Seminar Agentim im Semantic Web| 2007-06-22 Niko Kwekkeboom Ontologien im Semantic Web Am Beispiel der KArsruhe ONtology and Semantic Web Infrastructure

Sem

inar

Ag

enti

m im

Sem

anti

c W

eb

| 2

00

7-0

6-2

2

Niko Kwekkeboom

Ontologien im Semantic Web

Am Beispiel derKArsruhe ONtology and Semantic Web Infrastructure (KAON)

Informatik-Seminar im Sommersemester 2007Agenten im Semantic Web

2

1. Einleitung

2. Semantic Web Grundlagen

3. Ontologien

4. KAON

5. KAON2

6. Zusammenfassung

7. Fragen und Diskussion

Gliederung

Seminar im Sommersemester 2007:

Agenten im Semantic Web

Beispiel: Die -Suche

31. Einleitung

Suchbeispiel: „Golf“

~390.000.000 Treffer (20.06.2007)

Umfassen Golfsport, VW Golf, Golf von Mexico etc.

41. Einleitung

Suchmaschinen indizieren Webseiten

Schlüsselwörter, Häufigkeiten, Verlinkung

Ranking-Kriterien geheim

Suchmaschine abhängig von guten Nutzereingaben für qualitative Ergebnisse

Bedeutung der Suchbegriffe kann nicht interpretiert werden

Unzulänglichkeiten in den vorhandenen Suchmöglichkeiten

Beispiel: Die -Suche

Semantic Web – Status quo

51. Einleitung

Semantic Web nicht als Ablösung, sondern Erweiterung des bestehenden Webs gedacht

Aktuelles Web Sammlung von menschenverstehbaren Daten

Suchergebnisse bzw. Rechnerunterstützung im allgemeinen unbefriedigend

„The Semantic Web is not a separate Web but an extension to the current one, in which information

is given well-defined meaning, better enabling computers and people to work in cooperation.”

Tim Berners-Lee, Scientific American, May 2001

Semantic Web – Ziel

61. Einleitung

Sprachentwicklung zur Darstellung von Informationen in maschinenverstehbarer Form

Ziel: Daten maschinenverstehbarer gestalten und somit die Mensch-Maschine- und die Maschine-Maschine-Kommunikation verbessern

Der Computer weiß, ob bei der Eingabe Golf als Auto, Sport oder Ort gemeint ist

Semantic Web – Anmerkung

71. Einleitung

Semantic Web immer noch eher Idee als Technologie

Umsetzung steckt noch in den Ansätzen

Konzepte und Technologien noch in den „Kinderschuhen“

Vor allem Standardisierung dringend nötig

8

1. Einleitung


3. Ontologien

4. KAON

5. KAON2

6. Zusammenfassung


Gliederung



Schichtenmodell des Semantic Web:

Semantic Web – Architektur


XML + NS + xmlschema

RDF + RDFS Dig

ital S

ign

atu

re

Ontology vocabulary

URI

Logic

Unicode

Proof

Trust

DataSelf-desc.doc.

Data

Rules

Grundlage

Unicode: Plattformunabhängige, eindeutiger Standard zur Zuordnung von Zeichen zu Zahlen

URI (Unified Resource Identifier): Identifizierung einer abstrakten oder physikalischen Ressource

Erweiterung

XML (eXtensible Markup Language): Technologie zur Formatierung von Dokumenten mit flexibler Struktur (Gegensatz zu HTML)

xmlschema: Grammatik für XML-Dokumente, Regeln für syntaktischen Aufbau

Selbst XML-Dokument

Namensräume (NS) zur Verhinderung von Konflikten eingeführt



XML + NS + xmlschemaURIUnicode

RDF (Resource Description Framework)

Setzt auf XML auf

Modell zur Repräsentation vom Metadaten

Konstruktion aus Statements, bestehend aus: Ressourcen, Eigenschaften, Aussagen

RDFS (Resource Description Framework Schema):

Beschreibt die Semantik eines RDF-Dokumentes, Aufbaukriterien festgelegt

Ermöglicht Klassenbildung und somit Hierarchien und Ableitungen



RDF + RDFS

Ontology: Formale Beschreibung von Gegenständen und deren Beziehungen zueinander

Basierend auf RDF(S) und Erweiterung (RDF: Programmiersprache; Ontologie: Programm)

