Szemantikus Web: egy rövid bevezetés

Ez az előadás a Magyarországi Web Konferencia keretében hangzik el 2006. március 18-án, Budapesten.

A Szemantikus Web felé…

• A jelenlegi Weben az információk különböző formákban állnak rendelkezésre:
  • természetes nyelveken (angol, magyar, kínai, holland, …)
  • grafikákon, képeken, audió és videó formákban…
  • stb.
• Emberek számára ez nem jelent igazán problémát…

A Szemantikus Web felé… (folyt.)

• A Weben gyakran van szükség adatok kombinálására
  • a szállodai és az utazási adatok általában különböző forrásból származnak, habár együtt akarjuk őket használni
  • valamely kutatásnak különböző digitális könyvtárak anyagaira van szüksége
  • stb.
• Ezt is könnyedén megtesszük; egy fogalomról másikra asszociálni nekünk egyszerű…

De…

• a gépek buták!
  • részleges információt nem tudnak használni
  • a képek értelmezése még mindig komoly kutatás tárgya
  • analógiákat nehezen tudnak automatikusan megtalálni
  • az adatok kombinálása is nehézkes
    • ugyanaz-e az <abc:alkotó> mint az <cba:író>?
  • …

Gyakorlati példa: keresés

• A legtöbbet emlegetett példa…
  • a Google és társai csodálatos eszközök, de túl sok a hamis találat
  • segítséget jelenthet, ha az adatforrásokhoz valamilyen további (esetleg alkalmazásfüggő) leírást lehetne hozzárendelni

Gyakorlati példa: utazásszervezés

• Egy automatikus utaztató rendszer, amely
  • ismeri a szokásaimat, kívánalmaimat
  • a múlt alapján további tudást alakít ki rólam
  • a helyi információt össze tudja kombinálni távoli információkkal, mint például:
    • légitársaság adataival
    • orvosi kérdésekkel, mint diétával, gyógyszerek hozzáférhetőségével
    • naptáradatokkal, állami vagy vallási ünnepek adataival
    • stb.
• A rendszer távoli információkat kombinál a Weben
• (lásd M. Dertouzos: Félkész forradalom)

Gyakorlati példa: adatbázisok integrációja

• Adatbázisok struktúrája, tartalma nagyon különböző lehet
• Sok alkalmazás alapul adatbázisok kombinációján:
  • cégösszeolvadások
  • biokémiai, orvosi, genetikai adatok
  • kormányzati és adminisztratív adatok
• Ezek az adatok legtöbbször a Weben vannak már (habár nem feltétlenül nyilvánosak)
• Az adatok, adatbázisok szemantikáját kell ismerni ahhoz, hogy kombinálhatók legyenek (az, hogy a szemantika hogy képződik le a konkrét adatbázisra, voltaképpen mellékes)

Mire van szükség?

• Az adatokat gépi kezelésre is elérhetővé kell tenni
  • egyes esetekben az adat más adatokat ír le (mint a keresés esetén): ezek az un. metaadatok
  • máskor magát az adatokat kell kombinálni, például a naptáram vagy utazási szokásaim esetén
• Az adatokat össze kell tudni olvasztani, kombinálni, és mindezt a Web nagyságrendjén
• A gépeknek következtetéseket is le kell tudnia vonni az adatokról (például hogy a használt terminólógia azonos szemantikát takar…)

Mire van szükség (technikailag)?

• Mindehhez szükség van:
  • az erőforrások egyértelmű elnevezésére: URI
  • az adatok összekapcsolására, leírására szolgáló általános modellre: RDF
  • az adatok a modell alapján való elérésére: SPARQL
  • a közös szóhasználat definíciójára: RDFS, OWL, SKOS
  • következtetési rendszerekre: OWL, Rules
• A szemantikus Web célja egy olyan infrastruktúra létrehozása, amely lehetővé teszi a Weben lévő adatok integrálását, a közöttük levő kapcsolatok definiálását és jellemzését, illetve az adatok értelmezését

RDF hármasok

• Az adatok „összekapcsolásáról” beszéltünk… vagyis az adatokat („erőforrásokat”) egymáshoz kell rendelni
• Egy egyszerű hozzárendelés nem elegendő… a hozzárendelést el kell nevezni
  • egy hozzárendelés a naptáramhoz nem ugyanaz mint az önéletrajzomhoz: az első ki kell hogy fejezze, hogy „naptáram”, míg a második azt, hogy „önéletrajzom”
• Innen származnak az RDF hármasok: két erőforrás közötti cimkézett kapcsolat

RDF hármasok (folyt.)

