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

Dr.

Sab

in B

ura

ga

www.purl.org/net/busaco

inginerie ontologică – partea II

alinierea & fuziunea ontologiilorșabloane de proiectare, domenii de utilizare

Dezvoltarea aplicațiilor Web

Dr.

Sab

in B

ura

ga


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

/usr/games/fortune

Dr.

Sab

in B

ura

ga


Cum integrăm diferite ontologiidescriind aceleași cunoștințe,

dar prezentând definiții,puncte de vedere și noțiuni diferite?

Dr.

Sab

in B

ura

ga


realitate

existența unor ontologii diverse,modelând puncte de vedere diferite

Dr.

Sab

in B

ura

ga


preliminarii

Expresivitatea limbajului ontologii folositversus

complexitatea inferențelor ce pot fi efectuate

Dr.

Sab

in B

ura

ga


preliminarii

Aspecte de interes(Calvanese, Giacomo & Rodriguez-Muro, 2008):

utilizarea construcțiilor ontologice oferite de OWLefectuarea de inferențe

Dr.

Sab

in B

ura

ga


preliminarii


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

Dr.

Sab

in B

ura

ga


preliminarii


flexibilitate privind realizarea interogărilorlimbaje de interogare – specifice (SPARQL)

Dr.

Sab

in B

ura

ga


preliminarii


realizarea de asocieri între date,păstrând sursele originare

asocieri (mappings) – e.g., baze de date↔triplestores

Dr.

Sab

in B

ura

ga


preliminarii

Context: integrarea datelor – data integration

data integration is the problem of providing unifiedand transparent access to a set of autonomous and

heterogeneous sources

Bernstein & Haas, Communications of the ACM, 2008

Dr.

Sab

in B

ura

ga


necesități

Crearea corespondențelor dintre ontologii

O1 O2

Om

O1 O2

mappingmerging

articulation

Dr.

Sab

in B

ura

ga


potrivirea ontologiilor

Context:

integrarea datelor

scheme de baze de date (relaționale)

specificații provenite din inteligența artificială

Web (semantic) – RDF, JSON(-LD), OWL,…

Dr.

Sab

in B

ura

ga



Motive ale existenței nepotrivirilor – mismatchesconform (Noy, 2005)

reprezentarea subiectivă a unui domeniu (lume, web)

exemplu:carte pentru copii despre animale vs. compendiu zoologic

Dr.

Sab

in B

ura

ga




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

exemplificări:e-business vs. e-learning vs. e-entertainment,

interacțiune convențională (desktop) vs. mediu mobil/TV

Dr.

Sab

in B

ura

ga




folosirea altor convenții de reprezentare a cunoștințelor

a se (re)vedea și cursul anterior

Dr.

Sab

in B

ura

ga



Tipuri de nepotrivirila nivel…

de limbaj

ontologic

Dr.

Sab

in B

ura

ga



Nepotriviri la nivel de limbaj

diferențe de sintaxă, expresivitate sau semanticăa limbajelor ontologice actuale

Dr.

Sab

in B

ura

ga



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.

Dr.

Sab

in B

ura

ga


potrivirea ontologiilor – exemplu

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

scop:modelare de cunoștințe din domeniul academic

periodice, publicații compuse vs. absolvenți, invitați

Dr.

Sab

in B

ura

ga




nume diferite pentru același concept:

PhD-Student versus PhDStudent

Dr.

Sab

in B

ura

ga




specificare diferită a conceptelor:

Publication – restricții privitoare la citări, referințe biblio.versus

Publication – restricții referitoare la rezumat

Dr.

Sab

in B

ura

ga




convenții de modelare diferite:

Journal (clasă) vs. journal (proprietate)

Dr.

Sab

in B

ura

ga




granularitate:

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

Dr.

Sab

in B

ura

ga




convenții de modelare și nivel de detaliere:

proprietatea address compusădin alte fragmente de informație

versusproprietatea address de tip șir de caractere (nestructurat)

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga



Problemă: ontology matching

www.ontologymatching.org

Dr.

