09.02.200 - 12 - ontology engineering

Vorlesung

Dr. Harald Sack

Hasso-Plattner-Institut für Softwaresystemtechnik

Universität Potsdam

Wintersemester 2009/10

Semantic Web

Blog zur Vorlesung: http://sewe0910.blogspot.com/Die nichtkommerzielle Vervielfältigung, Verbreitung und Bearbeitung dieser Folien ist zulässig (Lizenzbestimmungen CC-BY-NC).

http://sw0910.blogspot.com

http://sw0910.blogspot.com

http://creativecommons.org/licenses/by-nc/3.0/deed.de

http://creativecommons.org/licenses/by-nc/3.0/deed.de

Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam

1. Einführung

2. Semantic Web BasisarchitekturDie Sprachen des Semantic Web - Teil 1

3. Wissensrepräsentation und LogikDie Sprachen des Semantic Web - Teil 2

4. Ontology Engineering

5. Semantic Web Applications

2

Semantic Web - Vorlesungsinhalt


309.02.2010 – Vorlesung Nr. 121 2 3 4 5 6 7 8 109 11

4.Ontology Engineering

4.1.Ontologien - eine kurze Wiederholung

4.2.Methoden des Ontologie-Entwurfs

4.2.1.Allgemeines Vorgehen

4.2.2.Methode von Uschold und King

4.2.3.Ontology 101

4.2.4.Weitere Methoden des Ontologie-Entwurfs

4.3.Ontology Learning, Ontology Mapping und Ontology Merging




Semantic Web Architektur4

URI / IRI

XML / XSDData Interchannge: RDF

RDFS

Ontology: OWL Rule: RIF

Query:SPARQL

Proof

Unifying Logic

Cry

pto

Trust

Interface & Application


5

„Zur Methode wird nur der getrieben, dem die Empirie lästig wird.“

-- Johann Wolfgang von Goethe, aus „Maximen und Reflexionen”


6







4.2.3.Ontology 101




7

4. Ontology Engineering4.1 Ontologien - Wiederholung

Was ist (eine) Ontologie?•Philosophie: Theorie des Seins, versucht das Sein als solches zu erklären, durch Aufstellen eines Systems von universellen Kategorien und deren intrinsischer Beziehungen

•künstliche Intelligenz (KI): „explizite Spezifikation einer (intensionalen) Konzeptualisierung“

•wissensbasierte Systeme: System aus Konzepten/Vokabularien als Grundbaustein eines informationsverarbeitenden Systems

•in Bezug auf Problemlösen unterscheidet man:

•Task Ontologien, zur Beschreibung des Problemlöseprozesses und

•Domain Ontologien, zur Beschreibung des Bezugsrahmens (Wissensgebiet) in dem dieser Prozess stattfindet


8


Was ist (eine) Ontologie?

"An ontology is an explicit, formal specification of a shared conceptualization. The term is borrowed from philosophy, where an Ontology is a systematic account of Existence. For AI systems, what ‘exists’ is that which can be represented.“

(Thomas R. Gruber, 1993)

Konzeptualisierung: abstraktes Modell (Domäne, identifizierte relevante Begriffe, Beziehungen)

Explizit: Bedeutungen aller Begriffe definiert

Formal: maschinenverstehbar

Gemeinsam: Konsens bzgl. Ontologie

tomgruber.org


9


Was ist (eine) Ontologie?allgemeine, bereichsübergreifende Ontologien (beschreibt sehr generelle Konzepte wie z.B. Zeit, Raum,Vorgang unabhängig von einer bestimmten Domäne oder Problemstellung.)

Domain Ontology Task Ontology

spezielle, auf eine konkret fokusierte Domäne oderAufgabe zugeschnittene Ontologie, die in der Regel eine Domain und/oder Task Ontologie spezialisieren.

