Informationsintegration Das Semantic Web Felix Naumann

Felix Naumann, VL Informationsintegration, WS 05/06 2 Quelle: Mark Butler, HP

Felix Naumann, VL Informationsintegration, WS 05/06 3 Überblick Motivation und Definition TXT XML XML RDF(S) RDF Ontologien Ausblick / Diskussion Rückblick & Evaluation

Felix Naumann, VL Informationsintegration, WS 05/06 4 Definitionen Fremdwörterduden Semantik 1. Teilgebiet der Linguistik, das sich mit den Bedeutungen sprachlicher Zeichen und Zeichenfolgen befasst 2. Bedeutung, Inhalt eines Wortes, Satzes oder Textes The Semantic Web is an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in cooperation. [BLHL01] Das Semantische Web ist einer Erweiterung des gegenwärtigen Webs, in der Informationen wohl- definierte Bedeutungen erhalten, so dass Computer und Menschen besser kooperieren können.

Felix Naumann, VL Informationsintegration, WS 05/06 5 Warum brauchen wir das Semantic Web? Überfluss an Daten Stark verteilt Suche und Integration nötig Die Kosten, relevante Informationen zu finden und Wert daraus zu schöpfen sind enorm. Kostenreduzierung Workflows und Businessprozesse miteinander verknüpfen Data- und Service-sharing ermöglichen auch zwischen heterogenen Gruppen eScience: Wissenschaftler, Standards-Konsortien, Bioinformatik eGovernment: u.a. Gesundheitswesen eBusiness eSociety: Blogging, Gnutella Quelle: [DK03]

Felix Naumann, VL Informationsintegration, WS 05/06 6 Motivation Web Seiten tragen Layout-Informationen Gut für Menschen Nicht zu interpretieren für Rechner Informationen leben in zwei Welten Für Menschen als Konsumenten Gedichte, Filme, Text,... Für Computer als Konsumenten Daten, Programme,... Das Web betont den Menschen. Das Semantic Web soll dies ausgleichen. Ease-of-Use und Wachstum des WWW soll nicht beeinträchtigt werden. Es muss also nicht alles perfekt verstanden werden.

Felix Naumann, VL Informationsintegration, WS 05/06 7 Motivation: (Automatische) Informationssuche im Web Methode 1: Browsing geht nicht (Milliarden von Dokumenten) Methode 2: Suche Suche mittels Suchmaschinen besser Recall nicht immer perfekt (Größe der Suchmaschine). Precision nicht immer perfekt (Relevanz der Ergebnisse). Techniken des Information Retrieval Leider wirklich nur retrieval Extraktion und Interpretation der Informationen durch Nutzer Funktioniert nur mit Menschen, nicht automatisiert

Felix Naumann, VL Informationsintegration, WS 05/06 8 Motivation: (Automatische) Informationssuche im Web Methode 3: Informationsextraktion Computational Linguistics Named Entity Recognition (z.B. Gene) Relationship Extraction (z.B. Firmensitze aus Wirtschaftmeldungen extrahieren) Methode 4: Wrapper Bsp: Shopping Agenten Generierung von Wrappern per Hand Müssen sich auf HTML Tags verlassen Methode 5: Annotation Maschinenlesbare Annotation (z.B. XML) Methode 6: Semantic Web Semantische Annotation (RDF & Ontologien) Themen heute

Felix Naumann, VL Informationsintegration, WS 05/06 9 Szenario aus [BLHL01] leiser! zu weit! OK Neuer Plan Therapieplan Gemeinsamer Arztbesuch Wer fährt? Vorschlag Neuer Vorschlag OK Streiche unwichtige Termine Transportbedarf Alice Bob

Felix Naumann, VL Informationsintegration, WS 05/06 10 Beispiel-Anwendungen Wissensmanagement (knowledge management, KM) Intranet mit Millionen Dokumenten Informationsbeschaffung, -wartung und -suche Mit Ontologien Intelligente Suche Anfragen und Sichten statt Suche Bsp.: Liste alle Projekte aller Mitarbeiter der HU Informatik Dokumentenaustausch Web Commerce Shopping-Agenten suchen bestes und billigstes Angebot. On-line shops präsentieren Waren sinnvoll Broker vermitteln zwischen Anbietern und Käufern (e-marketplace) Meta-Stores E-Business Virtuelle Unternehmen Katalog-Integration und Datenaustausch

Felix Naumann, VL Informationsintegration, WS 05/06 11 Semantic Web Prinzipien [BL] Alles kann eine URI#xxx haben. Sage nicht farbe, sage " Vokabulare können im Laufe der Zeit integriert und ersetzt werden. Dokumente sind selbst-beschreibend. Jeder kann Beliebiges über Beliebiges sagen." Kein einzelnes System weiß alles. Das Design muss minimalistisch sein.

