Grupo de Sistemas de Información Distribuidos (SID)eolo.cps.unizar.es/docencia/IngBiomedica/2011-05-04... · Grupo de Sistemas de Información Distribuidos ... – Sistemas de información

Ontologías y AgentesMáster “Ingeniería del Software, Métodos Formales

y Sistemas de Información”Universidad Politécnica de Valencia

Curso 2010-2011

Eduardo Menahttp://www.cps.unizar.es/~mena/

Dpto. de Informática e Ingeniería de SistemasUniversidad de Zaragoza

Valencia, Mayo 2011Eduardo Mena "Ontologías y Agentes"

Grupo de Sistemas de Información Distribuidos (SID)

• Desarrollo de proyectos I+D en el área de gestión de datos– Bases de datos distribuidas y heterogéneas– Sistemas de información globales, Web Semántica– Servicios de datos en entornos móviles

• Contacto: Eduardo Mena ([email protected])– http://sid.cps.unizar.es/– En cooperación con el Grupo de Bases de Datos

Interoperantes (BDI), Universidad del País Vasco, http://siul02.si.ehu.es/

Eduardo Mena "Ontologías y Agentes"

Áreas de Aplicación (1/2)

• Bases de datos distribuidas y federadas

• Sistemas de información globales, Web semántica


Áreas de Aplicación (2/2)• Servicios de datos en entornos móviles

• Sistemas de agentes inteligentes (móviles)


Índice (1/2)

• Ontologías– Representación del conocimiento

• Descripciones semánticas• Lenguajes de representación del conocimiento

– Sistemas Terminológicos• Lógica de descripciones• Ejemplos de sistemas

– Aplicación de las ontologías• Bases de datos federadas• Sistemas de información globales• Web Semántica


Índice (2/2)

• Sistemas de agentes inteligentes– Agentes inteligentes

• Características• Agentes móviles

– Aplicación de los agentes a sistemas de información• A nivel de diseño• A nivel de comunicaciones remotas• Ejemplos de sistemas basados en agentes


Ontologías


¿De qué hablaremos?

• Ontologías: desde la IA y BD• Definiciones y estado del arte• Reglas prácticas para la creación de

ontologías• Ejemplos de aplicación de las ontologías

– Distintos campos de aplicación– Distintos sistemas

• Uso de ontologías: Problemas principales


Datos, Metadatos, Conocimiento

• Datos– (BD) Hechos, estado de las cosas

• Metadatos– Datos sobre los datos

• Información– Datos + semántica

• Conocimiento– (Epistemología, Chisholm 1977)

• C sabe k k es cierto C acepta k k es evidente para C– (IA) Permite comportamiento inteligente


Metainformación

• Información semántica sobre los datos• Objetivo

– Describir contenidos– Separar datos de significado– Permitir comportamiento “inteligente”

• Problema– Su generación es difícil de automatizar


Conocimiento

• Es todo lo que se ha aprendido y organizado de acuerdo a aquellos conceptos, imágenes o relaciones que ha podido dominar; el conocimiento es una abstracción mental

• Supone cierto razonamiento y enjuiciamiento que organiza la información mediante su comparación y clasificación


Información

• Es la representación del conocimiento, comunica la estructura del conocimiento a través de datos, la información es la forma tangible y comunicable del conocimiento

• Las escuelas y universidades tienen como actividad central propiciar el conocimiento a partir de la información


También es: Conocimiento Descripciones semánticas Metainformación

¿ Base de conocimientos ?

¿ Taxonomía ? ¿ Jerarquía de clases ?

Sistema de gestión del conocimiento Representación ¿ Expresividad ? ¿ Lenguaje interrogación ? ¿ Capacidades Deductivas ?

“Especificación de una conceptualización”(T. Gruber)

¿Qué es una ontología?


