Dan's Brain

Modellazione Concettuale per il Web Semantico

university compsci master

Linguaggi

SNePS

  • see SNePS
  • $ crea variabili
  • * riferisce a variabili
(assert forall $p
    ant (build member *p class Pompeian)
    cq (build member *p class Roman))
  • antecedent
  • consequent
(assert forall $r
    ant (build member *r class Roman)
    cq (build min 1 max 1
        arg((build arg1 *r
                rel loyal\ to
                arg2 Caesar)
            (build arg1 *r
                rel hate
                arg2 Caesar))))
Code Snippet 1: Tutti i romani sono fedeli a Cesare oppure lo odiano
  • OR esclusivo implementato come min 1 max 1 nodi valgono
(assert forall ($ppl $rlr)
    &ant ((build member *ppl class person)
        (build member *rlr class ruler)
        (build arg1 *ppl
            rel try\ to\ assassinate
            arg2 *rlr))
    cq (build min 0 max 0
        arg (build arg1 *ppl
            rel loyal\ to
            arg2 *rlr)))
Code Snippet 2: Le persone assassinano solo i sovrani a cui non sono fedeli
  • NOT implementato come min 0 max 0

Dai comandi di assert il sistema costruisce i nodi molecolari corrispondenti.

Contesti

  • un nodo può essere asserito o meno
  • per rappresentare credenze di più soggetti il sistema può contenere più contesti
    • contesti fatti di ipotesi, un nodo asserito o derivato da inferenza
:context nodeset context-name

Interrogare la rete

Il comando utente find trova uno o più nodi della rete

  • la rete si comporta come un database di fatti
(find class elephant)

(find (member-class) canary (object-ability) fly)

Credenze

(assert agent John
        act believe
        object (build object Opus ability fly))

Deduzioni

(deduce member $x class canary)
Code Snippet 3: Trova tutti gli x appartenenti alla classe canary

Inferenza

  • Riduzione

    Dedurre dal grafo una porzione in esso contenuta.

  • Path

    Stabilire che un percorso fatto di certe relazioni è uguale a una relazione usando il comando define-path

    • si definisce un certo percorso (definito in base alle sue caratteristiche) uguale a un singolo arco
    (define-path isa (compose isa
                    (kstar (compose object-isa))))
    • kstar sta per zero o più occorrenze
    (define-path
    has2 (compose   (kstar (compose isa object- ))
                    has (kstar (compose object- has))
                    (kstar (compose object- !isa))))
    Code Snippet 4: X has2 Y if: X isa A and A has B and B isa Y

  • Regole

    • regole definite arbitrariamente dall’utente
      • questo è il loro punto debole
    • parte della base di conoscenza
    • aumentano notevolmente la conoscenza della rete
    (assert member Marcus class man)
(assert member Marcus class Pompeian)
(assert member Caesar class ruler)

    (assert forall $p
    ant (build member *p class Pompeian)
    cq (build member *p class Roman))
    Code Snippet 5: All Pompeians were Romans

RDF

  • see RDF
    • descrivere risorse
  • RDFS
    • descrivere relazioni tra risorse
    • property-centric language
  • OWL
    • a livello superiore rispetto RDF
    • descrivere relazioni ricche e complesse tra entità
    • class-centric language
  • Semantic Web: W3C’s vision of the Web of Linked Data
  • le specifiche RDF si suddividono in una serie di documenti
    • primer
    • concepts/syntax
    • XML
    • semantics
    • schema
    • test cases

Data Model

  • Triple
    • unita' base
    • soggetto - predicato - oggetto
      • soggetto: IRI o blank
      • predicato: IRI
      • oggetto: IRI blank o letterale
  • IRI
  • Letterali
  • Blank nodes
    • assume significato grazie alla sua posizione nel grafo
    • denota risorse senza l’utilizzo di IRI
      • una variabile, si rappresenta tramite le sue caratteristiche
    • puo' essere associato a un identificativo (generato)
  • Grafi
    • IRI + triple

La descrizione di una certa entità si basa sull’utilizzo di vocabolari condivisi.

