Ontologieartikulation 1 ONION (ONtology compositION) Seminar: Semantic Integration Sommersemester 2006 Dawud Akbari.

Präsentation zum Thema: "Ontologieartikulation 1 ONION (ONtology compositION) Seminar: Semantic Integration Sommersemester 2006 Dawud Akbari."—  Präsentation transkript:

1 Ontologieartikulation 1 ONION (ONtology compositION) Seminar: Semantic Integration Sommersemester 2006 Dawud Akbari

2 Ontologieartikulation 2 Inhalt 1. Einführung 2. ONION – Übersicht 2.1. The ONION data layer 2.2. The ONION viewer 2.3. The ONION query system 2.4. The Articulation Engine 2.5. Ein Beispiel 3. Graphenrepräsentation von Ontologien 4. Artikulation von Ontologien 4.1. Ontologie Terme und Patterns 4.2. Struktur der Artikulationsontologie 5. Eine Ontologiealgebra 5.1. Vereinigung 5.2. Schnittmenge 5.3. Differenz 6. Fazit

3 Ontologieartikulation 3 1. Einführung  Eine Ontologie beinhaltet die Konzepte(Terme) in einer knowledge base (KB) und bestimmt die Eigenschaften und die Beziehungen, die zwischen den Termen gelten.  Die Idee ist statt einer globalen Ontologie für alle KBs eine skalierbare Methode, die auf die Interoperation zw. den Ontologien basiert.  Die Methode benutzt Regeln, die eine Artikulation zw. den Systemen ermöglichen.  Die Herausforderung ist die globalen Informationen mehrerer heterogenen KBs für end-user zu nutzen.

4 Ontologieartikulation 4 1. Einführung  Eine XML-Repräsentation ist nicht ausreichend, zwar kann sie als Informationsträger eingesetzt werden, aber ihre Schwäche zeigt sich z.B. beim Beseitigen von „semantic errors“.  Wir fokussieren uns auf strukturierte Welten, bilden dann „semantic bridges“ d.h. logische Regeln, die in Beweisverfahren benutzt werden um die semantische Wissenslücke zwischen den KB zu überbrücken.  Vorteile liegen bei den updates, der end-user wird nicht überfordert, die Artikulation wird semi-automatisch erstellt.

5 Ontologieartikulation 5 1. Einführung  Die Ontologien werden in einem graphischen Modell repräsentiert, das auf ein objektorientiertes DBMS-Modell basiert. - Die Relationen sind dadurch einfacher und übersichtlicher darzustellen.  Die „semantic bridges“ sind: - logische Regeln z.B. semantische Implikationen zw. den Termen der artikulierenden Ontologien. - funktionale Regeln z.B. Umrechnungsfunktionen zw. den Termen der artikulierenden Ontologien.

6 Ontologieartikulation 6 2. ONOIN  Terms: source ontologies, articulation rules, articulation ontology, articulation and unified ontology.  Fig.1: unified ontology Ont5 besteht aus source ontologies Ont3 und Ont4 und articulation ontology Art2. Die Artikulation von Ont3 und Ont4 besteht aus articulation ontology Art2 und die semantic bridges zu den beiden source ontologies.

7 Ontologieartikulation 7

8 8 2. ONOIN 2.1 The ONION data layer  Sie verwaltet die Ontologierepräsentationen, die Artikulationen und die dazugehörigen Regelmengen und die Regeln, die für query processing benutzt werden.  Für Ontologien benutzen wir eine Graphendarstellung. Sie werden evtl. passend zum Kontext des Systems transformiert. Das System akzeptiert IDL-Spezifikationen und XML-Dokumente.  Soweit wie möglich eine Trennung von inference engine und Repräsentationsmodell zu erreichen.

9 Ontologieartikulation 9 2. ONOIN 2.1 The ONION data layer  Im Allgemeinen erbt ariculation ontology die Strukturen von source ontologies.  Die semantic bridges können als Artikulationsregeln zusammengefasst werden und damit eine mapping zwischen den source ontologies ermöglichen.

10 Ontologieartikulation 10 2. ONOIN 2.2 The ONION viewer  The ONION viewer ist eine Benutzerschinttstelle für das ONION System.  Der Domainexperte kann damit Änderungen an System vornehmen z.B. Ontologien hinzufügen bzw. absetzen, das System optimieren und Artikulationsregeln spezifizieren.  Der Experte kann auch vom articulation generator die bereits vorhandene semantic bridges abrufen, sie werden dann ergänzt und dadurch entstehen neue Regeln.

11 Ontologieartikulation 11 2. ONOIN 2.3 The ONION query system  Interoperationen zwischen den Ontologien bilden die Basis für Anfragen und Informationsaustausch zwischen den KBs.  Die Anfrage bezieht sich auf eine ariculation ontology, die query engine leitet einen Plan ab, in dem die beteiligten source ontologies vorkommen.  Der query processor reformuliert die Anfragen und generiert eine Lösung.