Felix Naumann, VL Informationsintegration, WS 05/06 12 Semantic Web Layer Cake Quelle: [Hen02] Basisdaten, Texte und Identifikatoren Syntax und Struktur Beziehungen Bedeutung Regeln Nutzen

Felix Naumann, VL Informationsintegration, WS 05/06 13 Überblick Motivation und Definition TXT XML XML RDF(S) RDF Ontologien Ausblick / Diskussion Rückblick & Evaluation

Felix Naumann, VL Informationsintegration, WS 05/06 14 Überblick Semantic Web Quelle: Tim Berners-Lee

Felix Naumann, VL Informationsintegration, WS 05/06 15 TEXT XML Reiner Text Keine Struktur (höchstens implizit) Nicht maschinenlesbar XML Kann Text strukturieren Maschinenlesbare Struktur Implizite Semantik durch Benennung von Struktureinheiten

Felix Naumann, VL Informationsintegration, WS 05/06 16 Text im Web (UNICODE + URI) So sieht ein natürlichsprachige Webseite für eine Maschine aus. Quelle: [Hen02]

Felix Naumann, VL Informationsintegration, WS 05/06 17 XML … immerhin XML erlaubt es, sinnvoll tags zu Texteinheiten hinzuzufügen. CV name education work private Quelle: [Hen02]

Felix Naumann, VL Informationsintegration, WS 05/06 18 XML maschinenlesbare Bedeutung Aber: Für eine Maschine sehen die tags so aus... Quelle: [Hen02]

Felix Naumann, VL Informationsintegration, WS 05/06 19 Schemata: Die richtige Richtung Schemata helfen…. …indem sie gemeinsame Ausdrücke zwischen Dokumenten in Beziehung setzen. Quelle: [Hen02]

Felix Naumann, VL Informationsintegration, WS 05/06 20 Aber: Schemata unterscheiden sich Jemand anderes verwendet dieses Schema: Quelle: [Hen02]

Felix Naumann, VL Informationsintegration, WS 05/06 21 Schemata fehlt die Bedeutung Quelle: [Hen02] Immerhin: Semi- automatische s Schema Matching & Mapping

Felix Naumann, VL Informationsintegration, WS 05/06 22 Überblick Motivation und Definition TXT XML XML RDF(S) RDF Ontologien Ausblick / Diskussion Rückblick & Evaluation

Felix Naumann, VL Informationsintegration, WS 05/06 23 Überblick Semantic Web Quelle: Tim Berners-Lee

Felix Naumann, VL Informationsintegration, WS 05/06 24 XML RDF XML erlaubt beliebige Strukturen. Bedeutung verborgen/vermischt in Struktur (durch geeignete Tag-Namen) Fortschritt, aber Strukturen noch ohne Bedeutung RDF… …kann Bedeutung ausdrücken, ohne Annahmen zur Struktur. …besteht aus Tripeln: Subjekt, Prädikat, Objekt …ist ein Datenmodell für Metadaten.

Felix Naumann, VL Informationsintegration, WS 05/06 25 Metadaten Format: RDF RDF (Resource Description Framework) Jenseits von Maschinenlesbarkeit: Maschinenverstehbarkeit RDF besteht aus zwei Teilen: RDF Modell (eine Menge von Tripeln) RDF Syntax (verschiedene XML-Serialisierungs Syntaxen) RDF Schema Definition von Vokabularen (einfache Ontologien) für RDF Formuliert in RDF Quelle: [DK03]

Felix Naumann, VL Informationsintegration, WS 05/06 26 RDF Beispiel Ausdruck Peter Mueller ist Autor der Ressource ISBN... pers05 ISBN... Author-of Quelle: [OH03] pers05 ISBN... Author-of MIT ISBN... Publ- by Author-of Publ- by Struktur Ressource (Subjekt) ller Eigenschaft (Prädikat) orOf Wert (Objekt) Peter Mueller Gerichteter Graph

Felix Naumann, VL Informationsintegration, WS 05/06 27 Schachtelung mit RDF Jeder Ausdruck kann wiederum eine Ressource sein: Schachtelung von Graphen – reification (Verdinglichung) pers05 ISBN... AutorVon NYT behauptet ISBN... Quelle: [OH03]

Felix Naumann, VL Informationsintegration, WS 05/06 28 Vorteile von RDF vs. XML Der Autor der Seite ist Peter RDF: triple(author, Seite, Peter) XML: Quelle: Seite Peter Peter href=Seite" Peter href=Seite" Peter a="ppppp" qqqqq Anfragen nur über das Dokument, nicht über dessen Bedeutung: Ist ppppp ein y von qqqqq? Oder ist qqqqq ein z von ppppp? Aber es kann viele verschiedene Schemata für die gleiche Bedeutung geben. <Description xmlns=" xmlns:s=" about=" s:Author =" /> Nur falls Schema vorhanden, kann man sinnvolle Fragen stellen.

