Sieci semantyczne Sieci semantyczne

(1)

Sieci semantyczne

Sieci semantyczne sa_֒grafowym schematem reprezentacji wiedzy:

Fish are animals.

Mammals are animals.

Mammals have vertebra.

Whales are mammals.

Cats are mammals.

Bears are mammals.

Fish live in the water.

Whales live in the water.

Cats have fur.

Bears have fur.

Sie´c zawiera wez ly odpowiadaj_֒ ace poj_֒ eciom danej dziedziny problemowej, i luki_֒ odpowiadajace zwi_֒ azkom (relacjom) zachodz_֒ acym pomi_֒ edzy tymi poj_֒ eciami:_֒

• sie´c jest czytelna — ludzie czesto wyra˙zaj_֒ a_֒informacje graﬁcznie,

• sie´c jest elastyczna — mo˙zemy wprowadza´c informacje w dowolnej formie.

Powy˙zsza sieć (´zród lo: Wikipedia) skonstruowana jest bez rozró˙zniania klas od indywiduów, konsekwencji w nazwach relacji (is a/is an), itp.

Sieci semantyczne — wprowadzenie 1

Sieci semantyczne: relacje ISA i AKO

Aby prawid lowo odró˙znić w sieciach semantycznych klasy obiektów od indywiduów, oraz wyrazić ró˙zne zale˙zno´sci miedzy nimi, stosuje si_֒ e_֒pewne standardowe relacje:

• ISA (ang. is a) jest relacja_֒pomiedzy indywiduum a jego klas_֒ a_֒

• HASA (ang. has a) jest relacja_֒cze´s´c-ca lo´s´c, alternatywnie: PART_֒

• AKO (ang. a kind of ) jest relacja_֒pomiedzy podklas_֒ a_֒a nadklasa, zapisywane_֒ czesto r´ownie˙z jako: SUBCLASS, albo SS (subset)_֒

Przyk lad: I own a tan leather chair.

Sieci semantyczne: relacje binarne i reiﬁkacja

Mo˙zna traktowa´c informacje zawarte w sieci semantycznej jako zbi´or (koniunkcje)_֒ formu l logicznych. Formu ly wyra˙zaja_֒bezpo´srednio zachodzenie relacji pomiedzy_֒ obiektami (termami). Zauwa˙zmy, ˙ze w powy˙zszych przyk ladach wszystkie relacje (i odpowiadajace im formu ly) s_֒ a_֒relacjami binarnymi (dwuargumentowymi). To jest podstawowa cecha sieci semantycznych.

Jak mo˙zna wyrazi´c relacje_֒z lo˙zona_֒za pomoca_֒zestawu relacji binarnych?

W niekt´orych przypadkach z lo˙zona relacja naturalnie dekomponuje sie_֒na sk ladowe binarne. Jednak nie zawsze tak sie_֒uda. W pozosta lych przypadkach stosuje sie_֒ zabieg reiﬁkacji, czyli przekszta lcenia relacji w obiekty.

Przyk lad: John gives the book to Mary.

Sieci semantyczne: przyk lady

Bilbo finds the magic ring in Gollum’s cave.

Odczytaj informacje z tej sieci!

Spróbuj przekszta lcić obiekty reifikowane na relacje z lo˙zone.

Sieci semantyczne: odpowiadanie na pytania

Rozwa˙zmy przyk lad zdania i odpowiadajacej mu sieci semantycznej:_֒

Mary is John’s wife. John wife

−−−−−−−−→ Mary

Sie´c wyra˙za w pewnym jezyku formalnym informacje wcze´sniej zawarte_֒ w oryginalnej wypowiedzi jezyka naturalnego. Od systemu sztucznej inteligencji_֒ oczekiwaliby´smy, ˙ze posiadajac pewn_֒ a_֒wiedze, b_֒ edzie w stanie odpowiada´c na_֒ dotyczace jej pytania._֒

Inaczej m´owiac, jak zaimplementowa´c wnioskowanie dla sieci semantycznych?_֒

Na przyk lad:

Is Mary John’s wife?

Who is John’s wife?

Whose wife is Mary?

Who is whose wife?

Sieci semantyczne — wnioskowanie 5

Sieci semantyczne: dopasowanie

Wnioskowanie w sieciach semantycznych mo˙ze by´c zaimplementowane przez:

1. wyra˙zenie pytania w postaci oddzielnej, zapytaniowej, sieci semantycznej, 2. pr´obe_֒dopasowania sieci zapytaniowej do sieci faktowej,

3. w przypadku braku dopasowania, odpowied´z jest negatywna, 4. w przypadku uzyskania dopasowania, odpowied´z jest pozytywna.

Is Mary John’s wife? John −−−−−−−−wife → Mary wife(John, Mary)?