12 Ontologieartikulation 12 2. ONOIN 2.4 The Articulation Engine  Die Articulation Engine erstellt die ariculation ontology und semantic bridges zwischen ihr(AO) und den source ontologies.  ONION basiert auf SKAT. Das Tool benutzt sowohl die Expertenregeln als auch externe KBs z.B. „Wordnet“.  Die inference engine benutzt die Artikulationsregelen, die von SKAT generiert worden sind und die Regeln aus source ontologies und daraus- falls möglich- leitet sie neue Regeln ab.

13 Ontologieartikulation 13 2. ONOIN 2.4 The Articulation Engine  Der articulation generator übernimmt die Artikulationsregeln und generiert eine Artikulation.  Der Experte wird dann die Artikulation bestätigen oder die Inkonsistenz beseitigen.  Wenn der Experte weitere Regeln vorschlägt, werden sie an SKAT weitergeleitet um damit neue Regeln zu generieren. Dieser Prozess wiederholt sich solange bis der Experte zufrieden mit der generierten Artikulation ist.

14 Ontologieartikulation 14 Beispiel

15 Ontologieartikulation 15 Beispiel  Teile von factory und carrier stehen in Beziehung zu transportation.  Die semantischen Relationen sind SubclassOf, AttributeOf, InstanceOf, und Semantic Implication.  Dazu kommen die Eigenschaften von Relationen wie z.B. Transitivität von SubclassOf, solche Regeln werden z.B. benutzt um eine Artikulation zu generieren aber auch um Anfragen zu beantworten.

16 Ontologieartikulation 16 3. Graphische Repräsentation  Eine Ontologie wird in einem markierten und gerichteten Graphen G = (N, E) repräsentiert (N und E endlich). - ist eine Kante. - ist die Kantenmarkierung und - ist die Knotenmarkierung.

17 Ontologieartikulation 17 3. Graphische Repräsentation  Um Ontologien zu manipulieren, müssen wir die relevanten Teile eines Graphen identifizieren können. Dazu verwenden wir einen Pattern.  Ein Pattern ist ein Graph, der einem Subgraphen entspricht, falls die Markierungen weiter identisch bleiben.

18 Ontologieartikulation 18 3. Graphische Repräsentation  In der Praxis kann der Experte eine Menge von Synonymen definieren und somit die erste Bedingung lockern. Alternativ dazu müssen die Kanten nicht strikt die gleichen Markierungen haben.  Bei ONION sind Patterns direkte Graphenmanipulationen.  Der Experte verwendet bei der Interface eine einfache Notation, die auf eine Hierarchie der Terme basiert.  Beispiel: carrier.car.driver

19 Ontologieartikulation 19 Graph Transformation  Um die Graphen manipulieren zu können, werden vier primitive Operationen definieret.  geg. G = (M, E) - Node addition - Node deletion - Edge Addition - Edge Deletion

20 Ontologieartikulation 20 4. Articulation of Ontologies  carrier und factory sind zwei autonome Ontologien, transport-Ontologie modelliert aber eine Artikulation und bietet damit eine semantische Schnittstelle.  Das Atikulationsproblem kann somit auf zwei Aufgaben reduziert werden. 1. Welche Klassen sollen in der AO vorkommen. 2. Was sind die semantischen Regeln.  Die Artikulation wird semi-automatisch generiert.

21 Ontologieartikulation 21 4. Articulation of Ontologies 4.1 Ontology Terms and Patterns  Ein ontologie-Graph (OG) wird aus Strukturen der source ontologies (SO) gebildet und gewinnt damit Informationen aus deren Relationen.  Unter der Leitung vom Domainexperten und SKAT werden Regeln aus einer KB abgeleitet und damit ein OG konstruiert.  Die Regeln haben die Form „P impliziert semantisch Q“

22 Ontologieartikulation 22 4. Articulation of Ontologies 4.2 Semanitc Implication Bridges  Die Regel -A und B sind Knoten- identifiziert die Kante (A, „SIBridge“, B). A ist eine semantische Spezialisierung von B. Beispiel: Die Regel kann als EA-Operator dargestellt werden. EA[OG, {(carrier.Car, „SIBridge“, transport.Vehicle), (factory.Vehicle, „SIBridge“, transport.Vehicle), (transport.Vehicle, „SIBridge“, factory.Vehicle)}]  Die Informationen bzgl. Cars in carrier werden für alle Fahrzeuge in carrier und factory integriert.

23 Ontologieartikulation 23 4. Articulation of Ontologies 4.2 Semanitc Implication Bridges  Beispiel(Forts.): Eine Alternative wäre die Erweiterung von AG um neue Terme. Um die Regel zu modellieren wird der ArtGen einen Knoten PassengerCar der transport-Ontologie hinzufügen. Der Graph wird dann um Kanten (carrier.Car, „SIBridge“, transport.PassengerCar) und (transport.PassengerCar, „SIBridge“, factory.Vehicle) erweitert.