Application Ontology

(nach Guarino,1998)

grundlegende Konzepte bezogen auf eine allgemeine Aktivität oder Aufgabe.

grundlegende Konzepte bezogen auf eine generische Domäne.

Top-Level Ontology(Upper Ontology,

Foundation Ontology)


10


Ontologien und das Semantic Web•Semantic Web basiert auf der Interoperabilität von Metadaten

•Zwischen unterschiedlichen Metadaten besteht eine semantische Lücke (Semantic Gap), die mit Hilfe von Ontologien überbrückt werden soll

•Problem der ,semantischen Lücke‘:

•unterschiedliche Ontologien können zur Repräsentation identischer Sachverhalte eingesetzt werden


11


Semantische Lücke - ein einfaches Beispiel•einfaches Beispiel

A

C

B

Initialzustand Endzustand

A

C

B

Welt

Modellierung 1:Objekteblock Ablock Bblock Ctable Thand H

Relationenon(X,Y)clear(X)holding(X)handEmpty

Modellierung 2:Objekteblock Ablock Bblock C

Relationenon(X,Y)clear(X)onTable(X)holding(X)handEmpty


12


Modellbildung und Ontologie•hinter den Modellen steckt eine Ontologie

Modellierung 1:Objekteblock Ablock Bblock Ctable Thand H

Relationenon(X,Y)clear(X)holding(X)handEmpty

⊤

entity relation

table block hand binary unary

handEmptyclear

holding

on

table A hand A

block A

block B

block C

Axiom: on(X,Y) ⋀ on(Y,Z) → above(X,Z)


13


Modellbildung und Ontologie•hinter den Modellen steckt eine Ontologie

⊤

entity relation

block binary unary

handEmptyclear

holding

onblock A

block B

block C

Modellierung 2:Objekteblock Ablock Bblock C

Relationenon(X,Y)clear(X)onTable(X)holding(X)handEmpty

onTable


14


Ontology Engineering•Ontologien sollen die Interoperabilität von Metadaten herstellen

•Daher benötigen wir

•Methoden zum effizienten Entwurf und Design von Ontologien (Ontology Design)

•Methoden zum effizienten Vergleich von Ontologien (Ontology Mapping)

•Methoden zur effizienten Kombination verschiedener Ontologien (Ontology Merging)

•Zur Unterstützung können automatisierte Verfahren herangezogen werden, zum

•Ableiten von Ontologien aus einer Menge von Informationsressourcen (Ontology Learning)

•Bevölkern von Ontologien mit Individuen aus Informationsressourcen


15







4.2.3.Ontology 101




16

4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen

Methoden des Ontologieentwurfs•Eine Methodologie des Ontologie-Entwurfs beschreibt alle Aktivitäten die zur Konstruktion einer Ontologie notwendig sind

•Warum benötigt man eine formale Methodologie?

•Entwicklung von konsistenten Ontologien

•Effiziente Entwicklung komplexer Ontologien

•Verteilte Entwicklung von Ontologien

•Unterscheide (nach Fernandez-Lopez et. al., 1997)

•Ontology management activities

•Ontology development oriented activities

•Ontology support activities


17 Ontology Management Activities•Scheduling

•Identifikation der durchzuführenden Aufgaben

•Arrangement/Planung der durchzuführenden Aufgaben

•Identifikation der benötigten Ressourcen (Zeit, Speicherplatz, etc…)

•Control

•Garantiert korrekte Abwicklung der durchzuführenden Aufgaben

•Quality Assurance

•Qualitätssicherung aller im dem Entwicklungsprozess anfallender Produkte (Ontologien, Software, Dokumentation)



18 Ontology Development Oriented Activities1.Pre-Development

2.Development

3.Post-Development

1.Pre-Development

•Environment study

•Auf welchen Plattformen soll die Ontologie laufen?

•Für welche Anwendungen ist die Ontologie bestimmt?

•Feasibility study

•Kann die Ontologie tatsächlich erstellt werden?

