09.02.200 - 12 - ontology engineering
DESCRIPTION
TRANSCRIPT
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).
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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 - Vorlesungsinhalt
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
4. Ontology Engineering
Semantic Web Architektur4
URI / IRI
XML / XSDData Interchannge: RDF
RDFS
Ontology: OWL Rule: RIF
Query:SPARQL
Proof
Unifying Logic
Cry
pto
Trust
Interface & Application
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
5
„Zur Methode wird nur der getrieben, dem die Empirie lästig wird.“
-- Johann Wolfgang von Goethe, aus „Maximen und Reflexionen”
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
6
4. Ontology Engineering
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
8
4. Ontology Engineering4.1 Ontologien - Wiederholung
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
9
4. Ontology Engineering4.1 Ontologien - Wiederholung
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)
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
10
4. Ontology Engineering4.1 Ontologien - Wiederholung
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
11
4. Ontology Engineering4.1 Ontologien - Wiederholung
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
12
4. Ontology Engineering4.1 Ontologien - Wiederholung
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)
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
13
4. Ontology Engineering4.1 Ontologien - Wiederholung
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
14
4. Ontology Engineering4.1 Ontologien - Wiederholung
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
15
4. Ontology Engineering
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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)
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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?
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.1 Allgemeines Vorgehen
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
23
4. Ontology Engineering
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
25
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
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
identifypurpose capture coding integrating documen-
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,...
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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.
identifypurpose capture coding integrating documen-
tationevaluation
Building
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
27 Methode nach Uschold und King
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
identifypurpose capture coding integrating documen-
tationevaluation
Building
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
28 Methode nach Uschold und King
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
identifypurpose capture coding integrating documen-
tationevaluation
Building
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
29 Methode nach Uschold und King
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
identifypurpose capture coding integrating documen-
tationevaluation
Building
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
30 Methode nach Uschold und King
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
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
2
identifypurpose capture coding integrating documen-
tationevaluation
Building
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
31 Methode nach Uschold und King
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
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
2
identifypurpose capture coding integrating documen-
tationevaluation
Building
Methode nach Uschold und King
Ontologie Aufbau
•Ontology Capture
•Middle-Out Identifikation der Ontologiekonzepte
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
32
U-Bahn Bus Taxi
Transportmittel
is-subClass-of
Stadtbus Shuttle-Bus Reisebus
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
2
identifypurpose capture coding integrating documen-
tationevaluation
Building
Methode nach Uschold und King
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
33
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
2
identifypurpose capture coding integrating documen-
tationevaluation
Building
Methode nach Uschold und King
Evaluation
•Technische Überprüfung der Ontologien und der damit assoziierten Software in jeder Stufe der Entwicklung
Documentation
•Einrichten der eventuell unterschiedlichen Dokumentationsrichtlinien
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
34
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.2 Uschold und King
3
identifypurpose capture coding integrating documen-
tationevaluation
Building
4
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
35
4. Ontology Engineering
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
37 (Noy, McGuinness, 2000)
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
38
determinescope
considerreuse
enumerateterms
defineclasses
defineproperties
defineconstraints
createinstances
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
39
determinescope
considerreuse
enumerateterms
defineclasses
defineproperties
defineconstraints
createinstances
Im Ontologie Lifecycle können sich diese Fragenauch verändern...
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
40
determinescope
considerreuse
enumerateterms
defineclasses
defineproperties
defineconstraints
createinstances
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101
Terminologie entwickeln
•Von welchen Begriffen soll die Rede sein?
•Welche Eigenschaften haben diese Begriffe?
•Was wollen wir über diese Begriffe aussagen?
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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,...
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
42
determinescope
considerreuse
enumerateterms
defineclasses
defineproperties
defineconstraints
createinstances
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101
Definiere Properties
•Properties in einer Klassendefinition bescheiben Attribute von Instanzen
•jeder Wein hat eine Farbe, Restzuckergehalt, Produzent, etc,...
