Streszczenie
W artykule zaprezentowano analizĊ dostĊpnych semantycznych mechanizmów wyszukiwania. We wstĊpie przedstawiono główne obszary problematyczne związane z pozyskiwaniem wiedzy z zasobów sieciowych oraz zaprezentowano ogólne załoĪe-nia stawiane przed Siecią Semantyczną. Kolejno dokonano analizy funkcjonalnoĞci dostĊpnych wyszukiwarek semantycznych. Stanowiło to podstawĊ do budowy autor-skiej taksonomii przedstawionych podejĞü. CałoĞü koĔczą wnioski z przeprowadzo-nych badaĔ.
Słowa kluczowe: techniki semantyczne, wyszukiwarki semantyczne, sie semantyczna, ontologia 1. Wprowadzenie
World Wide Web w znaczcy sposób zmienił dostp do informacji. Od pocztku lat dzie-widziesitych ubiegłego wieku zastosowanie sieci WWW radykalnie zmniejszyło nakłady cza-sowe zwizane z poszukiwaniem informacji. Za pomoc kilku klikni myszk uytkownik ma moliwo przejrzenia rozległych zasobów baz wiedzy po uprzednim zdefiniowaniu przez siebie preferencji wyszukiwania [9]. Niestety aktualne mechanizmy wyszukiwania nie s jednak pozba-wione wad. Zwykle uytkownicy sprawdzaj jedynie tylko 10 pierwszych wyników zwróconych przez wyszukiwark [17]. Jednocze nie bardzo czsto te strony, które zostały pominite przez uytkowników (bd zwrócone jako dalsze wyniki wyszukiwania), mog by niezwykle istotne w zwizku z zadanym przez uytkownika zapytaniem. Ponadto, w wikszo ci przypadków uyt-kownik poszukujc okre lonych danych dostaje w efekcie przewanie mało istotne bd niewła- ciwe informacje, nieadekwatne do zadanego przez siebie zapytania. Std koniecznym jest zapew-nienie takiego mechanizmu wyszukiwania, który by zwrócił dane przez uytkownika wyniki oraz zapewnił ich odpowiedni personalizacj [18].
Sie Internet ulega cigłej ewolucji. Jej najnowsza wersja Web 3.0 dostarcza wielu nowych moliwo ci dostpu do informacji. W jej nastpstwie powstały nowe mechanizmy wyszukiwania, oparte na analizie semantycznej dokumentów dostpnych w sieci. Std, w odpowiedzi na rosnce znaczenie Sieci Semantycznej (okre lanej równie w literaturze jako Web 3.0) na rynku pojawiły si nowe rozwizania w postaci wyszukiwarek semantycznych. Niniejszy artykuł przedstawia analiz wybranych wyszukiwarek semantycznych wraz ze szczegółowymi kryteriami je charakte-ryzujcymi oraz wskazaniem moliwych obszarów ich zastosowa.
2. Problemy związane z pozyskiwaniem wiedzy z zasobów sieciowych
Ogromna liczba uytkowników Internetu, a take ogromna ilo dokumentów dostpnych w sieci w znaczcy sposób utrudnia proces wyszukiwania i pozyskiwania informacji z rozległych zasobów sieciowych. Obecnie, strony dostpne w sieci musz stosowa rodki reprezentacji wie-dzy wywodzce si z wielu jzyków oraz stosowa takie protokoły, które umoliwiałyby podmio-tom wyszukujcym prezentacj tych informacji w sposób zrozumiały i odczytywalny przez czło-wieka. Zawarto informacji jest jednake głównie prezentowana za pomoc jzyka naturalnego. W zwizku z powyszym wskaza naley na istnienie obszernej luki pomidzy informacj dostp-n dla narzdzi do wykorzystania podczas tworzenia i utrzymywania stron internetowych oraz informacji trzymanych w formie odczytywalnej przez człowieka na tych stronach. Luka ta powo-duje powane problemy zwizane z dostpem oraz przetwarzaniem informacji.