Who is John’s wife? John −−−−−−−−wife → y ∃ywife(John, y)?

Whose wife is Mary? x wife

−−−−−−−−→ Mary ∃xwife(x, Mary)?

Who is whose wife? x wife

−−−−−−−−→ y ∃x, ywife(x, y)?

Formu lowanie pytań w sieciach semantycznych wymaga u˙zycia zmiennych domy´slnie kwantyfikowanych kwantyfikatorem egzystencjalnym, podobnie jak w logice predykatów. Je´sli chcemy uzyskać warto´sć odpowiedzi w ostatnich trzech pytaniach, to musimy otrzymać od mechanizmu wnioskowania obiekty dopasowane do obiektów-zmiennych.

(2)

Sieci semantyczne: dziedziczenie

Rozwa˙zmy inny przyk lad:

Elephants have four legs.

Elephants have one trunk.

Elephants have one tail.

Elephants have grey skin.

This elephant’s name is clyde.

Jakiego koloru sk´ore_֒ma clyde?

W tej sieci mamy wiedze_֒ogólna_֒o s loniach po laczon_֒ a_֒z wiedza_֒o pewnym s loniowym indywiduum o imieniu clyde. Tworzenie sieci zapytaniowych i dopasowanie ich do sieci faktowej daje odpowiedzi na pojedyncze fakty. Mo˙zna rozszerzyć ten mechanizm przez wykorzystanie semantyki relacji isa i ako, poniewa˙z indywidua danej klasy normalnie posiadaja_֒w lasno´sci wyra˙zone dla klasy, jak równie˙z wszystkich klas nadrzednych._֒

Takie rozszerzenie nazywamy dziedziczeniem, i w powy˙zszym przypadku pozwala ono np. uzyska´c odpowied´z, ˙ze clyde ma sk´ore_֒koloru szarego.

Sieci semantyczne: wiedza domy´slna

Wiedza og´olna o klasach jest przyk ladem wiedzy domy´slnej (default). Umo˙zliwia ona wnioskowanie niemonotoniczne, specjalnie implementowane w niekt´orych systemach logicznych. W sieciach semantycznych pojawia sie_֒ono naturalnie dzieki_֒ dziedziczeniu.

Gdyby w przyk ladzie o s loniach zdanie: This elephant’s name is clyde.

zastapi´c zdaniem: This pink elephant’s name is clyde._֒ to do sieci przyby laby dodatkowa krawed´z: e1_֒ skin

−−−→ pink .

Wtedy odpowied´z na pytanie: e1 skin

−−−→ z mog laby by´c uzyskana bez

dziedziczenia przez dopasowanie z = pink. Taka odpowied´z normalnie ma priorytet, tzn. wyklucza uzyskanie odpowiedzi na to samo pytanie przez dziedziczenie.

W ogólno´sci wiedza domy´slna podlega normalnemu procesowi dziedziczenia. Gdyby klasa Cz lowiek mia la w lasno´sć typowy-wzrost (´sredni), to dla jakiego´s anonimowego cz lowieka móg lby on wynosić np. 170cm, ale dla podklasy Me˙zczyzna raczej 180cm,_֒ a dla podklasy Me˙zczyzna-koszykarz pewnie 190cm._֒

Sieci semantyczne: dziedziczenie wielokrotne

Mo˙zna by loby zadać sobie pytanie, czy indywiduum w sieci semantycznej mo˙ze nale˙zeć do wiecej ni˙z jednej klasy przez relacj_֒ e isa_֒ (lub lańcuch isa-ako* ). Gdyby tak by lo, to mechanizm wnioskowania z dziedziczeniem móg lby teoretycznie uzyskiwać ró˙zne odpowiedzi przez ró˙zne ´scie˙zki dziedziczenia.

Popularnym przyk ladem w wielu podrecznikach jest zagadnienie_֒ czy Nixon¹by l pacyﬁsta_֒(∼1980).

Wiadomo o nim, ˙ze by l kwakrem² i jednocze´snie republikaninem.³

Quakers

Pacifists

Nixon

Republicans isa

not ako ako

isa

Ze wzgledu na problemy wielokrotnego dziedziczenia, w niekt´orych systemach_֒ obiektowych jest ono wykluczone.