Sab

in B

ura

ga


Pavel Shvaiko & Jérôme Euzenat

Dr.

Sab

in B

ura

ga



Reducerea eterogenitățiipoate fi realizată în 2 pași

Dr.

Sab

in B

ura

ga




1. potrivire (match) – determinarea alinierii

la momentul proiectării sau (re)utilizării ontologiei

Dr.

Sab

in B

ura

ga




2. procesarea alinierii

fuzionare (merging), transformare etc.

Dr.

Sab

in B

ura

ga



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.

Dr.

Sab

in B

ura

ga



Alinierea (alignment) A între O1 și O2 esteo mulțime de corespondențe peste O1 și O2

prezintă o anumită cardinalitate: 1 la 1, 1 la N etc.

Dr.

Sab

in B

ura

ga



Alinierea (alignment) A între O1 și O2 esteo 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,…

Dr.

Sab

in B

ura

ga



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

conform François Scharffe (2008)

Dr.

Sab

in B

ura

ga



Alinierea (alignment)

Dr.

Sab

in B

ura

ga


potrivirea ontologiilor: utilizare

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

Dr.

Sab

in B

ura

ga



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)

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga



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

alinierea ontologică este facilitată deWSMT (Web Service Modeling Toolkit)

alinierile sunt exprimatevia AML (Abstract Mapping Language)

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga



Tehnici de potrivire la nivel de termenipe 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

Dr.

Sab

in B

ura

ga



Tehnici de potrivire la nivel de termenibazate pe limbaj

procesarea entităților (tokenization)Hands-Free Kits → ⟨ hands, free, kits ⟩

analiza morfologică pentru găsireatuturor formelor de bază (lemmalization): Kits → Kit

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

Dr.

Sab

in B

ura

ga



Tehnici de potrivire la nivel de termenipe baza sensurilor – cazul WordNet

hiponimie, meronimie: Brand ⊏ Name

hipernimie, holonimie: Software ⊐ WebFramework

sinonimie

antonimie sau relații de siblings: Microprocessors ⊥ PC Board

Dr.

Sab

in B

ura

ga



Tehnici de potrivire la nivel de termenipe baza glossei – se folosește WordNet

numărul acelorași cuvinte prezenteîn ambele glosse (texte) de intrare

conduce la creșterea valorii de similaritate a termenilor

Dr.

Sab

in B

ura

ga




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

Dr.

Sab

in B

ura

ga




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

Dr.

Sab

in B

ura

ga



Tehnici de potrivire la nivel structuralpe baza taxonomiei

potriviri ale drumurilor mărginite în graful ontologiilor(bounded path matching)

Dr.

Sab

in B

ura

ga



Tehnici de potrivire la nivel structuralpe baza taxonomiei

reguli privitoare la super/sub-concepte

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

Dr.

Sab

in B

ura

ga



Tehnici de potrivire la nivel structuralbazate pe modele

verificarea satisfiabilității (SAT) pe baza axiomelor:

Axioms → rel (context1, context2)

Dr.

Sab

in B

ura

ga



Dr.

Sab

in B

ura

ga



Tehnici de potrivire la nivel structuralbazate pe modele – utilizarea logicilor descrierii

Dr.

Sab

in B

ura

ga



Procesele de potrivire pot avea loc secvențial

Dr.

Sab

in B

ura

ga



Procesele de potrivire se pot desfășura în paralel

Dr.

Sab

in B

ura

ga



Remarcă: “Matching, however, requires explanations

because mappings between terms are not alwaysintuitively obvious to human users.”

Pavel Shvaiko, 2005

Dr.

Sab

in B

ura

ga


alinierea ontologiilor

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

Dr.

Sab

in B

ura

ga



Date de intrare:două ontologii O1 și O2

eventual, pot fi puse la dispoziție asocieri cunoscute

(realizate manual, semi-automat ori automat)

Dr.

