Informationsintegration Das Semantic Web 16.02.2006 Felix Naumann

Informationsintegration

Das Semantic Web

16.02.2006

Felix Naumann

16.02.2006 Felix Naumann, VL Informationsintegration, WS 05/06 2

Quelle: Mark Butler, HP


Überblick

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


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.


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]


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.


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


Motivation: (Automatische) Informationssuche im Web Methode 3: Informationsextraktion

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

Wirtschaftmeldungen 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)

Themen heute


Szenario aus [BLHL01]

leiser!

zu weit!

OK

Neuer Plan

Therapieplan

Gem

einsamer

Arztbesuch

Wer fährt?

Vorschlag

Neuer VorschlagOK

Streiche unwichtige Termine

Transportbedarf

Alice

Bob


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 HU Informatik 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


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.


Semantic Web Layer Cake

Quelle: [Hen02]

Basisdaten, Texte und Identifikatoren

Syntax und Struktur

Beziehungen

Bedeutung

Regeln

Nutzen


Überblick



Überblick Semantic Web

Quelle: Tim Berners-Lee


TEXT XML

Reiner Text Keine Struktur (höchstens implizit) Nicht maschinenlesbar

XML Kann Text strukturieren Maschinenlesbare Struktur Implizite Semantik durch Benennung von

Struktureinheiten


Text im Web (UNICODE + URI)

So sieht ein natürlichsprachige Webseite für eine Maschine aus.

Quelle: [Hen02]


XML … immerhin

XML erlaubt es, sinnvoll tags zu Texteinheiten hinzuzufügen.

CV

name

education

work

private

< >

< >

< >

< >

< > Quelle: [Hen02]


XML maschinenlesbare Bedeutung

Aber: Für eine Maschine sehen die tags so aus...

< >

< >

<>

<>

<> Quelle: [Hen02]


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]


Aber: Schemata unterscheiden sich

Jemand anderes verwendet dieses Schema:

< >

<>

<>

<>

<> Quelle: [Hen02]

< >

< >

<>

<>

<>


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


Überblick



Überblick Semantic Web



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.


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]


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


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]


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.


Überblick



Semantic Web



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.


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]


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]


Was ist eine Ontologie?

Ontologien sind soziale Kontrakte: Akzeptierte, explizite Semantik Verständliche für Außenstehende (Meist) erzeugt in einem community process.

Im Gegensatz zu Datenbankschema Zielrichtung dort: Physischen

Datenunabhängigkeit Im Gegensatz zu XML-Schema Zielrichtung dort: Dokumentstruktur

Quelle: [DK03]


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

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

Quelle: [Fen03]


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


Ontologien: Beispiele

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


Eine high-level Ontologie

Quelle: [HHL04]


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/


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


Überblick



Semantic Web



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


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. 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!


Überblick



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


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.


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

Documents

Informationsintegration Das Semantic Web 16.02.2006 Felix Naumann