Ventajas

Depende del contexto, en sistemas de información: Mejor consultar una ontología que los depósitos de datos Visión homogénea de toda la información (heterogénea)

disponible Alto nivel semántico Conocimiento compartido

Metainformación sobre los datos Ej. Ontología biblioteca


Biblio-Thing

Document

Book

Edited-Book

Technical-Report

Periodical-Publication

Journal

Magazine

Newspaper

Miscellaneous-Publication

Technical-Manual

Computer-ProgramMultimedia-DocumentArtwork

Cartographic-Map

Thesis

Doctoral-Thesis

Master-Thesis

Proceedings

Conference Agent

PersonAuthor Organization

Publisher University

http://wwwhttp://www--ksl.stanford.edu/knowledgeksl.stanford.edu/knowledge--sharing/ontologies/html/bibliographicsharing/ontologies/html/bibliographic--data/data/

Ejemplo: Stanford-I


Print-Media

Press Publication Journalism

Newspaper MagazineBook

Periodical

Trade-Book Brochure TextBook

Reference-BookSongBook

PrayerBook

PictorialSeries

Journals

CookBook

Instruction-BookWordBook HandBook Directory Annual

Encyclopedia

Manual Bible GuideBook

Instructions Reference-Manualhttp://www.cogsci.princeton.edu/~wn/w3wn.htmlhttp://www.cogsci.princeton.edu/~wn/w3wn.html

Ejemplo 2: subconjunto de WordNet 1.5


Problemas con las Ontologías

Fuerte carga filosófica No olvidar contexto aplicación

Difícil definición/explotación Elegir bien el sistema de representación del conocimiento

Ingeniería del conocimiento, no automatizable Experiencia

Complejidad del sistema ¿Realmente necesitamos una ontología?

Tamaño (Ej: Cyc) Conocimiento distribuido: ontologías especializadas en dominios


Ontologías Distribuidas vs. Ontología Global

ontología

ontología

ontología

ontología

OntologíaGlobal


Construcción de ontologías

Lenguaje (signos + semántica)

Términos (conceptos, atributos), relaciones, reglas, instancias

Representan un punto de vista/dominio

No hay lugar para la redundancia


Sistemas de Representación del conocimiento

Permiten: Crear ontologías/bases de conocimiento

Y algunos: Manipular/interrogar ontologías

Incluso otros: Introducir/recuperar instancias (datos)

Lenguajes Ontolingua, KIF, KQML, DL, DAML, OWL ¿Cuál necesitamos? ¿qué esperamos de él?

Expresividad Razonadores


Lenguajes de Representación del Conocimiento

• RDF (Resource Description Framework):– XML, herencia de clases (RDF-class, RDF-property)– Expresividad similar a OO

• OIL (Ontology Inference Layer)– No XML, API basado en Lisp

• DAML (DARPA Agent Markup Language)– RDF+OIL, XML, lógica SHIQ (roles inversos, roles transitivos, cjtos.)– Pensado para Lógica Descriptiva (necesita un razonador)– DAML-S

• OWL (Ontology Web Language)– Pensado para la Web Semántica– Nivel Lite (similar RDF), DL (SHIQ), OWL full (autoextensible)– OWL-S– Estándar de W3C (Febrero 2004)

• Protégé, OILed: editores de ontologías (RDF, DAML, OWL)Eduardo Mena "Ontologías y Agentes"

Sistemas Basados en Lógica Descriptiva(Sistemas Terminológicos)

Distintas expresividades Operadores muy expresivos: ALL, jerarquías de roles, roles inversos,

roles transitivos, disjoint Mundo abierto vs. mundo cerrado

Conceptos y rolesTérminos primitivos (cond. necesarias) y definidos (cond. necesarias y suficientes)SubsumisiónMecanismo de clasificación detección de inconsistencias simplificación de expresiones

Tbox, AboxLas preguntas son expresiones (clasificables)


Ejemplo 1: Familia.pl (BACK)

:- backinit,backtell(personas:<anything),backtell(conoce_a:<domain(personas) and range(personas)),backtell(padre:<conoce_a),backtell(conocidos:=trans(conoce_a)),backtell(padre_conocidos:=conocidos.padre),backtell(conocidos_lejanos:=conocidos and trans(padre)),backtell(hijos:=inv(padre)).

extension :-backtell(edu::personas and conoce_a:(josito and jonni) and padre:papaedu),backtell(josito::personas and conoce_a:edu and padre:papajosito),backtell(jonni::personas and padre:papajonni),backtell(papajonni::personas and conoce_a:edu).