24 Ontologieartikulation 24 4. Articulation of Ontologies 4.3 Konjunktion und Disjunktion  Beispiel: Die Regel kann durch Hinzufügen vom Knoten N, mit dem Label CargoCarrierVehicle und die entsprechenden Kanten, modellier werden. N ist dabei die Subklasse von allen beteiligten Klassen

25 Ontologieartikulation 25 4. Articulation of Ontologies 4.3 Konjunktion und Disjunktion  Die Regeln mit Disjunktion werden auch mit einem neuen Knoten modelliert.  Der neue Knoten : CarsTrucks für Das Term CarsOrTrucks.  Die Kanten zeigen, dass carrier.Cars, carrier.Trucks und factory.Vehicle Subklassen von transport.CarsTrucks sind.

26 Ontologieartikulation 26 4. Articulation of Ontologies 4.4 Funktionale Regeln  Terme, die das selbe Konzept repräsentieren, werden oft in verschiedenen Ontologien anders dargestellt.  Der Experte programmiert die gewünschten Normfunktionen. Man wünscht sich für die Zukunft das Generieren von solchen Funktionen semi-automatisch.  Beispiel: die Umwandlung von verschiedenen Währungen geg.: OG und die Regel e = (carrier.JapanYen, „JYToEuroFn()“, transport.Euro) wird hinzugefügt.

27 Ontologieartikulation 27 4. Articulation of Ontologies 4.5 Strukturen der Art. Ontologie  Die Konstruktion der Artikuationsontologie erfolgt durch das Hinzufügen von neuen Knoten und Kanten, die diese mit den Knoten aus den source Ontologien verbindet.  Die Artikulationsontologie selbst wird dann mit neuen Kanten erweitert, wenn der Experte sich neue Strukturen vorstellt.

28 Ontologieartikulation 28 5. Eine OntologieAlgebra  Wir definieren eine Algebra, um mit der Artikulationsontologie Interoperationen zwischen den Ontologien zu ermöglichen.  Die Eingaben für die Operatoren sind die Ontologiegraphen.  Unäre Operatoren wie filter und extract sind auf eine Ontologie definiert (analog zu select und project in Rel.Alg).  Die binären Operatoren union, intersection und difference sind auf zwei Ontologien definiert.

29 Ontologieartikulation 29 5. Eine OntologieAlgebra 5.1 Union  Bei Anfragen benötigt das System oft mehr eine KB.  Eingaben sind zwei Ontologien und eine Menge aus Art.Rules.  O1=(N1, E1), O2=(N2, E2) source ont. AO=(NA, EA) articulation ont. BridgeEdges Kanten zw. AO und {O1,O2}  OU=(N, E) mit N = N1U N2 U NA und E = E1 U E2 U EA U BridgeEdges

30 Ontologieartikulation 30 5. Eine OntologieAlgebra 5.2 Intersection  Intersection erzeugt aus zwei Ontologien und einer Menge aus Art.Rules eine Artikulationsontologie.  IO(carrier, factory) = transportation  Die Kanten verbinden nur Terme innerhalb der Artikulationsontologie. Alle andere Kanten werden entfernt.  Die resultierte Ontologie kann mit anderen Ontologien komponiert werden.  Die Operation hat damit eine zentrale Rolle für ein skalierbares Artikulationkonzept.

31 Ontologieartikulation 31 5. Eine OntologieAlgebra 5.3 Difference  Die Differenz von zwei Ontologien (O1- O2) besteht aus den Termen und Relationen von O1, die nicht in O2 enden bzw. terminieren (durch vorhandene Regeln und Beziehungen).  Damit bestimmen wir die Teile von Ontologien, die unabhängig von der Artikulation sind.  Bei den Updates wird die Artikulation nicht geändert.  Union und Difference werden dynamisch berechnet.

32 Ontologieartikulation 32 6. Fazit  Es wurde ein System beschrieben, das Interoperationen zwischen KBs ermöglicht und die Anfragen zuverlässig -falls möglich- beantwortet. Die Innovation der ONOIN liegt darin, dass man mit Artikulationen(Regeln) über Ontologien agiert. Die semi-automatische Eigenschaft des Systems bietet Komfort und Zuverlässigkeit durch Mitwirken des Experten. Die Ontologien sind minimal miteinander gekoppelt, damit bleiben Änderungen oft im lokalen Bereichen. Das ist natürlich positiv für den Kostenfaktor z.B. in WWW, wo große Anzahl von KBs permanent geändert werden

33 Ontologieartikulation 33 6. Fazit  Die graphische Repräsentation von Ontologien ermöglicht eine Trennung von data layer und inference engine. Semantische Relationen werden zuerst in first-order logic dargestellt und danach in selber graphischen Repräsentation modelliert.  ONION kann verschiedene inference engines einsetzen und dadurch die Aufgaben vom Experten erleichtern. Wie man aus solchen Komponenten eine bessere Artikulation bildet ist ein wichtiger Teil der Forschung.

34 Ontologieartikulation 34 Quellen  P. Mitra, G. Wiederhold & M. Kersten: A Graph-Oriented Model for Articulation of Ontology Interdependencies. In: Proceedings Conference on Extending Database Technology 2000 (EDBT'2000), Konstanz, Germany, 2000.  www.wikipedia.de www.wikipedia.de