Sam proces pozyskiwania informacji z zasobów sieciowych moe przysparza szeregu trud-no ci. Bardzo czsto znalezienie odpowiedniej informacji jest procesem wysoce czasochłonnym i wymaga przejrzenia wielu dokumentów dostpnych w sieci, niejednokrotnie dostarczajc niewła- ciwych wyników w procesie wyszukiwania informacji. Ponadto, w przypadku znalezienia odpo-wiedniego ródła, koniecznym jest dalsze jego przeszukiwanie przez uytkownika celem wydoby-cia podanych danych. W efekcie mamy do czynienia z nadmiarowo ci informacji dostpnych w sieci bardzo czsto w stanie niespójnym.
Pozyskiwane informacje obejmuj róne ródła dostpu. Wyszukiwanie w oparciu o dostpne zasoby sieciowe stanowi wane spektrum zastosowania systemów informatycznych [17]. Bazujc wynikach bada przedstawionych przez Lawrence i Lee [15] trudno ci zwizane z wyszukiwaniem informacji, mona podzieli na nastpujce kategorie:
− Problemy zwizane z wyszukiwaniem samych danych;
− Problemy uytkowników starajcych si pozyska dane przez siebie informacje; − Problemy w zrozumieniu kontekstu zapyta wyszukiwania;
− Problemy z identyfikacj/wskazaniem zmian w potrzebach informacyjnych uytkowni-ków.
W zwizku z powyszym koniecznym jest zapewnienie odpowiednio spersonalizowanych wyników wyszukiwania w oparciu o stawiane przez uytkownika wymagania [18].
3. Sieü semantyczna
Ogromna liczba uytkowników korzystajcych z zasobów sieciowych, a take pojawiajce si nowe moliwo ci techniczne oraz technologiczne w znaczcy sposób kreuj dalsze kierunki roz-woju Internetu. Ewolucja wikszo ci serwisów internetowych jest podstaw do wydajniejszego przetwarzania danych (m.in. ich zbierania, przechowywania, analizy), a take daje moliwo kreowania nowych produktów dla klientów, usług, modeli biznesowych czy e-learningu. Jednake powszechny dostp do technologii z jednej strony przyczynia si do uproszczenia procesu pozy-skiwania informacji, a z drugiej za powoduje wystpowanie efektu tzw. wskich gardeł (ang. bottleneck), które utrudniaj wyszukiwanie, ekstrahowanie, przechowywanie oraz generowanie informacji [8]. Zastosowanie technologii informatycznych umoliwia jedynie przesyłanie i odtwarzanie informacji, tym samym ograniczajc dostp do biecych informacji [6].
Koncepcja Sieci Semantycznej, zaproponowana przez Berners’a-Lee, bazuje na pojciu inteli-gentnej reprezentacji informacji wykorzystujc do tego celu meta modele danych dostarczanych
przez ontologie [3]. Jako główne powody wprowadzenia opisu danych bazujcego na ontologiach wskaza naley przede wszystkim zwikszenie moliwo ci rozwoju Internetu pod wzgldem prze-chowywania i wyszukiwania informacji [5]. Ontologia jest take okre lana jako specyfikacja ceptualizacji, dostarczajc opisu poj i relacji zachodzcych pomidzy nimi [13]. Ponadto, kon-cepcja Sieci Semantycznej opiera si równie na dostarczeniu zautomatyzowanego dostpu do informacji, opartego na przetwarzanych maszynowo znaczeniach danych oraz heurystyk, uywaj-cych tyche meta-danych [2].
Czynnikiem umoliwiajcym wykorzystanie technologii Sieci Semantycznej s ontologie. Ich celem jest umiejtne zestawienie wnioskowania okre lonych symboli przeprowadzonego przez człowieka z przetwarzaniem maszynowym informacji [7]. Ontologie umoliwiaj połczenie ze sob dwóch istotnych aspektów, pozwalajcych na wykorzystanie w pełni moliwo ci, jakie oferu-je sie Web:
− Ontologie definiuj formalne znaczenia (semantyki) dla informacji w celu umoliwienia przetwarzania tych informacji przez komputer;
− Ontologie definiuj znaczenia (semantyki) wiata rzeczywistego, umoliwiajce maszy-nowe przetwarzanie tre ci ze znaczeniem istotnym punktu widzenia człowieka/moliwym do zrozumienia przez człowieka, dostarczajc tym samym niezbdnych tre ci w oparciu o pojciow terminologi [5].