Ejemplo 2: Proyectos.pl (1/2):- backinit,backstate(verbosity=silent),

backtell(personas:<anything),backtell(nombre:<domain(personas) and range(string)),backtell(ocupacion:<domain(personas) and range(string)),

backtell(jefes:=personas and ocupacion:'jefe'),

backtell(proyectos:<anything),backtell(titulo:<domain(proyectos) and range(string)),backtell(miembros:<domain(proyectos) and range(personas)),

backtell(superpro:=proyectos and atleast(3,miembros)),backtell(jefe:=miembros and range(jefes)).


Ejemplo 2: Proyectos.pl (2/2)

extension :-backtell(jonni::personas and nombre:jonni and ocupacion:currito),backtell(josito::personas and nombre:josito and ocupacion:currito),backtell(nestor::personas and nombre:nestor and ocupacion:especialista),backtell(edu::personas and nombre:edu and ocupacion:jefe),backtell(josemi::personas and nombre:josemi and ocupacion:encargado).

backtell(aims::proyectos and titulo:aims and miembros:allknown(personas and nombre:(edu or josito or josemi))).


Ejemplos de Sistemas Terminológicos

• Clásicos– CLASSIC, BACK, FaCT, Loom

• CICLOP– API en Java, poco expresivo

• Utilizados para la Web Semántica– CORBA-FaCT, RACER (servicio web)– Enlace con DAML y OWL

• Interoperabilidad– Acceso OWL a través de servicio Web– DIG (Description logic Implementation Group): interfaz

DL en XMLhttp://www.ida.liu.se/labs/iislab/people/patla/DL/index.html


Algunos campos de aplicaciónde las ontologías

• Bases de datos federadas• Sistemas de información globales• Agentes inteligentes


Problema

Telnet

IP WWW FTP

Archie

C C++ Java

Formularios

Interfaces ad hoc

Oracle Sybase

Informix

Semántica, formatos,

etc.


Objetivo

SemánticaFormatos


Bases de Datos Federadas (BDF)

• Esquema global (ontología) Datos• Bases de datos autónomas, diseño bottom-up• Enlace BDs – Ontología (GAV vs. LAV)

?


BDF: Arquitectura de 5 niveles

Esquema BD 1

Esq. Exportado 1

Esquema integrado (ont. integrada)

Esquema BD n

Esq. Exportado n

Vista 1 Vista m

Esq. Export. canónico n (ont2)Esq. Export. canónico 1 (ont1)

. . . . .

Traducción

Integración

. . . . .


Sistemas de Información Globales

Muchos depósitos de datos (miles, millones)Gran heterogeneidad a todos los nivelesAltamente dinámico y cambianteUn ejemplo: La Web

Adaptación de las técnicas conocidas a dicho contextoAún es objeto de investigación


Aproximaciones de los 90’s: clasificaciónSistemas de

Acceso a Información

Basados en Ontologías

Basados en palabras clave

Altavista,Yahoo!,Google

Basados en Agentes

TSIMMIS, DISCO

Una OntologíaGlobalCarnot,

Information Manifold

VariasOntologías

SIMS, InfoSleuth,

OBSERVER Eduardo Mena "Ontologías y Agentes"

Aprox. relevantes de los 90’s

SIMS (Univ. de California del Sur, 1992)

TSIMMIS (Univ. de Stanford & IBM, 1993)

Information Manifold (AT&T Bell Lab., 1994)

OBSERVER (Univ. Pais Vasco & UGA, 1995)

InfoSleuth (MCC, 1996)


Aproximaciones: Comparativa

Depósitos heterogéneos

Generación de wrappers

Capacidad de respuesta

Descr. semántica de datos

Interop. entre ontologías

Vocabulario compartido

Respuestas imprecisas

TSIMMIS

InfoSleuth

IM

OBSERVER

SIMS


Ejemplo: El sistema OBSERVER

• Sistema de Información Global– gran numero de fuentes de datos (con cualquier

organización de datos)– múltiples ontologías (indepen. del sistema DL)– depósitos de datos y ontologías reales

• Interoperación entre ontologías (división del espacio de información)– relaciones semánticas interontología– traducción de preguntas con o sin cambio de semántica– estimación del cambio de semántica