Meist lediglich kontrollierte Vokabularien

Komplexe Relationen über Relationen eher selten gebraucht

Zentraler Bestandteil der Vision des Semantic Web

Ziel: Schaffung einer gemeinsamen Sprache

Je nach Nutzen kategorisier- und einteilbar

Nicht „die eine“ Ontologie; OWL als Empfehlung des W3C

Semantic Web – Ontologien


Ontology vocabulary

Keine technologischen Erweiterungen, sondern Regelung darunter liegender Schichten

Logic: Daten in maschinenverarbeitbarer Form, ermöglicht Anfragen mit boolschen

Operatoren, Quantoren und Kardinalitätsbeschränkungen

Proof: Agenten befähigen angebotene Beweise selbstständig nachzuvollziehen

Datenquellen für Nutzer ersichtlich

Trust: Korrekte Informationen nötig, in offener Architektur schwierig sicherzustellen „trusted rating services“ zur Bewertung von Quellen

Rechtevergabe: „Wo darf ein Agent was?“

Digital Signature: Zur Missbrauchsverhinderung des Semantic Webs verlässliche digitale Signatur erforderlich

Proof und Trust bisher nur rudimentär verwendet, in Zukunft steigende Wichtigkeit



Dig

ital S

ig.

LogicProof

Trust

14

1. Einleitung


3. Ontologien

4. KAON

5. KAON2

6. Zusammenfassung


Gliederung



Zur Kommunikation ist eine gemeinsame Sprache nötig, d.h.:

1.Übereinkunft über gemeinsame Symbole und Begriffe (Index),

2.deren Bedeutung (Glossar),

3.Klassifikation von Begriffen (Taxonomie),

4.Assoziation bzw. Vernetzung von Begriffen (Thesaurus/Topic Map)

5.Regeln und Wissen (Erfahrungen) darüber, welche Vernetzungen zulässig und sinnvoll sind (Ontologie).

Trifft in besonderem Maße auf die Kommunikation mit Maschinen zu

Kommunikation

153. Ontologien

Wortursprung im Griechischen: „ontos“=„sein“, „logos“=„Wort“

Ursprüngliche Bedeutung in der Philosophie: Lehre des Seins und Seienden(Abgrenzung von der Lehre der verschiedenen Lebewesen in den Naturwissenschaften)

Untersuchung und Beschreibung der Realitäten und der Existenz von Dingen

Dinge sind als Grundlage klar definiert und akzeptiert

Verwand mit der Erkenntnistheorie

Ontologien – Definition

163. Ontologien

In der Informatik umfasst der Begriff Ontologien Techniken zur formalen Modellierung von Begriffssystemen

Konstruktion daher stark kontextabhängig (Komplexität/Einsatzzweck)

Formalisiertes Modell der Welt (Domäne) oder ein Teil der Welt (Sudomäne)

Keine einheitlichen, allgemeinen, vollständigen Regeln zur Konstruktion

Hoher intellektueller und logistischer Aufwand

Ontologien – Definition: Informatik

173. Ontologien

Konzepte Relationen Regeln

Begriffe Verknüpfung zwischen Begriffen(Sind selbst Begriffe)

Logische Aussagen über Begriffe (und Relationen)

„Terminologische Kontrolle“

Hierarchische Relation

Teilweise relationsimplizit

„Homonyme“, „Polyseme“

Ordnungsrelation Einhaltung von Wertebereichen

„Synonyme“ Koordinative Beziehungen

Komplexere Zusammenhänge, z.B. Schlüsse aus Relationen

Trennung und Gruppierung:Objekt, Begriff, Benennung

Symmetrie, Transitivität

Dreigeteilter Aufbau:

Ontologien – Aufbau

183. Ontologien

Erläuterung Beispiel

Konzepte

Abstrakte Ausdrücke, in Taxonomien organisiert, stellen Elemente einer Ontologie dar

Autor, Buch, Angestellte, etc.(Taxonomie hier: Verlag)

Instanzen

Konkrete Ausprägungen von abstrakten Konzepten

Carla Muster IST EINE Angestellte

Attribute

Relationen unterschiedlichen Typs (String, Integers, Boolean etc.) von vordefinierten Datentypen, charakterisieren Konzepte

Name des Angestellten, Buchpreis, ISBN Nummer, etc.

Relationen

Stellen Beziehungen zwischen zwei oder mehr nicht hierarchischen Konzepten dar

Mario Muster „ist der Autor von“ diesem Buch

Axiome Regeln, die in modellierter Domäne ohne Beweis immer gültig sind.

