Informationsintegration Das Semantic Web Quelle: Prof. Dr. Felix Naumann HPI, Uni Potsdam

InformationsintegrationDas Semantic Web

Quelle:Prof. Dr. Felix Naumann

HPI, Uni Potsdam

2

© Prof. F. Naumann, HPI Potsdam

Überblick Motivation und Definition TXT → XML XML → RDF(S) RDF → Ontologien Ausblick / Diskussion Rückblick & Evaluation

3

© Prof. F. Naumann, HPI Potsdam

Definitionen Fremdwörterduden “Semantik”

1. Teilgebiet der Linguistik, das sich mit den Bedeutungen sprachlicher Zeichen und Zeichenfolgen befasst

2. Bedeutung, Inhalt eines Wortes, Satzes oder Textes

“The Semantic Web is an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in cooperation.” [BLHL01]

Das Semantische Web ist einer Erweiterung des gegenwärtigen Webs, in der Informationen wohl-definierte Bedeutungen erhalten, so dass Computer und Menschen besser kooperieren können.

4

© Prof. F. Naumann, HPI Potsdam Warum brauchen wir das Semantic Web? Überfluss an Daten

– Stark verteilt– Suche und Integration nötig– Die Kosten, relevante Informationen zu finden und Wert daraus

zu schöpfen sind enorm. Kostenreduzierung

– Workflows und Businessprozesse miteinander verknüpfen– Data- und Service-Sharing ermöglichen– auch zwischen heterogenen Gruppen

eScience: Wissenschaftler, Standards-Konsortien, Bioinformatik eGovernment: u.a. Gesundheitswesen eBusiness eSociety: Blogging, Gnutella

Quelle: [DK03]

5

© Prof. F. Naumann, HPI Potsdam

Motivation Web Seiten tragen Layout-Informationen

– Gut für Menschen– Nicht zu interpretieren für Rechner

Informationen leben in zwei Welten– Für Menschen als Konsumenten

Gedichte, Filme, Text,...– Für Computer als Konsumenten

Daten, Programme,...– Das Web betont den Menschen.– Das Semantic Web soll dies ausgleichen.

Ease-of-Use und Wachstum des WWW soll nicht beeinträchtigt werden.

Es muss also nicht alles perfekt verstanden werden.

6

© Prof. F. Naumann, HPI Potsdam Motivation: (Automatische) Informationssuche im Web

Methode 1: Browsing geht nicht (Milliarden von Dokumenten)

Methode 2: Suche– Suche mittels Suchmaschinen besser

Recall nicht immer perfekt (Größe der Suchmaschine). Precision nicht immer perfekt (Relevanz der Ergebnisse). Techniken des Information Retrieval

– Leider wirklich nur „retrieval“– Extraktion und Interpretation der Informationen durch Nutzer

Funktioniert nur mit Menschen, nicht automatisiert

7

© Prof. F. Naumann, HPI Potsdam Motivation: (Automatische) Informationssuche im Web Methode 3: Informationsextraktion

– Computational Linguistics– Named Entity Recognition (z.B. Gene)– Relationship Extraction (z.B. Firmensitze aus Wirtschaftsmeldungen

extrahieren) Methode 4: Wrapper

– Bsp: Shopping Agenten– Generierung von Wrappern per Hand– Müssen sich auf HTML Tags verlassen

Methode 5: Annotation– Maschinenlesbare Annotation (z.B. XML)

Methode 6: Semantic Web– Semantische Annotation (RDF & Ontologien)

8

© Prof. F. Naumann, HPI Potsdam

Beispiel-Anwendungen Wissensmanagement (knowledge management, KM)

– Intranet mit Millionen Dokumenten– Informationsbeschaffung, -wartung und -suche– Mit Ontologien

Intelligente Suche Anfragen und Sichten statt Suche

– Bsp.: Liste alle Projekte aller Mitarbeiter der HTWK Leipzig Dokumentenaustausch

Web Commerce– Shopping-Agenten suchen bestes und billigstes Angebot.– On-line Shops präsentieren Waren sinnvoll– Broker vermitteln zwischen Anbietern und Käufern (e-marketplace)– Meta-Stores

E-Business– Virtuelle Unternehmen– Katalog-Integration und Datenaustausch

9

© Prof. F. Naumann, HPI Potsdam

Semantic Web Prinzipien [BL] Alles kann eine URI#xxx haben.

