(12) ontology engineering - semantic web technologien, ws2010/11

Die nichtkommerzielle Vervielfältigung, Verbreitung und Bearbeitung dieser Folien ist zulässig (Lizenzbestimmungen CC-BY-NC).

VorlesungDr. Harald Sack

Hasso-Plattner-Institut für SoftwaresystemtechnikUniversität Potsdam

Wintersemester 2010/11

Semantic Web Technologien

Blog zur Vorlesung: http://web-flakes.blogspot.com/

http://web-flakes.blogspot.com


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

2

Nächste Vorlesung:

Rules

&

the Se

mantic

Web


3 Wiederholung•SPARQL ist nur für RDF vorgesehen

•OWL Konzepte sind als Abfragesprache nicht ausreichend

•Konjunktive Abfragen, Regeln und Datalog

•SWRL („OWL + Datalog“) ist unentscheidbar

•Entscheidbare SWRL Fragmente:

•Description Logic Rules

•SWRL Fragment, das mit OWL 2 ausgedrückt werden kann

•DL-safe Rules

•SWRL Fragment in dem Variablen nur konkrete Werte (Konstanten) annehmen können

•DL-safety lässt sich erzwingen

3. Wissensrepräsentation und OWL3.7 Regeln mit SWRL/RIF / 3.7.4 Regeln für OWL mit SWRL


4 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. Linked Data und Semantic Web Anwendungen

Semantic Web Technologien Vorlesungsinhalt


5



6

Ontolo

gical

Engine

ering

Michelangelo vs. The Flying Spaghetti Monster...

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

4.4.Ontology Mapping und Ontology Merging


7



8

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

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


9

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


10 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



11


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 fokussierte 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)


12


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


13


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


14


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 T hand A

block A

block B

block C

Axiom: on(X,Y) ⋀ on(Y,Z) → above(X,Z)


15


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


16


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






4.2.3.Ontology 101





17



18

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


19 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)



20 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?



21 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



22 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



23 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 akkurat dokumentiert

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



24 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







4.2.3.Ontology 101





25



26

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


27


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,...


28 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


34

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


35

2


tationevaluation

Building



Evaluation

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

Documentation

•Einrichten der eventuell unterschiedlichen Dokumentationsrichtlinien


36

3


tationevaluation

Building

4







4.2.3.Ontology 101





37



38

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


39 (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


40

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances


„There is no one correct way to model a domainthere are always viable alternatives.“

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


41

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances

Im Ontologie Lifecycle können sich diese Fragenauch verändern...


Beurteile Fachgebiet und Fokus

Kompetenzfragen (Wine Ontology)

•Welche Eigenschaften des Weins sollen bei der Modellierung berücksichtigt werden?

•Ist ein Bordeau ein Weißwein oder ein Rotwein?

•Passt Cabernet Sauvignon gut zu Fischgerichten?

•Welcher Wein passt am besten zu gegrilltem Fleisch?

•Welche Eigenschaften eines Weins beeinflussen seine Eignung zu einem bestimmten Gericht?

•Ändert sich das Bouquet eines Weins mit unterschiedlichen Jahrgängen?

•...


42

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances


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


43

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances


Wenn keine passende Ontologie existiert oder der Aufwandzur Anpassung zu groß wird, dann erschaffe eine Neue!

Terminologie entwickeln

•Von welchen Begriffen soll die Rede sein?

•Welche Eigenschaften haben diese Begriffe?

•Was wollen wir über diese Begriffe aussagen?


