6 Semanttinen Web 101

Transkriptio

1 6 Semanttinen Web 101 Laajamittainen tiedonvälitys edellyttää sopimusta tietorakenteista. Tietorakenteiden ohella tarvitaan kuitenkin myös sopimuksia eri tietorakenteiden välisistä yhteyksistä. Jos kaikki maailman tieto mallinnettaisiin "samalla tapaa", työ helpottuisi. Semanttinen Web (Semantic Web, SW) määrittelee joukon perustekniikoita jotka tähtäävän yhteisen tietomallin varassa toimivien sovellusten yhteensopivuuden perustaksi. Tavoitteena on rakentaa tietotekninen perusta jonka varassa tietokoneet voi tulkita, ja erityisesti käsitellä, myös "semanttista" tietoa, massiivisesti hajautettuna. Kärjistäen, koska tietokoneet eivät ymmärrä asioita sinänsä, SW tähtääkin tiedon mallintamiseen "tietokoneiden näkökulmasta" (rautalankaa kaihtamatta...). MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 120

2 6.1 Välisoitto Vaikka SW tarjoaa myös perustekniikkaa esim. "tekoälysovelluksiin", SW on pohjimmiltaan tarkoitettu varsin "arkisten" tiedonvälitykseen liittyvien tehtävien toteuttamiseen...jotka toteutuessaan ovat hyvinkin merkittäviä Erityisesti: SW sinänsä ei ratkaise esim. ns. tietojenkäsittelyn "vaikeita ongelmia" (erityisesti kombinatorinen räjähdys) MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 121

3 6.2 Esimerkki: uutistietojen yhdistely (vrt. RSS) organisaation A tiedotteet ja verkkouutiset organisaation B tiedotteet ja verkkouutiset saatavilla olevia tietolistoja yhdistelevä ja suodattava sovellus organisaation C tiedotteet ja verkkouutiset Ks. esim. tai Hajautettu uutisointi: kuka tahansa voi julkaista uutisia - uutiset kuvaillaan esim. ajan, julkaisijan ja sopivan luokituksen perusteella - julkaistuista uutisista koostetaan näkymiä jotka voidaan räätälöidä eri tarpeisiin sopiviksi MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 122

4 6.3 Esimerkki: ratkaisumalli & huomioita Ratkaisumalli: - uutistieto kuvataan standardiformaatissa, uutisten kuvailuun käytetään yhteisesti sovittuja luokituksia - teknisesti joko XML- tai RDF-ratkaisu Haasteita: 1. välineet ja tekninen yhteensopivuus? 2. löydettävyys? 3. semanttinen yhteensopivuus: esim. yhteiset sovitut metatiedot & luokitusjärjestelmät? 4. oikeellisuus ja sabotaasi: ovatko uutiset esim. "totta", onko ne kuvattu "oikein", vastaako uutisten volyymi niiden "tärkeyttä"? Itse asiassa vaikeimpia tehtäviä ovat juuri 3 ja 4 (!) MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 123

5 6.4 Perusidea: Web tietämyskantana Kärjistetysti, SW voidaan nähdä universaalin tietokannan määrittelynä yhteensopiva tietomalli yhteensopiva tietorakenne SW haku, yhdistely, kysely, päättely A' B' C' adapteri adapteri adapteri sovelluskohtainen tietorakenne A B C Tarkoitus ei kuitenkaan ole "siirtää" tietoja Semanttiseen Webiin, vaan kuvata (olemassa olevaa) tietoa (ts. lähtökohtaisesti kyse on loogisesta rakenteesta) MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 124

6 6.5 SW ja tiedon mallinnus (1/2): perusteet Mallinnus = (kiinnostavan sovelluksen) entiteettien identifiointia ja näiden piirteiden koodausta yhteisesti sovitulla kieliopilla, sanastolla ja käsitteillä SW lähtee liikkeelle seuraavasta asetelmasta: - kaikki, mistä jotain halutaan sanoa, nimetään URI-nimellä ( hajautettu sanastojen ja nimien kehitys) - mallinnukseen käytetään standardoituja sanastoja - yhteisiä nimiä käytetään mahdollisimman paljon SW:n mallinnuksen perusta on W3C-suositus Resource Description Framework (RDF) joka määrittelee abstraktin mallinnuskielen - "...tässä on koira joka puri kissaa joka söi sen hiiren joka möi sen mallaspussin joka oli talossa jonka rakensi Jussi..." Kuvailutietojen laaja saatavuus johtaa datalähtöisiin sovelluksiin MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 125