• Egy RDF hármas (s,p,o):
  • „s”, „p” URI-k; ”o” egy URI vagy egy literál
  • jelentése: a „p” összekapcsolja az „s”-t az „o”-val
  • az elnevezések/cimkék eszközei szintén a URI-k: http://…/naptáram
  • íme a teljes hármas:

(http://www.ivan-herman.net, http://…/naptáram, http://…/naptár)

• RDF a hármasok általános modellje: lényegében egy irányított, címkézett gráf
  • gépileg olvasható formátumokkal (RDF/XML, Turtle, n3, RXR, …); RDF/XML a „hivatalos”, XML alapú formátum

Egy egyszerű RDF példa (RDF/XML)

<rdf:Description rdf:about="http://www.ivan-herman.net">
  <abc:családnév>Chart</abc:családnév>
  <abc:naptáram rdf:resource="http://.../naptár"/>
  <abc:személynév>Iván</abc:személynév>
</rdf:Description>

Egy egyszerű RDF példa (Turtle)

<http://www.ivan-herman.net>
    abc:családnév  "Chart";
    abc:naptáram   <http://.../naptár>;
    abc:személynév "Iván".

RDF hármasok (folyt.)

• Bármely URI használható; vagyis egy XML fájl-ba is lehet címezni, nemcsak a teljes anyagra, pld:
  • http://www.example.org/file.xml#xpointer(id('naptár'))
  • http://www.example.org/file.html#naptár
• Az angol terminológia:
  • „triplets”, „triples”, vagy „statement”
    • magyarul: „hármas”, vagy „állítás”
  • „subject”, „predicate” vagy „property”, „object”
    • magyarul: „alany”, „állítmány” vagy „tulajdonság”, és „tárgy”

A URI-k alapvető szerepe

• Bárki kreálhat (meta)adatot bármely Web–erőforrásról
  • pld. ugyanazt az XML–alapú állományt le lehet írni egymástól eltérő terminológiákkal
  • az URI-k teszik lehetővé adatok egymáshoz kapcsolását
• A URI-k ágyazzák az RDF-et a Webbe
  • így lesz a „Szemantikus Web”… „Szemantikus Web”

URI-k: összevonás

• Könnyűvé válik az adatok (logikai) összevonása
• Az összevonás megtehető az azonos URI-k alapján
  • egy gráfban: azonos URI-val rendelkező csomópontok egymással azonosíthatóak
• Ez az összevonás az RDF–modell nagyon fontos jellemzője
  • a leírásokat különböző személyek, csoportok hozhatják létre, de …
  • …az alkalmazás egységként kezelheti őket
  • egyike azon területeknek, ahol az RDF–modell sokkal könnyebben használható, mint az XML

Példa az összevonásra…

Az RDF nem elegendő…

• A kapcsolatok létrehozása és programból való használata működik, feltéve, hogy a program tudja, hogy milyen terminológiát használhat!
• Például használtuk a következő fogalmakat:
  • naptáram, családnév, személynév, …
• Ismertek-e ezek? Korrektek-e? (A probléma egy kicsit hasonló egy adatbázis rekordtípus definiálásához.)

Megoldandó kérdések

• Mely terminológiák, szavak használhatók? Ismert-e a terminológia?
• Korrekt módon használjuk-e a tulajdonságokat? Van-e értelmük az adott erőforrások esetén?
• Lehet-e következetéseket levonni? Például:
  • „ha »A« »B«-től balra van, »B« »C«-től balra van, akkor balra van-e »A« »C«-től?”
  • nekünk nyílvánvaló, de egy programnak nem …
  • … vagyis: levonhatják-e a programok ezeket a következetetéseket?
• Ha valaki más definiál egy állításhalmazt: ugyanaz-e, mint a mienk?

