Paikkatiedon tietotuoteskeemojen ontologisointi tiedonhaun tueksi

Transkriptio

1 Paikkatiedon tietotuoteskeemojen ontologisointi tiedonhaun tueksi Aalto-yliopiston insinööritieteiden korkeakoulun maanmittaustieteiden laitoksella tehty diplomityö Espoo, marraskuu 2011 Tekniikan kandidaatti Kai Koistinen Valvoja: Professori Kirsi Virrantaus Ohjaaja: Diplomi-insinööri Antti Rainio

2 AALTO-YLIOPISTO INSINÖÖRITIETEIDEN KORKEAKOULU PL 11000, AALTO DIPLOMITYÖN TIIVISTELMÄ Tekijä: Kai Koistinen Työn nimi: Paikkatiedon tietotuoteskeemojen ontologisointi tiedonhaun tueksi Korkeakoulu: Insinööritieteiden korkeakoulu Laitos: Maanmittaustieteiden laitos Professuuri: Kartografia ja geoinformatiikka Koodi: Maa-123 Työn valvoja: Professori Kirsi Virrantaus Työn ohjaaja(t): DI Antti Rainio Tiivistelmä: Tämän diplomityön tavoitteena on tutkia, voidaanko INSPIRE-tietotuoteskeemoista muodostaa kansallisen paikkatietoportaalin tiedonhakua kehittävä ontologia ja miten tällainen ontologia voidaan käytännössä toteuttaa. Tässä tapauksessa tiedonhausta halutaan kehittää ontologian avulla käyttäjäystävällisempi laajentamalla sanastoa, jolla käyttäjä voi löytää portaalin hakupalvelusta paikkatietoa. Esimerkkinä kansallisesta paikkatietoportaalista tässä työssä on suomalainen Paikkatietoikkuna. Työ alkaa kirjallisuustutkimuksella, jossa tutustutaan ontologioihin ja niiden muodostamiseen, Semanttisen Webin peruskäsitteisiin ja -teknologioihin, paikkatiedon mallintamiseen sekä eurooppalaisen INSPIRE-direktiivin toimeenpanossa määriteltyihin paikkatietotuotteisiin. Näiden tietojen pohjalta pyritään määrittelemään tapa, jolla INSPIREtietotuoteskeemoista voitaisiin määritellä kansallisen paikkatietoportaalin tiedonhakua kehittävä ontologia. Ontologian määrittelyn lisäksi pohditaan, miten prosessissa vapaamuotoisesti määritelty ontologia voitaisiin muuntaa syntaksiltaan formaalille ontologiakielelle ja mitä seikkoja kielen valinnassa tulisi ottaa huomioon. Lopuksi pohditaan vielä tulisiko muodostettu ontologia liittää osaksi Semanttisen Webin sisältöinfrastruktuuria ja miten liitos voidaan käytännössä toteuttaa. Työn tuloksena osoitettiin, että INSPIRE-tietotuoteskeemoihin liittyen voidaan muodostaa ontologia. Osoitus tehtiin määrittelemällä skeemojen käsitteistön kattava ontologia, jonka avulla kansallisen paikkatietoportaalin tiedonhaun hakusanastoa voidaan laajentaa. Tapoja ontologian muuntamiseksi formaalille ontologiakielelle löydettiin useita ja havaittiin, että olennainen osa muunnosta on formaalin ontologiakielen valinta. Lisäksi havaittiin, että ontologian liittämisestä osaksi Semanttisen Webin sisältöinfrastruktuuria voidaan hyötyä, mutta liittäminen vaatii lisätyötä. Päivämäärä: Kieli: Suomi Sivumäärä: 53+4 Avainsanat: ontologia, paikkatieto, tietotuote, INSPIRE, Semanttinen Web, paikkatietoportaali

3 AALTO UNIVERSITY SCHOOL OF ENGINEERING PO Box 11000, FI AALTO ABSTRACT OF THE MASTER S THESIS Author: Kai Koistinen Title: Developing an ontology from geographic data product schemata to support data retrieval School: School of Engineering Department: Department of Surveying Professorship: Cartography and Geoinformatics Code: Maa-123 Supervisor: Professor Kirsi Virrantaus Instructor(s): MSc Antti Rainio Abstract: The aim of this master s thesis is to explore if it is possible to develop an ontology from INSPIRE data product schemata. The ontology should improve the data retrieval of national geoportal by expanding the amount of words that can be used to find geographic data from the service. Finnish Paikkatietoikkuna is used as an example of national geoportal in this thesis. The thesis begins with literal review in which an overview on ontology development, Semantic Web, spatial data modeling and European INSPIRE directive is made. Research on developing an ontology from INSPIRE data product schema data for the purposes of data retrieval of national geoportal is made based on the information of the literal review. After defining the ontology, means for transforming the ontology to a formal ontology language are considered. Reasons and means for including the ontology as part of the Semantic Web infrastructure are also considered. As a result of this work it was shown that an ontology can be developed from INSPIRE data product schema data. This prove was made by defining an ontology which covers the concepts of the domain of the schemas. This ontology can be used to expand the amount of words that can be used to find geographic data from the data retrieval service of a national geoportal. Many ways for transferring the defined ontology to a formal ontology language were found. It was also found that choosing the formal ontology language is an essential part of the transformation process and including the ontology as part of the Semantic Web infrastructure can be a benefit but it cannot be done fully automatically. Date: Language: Finnish Number of pages: 53+4 Keywords: ontology, geographic data, data product, INSPIRE, Semantic Web, geoportal

4 Alkusanat Tämä diplomityö on tehty Maanmittauslaitoksen Kehittämiskeskukselle. Kiitos mahdollisuudesta työn tekemiseen. Syksyllä 2010 lehtori Paula Ahonen-Rainio Maanmittaustieteiden laitokselta kertoi minulle sähköpostitse (kiitos Paulalle!) Maanmittauslaitoksella tarjolla olevasta diplomityöpaikasta. Opintoni olivat vielä pahasti kesken, mutta kursseja oli kasassa jo melkein diplomityön aiheen hyväksyttämiseen riittävä määrä ja työtä oli mahdollista tehdä osa-aikaisesti opintojen ohessa. Työn aihe vaikutti mielenkiintoiselta, joten päätin hyödyntää tarjotun mahdollisuuden ja tarttua haasteeseen. Nyt, noin vuotta työn aloitusta myöhemmin, kirjoitan näitä sanoja. Diplomityön parissa viettämäni vuosi on ollut raskas, mutta paljon olen myös oppinut. Ohjaajana työssä oli Antti Rainio Maanmittauslaitoksen Kehittämiskeskuksesta. Kiitos Antille ideoista ja opastuksesta työn teossa. Haluan kiittää myös työn valvojaa professori Kirsi Virrantausta. Erityiskiitokset avovaimolleni Raijalle ja vanhemmilleni tuesta ja kannustuksesta. Espoo, Kai Koistinen

5 Sisällysluettelo Johdanto... 1 Tutkimuksen tausta... 1 Tutkimusongelma ja työn rajaus... 2 Työn rakenne... 3 Ontologiat... 4 Yleistä... 4 Ontologian rakenne... 6 Ontologian muodostusprosessi... 7 Semanttinen Web Yleistä Semanttisen Webin teknologiat ontologioiden esittämiseen URI ja Unicode XML RDF RDFS OWL Paikkatieto Yleistä Paikkatiedon erityispiirteet Paikkatiedon mallintaminen Paikkatieto Semanttisessa Webissä INSPIRE-paikkatietotuote INSPIRE-direktiivi Tietotuote ja tietotuotemäärittely... 23