7 6.6 SW ja tiedon mallinnus (2/2): esimerkki Aiottu tulkinta: ammatti Suomen presidentti Mallinnus (koodaus): jobs:affiliation Suomen presidentti Asia tietokoneen silmin : Klik. liittyy jotenkin jobs-sanaston tulkintaan. Klik. (#(uri), #(jobs:affiliation), ) ÄLY syntyy merkitysten verkosta MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 126

8 6.7 Lausumien perusrakenne (1/2) Kuvailutieto esitetään suunnattuna graafina RDF-graafi (semanttinen verkko) muodostuu siis lausumista (statement) Lausumat rakentuvat (kaksi graafin solmua yhdistävien) kolmikoiden (s, p, o) varaan: - subjekti (subject) identifioi sen resurssin (resource) mitä kuvaillaan (tai yleisemmin: nimettävissä olevan asian (thing)) - predikaatti (predicate) ilmoittaa ominaisuuden tai suhteen - objekti (object) ilmoittaa ominaisuuden arvon tai identifioi suhteen toisen osapuolen Loogisesta näkökulmasta katsottuna RDF-lausuma voidaan vaihtoehtoisesti esittää esim. muodossa P(s, o) tai Triple(s, p, o) Lausumat voidaan esittää usein eri tavoin (esim. RDF/XML vs. N3) MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 127

9 6.8 Lausumien perusrakenne (2/2) Kuvailutieto nimetään URI-nimien avulla - predikaatilla on aina nimi - subjekti tai objekti voi olla myös nimetön; tätä vastaa RDF-graafissa ns. tyhjä solmu (blank node) - objekti voi olla myös ns. literaali (literal); tyypillinen literaali on esim. predikaatin "osoite" arvona toimiva merkkijono "Korkeakoulunkatu 1" (koska literaali ei voi olla subjekti, ei niistä voida sanoa mitään "lisää") SW lähtee liikkeelle ajatuksesta että kaikki tieto voidaan esittää näin...kyse on vain siitä, miten monimutkaiseksi mallinnus muodostuu, vrt. monipaikkaisten relaatioiden esittäminen kolmikoilla Lähemmin tarkasteltuna syntaksi on hieman monimutkaisempi, mutta palaamme yksityiskohtiin tuonnempana MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 128

10 6.9 Esimerkki (ks. RDF Primer) "There is a Person identified by whose name is Eric Miller, whose address is em@w3.org, and whose title is Dr." Huomaa diagrammikielen notaatio: - ovaali ~ solmu - nuoli ~ predikaatti - laatikko ~ literaali(solmu) Graafia voidaan helposti "jatkaa" uusilla lausumilla MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 129

11 6.10 Huomioita: miten sanottiin, mitä sanottiin ja mistä? URI-nimillä identifioitiin nyt - yksilöitä (Eric Miller) - luokkia tai tyyppitietoa (Person) - yksilöiden ominaisuuksia (esim. mailbox) - ominaisuuksien arvoja (esim. "mailto:em@w3.org") Jotta kokonaisuus olisi ymmärrettävä, tarvitaan siis - yhteisesti sovittuja nimiä - ja erityisesti: standardoituja predikaatteja (rdfs:type) Jos tarkkoja ollaan, ko. RDF-graafilla on muitakin tulkintoja kuin edellä esitetty ns. aiottu tulkinta -...koska kaikilla URI-nimillä ei sinänsä ole "standardoitua merkitystä" (nyt nimi MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 130

12 6.11 Esimerkki: RDF/XML Koska tietokoneet eivät ymmärrä abstrakteja diagrammeja, tarvitaan raaka sarjallistus: <?xml version="1.0"?> <rdf:rdf xmlns:rdf=" xmlns:contact=" <contact:person rdf:about=" <contact:fullname>eric Miller</contact:fullName> <contact:mailbox <contact:personaltitle>dr.</contact:personaltitle> </contact:person> </rdf:rdf> Huomioita: XML-koodaus, URI-nimet ja nimiavaruudet, "monta verbiä samasta subjektista",... MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 131

13 6.12 Esimerkki: N3 RDF/XML on normatiivinen tapa esittää RDF-dataa, käytännössä kuitenkin (RDF/XML:ää vahvempi...) N3 (Notation 3) taipuu mukavammin esim. "kynällä ja rdf: contact: em: < em:me rdf:type contact:person. em:me contact:fullname "Eric Miller". em:me contact:mailbox em:me contact:personaltitle "Dr.". Kuten RDF/XML, myös N3 sallii lyhennemerkintöjä, esim.... em:me contact:fullname "Eric Miller" ; contact:mailbox <mailto:em@w3.org> ; contact:personaltitle "Dr.". N3:n osajoukkoja ovat esim. NTriples ja Turtle MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 132