44

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances

Example: Wine Ontology•wine, grape, winery, location,... •a wine‘s color, body, flavor, sugar content,... •subtypes of wine: white wine, red wine, Bordeaux wine,...•types of food: 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


45

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances


Definiere Properties

•Properties in einer Klassendefinition beschreiben Attribute von Instanzen

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


46

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


47

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“


48

determinescope

considerreuse

enumerateterms

defineclasses

defineproperties

defineconstraints

createinstances







4.2.3.Ontology 101





49



50

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


51 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







4.2.3.Ontology 101





53


•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 (NLP)

•Data Mining

•Machine Learning techniques (ML)


54

4. Ontology Engineering4.3 Ontology Learning

•Als Datengrundlage für das Ontology Learning können herangezogen werden:

•Strukturierte Daten

•Semi-strukturierte Daten

•Unstrukturierte Daten


55


XML

HTMLXML

HTML

Machine Learning

Natural Language Processing

+Machine Learning

Ontology Learning - Prinzipielles Vorgehen (I)


56

…

Dokumentenkorpus

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

<cat> <siamese cat>

Terme Ontologie

(2) Konzep- tualisierung

pet

dog

siamese cat

cat

(3) Evaluation und Nachbesserung


Semi-automatischer Prozess

Ontology Learning - Prinzipielles Vorgehen (II)

• Natural Language Processing:

(1) Tokenizer / Sentence Splitter

(2) Morphologische Analyse

• Stemming (Grundform) / Lemmatizer

(3) POS-Tagger

• Syntaktische Kategorien (Verb, Hauptwort, Präposition, etc...)

(4) Regular Expression Matching

(5) Chunks

• Erfassung größerer zusammenhängender Gebilde in Sätzen

(6) Syntactic Parser


57


Ontology Learning - Layer Cake


58


Termeriver, country, nation, city, capital, ...

Multilinguale Synonyme{country, nation, Land}

Konzeptformungc:=country:=<description(c), uri(c)>

Konzepthierarchiecapital ⊑c city , city ⊑c InhabitedGeoEntity

RelationenflowThrough(dom:river, range:GeoEntity)

RelationenhierarchiecapitalOf ⊑R locatedIn

Axiomenschematariver ⊓ mountain = ∅

Generelle Axiome∀x(country(x)→∃y capitalOf(y,x) ∧ ∀z (capitalOf(z,x)→y=z)

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


59



•Ontology creation

•Entwurf von Grund auf (from the scratch) durch einen Experten

•Maschinelles Lernen (machine learning, ML) unterstützt den Experten beim Entwurf durch

•Vorschlag von geeigneten Relationen zwischen den Konzepten

•Überprüfung der Integrität/Konsistenz der entworfenen Ontologie

•Ontology schema extraction

•Extraktion von Schemata aus Web-Dokumenten / Texten

•ML benutzt Eingabedaten und Meta-Ontologien, um fertige Domain-Ontologien (ggf. mit Hilfe des Experten) zu erzeugen


60



•Extraction of ontology instances

•Extraktion von Ontologie Instanzen aus semi-strukturierten und unstrukturierten Daten, um vorgegebene Ontologie-Schemata mit Instanzen zu füllen

•nutzt Techniken aus den Bereichen Information Retrieval und Data Mining

•Ontology integration and navigation

•Umbau (Rekonstruktion) von existierenden Wissensbasen und Navigation in vorhandenen Wissensbasen,

•z.B. Übersetzung einer Wissensbasis aus FOL nach OWL


61



•Ontology update

•Erweiterung, Umbau und Veränderung von bereits bestehenden Ontologien, z.B. zur Anpassung an veränderte Domain

•betrifft Teilbereiche von Ontologien, die speziell so angelegt wurden, dass diese verändert werden können

•Ontology enrichment

•(auch Ontology tuning) betrifft automatische Aktualisierung kleinerer Teilbereiche bereits existierender Ontologien

•verändert nicht wichtige (bedeutende) Konzepte und Relationen, sondern präzisiert diese

•anders als bei Ontology update sind Teilbereiche von Ontologien betroffen, die an sich nicht verändert werden können sollten


62







4.2.3.Ontology 101





63


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 Anwendungszweck, unterschiedliche Sichtweisen, unterschiedliche Meinungen…)