– Sage nicht „farbe“, sage "http://www.pantomime.com/2002/std6#farbe"

Vokabulare können im Laufe der Zeit integriert und ersetzt werden.

Dokumente sind selbst-beschreibend. „Jeder kann Beliebiges über Beliebiges sagen." Kein einzelnes System weiß alles. Das Design muss minimalistisch sein.

10

© Prof. F. Naumann, HPI Potsdam

Semantic Web Layer Cake

Quelle: [Hen02]

Basisdaten, Texte und Identifikatoren

Syntax und Struktur

Beziehungen

Bedeutung

Regeln

Nutzen

11

© Prof. F. Naumann, HPI Potsdam

Überblick Motivation und Definition TXT → XML XML → RDF(S) RDF → Ontologien Ausblick / Diskussion Rückblick & Evaluation

12

© Prof. F. Naumann, HPI Potsdam

Überblick Semantic Web

Quelle: Tim Berners-Lee

13

© Prof. F. Naumann, HPI Potsdam

TEXT XML Reiner Text

– Keine Struktur (höchstens implizit)– Nicht maschinenlesbar

XML– Kann Text strukturieren– Maschinenlesbare Struktur– Implizite Semantik durch Benennung von

Struktureinheiten

14

© Prof. F. Naumann, HPI Potsdam

Text im Web (UNICODE + URI) So sieht ein natürlichsprachige Webseite für

eine Maschine aus.

Quelle: [Hen02]

15

© Prof. F. Naumann, HPI Potsdam

XML … immerhin XML erlaubt es, sinnvoll tags zu Texteinheiten

hinzuzufügen.

CV

name

education

work

private

< >

< >

< >

< >

< > Quelle: [Hen02]

16

© Prof. F. Naumann, HPI Potsdam XML maschinenlesbare Bedeutung Aber: Für eine Maschine sehen die tags so

aus...

< >

< >

<>

<>

<> Quelle: [Hen02]

17

© Prof. F. Naumann, HPI Potsdam

Schemata: Die richtige Richtung

Schemata helfen….

CV

name

education

work

private

< >

< >

< >

< >

< >

< >

< >

<>

<>

<>

CV

name

education

work

private

< >

< >

< >

< >

< >

< >

< >

<>

<>

<>

< > …indem sie gemeinsameAusdrücke zwischenDokumenten in Beziehung setzen.

Quelle: [Hen02]

18

© Prof. F. Naumann, HPI Potsdam Aber: Schemata unterscheiden sich Jemand anderes verwendet dieses Schema:

< >

<>

<>

<>

<> Quelle: [Hen02]

< >

< >

<>

<>

<>

19

© Prof. F. Naumann, HPI Potsdam

Schemata fehlt die Bedeutung

CV

name

education

work

private

< >

< >

< >

< >

< >

< >

< >

<>

<>

<>

CV

name

education

work

private

< >

< >

< >

< >

< >

< >

< >

<>

<>

<>

< >

CV

name

education

work

private

< >

< >

< >

< >

< >

< >

< >

< >

< >Quelle: [Hen02]

Immerhin: Semi-

automatisches Schema

Matching & Mapping

20

© Prof. F. Naumann, HPI Potsdam

Überblick Motivation und Definition TXT → XML XML → RDF(S) RDF → Ontologien Ausblick / Diskussion Rückblick & Evaluation

21

© Prof. F. Naumann, HPI Potsdam

Überblick Semantic Web

Quelle: Tim Berners-Lee

22

© Prof. F. Naumann, HPI Potsdam

XML RDF XML

– erlaubt beliebige Strukturen.– Bedeutung „verborgen“/“vermischt“ in Struktur (durch geeignete

Tag-Namen)– Fortschritt, aber Strukturen noch ohne „Bedeutung“

RDF…– …kann „Bedeutung“ ausdrücken, ohne Annahmen zur Struktur.– …besteht aus Tripeln: Subjekt, Prädikat, Objekt– …ist ein Datenmodell für Metadaten.