•Ist es überhaupt sinnvoll, die geplante Ontologie zu erstellen?



19 Ontology Development Oriented Activities2.Development

•Specification

•Warum wird die Ontologie erstellt, was ist der beabsichtigte Nutzen und wer sind die End-Anwender?

•Conceptualization

•Strukturiert Domain-Wissen in konzeptuellem Modell

•Formalization

•Formalisiert konzeptuelles Modell in semi-berechenbarem Modell

•Implementation

•Konstruktion eines berechenbaren Modells in einer Ontologiesprache



20 Ontology Development Oriented Activities3.Post-Development

•Maintenance

•Update und Korrektur der Ontologie (falls nötig)

•Use / Reuse

•Einsatz der Ontologie in den geplanten Anwendungen oder auch in anderen Ontologien



21 Ontology Support Activities•Knowledge Acquisition

•Wissen von Experten (semi)automatisch gewinnen (Ontology Learning)

•Evaluation•Technische Überprüfung der Ontologien in jeder Stufe der Entwicklung

•Integration•Wiederverwendung bereits existierender Ontologien (Ontology Reuse)

•Merging•Konstruktion einer neuen Ontologie aus bereits existierenden innerhalb einer

bestimmten Domain

•Alignment•Abbildungsvorschriften (Mapping) zwischen den beteiligten Ontologien

•Documentation •Jede Stufe der Ontologie-Entwicklung wird akurat dokumentiert

•Configuration Management•Verwaltet alle Versionen der Dokumentation und der entwickelten Ontologie



22 Management Development Oriented Support

scheduling

control

quality assurance

environment study feasibility study

conceptualizationspecification

formalization implementation

maintenance use / reuse

knowledge acquisition

evaluation

documentation merging

alignmentconfigurationmanagement

integration



23







4.2.3.Ontology 101




24

4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King

Methode nach Uschold und King•Prozessbasierte Entwicklung

identifypurpose capture coding integrating documen-

tationevaluation

Building

1 2 3 4


25


Methode nach Uschold und King

Identifiziere Zweck und Anwendungsgebiet

•Warum wird die Ontologie benötigt?

•Beabsichtigte Verwendung?

•(use / reuse / share / used as part of KB / …)

•Identifiziere relevante Begriffe


tationevaluation

Building

1

Bsp.: Reise-Ontologie•Aufbau eines gemeinsamen Wissensmodell über das Wissensgebiet Reisen, das in Reisebüros genutzt werden soll

•Ontologie könnte auch für andere Anwendungsgebiete genutzt werden, z.B. um einen Katalog für Unterkünfte oder Transportmöglichkeiten zu entwickeln

•relevante Begriffe z.B.: Orte, Typen von Orten, Unterkünfte, Arten von Unterkünften (Hotel / Motel / Camping / …), Bahn, Busse, U-Bahn,...


26 Methode nach Uschold und King

Ontologie Aufbau

•Ontology Capture

•Identifiziere Schlüsselkonzepte (Klassen) und Beziehungen (Relationen) des betreffenden Wissensgebiets und gebe diese in textueller Form an

•Identifikation der Ontologiekonzepte

•Bottom-up / Top-down / Middle-Out

2

Bsp.: Reise-Ontologie• Transportmittel ist eine Klasse. Jeder Transport besitzt einen Startpunkt• Bus ist eine Klasse. Bus ist ein bestimmtes Transportmittel.• Stadtbus ist eine Klasse. Ein Stadtbus ist ein Bus, dessen Start- und Zielpunkt sowie dessen Zwischenstops in derselben Stadt liegen.


tationevaluation

Building




Ontologie Aufbau

•Ontology Capture•Bottom-up Identifikation der Ontologiekonzepte

•erhöhter Gesamtaufwand

•schwierig, Gemeinsamkeiten zwischen verwandten Konzepten zu finden

•Erhöhtes Risiko von Inkonsistenzen→ dann Überarbeitung notwenig (noch mehr Aufwand)