<Bob><http://xmlns.com/foaf/0.1/topic_interest><The Mona Lisa>
Code Snippet 6: esempio di uso di Friend of a Friend (foaf)

I vocabolari sono identificati da prefissi

  • i prefissi indicano namespace
  • dc per Dublin Core
  • foaf per friend of a friend

Turtle

Il linguaggio RDF piú utilizzato, leggibile facilmente da umani.

@prefix foaf: <http://xmlns.com/foaf/0.1/> .
...

<...#green-goblin>
    rel:enemyOf <...#spiderman> ;
    a foaf:Person ;
    foaf:name "Green Goblin" .

<...#spiderman>
    rel:enemyOf <...#green-goblin> ;
    a foaf:Person ; # spiderman is a Person as defined in foaf.
    foaf:name "Spiderman" .

in Turtle

  • la relazione isa (rdf:type) è abbreviata in a.
  • gli ISA sono tra parentesi angolari se per esteso, altrimenti sono utilizzati con il prefisso definito
    • il fragment identifier segue il #

La feature principale di Turtle è la abbreviazione delle triple:

:spiderman :enemyOf :green-goblin ;
           :name    "Spiderman" ,
                    "Uomo Ragno" .
  • @base è utilizzato per definire un prefisso vuoto per alleggerire la scrittura

I blank node sono definiti all’interno di parentesi quadre.

I letterali sono seguiti dal loro tipo di dato

  • a seguire del delimitatore ^^ l'IRI definito per il tipo (o una abbreviazione)

RDFS

Linguaggio property-centric

  • definire classi, proprietá
  • definire gerarchie

Si definiscono (principalmente)

  • class
  • property
  • type
  • subclass
  • subproperty
  • domain
  • range (codominio)
animals:Film rdf:type rdfs:Class .

animals:Animale rdf:type rdfs:Class .

animals:Quadrupede rdf:type rdfs:Class ;
                   rdfs:subClass animals:Animale .

Vocabolari

https://lov.linkeddata.es

Dublin Core

https://www.dublincore.org Schema di Metadati

  • cataloghi di schede
  • data about data - descriptive metadata
  • 15 elementi generici molto utilizzati, per facilitare la scopribilitá delle risorse
    • Creator
    • Contributor
    • Publisher
    • Title
    • Date
    • Language
    • Format
    • Subject
    • Description
    • Identifier
    • Relation
    • Source
    • Type
    • Coverage
    • Rights
  • descrive risorse anything that has identity
    • tipi di risorsa
      • collection, dataset, event, image, interactive resource, service, software, sound, text, physical object

Principali namespace:

Europeana é una risorsa

Friend of a Friend

foaf

  • core
    • Agent, Person, name, title, knows…
  • social web
    • nick, homepage, interest, account…

Schema

https://schema.org

  • collaborative
  • schemas for structured data on the Internet
  • collaborazione di Google, Microsoft…
  • Thing, Action, CreativeWork…
  • Organization, Airline, Consortium, Corporation…

Inferenza

Fatta a partire dalla semantica definita sui vocabolari.

  • definizioni di domain e range trasportano conoscenza sulle istanze
  • transitività di sotto-classe, di sub-property ad esempio

Ontologie Computazionali

An engineering artifact, constituted by a specific vocabulary used to describe a certain reality, plus a set of explicit assumptions regarding the intended meaning of the vocabulary itself.