1Richard M. Nixon — prezydent U.S.A. w latach 1969–1974. Po wygraniu wybor´ow na druga kadencj֒ e w 1973r.֒ by l zamieszany w nastepstwa afery Watergate i zrezygnowa l z urz֒ edu prezydenta pod gro´zb֒ a usuni֒ ecia.֒

2Quakers jest nazwa grupy stowarzysze´n religijnych wywodz֒ acych si֒ e z XVII-wiecznej Anglii i dzia laj֒ acych na֒ ca lym ´swiecie, m.in. w Stanach Zjednoczonych. G losili m.in. skromno´s´c ubioru i odmowe udzia lu w wojnach.֒

3Partia Republikańska w Stanach Zjednoczonych jest symbolem konserwatyzmu, pogladów wolnorynkowych, pry-֒ watnej w lasno´sci, ograniczenia roli zwiazków zawodowych i interwencjonizmu państwowego, za to silnej armii.֒

Sieci semantyczne: wnioskowanie z dziedziczeniem

Chcieliby´smy, aby algorytm wnioskowania z dziedziczeniem sam rozwiazywa l_֒ istniejace kolizje, o ile to tylko mo˙zliwe. Rozwa˙zmy przyk lad:_֒

false Ostrich Bird true

is−a is−a

can−fly ako can−fly

Tweety

Tweety jest strusiem, i jednocze´snie ptakiem. Pytanie: czy potrafi fruwać? Zdolno´sć fruwania jest cecha_֒ptaków, ale nie strusi. Poniewa˙z fakt, ˙ze tweety jest strusiem jest bardziej szczegó lowy, wiec wydaje si_֒ e, ˙ze kwesti_֒ e_֒fruwania powinna rozstrzygać domy´slna wiedza o strusiach.

W ogólno´sci definiuje sie_֒odleg lo´sć inferencyjn

a klas w taksonomii. Klasa C jest֒

dalej ni˙z klasa B od klasy A, je´sli ´scie˙zka dziedziczenia z A do C biegnie przez B.

Algorytm wnioskowania rozstrzyga wielokrotne dziedziczenie na korzy´s´c klasy bli˙zszej. Poniewa˙z jednak taka odleg lo´s´c wprowadza tylko porzadek cz_֒ e´sciowy,_֒ rozwiazuje ona problem tweety, ale nie rozwi_֒ azuje problemu Nixona._֒

Sieci semantyczne: formalizacja

Jednym z problemów sieci semantycznych jest brak standardowego katalogu relacji (linków). Mo˙zna wprowadzać dowolne relacje i stosować dowolne nazwy. Utrudnia to zrozumienie nieznanej sieci (przez komputer), sprawdzenie jej poprawno´sci, itp.

Aby rozwiaza´c ten problem wprowadzono pewne standardy._֒

typ linku znaczenie przyk lad

A−−→^isa B A ∈ B tweety ⊆ Ostrich

A−−→^ako B A ⊆ B Ostrich ⊆ Bird

A−^R→B R(A, B) tweety−^can-ﬂy−−−→false A

R

−−−→B ∀x x ∈ A ⇒ R(x, B) Bird−−−−−→^#legs 2 A

R

−−−−→B ∀x∃y x ∈ A ⇒ y ∈ B ∧ R(x, y) Bird parent

−−−−−−→Bird

Jednak nadmierna formalizacja sieci semantycznych, i wprowadzanie kolejnych mechanizmów dla wez lów i luków sieci niweluje zasadnicz_֒ a_֒zalete, jak_֒ a_֒jest czytelno´sć reprezentacji graficznej.

(3)

Systemy ramek

System ramek (frame system) sk lada sie_֒z kolekcji ramek opisujacych elementy_֒ modelowanej dziedziny. Ramka zawiera zbi´or atrybut´ow (ang. slots)

reprezentujacych jej w la´sciwo´sci. Atrybuty ramki w polskiej literaturze bywaj_֒ a_֒ nazywane klatkami (K.Goczy la) lub szuﬂadkami (W.Duch).

Ramki moga_֒reprezentować pojecia z dziedziny — maj_֒ a_֒wtedy charakter klasy — jak równie˙z indywidualne obiekty. Ramka mo˙ze posiadać dwa rodzaje atrybutów:

w lasne (own) albo szablonowe (template). Atrybuty w lasne nale˙za_֒do danej ramki, a ich warto´sci sa_֒prywatne dla ramki. Atrybuty szablonowe danej klasy staja_֒sie_֒ atrybutami w lasnymi wszystkich jej instancji. Ramki moga_֒dziedziczyć od siebie zarówno atrybuty w lasne, jak i szablonowe. Ramka, która nie posiada atrybutów szablonowych, jest obiektem.

Atrybut mo˙ze posiadać warto´sć, która jest warto´scia_֒dos lowna_֒(literal), odno´snikiem-relacja_֒do innej ramki, oraz pewne cechy (facets). Te cechy moga_֒ okre´slać warto´sć domy´slna, wi_֒ ezy takie jak: liczb_֒ e_֒warto´sci (atrybut jedno- lub wielowarto´sciowy, min i max warto´sci), typ i zakres warto´sci, lub zbiór

dopuszczalnych warto´sci, do laczone procedury (np. if-needed, if-added, if-removed),_֒ atrybuty odwrotne, itp.