Ontológiák

• A Szemantikus Webnek szüksége van ontológiákra:

„egy adott tudásterület leírására használt fogalmak és összefüggések definíciója”

• Szükség van egy Webontológia nyelvre, amellyel definiálni lehet:
  • az adott kontexusban használható fogalmakat
  • a tulajdonságokra érvényes korlátozásokat
  • a tulajdonságok logikai jellemzőit
  • a fogalmak és tulajdonságok ekvivalenciáját (vagy különbözőségét)
  • stb
• Az erre szolgáló specifikációk: RDFS (RDF Sémák) és OWL (Webontológia Nyelv)

Osztályok, erőforrások …

• Gondoljunk az ismert, tradicionális ontológiákra:
  • ismerjük az „emlős” fogalmát (valahonnan)
  • „minden delfin emlős”
  • “Flipper egy delfin”
  • stb.
• Az RDFS definiálja az erőforrás és az osztály fogalmát:
  • az RDF számára minden egy „erőforrás”
  • egy osztály szintén egy erőforrás, de egyben…
  • …más erőforrások („egyedek”) lehetséges összessége
    • „emlős”, „delfin”, …

Osztályok, erőforrások … (folyt.)

• Az erőforrások és az egyedek között relációk létesíthetők:
  • „típus” („typing”): vagyis egy egyed egy adott osztályhoz tartozik („Flipper egy delfin”)
  • „alosztály” („subclassing”): az egyik osztály egyedei automatikusan a másiknak is egyedei („minden delfin emlős”)
• Az RDFS ezeket a (tradicionális) fogalmakat formalizálja

Classes, Resources in RDF(S)

• Az RDFS definiálja a rdfs:Resource, rdfs:Class, rdf:type, rdfs:subClassOf fogalmakat
  • (ezek mind speciális, az ábrán névterekkel rövidített URI-k)

Következtetett tulajdonságok

• (#Flipper rdf:type #Emlős) nem része az eredeti RDF adathalmaznak…
• …de ki lehet következtetni az RDFS szabályokból
• Jobb RDF környezetek ezt az állítást is tartalmazzák

RDFS és OWL

• Az RDFS az alapelveket definiálja
• Az OWL hozzáad bonyolultabb lehetőségeket, mint például:
  • osztályok konstrukciója (a meglévő osztályokból kiindulva)
  • a tulajdonságok logikai jellemzése (pld. tranzitivitás, szimmetria, függvény)
  • stb.

Osztályok úniója

• Lényegében egy halmazelméleti únió (lehetne metszet, komplemens, stb):

Az OWL további lehetőségei

• Az ontológiák nagyon nagyok lehetnek:
  • nagy figyelmet kell fordítani a karbantartásukra
  • több részből (modulból) állhatnak
  • a részeknek különböző eredetük lehet melyeket integrálni kell
• Ezek Webontológiák. Vagyis
  • az alkalmazások több, egymástól különböző ontológiát használhatnak, vagy…
  • … ugyanazon ontológiát, de különböző nyelveken
  • vagyis a terminológiák ekvivalenciája fontos kérdéssé vállhat
• OWL lehetőséget ad az osztályok/tulajdonságok ekvivalenciájára, verziókontrollra, stb.

Példa: kapcsolat az angol és a magyar között

De: az ontológiák bonyolultak!

• Nehéz egy teljes ontológiarendszert implementálni
  • és egyes alkalmazások számára felesleges is lehet
• Innen az egyre bonyolultabb specifikációk „réteges” modellje, különböző megkötésekkel
• De: az RDFS, OWL-Lite és OWL-DL kiszámítható, míg ez nem igaz OWL Full-ra

A munka folytatódik… (a W3C-ben vagy azon kívül)

Lekérdezések

Ma már milliós(!) nagyságrenben használnak RDF hármasokat: „Query Language and Protocol for RDF (SPARQL)” egy alkalmas lekérdezőnyelv

(Logikai) szabályok

Vannak logikai kapcsolatok, amelyek nem írhatók le OWL-ben sem, további logikákra van szükség (pld. Horn–logika)

Bizalom

Például: „megbízhatok-e ezen és ezen állítások létrehozójában?”