  • rappresentazione astratta di concetti e loro relazioni
  • ontologie formali rappresentate secondo formalismi noti, machine readable
  • finalità di condividere concettualizzazioni comuni tra individui, organizzazioni, macchine

Sono costituite da:

  • classi
  • proprietà
  • assiomi
  • individui

I linguaggi delle ontologie formali descrivono

  • caratteristiche delle classi
  • caratteristiche delle relazioni tra le classi

Le ontologie possono essere definite

  • top-level, concetti fondazionali comuni a tutti i domini
  • mid-level, usano il livello fondazionale per definire concetti general
    • organizzazioni, comunicazione, stati fisici, sistemi di misura
  • domain ontologies, rappresentano concetti e relazioni proprie di un dominio specifico
  • large-scale
    • CYC, YAGO, YAGO2, dbpedia
Figure 1: esempio di una top-level ontology

Figure 1: esempio di una top-level ontology

La conoscenza di senso comune (commonsense knowledge) è importante per task che prevedano interazione con umani

  • CYC: enCYClopedic Knowledge
    • base di conoscenza di 200k concetti circa
    • divisa in microteorie o domini, compartimentando la conoscenza

Per l’accesso ai concetti è importante l’integrazione con il linguaggio naturale.

SuMo

Progetto di IEEE: Suggested Upper Merged Ontology

  • scritta in KIF (Knowledge Interchange Format)
  • attualmente abbandonata
  • allineato con WordNet (ontologia lightweight) per permettere la ricerca tramite linguaggio naturale
    • le ontologie lightweight di questo tipo sono solitamente semplici tassonomie, senza assiomi e con poche relazioni
(=>
    (instance ?EF EngineFan)
    (hasPurpose ?EF
        (exists (?C ?E ?A)
            (and
                (instance ?A Automobile)
                (instance ?C Cooling)
                (instance ?E InternalCombustionEngine)
                (part ?E ?A)
                (part ?EF ?A)
                (instrument ?C ?EF)
                (patient ?C ?E)))))
Code Snippet 7: esempio di assioma SUMO

Linked Open Data

  • dati pubblici
  • dataset nella rete integrate nella rede LOD Cloud
  • Wikidata

I linked data sono un metodo per pubblicare dati strutturati in modo che possano essere collegati e diventare più utili, interrogabili da query semantiche.

Basato su tecnologie Web standard:

  • http
  • RDF
  • URI

Fondato sulla deferenzializzazione delle entità definite nelle ontologie

  • ovvero ottenere descrizioni RDF di entità

Per rendere gli URI deferenziabili esistono due strategie

  • 303 URIs
    • viene restituita, tramite reindirizzamento, la risorsa specifica ricercata
  • hash URIs
    • viene restituito il documento, il client deve ritrovare la risorsa specifica che vuole

Nei linked data esistono diversi tipi di link nelle triple RDF

  • relationship link
    • punta oggetti collegati in altre sorgenti dati
  • identity link
    • punta URI alias in altre sorgenti
    • nel mondo aperto dei linked data è comune che stesse entità siano riferite da sorgenti diverse con URI diversi
    • utilizzo della proprietà owl:sameAs
  • vocabulary link
    • punta definizioni dei termini di vocabolario
    • owl:equivalentClass
    • owl:equivalentProperty
    • rdfs:subClassOf
    • skos:broadMatch

Linked Date Platform

LDP

Use of HTTP for accessing, updating, creating and deleting resources from servers that expose their resources as Linked Data.

OWL

Protégé

Ontology Engineering

SKOS

Simple Knowledge Organization Systems Utilizzato per organizzare e utilizzare risorse tassonomiche nei Linked Data. Queste risorse di tipo tassonomico sono disponibili in formato RDF. SKOS permette di usare vocabolari di provenienze diverse, annulla le relazioni tra concetti proprio delle ontologie.

  • altra raccomandazione di W3C è DCAT

Using SKOS, concepts can be identified using URIs, labeled with lexical strings in one or more natural languages, assigned notations (lexical codes), documented with various types of note, linked to other concepts and organized into informal hierarchies and association networks, aggregated into concept schemes, grouped into labeled and/or ordered collections, and mapped to concepts in other schemes.