Sieci semantyczne — systemy ramek 13

Systemy ramek sa_֒prekursorem systemów obiektowych, jednak sa_֒miedzy nimi_֒ istotne ró˙znice. Na przyk lad, system programowania obiektowego definiuje hierarchie_֒klas z metodami, która pozwala na tworzenie obiektów i dziedziczenie przez nie zarówno struktury obiektu, jak i metod. W systemie ramek nie ma zasadniczej ró˙znicy pomiedzy klasami a obiektami, wi_֒ ec ca la taksonomia jest_֒ dostepna dla programu w czasie wykonania._֒

Sieci semantyczne — systemy ramek 14

J ezyk RDF

֒

Podstawowy element sk ladowy: tr´ojka obiekt-atrybut-warto´s´c:⁴

• Nazywa sie_֒to stwierdzeniem (statement).

• Przyk lad stwierdzenia:

Witold Paluszy´nski prowadzi kurs Sztuczna Inteligencja.

• Graf RDF reprezentujacy powy˙zsze stwierdzenia:_֒

WitoldPaluszynski prowadziKurs SztucznaInteligencja

Podstawowe pojecia RDF:_֒

• zasoby (resources),

• w la´sciwo´sci (properties),

• stwierdzenia (statements).

4Uwaga: czesto stosowana jest alternatywna (miejscami myl֒ aca) terminologia: podmiot-predykat-przedmiot֒ (subject-predicate-object), a w polskiej literaturze równie˙z: podmiot-orzeczenie-dope lnienie [K.Goczy la]. Poniewa˙z rzadko powoduje to nieporozumienia, trzeba pogodzić sie z praktyk֒ a mieszania tej terminologii, i nie przywi֒ azywać֒ zbyt wielkiej wagi do u˙zytego w danym kontek´scie s lowa.

Sieci semantyczne — jezyk RDF֒ 15 Sieci semantyczne — jezyk RDF֒ 16

Zasoby: URL, URI, IRI

• Mo˙zna my´sleć o zasobach jako obiektach, o których chcemy mówić:

– np.: ludzie, miejsca, miasta, naukowcy, studenci, uczelnie, itp.

• Ka˙zdy zas´ob ma URI (Universal Resource Identifier ).

• URI mo˙ze by´c:

– adresem URL (internetowym), lub – jakim´s innym unikalnym identyﬁkatorem.

• W tych rozwa˙zaniach bedziemy przyjmowali adresy URL jako URI._֒ IRI sa_֒zinternacjonalizowana_֒wersja_֒URI.

• Zalety korzystania z URI:

– globalny, uniwersalny w skali ´swiata, unikalny schemat nazewnictwa, – cze´sciowo rozwi_֒ azuje problem homonimii (wieloznaczno´sci identycznych_֒

nazw) rozproszonych reprezentacji danych.

(4)

W la´sciwo´sci

• W la´sciwo´sci opisuja_֒binarne relacje miedzy innymi zasobami:_֒ – np.:

”prowadzi kurs”,

”kieruje”,

”tytu l”, itd.

• W la´sciwo´sci sa_֒obywatelami pierwszej klasy, tzn. sa_֒równie˙z traktowane jako zasoby, moga_֒mieć ró˙zne charakterystyki, i tworza_֒w lasna_֒taksonomie._֒

• W la´sciwo´sci jako zasoby sa_֒r´ownie˙z identyﬁkowane przez URI.

Stwierdzenia

• Stwierdzenia stwierdzaja_֒posiadanie w la´sciwo´sci przez zasoby, a dok ladniej:

zwiazek pewnej pary zasob´ow pewn_֒ a_֒relacja_֒(binarna)._֒

• Stwierdzenie jest tr´ojka: obiekt-atrybut-warto´s´c_֒ – Sk lada sie_֒z zasobu, w la´sciwo´sci i warto´sci.

• Warto´sciami moga_֒by´c zasoby lub litera ly.

– Litera ly sa_֒warto´sciami atomowymi (typu string).

Sieci semantyczne — jezyk RDF֒ 21

Trzy reprezentacje stwierdze´ n

Stwierdzenie mo˙zemy reprezentowa´c jako:

• tr´ojke_֒obiekt-atrybut-warto´s´c,

• elementarny graf z dwoma wez lami po l_֒ aczonymi lukiem skierowanym,_֒

• zapis tekstowy, zwany serializacj a.֒

Zatem zbiór stwierdzeń, wyra˙zajacy pewien zasób wiedzy mo˙ze być postrzegany_֒ jako:

• zbiór trójek obiekt-atrybut-warto´sć,

• graf zwany sieci

a semantyczn֒

a,֒

• dokument (np. plik) zawierajacy serializacj_֒ e_֒zbioru tr´ojek.