23

© Prof. F. Naumann, HPI Potsdam

Metadaten Format: RDF RDF (Resource Description Framework)

– Jenseits von Maschinenlesbarkeit: „Maschinenverstehbarkeit“

RDF besteht aus zwei Teilen:– RDF Modell (eine Menge von Tripeln)– RDF Syntax (verschiedene XML-Serialisierungs Syntaxen)

RDF Schema – Definition von Vokabularen (einfache Ontologien) für RDF– Formuliert in RDF

Quelle: [DK03]

24

© Prof. F. Naumann, HPI Potsdam

RDF Beispiel

Ausdruck– “Peter Mueller ist Autor der Ressource http://www.w3.org/home/mueller .”

<rdf:Description rdf:about=“#pers05”> <authorOf>ISBN...</authorOf></rdf:Description>

pers05 ISBN...Author-of

Quelle: [OH03]

pers05 ISBN...Author-of

MIT

ISBN...

Publ-by

Author-of Publ-

by

Struktur– Ressource (Subjekt)

http://www.w3.org/home/mueller– Eigenschaft (Prädikat)

http://www.schema.org/#authorOf– Wert (Objekt)

„Peter Mueller” Gerichteter Graph

25

© Prof. F. Naumann, HPI Potsdam

Schachtelung mit RDF Jeder Ausdruck kann wiederum eine Ressource sein:

– Schachtelung von Graphen – reification (“Verdinglichung”)

pers05 ISBN...AutorVon

NYT behauptet

<rdf:Description rdf:about=“#NYT”> <behauptet> <rdf:Description rdf:about=“#pers05”> <AutorVon>ISBN...</AutorVon> </rdf:Description> </behauptet></rdf:Description> Quelle: [OH03]

26

© Prof. F. Naumann, HPI Potsdam

Vorteile von RDF vs. XML

„Der Autor der Seite ist Peter“– RDF: triple(author, Seite, Peter) – XML:

Quelle: http://www.w3.org/DesignIssues/RDF-XML.html

<autor> <uri>Seite</uri> <name>Peter</name> </autor>

<document href=“Seite"> <autor>Peter</autor> </document>

<document> <details> <uri>href=“Seite"</uri> <autor> <name>Peter</name> </autor> </details> </document>

<document> <autor> <uri>href=“Seite"</uri> <details> <name>Peter</name> </details> </autor> </document>

<v> <x> <y> a="ppppp"</y> <z> <w>qqqqq</w> </z> </x> </v>

Anfragen nur über das Dokument, nicht über dessen Bedeutung:Ist ppppp ein y von qqqqq?Oder ist qqqqq ein z von ppppp? Aber es kann

viele verschiedene Schemata für die gleiche Bedeutung geben.

<?xml version="1.0"?> <Description xmlns="http://www.w3.org/TR/WD-rdf-syntax#" xmlns:s="http://docs.r.us.com/bibliography-info/" about="http://www.w3.org/test/seite" s:Author ="http://www.w3.org/staff/Peter" />

Nur falls Schema vorhanden, kann man sinnvolle Fragen stellen.

27

© Prof. F. Naumann, HPI Potsdam

Überblick Motivation und Definition TXT → XML XML → RDF(S) RDF → Ontologien Ausblick / Diskussion Rückblick & Evaluation

28

© Prof. F. Naumann, HPI Potsdam

Semantic Web

Quelle: Tim Berners-Lee

29

© Prof. F. Naumann, HPI Potsdam

XML / RDF Ontologien XML und RDF

– Kein Standard-Vokabular um Semantik auszudrücken

Gleiche Probleme wie bisher, jedoch auf Tag-Ebene

– Keine Standard-Struktur (Hierarchie) um Semantik auszudrücken.

Ontologien– stellen Standard-Vokabulare bereit.– stellen Standard-Struktur bereit.