4. Analiza wybranych wyszukiwarek semantycznych
Tradycyjne mechanizmy wyszukiwania po zadaniu zapytania przez uytkownika dokonuj indeksacji stron WWW, nastpnie bazujc na zgromadzonych informacjach zamieszczonych w sieci dostarczaj zestawu linków. Jednake dynamiczny rozwój Internetu przekładajcy si na wzrost dokumentów i informacji dostpnych w sieci powoduje, e wyniki wyszukiwania zwracane przez tradycyjne mechanizmy wyszukiwania nie zawieraj informacji danych przez uytkowni-ka, bd uytkownik musi przejrze wiele stron, aby dotrze do poszukiwanych przez siebie da-nych. Kiedy w 1998 roku powstawał Google, nie zakładano a tak dynamicznego rozwoju sieci www. Sam algorytm PageRank (polegajcy na indeksacji wyników na stronach w zaleno ci od stopnia wano ci dla danego zapytania) nie jest pozbawiony wad. Niejednokrotnie jednak hierar-chia uzyskiwanych wyników wyszukiwania jest w sposób sztuczny zmieniana (poprzez działania komercyjne czy te uycie specjalistycznych robotów pozycjonujcych). W zwizku z powyszym, koniecznym jest zapewnienie takich mechanizmów wyszukiwania, które dostarcza-łyby odpowiedzi zgodnych z zadanym przez uytkownika zapytaniem [16]. Obecnie, nie wystar-cza ju moliwo szybkiej interakcji i prostego wyszukiwania informacji. Ewolucja koncepcji Web 3.0 wymusiła konieczno wprowadzenia zmian w wyszukiwarkach internetowych. Dokonu-jc porównania tradycyjnych mechanizmów wyszukiwania z semantycznymi rozwizaniami, wskaza naley zasadnicz rónic pozwalajc semantycznym wyszukiwarkom na moliwo dokonania powiza znaczeniowych pomidzy przesyłanymi pakietami danych, uwzgldniajc przy tym odpowiedni kontekst [4]. Obecnie wyszukiwarki semantyczne stanowi zdecydowan mniejszo , jednake w niedalekiej przyszło ci liczba rozwiza tego typu bdzie wzrasta.
Dokonujc analizy dostpnych na rynku wyszukiwarek semantycznych zidentyfikowano 4 najbardziej popularne rozwizania: Swoogle [12], iGoogr [11], Yahoo SearchMonkey [10] oraz WolframAlpha [14]. Głównym celem zastosowania mechanizmów wyszukiwania jest wsparcie uytkowników podczas procesu wyboru ontologii dostpnych w sieci. Najbardziej popularnym
mechanizmem jest Swoogle [12], stanowicy semantyczny mechanizm wyszukiwania (search engine), który obejmuje wikszo z zasobów wiedzy dotyczcych istniejcych ontologii obejmu-jc swym zasigiem wiele dziedzin [1] (Rys. 1).
Rysunek 1. Przykład semantycznej wyszukiwarki Swoogle ródło: [12].
Prototyp Swoogle był rozwijany od połowy 2004 roku, dostarczajc blisko 5000 ontologii. Sam semantyczny mechanizm wyszukiwania Swoogle upubliczniony został w 2007 roku. Obej-muje on swym zasigiem ponad 10.000 ontologii. W przypadku tej wyszukiwarki semantycznej istnieje moliwo wskazania kryterium wyszukiwania – ontologii, dokumentu (wszystkich se-mantycznych dokumentów), wyraenia czy (cross ontologies). Wyszukiwanie ontologii obejmuje mniejszy zbiór danych składajcy si z ontologii (Semantic Web Ontologies), które maj zdefi-niowan co najmniej jedn klas lub wła ciwo . Proces wyszukiwania w oparciu o dokumenty obejmuje swym zasigiem wszystkie semantyczne dokumenty dostpne w sieci. Ponadto, Swoogle oferuje bardziej zaawansowane mechanizmy wyszukiwania, wymagajce zdefiniowania dodatko-wych ogranicze. Powstał na licencji Creative Commons Attribution-NonCommercial-ShareAlike 2.5 License. Ponisza tabela prezentuje wybrane statystyki semantycznych dokumentów wyszuki-wanych przez mechanizm Swoogle.