6 INSPIRE-paikkatietotuote ja sen määrittely INSPIRE-paikkatietotuotteen GML-tiedonsiirtoskeema Ontologian muodostaminen INSPIRE-tietotuoteskeemoista Lähtötilanne ja tavoitteet Paikkatietoikkuna INSPIRE-tietotuoteskeemat Ontologian määrittely Ontologian aihealueen ja laajuuden määrittely Olemassa olevien ontologioiden uudelleenkäytön harkinta Ontologian tärkeiden termien nimeäminen Luokkien ja luokkahierarkian määrittely Luokkien ominaisuuksien määrittely Ominaisuuksiin liittyvien rajoitteiden määrittely Yksilöiden luonti Ontologian esittäminen formaalilla ontologiakielellä Ontologian kuvauskielen valinta Syntaktinen muunnos formaalille ontologiakielelle Muunnostyökaluja Ontologian liittäminen osaksi Semanttisen Webin sisältöinfrastruktuuria Liitoksella saavutettavia etuja Liitosprosessi Tulokset ja johtopäätökset Viitteet Liitteet: Liite 1: XSLT-esimerkki (1 s.) Liite 2: Java-esimerkki (3 s.)

7 Termit ja lyhenteet EU Euroopan unioni GFM General Feature Model (SFS-EN ISO ) GIS Geographic Information System (suom. paikkatietojärjestelmä) GML Geography Markup Language GNS GEOnet Names Server INSPIRE Infrastructure for Spatial Information in Europe ISO International Organization for Standardization JHS Julkisen hallinnon suositus JUHTA Julkisen hallinnon tietohallinnon neuvottelukunta kohde objekti, joka vastaa yksilöitävissä olevaa reaalimaailman abstraktia tai konkreettista asiaa tai ilmiötä (Sanastokeskus TSK ry 2011) KOKO Kansallinen ontologiajärjestelmä malli järjestelmän, prosessin, laitteen tai käsitteen pelkistetty esitys (Sanastokeskus TSK ry 2011) OGC Open Geospatial Consortium ontologia (tietotekniikassa) formaali, eksplisiittinen määrittely yhteisestä käsitteistöstä (Studer ym. 1998) OWL Web Ontology Language paikkatieto tieto kohteista, joiden paikka Maan suhteen tunnetaan (Sanastokeskus TSK ry 2011) RDF Resource Description Framework RDFS Resource Description Framework Schema Semanttinen Web WWW:n kehityssuunta, jossa verkon dokumenttien ihmiselle merkityksellinen sisältö esitetään muodossa, jota tietokoneen on mahdollista käsitellä skeema mallin määrämuotoinen esitys (Sanastokeskus TSK ry 2011) SUO Suomalainen paikkaontologia UML Unified Modeling Language Unicode kansainvälinen merkistöstandardi URI Uniform Resource Identifier URL Uniform Resource Locator W3C World Wide Web Consortium WWW World Wide Web XML Extensible Markup Language XML Schema kieli, jolla voidaan kuvata XML-dokumenttien rakenne XSD kts. XML Schema XSLT Extensible Stylesheet Language Transformations YSO Yleinen suomalainen ontologia

8 Johdanto Tutkimuksen tausta Paikkatiedon käyttö on viime vuosina lisääntynyt huomattavasti. Paikkatiedolla tarkoitetaan tietoa, jolla kuvataan maantieteelliseltä sijainniltaan määritettyjä kohteita ja niiden ominaisuustietoja. Sitä hyödyntävät tehtävissään niin valtiot, kunnat, yritykset kuin yksityishenkilötkin. Tiedontuottajat ovat pystyneet vastaamaan paikkatiedon kasvavaan kysyntään käyttämällä kehittyneitä tiedonkeruumenetelmiä, joiden avulla aineistoja saadaan tuotettua tehokkaasti. Tuotettu paikkatieto tarjotaan käyttäjille yhä enemmän Internetissä erilaisten paikkatietopalveluiden välityksellä. Tällaisten palveluiden laajan hyödyntämisen edellytyksenä on tarjottavien aineistojen ja palvelujen yhteentoimivuus. Viranomaisten hallinnoimien paikkatietoaineistojen yhteentoimivuutta on pyritty parantamaan Euroopan unionissa INSPIRE (Infrastructure for Spatial Information in Europe) -direktiivillä, joka määrittelee jäsenmaille yhtenäisen paikkatietoinfrastruktuurin. Aineistojen ja palvelujen yhteentoimivuus ei kuitenkaan aina ole tae käyttäjän etsimän tiedon löytymiselle, vaikka kyseinen tieto olisi palvelussa tarjolla. Tämä johtuu muun muassa tarjolla olevien aineistojen suuren määrän aiheuttamista tiedonhaun ongelmista. Paikkatietojen haussa kohdataan samoja ongelmia kuin minkä tahansa muun tiedon hakemisessa maailmanlaajuisesta tietoverkosta eli WWW:stä (World Wide Web). Tiedonhaku tapahtuu tyypillisesti käyttämällä hakukoneita, jotka etsivät käyttäjän antamaa hakusanaa merkkijonoperustaisesti verkon tai jonkin sen osan sisältämistä indeksoiduista dokumenteista. Haun tuloksen hakukone palauttaa käyttäjälle usein listana linkkejä dokumentteihin, joissa käyttäjän etsimä merkkijono eli hakusana esiintyy. Verkon dokumenttien suuresta määrästä johtuen hakukoneen hakutuloksena palauttama linkkilista on yleensä pitkä. Käyttäjän voi tällöin olla vaikeaa löytää olennaisimmat tietolähteet hakutulosten joukosta varsinkin, jos tuloslistaa ei ole mitenkään järjestetty. Nykyiset hakukoneet saattavat käyttää tuloslistan järjestämisessä metatietoina esimerkiksi dokumentteihin kohdistuvia ja niistä muualle suunnattuja linkkejä. Näiden tietojen perusteella kone voi määrittää dokumentin relevanssin hakusanaan nähden ja esittää tulokset käyttäjälle esimerkiksi relevanssiltaan laskevassa järjestyksessä. Näin siis saadaan esitettyä käyttäjälle koneen laskennan mukaan olennaisimmat ja haettuun merkkijonoon parhaiten täsmäävät lähteet tuloslistassa ensimmäisinä. Tulosten järjestämisestä huolimatta kohdataan kuitenkin usein tilanteita, joissa käyttäjä ei löydä tulosten joukosta etsimäänsä tietoa. Koneen hakutulosten järjestämiseksi tekemät laskelmat eivät takaa sitä, että hakutulos olisi käyttäjän kannalta hyödyllinen, koska kone ei pysty ymmärtämään hakusanojen merkitystä kuten ihminen. Koneelle käyttäjän syöttämä hakusana on ainoastaan jono bittejä ja se pystyy ratkaisemaan vain, esiintyykö tuota bittijonoa vastaava merkkijono dokumentissa vai ei. Merkkijonopohjainen haku aiheuttaa sen, että vaikka koneen palauttaman dokumentin sisältämä merkkijono olisi täysin identtinen käyttäjän antaman hakusanan kanssa, se ei välttämättä liity mitenkään käyttäjän etsimään aihepiiriin. Tämä johtuu siitä, että sanat voivat olla keskenään homonyymejä, eli samanlaisesta kirjoitusasustaan huolimatta ne eivät ole käyttäjänä toimivalle ihmiselle merkityksiltään samoja. Jos hakutulokset eivät sijoitu merkitykseltään käyttäjän tarkoittamaan aihepiiriin, ovat ne luultavasti käyttäjälle turhia ja vaikeuttavat linkkilistassa relevantin tiedon löytymistä. Tiedon määrän lisääntyessä ver- 1