Stwierdzenia jako tr´ ojki

• Tr´ojke_֒(x, P, y) mo˙zna uwa˙za´c za formu le_֒logiczna P_֒ (x, y), gdzie binary predykat P wia˙ze obiekt x z obiektem y._֒

• Trójke_֒mo˙zna równie˙z uwa˙zać za skierowany graf z etykietowanymi wez lami_֒ i lukami:

– skierowany od zasobu podmiotu (obiektu) stwierdzenia, – skierowany do przedmiotu (warto´sci) stwierdzenia, – warto´s´c stwierdzenia mo˙ze by´c innym zasobem lub litera lem.

• W RDF zarówno zasoby jak i w la´sciwo´sci musza_֒być identyfikowane przez URI.

Mo˙zliwe jest jednak stosowanie przestrzeni nazw, skracajacych zapis._֒

(foaf:Person#WitoldPaluszynski, dbpedia-owl:employer,

http://www.pwr.edu.pl/)

WitoldPaluszynski

pracujeW

PolitechnikaWroclawska

Zbi´ or tr´ ojek jako sie´ c semantyczna

WitoldPaluszynski prowadziKurs SztucznaInteligencja

PolitechnikaWroclawska pracujeW

http://www.kcir.pwr.edu.pl/~witold/ai/

autorStrony

maStrone

Sieci semantyczne sa_֒elastycznym i ekspresyjnym narzedziem reprezentacji wiedzy._֒ Ich grafowa wersja jest bardzo zrozumia la, ale przetwarzanie reprezentacji graﬁcznych przez komputery nie jest efektywne.

Istnieja_֒reprezentacje tekstowe sieci semantycznych. Jednak z nich jest oparta na XML, zwana RDF/XML. Jednak nie jest ona cze´sci_֒ a_֒modelu danych RDF.

(5)

Zapis stwierdze´ n w RDF/XML

<rdf:RDF

xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

xmlns:myonto="http://www.kcir.pwr.edu.pl/~witold/myonto-ns">

<rdf:Description rdf:about="http://www.kcir.pwr.edu.pl/~witold/">

<myonto:author rdf:resource="#Witold Paluszynski"/>

</rdf:Description>

</rdf:RDF>

• Dokument RDF jest reprezentowany przez element XML ze znacznikiem rdf:RDF

• Zawarto´scia_֒tego elementu jest pewna liczba opis´ow (descriptions), kt´ore wykorzystuja_֒znaczniki rdf:Description

• W powy˙zszym opisie, dotyczacym zasobu_֒ http://www.kcir.pwr.edu.pl/~witold/:

– w la´sciwo´s´c jest u˙zywana jako znacznik elementu,

– warto´sć w lasno´sci mo˙ze być dana przez zawarto´sć elementu (litera l), lub jak w tym przypadku, wskazywana przez atrybut rdf:resource.

Ogólnie, w serializacji RDF/XML ka˙zdy opis wyra˙za fakt o zasobie, identyfikowanym na jeden z 3 sposobów:

• przez atrybut rdf:about, z odniesieniem do istniejacego zasobu,_֒

• przez atrybut rdf:ID, z utworzeniem nowego zasobu,

• bez nazwy, tworzac nowy zas´ob (anonimowy)._֒

Inna serializacja RDF: N-Triples

Model danych RDF jest najlepiej reprezentowany grafami. Jednak przydatna i czesto niezb_֒ edna jest ich reprezentacja tekstowa, zwana serializacj_֒ a. Dotychczas,_֒ opr´ocz formatu zapisu RDF/XML, stosowana by la nieformalnie notacja: (R,P,V).

Istnieja_֒jednak bardziej sformalizowane konwencje, ukierunkowane zar´owno na czytelno´s´c jak i przetwarzanie maszynowe.

Jeden z takich formatów, zwany N-Triples, polega na zapisie trzech elementów trójki RDF w kolejno´sci podmiot-predykat-przedmiot, zakończonej kropka, po_֒ jednej trójce w wierszu. Ka˙zdy z elementów trójki zapisywany jest w postaci w pe lni kwalifikowanych, nieskróconych URI, zapisywanych w nawiasach katowych <>,_֒ wed lug schematu:

<http://domain/ns#res> <http://domain/ns#prop> <http://domain/ns#val> .

Nawet powy˙zszy schemat trudno zapisa´c w wymagany spos´ob, w jednym wierszu.

Jak wida´c, ten format ´srednio nadaje sie_֒do prezentacji tekich jak niniejsza.

Natomiast bardzo dobrze nadaje sie_֒dla przeszukiwania i por´ownywania tekstowego.