Lekérdezések: SPARQL

• Az alapvető ötlet: gráfminták megadása:

SELECT ?név
WHERE {
    ?x abc:naptáram   ?y.
    ?x abc:személynév ?név.
}

• Vagyis, körülbelül: „add meg mindazoknak a nevét, akiknek a naptára a Weben van”
• A specifikáció még nem teljes, de már nagyon sok implementáció és alkalmazás létezik

SW alkalmazások

• Sok-sok alkalmazás van alakulóban:
• A legtöbb alkalmazás még mindig „centralizált”, a decentralizált alkalmazások száma még nem nagy
• Érdemes például a Semantic Technology Conference sorozatot figyelemmel kisérni
  • nem egy tudományos konferencia, inkább üzleti jellegű
  • az idén (múlt héten) óriási édeklődés volt a konferencia iránt, több mint 600 résztvevővel (pld.: IBM, Nokia, Cisco, BellSouth, GE, Walt Disney, Oracle, Microsoft, …)

Példa: adatok integrációja

• Üzleti adatbázisok integrációja
• RDF/RDFS/OWL–alapú leírások a „híd” szerepét töltik be (az egyik legelső kisélet a Boeing-nél, lásd, pld., a WWW11 cikket)
• Hasonló megközelítések: Sculpteur projekt, MITRE Corp., MuseoSuomi, …

Példa: portálok

• A Vodafone „Live Mobile Portal”
  • RDF–alapú keresőrendszer (pl. telefonhangok, játékok, képek)
    • letöltéshez szükséges lapkeresések száma 50%-kal csökkent
    • telefonhangok letöltése 2 hónap alatt 20%-kal nőtt
• SwordFish a Sun-nál: szintén egy RDF–alapú keresés a White Paper Collections és System Handbook collections lapokon
• A Nokia nemrégiben nyitott egy hasonló fejlesztői portált

Példa: ontológia–alapú keresés: GoPubMed

• pubmed.org-ra alapozott keresés
• A keresés eredményeit újrarendezi speciális ontológiák segítségével
• Extra keresési kulcsokat generál az ismert terminológia alapján
• Szép példa az alkalmazásfüggő ontológiák jelentőségére

Adobe XMP

• Az Adobe eszközök RDF–alapú metaadatot adnak a képekhez, rajzokhoz, stb.
• Az eszköz mindenki számára rendelkezésre áll!

Baby CareLink

• Koraszülött kisbabák kezelésére szolgáló információközpont
• Egy OWL–alapú webszolgáltatás
  • egymástól nagyon eltérő adatokat kombinál (orvosi, biztosítási, jogi, stb.)
  • a felhasználó komplex kérdéseket tehet fel, és — adott esetben — bővítheti a tudásbázist

Sok-sok eszköz áll rendelkezésre

• Ontológia–szerkesztők:
  • Protege 2000 (Stanford Univ.), SWOOP (Univ. of Maryland), Orient (IBM)
• Programozási rendszerek:
  • Jena (Java), RDFLib (Python), Redland (C, Tcl, Java, PHP, Perl, Python), SWI-Prolog, …
• Adatbázisok (sql-re vagy kizárólag hármasokra alapozódva):
  • Kowari, Gateway, 3Store, Jena’s Joseki, Oracle Database 10g, …
• RDF és OWL ellenőrzők:
  • W3C’s RDF Validator, BBN OWL Validator, Pellet OWL Reasoner …
• Érdemes a W3C RDF–fejlesztői lapját vagy Dave Beckett’s lapjait figyelemmel kisérni

Információk magyarul

• A teljes RDF– és OWL–szabvány rendelkezésre áll magyarul is
  • lásd a W3C Magyar Iroda fordításjegyzékét
  • a fordítás Pataki Ernő munkája
• Könyvek magyarul:
  • Gottdank Tibor, Szemantikus Web, ComputerBooks, Budapest, 2005
  • Szeredi Péter, Lukács Péter, Benkő Tamás, A szemantikus világháló elmélete és gyakorlata, TypoTex, Budapest, 2005

További információk

Ez az előadás elérhető a Weben (XHTML vagy PDF):

http://www.w3.org/2006/Talks/0318-Budapest-IH/
http://www.w3.org/2006/Talks/0318-Budapest-IH/Overview.pdf

A cikk HTML változata szintén a Weben van:

http://www.w3.org/2006/Talks/0318-Budapest-IH/cikk.html

Semantic Web honlap

http://www.w3.org/2001/sw/

Elérés, információ a W3C-ről a W3C Magyar Irodáján keresztül:

http://www.w3c.hu/

Email címem:

ivan@w3.org