Arquitectura de OBSERVER

Ontology

Based

System

Enhanced with

Relationships for

Vocabulary

hEterogeneity

Resolution

Query Processor

Ontology Server

IRM

RelacionesInterontología

Ontology ServerOntology Server

Enlaces

EnlacesEnlacesEnlaces


Si

Expansión incremental a otra ontología

Acceso a los datos

Construcciónde la pregunta

Procesamiento de Preguntas (Query Processor)

SeleccionarOntología Usuario

Editar pregunta

Acceder datossubyacentes

Correlacionar ymostrar respuesta

Seleccionarontología destino

Integrar nueva ont. y ont. usuario

Elegir plan conmenor pérdida

Generar Planes

Más datos?

Comienzo

FinalNo


Multiples ontologías: Transformaciones de la pregunta

Pregunta del usuario expresada en términos de la Ontología Usuario

Pregunta expresada en términos de la Ontología Destino

Pregunta expresada en Enlaces Respuesta expresada según la semántica de los depósitos

Respuesta expresada según la semántica de la Ontología Destino

Respuesta expresada según la semántica de la Ontología Usuario

Acceso a los datos subyacentes

Rel. del IRMF. Trans. Inv. del IRM

Traducción a EnlacesF. Trans. Inv. de enlaces

CorrelaciónF. Trans. de enlaces

CorrelaciónF. Trans. del IRM

Query Processor

Ontology ServerEduardo Mena "Ontologías y Agentes"

Pérdida semántica en respuestas

Respuesta relevante

Pérdida semántica

Pérdida en Precision

Pérdida en Recall

Respuesta obtenida

Respuesta relevante y obtenida


OBSERVER: aportaciones

• Uso de ontologías pre-existentes Descripción de los depósitos de datos

• Manejo de relaciones interontología Manejo de distintos vocabularios

• Procesamiento incremental Acceso a gran número de depósitos

• Respuestas con pérdida de información Estimación de la pérdida


Problemas de los sistemas de los 90’s• Integración estática de fuentes de datos

– La traducción e integración se hace “a mano” por humanos y cuesta bastante tiempo

– Generación no automática de la información de enlace• Hay que definir a mano el camino hacia los datos

– Generación no automática de las relaciones interontología• Hay que definir a mano las propiedades semánticas entre ontologías

– Sensible a nuevas ontologías/depósitos de datos• No relaciones entre los datos (constantes)

– Ej. (tema=“Marte”) (tema=“sistema solar”)• Métodos de interrogación no adecuados para usuarios finales

– Selección de la(s) ontología(s) para preguntar– Pregunta en DL ¿palabras clave, lenguaje natural?

• Imposibles de aplicar a contextos altamente dinámicos (como la Web)


Web Semántica

• Problemas con la Web actual– HTML– Orientado a humanos– Búsquedas sintácticas (palabras clave)

• Objetivos– Separar contenido de visualización– Orientado a humanos y a programas (servicios)– Búsquedas semánticas (expresar qué se está buscando)


Web Semántica• Definición

– Proyecto W3C desde aprox. 1999– Nueva filosofía– Red de ordenadores Espacio compartido– Documentos autodescritos– Procesable por máquinas (ni lenguaje natural, ni GUIs)– Enlaces indirectos (independencia de la localización)

• Claves– XML– Ontologías– Servicios Web


Objetivos de la Web Semántica

• Permitir un procesamiento de preguntas guiado por la semántica– Obtener sólo lo que el usuario busca

• Descubrir automáticamente información semántica en las ontologías disponibles en el sistema de información

• Descubrir automáticamente fuentes de datos relevantes


Web Semántica


Ejemplo de líneas de trabajo:Acceso a datos guiado por la semántica

• Cjto. de palabras clave pregunta formal (semántica bien definida)– ¿Significados de cada palabra? pool de ontologías– ¿Desambiguación de una palabra? contexto (el resto de palabras)– ¿Traducción a un lenguaje de representación del conocimiento?

combinaciones según operadores del lenguaje

• Pregunta formal datos– Descubrimiento de ontologías relevantes – Descubrimiento de fuentes de datos – Aplicación técnicas de sistemas de información federados

• Procesamiento incremental• Aproximación peer to peer?