30

© Prof. F. Naumann, HPI Potsdam

Motivation für Ontologienclass-def animal % animals are a classclass-def plant % plants are a class subclass-of NOT animal % that is disjoint from animalsclass-def tree subclass-of plant % trees are a type of plantsclass-def branch slot-constraint is-part-of % branches are parts of some tree has-value tree max-cardinality 1class-def defined carnivore % carnivores are animals subclass-of animal slot-constraint eats % that eat any other animals value-type animalclass-def defined herbivore % herbivores are animals subclass-of animal, NOT carnivore % that are not carnivores, and slot-constraint eats % they eat plants or parts of plants value-type plant OR (slot-constraint is-part-of has-value plant)Quelle: [OH03]

31

© Prof. F. Naumann, HPI Potsdam

Was ist eine Ontologie? „Eine Ontologie ist eine formale, explizite Spezifikation

einer gemeinsamen Konzeptionalisierung“ – Tom Gruber

– ‚Konzeptionalisierung‘ (Conceptualization): Abstraktes Modell von Phänomenen der wirklichen Welt durch Identifikation der relevanten Konzepte der Phänomene.

– ‘Explizit’: Verwendete Konzepte (und deren Typen und Bedingungen darauf) sind explizit definiert.

– ‘Formal’: Maschinenlesbar– ‘Gemeinsam’: Reflektiert Wissen über das Konsens in der

Gemeinde herrscht.

Quelle: [Fen03]

32

© Prof. F. Naumann, HPI Potsdam

Was ist eine Ontologie? Ontologien sind soziale Kontrakte:

– Akzeptierte, explizite Semantik– Verständlich für Außenstehende– (Meist) erzeugt in einem community process.

Im Gegensatz zu Datenbankschema– Zielrichtung dort: Physische Datenunabhängigkeit

Im Gegensatz zu XML-Schema– Zielrichtung dort: Dokumentstruktur

Quelle: [DK03]

33

© Prof. F. Naumann, HPI Potsdam

Arten von Ontologien Domänen-Ontologien

– Für eine spezielle Domäne (Elektronik, Medizin, Datenbanken, usw.)

Meta-Ontologien– Verwendbar über Domänen hinweg– Stellen Vokabular zur Verfügung– Beispiel: Dublin Core für Dokumente / Digital Libraries

Generische Ontologien (common sense)– Vokabular über Dinge, Ereignisse, Zeit, Raum, etc.– Verwendbar über Domänen hinweg– Beispiel: Meter und Inch Konvertierungtabellen

Quelle: [Fen03]

34

© Prof. F. Naumann, HPI Potsdam

Ontologien: Beispiele WordNet

– 100.000 Worte mit natürlichsprachlicher Bedeutung– Organisiert in Synonym-Sets– Kategorisierung

Substantiv, Verb, Adjektiv, Adverb, Funktionswort– Zusätzliche Beziehungen

Synonym, Antonym Hyponomy (is-a Beziehungen als Hierarchie) Meronymy (part-of Beziehungen) Morphologie (für Wortformen)

– Vorteile Domänenunabhängig, groß, frei verfügbar

35

© Prof. F. Naumann, HPI Potsdam

Ontologien: Beispiele Cyc

– Entstammt aus KI Forschung– Versuch, Allgemeinwissen zu formalisieren– 100.000de Konzepte formalisiert– Millionen Axiome, Regeln, Einschränkungen– Herausgeber: Cycorp

36

© Prof. F. Naumann, HPI Potsdam

Eine high-level Ontologie

Quelle: [HHL04]

37

© Prof. F. Naumann, HPI Potsdam

Gene Ontologie Ziel: Kontrolliertes Vokabular (controlled vocabulary) über Organismen in

Bezug auf Gene und Proteine 16675 Ausdrücke

– [Term] id: GO:0000001 name: mitochondrion inheritance namespace: process def: "The distribution of mitochondria\, including the mitochondrial genome\, into

daughter cells after mitosis or meiosis\, mediated by interactions between mitochondria and the cytoskeleton." [PMID:11389764, PMID:10873824, SGD:mcc]

is_a: GO:0048308 (-> organelle inheritance) is_a: GO:0048311 (-> mitochondrian distribution)

– [Term] id: GO:0000002 name: mitochondrial genome maintenance namespace: process def: "The maintenance of the structure and integrity of the mitochondrial genome."