9 kossa myös käyttäjälle turhien hakutulosten määrä kasvaa ja tiedonhaku vaikeutuu entisestään. Hakukone saattaa palauttaa paljon käyttäjän kannalta turhia tuloksia, koska se ei tunne sanojen merkityksiä, mutta samasta syystä siltä saattaa jäädä huomioimatta joitain käyttäjän kannalta hyvinkin olennaisia dokumentteja. Käyttäjä voi antaa hakusanana etsimänsä tiedon kannalta merkitykseltään täsmällisesti oikean käsitteen, mutta jos etsittävässä dokumentissa ei esiinny käyttäjän antamaa merkkijonoa, vaan käsitteen kanssa merkitykseltään sama sana eli synonyymi, ei kone osaa huomioida dokumenttia tuloslistauksessa. Jos käyttäjä ei käytä haussaan myös hakusanansa synonyymeja, saattaa häneltä siis jäädä tärkeitä tiedonlähteitä kokonaan löytämättä. Tärkeitä dokumentteja voi myös jäädä huomioimatta, jos käyttäjä ei osaa valita sopivaa hakusanaa esimerkiksi etsittävän alan heikon tuntemuksen vuoksi. Tällaisissa tilanteissa hakupalvelun tarjoama opastus hakusanan valinnassa olisi käyttäjälle erittäin hyödyllistä. Tietokoneiden puutteellisen tekoälyn ja WWW:n jatkuvasti kasvavan tietomäärän asettamiin haasteisiin on kehitetty ratkaisuja jo vuosien ajan. Semanttinen Web on yksi näistä kehityssuunnista. Sen tarkoituksena on tuoda ratkaisu muun muassa WWW:n tiedonhakuongelmiin esittämällä ihmisen ymmärtämä verkon dokumenttien sisältämien käsitteiden merkitys myös tietokoneille käsiteltävässä muodossa. Käytännössä tämä tapahtuu ontologioiden, eli eräänlaisten rakenteellisten käsitteistöjen avulla, joilla kuvataan koneelle ihmisen ymmärtämiä käsitteitä ja niiden merkityssuhteita. Koneen tulkitessa käsitteiden merkityssuhteita se pystyisi ratkaisemaan käyttäjän syöttämän merkkijonon perusteella, mihin asiayhteyteen käyttäjän hakusana liittyy. Hakusanan esiintyessä useassa asiayhteydessä kone voisi esimerkiksi kysyä, mikä kyseisistä aihepiireistä on käyttäjän tarkoittama. Oikean aihepiirin löytyessä kone pystyisi opastamaan käyttäjää tiedonhaussa alakohtaisen käsitteistön pohjalta. Tällainen tekniikka voisi tehdä yleisten hakupalveluiden lisäksi myös paikkatietopalveluihin liittyvästä tiedonhausta nykyistä käyttäjäystävällisempää ja tehokkaampaa. Tutkimusongelma ja työn rajaus Tässä diplomityössä tutkitaan, miten ihmisen ymmärtämiä käsitteitä ja niiden merkityssuhteita voidaan esittää tietokoneelle ontologioiden avulla. Ontologian avulla pyritään tässä tapauksessa kehittämään paikkatiedon hakua. Materiaalina ontologian muodostamista varten ovat INSPIRE-direktiivin täytäntöönpanossa määritellyt tietotuoteskeemat. Tavoitteena on tutkia, onko INSPIREtietotuoteskeemoista mahdollista muodostaa ontologia ja miten tällainen ontologia voidaan käytännössä toteuttaa. Lisäksi tutkitaan, miten muodostettava ontologia voitaisiin liittää osaksi Semanttisen Webin sisältöinfrastruktuuria ja mitä liitoksesta mahdollisesti hyödyttäisiin. Tietotuoteskeemoista muodostettavan ontologian kehityksessä huomioidaan erityisesti EU:n jäsenmaiden kansallisten paikkatietoportaalien tiedonhaun tarpeet. Esimerkkinä kansallisesta paikkatietoportaalista tässä työssä on suomalainen Paikkatietoikkuna, jonka hakupalvelusta käyttäjän on vaikea löytää etsimäänsä paikkatietoa. Paikkatietoikkunan tiedonhaussa ongelmana on, että vaikka käyttäjä antaisi etsimäänsä tietoon liittyvän hakusanan, ei hakukone pysty yhdistämään hakusanaa tähän tietoon. Tämä johtuu siitä, että hakukone ei pysty tulkitsemaan sanaan liittyviä merkityssuhteita kuten ihminen. Ontologian 2

10 avulla pyritään tekemään portaalin tiedonhausta käyttäjäystävällisempi laajentamalla sanastoa, jolla käyttäjä voi löytää portaalin hakupalvelusta etsimänsä paikkatiedon. Työn rakenne Työ alkaa kirjallisuustutkimuksella, joka kattaa työn luvut 2-5. Luvussa 2 tutustutaan ontologioihin ja esitellään niiden muodostamiseen tarkoitettu prosessimalli. Ontologiakatsauksen jälkeen luvussa 3 tutustutaan Semanttisen Webin peruskäsitteisiin ja teknologioihin, joita Semanttinen Web tarjoaa ontologioiden käytännön toteutukseen. Luvussa 4 siirrytään paikkatiedon maailmaan. Luvussa kerrotaan mitä on paikkatieto, miksi se on erityistä muuhun tietoon nähden, miten paikkatietoa mallinnetaan ja mitä Semanttisen Webin kehityksessä tulisi ottaa huomioon paikkatiedon osalta. Luvussa 5 tutustutaan tarkemmin eurooppalaista paikkatietoa koskevaan INSPIRE-direktiiviin ja sen toimeenpanossa määriteltäviin paikkatietotuotteisiin. Kirjallisuustutkimuksen tietoihin pohjautuen luvussa 6 pyritään määrittelemään tapa, jolla INSPIRE-tietotuoteskeemoista voitaisiin määritellä kansallisen paikkatietoportaalin tiedonhakua kehittävä ontologia. Ontologian määrittelyn lisäksi pohditaan, miten prosessissa määritelty ontologia voitaisiin muuntaa syntaksiltaan formaalille ontologiakielelle ja mitä seikkoja kielen valinnassa tulisi ottaa huomioon. Lopuksi luvussa pohditaan vielä, tulisiko muodostettu ontologia liittää osaksi Semanttisen Webin sisältöinfrastruktuuria, mitä liitoksesta hyödyttäisiin ja miten liitos voitaisiin käytännössä toteuttaa. Luvussa 7 esitellään tutkimuksen tulokset ja niistä tehdyt johtopäätökset. Lisäksi pohditaan, mikä on jatkotutkimuksen tarve työn aihepiiriin liittyen. 3