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

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


64

4. Ontology Engineering4.4 Ontology Mapping und Ontology Merging

Ontology Mapping

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

•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


65


Heterogenität von Ontologien

•Syntaktische Heterogenität:

•Ontologien liegen in unterschiedlichen Ontologie-Beschreibungssprachen vor(Bsp: in OWL DL und F-Logic)

•Kann auf konzeptioneller Ebene gelöst werden, meist unter Erhaltung der Bedeutung

•Terminologische Heterogenität:

•Namensuntertschiede bei der Bezeichnung von Entitäten in unterschiedlichen Ontologien (Bsp.: ,Artikel‘ und ,Publication‘)

•Kann durch die verwendung unterschiedlicher (natürlicher) Sprachen hervorgerufen werden

•Konzeptionelle (semantische) Heterogenität•Ontologien modellieren dieselbe Domäne, aber auf unterschiedliche Weise

•Unterschiede in Vollständigkeit, Granularität, Perspektive

•Semiotische (pragmatische) Heterogenität

•Unterschiede in der Interpretation einer zu modellierenden Domäne durch den Menschen (schwierig)


66


Ontology Mapping


67


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)


68


Ontology Mapping Process•prinzipieller Ablauf


69

OS1

OS2

importontologies

findsimilarities

specifymapping / merging

mappingM(OS1)

mergedontology

1 2 3


Schema-Based Matching Techniques


70


Structure-LevelElement-Level

Syntactic External Syntactic External Semantic

String-Based

• Name similarity

• Description similarity

Language-Based

• Tokenization

• Lemmati-zation

• Morphology

LinguisticResources

• Lexicons

• Thesauri

Constraint-Based

• Type similarity

• Key properties

AlignmentReuse

• Entire schema or

• Ontology fragments

Upper Levelvs

Domain specificOntolo-gies

Data Analysis & Statistics

• Frequency

• Distribution

Graph-Based

• Graph homo-morphism

• Path, children,

Taxonomy-Based

• Taxonomy structure

RepositoryOfStructures

• Structuremetadata

Model-Based

• DL reasoner

• SAT Solver

Linguistic Internal Relational

Terminological Structural Semantic


Extensional


Kind of Input

Basic Techniques

Granularity /Input Interpretation

Euzenat, Shvaiko: Ontology Matching, Springer 2007

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.


71







4.2.3.Ontology 101





72



73

Joseph Wright of Derby:The Alchymist, In Search of the Philosopher’s Stone, 1771

Linked

Data

&

Semant

ic Web

Applic

ations

Nächste Vorlesung:


74

Literatur

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

» J. Euzenat, P. Shvaiko: Ontology Matching, Springer, 2007.


http://www.amazon.de/gp/product/1849968845?ie=UTF8&tag=moresemantic-21&linkCode=as2&camp=1638&creative=19454&creativeASIN=1849968845
























































































75

Literatur

» S. Staab, S. Studer (Eds.)Handbook on Ontologies, 2nd ed,Springer, 2009.






















































76

Materialien

□Bloghttp://web-flakes.blogspot.com/

□Materialien-Webseitehttp://www.hpi.uni-potsdam.de/meinel/lehre/lectures_classes/semanticweb_ws1011.html

□bibsonomy - Bookmarkshttp://www.bibsonomy.org/user/lysander07/swt1011_12

3. Wissensrepräsentation und Logik3.7 Regeln mit SWRL / RIF



http://www.hpi.uni-potsdam.de/meinel/lehre/lectures_classes/semanticweb_ws1011.html




http://www.bibsonomy.org/user/lysander07/swt1011_12

http://www.bibsonomy.org/user/lysander07/swt1011_12

(12) ontology engineering - semantic web technologien, ws2010/11

Technology

methoden des

ontologie

objekte relationen

automatisiert

schema matching

ontology matching

nchste vorlesung

allgemeines