submission/SWRL/



reguli

FLogic (Kifer, Lausen & Wu, 1995)
logica deductiva, orientata‐obiect

regulile pot fi deduse din fapte anterior precizate

X, Y, Z : Person [ getsSupport → Z ] ←
X : Person [ isOnline → Y ] Y : Group [ isMember → Z ]



reguli

Reprezentarea grafica a unei reguli ce stipuleaza faptul
ca o organizatie detine un contract daca numarul de client
indicat de contract este egal cu cel detinut de organizatie
(Jürgen Angele & Michael Gesmann, 2007)



reguli – exemple
toti oamenii
au urechi

Specificarea regulilor in CycL
(Witbrock, Grobelnik & Fortuna, 2008):

(#$forAll ?HUMAN
(#$implies
(#$isa ?HUMAN #$Human)
(#$anatomicalBodyParts ?HUMAN #$Ear)))



reguli – exemple Everybody
is loved by
someone
Specificarea regulilor in CycL
(Witbrock, Grobelnik & Fortuna, 2008):
(#$forAll ?PERSON
(#$implies
(#$isa ?PERSON #$Person)
(#$thereExists ?LOVER
(#$and
(#$isa ?LOVER #$Person)
(#$loves ?LOVER ?PERSON))))


reguli – exemple

Specificarea regulilor SWRL pentru procesarea in Jena
(Sergiu Bursuc, 2005):
#reguli pentru descoperirea cunostintelor despre un regizor
[(?movie cinema:directedBy ?director) ->
[(?director cinema:directsGenre ?genre) <-
(?movie cinema:hasGenre ?genre) ]
[(?director cinema:investigatesTheme ?theme) <-
(?movie cinema:hasTheme ?theme) ]
[(?director cinema:usesImagery ?imagery) <-
(?movie cinema:hasImagery ?imagery) ] ]



studii de caz

Utilizarea ontologiilor in context multimedia
Raphaël Troncy & Lynda Hardman, 2008
Managementul cursurilor academice via ontologii
Jorge Cardoso, 2007
Ontologii folosite in domeniul financiar
Amit Sheth, 2006
Ontologiile in contextul business intelligence
Thierry Declerck et al., 2008



studiu de caz (Troncy & Hardman, 2008)

Specificarea – la nivel ontologic – a proceselor
de baza (canonical processes) privind
producerea online de artefacte multimedia

exemple:
crearea de albume fotografice digitale
prezentarea de interviuri video adnotate de utilizatori



Raphaël Troncy & Lynda Hardman, 2008


studiu de caz (Jorge Cardoso, 2007)

Sistemul S‐CMS
(Semantic Course Management System)

arhitectura stratificata

recurge la ontologii specificate in OWL,
reguli declarate via SWRL, interogari etc.



studiu de caz (Jorge Cardoso, 2007)



studiu de caz (Amit Sheth, 2006)

Ontologii in contextul aplicatiilor financiare
Scop: automatizarea detectarii inconsistentelor &
neregulilor financiare
Specificarea riguroasa a terminologiei
din sistemul financiar
Integrarea datelor din surse multiple structurate
& semi‐structurate
Managementul & executia formulelor analitice
asupra datelor financiare




Crearea ontologiei – financial domain ontology –,
populata din surse de incredere

Implementarea unor extractori software
pentru dezambiguizarea datelor si formarea relatiilor
relevante dintre acestea

Dezvoltarea unui cadru de lucru
pentru specificarea formulelor/regulilor (rules)
si pentru interogarea ontologiei


subset al ontologiei financiare


Specificarea calculului valorii contului bancar:



studiu de caz (Thomas Declerck et al., ‘08)
Proiectul MUSING
studiul managementului cunostintelor
in contextul afacerilor, in special business intelligence

adopta diverse ontologii:
generale – BACH, XBRL (eXtensible Business Reporting
Language), PROTON, privind sectorul industrial etc.
+ cele modelind timpul: 4D, OWL‐Time

se considera aspectele referitoare la serviciile financiare,
la managementul riscurilor, la internationalizare