Bsp.: Reise-Ontologie• Transportmittel sollen in einer Bottom-up Strategie konzeptualisiert werden

2


tationevaluation

Building




Ontologie Aufbau

•Ontology Capture

•Bottom-up Identifikation der Ontologiekonzepte

LondonUnderground

LondonLocal Bus

LondonTaxi

ParisUnderground

ParisLocal Bus

ParisTaxi

London Transportmittel Paris TransportmittelU-Bahn Stadtbus Taxi

Transportmittel

is-subClass-of

2


tationevaluation

Building




Ontologie Aufbau

•Ontology Capture

•Top-down Identifikation der Ontologiekonzepte

•bessere Kontrolle des Detaillierungsgrades

•möglicherweise werden aber abstrakte Kategorien gar nicht benötigt

•geringere Stabilität des Modells → dann Überarbeitung notwendig (mehr Aufwand)

Bsp.: Reise-Ontologie• Transportmittel sollen in einer Top-down Strategie konzeptualisiert werden

2


tationevaluation

Building




Ontologie Aufbau

•Ontology Capture

•Top-Down Identifikation der Ontologiekonzepte

object

concrete object abstract object

is-subClass-of

U-Bahn Stadtbus Taxi Transportmit Taxi

Transportmit Bus

Transportmit U-Bahn

nutztnutzt

nutzt


2


tationevaluation

Building



Ontologie Aufbau

•Ontology Capture

•Middle-Out Identifikation der Ontologiekonzepte

•Starte mit Kern / Grundbegriffe, dann Spezialisierung / Generalisierung

•ausbalanciert (bzgl. Detaillierungs-/Abstraktionsgrad)

• stabiler als die beiden anderen Verfahren

Bsp.: Reise-Ontologie• Transportmittel sollen in einer Middle-Out Strategie konzeptualisiert werden


2


tationevaluation

Building


Ontologie Aufbau

•Ontology Capture

•Middle-Out Identifikation der Ontologiekonzepte


32

U-Bahn Bus Taxi

Transportmittel

is-subClass-of

Stadtbus Shuttle-Bus Reisebus


2


tationevaluation

Building


Ontologie Aufbau

•Ontologie Aufbau

•Coding

•Alle an der Entwicklung beteiligten müssen sich auf eine gemeinsame Struktur der Wissensbasis geeinigt haben

•Integration of Existing Ontologies

•Entscheidung, ob und wie bereits existierende Ontologien genutzt werden sollen

•Kann parallel zu den vorhergehenden Aktivitäten stattfinden


33


2


tationevaluation

Building


Evaluation

•Technische Überprüfung der Ontologien und der damit assoziierten Software in jeder Stufe der Entwicklung

Documentation

•Einrichten der eventuell unterschiedlichen Dokumentationsrichtlinien


34


3


tationevaluation

Building

4


35







4.2.3.Ontology 101




36

4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101

Ontology Development 101•Am Beispiel einer Ontologie für Weinbau und Nahrungsmittel

(Noy, McGuinness, 2000)

A sharedontology on

wine and food

Ontology Development 101•Am Beispiel einer Ontologie für Weinbau und Nahrungsmittel


37 (Noy, McGuinness, 2000)


Ontology Development Process

•in der Praxis iterativer Prozess, der sich beständig wiederholt und die Ontologie verbessert

•es gibt immer unterschiedliche Vorgehensweisen bei der Modellierung einer Ontologie

•in der Praxis entscheidet immer die angestrebte Anwendung überdas Vorgehen bei der Modellierung


38

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances


Beurteile Fachgebiet und Fokus

•Welches Fachgebiet soll die Ontologie abdecken?

•Wozu soll die Ontologie genutzt werden?

•Welche Arten von Fragen sollen die in der Ontologie repräsentierten Informationen beantworten können?