Sab

in B

ura

ga



Date de ieșire:o reprezentare a alinierilortabel indicând relația alignO1,O2

suplimentar, se pot oferi și valori de încredere

Dr.

Sab

in B

ura

ga



Pasul 1: feature engineeringsunt selectate fragmente mici descriind entități

de interes – reprezentând anumite semantici

ulterior, aceste trăsături vor fi folositepentru compararea ontologiilor

Dr.

Sab

in B

ura

ga



Pasul 2: search step selectionse caută candidați pentru aliniere

se calculează similaritatea unor perechide concepte (c1, c2), cu c1 O1, c2 O2

Dr.

Sab

in B

ura

ga




unele construcții pot fi ignorate

de exemplu,se poate compara o1:car cu o2:automobile,

dar nu cu o2:hasMotor

Dr.

Sab

in B

ura

ga




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

Dr.

Sab

in B

ura

ga



Pasul 3: similarity computationpentru descrierile date ale 2 entități din spațiulde candidați ai alinierii, se indică o similaritate

Dr.

Sab

in B

ura

ga



Pasul 3: similarity computationpentru descrierile date ale 2 entități din spațiulde candidați ai alinierii, se indică o similaritate

măsura similarității poate fi dată de

una sau mai multe caracteristici (trăsături, features)

Dr.

Sab

in B

ura

ga



Pasul 3: similarity computation

exemplu:

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

Dr.

Sab

in B

ura

ga



Pasul 4: similarity aggregationpentru 2 entități, pot exista mai multe similarități,

conform criteriilor considerate

e.g., privind etichetele conceptelor saurelațiile cu alte entități

Dr.

Sab

in B

ura

ga



Pasul 4: similarity aggregationpentru 2 entități, pot exista mai multe similarități,

conform criteriilor considerate

aceste valori se agregăîntr-o unică valoare de similaritate

Dr.

Sab

in B

ura

ga



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 realizeazăprin mai multe strategii

Dr.

Sab

in B

ura

ga



Pasul 5: interpretationvalorile de similaritate individuale și agregate

sunt utilizate pentru alinierea entităților

Dr.

Sab

in B

ura

ga



Pasul 5: interpretationvalorile de similaritate individuale și agregate

sunt utilizate pentru alinierea entităților

aceste similarități vor fi interpretate(se aleg diverse criterii: prag limită, structură etc.)

Dr.

Sab

in B

ura

ga



Pasul 5: interpretation

la final, se oferă sau nu o schemă de alinierea entităților considerate

e.g., align(o1:car) =‘⊥’

nu s-a putut determina nici o aliniere convenabilă

Dr.

Sab

in B

ura

ga



Pasul 6: iterationsimilaritatea e propagată în ontologii

pe baza relațiilor între entități

Dr.

Sab

in B

ura

ga



Pasul 6: iterationsimilaritatea e propagată în ontologii

pe baza relațiilor între entități

la fiecare interație, va fi recalculată similaritateaunei alinieri candidate

pe baza similarității perechilor entităților vecine

Dr.

Sab

in B

ura

ga



Pasul 6: iterationdupă realizarea unei interații,

pot rezulta alte similarități

Dr.

Sab

in B

ura

ga



Pasul 6: iterationprocesul se termină când nu se propun noi alinieri

Dr.

Sab

in B

ura

ga



Abordările avansate de aliniere utilizează:

metode euristice – e.g., probabilistice

metode bazate pe reguli

tehnici de analiză structurală a grafurilor

Dr.

Sab

in B

ura

ga



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)

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga



De asemenea, se pot folosi cunoștințe anterioare(background knowledge)

WordNetontologii de referință ale domeniului

ontologii de nivel superior – e.g., DOLCE, SUMO, UMBELresurse textuale on-line – i.e. Wikipedia (DBpedia)

vocabulare/ontologii disponibile on-line

Dr.