Jednym z projektów wykorzystujcych semantyczne mechanizmy wyszukiwania w dziedzinie e-commerce jest iGoogr [11] (Rys. 2). Przedstawia w jaki sposób wyszukiwarka Google moe uy meta danych w postaci RDF oraz słownika GoodRelations dla dziedziny e-commerce zapro-ponowanego w 2006 roku przez Heppa. Celem jest dostarczenie w wynikach wyszukiwania in-formacji na temat cen produktów i usług i ich dostpno ci, obszaru dostawy, typach odbiorców, formach płatno ci czy godzinach otwarcia poszczególnych sklepów. Na podobnych zasadach funkcjonuje wspierana przez Yahoo i Heppa wyszukiwarka Yahoo SearchMonkey [10] (Rys. 3). Główn rónic stanowi sposób wy wietlania meta danych, które s wydobywane i analizowane w czasie rzeczywistym. Rozwizania te s powszechnie dostpne dla uytkowników. Tym samym, uytkownik posiada moliwo utworzenia w prosty i szybki sposób danych (RDF snippets) na temat prowadzonej przez siebie działalno ci, a nastpnie umieszczenia ich na stronie internetowej.
Obecnie mechanizm iGoogr jest w fazie prototypu. Jest to rozwizanie nieznacznie wolniejsze od wyszukiwarki Google a mechanizmem wyszukiwania jest Google Search API.
Tabela 1. Statystyki wyszukiwania semantycznych dokumentów przez mechanizm Swoogle admin_dt 2011-03-28
00:03:47
2011-03-28
url_total 10,811,576 Liczba zidentyfikowanych URL url_pinged 5,587,696 Liczba znalezionych URL total_swd 3,523,217
Liczba potwierdzonych semantycznych dokumen-tów Web (niezalenie od osadzonych lub zawar-tych wielu błdów).
total_swd_strict 1,911,194 Liczba wolnych od błdów semantycznych doku-mentów Web
total_swd_embed 1,255,250
Liczba dokumentów (za wyjtkiem SWDs, PDF oraz JPEG) osadzonych semantycznych danych Web.
triple_total 1,111,199,910
Liczba trójek, które mog by prze przeanalizo-wane ze wszystkich semantycznych dokumentów Web.
ródło: Opracowanie własne na podstawie: [12]
Rysunek 2. Przykład zastosowania mechanizmu iGoogr ródło: [11].
Rysunek 3. Przykład wyszukiwarki Yahoo Search Monkey ródło: [10].
Wyszukiwarka WolframAlpha stanowi mechanizm pozyskiwania wiedzy, nie za mechanizm wyszukiwania informacji [14]. Celem jest dostarczenie szczegółowych odpowiedzi na zadane przez uytkowników zapytania w sposób szybki i dostpny dla kadego, wykorzystujc zgroma-dzon uprzednio wiedz eksperck. Załoeniem jest zapewnienie systematyzacji wiedzy w oparciu o zdywersyfikowane osignicia nauki dostarczajc w rezultacie ródeł wiedzy dla uytkowników. Wyszukiwarka ta wspomaga proces wyszukiwania informacji i dokonywania oblicze poprzez zamieszczenie podziału na kategorie oraz podkategorie z wybranych dziedzin. Jest to projekt dłu-goterminowy, nieustannie rozwijajcy si oraz ulepszany przez swoich twórców. Ponadto, twórcy rozwizania oferuj wiele dodatkowych narzdzi wspomagajcych pozyskiwanie wiedzy z zasobów sieciowych.
Rysunek 4. Przykład zastosowania semantycznego mechanizmu WolframAplha ródło: [14].
W oparciu o dokonan charakterystyk wybranych rozwiza została podjta próba identyfi-kacji zbioru kryteriów charakteryzujcych poszczególne rozwizania. Wskazane zostały nastpu-jce grupy kryteriów oraz przypisane im podkryteria: Wsparcie (Wiedza ekspercka, Przykłady wykorzystania, Demo, Statystyki), Moliwo ci (Wyszukiwanie dokumentów semantycznych, Wyszukiwanie ontologii, Dostarczenie informacji o produktach i usługach, Dokonywanie obli-cze), Zastosowanie (Róne dziedziny, E-commerce, Nauka).