•Wer wird die Ontologie nutzen und pflegen?

•Formulierung von Kompetenzfragen


39

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances

Im Ontologie Lifecycle können sich diese Fragenauch verändern...


Wiederverwendbarkeit berücksichtigen

•Warum soll man Wiederverwendbarkeit berücksichtigen?

•um Aufwand zu sparen

•um mit Werkzeugen von anderen Ontologien verwendet werden auch auf die eigene zugreifen zu können

•um Ontologien wiederzuverwenden, wenn sie durch erfolgreichen Einsatz validiert wurden


40

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances


Terminologie entwickeln

•Von welchen Begriffen soll die Rede sein?

•Welche Eigenschaften haben diese Begriffe?

•Was wollen wir über diese Begriffe aussagen?


41

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances

Example: Wine Ontologywine, grape, winery, location, wine color, wine body, wine flavor, sugar content white wine, red wine, Bordeaux winefood, seafood, fish, meat, vegetables, cheese,...


Klassen und Klassenhierarchien entwickeln

•Klassen sind Konzepte in der betreffenden Domain

•Klasse der Weine

•Klasse der Weinbaubetriebe

•Klasse der Rotweine

•Klassen sind Sammlungen von Objekten mit gleichartigen Eigenschaften

•Wähle top-down / bottom-up / middle-out Ansatz zur Modellierung der Klassenhierarchien


42

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances


Definiere Properties

•Properties in einer Klassendefinition bescheiben Attribute von Instanzen

•jeder Wein hat eine Farbe, Restzuckergehalt, Produzent, etc,...


43

determinescope

considerreuse

enumerateterms

defineclasses

definepropertiess

defineconstraints

createinstances


Definiere Beschränkungen auf Properties

•Property constraints (Restriktionen) beschreiben bzw. beschränken die Menge der möglichen Property-Werte

•Der Name eines Weines ist ein String

•Weinproduzent ist eine Instanz von Winzer


44

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances


Definition von Klasseninstanzen

•Erzeuge die Instanzen der Klassen

•Jede Klasse wird zum direkten Typen für ihre Instanzen

•Jede Superklasse eines direkten Typs ist Typ der Instanz

•Zuweisung von Property-Werten für Instanzen entsprechend Constraints

•„das Glas spanischen Rotweins, das xy gestern abend zum Abendessen getrunken hat“


45

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances



46







4.2.3.Ontology 101




47

4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.4 Weitere Methoden

Methode nach Grüninger und Fox (1995)

•Formaler Ansatz des Ontologie-Entwurfs•Inspiriert durch den Entwurf wissensbasierter Systeme (Prädikatenlogik)

1 2 3 4

MotivatingScenarios

FormalTerminology

InformalCompetencyQuestions

FormalCompetencyQuestions

FormalAxioms

Complete-ness

Theorems

5 6

(1) Identifikation des Hauptanwendungsszeniarios (2) Kompetenzfragen um Spielraum/Fachgebiet der Ontologie festzulegen(3) Extraktion der Terminologie/Konzepte/Relationen, Etc. (4) Formale Kompetenzfragen (mit eigens entwickelter Terminologie)(5) Bestimmung der wichtigsten Axiome (6) Überprüfung der Vollständigkeit


48


METHONTOLOGY•Lebenszyklus-Modell basierend auf entwickelten Prototypen

Fernandez-Lopez/Gomez-Perez, 1999

specifi-cation

concep-tualization

formali-zation

implemen-tation

mainte-nance

control

quality assurance

developmentactivities

managementactivities

supportactivities

knowledge acquisition

integration

evaluation

documentation

configuration



On-To-Knowledge

FeasibilityStudy

OntologyKickoff

Ontology

Refinement MaintenanceEvaluation

project setting ontology development

(Staab et al., 2001)

•identifyproblem andopportunityareas

•select mostpromisingfocus areaand targetsolution

•requirementspecification

•analyzeinput sources

•developbaseline taxonomy

•conceptelicitation with domain experts

•developbaselinetaxonomy

•conceptualizeand formalize

•add relationsand axioms

•identifyproblem andopportunityareas

•select mostpromisingfocus areaand targetsolution

•manage organizationalmaintenanceprocess


50







4.2.3.Ontology 101



•Ontologie-Entwurf ist sehr aufwändig bzgl. Zeit und Ressourcen kann das Verfahren (teil-)automatisiert werden?