Sab

in B

ura

ga


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

Dr.

Sab

in B

ura

ga


procesele privind alinierea (Lambrix & Tan, 2005)

Dr.

Sab

in B

ura

ga


fuziunea ontologiilor

Merging ontology – algoritmul general:

Dr.

Sab

in B

ura

ga


implementări (inițiale)

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-MatchS-Match

Dr.

Sab

in B

ura

ga


implementari (initiale)

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

Dr.

Sab

in B

ura

ga


implementări (mai recente)

Fuziunea de ontologiiATOM (Automatic Target-driven Ontology Merging)

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

Sisteme de matching – textual sau generalFOAM, OLA, Rondo etc.

Meta-matching systems – APFEL, eTuner

Dr.

Sab

in B

ura

ga


implementari (actuale)

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

Dr.

Sab

in B

ura

ga


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

Dr.

Sab

in B

ura

ga


implementări

Implementări de referință (ontology matching systems):

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 multipleconform unor algoritmi de decizie bayesiană

Dr.

Sab

in B

ura

ga


implementări

Implementări de referință (ontology matching systems):

ASMOV (Automatic Semantic Matching of Ontologieswith Verification) – scop: integrarea informațiilor

din domeniul bioinformaticii

AgreementMaker – include o multitudine de sistemeautomate de potrivire, cu suport pentru extensii

alte exemple: www.ontologymatching.org/projects.html

Dr.

Sab

in B

ura

ga


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/

Dr.

Sab

in B

ura

ga


Matthew Horridge & Uli Sattler, 2008

Dr.

Sab

in B

ura

ga


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

Dr.

Sab

in B

ura

ga


șabloane de proiectare

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

logical ontology design patterns (LP)

architectural patterns (AP)

content design patterns (CP)

Dr.

Sab

in B

ura

ga



Logical ontology design patterns (LP)

corespund contrucțiilor OWL, la nivel semantic

Dr.

Sab

in B

ura

ga



Architectural patterns (AP)

“rețete” de modelare de structuri exprimatecu ajutorul LP care caracterizează ontologia

în ansamblu

Dr.

Sab

in B

ura

ga



Content design patterns (CP)

“rețete” de specificare a structurii conformeunui tip, exprimată printr-un vocabular

specific (non-logic)referitor la un domeniu de interes

Dr.

Sab

in B

ura

ga




exemple:modelarea unei clase primitive,

a relației subClassOf, a proprietăților funcționale de tip datatype,

a unui individetc.

Dr.

Sab

in B

ura

ga




Class (BusinessTask subClassOf Task)

DatatypeProperty (name

domain (Task)

range (xsd:string)

)

numeleunui task

Dr.

Sab

in B

ura

ga



Logical ontology design patterns (LP)specificarea relațiilor N-are

conform (Aldo Gangelmi, 2008)

Dr.

Sab

in B

ura

ga




taxonomiaontologia simplă (lightweight)

modularizarea ontologiilor…

aspect de interes: controlul versiunilor

Dr.

Sab

in B

ura

ga




Dr.

Sab

in B

ura

ga




proiectare (design)management al proiectului

argumentaresoluții de proiectare

flux de activități colaborativefuncționalități

Dr.

Sab

in B

ura

ga



Content patterns (CP)

exemple: participation, description-situation,

role-task, role-entity, collection-entity, simple part-whole relations,

design-artifact pattern,…

Dr.

Sab

in B

ura

ga



Content patterns (CP): Role-Task

Dr.

Sab

in B

ura

ga



Content patterns (CP): Part-Whole relation

nu există construcții specifice OWL,dar se poate recurge la unele facilități

Dr.

Sab

in B

ura

ga



Content patterns (CP): Part-Whole relation

exemplificare:având specificate relațiile tranzitive

Finger isPartOf Hand, Hand isPartOf Arm, Arm isPartOf Body

se poate deduceFinger isPartOf Body

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga


Taxonomia șabloanelor de proiectare:Structural

Logical Architectural

CorrespondenceRe-engineeringAlignment

ContentReasoningPresentation

NamingAnnotation

Lexico-Syntactic

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

Dr.