„Ein Autor ist eine Person, die Bücher schreibt“, „Ein Buch wird von einem Autor erstellt“, etc.

Ontologien – Elemente

193. Ontologien

Ontologien – Typen

20

Top-Level Onthology: Weitgehend domänenunabhängiges Weltwissenz.B. Zustand, Zeit, Prozess etc. (Bsp.: „CyC“ oder „WordNet“)

Task Ontology, Domain Model Ontology: Grundlegendes (Sub-)Domänen-Vokabular

(Bsp.: „UMLS“ – Unified Medical Language System)

Application Ontology: Von Domäne und Aufgabe abhängige Konzepte und Definitionen,

i.d.R. Spezialisierung der anderen Zwei (Bsp.: „KA2 Ontology“)

Top-Level Ontology

Task OntologyDomain Ontology

Application Ontology

3. Ontologien

2 Kategorien

Traditionelle in HTML

Webbasierte auf XML

RDF/RDFS als Grundlage für:

OIL (Ontology Inference Language) – europäische Entwicklung

DAML (DARPA Agent Markup Language) – parallele amerikanische Entwicklung

Zusammenschluss zu OWL (Web Ontology Language) – gemeinsame Weiterentwicklung

Empfehlung des W3C für OWL (Februar 2004)

Ontologien – Sprachen (Schichtstruktur)

22

DAML & OIL

XML

XHTML RDF

RDFS

DAML OILOWL

3. Ontologien

HTML

Spezifikation des W3C zur Erstellung, Publikation und Verteilung von Ontologien anhand formaler Beschreibungssprache

Erlaubt Beschreibung von Wissen auf maschinenlesbare Weise;Abbildung in dieser Logik ermöglicht eine formale Syntax und lässt logisches Schließen zu

Leichte Verständlichkeit und hohe Kompatibilität durch starke Einbindung von RDF und XML Syntax

Ausdrucksmächtigkeit geht über RDF hinaus; Sprachkonstrukte werden eingeführt, um Ausdrücke ähnlich der Beschreibungslogik formulieren zu können

Zielsetzung:

„Die“ Ontologiesprache des Internet zu werden

Teilweise Anforderungen inkompatibel, daher Definiton in drei Versionen

Ontologie – Sprachen: OWL

233. Ontologien

OWL Full: Sämtliche existierende SprachkonstrukteBedeutung von vordefinierten Konstrukten veränderbarNachteil: Mit Logik-Kalkülen nichtmehr erschließbar

OWL DL: OWL Description LogicVerlangt TypenunterscheidungKlassen & Attribute brauchen eindeutige Zuordnung

OWL Lite: Eingeschränkter als OWL DLKlassen nur bezüglich Oberklasen definierbarSämtliche Relationen und Restriktionen nur auf

benannten Klassen anwendbar Nur Kardinalitäten 0 und 1

Einfache, leicht verständliche Implementierung vs. schwache Ausdrucksstärke

Ontologie – Sprachen: OWL

243. Ontologien

OWL Full

OWL DL

OWL Lite

Erfolg neuer Technologien hängt eng mit der Qualität verfügbarer Werkzeuge zusammen

Kategorien an Ontologie-Werkzeugen:

Entwicklungswerkzeuge

Kombinations- und Integrationswerkzeuge

Evaluationswerkzeuge

Annotationswerkzeuge

Speicher- und Anfragewerkzeuge

Lernwerkzeuge

Ontologie – Werkzeuge

263. Ontologien

Ontologien große Rolle bei der Entwicklung des Semantic Web

Entwicklung noch nicht ausgereift, somit problematisch

Keine „die“ Ontologie – fehlender Standard

Entwicklungstools für Ontologien noch in Entwicklungsphase

Ontologie – Probleme

273. Ontologien

28

1. Einleitung


3. Ontologien

4. KAON

5. KAON2

6. Zusammenfassung


Gliederung



KAON – Eckdaten

294. KAON

http://kaon.semanticweb.org

Java 1.4 Plattform

SQL-DB (JBoss/Tomcat opt.)