Proiectul MUSING
sursele de date provind de la partenerii MUSING
(balante contabile, profiluri de companii, informatii de
presa, date oferite de siturile Web etc.) + cele publice:
Wikipedia, CIA Fact Book,…

ontologia a fost dezvoltata manual, in cooperare cu experti




Proiectul MUSING – provocari:
extragerea informatiilor din documente nestructurate
(s‐au folosit instrumente precum GATE si ANNIE)

fuziunea datelor extrase din diverse tipuri de surse
structurate & nestructurate,
recurgind la baze de cunostinte, analiza lingvistica,
machine learning etc.



“concluzii”

Dezvoltarea unei/unor ontologii trebuie
sa reprezinte doar primul pas

un model conceptual nu are sens daca nu e utilizat



“concluzii”

ontologii declara o maniera
de structurare
ofera o descriere
a unui domeniu

baze de date
agenti
baze de
software problemsolving
cunostinte
methods
servicii
alte aplicatii
Web
semantice
adaptare dupa Alan Rector et al., 2005


“concluzii”

Privire de ansamblu:
aplicatii aliniate problematicilor Web‐ului semantic

Ora Lassila & James Hendler, IEEE Internet Computing, July 2007



viitor: owl 2

Modelarea unor domenii necesitati expresivitati
care nu sunt oferite de actualul OWL

extinderea OWL cu noi constructii care insa sa pastreze
proprietatile din cadrul OWL DL

OWL 2

www.w3.org/2007/OWL/



viitor: owl 2

expresivitate ridicata – via logica SROIQ
restrictii de cardinalitate calificate si privind reflexivitatea,
inlantuirea proprietatilor (property chains) etc.

suport pentru meta‐modelare & adnotari

asocierea de profile
stabilirea constructiilor OWL 2 ce corespund
unei anumite complexitati computationale in vederea
efectuarii rationamentelor automate


viitor: owl 2

OWL EL
efectuarea de rationamente in timp polinomial

utilizare mai ales in cazul ontologiilor din domeniul
stiintelor vietii (e.g., FMA, NCI Thesaurus, SNOMED CT,
Gene Ontology etc.) care vizeaza mai ales scalabilitatea

la nivel formal, se bazeaza pe logica descrierii EL++
ce permite exprimarea restrictiilor existentiale
(Baader, Brandt & Lutz, 2005, 2008)


viitor: owl 2

OWL QL
suport pentru efectuarea de interogari (optimizate)
in stilul bazelor de date conventionale

se preteaza pentru ontologii avind un volum mare de fapte

ofera expresivitatea necesara specificarii de tezaure sau
de scheme de tip UML ori ER (entityrelation)



viitor: owl 2

OWL RL
permite exprimarea regulilor in cadrul ontologiilor

poate fi implementat in cadrul sistemelor conventionale
de baze de date relationale

la nivel formal, se bazeaza pe
DLP – Description Logic Programs (Grosof et al., 2003)
si pD* (Horst, 2005)



viitor: owl 2

Pentru alte detalii, a se consulta:

Christine Golbreich & Evan K. Wallace,
OWL 2 Web Ontology Language:
New Features and Rationale,
W3C Working Draft, 02 December 2008

http://www.w3.org/TR/owl2newfeatures/



viitor: fuzzy logic & semantic web

Utilizarea unor modele ontologice bazate pe logica fuzzy

a se consulta:
Elie Sanchez (Editor), Fuzzy Logic and the Semantic Web,
Elsevier, 2006



Rezumat

Inginerie ontologica
alinieri, sabloane de proiectare, reguli, studii de caz



?


Web09 Semantic Web: Inginerie Ontologica (II)

Recommended

Recommended

More Related Content

Similar to Web09 Semantic Web: Inginerie Ontologica (II)

Similar to Web09 Semantic Web: Inginerie Ontologica (II) (9)

More from Sabin Buraga

More from Sabin Buraga (20)

Recently uploaded

Recently uploaded (20)

Web09 Semantic Web: Inginerie Ontologica (II)