Sab

in B

ura

ga


sabloane de proiectare

Partition – șablon de proiectare de tip logic

Dr.

Sab

in B

ura

ga



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 Relationetc.

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga



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 folosiReaction, Sequence, TaskExecution, Transition

pescuit (fishery): GearSpecies, GearVessel, GearWaterArea

Dr.

Sab

in B

ura

ga



un șablon de modelare a hărților istorice

(Eleni Gkadolou, 2013)

Dr.

Sab

in B

ura

ga


Câteva exemple de utilizări pragmaticeale ontologiilor?

Dr.

Sab

in B

ura

ga


utilizare practică a ontologiilor

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

agriculturaAGROVOC (multilingual agricultural vocabulary),

Fisheries ontology, Geopolitical ontology, OpenAGRIS etc.

http://aims.fao.org/

Dr.

Sab

in B

ura

ga


Dr.

Sab

in B

ura

ga




biologieGO (Gene Ontology)

BioPAX (Biological Pathways Exchange ontology)

www.biopax.org

Dr.

Sab

in B

ura

ga




biomedicinăOBO – Open Biological and Biomedical Ontologies

e.g., PRO (PRotein Ontology), Anatomical Entity Ontology,Common Anatomy Reference Ontology etc.

www.bioontology.org

www.obofoundry.org

Dr.

Sab

in B

ura

ga


utilizare practica a ontologiilor

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

Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(Martin Hepp, 2012)

comerț electronicGoodRelations, FAB (Food and Beverage Ontology),

PTO (Product Types Ontology), TIO (Tickets Ontology),…

http://purl.org/goodrelations/

www.productontology.org

Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(Joost Breuker et al., 2009)

legislațieLKIF (Legal Knowledge Interchange Format),

OPJK (Ontology of Professional Judicial Knowledge), IPROnto (Intellectual Property Rights Ontology) etc.

https://github.com/RinkeHoekstra/lkif-core

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(Y. Raimond, P. Sinclair, N. Humfrey, M. Smethurst, 2009)

mass-mediaPO (Programmes Ontology), MO (Music Ontology)

folosite de BBC

http://purl.org/ontology/po/

www.w3.org/2001/sw/sweo/public/UseCases/BBC/

Dr.

Sab

in B

ura

ga


ontologie modelând emisiunile difuzate de BBC

Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(Antoine Isaac, 2012)

culturăproiectul Europeana reutilizează vocabulare + ontologii

via ontologia ORE (Object Reuse and Exchange)

www.w3.org/2001/sw/sweo/public/UseCases/Europeana/

http://europeana.eu/

Dr.

Sab

in B

ura

ga




mediuontologiile SWEET (Semantic Web for Earth and

Environmental Terminology)

http://sweet.jpl.nasa.gov/ontology/

Dr.

Sab

in B

ura

ga


Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(Joshua Shinavier, 2012; Oscar Corcho, 2013)

preluarea datelor de la senzoriconstituirea 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

Dr.

Sab

in B

ura

ga



Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(J. Breslin et al., 2011; Ș. Negru & S. Buraga, 2013)

aplicații Web socialeFOAF, SIOC, PIMO (Personal Information MOdel),

CommonTag, PersonasOnto,…

www.semanticdesktop.org/ontologies/pimo/

http://blankdots.com/open/personasonto.html

Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(Peter Mika & Thanh Tran, 2013)

semantic Web search

se bazează pe structura/înțelesul datelor șipe cunoștințe anterioare modelate explicit

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

Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(Peter Mika & Thanh Tran, 2013)

semantic Web search

recurge la modele lingvistice + modele conceptuale

consideră intențiile utilizatorului (query intent)

Dr.

Sab

in B

ura

ga


utilizare practica a ontologiilor

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

Dr.