Felix Naumann, VL Informationsintegration, WS 05/06 29 Überblick Motivation und Definition TXT XML XML RDF(S) RDF Ontologien Ausblick / Diskussion Rückblick & Evaluation

Felix Naumann, VL Informationsintegration, WS 05/06 30 Semantic Web Quelle: Tim Berners-Lee

Felix Naumann, VL Informationsintegration, WS 05/06 31 XML / RDF Ontologien XML und RDF Kein Standard-Vokabular um Semantik auszudrücken Gleiche Probleme wie bisher, jedoch auf Tag- Ebene Keine Standard-Struktur (Hierarchie) um Semantik auszudrücken. Ontologien stellen Standard-Vokabulare bereit. stellen Standard-Struktur bereit.

Felix Naumann, VL Informationsintegration, WS 05/06 32 Motivation für Ontologien class-def animal% animals are a class class-def plant% plants are a class subclass-of NOT animal% that is disjoint from animals class-def tree subclass-of plant% trees are a type of plants class-def branch slot-constraint is-part-of% branches are parts of some tree has-value tree max-cardinality 1 class-def defined carnivore% carnivores are animals subclass-of animal slot-constraint eats % that eat any other animals value-type animal class-def defined herbivore % herbivores are animals subclass-of animal, NOT carnivore % that are not carnivores, and slot-constraint eats % they eat plants or parts of plants value-type plant OR (slot-constraint is-part-of has-value plant) Quelle: [OH03]

Felix Naumann, VL Informationsintegration, WS 05/06 33 Was ist eine Ontologie? Eine Ontologie ist eine formale, explizite Spezifikation einer gemeinsamen Konzeptionalisierung – Tom Gruber Konzeptionalisierung (Conceptualization): Abstraktes Modell von Phänomenen der wirklichen Welt durch Identifikation der relevanten Konzepte der Phänomene. Explizit: Verwendete Konzepte (und deren Typen und Bedingungen darauf) sind explizit definiert. Formal: Maschinenlesbar Gemeinsam: Reflektiert Wissen über das Konsens in der Gemeinde herrscht. Quelle: [Fen03]

Felix Naumann, VL Informationsintegration, WS 05/06 34 Was ist eine Ontologie? Ontologien sind soziale Kontrakte: Akzeptierte, explizite Semantik Verständliche für Außenstehende (Meist) erzeugt in einem community process. Im Gegensatz zu Datenbankschema Zielrichtung dort: Physischen Datenunabhängigkeit Im Gegensatz zu XML-Schema Zielrichtung dort: Dokumentstruktur Quelle: [DK03]

Felix Naumann, VL Informationsintegration, WS 05/06 35 Arten von Ontologien Domänen-Ontologien Für eine spezielle Domäne (Elektronik, Medizin, Datenbanken, usw.) Meta-Ontologien Verwendbar über Domänen hinweg Stellen Vokabular zur Verfügung Beispiel: Dublin Core für Dokumente Generische Ontologien (common sense) Vokabular über Dinge, Ereignisse, Zeit, Raum, etc. Verwendbar über Domänen hinweg Beispiel: Meter und Inch Konvertierungtabellen Quelle: [Fen03]

Felix Naumann, VL Informationsintegration, WS 05/06 36 Ontologien: Beispiele WordNet Worte mit natürlichsprachlicher Bedeutung Organisiert in Synonym-Sets Kategorisierung Substantiv, Verb, Adjektiv, Adverb, Funktionswort Zusätzliche Beziehungen Synonym, Antonym Hyponomy (is-a Beziehungen als Hierarchie) Meronymy (part-of Beziehungen) Morphologie (für Wortformen) Vorteile Domänenunabhängig, groß, frei verfügbar

Felix Naumann, VL Informationsintegration, WS 05/06 37 Ontologien: Beispiele Cyc Entstammt aus KI Forschung Versuch, Allgemeinwissen zu formalisieren de Konzepte formalisiert Millionen Axiome, Regeln, Einschränkungen Cycorp

Felix Naumann, VL Informationsintegration, WS 05/06 38 Eine high-level Ontologie Quelle: [HHL04]