N-Triples: przyk lad

Dla tr´ojki reprezentowanej przez poni˙zszy zapis RDF/XML:

<rdf:RDF

xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"

xmlns:myonto="http://www.kcir.pwr.edu.pl/~witold/myonto-ns">

<rdf:Description rdf:about="http://www.kcir.pwr.edu.pl/~witold/">

<myonto:author rdf:resource="#Witold Paluszynski"/>

</rdf:Description>

</rdf:RDF>

reprezentacja N-Triples ma posta´c (w jednym wierszu):

<http://www.kcir.pwr.edu.pl/~witold/>

<http://www.kcir.pwr.edu.pl/~witold/myonto-ns#autor>

"#Witold Paluszynski"

.

Serializacja RDF — Turtle

Innym formatem zapisu tekstowego RDF jest Turtle (Terse RDF Triple Language).

Podstawowa gramatyka Turtle jest podobna do N-Triples (w rzeczywisto´sci oba te formaty sa_֒podzbiorami ogólnej notacji N3 (Notation3 )), ale bardziej zorientowana na skróty, czytelno´sć, i wygode._֒

W notacji Turtle zasoby moga_֒być zapisywane w postaci qnames, czyli ns:id, gdzie ns jest symbolem przestrzeni nazw, a id identyfikatorem zasobu. Przestrzenie nazw zwiazane s_֒ a_֒w Turtle z definiujacymi je URI za pomoc_֒ a_֒deklaracji @prefix.

@prefix myonto <http://www.kcir.pwr.edu.pl/~witold/myonto-ns#>

<http://www.kcir.pwr.edu.pl/~witold/"> myonto:author "#Witold Paluszynski" . przyk lady notacji Turtle dla kontynuacji ;.

(6)

Typy danych

• Typy danych stosowane sa_֒w jezykach programowania, aby umo˙zliwi´c_֒ interpretacje._֒

• W RDF w tym celu stosowane sa_֒litera ly typowane:

(#Witold Paluszynski,

http://www.kcir.pwr.edu.pl/~witold/myonto/roomNumber,

"307"^^http://www.w3.org/2001/XMLSchema#integer)

• Zapis ^^ wskazuje typ litera lu

• w dokumentach RDF dozwolone jest korzystanie z wszelkich zewnetrznych_֒ typ´ow danych.

• W praktyce najcze´sciej wykorzystywany jest system typów XML Schema, który_֒ definiuje szeroki wachlarz typów danych. Na przyk lad: Boolean, liczby ca lkowite, zmiennoprzecinkowe, czas, daty, itp.

Krytyczne spojrzenie na RDF: predykaty binarne

• RDF u˙zywa tylko binarnych w la´sciwo´sci.

– Jest to ograniczenie, poniewa˙z czesto u˙zywamy predykat´ow z wi_֒ ecej ni˙z 2_֒ argumentami.

– Ale mo˙zna je zasymulowa´c predykatami binarnymi.

• Przyk lad: referee(X,Y,Z)

X jest sedzi_֒ a_֒meczu szachowego pomiedzy graczami Y i Z._֒

– Wprowadzamy nowy pomocniczy zas´ob chessGame oraz predykaty binarne:

ref, player1 i player2

– Mo˙zemy teraz wyrazi´c referee(X,Y,Z) jako:

Krytyczne spojrzenie na RDF: w la´sciwo´sci

• W la´sciwo´sci sa_֒specjalnym rodzajem zasob´ow.

• W la´sciwo´sci moga_֒wystepować jako obiekty w trójkach obiekt-atrybut-warto´sć_֒ (stwierdzeniach).

• Mo˙zliwo´s´c ta oferuje du˙za_֒elastyczno´s´c.

• Ale to jest niezwyk le dla jezyk´ow modelowania i j_֒ ezyk´ow programowania OO._֒

• Mo˙ze to by´c mylace dla programist´ow modelowania semantycznego._֒

Krytyczne spojrzenie na RDF: reiﬁkacja

• Reiﬁkacja jest innym do´s´c mocnym mechanizmem.

• Mo˙ze wydawa´c sie_֒nie na miejscu we w sumie prostym jezyku takim jak RDF._֒

• Tworzenie stwierdze´n o stwierdzeniach wprowadza poziom z lo˙zono´sci, kt´ory nie jest niezbedny do podstawowej warstwy Semantic Web._֒

• Mog loby wydawa´c sie_֒bardziej naturalne umieszczenie tego mechanizmu w bardziej zaawansowanych warstwach, kt´ore zapewniaja_֒bogatsze funkcje reprezentacji.

Krytyczne spojrzenie na RDF: podsumowanie

• RDF jest dostosowany do przetwarzania maszynowego, jednak do czytania przez ludzi mo˙ze by´c niezbyt zrozumia ly.

• RDF ma swoje dziwactwa i og´olnie nie jest optymalnym jezykiem modelowania,_֒ ale:

– jest ju˙z de facto standardem, – ma wystarczajac_֒a_֒si le_֒wyrazu

(przynajmniej dla budowania na nim dalszych warstw reprezentacji), – informacja jest jednoznacznie mapowana do modelu.

