Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Martin Kaiser Saarbrücken, OWL-Lite Ontology Matching Seminar Semantisches Web und Agenten Martin Kaiser Betreut durch Dr. Matthias Klusch und Ingo Zinnikus.

Ähnliche Präsentationen


Präsentation zum Thema: "Martin Kaiser Saarbrücken, OWL-Lite Ontology Matching Seminar Semantisches Web und Agenten Martin Kaiser Betreut durch Dr. Matthias Klusch und Ingo Zinnikus."—  Präsentation transkript:

1 Martin Kaiser Saarbrücken, OWL-Lite Ontology Matching Seminar Semantisches Web und Agenten Martin Kaiser Betreut durch Dr. Matthias Klusch und Ingo Zinnikus

2 1 Martin Kaiser Saarbrücken, Inhalt

3 2 Martin Kaiser Saarbrücken, Ontology Alignment Finde Beziehung zwischen 2 Ontologien Äquivalenzen, Subsumption,… zwischen den Entities

4 3 Martin Kaiser Saarbrücken, Anwendungsgebiete Kommunikation zwischen Agenten Integration von Webdiensten Ontologie-getriebene Datenintegration Katalog Abgleich P2P Informationsverteilung Lieferung Personenbezogener Inhalte Publikationen in der Wissenschaft

5 4 Martin Kaiser Saarbrücken, Matching Methoden Ähnlichkeit berechnen: –Terminologisch (String basiert, Lexikon) –Vergleich der internen Struktur –Vergleich der externen Struktur –Extensional Comparison –Semantischer Vergleich Nachteil: Viele Verfahren erfassen nur Teilmengen der Ontologiedefinition

6 5 Martin Kaiser Saarbrücken, OWL Lite Erweiterung von RDF Zusätzlich: –RDF Schema Schlüsselworte: rdfs:subClassOf, rdfs:Property, rdfs:subPropertyOf, rdfs:range, rdfs:domain –Klassen Definition: owl:Class –Vergleich: owl:sameAs, owl:differentFrom –Charakterisierung der Eigenschaften: owl:inverseOf, owl:TransitiveProperty, owl:SymmetricProperty –Eigenschaftsvererbung zwischen Klassen: owl:AllValuesFrom, owl:SomeValuesFrom –Kardinalität bei Relationen: owl:minCardinality, owl:MaxCardinality

7 6 Martin Kaiser Saarbrücken, Beispiel: OWL Ontologien Lässt sich in OWL Lite modellieren Nachteil: OWL Notation ist beim Vergleich zweier Ontologien zu strikt RDF ist zu flexibel

8 7 Martin Kaiser Saarbrücken, OL - Graphen Graphen basierter Ansatz zur OWL Notation Knoten: class (C), object (O), relation (R), property (P), property instance (A), datatype (D), datavalue (V), property restriction labels (V) Jeder Knoten wird durch URI identifiziert Jeder Knoten kann annotiert sein

9 8 Martin Kaiser Saarbrücken, OL – Graphen (2) Kanten: –rdfs:subClassOf zwischen Klassen o. Propertys (S) –rdf:type zwischen Objekten und Klassen, Propertys und Property Instanzen, Values und Datatypes (I) –A zwischen Klassen und Propertys, Objekten und Property Instanzen –owl:Restriction Einschränkung von Eigenschaften innerhalb einer Klasse (R) –Bewertung einer Property in einem Einzelnen (U)

10 9 Martin Kaiser Saarbrücken, Beispiel: OL Graph

11 10 Martin Kaiser Saarbrücken, Similarity Similarity (Ähnlichkeit) ist eine Funktion die folgende Eigenschaften erfüllt:

12 11 Martin Kaiser Saarbrücken, Similarity (2) Similarity Funktionen für Labels: –Terminologisch (String Distanz, linguistische Evaluation) Similarity Funktionen für Werte und Datentypen: –Euklidean distance –Symmetric difference distance –…

13 12 Martin Kaiser Saarbrücken, Similarity im OL – Graph Im OL – Graph: Hängt von der Knotenklasse ab Berücksichtigt alle Features der Klasse Beispiel: Knotenpaare und Identisch beschriftete Kanten vom Typ F Je größer similarity von desto größer ist Betrachte nur 0te und 1ste Stufe

14 13 Martin Kaiser Saarbrücken, Similarity Berechnung Definition: Beispiel: Klassen

15 14 Martin Kaiser Saarbrücken, Contributormenge mit des Knotenpaars mit Eigenschaften –Maximale, totale similarity –Exklusiv –Maximale Größe Pairing: 0/1 Gewichtung in

16 15 Martin Kaiser Saarbrücken, Beispiel: Für die Ähnlichkeit der Datentypen von Annahme:

17 16 Martin Kaiser Saarbrücken, Berechnung der Similarities Problem: 2 Knotenpaare die sich gegenseitig unterstützen Lösung: Gleichungssystem mit Similarity als Ergebnis Jedem Knoten wird eine Variable zugeordnet Gleichungsystem wird aufgestellt nach Gleichungssystem lösen

18 17 Martin Kaiser Saarbrücken, Beispiel: Berechnung Similarity Für Annahme: Variablen Substitution: Weitere Annahme:

19 18 Martin Kaiser Saarbrücken, Beispiel: Berechnung Similarity (2) Gewichtung für Kardinalitäten: –1 falls beide Grenzen gleich –0,5 falls eine Grenze gleich –0,35 falls Inklusion, aber kein Match –0 sonst Gewichtung für Datentypen: –Identitätsfunktion

20 19 Martin Kaiser Saarbrücken, Beispiel: Berechnung Similarity (3) simuliert das Verhalten der Pairing Funktion OWL-Lite Ontologien erzeugen keine linearen Gleichungssystem Kann durch iteratives Verfahren gelöst werden

21 20 Martin Kaiser Saarbrücken, Konklusion Verfahren liefert eine Approximation der Ähnlichkeit zwischen zwei Ontologien Kein Ontologie Abgleich Ansätze für Ontologie Abgleich: –Dem Nutzer überlassen –Threshold basiert –Greedy – Verfahren Verfahren wird eingesetzt in OLA

22 21 Martin Kaiser Saarbrücken, Zusammenfassung Ontology Matching OL – Graphen Similarity und Similarity Berechnungsfunktionen Similarity Berechnung in OL – Graphen


Herunterladen ppt "Martin Kaiser Saarbrücken, OWL-Lite Ontology Matching Seminar Semantisches Web und Agenten Martin Kaiser Betreut durch Dr. Matthias Klusch und Ingo Zinnikus."

Ähnliche Präsentationen


Google-Anzeigen