  • modello per esprimere la struttura base per schemi concettuali
    • tesauri, schemi di classificazione, tassonomie
  • come applicazione di RDF permette di pubblicare concetti sul World Wide Web
ex:animals rdf:type skos:Concept;
    skos:prefLabel "animals"@en;
    skos:narrower ex:mammals.

ex:mammals rdf:type skos:Concept;
    skos:prefLabel "mammals"@en;
    skos:broader ex:animals.
  • concepts sono relati con altri
    • related
    • narrower - broader
ex:pineapples rdf:type skos:Concepts;
    skos:prefLabel "pineapples";
    skos:definition "The fruit of plants of the family Bromeliaceae".
  • associare concepts con la loro documentazione
    • definition
    • example
    • historyNote
    • changeNote
ex:animalThesaurus rdf:type skos:ConceptScheme;
    dct:title "Simple animal thesaurus";
    dct:creator ex:antoineIsaac.

ex:animals rdf:type skos:Concept;
    skos:inScheme ex:animalThesaurus.
  • schemi di concetti come tesauri
    • ConceptScheme
    • inScheme

SKOS può fare mapping tra schemi diversi

  • broadMatch

Tesauri e Tassonomie

SWRL

  • antecedente - conseguente
    • antecedente valutato su un dataset
  • regole dichiarative
    • conseguente è una nuova asserzione
  • regole di produzione
    • conseguente è un’azione

SWRL rende OWL non più decidibile.

  • forma IF-THEN
    • antecedente e conseguente
  • le regole possono solo asserire nuove relazioni/proprietà
    • non può creare individui
  • può essere aggiunto a Protégé
  • utilizza un engine sterno (Drools)
  • implementazione migliorata da algoritmo RETE
    • pattern matching
cinema:Personaggio(?x)
^
cinema:personaggioDi(?x,?y)
^
cinema:Commedia(?y)
->
cinema:PersonaggioComico(?x)

cinema:haRuolo(?a,?r)
^
cinema:compenso(?r,?c)
^
swrlb:greaterThan(?c,300000)
->
cinema:AttoreMoltePagato(?a)
Code Snippet 8: Esempi di regola

RIF

Rule Interchange Format

  • standard W3C
  • facilita sintesi e integrazione di sistemi di regole
  • le regole vengono usate anche nei Linked Data per effettuare ragionamenti ad hoc
Forall ?Actor ?Film ?Role (
    If And(<http://example.com/imdbrelations#playsRole>(?Actor ?Role)
           (<http://example.com/imdbrelations#roleInFilm>(?Role ?Film))
    Then <http://dbpedia.org/ontology/starring>(?Film ?Actor)
)
Code Snippet 9: regola per la corrispondenza tra IMDB e Dbpedia

Gestire e Interrogare grafi RDF

SPARQL

  • linguaggio per query
  • supporta
    • XML
    • JSON
    • CSV
    • TSV
  • query indirizzare a un indirizzo http che ospita un endpoint SPARQL
  • endpoint esegue le query sui dataset contenuti in uno triple store

Lo schema è classico:

PREFIX foo: <http://example.com/resources/>

FROM ...

WHERE { ... }

ORDER BY ...

SPARQL permette di lavorare con i grafi in modo simile a un database:

  • INSERT
  • DELETE
  • ASK
    • permette di ottenere una risposta booleana rispetto l’esistenza di una o più triple

Esempi

PREFIX cinema: <http://.../cinema#>

SELECT ?subject
    WHERE {?subject rdf:type cinema:Persona}

SELECT ?subject
    WHERE {?subject :haPopolazione :popolazioneDiTorino;
                    rdf:type :Città}

SELECT ?c ?p
    WHERE {
        ?c :haPopolazione ?p.
        ?p rdf:type :PopolazioneAmpia.
    }

SELECT ?p ?f
    WHERE {
        ?p rdf:type cinema:Persona;
            cinema:haRuolo ?r.
        ?r rdf:type cinema:Registra;
            cinema:ruoloInFilm ?f.
    }

È possibile includere filtri per selezionare un sottoinsieme dell’insieme dei risultati.