•Ontologien können (automatisch) „gelernt“ werden

•Ontology Learning definiert Menge von Methoden und Techniken

•zum grundlegenden Aufbau einer neuen Ontologie

•zur Erweiterung oder Anpassung einer bereits existierenden Ontologie

•in einer (teil-)automatisierten Weise aus unterschiedlichen Ressourcen

•auch Ontology-Generation, Ontology-Mining, Ontology-Extraction,…

•Automatisierung benötigt Hilfestellung

•Natural language processing (NP)

•Machine learning techniques (ML)


51

4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging

Ontology Learning - Prinzipielles Vorgehen


52

…

Dokumentenkorpus

(1) Term- extraktion <dog> <dogs>

<cat> <siamese cat>

Terme Ontologie

(2) Konzep- tualisierung

pet

dog

siamese cat

cat

(3) Evaluation und Nachbesserung


Ontology Learning Tasks•welche Aufgaben im Ontologie-Entwurf können (teil-)automatisiert werden?

Ontology Learning Tasks

•Ontology creation

•Ontology schema extraction

• Extraction of ontology instances•Ontology integration and navigation

•Ontology update

•Ontology enrichment


53


Ontology Mapping

•um sich zu verstehen, müssen zwei Parteiendieselbe formale Spezifikation einer gemeinsamen Konzeptualisierung verwenden

•sich aber auf dieselbe Ontologie zu einigen ist nicht immer einfach (unterschiedlicher Auwendungszweck, unterschiedliche Sichtweisen, unterschiedliche Meinungen…)

•Parteien mit unterschiedlichen Ontologien (zur einer identischen Domain) können sich nicht verstehen

•Ontologien müssen aufeinander abgebildet werden(= Ontology Mapping / Ontology Alignment / Ontology Mediation)


54


Ontology Mapping

•ist ein Prozess, in dem zwei Ontologien semantisch auf der konzeptionellen Ebene miteinander in Beziehung gesetzt werden.

•Dabei werden Instanzen der Start-Ontologie OS entsprechend der ermittelten semantischen Beziehungen in Instanzen der Ziel-Ontologie OT mit Hilfe einer Abbildung M: OS → OT transformiert.

•Die Abbildung M kann dabei

•injektiv (nicht umkehrbar) oder auch

•bijektiv sein


55


Ontology Mapping


56


Ontology Mapping•Ontology Mapping ist kein “neues” Problem…

•dieselben Probleme treten bei der Datenintegration z.B. in föderierten Datenbanken auf

•Föderierte Datenbanken verwalten lokale Schemata für jede einzelne beteiligte Datenbank

•Datenintegration (Schema Matching) erfolgt entweder über

•bilaterale Abbildungen oder über

•globale Schemata zu denen jeweils eine Abbildung zu jedem lokalen Schema existiert (Abbildung erfolgt über view)


57


Ontology Mapping Process•prinzipieller Ablauf


58

OS1

OS2

importontologies

findsimilarities

specifymapping / merging

mappingM(OS1)

mergedontology

1 2 3


Ontology Merging

•ist ein Prozess, in dem aus zwei oder mehr Start-Ontologien eine neue Ontologie erzeugt werden soll.

•die neue Ontologie vereinheitlicht und ersetzt die originalen Start-Ontologien.