14 6.13 Määritelytekninen perusta (1/3): RDF Semanttisen Webin määrittelyteknisen ytimen muodostavat W3C:n asettamat suositukset, erityisesti Resource Description Framework (RDF) -tekniikkaan perustuen. Määritys koostuu useista spesifikaatioista RDF:n XML-kielioppi (RDF/XML) ja -tietomalli (RDF Data Model) asettavat ns. lausumien (statement) peruskieliopin (semanttinen verkko on joukko lausumia) RDF-skeemat (RDF Schema) asettaa sanastojen määrittelyn perustan, luokan (class) ja ominaisuuden (property) peruskäsitteiden varassa RDF-tulkintateoria (RDF Semantics) määrittelee kahden RDF-graafin välisen loogisen seuraussuhteen jota tarvitaan pätevässä päättelyssä (ts. päteekö G 1 G 2 ) (käytännössä (α β) α ja P(a) P(?x)) Kuten XML skeemojen tapauksessa, myös RDF-tekniikan perusteiden opiskeluun löytyy RDF Primer -dokumentti MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 133

15 6.14 Määrittelytekninen perusta (2/3): OWL ja huomioita RDF:n varaan rakentuu myös toinen SW-perustekniikka, Web Ontology Language (OWL) palaamme tähän kurssilla myöhemmin Harmittavasti, SW:n määrittelytekninen perusta on (osin legacy-taustastaan johtuen) hieman ontuva: - "RDF-logiikka" ei suoraan vastaa oikeastaan yhtäkään yleisesti tunnettua loogista järjestelmää - RDF/XML määrittelee "peruskäsitteitä" joille ei usein löydy järkevää käyttöä (esim. ns. reifikaatio) -...RDF/XML määrittelee "yhteensopivia tietorakenteita" joiden tulkintaa ei osata/haluta täsmällisesti formalisoida (erityisesti säiliörakenteet) - RDF Schema ja OWL menevät päällekkäin, jne. SW:n sääntö- ja kyselykielten standardointi on vielä kesken, varsinaista "ohjelmointirajapintaa" (vrt. DOM) ei ole edes kehitteillä MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 134

16 6.15 Määritelytekninen perusta (3/3): SW-pino & esim. Sääntökanta; esim. jos asiakkaaseen ei ole otettu yhteyttä puoleen vuoteen, niin muistuta yhteyshenkilöä (W3C 2005) RDF-kyselyt; esim. hae kaikki asiakkaat joiden tulos oli viime vuonna positiivinen Käsitemalli; esim. jokaisella asiakkaalla on yhteyshenkilö, jolla on tietty toimialue RDF-tietomalli (graafi); esim. pentti on asiakas. XML-kyselyt (vrt. SQL) XML-tiedon talletus MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 135

17 6.16 Vielä mallinnuksesta: XML vs. RDF kirjoittamista ohjaava dokumentin tyyppimäärittely mallinnusta ohjaava skeema ja ontologia <html> <head> persons:ossi hobbies:favourite-movie <body>... movies:cast-away map/>dc:author</head><body><foo:title>tuote</foo:title><!--nop --><g>ite MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 136

18 6.17 RDF ja klassinen logiikka (1/3): klassinen logiikka Logiikalla voidaan katsoa olevan kaksi (toisiaan täydentävää) tehtävää - kuvailemisen tehtävä (descriptive task) ("RDF useimmille") - päättelytehtävä (deductive task) "Standardin" 1. kl. predikaattilogiikan rakenne pyrkii tukemaan molempia: - syntaksi (loogiset vakiot:,,,..., (nimi)vakiot: p, q,..., muuttujat: v, w,..., predikaatit: P, Q,... ja lauseenmuodostussäännöt p q,...) - semantiikka (tulkintafunktiot, malli, totuuden käsite) - todistaminen (pätevä päättely, täydellisyys, ratkeavuus) - objektikieli vs. metakieli (teoriat ja luonnollinen kieli, metalogiikka) Semanttisen Webin RDF-logiikka mukailee standardilogiikkaa, mutta ei suoraan vastaa tätä: SW vastaa kuvailevaa, assertionaalista logiikkaa, rajoitetuista std-ontologioista löytyy erityisesti DL (deskriptiivinen logiikka) MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 137