Tabela 2. Charakterystyka wybranych wyszukiwarek semantycznych
ródło: Opracowanie własne.
W dalszym etapie bazujc na utworzonym zbiorze kryteriów została dokonana próba wyzna-czenia powiza semantycznych pomidzy istniejcymi rozwizaniami. Zbudowany przykład taksonomicznych powiza ilustruje wybrane charakterystyki czterech wyszukiwarek semantycz-nych oraz przypisane dla kadego z rozwiza kryteria. Docelowo planuje si przedstawi charak-terystyk tych rozwiza, cechujc si wyszym poziomem szczegółowo ci oraz rozbudowaniem o ewentualne nowopowstałe wyszukiwarki semantyczne (Rys. 5).
S woogle WolframAlpha iGoogr Yahoo S earch Monkey
2007 2009 2007 2007
Kryterium Podkryterium
Wiedza ekspercka - tak - -
Przykłady wykorzystania tak tak tak tak
Demo tak tak tak tak
Statystyki tak - - -
Wy szukiwanie dokumentow semantycznych
tak - - -
Wy szukiwanie ontologii tak - - -
Dostarczenie infromacji o
produktach i uslugach - - tak tak
Dokonywanie obliczen - tak - -
Rone dziedziny tak tak - -
E-commerce - - tak tak
Nauka - tak - - Wsparcie M ozliwosci Zastosowanie Nazwa wyszukiwarki Data wprowadzenia
Rysunek 5. Przykład taksonomii wyszukiwarek semantycznych ródło: Opracowanie własne.
Dokonujc analizy taksonomicznych relacji wskaza mona moliwe obszary zastosowa po-szczególnych rozwiza. Tym samym potencjalny uytkownik otrzymuje dokładn informacj, e w przypadku poszukiwania produktów i usług najlepiej wybra jest wyszukiwarki: iGoogr lub Yahoo SearchMonkey. Analogicznie, poszukujc wyszukiwarki semantycznej wpierajcej i oferujcej moliwo dokonywania szczegółowych oblicze, najkorzystniejszym rozwizaniem bdzie mechanizm WolframAlpha. Z kolei w celu wyszukiwania ontologii dostpnych w sieci najskuteczniejszym rozwizaniem bdzie zastosowanie Swoogle.
5. Wnioski
W niniejszym artykule podjto prób analizy wybranych wyszukiwarek semantycznych oraz oferowanych przez nie moliwo ci funkcjonalnych. W tym celu zidentyfikowano główne obszary problemowe w pozyskiwaniu wiedzy z zasobów sieci Internet, przybliono pojcie sieci seman-tycznej Web 3.0, a w jej obszarze dokonano identyfikacji dostpnych wyszukiwarek. Analizie poddano cztery rozwizania: Swoogle, Yahoo SearchMonkey, iGoorg oraz WolframAlpha. Bazu-jc na dokonanej analizie został wskazany zbiór kryteriów oraz podkryteriów charakteryzuBazu-jcych
wybrane rozwizania. Stanowiło to podstaw do próby budowy taksonomicznych relacji pomidzy danymi wyszukiwarkami, co warunkuje rzeczywiste obszary skutecznego wykorzystania kadego z rozwiza. Niewtpliw korzy takiego rozwizania, jest przede wszystkim wykorzystanie wła ciwej dla danego problemu techniki wyszukiwania, co w wymiarze praktycznym powoduje skrócenie czasu przeznaczonego na znalezienie odpowiadajcego danym potrzebom rozwizania oraz zapewnienie precyzyjnych wyników wyszukiwania zgodnych z zadanym zapytaniem. Dodat-kowo, autorska taksonomia stanowi moe podstaw do budowy ontologii wskazanych rozwiza co w sposób znaczcy moe rozszerzy moliwo ci praktyczne prezentowanego podej cia.