[GO:ai] is_a: GO:0007005

– [Term] id: GO:0000003 ... http://www.geneontology.org/

38

© Prof. F. Naumann, HPI Potsdam

Gene Ontology Probleme in GO (aus [SKK04])

– z.B. A partOf B „A is always part of B“ „A is sometimes part of B“ „A can be part of B“ „Vocabulary A is included within vocabulary B“

– Ähnliches für A isA B

39

© Prof. F. Naumann, HPI Potsdam

Überblick Motivation und Definition TXT → XML XML → RDF(S) RDF → Ontologien Ausblick / Diskussion Rückblick & Evaluation

40

© Prof. F. Naumann, HPI Potsdam

Semantic Web

Quelle: Tim Berners-Lee

41

© Prof. F. Naumann, HPI Potsdam Killer-Application des Semantic Web? Das Semantic Web selbst!

– Ähnlich wie das Web selbst Killer-App des Internet war.

Wichtige Anwendungen z.B.– Online Kataloge für B2B und B2C– Reiseplanung und Reisekoordination mit

Terminplaner

42

© Prof. F. Naumann, HPI Potsdam

Die Zukunft des Semantic Web Semantic Web in der physischen Welt

– URI zeigen auf physische Objekte– RDF beschreibt physische Objekte– Physische Objekte beschreiben ihre Fähigkeiten und

Funktionen („Internet of Things“). Home-automation Lautstärkeregelung Mikrowelle sucht nach optimalen Kochparametern auf Iglo

Webseite

Aber: Es gibt auch Kritik und viele Skeptiker!Aber: Es gibt auch Kritik und viele Skeptiker!

43

© Prof. F. Naumann, HPI Potsdam

Überblick Motivation und Definition TXT → XML XML → RDF(S) RDF → Ontologien Ausblick / Diskussion Rückblick & Evaluation

44

© Prof. F. Naumann, HPI Potsdam

Integrierte Informationssysteme

Integriertes Informations-system

Oracle,DB2…

Design time

Web Service

Anwen-dung

HTML Form

IntegriertesInfo.-system

Datei-system

Anfrage

Architekturen

Anfragesprache

Schemamanagement

Wrapper

Run time

Anfrageausführung

Optimierung

Anfrageplanung

Datenfusion / ETL

45

© Prof. F. Naumann, HPI Potsdam

Glossar aus [BLHL01] Resource: Web jargon for any entity. Includes Web pages, parts of a Web page, devices,

people and more. URL: Uniform Resource Locator. URI: Universal Resource Identifier. URLs are the most familiar type of URI. A URI defines or

specifies an entity, not necessarily by naming its location on the Web. RDF: Resource Description Framework. A scheme for defining information on the Web. RDF

provides the technology for expressing the meaning of terms and concepts in a form that computers can readily process. RDF can use XML for its syntax and URIs to specify entities, concepts, properties and relations.

Ontologies: Collections of statements written in a language such as RDF that define the relations between concepts and specify logical rules for reasoning about them. Computers will "understand" the meaning of semantic data on a Web page by following links to specified ontologies.

Agent: A piece of software that runs without direct human control or constant supervision to accomplish goals provided by a user. Agents typically collect, filter and process information found on the Web, sometimes with the help of other agents.

Service discovery: The process of locating an agent or automated Web-based service that will perform a required function. Semantics will enable agents to describe to one another precisely what function they carry out and what input data are needed.

46

© Prof. F. Naumann, HPI Potsdam

Literatur [BLHL01] T. Berners-Lee, J. Hendler, O. Lassila, The Semantic Web, Scientific

American, May 2001 [DK03] Stefan Decker und Vipul Kashyap. The Semantic Web: Semantics for

Data on the Web, Tutorial at VLDB 2003 Berlin. [Fen03] Dieter Fensel. Lecture Introduction:

Semantic Web & Ontology, 2003 [OH03] Slides: Semantic Web. Jacco van Ossenbruggen, Lynda Hardman. CWI

Amsterdam 2003. [BL] Tim Berners Lee. The Semantic Web (slides).

http://www.w3.org/2002/Talks/09-lcs-sweb-tbl/Overview.html Web sites

– www.ontoknowledge.org– www.ontoweb.org– www.daml.org– www.w3.org/2001/sw/– www.semanticweb.org