11 Ontologiat Tässä luvussa tutustutaan ontologioihin yleisesti. Ensin määritellään, mitä ontologiat ovat ja mihin niitä voidaan käyttää. Tämän jälkeen perehdytään tarkemmin ontologioiden rakenteeseen ja esitellään prosessimalli, jolla ontologioita voidaan muodostaa. Yleistä Termi ontologia on lainattu tietotekniikkaan filosofiasta, jossa ontologialla tarkoitetaan olemassaolon olemusta tutkivaa filosofian alaa (Antoniou & van Harmelen 2008). Tietotekniikassa ontologia on Gruberin (1993) määritelmän mukaan käsitteistön eksplisiittinen määrittely. Studer ym. (1998) tarkentavat tämän määritelmän muotoon Ontologia on formaali, eksplisiittinen määrittely yhteisestä käsitteistöstä. Yhteinen käsitteistö viittaa määritelmässä maailman jonkin ilmiön käsittein havainnollistettuun abstraktiin malliin, jossa esitetty tietämys ei ole vain yksilön näkemys, vaan se perustuu jonkin ryhmän keskinäiseen yhteisymmärrykseen. Määrittelyn eksplisiittisyys ja formaalius puolestaan tarkoittavat, että käytetty käsitteistö tulee esittää täsmällisesti muodollisella tavalla, mikä mahdollistaa ontologian koneellisen tulkinnan. Käytännössä ontologiat ovat Hyvösen (2001) mukaan sovellusalojen terminologisia käsitehierarkioita, joissa määritellään alalla käytettävät termit ja käsitteet ja näiden välisiä suhteita. Ontologioita voidaan kehittää moniin eri tarkoituksiin, joita ovat Noyn & McGuinnessin (2001) mukaan muun muassa: tiedon rakenteen esittäminen ihmisille tai tietokoneille tiedon käytön mahdollistaminen muissa sovelluksissa tiedon ja oletusten eksplisiittinen määrittely erityyppisten tietojen erottelu tiedon analysointi Käyttötarkoituksen lisäksi yksi ontologioita toisistaan erottava tekijä on se, kuinka yksityiskohtaisella tasolla ne maailmaa mallintavat. Kuvassa 1 on Guarinon (1998) esittämä ryhmittely, jossa ontologiat on jaettu neljään eri tyyppiin niiden yleisyystason mukaan: Yleisontologiat (top-level ontologies) kuvaavat erittäin yleisiä, tietystä ongelmasta tai aihealueesta riippumattomia käsitteitä kuten paikkaa, aikaa, aihetta, kohdetta, tapahtumaa tai toimintaa. Sovellusalakohtaiset ontologiat (domain ontologies) erikoistavat yleisontologioiden käsitteitä yleiseen aihealueeseen, kuten esimerkiksi lääketieteeseen liittyvällä sanastolla. Tehtäväkohtaiset ontologiat (task ontologies) erikoistavat yleisontologioiden käsitteitä yleiseen tehtävään tai toimintaan, kuten esimerkiksi myymiseen liittyvällä sanastolla. 4

12 Sovellusontologiat (application ontologies) erikoistavat sekä sovellusalakohtaisen että tehtäväkohtaisen ontologian käsitteitä. Ne kuvaavat siis käsitteitä, jotka riippuvat sekä jostakin tietystä aihealueesta että jostakin tehtävästä tai toiminnasta. Tällaiset käsitteet vastaavat usein aihealueen kohteiden esittämiä rooleja jotain tiettyä tehtävää tai toimintaa suoritettaessa, kuten esimerkiksi auton varaosa, joka riippuu sekä aihealueesta auto että tehtävästä auton korjaus. yleisontologia sovellusalakohtainen ontologia tehtäväkohtainen ontologia sovellusontologia Kuva 1 Guarinon (1998) esittämät ontologiatyypit. Nuolet esittävät erikoistamissuhteita, esimerkiksi sovellusalakohtainen ontologia tarkentaa yleisontologian sisältämää tietoa (Kuva: Guarino 1998 mukaillen). Ontologioiden ryhmittelymallia, jossa ontologiatyyppejä on neljän sijaan vain kolme, käytetään myös yleisesti (Schade 2010; ISO/TC ). Tämä malli on esitetty kuvassa 2, jossa on ontologiatyyppien lisäksi esitetty myös, miten siirtyminen ontologiatyyppien välillä on mahdollista luokittelun mukaisessa ontologiajärjestelmässä. Malli on Guarinon luokittelumallia helppotajuisempi, mutta sen avulla ei voida ilmaista toimintaa tai tilannetta, jossa tehtävää kuvaava ontologia on sovellusalasta riippumaton. Suomessa ontologioita on kehitetty muun muassa vuonna 2003 alkaneen kansallisen FinnONTO-projektin yhteydessä. Keskeisenä osana hanketta on Kansallinen ontologiajärjestelmä (KOKO), joka koostuu Yleisestä suomalaisesta ontologiasta (YSO) ja sitä laajentavista ja tarkentavista erityisalojen ontologioista, kuten esimerkiksi Suomalaisesta paikkaontologiasta (SUO). (Hyvönen 2008) Kuvan 2 mukaisessa ontologioiden luokittelumallissa YSO toimii siis ontologiajärjestelmän yleisontologiana, jota erityisaloja kuvaavat sovellusalakohtaiset ontologiat ja sovellusontologiat erikoistavat. 5

13 Yleisontologia Sovellusalakohtainen ontologia Sovellusontologia Kuva 2 Ontologiatyypit ja niiden väliset suhteet ISO/TC211 (2009) mukaillen. Nuolet kuvaavat siirtymismahdollisuuksia ontologiajärjestelmän sisällä. Siirtyminen käsitteiden välillä on mahdollista siis esimerkiksi yleisontologian sisäisesti tai yleisontologiasta sitä tarkentavan sovellusalakohtaisen ontologiaan. Ontologian rakenne Ontologia on tapa mallintaa reaalimaailmaa. Kuvassa 3 on esitetty, miten reaalimaailmaa mallinnetaan ontologian avulla. Mallinnuksessa tarvittavia ontologian peruskomponentteja ovat luokat ja niiden ominaisuudet. Myös yksilöiden voidaan määritellä kuuluvan osana ontologiaan (Hyvönen 3/2011; Lord 2010; Wikipedia 2011) tai vaihtoehtoisesti niitä voidaan pitää ontologiaan kuulumattomina tietämyskannan osina (Noy & McGuinness 2001). Luokka, jota ontologiassa kutsutaan myös käsitteeksi, mallintaa jotakin reaalimaailman abstraktien tai konkreettisten asioiden tai ilmiöiden muodostamaa ryhmää, jota yhdistää jokin ominaisuus. Esimerkiksi Noyn & McGuinnessin (2001) esittämässä viiniontologiassa luokalla Viini mallinnetaan kaikkien reaalimaailman viinien muodostamaa ryhmää. Ontologian luokan voidaan määritellä olevan jonkin toisen luokan aliluokka, jos sen mallintama reaalimaailman kohteiden joukko on yliluokan mallintaman kohdejoukon osajoukko. Käytännössä tämä tarkoittaa, että aliluokkana esitettävä käsite on yliluokkana olevaa käsitettä yksityiskohtaisempi. Esimerkiksi luokkien Punaviini, Valkoviini ja Roséviini voidaan määritellä olevan luokan Viini aliluokkia. Yksilö on ontologian luokan ilmentymä eli instanssi, joka mallintaa luokan kuvaaman kohderyhmän yksittäistä kohdetta. Esimerkiksi jonkin yksittäisen punaviinin voidaan määrittää olevan luokan Punaviini instanssi. Tällöin kyseinen punaviini on myös luokan Viini instanssi, koska Punaviini on luokan Viini aliluokka. 6