Futuro Inmediato

• Sólo se ha comenzado a caminar– Aún tenemos mucho que aprender

• Muchos problemas por resolver– Equipos multidisciplinares

• Contexto complejo tecnológicamente– Dificultad para quien empieza

• La clave para conseguir algunos objetivos: balance entre velocidad y calidad


Sistemas de Agentes Inteligentes


Agentes inteligentes

• Son programas:– Autónomos– Actúan en representación de alguien– Tienen una agenda de objetivos– “Inteligentes”, aprenden

• Pueden también ser:– Cooperativos– Móviles

• Nuevo paradigma de diseño de software


Agentes móviles• Programa que se ejecuta en un cierto contexto de ejecución

o place, y viaja de place a place– Capaces de transportarse a sí mismos entre ordenadores– Necesita cierta infraestructura (plataforma de agentes)– Agentes móviles código móvil

• Alternativa a RPC


Movilidad: cómo funciona

• Los agentes móviles se crean en places– Viajan entre places

• moveTo(newHost)– Se interrumpe la ejecución del thread– Se serializa el código y el estado del agente– El agente se reconstruye en el place destino– Se continúa la ejecución a partir de donde se

interrumpió


Movilidad fuerte vs. Movilidad débil• Movilidad fuerte

– moveTo(newHost)– En el destino se continúa con la siguiente instrucción– La JVM no permite continuar a mitad de un método

• Alternativa: cambiar la JVM incompatibilidad con otras JVM

• Movilidad débil– moveTo(newHost, callback)– En el destino se continúa con el método callback

• Se recomienda que el moveTo sea la última instr. del método

– Permitido por la JVMEduardo Mena "Ontologías y Agentes"

Control de los saltos

• Problemas con el moveTo (red, permisos, etc.)– excepción place origen (política de reintento)

• Notificación de movimiento (Ej: Voyager)– preDeparture()

• En el origen, antes de iniciar el viaje– preArrival()

• En el destino, antes de la reconstrucción– postArrival()

• En el destino, agente reconstruido correctamente, justo antes del callback

– postDeparture()• En el origen, en paralelo con el callback del destino


Utilizando agentes móviles

Robustez frente a desconexionesMejor diseño: delegación de tareasFacilidad de programaciónPlataformas de agentes

• Interoperabilidad• Fiabilidad• Escalabilidad

Eficiencia? RPC

0,1 M 0,2 M 0,45 M 1 M 2 M 4 M 8 M 16 M 33 M Eduardo Mena "Ontologías y Agentes"

Plataformas de agentes móviles• Aglets

– Buen API para agentes móviles– JDK 1.1 código abierto Java 2

• Voyager– CORBA + movilidad + activación + agentes– Problemas con los clones

• Grasshopper– Llamadas remotas (¿la mejor hasta ahora?)– Problemas de escalabilidad en el modelo de comunicación

• Tryllian– Miles de agentes (en la misma máquina)– Más lento

• SPRINGS– Alta escalabilidad (miles de agentes en distintas máquinas)


Referencias

• S. Franklin et al, “Is it an Agent or just a Program?: a Taxonomy for Autonomous Agents”, 3rd Workshop on Agent Theories, Architectures and Languages, 1996

• C. Harrison et al, “Mobile Agents: Are They a good idea?”, research report IBM (desclasificado como confidencial en 1995)

• J. Altman et al, “Using Mobile Agents in Real World: A Survey and Evaluation of Agent Platforms”.


Ejemplos de sistemasbasados en agentes

• Servicio de obtención de Software (SRS)• Procesamiento de preguntas dependientes

de la localización• Generación adaptativa de interfaces gráficos• Recopilación de citas bibliográficas


Servicio de Obtención de Software

• Alternativa a sistemas tipo Tucows• Uso de una ontología de software

– Construida automáticamente• Vista común al usuario del software disponible• Sensible a las necesidades de distintos usuarios• Tecnología de agentes: creación, explotación

(gestión del conocimiento)


Servicio de Obtención de Software


Procesamiento de preguntas dependientes de la localización

• El usuario se mueve• Los objetos relevantes se mueven

• Ej: “Muestrame los taxis más cercanos” (formuladamientras andamos por la ciudad)