•Union ApproachDie neue Ontologie ist die Vereinigung aller Entitäten der Start-Ontologien, wobei Konflikte aus unterschiedlichen Repräsentation identischer Konzepte der Start-Ontologien aufgelöst wurden.

•Intersection Approach (extensional)Die neue Ontologie besteht nur aus den Teilen der Start-Ontologien, die überlappen.


59



6009.02.2010 – Vorlesung Nr. 121 2 3 4 5 6 7 8 109 11






4.2.3.Ontology 101





1. Einführung

2. Semantic Web BasisarchitekturDie Sprachen des Semantic Web - Teil




61



62


5.Semantic Web Applications

5.1.Semantische Suche

5.1.1.Traditionelles Information Retrieval

5.1.2.Semantisch unterstütztes Information Retrieval

5.1.3.Explorative Suche


63

5. Semantic Web Applications5.1 Semantische Suche / 5.1.1 traditionelles IR

Problemfeld 1: Informationssuche•Keyword-Suche führt zu vielen nicht relevanten Ergebnissen•Bedeutungsunterschiede•Homonyme•unterschiedlicher Kontext

•Keyword-Suche findet nichtalle relevanten Ergebnisse•Synonyme•fehlende Kontextpräzisierung

Suchbegriff: „Golf“


64








65

5. Semantic Web Applications5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR

Inhalte im Web maschinell „verstehen“Text: „Diego zu Bayern?“

Diego Ribas da Cunha (Instanz)

Fußballspieler

ist ein

(Klasse)

Person

ist eine

(Klasse)

Superklasse

Subklasse

ist eine

Klassen-zugehörigkeit

Entitäten-zuweisung

• Die Bedeutung (Semantik) der Klassenmuss ebenfalls explizit definiert werden.

• Bedeutung wird über geeignete Wissens-repräsentationen (Ontologien) kodiert


66


Inhalte im Web maschinell „verstehen“

Text: „Diego zu Bayern?“

Diego Ribas da Cunha

Fußballspieler

ist ein

Person

ist eine


Wo finde ich die passende Entität ?


67


Inhalte im Web maschinell „verstehen“



Fußballspieler

ist ein

Person

ist eine


Wo finde ich die passende Ontologie ?


68


Linking Open Data


69


Entitätenzuweisung



Fußballspieler

ist ein

Person

ist eine


rdf:type dbpedia-owl:SoccerPlayer

rdfs:label Diego Ribas da Cunha

rdf:type dbpedia-owl:Person


70


Semantisch unterstütztes Information Retrieval• Semantische Annotationen ermöglichen eine Verbesserung der

traditionellen Schlüsselwort-basierten Suche durch

• Erweiterung / Präzisierung der Suchergebnisse(Query String Refinement)

• Herleitung von impliziten Informationen

• Herstellung von Querverweisen(Cross Referencing)

• Nutzung von semantischen Beziehungen zur

• Visualisierung und

• Navigation durch den Suchraum (Explorative Suche)


71


Erweiterung der Suchergebnisse• Keyword-basierte Suche liefert nicht alle inhaltlich relevanten

Suchergebnisse zu einer Suchphrase, da Synonyme, Metaphern und Umschreibungen den gesuchten Inhalt mit anderen Termen beschreiben.

• Erweiterung der ursprünglichen Suchphrase (Query Refinement)• Nutzung von Wörterbüchern und Thesauri

• Synonyme, Ober- und Unterbegriffe• Nutzung von Domain Ontologien

• Meronyme, Holonyme, Assoziationen

Suchphrase: Bank

Mögliche Erweiterung: Bank ∨ Kreditanstalt ∨ Sparkasse ∨ ... Bank ∨ Konto ∨ Kredit ∨ ... Bank ∨ Santander ∨ Raiffeisen ∨ ...


72


Präzisierung der Suchergebnisse• Keyword-basierte Suche liefert zu viele inhaltlich nicht relevante

Suchergebnisse zu einer Suchphrase, da Suchbegriffe mehrere Bedeutung und in unterschiedlichem Kontext/Pragmatik genutzt werden.