Bibliografia
[1] Alani H., Brewster C., Shadbolt N., Ranking Ontologies with AKTiveRank, In Proceedings of International Semantic Web Conference, 2006, s. 1–15.
[2] Berners-Lee T., Hendler J., Lassila O., The Semantic Web, Scientific American, 2001. [3] Corcho O., Gomez-Perez A., Solving Integration Problems of Ecommerce Standards and
In-itiatives through Ontological Mappings, Proceedings of the Workshop on E-Business and Intelligent Web at the Seventeenth International Joint Conference on Artificial Intelligence (IJCAI-2001), Seattle, USA 2001, s. 1–10.
[4] Davies J., Studer R., Warren P., Semantic Web Technologies: Trends and Research in On-tology-based Systems, Wyd. Wiley 2006.
[5] Fensel D., Hendler J., Lieberman H., Wahlster W., Spinning the Semantic Web. Bringing the World Wide Web to Its Full Potential, Wyd. Cambridge: MIT Press 2003, s. 1–25.
[6] Fensel D., van Harmelen F., Akkermans H. i in., OnToKnowledge: Ontology-based Tools for Knowledge Management, In Proceedings of the eBusiness and eWork 2000 (EMMSEC 2000), Madryt 2000.
[7] Fensel D., Ontologies: Silver Bullet for Knowledge Management and Electronic Commerce, Springer-Verlag, Berlin, 2001.
[8] Fensel D., Ding Y., Omelayenko B., Schulten E., Botquin G., Brown M. i in., Product Data Integration in B2B E-Commerce, IEEE Intelligent Systems, 2001, Nr 16(4), s. 54–59. [9] Hepp M., GoodRelations: An Ontology for Describing Products and Services Offers on the
Web, w: EKAW 2008 LNCS 5268, red. Gangemi A., Euzenat J., Springer-Verlag Berlin Hei-delberg 2008, s. 329–346. [10] http://developer.yahoo.com/searchmonkey/. [11] http://igoogr.appspot.com/. [12] http://swoogle.umbc.edu/. [13] http://www.wolframalpha.com/. [14] http://www.eccma.org/.
[15] Lawrence S., Giles Lee C., Accessibility of information on the Web, Intelligence, 2000, Nr 11, s. 32–39.
[16] O’Reilly T., What is Web 2.0. Design Patterns and Business Models for the Next Generation of Software, 2005, online publication: http://www.oreillynet.com/pub/a/oreilly/tim/news/ 2005/09/30/what-is-web-20.html.
[17] Sendhilkumar S., Geetha T.V., Concept based Personalized Web Search, w: TMRF e-Book Advances in Semantic Computing, red. Boley J., Akerkar V., 2010, nr 2, s. 79–102.
[18] Shahabi C., Chen Y.S., Web Information Personalization: Challenges and Approaches, w: Databases in Networked Information Systems Third International Workshop, red. Goos G., Hartmanis J., van Leeuwen J., Lecture Notes in Computer Science 2822, Springer 2003, s. 1–10.
[19] Zou X., Xiaocheng Luan, Semantic Resolution for E-Commerce, In Proceedings of the 1st International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS-02), 2002.
THE ANALYSIS OF SEMANTIC TECHNIQUES OF DATA SEARCHING PROCESS Summary
The article presents the analysis of available semantic search engines and their functionalities. Hence the major problematic areas of knowledge acquisition from web resources were described in details. The general statements of Semantic Web 3.0 was presented. Next, in this area, the four semantic search engines were select-ed: Swoogle, Yahoo SearchMonkey, iGoorg and WolframAlpha. On base of present-ed analysis of semantic search engines the set of criteria and sub-criteria was identi-fied for each of a given solution. Thus it was a base for a taxonomic relationships creation between presented search engines. Moreover it determines the real areas of effective exploitation of each of presented solutions.
Keywords: semantic techniques, semantic search engines, semantic Web, ontology
Agnieszka Konys Ryszard Budziski
Katedra Inynierii Systemów Informacyjnych Wydział Informatyki
Zachodniopomorski Uniwersytet Technologiczny w Szczecinie ul. ołnierska 49, 71-210 Szczecin
e-mail: akonys@wi.zut.edu.pl rbudzinski@wi.zut.edu.pl