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
43
determinescope
considerreuse
enumerateterms
defineclasses
definepropertiess
defineconstraints
createinstances
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
44
determinescope
considerreuse
enumerateterms
defineclasses
defineproperties
defineconstraints
createinstances
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101
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“
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
45
determinescope
considerreuse
enumerateterms
defineclasses
defineproperties
defineconstraints
createinstances
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.3 Ontology 101
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
46
4. Ontology Engineering
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
48
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.4 Weitere Methoden
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
4. Ontology Engineering4.2 Methoden des Ontologieentwurfs / 4.2.4 Weitere Methoden
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
50
4. Ontology Engineering
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
•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)
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
51
4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging
Ontology Learning - Prinzipielles Vorgehen
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
52
…
Dokumentenkorpus
(1) Term- extraktion <dog> <dogs>
<cat> <siamese cat>
Terme Ontologie
(2) Konzep- tualisierung
pet
dog
siamese cat
cat
(3) Evaluation und Nachbesserung
4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
53
4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging
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)
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
54
4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
55
4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging
Ontology Mapping
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
56
4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging
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)
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
57
4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging
Ontology Mapping Process•prinzipieller Ablauf
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
58
OS1
OS2
importontologies
findsimilarities
specifymapping / merging
mappingM(OS1)
mergedontology
1 2 3
4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging
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.
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
59
4. Ontology Engineering4.3 Ontology Learning, Ontology Mapping, Ontology Merging
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
6009.02.2010 – 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 - Vorlesungsinhalt
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
1. Einführung
2. Semantic Web BasisarchitekturDie Sprachen des Semantic Web - Teil
3. Wissensrepräsentation und LogikDie Sprachen des Semantic Web - Teil 2
4. Ontology Engineering
5. Semantic Web Applications
61
Semantic Web - Vorlesungsinhalt
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
62
5. Semantic Web Applications
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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“
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
64
5. Semantic Web Applications
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
66
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
Fußballspieler
ist ein
Person
ist eine
Entitäten-zuweisung
Wo finde ich die passende Entität ?
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
67
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
Fußballspieler
ist ein
Person
ist eine
Entitäten-zuweisung
Wo finde ich die passende Ontologie ?
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
68
5. Semantic Web Applications5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR
Linking Open Data
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
69
5. Semantic Web Applications5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR
Entitätenzuweisung
Text: „Diego zu Bayern?“
Diego Ribas da Cunha
Fußballspieler
ist ein
Person
ist eine
Entitäten-zuweisung
rdf:type dbpedia-owl:SoccerPlayer
rdfs:label Diego Ribas da Cunha
rdf:type dbpedia-owl:Person
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
70
5. Semantic Web Applications5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR
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)
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
71
5. Semantic Web Applications5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR
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 ∨ ...
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
72
5. Semantic Web Applications5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
73
5. Semantic Web Applications5.1 Semantische Suche / 5.1.2 semantisch unterstütztes IR
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
74
5. Semantic Web Applications
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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
5. Semantic Web Applications5.1 Semantische Suche / 5.1.3 Explorative Suche
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
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 .
5. Semantic Web Applications5.1 Semantische Suche / 5.1.3 Explorative Suche
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
78
5. Semantic Web Applications5.1 Semantische Suche / 5.1.3 Explorative Suche
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 .
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
79
5. Semantic Web Applications5.1 Semantische Suche / 5.1.3 Explorative Suche
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 .
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
80
5. Semantic Web Applications5.1 Semantische Suche / 5.1.3 Explorative Suche
Explorative Suche - ein einfaches Beispiel• Suche im Grunddatenbestand nach ,Ernest Hemingway‘
• Identifikation einer Entität dbpedia:Ernest_Hemingway
• 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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
81
5. Semantic Web Applications5.1 Semantische Suche / 5.1.3 Explorative Suche
history
search term
related resources with properties
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
82
5. Semantic Web Applications5.1 Semantische Suche / 5.1.3 Explorative Suche
http://testing.yovisto.com/
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
83
5. Semantic Web Applications
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
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
1. Einführung
2. Semantic Web BasisarchitekturDie Sprachen des Semantic Web - Teil
3. Wissensrepräsentation und LogikDie Sprachen des Semantic Web - Teil 2
4. Ontology Engineering
5. Semantic Web Applications
84
Semantic Web - Vorlesungsinhalt
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
85
Literatur
»A. Gomez-Perez et al.Ontological Engineering, Springer, 2004.
4. Ontology Engineering