14 Yksilöt Ominaisuudet Luokat Reaalimaailma mallintaa Ontologia Abstraktien tai konkreettisten asioiden tai ilmiöiden ryhmä Luokka Luokka Luokka Luokka Luokka Luokka ominaisuus ominaisuus Abstrakti tai konkreettinen asia tai ilmiö Ominaispiirteitä esim. sijainti, pituus Yksilö Yksilö Yksilö Kuva 3 Ontologian tapa mallintaa reaalimaailmaa. Luokan ominaisuus nimeää jonkin piirteen, joka on ominainen luokan mallintamalle reaalimaailman kohderyhmälle. Kun luokalle nimetään instanssi, määritellään, mitkä ovat instanssin ilmentävälle luokalle määriteltyjen ominaisuuksien arvot nimettävälle yksilölle. Ominaisuudet ovat erilaisia attribuutteja ja relaatioita, joita voivat olla muun muassa (Noy & McGuinness 2001): luontaiset (intrinsic) ominaisuudet: esimerkiksi viinin maku ulkoiset (extrinsic) ominaisuudet: esimerkiksi viinin nimi ryhmän kohteiden suhde muihin kohteisiin: esimerkiksi suhde valmistaja yhdistää viinin sen valmistaneeseen viinitilaan. Ontologian muodostusprosessi Ontologian muodostamisprosessissa määritellään ontologian sisältö eli luokat, yksilöt ja ominaisuudet. Prosessin tuloksena muodostuvan ontologian käsitteiden tarkoituksena on heijastaa mallintamaansa reaalimaailman ilmiötä. Reaalimaailman mallintamiseen ontologiana ei kuitenkaan ole olemassa yhtä ainoaa oikeaksi määriteltyä tai sovittua tapaa, vaan mahdollisia mallinnustapoja on monia. Mallinnustavan valinta riippuu lähes aina sovelluksesta, jota varten ontologiaa ollaan muodostamassa. Käytännössä ontologian kehitys on aina iteratiivinen prosessi, joka jatkuu luultavasti koko ontologian elinkaaren ajan. Yksi 7

15 mahdollisista lähestymistavoista ontologioiden kehittämiseen on Noyn & McGuinnessin (2001) esittämä seitsemään osaan jaettu, iteratiivisesti sovellettava prosessimalli, jonka vaiheet ovat: 1. Ontologian aihealueen ja laajuuden määrittely 2. Olemassa olevien ontologioiden uudelleenkäytön harkinta 3. Ontologian tärkeiden termien nimeäminen 4. Luokkien ja luokkahierarkian määrittely 5. Luokkien ominaisuuksien määrittely 6. Ominaisuuksiin liittyvien rajoitteiden määrittely 7. Yksilöiden luonti Ontologian kehitys on suositeltavaa aloittaa määrittelemällä sen aihealue ja laajuus (vaihe 1). Tämä tapahtuu vastaamalla seuraaviin kysymyksiin: Mikä aihealue ontologian tulisi kattaa? Mihin ontologiaa tullaan käyttämään? Minkä tyyppisiin kysymyksiin ontologian sisältämän tiedon tulisi tarjota vastauksia? Kuka käyttää ontologiaa ja kuka sitä ylläpitää? Olemassa olevien ontologioiden uudelleenkäytön harkinta (vaihe 2) on tarpeen, jotta vältytään tekemästä uudelleen jo aiemmin tehtyä työtä. Ontologioiden uudelleenkäyttö on kuitenkin haasteellisempaa kuin usein kuvitellaan, koska eri sovelluksien käyttämä ontologinen tieto on yleensä ainakin osittain tapauskohtaista (Hyvönen 2008). Olemassa olevien ontologioiden käyttö voi olla kuitenkin jossain tapauksissa vaatimuksena, jos sovelluksen pitää olla yhteentoimiva tiettyjen ontologioiden tai sanastojen käyttöön sitoutuneiden sovellusten kanssa. Valitun aihealueen mallintaminen aloitetaan valitsemalla ja listaamalla ne termit, joista ontologian halutaan joko esittävän toteamuksia tai joita sen halutaan selittävän (vaihe 3). Tässä vaiheessa on tärkeää listata kaikki termit huolehtimatta siitä, miten ne ontologiassa lopulta esitetään. Valittujen termien lopulliset esitystavat ontologiassa määritellään prosessin seuraavissa kahdessa vaiheessa (vaiheet 4 ja 5), jotka ovat ontologian suunnitteluprosessin vaiheista tärkeimmät. Ontologian luokkien määrittely (vaihe 4) tapahtuu valitsemalla kehitysprosessin edellisessä vaiheessa luodusta listasta ne termit, jotka kuvaavat kohteita, joiden olemassaolo ei ole riippuvainen muiden kohteiden olemassaolosta. Ne ovat siis termejä, jotka kuvaavat itsenäisesti olemassa olevia kohteita. Näistä termeistä muodostetaan ontologian luokat, jotka järjestetään luokkahierarkiaksi. Kuvassa 4 on esimerkki viiniontologian luokista, jotka on hierarkkisesti järjestetty. Hierarkian luominen voidaan tehdä 8

16 top-down -periaatteella määrittelemällä ensin ontologian yleisimmät luokat (kuvan 4 ylätaso), bottom-up -periaatteella määrittelemällä ensin ontologian yksityiskohtaisimmat luokat (kuvan 4 pohjataso) tai vaihtoehtoisesti edellä mainittuja periaatteita yhdistelemällä. Minkään näistä periaatteista ei voida sanoa olevan toisia menetelmiä parempi, vaan valinta tulee tehdä ontologian kehittäjän henkilökohtaisen aihealuenäkemyksen perusteella. Muodostettavan hierarkian rakenne riippuu ontologian käyttötarkoituksesta ja sovelluksen vaatimasta yksityiskohtaisuustasosta sekä joskus myös muiden sovellusten asettamista yhteensopivuusvaatimuksista. Kuva 4 Noyn & McGuinnessin (2001) esittämä esimerkki viiniontologian luokkahierarkiasta. Luokkahierarkia ei yleensä yksinään riitä vastaamaan prosessin ensimmäisessä vaiheessa määriteltyihin kysymyksiin, joihin ontologian halutaan tarjoavan vastauksia, vaan niihin vastaamiseksi on kuvattava myös luokkina esitettävien käsitteiden sisäinen rakenne. Luokkien valinnan jälkeen termiluettelosta jäljelle jääneet ovat luultavasti käsitteiden ominaisuuksia, joilla tämä rakenne voidaan kuvata. Jokaiselle listan ominaisuudelle täytyy määrittää, mitä luokkaa se kuvailee (vaihe 5). Esimerkiksi voidaan määritellä, että luokalla Viini on ominaisuus väri. Aliluokat perivät kaikkien yläluokkiensa ominaisuudet. Viiniontologian tapauksessa tämä tarkoittaa, että luokan Viini ominaisuus väri on myös esimerkiksi luokan Punaviini ominaisuus. Ominaisuus tulee siis aina määritellä yleisimmälle luokalle, jolla se esiintyy. Prosessin vaiheessa 6 ominaisuudelle voidaan määritellä rajoitteita liittyen muun muassa ominaisuuden arvon tyyppiin (esimerkiksi merkkijono, kokonaisluku tai jokin ontologian luokan yksilö), sallittuihin arvoihin (esimerkiksi ennalta määritetty arvojoukko tai koodiluettelo) tai arvojen lukumäärään (esimerkiksi ominaisuuden pakollisuus, valinnaisuus tai kardinaliteetti). Voidaan esimerkiksi määritellä, että luokan Viini ominaisuus väri saa arvonsa aina arvojoukosta {punainen, valkoinen, rosé}. Yläluokalta periytyvän ominaisuuden arvojoukkoa voidaan rajata aliluokalle. Esimerkiksi luokan Punaviini Viini luokalta perimän ominaisuuden väri sallittujen arvojen joukko voitaisiin rajata muotoon {punainen}. 9