Felix Naumann, VL Informationsintegration, WS 05/06 39 Gene Ontologie Ziel: Kontrolliertes Vokabular (controlled vocabulary) über Organismen in Bezug auf Gene und Proteine Ausdrücke [Term] id: GO: name: mitochondrion inheritance namespace: process def: "The distribution of mitochondria\, including the mitochondrial genome\, into daughter cells after mitosis or meiosis\, mediated by interactions between mitochondria and the cytoskeleton." [PMID: , PMID: , SGD:mcc] is_a: GO: (-> organelle inheritance) is_a: GO: (-> mitochondrian distribution) [Term] id: GO: name: mitochondrial genome maintenance namespace: process def: "The maintenance of the structure and integrity of the mitochondrial genome." [GO:ai] is_a: GO: [Term] id: GO:

Felix Naumann, VL Informationsintegration, WS 05/06 40 Gene Ontology Probleme in GO (aus [SKK04]) z.B. A partOf B A is always part of B A is sometimes part of B A can be part of B Vocabulary A is included within vocabulary B Ähnliches für A isA B

Felix Naumann, VL Informationsintegration, WS 05/06 41 Überblick Motivation und Definition TXT XML XML RDF(S) RDF Ontologien Ausblick / Diskussion Rückblick & Evaluation

Felix Naumann, VL Informationsintegration, WS 05/06 42 Semantic Web Quelle: Tim Berners-Lee

Felix Naumann, VL Informationsintegration, WS 05/06 43 Killer-Application des Semantic Web? Das Semantic Web selbst! Ähnlich wie das Web selbst Killer-App des Internet war. Wichtige Anwendungen z.B. Online Kataloge für B2B und B2C Reiseplanung und Reisekoordination mit Terminplaner

Felix Naumann, VL Informationsintegration, WS 05/06 44 Die Zukunft des Semantic Web Semantic Web in der physischen Welt URI zeigen auf physische Objekte RDF beschreibt physische Objekte Physische Objekte beschreiben ihre Fähigkeiten und Funktionen. Home-automation Lautstärkeregelung Mikrowelle sucht nach optimalen Kochparametern auf Iglo Webseite Aber: Es gibt auch Kritik und viele Skeptiker!

Felix Naumann, VL Informationsintegration, WS 05/06 45 Überblick Motivation und Definition TXT XML XML RDF(S) RDF Ontologien Ausblick / Diskussion Rückblick & Evaluation

Felix Naumann, VL Informationsintegration, WS 05/06 46 Integrierte Informationssysteme Integriertes Informations- system Oracle, DB2… Design time Web Service Anwen- dung HTML Form Integriertes Info.-system Datei- system Anfrage Architekturen Anfragesprache Schemamanagement Wrapper Run time Anfrageausführung Optimierung Anfrageplanung Datenfusion / ETL

Felix Naumann, VL Informationsintegration, WS 05/06 47 Glossar aus [BLHL01] Resource: Web jargon for any entity. Includes Web pages, parts of a Web page, devices, people and more. URL: Uniform Resource Locator. URI: Universal Resource Identifier. URLs are the most familiar type of URI. A URI defines or specifies an entity, not necessarily by naming its location on the Web. RDF: Resource Description Framework. A scheme for defining information on the Web. RDF provides the technology for expressing the meaning of terms and concepts in a form that computers can readily process. RDF can use XML for its syntax and URIs to specify entities, concepts, properties and relations. Ontologies: Collections of statements written in a language such as RDF that define the relations between concepts and specify logical rules for reasoning about them. Computers will "understand" the meaning of semantic data on a Web page by following links to specified ontologies. Agent: A piece of software that runs without direct human control or constant supervision to accomplish goals provided by a user. Agents typically collect, filter and process information found on the Web, sometimes with the help of other agents. Service discovery: The process of locating an agent or automated Web-based service that will perform a required function. Semantics will enable agents to describe to one another precisely what function they carry out and what input data are needed.

Felix Naumann, VL Informationsintegration, WS 05/06 48 Literatur [BLHL01] T. Berners-Lee, J. Hendler, O. Lassila, The Semantic Web, Scientific American, May 2001 [DK03] Stefan Decker und Vipul Kashyap. The Semantic Web: Semantics for Data on the Web, Tutorial at VLDB 2003 Berlin. [Fen03] Dieter Fensel. Lecture Introduction: Semantic Web & Ontology, 2003 [OH03] Slides: Semantic Web. Jacco van Ossenbruggen, Lynda Hardman. CWI Amsterdam [BL] Tim Berners Lee. The Semantic Web (slides). Web sites