• Verfeinerung der ursprünglichen Suchphrase (Query Refinement)• Nutzung von Wörterbüchern und Thesauri

• Homonyme mit Hilfe von Ober- und Unterbegriffen disambiguieren• Nutzung von Domain Ontologien

• Meronyme, Holonyme

Suchphrase: Bank

Mögliche Erweiterung: Bank ∧ Kreditanstalt oder Bank ∧ Sitzgelegenheit oder Bank ∧ Sediment


73


Herstellung von Querverweisen□ Bereitstellung von Suchergebnissen, die zwar den Suchbegriff nicht

notwendigerweise enthalten, aber mit diesem in inhaltlichem Zusammenhang stehen

□ Nutzung von Domain Ontologien

□ Nutzung von Thesauri und Kookurrenzanalysen repräsentativer Dokumentenkorpora

Suchphrase: Hemingwayermittelter Oberbegriff zu Hemingway: amerikanischer AutorAusweitung der Suche auf andere amerikanische Autoren

dbpedia:Ernest_Hemingway

dbpedia:AmericanNovelists

rdf:type

Hemingway

Instanzerkennung

dbpedia:Edgar_Allan_Poe

rdf:type

http://www2.diego10.com.br/diego











74








75

5. Semantic Web Applications5.1 Semantische Suche / 5.1.3 Explorative Suche

Explorative Suche• Abkehr vom „Google Paradigma“

• Visualisierung von Querverbindungen zwischen

• Suchbegriffen (Ontologieebene)

• Suchergebnissen (Instanzebene)

• Ermöglicht es dem Benutzer

• Suchergebnisse „zufällig“ zu entdecken, die er eigentlich gar nicht gesucht hat (Serendipity)

• einen besseren Überblick über den Suchraum / Ergebnisraumzu gewinnen


76 ■Problem: Informationsflut - Was ist wichtig?

■ e.g., Ernest Hemingway■ > 600 facts (triples)■ > 80 properties■ no ranking■ no relevance

http://dbpedia.org/page/Ernest_Hemingway





77 Explorative Suche - ein einfaches Beispiel• Suche im Grunddatenbestand nach ,Ernest Hemingway‘

• Identifikation einer Entität dbpedia:Ernest_Hemingway

• Bestimmung eines geeigneten ,Properties‘

dbpedia:Ernest_Hemingway foaf:name “Ernest Hemingway“ .dbpedia:Ernest_Hemingway rdfs:type dbpedia:class/yago/AmericanNovelist ....dbpedia:Ernest_Hemingway dbpedia:ontology/influences dbpedia:Ezra_Pound .dbpedia:Ezra_Pound rdfs:type dbpedia:class/yago/AmericanNovelist ....dbpedia:J._D._Salinger dbpedia:ontology/influences dbpedia:Ernest_Hemingway .dbpedia:J._D._Salinger rdfs:type dbpedia:class/yago/AmericanNovelist .



78


Explorative Suche - ein einfaches Beispiel• Suche im Grunddatenbestand nach ,Ernest Hemingway‘





79







80




• Bestimmung eines geeigneten „Properties“

•Nutzung des Properties zur Navigation/Visualisierung

• Erweitere Suche mit asoziierten Entitäten

dbpedia:ontology/influences dbpedia:ontology/influences

Ezra Pound Ernest Hemingway J.D. Salinger


81


history

search term

related resources with properties


82


http://testing.yovisto.com/

http://testing.yovisto.com

http://testing.yovisto.com


83








1. Einführung

2. Semantic Web BasisarchitekturDie Sprachen des Semantic Web - Teil




84



85

Literatur

»A. Gomez-Perez et al.Ontological Engineering, Springer, 2004.


09.02.200 - 12 - ontology engineering

Technology