• La pregunta depende de la posición de algunosobjetos móviles

• La respuesta se debe actualizar periodicamente


Despliegue de la red de agentes

BS2BS5

BS6

BS4 BS3

BS1

Monitor

BS0

(1)

(3)(3)

(2)(2)

(3)

(3)

(3)

Eduardo Mena "Ontologías y Agentes" Eduardo Mena "Ontologías y Agentes"

Generación adaptativa de interfaces gráficos

• GUI’s distintos para dispositivos distintos• Descripciones XML del GUI• Prototipo: agente móvil que genera GUI’s

Java Swing, HTML, y WML


GUIs en Java Swing, HTML y WML Recopilación de citas bibliográficas

SIUL02.SI.EHU.ES

SIPL17.SI.EHU.ES

VIERNES.CPS.UNIZAR.ESSISF00.SI.EHU.ES

BibTeXBibTeX

BibTeX

San Sebastián

Zaragoza

BDpublications

ORDENADOR DEL USUARIO

Almagro

Voyager:9900

Voyager:9900

Voyager:9900

Navegador web

Apache Tomcat

Bib2DB

PostScript

ShowPubShowBibTeX

Eduardo Mena "Ontologías y Agentes" Eduardo Mena "Ontologías y Agentes"

Carta a los reyes

• Necesitamos herramientas para– Especificación formal de sistemas móviles– Especificación de comportamiento complejo y sensible a

distintos entornos (imprevisibles)

• Mejores plataformas de agentes– Más robustas– Para PDAs– Para redes inalámbricas (Bluetooth, WiFi)– Interoperables


¿Futuro?

• Mucho trabajo por hacer– Mejorar aproximaciones tipo SIMS, OBSERVER

– Papel de las ontologías– DAML OWL ???

– Considerando:– La Web– Nuevos dominios (computación móvil)– Nueva tecnología software (agentes, OWL, etc.)

– Nuevo gran objetivo: Web semántica


Fin de la presentación

Graciaspor su atención

http://www.cps.unizar.es/~mena/

Grupo de Sistemas de Información Distribuidos (SID)eolo.cps.unizar.es/docencia/IngBiomedica/2011-05-04... · Grupo de Sistemas de Información Distribuidos ... – Sistemas de información

Text of Grupo de Sistemas de Información Distribuidos...

Sistemas Distribuidos

sistemas distribuidos

SISTEMAS DISTRIBUIDOS Jhon Fredy Vera Tecnología en Sistemas de Información Universidad del Valle

Sistemas operacionais sistemas-distribuidos

Sistemas Distribuidos I Conceptos de Sistemas Distribuidos y Arquitectura

Sistemas Distribuidos - laurel.datsi.fi.upm.eslaurel.datsi.fi.upm.es/_media/docencia/asignaturas/sd/sd_sincro... · Sistemas Distribuidos 2 Sincronización en Sistemas Distribuidos

Sistemas Operativos Distribuidos Sistemas de ficheros distribuidos

Sistemas operativos distribuidos y sistemas distribuidos

Sincronización, Concurrencia y TransaccionesSincronización en Sistemas Distribuidos Más compleja que en los centralizados •Proppgiedades de algoritmos distribuidos: – La información

Sistemas Operativos Distribuidos · Sistemas Operativos Distribuidos 2 Sistemas Operativos Distribuidos Arquitecturas Distribuidas •Sistema Fernando Pérez Costoya José María

Grupo de Sistemas de Información Distribuidos (SID)

Sistemas de información distribuidos

Sistemas Distribuidos Sistemas Operativos Distribuidos

SISTEMAS DISTRIBUIDOS DE TIEMPO REAL “ SISTEMAS DISTRIBUIDOS DE TIEMPO REAL ” Sistemas Distribuidos

Arquitectura de los sistemas distribuidos - PoliformaT · Arquitectura de los sistemas distribuidos A nivel lógico, los sistemas de información se diseñan asumiendo tres niveles

Documents

Grupo de Sistemas de Información Distribuidos (SID)eolo.cps.unizar.es/docencia/IngBiomedica/2011-05-04... · Grupo de Sistemas de Información Distribuidos ... – Sistemas de información

Text of Grupo de Sistemas de Información Distribuidos...