(7)

RDF Schema

• RDF jest uniwersalnym jezykiem, który pozwala u˙zytkownikom opisywać zasoby_֒ przy pomocy w lasnych zestawów pojeć._֒

• RDF nie przyjmuje, ani nie deﬁniuje semantyki konkretnej dziedziny.

• U˙zytkownik mo˙ze to zrobi´c w RDF Schema przy u˙zyciu:

– klas i w la´sciwo´sci,

– hierarchii klas i dziedziczenia, – hierarchii w la´sciwo´sci

Jednak nie bedziemy tu zg l_֒ ebia´c j_֒ ezyka RDF Schema. Semantyk_֒ e_֒dziedzin bedziemy opisywali w inny spos´ob._֒

J ezyk zapyta´

֒

n SPARQL

SPARQL (Simple Protocol And RDF Query Language) jest jezykiem zapyta´n RDF._֒ Sk ladniowo SPARQL przypomina nieco SQL, lecz w rzeczywisto´sci jezyk SPARQL_֒ nawiazuje do grafowego modelu danych RDF:_֒

• SPARQL opiera sie_֒na dopasowaniu do wzorc´ow-graf´ow.

• Najprostszym wzorcem-grafem jest tr´ojka, podobna do tr´ojki RDF ale z mo˙zliwo´scia_֒u˙zycia zmiennej zamiast termu RDF na pozycji podmiotu, predykatu lub przedmiotu.

• Laczenie wzorc´ow-tr´ojek daje wzorzec-graf. Dok ladne dopasowanie wzorca do_֒ grafu danych RDF jest niezbedne dla dopasowania wzorca._֒

Sieci semantyczne — SPARQL 39

Przyk ladowe zapytanie SPARQL

Przyk lad:

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>

SELECT ?c WHERE {

?c rdf:type rdfs:Class . }

Zapytanie pobiera wszystkie tr´ojki, gdzie w la´sciwo´scia_֒jest rdf:type a podmiotem jest rdfs:Class. Co oznacza, ˙ze pobiera wszystkie klasy.

Przyk ladowe zapytanie SPARQL (2)

Pobierz wszystkie instancje danej klasy, np. kurs (deklaracja preﬁks´ow rdf, rdfs pominiete dla zwi_֒ ez lo´sci):_֒

PREFIX wp-np: <http://www.kcir.pwr.edu.pl/~witold/ontologies/2015/2/NaukaPolska SELECT ?i

WHERE {

?i rdf:type wp-np:Kurs . }

Nale˙zy nadmieni´c, ˙ze SPARQL nie wymaga, ani sam nie realizuje semantyki RDFS.

Zatem, czy w odpowiedzi na powy˙zsze zapytanie otrzymamy tylko instancje klasy wp-np:Kurs, czy r´ownie˙z jej podklas, bedzie zale˙ze´c od systemu realizuj_֒ acego_֒ dopasowanie wzorca i odpowied´z.

Struktura zapytania SELECT-FROM-WHERE

Podobnie jak w SQL, zapytania SPARQL maja_֒strukture_֒SELECT-FROM-WHERE:

• SELECT okre´sla projekcje: liczb_֒ e_֒i kolejno´s´c pobieranych danych,

• FROM s lu˙zy do okre´slenia ´zr´od lo przeszukiwania (opcjonalne),

• WHERE nak lada ograniczenia na mo˙zliwe rozwiazania w postaci szablonów,_֒ wzorców wykresów i ograniczeń logicznych.

Przyk lad: pobra´c wszystkie numery pokoi pracownik´ow:

SELECT ?x ?y WHERE {

?x wp-np:nr-pokoju ?y . }

?xi ?y sa_֒tu zmiennymi, a wzorzec "?x wp-np:nr-pokoju ?y" reprezentuje trójke_֒zasób-w la´sciwo´sć-warto´sć.

(8)

Domy´slny join

Przyk lad: pobierz wszystkich wyk ladowc´ow i ich numery pokoi:

?x rdf:type wp-np:prowadzacy ; wp-np:nr-pokoju ?y . }

Powy˙zsze zapytanie reprezentuje tzw. domy´slny join: drugi wzorzec jest ograniczony tylko do tych trójek, których zasób jest w zmiennej ?x.

Zwróćmy uwage: u˙zywamy tutaj skróconej sk ladni: ´srednik wskazuje ˙ze nast_֒ epuj_֒ aca_֒ trójka wspó ldzieli podmiot z poprzednikiem. Ta sk ladnia nazywa sie turtle._֒ Poprzednie zapytanie jest równowa˙zne nastepuj_֒ acej formie:_֒

?x rdf:type wp-np:prowadzacy .