Open Source (GNU LGPL)

Begonnen 2001

Version 1.27 (2005)

KAON – Entwicklung

304. KAON

Entwickelt durch Forschungszentrum Informatik (FZI) Karlsruhe und AIFB (Institute of Applied Informatics and Formal Description Methods der Universität Karlsruhe)

Tool Suite zur Erstellung und Verwaltung von Ontologien (Open-Source Infrastruktur)

Module, zur Erstellung und Realisierung von ontologiebasierten Anwendungen

Unterstützt klassische Ontologien- und Wissensmanagement-Konzepte, sowie relationale Datenbanksysteme

Referenzanwendung: VISION-PortalSemantisches „browsing und querying“ PortalUnterstützt Wissensmanagement bezüglich Unternehmen, Projekten, Forschungsgebieten und Software(derzeit nicht verfügbar!)

KAON – Ontologie Sprache

314. KAON

Sprache wurde inkrementell entwickelt um Skalierbarkeit mit großen Ontologien und Wissensdatenbanken zu erhalten

Zuerst einfache an RDFS orientierte Kernsprache („Karsruhe perspective on ontologies“)

Definition von Konzepten, Relationen und teilweise Befehle hierauf

Zentral: Unterstützung der Lexikalisierung von Konzepten und Relationen

Tools: Simple Onotology Editor (KAON SOEP), Datenbank Mapper (KAON REVERSE),

Prototyp für Views auf Ontologien (KAON VIEWS)

Spätere Erweiterung („Ontology-Instance (OI) models“)

Unterstützung von logischen Axiomen (Symmetrie etc.), Modularisierung, strikte Trennung von Ontologien und Insanzen, übergreifende Objekte

Komplette Überarbeitung der KAON API

Neue Tools: KAON Portal, KAON OI-modeler

KAON – Ontologie Sprache (2)

324. KAON

Versuch 2 Sprachen parallel zu unterstützen

Bisher entwickelte proprietäre Sprache

OWL

Voller Sprachumfang von OWL für viele Anwendungen nicht benötigt

Bsp.: TEXTONTO extrahiert (semi-automatisch) semantische Zusammenhänge aus Texten

Komplexe OWL-Axiome hier überfordernd

Letztendlich gewinnt OWL Oberhand, daher neue Entwicklung

KAON – Module

334. KAON

Frontend – Hauptsächlich 2 Darstellungsformen

OI-Modeler (oimodeler)

KAON Portal (kaonportal)

Core – 2 zentrale APIs

KAON Ontology Language (apionrdf, apiproxy, engineeringserver, kaonapi, query)

RDF (rdfapi, rdfcrawler, rdfserver)

Libraries – Verschiedene Bibliotheken innerhalb KAONS auch außerhalb nutzbar

z.B. datalog, guibase, etc.

KAON – Vorführung: Workbench (OI-Modeler)

344. KAON

35

1. Einleitung


3. Ontologien

4. KAON

5. KAON2

6. Zusammenfassung


Gliederung



OWL Full: Sämtliche existierende SprachkonstrukteBedeutung von vordefinierten Konstrukten veränderbarNachteil: Mit Logik-Kalkülen nichtmehr erschließbar

OWL DL: OWL Description LogicVerlangt TypenunterscheidungKlassen & Attribute brauchen eindeutige Zuordnung

OWL Lite: Eingeschränkter als OWL DLKlassen nur bezüglich Oberklasen definierbarSämtliche Relationen und Restriktionen nur auf

benannten Klassen anwendbar Nur Kardinalitäten 0 und 1

Einfache, leicht verständliche Implementierung vs. schwache Ausdrucksstärke

Zur Erinnerung: OWL DL (Folie 24)

363. Ontologien

OWL Full

OWL DL

OWL Lite

KAON2 – Entwicklung

375. KAON2

Seit Juli 2005 Nachfolger von KAON (letzte veröffentlichte Version von KAON)

Entwickelt von Forschungskooperation aus:

Forschungsgruppe Information Process Engineering (IPE) am Forschungszentrum Informatik (FZI Karlsruhe)

Institute of Applied Informatics and Formal Description Methods (AIFB) and der Universität Karlsruhe

Information Management Group (IMG) an der University of Manchester

KAON2 vs. KAON(1)

385. KAON2

Unterscheidung durch unterstütze Ontologie Sprachen:

KAON verwendet proprietäre RDF(S) Erweiterungen

KAON2 basiert auf OWL-DL und F-Logic

Beide Systeme somit nicht kompatibel !