19 6.18 RDF ja klassinen logiikka (2/3): RDF-logiikkaa... "RDF on deskriptiivistä logiikkaa, jossa keskeistä ovat sisäänrakennettu luokan ja ominaisuuden käsite" Lausumat, perusrakenne P(a, b) persons:tarja jobs:affiliation Suomen presidentti. persons:tarja cv:has-husband persons:pentti. Perusluokkakäsitteet (X is-a Y, Y R) cv:man rdf:type rdfs:class. cv:father rdfs:subclassof cv:man. persons:pentti rdf:type cv:father. Predikaatit (ominaisuudet) (P:A B) cv:has-husband rdf:type rdf:property. cv:has-husband rdfs:domain cv:woman. cv:has-husband rdfs:range cv:man. cv:man cv:father rdf:type persons:pentti MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 138

20 6.19 RDF ja klassinen logiikka (3/3): mutta mutta "RDF:ää käyttäen kuka tahansa voi sanoa mistä tahansa mitä tahansa" Tyypit sekoittuvat (predikaatin nimi voi esiintyä subjektina) Lausumien päällekkäisyys, erit. tyyppejä/aliluokkia, jne. voi olla useita Ei negaatiota tai disjunktiota (, ; "ei", "tai") Tyhjät solmut: "on olemassa" -tulkinta ( -kvanttori) Kuten std-logiikassa, ei oletusta että entiteeteillä olisi vain yksi nimi Lisäksi, "reifikaation", "säiliöiden" ja "listan" käsitteet (!) Jne. Siispä: Aina ei ole järkevää käyttää koko RDF:ää sen täydessä laajuudessa! MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 139

21 6.20 RDF ja sovellukset: kyselyt Jos epämääräisyydet jätetään huomiotta, RDF on miltei yksinkertaisin ja yleisin ajateltavissa oleva hajautettu tietomalli Useimpien sovellusten näkökulmasta katsottuna RDF näyttäytyy tietämyskantana josta tietoa poimitaan kyselyiden avulla (vrt. XQuery) Keskeisiä eroja tavanomaisiin tietokantoihin verrattuna: - SW tarjoaa keinon yhdistellä kaikentyyppistä sovelluksiin liittyvää tietoa - tietoa (erityisesti skeemat tai ns. terminologinen osajoukko) kuvataan logiikasta tutun aksiomaattisen lähestymistavan varassa ("isät ovat miehiä") - kyselyprosessorit pystyvät suorittamaan päättelyä (eikä kaikkea tietoa tarvitse siten vääntää auki mallinnusvaiheessa, ts. "komento 'hae miehet' osaa hakea myös sellaiset ihmiset jotka on kuvattu vain isiksi." ) Kaikkea tietoa ei tietenkään työnnetä julkiseen WWW-verkkoon! MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 140

22 6.21 Vielä yksi esimerkki: "paikkatietosovellus" (1/2) Halutaan kuvata ja yhdistää JHS-seminaarin paikkatieto ja karttasovellukseen liittyvä paikkatieto: Säätytalo JHS-seminaari paikka Seminaarin ohjelma verkossa paikkatieto (x, y) MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 141

23 6.22 "Paikkatietosovellus" (2/2): Eräs mallinnus (idea) Kohteen x:venue JHS:n julkaisema tieto gis:venueid x:homepage gis:coords gis:mapref gis:x gis:y Kohteiden saatavilla oleva paikkatieto Saatavilla oleva karttatieto MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 142

24 6.23 Laajempia sovellusesimerkkejä Dublin Core (metatiedot), Museosuomi (virtuaalimuseo), Haystack (työpöytä), Semaview's Sherpa (kalenteritiedot), Semanttinen Wiki (semanttinen linkitys),... MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 143

25 6.24 Lopuksi RDF on pohjimmiltaan tarkoitettu "vain" yleiskäyttöiseksi kuvailutietojen välitysformaatiksi -...ei välttämättä sovellusten sisäisen mallinnuksen välineeksi (!) Käytetään usein ns. metatietojen esittämiseen -...mutta ei rajoittunut tähän käyttöön (!) -...laaja käyttö tarjoaa keinon myös ennakoimattomiin datalähtöisiin sovelluksiin (vrt. tiedonlouhinta) Moni sovellus perustuu kuvailutietojen graafimaiseen rakenteeseen -...koska se tarjoaa sisäsyntyisen tavan semanttisten assosiaatioiden tekemiseen RDF:stä löytyy kaikenlaista valittamista, mutta de facto standardi - muita varteenotettavia "kilpailijoita" ovat esim. Topic Maps ja UML (!) MATHM RAKENTEISTEN DOKUMENTTIEN JATKOKURSSI (syksy 2007) - ON 144