?x wp-np:nr-pokoju ?y . }

Jawny join

Kolejny przyk lad: chcemy znale´z´c nazwy wszystkich kurs´ow prowadzonych przez wyk ladowce_֒z ID 411

SELECT ?n WHERE {

?x rdf:type wp-np:Kurs ; wp-np:prowadzacy :411 .

?c wp-np:nazwisko ?n . FILTER (?c = ?x) . }

Taka forma zapyta´n reprezentuje tzw. jawny join.

Co to jest ontologia

Pojecie ontologii pochodzi z filozofii (staro˙zytnej) i ma wiele znaczeń. S lowo_֒ ontologia pochodzi od greckich s lów:

”on” (w dope lniaczu

”ontos”) oznaczajacego_֒ og´olnie byt, i

”logos” czyli nauki lub wiedzy.

Jedna z najcze´sciej cytowanych deﬁnicji ontologii w sensie reprezentacji wiedzy w_֒ sztucznej inteligencji (1992, Gruber):

Ontologia jest jawna_֒specyﬁkacja_֒konceptualizacji.

Ta definicja mo˙ze na pierwszy rzut oka przygnie´sć, lecz spróbujemy sie_֒z nia_֒ zaprzyja´znić, a mo˙ze nawet polubić.

Ontologie — pojecia wst֒ ֒epne 45

Ontologia s lu˙zy do tworzenia jawnych, i zrozumia lych dla wszystkich, opisów dowolnych dziedzin. Musi ona zawierać specyfikacje:_֒

• poje´c_֒ dotyczacych danej dziedziny,_֒

• atrybutów tych pojeć, ich w lasno´sci, i zwi_֒ azków mi_֒ edzy nimi,_֒

• istniejacych wi_֒ ez´ow na te atrybuty, w lasno´sci, i zwi_֒ azki,_֒

• indywidu´ow istniejacych w dziedzinie._֒

Wyszczeg´olnienie, i nazwanie wszystkich tych element´ow danej dziedziny nazywa sie_֒jej konceptualizacj

a.֒

Ontologia powinna okre´sla´c dla danej dziedziny:

• terminologie_֒uzgodniona_֒dla danej dziedziny,

• jednoznaczna_֒zrozumia lo´s´c poje´c_֒ danej dziedziny.

Dlatego w la´snie w najwiekszym skr´ocie ontologi_֒ e_֒danej dziedziny nazywa sie_֒jawna_֒ specyﬁkacja_֒jej konceptualizacji.

Ontologie — pojecia wst֒ ֒epne 46

Po co tworzy´ c ontologie

Taka_֒role_֒opisu znaczenia wszystkich pojeć_֒ pe lni ly jednak dotychczas s lowniki (dla pojeć_֒ ogólnych z danego jezyka) i encyklopedie (dla poj_֒ eć_֒ szczególnych, indywiduów, nazw w lasnych, itp.).

Dlaczego chcemy tworzy´c ontologie?

Wymienione opisy sa_֒tworzone w jezyku naturalnym, nie s_֒ a_֒ca lkowicie precyzyjne, natomiast odwo luja_֒sie_֒do czesto subtelnych znaczeń konstrukcji j_֒ ezykowych,_֒ wiedzy ogólnej, a tak˙ze ogólnie przyjmowanych za lo˙zeń o wiedzy podstawowej (kulturze) jej czytelnika. Je´sli celem jest umo˙zliwienie agentom sztucznie inteligentnym korzystanie z takowych opisów, to agent musia lby praktycznie mieć w lasny mechanizm my´slenia (umys l) identyczny z mechanizmem my´slenia cz lowieka, aby je tak samo rozumieć.

Aby umo˙zliwić agentom sztucznie inteligentnym ró˙znych poziomów inteligencji ich w la´sciwe zrozumienie, opisy takie musimy stworzyć w jakim´s formalizmie dostepnym dla takich agentów._֒

Po co tworzy´ c ontologie (cd.)

Inne wa˙zne powody, dla kt´orych warto tworzy´c ontologie (czyli konceptualizacje formalne), sa:_֒

• uzyskiwana dzieki nim jednoznaczno´s´c poj_֒ e´c, standaryzacja,_֒

• tworzenie jawnych zapisów pewnych za lo˙zeń, które dotad by ly domy´slne,_֒ niejawne, i czesto niejasne,_֒

• rozdzielenie wiedzy podstawowej o dziedzinie od wiedzy operacyjnej.

Tworzenie ontologii nie jest celem samym w sobie. Jest ono podobne do deﬁniowania standardowej struktury danych do wykorzystania przez programy.

Ontologie tworzone sa_֒dla zapewnienia mo˙zliwo´sci budowy agent´ow software-owych umo˙zliwiajacych analiz_֒ e_֒danych w r´o˙znych dziedzinach, wspomaganie

podejmowania decyzji, itp.