Sab

in B

ura

ga


Query Construction

• Keywords• Web forms• Natural language• Formal language

Query Processing

• IR-stylematching & ranking

• DB-style precise matching (queries)

• KB-style matching & inferences

ResultPresentation

• Query visualization• Document and data

presentation• Summarization

Query Refinement

• Implicit feedback• Explicit feedback• Incentives

DocumentRepresentation

Knowledge Representation

Semantic Models Resources

Documents

Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(Martin et al., 2008; Fensel et al., 2007)

descrierea serviciilor Webscop: 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

Dr.

Sab

in B

ura

ga



Domenii având cunoștințe modelate via ontologii(Khalid Belhajjame et al., 2013)

ingineria modelării cunoștințelorprovenance 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/

Dr.

Sab

in B

ura

ga



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

Dr.

Sab

in B

ura

ga


Totuși, ce este Web-ul semantic?

Dr.

Sab

in B

ura

ga


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

Dr.

Sab

in B

ura

ga


ce este web-ul semantic

Mit:

the semantic Web technology is Description Logic

Dr.

Sab

in B

ura

ga



Mit:

the semantic Web technology is Description Logic

OWL este doar un limbaj al Web-ului semantic

aplicațiile (dezvoltatorii) care doresc să exprimediverse expresivități îl pot utiliza

Dr.

Sab

in B

ura

ga


Asigurarea interoperabilitățiio abordare pragmaticăfolosirea 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 JSONwww.jsoniq.org


Dr.

Sab

in B

ura

ga


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


Dr.

Sab

in B

ura

ga


antecedent consecvent

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

if condition then conclusion


Dr.

Sab

in B

ura

ga


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


Dr.

Sab

in B

ura

ga


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

Dr.

Sab

in B

ura

ga


reguli

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

Dr.

Sab

in B

ura

ga


RIF (Rule Interchange Format)

suită de specificații W3C standardizate (2010, 2013)

www.w3.org/2005/rules/

www.w3.org/TR/rif-overview


Dr.

Sab

in B

ura

ga



scop:asigurarea interoperabilității vizând specificarea regulilor

și transferul între sisteme de reguli existente


Dr.

Sab

in B

ura

ga



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.”


Dr.

Sab

in B

ura

ga



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.”


Dr.

Sab

in B

ura

ga


reguli – rif

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

Dr.

Sab

in B

ura

ga



RIF BLD – Basic Logic Dialect

aserțiunile privind condițiile + concluziile sunt monotone

valoarea de adevăr a predicatelor nu poate fi schimbată


Dr.

Sab

in B

ura

ga



RIF BLD – Basic Logic Dialect

if Ana rel:childOf Bogdan

and Bogdan rel:brotherOf Cosmin

then Cosmin rel:uncleOf Ana


Dr.

Sab

in B

ura

ga



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)


Dr.

Sab

in B

ura

ga



RIF PRD – Production Rule Dialect

if customer.level = "premium"

then customer.discount = 0.25

inițial: customer.discount = 0


Dr.

Sab

in B

ura

ga


Studiu de caz (Amit Sheth)utilizarea ontologiilor și regulilorîn contextul aplicațiilor financiare

scop:automatizarea detectării inconsistențelor

și neregulilor financiare


Dr.

Sab

in B

ura

ga


Studiu de caz (Amit Sheth)

specificarea riguroasă a terminologieidin sistemul financiar

integrarea datelor din surse multiple (semi)structurate

managementul și evaluarea formulelor analiticeasupra datelor financiare


Dr.

Sab

in B

ura

ga


Studiu de caz (Amit Sheth, 2006)

pasul I:crearea ontologiei – financial domain ontology –,

populată pe baza unor surse de încredere


Dr.

Sab

in B

ura

ga



pasul II:implementarea unor extractori software

pentru eliminarea ambiguităților privind datele+ deducerea relațiilor relevante dintre acestea


Dr.