SELECT ?c ?p
    WHERE {
        ?c  :haPopolazione ?p;
            :situatoIn ?n;
            :nomeCittà ?o.
        ?n rdf:type :NazioneAsiatica.
        ?p rdf:type :PopolazianeAmpia.
        FILTER regex(?o, "Tokio").
    }

SELECT ?c
    WHERE {
        ?c  :situatoIn ?n;
            :dataFondazione ?a.
        ?n rdf:type :NazioneAsiatica.

        FILTER (?a>800)
    }

È possibile ordinare e raggruppare i dati.

SELECT ?f (COUNT(?p) AS ?count)
    WHERE {
        ?f cinema:haPersonaggio ?p.
    } GROUP BY ?f ORDER BY ?f

I blank node sono indicati da []

SELECT ?persona (MAX(?compenso) AS ?piùpagato)
    WHERE {
        ?persona cinema:haRuolo ?ruolo.
        ?ruolo cinema:compenso ?compenso
    } GROUP BY ?persona

GraphDB

Basato sul framework RDF4J che processa i dati RDF

  • http://rdf4j.org
  • ha funzionalità di
    • parsing
    • store
    • inference
    • query
  • utilizzabile con suo database RDF o altre soluzione di storage

Nella creazione delle repository è possibile scegliere il ruleset di inferenza

  • i nostri progetti dovrebbero ricadere in OWL2-RL
  • evita di materializzare da Protegé ed eseguire inferenza direttamente al momento del caricamento delle triple

Query Federate

JENA

Altro framework utilizzato con il reasoner Pellet o Hermit. A differenza di RDF4J supporta OWL.

Virtuoso

  • open-source rilasciato da OpenLink
  • cross-platform

User e secret default dba. Le operazioni vengono condotte nella sezione Conductor. È possibile caricare tramite Quad Store Upload

  • quad in quanto vengono viene aggiunto alle triple il grafo di appartenenza

Si possono salvare dei namespace associando prefissi.

Il default graph è http://localhost:8890/DAV/.

I file caricabili sono .rdf, .ttl, .nt.

Tramite il browser faceted è possibile deferenziare gli URI che si desidera visualizzare.

Pubblicare i Dati

Relazioni tra classi

  • sottoclasse
  • classi disgiunte

Logiche descrittive

  • orientate alla classificazione
  • basate sulla sussunzione
  • completezza e trattabilità computazionale
  • esempi
    • LOOM, BACK, CLASSIC
    • JENA, RACER, OWLIM

Progetto - Ontologia

Requirements

  • Documentazione sul dominio di conoscenza
    • siti
    • manuali
    • standard
  • Funzionalità
    • reference
    • annotazione
    • interoperabilità
    • accesso ai dati
  • Competency Questions
    • domande a cui l’ontologia deve rispondere

Modellazione

  • Ontology engineering
    • pattern
  • sorgenti di conoscenza
    • domain level
    • fondazionali
    • vocabolari
    • tassonomie
  • allineamento
    • OWL, RDF, SKOS
  • ragionamento automatico
  • documentazione

Knowledge Graph

  • IRI design
  • fragment identifier comprensibili
  • popolamento ontologia
    • manuale
    • mapping tools
      • SPARUL
        • importazione da Google Knowledge Graph
      • R2RML
        • da database
  • visualizzazione esempi significativi

Pubblicazione

  • LDP locale
    • virtuoso
    • GraphDB
    • Blazegraph
    • Jena + Pellet
    • Vesa + Fuseki
  • materializzazione delle inferenze
  • upload

Applicazione

  • funzionalità e flusso
  • query
  • implementazione

Links to this note