17 Viimeisenä vaiheena ontologian muodostusprosessissa on yksilöiden luonti (vaihe 7). Ennen yksilön luontia on päätettävä, minkä luokan se ilmentää. Luokan valinta määrää, mitkä ominaisuusarvot yksilölle on määriteltävä. Ontologian yksilö- ja luokkatason välinen raja riippuu siitä, mitkä sovellukset ontologiaa mahdollisesti hyödyntävät. Yksilöiden tulisi kuvata yksityiskohtaisimpia kohteita, joita ontologiaa hyödyntäviä sovelluksia varten on tarpeen esittää. 10

18 Semanttinen Web Semanttinen Web on yksi nykymuotoisen WWW:n kehityssuunnista. Semanttisen Webin toiminnan kannalta olennaisia ovat ontologiat, joihin tutustuttiin yleisesti luvussa 2. Tässä luvussa perehdytään Semanttisen Webin perusperiaatteisiin ja tavoitteisiin sekä teknologioihin, joiden avulla ontologioita voidaan käytännössä toteuttaa. Yleistä Suurin osa nykyisen WWW:n sisällöstä on suunniteltu ihmisten luettavaksi. Tietokoneet pystyvät ratkaisemaan yleensä vain esimerkiksi verkon dokumenttien visuaaliseen esittämiseen liittyviä muotoiluseikkoja, mutta dokumenttien merkityksellistä sisältöä, kuten jonkin ihmisen ymmärtämän kielen sanaa kuvaavan merkkijonon merkitystä, ne eivät pysty tulkitsemaan kuten ihminen. Tietokoneiden puutteellinen merkityksellisen eli semanttisen sisällön käsittelykyky ilmenee käytännössä muun muassa tiedonhaun ongelmina. (Berners- Lee ym. 2001) Jos käyttäjä esimerkiksi antaa WWW:n hakukoneelle hakusanan kuusi etsiessään tietoa havupuulajista, saa hän luultavasti valtavan määrän hakutuloksia, joista vain murto-osa vastaa sisällöltään käyttäjän etsimää tietoa. Ongelmana tällaisessa tilanteessa on se, että tietokone ei pysty käsittelemään hakusanan kuusi merkitystä, vaan sen haku perustuu pelkästään merkkijonon kuusi etsimiseen verkon dokumenteista. Vuonna 2001 nykymuotoisen WWW:n keksijänäkin pidetty Tim Berners-Lee esitteli James Hendlerin ja Ora Lassilan kanssa (2001) ratkaisumallin nykyisen WWW:n tietosisällön semanttiseen tulkintaan liittyviin ongelmiin. Esitelty malli oli Semanttinen Web, nykyisen WWW:n laajennus, jonka tavoitteena on mahdollistaa verkon ihmiselle merkityksellisen sisällön tulkinta myös tietokoneille. Semanttisen Webin tarkoituksena ei ole kehittää tietokoneelle monimutkaista tekoälyä, jonka avulla kone pystyisi laskennallisesti ratkaisemaan esimerkiksi ihmisen kirjoittaman dokumentin sisällön merkityksen, vaan ratkaisu perustuu semanttisen tiedon esittämiseen koneelle käsiteltävällä tavalla. Tavoitteena on siis tarjota WWW:n tietosisältöön liittyvä ihmisymmärtämys muodossa, jota myös tietokoneen on mahdollista käsitellä. Tällainen esittämistapa mahdollistaa muun muassa sen, että tietokoneen on esimerkiksi mahdollista ratkaista, että käyttäjän antama hakusana kuusi voi tarkoittaa ihmiselle merkitykseltään ainakin puulajia, lukua ja suomenkielistä sukunimeä. Tällöin hakukone voi pyytää hakuun tarkennusta käyttäjältä, jonka jälkeen on mahdollista listata käyttäjälle merkitykseltään oikeat hakutulokset. Semanttisen Webin teknologiat ontologioiden esittämi- seen Semanttisen Webin toiminnan edellytyksenä on, että WWW:n dokumenttien sisältöön liittyvä semantiikka on esitetty tietokoneelle käsiteltävässä muodossa ja tietokoneilla on pääsy tähän tietoon. Ihmisten ymmärtämien käsitteiden semantiikan esittäminen tapahtuu Semanttisessa Webissä ontologioiden avulla, joten ontologiat ovat keskeinen osa Semanttisen Webin toiminnan kannalta. Tiedon esittämiseksi ontologioiden muodossa on kehitetty teknologioita, jotka muodostavat pohjan kuvassa 5 esitetylle Semanttisen Webin teknologiapinolle. Pinossa esiintyvistä teknologioista ontologioiden esittämisessä hyödynnettäviä ovat: 11

19 Unicode URI (Uniform Resource Identifier) XML (extensible Markup Language) RDF (Resource Description Framework) RDFS (RDF Schema) OWL (Web Ontology Language) Nämä teknologiat esitellään lyhyesti tässä luvussa. Kuva 5 Semanttisen Webin teknologioiden pino (Kuva: Obitko 2007) URI ja Unicode Alimmalla tasolla Semanttisen Webin teknologioiden pinossa ovat URI- ja Unicodestandardit. URI (Berners-Lee ym. 2005) on standardin mukainen merkkijono, jota käytetään abstraktin tai fyysisen resurssin yksilöimiseen Internetissä. Esimerkkinä URItunnisteista ovat esimerkiksi WWW-sivujen URL (Uniform Resource Locator) -osoitteet. Semanttisessa Webissä URI toimii yksilöllisenä tunnisteena, jonka avulla tietoon on mah- 12