Sab

in B

ura

ga



pasul III:dezvoltarea unui cadru de lucru

pentru specificarea formulelor/regulilorși pentru interogarea cunoștințelor modelate ontologic


Dr.

Sab

in B

ura

ga


Dr.

Sab

in B

ura

ga


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

scop:detectarea relațiilor între componentele medicamentelor

și efecte biologice, în contextul diverselor afecțiuni


Dr.

Sab

in B

ura

ga


Studiu de caz (Q. Zhu et al., 2010)

date preluate via servicii Web:PubChem Compound, Pubchem BioAssay, Drug Bank

agregarea informațiilor se realizează folosindWENDI (Web Engine for Non-obvious Drug Information)

procesare – inclusiv a regulilor – folosind Apache Jenahttp://jena.apache.org/


Dr.

Sab

in B

ura

ga


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 obținevia sistem(e) de reguli descrise semantic

prețul în alte magazine din vecinătate, caracteristici deinteres – e.g., proveniență, componente, păreri,

pericole/maniere de utilizare,… –, oferte ale producătorului, dacă prietenii îl dețin deja etc.


Dr.

Sab

in B

ura

ga


Mit:

semantic Web is about public data


Dr.

Sab

in B

ura

ga


Mit:


tehnologiile Web-ului semantic se pot aplicași în cazul datelor la nivel personal, de grup,

organizațional – inclusiv vizând mediile enterprise


Dr.

Sab

in B

ura

ga


Sabincreator

author

Man

type

web.htmlauthor

Dezvoltarea aplicatiilor Web

Person

Man

subProperty subClass

model ontologic

dc:title

de la modelare formală la specificații ontologiceadaptare după Fabien Gandon (2009)

Sabin

Paul Anca

Cristina

Claudia

Radu

analiza rețelelor sociale via teoria grafurilor

),(;)( pxrelxpdin

4)( Ancadin

dc:creator

Person

type

Dr.

Sab

in B

ura

ga


Mit:


…dar nu trebuie ignorate așteptările utilizatorilor

acces public la informații/cunoștințe procesabile automatopen knowledge

open government, open culture, open science etc.


Dr.

Sab

in B

ura

ga


Alte mituri (Tim Berners-Lee)

the semantic Web is about hand-annotatedWeb pages


Dr.

Sab

in B

ura

ga



the semantic Web is about hand-annotatedWeb pages

such pages are interesting, but not the mainstay of semantic Web: too much trouble!


Dr.

Sab

in B

ura

ga



the semantic Web is mainly about contentextracted from text


Dr.

Sab

in B

ura

ga



the semantic Web is mainly about contentextracted from text

it is primarily an interlingua for relational data and logic

bridges will always be important


Dr.

Sab

in B

ura

ga



the semantic Web is about making one big ontology


Dr.

Sab

in B

ura

ga



the semantic Web is about making one big ontology

the semantic Web is about a fractal messof interconnected vocabularies/ontologies

a se (re)vedea inițiativa Linked Open Data


Dr.

Sab

in B

ura

ga



the semantic Web ontologies must all be consistent


Dr.

Sab

in B

ura

ga



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


Dr.

Sab

in B

ura

ga


Diverse aspecte avute în vedere de Web-ul semanticpot fi aplicații pe scară largă

(e.g., în cadrul cloud computing, în contextul big data)

căutare, regăsire, reutilizare de date/cunoștințedata/relation/knowledge mining

sisteme de recomandare (socială) „inteligentă”etc.

problematici avute în vedere de Web science

ce va fi web-ul semantic

Dr.

Sab

in B

ura

ga


rezumat

Inginerie ontologicăalinieri de ontologii,

șabloane de proiectare, utilizări practice, perspective

Dr.

Sab

in B

ura

ga


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

Dr.

Sab

in B

ura

ga


Mult succes!

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

Technology

Transcript of Dezvoltarea aplicațiilor Web (12/12): Inginerie ontologică: Alinierea ontologiilor. Şabloane de...