KAON2 – Ausstattung

395. KAON2

Entwicklungswerkzeug für Ontologien basierend auf (über APIs):

OWL-DL

SWRL (A Semantic Web Rule Language – OWL+RuleML)

F-Logic (Frame Logic)

Features

Eigener Ontologie-Server, der Remote Methoden Zugriffe zulässt (RMI)

Anfragewerkezeuge um kombinierende Abfragen zu erstellen (SPARQL Syntax)

DIG-Interface für externe Tool-Zugriffe (Bsp. Protégé)

Extraktions-Modul zur Entnahme von Instanzen aus relativen DB

KAON2 – Projekte

405. KAON2

Entwicklung teilweise duch EU IST project DIP 507483 finanziert

Verwendet in:

EU IST project OntoGov

EU IST project SEKT (und erweitert)

BMBF project SmartWeb

DLP translator (Grundlage)

KAON2 – OWL-Tools

415. KAON2

Version 0.27: 16 Funktionen (Auswahl):

dump: gibt die Axiome und Entitäten der Ontologie aus

latex: gibt die Axiome in lateX-integrierbarer Form aus

filter: entfernt alle Axiome eines Typs

count: gibt die Anzahl an Axiomen (oder Entitäten) zurück

diff: zeigt alle Axiome die eine Ontologie mehr als eine andere hat an

merge:gibt eine Ontologie mit allen Axiomen zweier Input-Ontologien zurück

deo: ersetzt “nominals” durch einfache Klassen (schwächt so die Ontologie)

populate: füllt eine Ontologie zufällig mit Instanzen

dlpconvert: wandelt eine DL Ontologie in Regeln um

satisfiable: prüft die Reichhaltigkeit einer Ontologie

KAON2 – Anmerkung

425. KAON2

Kommerzielle Version OntoBroker OWL, für Wissenschaft kostenlos

Vollständig in Java 1.5 implementiert

Benötigt JDK zur Ausführung; zusätzlich Apache ANT für Beispiele

Keine Verarbeitung von „nominals“ (Excptions bei: owl:oneOfclass und owl:hasValue)Große Kardinalitäten können (abhängig von anderen Axiomen) nicht verarbeitet werdenSomit keine volle OWL DL Abdeckung! (OWL Lite voll abgedeckt)

Dokumentation bisher nur an Beispielen vorhanden

Und was macht die Konkurrenz?

435. KAON2

Protégé sehr verbreitet

Gut dokumentiert

Volle OWL-Unterstützung

Open Source

Plugin-Nutzung

Schnittstelle zu KAON2

Weitere:

CyC – Abbildung Weltwissen

WordNet – Wörterbücher

44

1. Einleitung


3. Ontologien

4. KAON

5. KAON2

6. Zusammenfassung


Gliederung



Zusammenfassung

Ontologien als semantisch „reichste“ Ebene der Kommunikation

Ontologien als zentraler Aspekt des Semantic Web

OWL als W3C empfohlene Sprache für Ontologien

Erfolg neuer Technologien abhängig von verfügbaren Tools

Derzeit verfügbare Werkzeuge noch in den „Kinderschuhen“, nicht massentauglich

Viele Projekte/Forschung um dies zu ändern

456. Zusammenfassung

Ausblick

Große Hürde: Anwender finden, die Mehraufwand betreiben um maschineninterpretierbare Webinhalte zu erstellen

Kritische Masse an verfügbaren Inhalten muss erreicht werden, bevor Technologien nutzbar werden

Gut entwickelte Ontologien nötig um mit semantischem Markup Bedeutung herzustellen

Standardisierung erforderlich um parallel Entwicklung nicht kompatibler Systeme zu verhindern


Das Semantic Web – Eine Vision

Semantisch angereicherte Daten im Web

Voll maschineninterpretierbare Daten, ermöglichen „Mitdenken“ des Rechners

Persönlicher Web Agent

Reiseplanung

Logistikplanung

Terminplanung

Fremdverfügbarkeit

Kooperative Web Agenten

etc


48

1. Einleitung


3. Ontologien

4. KAON

5. KAON2

6. Zusammenfassung


Gliederung



Fragen


Nööö…

Diskussion


Welche Technologien außer Ontologien können noch einen großen Einfluss auf den Erfolg des Semantic Web haben?

Wo liegen die Vor- und Nachteile von modularen oder globalen Wissenssammlungen? Was überwiegt?

Documents

Seminar Agentim im Semantic Web| 2007-06-22 Niko Kwekkeboom Ontologien im Semantic Web Am Beispiel der KArsruhe ONtology and Semantic Web Infrastructure