20 dollista viitata. Unicode 1 puolestaan on yleismaailmallinen merkistöstandardi, joka mahdollistaa tiedon esittämisen Semanttisessa Webissä millä tahansa maailman kielellä XML URI- ja Unicode-teknologioita yhtä kerrosta ylempänä pinossa on merkintäkieli XML (Bray ym. 2006). Se on W3C:n (World Wide Web Consortium) standardoima, tiedon siirtoon ja tallentamiseen suunniteltu rakenteellinen tapa esittää tietoa. XML-dokumentti koostuu tekstimuotoisesta tiedosta, jota kuvaillaan < ja > merkein eroteltuja, tageiksi kutsuttuja metakuvauksia käyttäen. Esimerkiksi yliopistoon ja sen opiskelijoihin liittyviä tietoja voitaisiin esittää XML:n avulla muodossa: <yliopisto> <nimi>aalto-yliopisto</nimi> <opiskelija> <sukunimi>meikäläinen</sukunimi> <etunimi>matti</etunimi> </opiskelija> <opiskelija> <sukunimi>teekkari</sukunimi> <etunimi>teemu</etunimi> </opiskelija> </yliopisto> Tageilla annetaan siis niiden sisällä olevalla tiedolle eräänlainen merkitys, jota tietokone voidaan ohjelmoida tulkitsemaan. Tagien tarjoamat metakuvaukset eivät kuitenkaan sisällä minkäänlaista tietokoneelle käsiteltävissä olevaa semantiikkaa, vaan niiden varsinaiset merkitykset ovat vain ihmisen ymmärrettävissä. Esimerkiksi metakuvauksen yliopisto perusteella ihminen pystyy ymmärtämään, että tieto liittyy johonkin korkeimman asteen tieteellistä koulutusta tarjoavaan laitokseen, mutta tietokoneelle yliopisto on pelkkä merkkijono, jonka perusteella se ei pysty tekemään ihmisen ymmärtämiseen verrattavissa olevia päätelmiä. XML-dokumenttien rakenteen kuvaamiseen voidaan käyttää muun muassa XML-pohjaista XML Schema -kieltä (Gao ym. 2011). XML Schemalla tehtävien määrittelyjen avulla voidaan kuvata ja rajoittaa XML-dokumenttien sisältöä RDF XML:ää korkeammalla tasolla Semanttisen Webin teknologiapinossa on RDFmetatietomalli (Manola & Miller 2004), joka on suunniteltu erityisesti WWW:n resurssien kuvailuun. Syntaksiltaan RDF-kuvaukset voidaan esittää XML-dokumentteina ja resurssien yksilöinnissä käyttää URI-tunnisteita. Rakenteeltaan RDF perustuu yksinkertaisiin subjekti-predikaatti-objekti -kolmikoihin, jotka kuvaavat resursseja niiden ominaisuuksien ja ominaisuuksien arvojen avulla. Esimerkiksi lause Aalto-yliopisto sijaitsee Espoossa voidaan esittää kolmikkona (Aalto-yliopisto, sijainti, Espoo). Tässä tapauksessa kuvailtavana resurssina eli subjektina on Aalto-yliopisto, jota kuvataan ilmaisemalla, että sillä on

21 ominaisuus sijainti, jonka arvo on Espoo. Yhdistettyinä RDF-kolmikkojen luomat kuvaukset muodostavat suunnattuja verkkoja. Esimerkki tällaisesta verkosta on kuvassa 6, jossa on esitetty tunnuksilla H1 ja H2 yksilöityjen ihmisten yhdistettyjen RDFkuvailuiden muodostama suunnattu verkko. Kuva 6 Esimerkki RDF-kuvausten muodostamasta suunnatusta verkosta (Kuva: Hyvönen 01/2011) RDFS RDF mahdollistaa resurssien yksityiskohtaisen kuvailun, mutta kuvauksissa käytettävän sanaston määrittelyyn tarvitaan RDFS-kieltä. RDFS (Brickley & Guha 2004) on RDF:n semanttinen laajennus, jolla voidaan kuvata toisiinsa liittyvien resurssien joukkoja eli luokkia ja niiden keskinäistä hierarkiaa sekä luokkiin kuuluvien resurssien välisiä suhteita. Luokkien ja suhteiden kuvaamisessa käytetään kielen tarjoamia valmiita primitiivejä kuten Class, subclassof ja Property. Esimerkiksi kuvan 6 mukaiselle RDF-kuvaukselle voitaisiin määritellä RDFS:n avulla, että ihminen on luokka ja kyseiseen luokkaan kuuluvalla alkiolla eli resurssilla voi olla ominaisuudet nimi, ammatti ja s-paikka. Edelleen voitaisiin määritellä, että esimerkiksi ominaisuus s-paikka kohdistuu objektiin, joka saa arvokseen jonkin luokan kunta -alkioista. Kuvassa 7 on esitetty yksinkertaistettu versio edellä kuvaillusta sanastomäärittelystä, jossa luokalle ihminen on määritelty ominaisuudet nimi ja s-paikka. RDFS-kuvauksilla luodaan siis kuvassa näkyvä sovellusskeemataso. 14

22 Datataso (RDF) Sovellusskeemataso (RDFS) RDF/RDFS primitiivitaso S rdfs:class rdfs:resource S rdf:property S = rdfs:subclassof D = rdfs:domain R = rdfs:range T = rdf:type T T D T T D Ihminen Kunta s-paikka nimi R T T T T H1 s-paikka Lemu H2 s-paikka Askainen nimi Akseli Gallen- Kallela nimi Gustaf Mannerheim Kuva 7 RDFS-esimerkki Staab ym. (2000) mukaillen. RDFS:ää käyttäen voidaan muodostaa hierarkkisia käsiterakenteita, joissa käsitteiden välillä voi olla myös hierarkkisista suhteista poikkeavia suhdetyyppejä. Tällaisia formaaleja eksplisiittisiä käsitteistöjä kutsutaan ontologioiksi ja ne ovat keskeinen osa Semanttista Webiä. Ontologioiden avulla tietokoneelle määritellään ihmisen ymmärtämän maailman käsitteet ja niiden väliset suhteet, joihin perustuen koneen on mahdollista käsitellä tietoa ihmisen päättelykykyä mukailevalla tavalla. RDFS:n ilmaisuvoima on kuitenkin rajallinen, joten sen tarjoama malli ihmisen ajatusmallista on erittäin yksinkertaistettu. Esimerkiksi RDFS:n avulla ei voida ilmaista, että ihmisellä voi olla vain yksi syntymäpaikka, vaikka ihminen voi ajattelussaan pitää tällaista asiaa itsestäänselvyytenä OWL OWL (Hitzler ym. 2009) on W3C:n kehittämä ontologiakieliperhe, jonka sisältämät kielet ovat RDFS:ää ilmaisuvoimaisempia. OWL-ontologiat voidaan esittää XMLdokumentteina, joissa voidaan haluttaessa käyttää RDFS-syntaksia. OWL tarjoaa hierarkkisen mallinnuksen lisäksi runsaasti loogisia ominaisuuksia, mutta ominaisuuksien runsaus tekee myös ontologioiden suunnittelusta ja toteutuksesta haastavampaa kuin yksinkertaisempaa RDFS:ää käytettäessä. 15

23 Paikkatieto Tässä luvussa käsitellään lyhyesti, mitä paikkatieto on ja mikä siitä tekee erityistä muuhun tietoon nähden sekä millainen on kansainvälisesti standardoitu tapa mallintaa paikkatietoa. Lopuksi pohditaan, mitä Semanttisen Webin kehitys edellyttää paikkatietojen osalta. Yleistä Geoinformatiikan sanastossa (Sanastokeskus TSK ry 2011) suomenkielisen käsitteen paikkatieto määritellään tarkoittavan tietoa kohteista, joiden paikka Maan suhteen tunnetaan. Tiedon voidaan tällöin sanoa olevan paikkatietoa, kun se sisältää tiedon kohteen sijainnista viittauksena tiettyyn paikkaan tai maantieteelliseen alueeseen. Kohde, jonka sijaintia ja muita ominaisuuksia paikkatiedolla kuvataan, on yksilöitävissä oleva abstrakti tai konkreettinen reaalimaailman asia tai ilmiö. Tyypillisiä paikkatiedolla kuvattuja kohteita ovat luonnon tai rakennetun ympäristön kohteet, mutta paikkatietoa voidaan käyttää kuvaamaan mitä tahansa muutakin sijainniltaan tunnettua asiaa tai ilmiötä. Paikkatietoa voidaan tallentaa, hallita, analysoida tai esittää tehokkaasti paikkatietojärjestelmien (GIS eli Geographic Information System) avulla. Paikkatietoaineistot ja paikkatietopalvelut sekä niihin liittyvät kuvailut ja julkisen saataville asettamisen mahdollistavat välineet, tekniikat, periaatteet ja prosessit muodostavat yhdessä paikkatietoinfrastruktuuriksi kutsutun rakenteen. (Sanastokeskus TSK ry 2011) Paikkatiedon erityispiirteet Yksi syistä, joka tekee paikkatiedosta erityistä muuhun tietoon nähden, on sijaintitiedon suuri merkitys ihmiselle. Ihmisen toimintaan ja päätöksentekoon liittyy lähes aina sijainti, johon liittyvien ongelmien ratkaisemiseen paikkatietoa käytetään. Ongelmat voivat olla yksinkertaisia, kuten työmatkan reitin suunnittelu tai monimutkaisia, kuten katastrofeihin johtavien luonnonilmiöiden ennakointi. Paikkatietoja voidaan siis hyödyntää useissa eri käyttötarkoituksissa ja käyttäjäkunta on laaja. Paikkatiedolla on myös teknisiä erityispiirteitä, joita ovat muun muassa: Moniulotteisuus. Pelkän maantieteellisen sijainnin määrittäminen edellyttää vähintään kahden koordinaattiarvon käyttöä. Laajuus. Paikkatietojen muodostamat paikkatietoaineistot ovat kooltaan tyypillisesti suuria. Sijainnillinen yksityiskohtaisuus. Paikkatietoa voidaan esittää erotuskyvyltään eri tasoilla. Esimerkiksi pienimittakaavaisessa kartassa esitetään tyypillisesti vähemmän kohteita kuin suurimittakaavaisessa. Mallinnustapa. Paikkatietojen mallinnus voidaan tehdä eri tavoin ja mallinnustavalla voi olla suuri vaikutus tiedon analysointiin ja lopputulokseen. Projisointi. Paikkatietoa on usein tarvetta projisoida tasoon muun muassa visualisoinnin tarpeisiin. 16

24 Analyysi. Paikkatiedon analysointiin tarvitaan useita erikoismetodeja ja analyysin tekeminen voi viedä paljon aikaa. Tiedon keruu ja päivitys. Paikkatiedon esittäminen karttana vaatii suurten tietomäärien keräämistä. Kerätyn tiedon päivitys on monimutkaista ja kallista. (Longley ym. 2011) Paikkatiedon mallintaminen Paikkatiedon mallintamisen perusperiaatteet ja keskeiset käsitteet esitellään standardissa SFS-EN ISO Reference model (2005), jonka ydinkohdat on koottu myös julkisen hallinnon suositukseen JHS 162 Paikkatietojen mallintaminen tiedonsiirtoa varten (2010). Paikkatiedon mallinnuksessa pyritään luomaan reaalimaailmasta tai sen osasta pelkistetty esitys eli malli. Mallia, joka määrittelee tarkasteltavan kohdemaailman käsitteet ja niiden väliset suhteet kutsutaan käsitemalliksi. Esimerkiksi paikkatiedon käsitemallin avulla määritellään paikkatietokohteita ja niiden välisiä suhteita. Käsitemallinnuksen peruskäsitteet ja niiden suhde toisiinsa on esitetty kuvassa 8. Malli voidaan esittää joko vapaamuotoisella esittämistavalla tai ennalta määritellyllä, määrämuotoisella mallinnuskielellä. Mallin määrämuotoista esittämistapaa kutsutaan skeemaksi ja käsitemallin määrämuotoista esittämistapaa vastaavasti käsiteskeemaksi. Sovellusskeema on yhden tai useamman sovellusalan tarvitsemaa tietoa kuvaamaan tehty käsiteskeema. Esimerkiksi paikkatietoa ja paikkatietojärjestelmiä tutkivalla geoinformatiikan alalla sovellusskeemat ovat paikkatietoskeemoja. Skeemojen esittämiseen tarvitaan mallinnuskieliä, jotka voidaan jakaa leksikaalisiin (esimerkiksi XML Schema) ja graafisiin (esimerkiksi UML (Unified Modeling Language)) mallinnuskieliin. Skeeman mallinnuskieli valitaan käyttötarkoituksen mukaan. (Sanastokeskus TSK ry 2011; SFS-EN ISO ; JHS ) Paikkatietojen yleinen käsitemalli GFM (General Feature Model) määritellään standardissa SFS-EN ISO Geographic information - Rules for application schema (2006). GFMkohdemallin tapa mallintaa reaalimaailmaa on esitetty kuvassa 9. Kuvan 10 UML-kaavio on graafinen esimerkki paikkatiedon GFM-mallinnuksesta. Paikkatietojen mallinnuksessa reaalimaailman abstraktia tai konkreettista kohdetta tai ilmiötä mallinnetaan kohdeluokkana. Kohdeluokka nimetään yleensä kuvattavan kohteen tai ilmiön mukaan, eli esimerkiksi reaalimaailman kohde katu voitaisiin mallintaa kohdeluokkana Katu. Yksittäistä kohdeluokan alkiota kutsutaan luokan ilmentymäksi. Esimerkiksi jokin yksittäinen katu, kuten Mannerheimintie, voisi olla luokan Katu ilmentymä. Kohdeluokan tietosisältö määritellään kohdetyypissä, jonka määrittelemän sisällön myös jokaisen kohdeluokan ilmentymän tulee toteuttaa. Kohdetyyppi määritellään joukolla kohteen ominaisuuksia, joista jokaiselle tulee määritellä nimi ja tietotyyppi. Jokaiselle kohdetyypille tulee määritellä myös ominaisuus, joka yksilöi kohdeluokan ilmentymän. Esimerkiksi kohdeluokan Katu yksilöivä ominaisuus voisi olla tietotyypiltään kokonaislukuna esitettävä katunumero. Paikkatietokohteiden mallinnuksessa on lisäksi olennaista, että kohteen sijainti esitetään yhtenä tai useampana kohdetyypin ominaisuutena muiden ominaisuustietojen joukossa. Esimerkiksi kohdeluokan Katu sijainnillisia ominaisuuksia voisivat olla viivamaisena geometriana esitettävä keskilinja ja aluemaisena geometriana esitettävä katualue. 17

25 Reaalimaailma käsitteet kuvailuun Kohdemaailma Käsiteformalismi Käsitemalli määritellään perusta yhdelle tai useammalle formaali esitystapa Käsitemallinnuksen kieli/kielet Leksikaaliset kielet Graafiset kielet formaali kieli esittämiseen Käsiteskeema Kuva 8 Käsitemallinnuksen peruskäsitteet ISO (2005) mukaillen. Kohdetyypin ominaisuudet voidaan jakaa tyypeiltään attribuutteihin, suhderooleihin ja operaatioihin. Attribuutti on kohdetta luonnehtiva tai kuvaava piirre. Esimerkiksi aiemmin mainitut katunumero, keskilinja ja katualue ovat kohdeluokan Katu attribuutteja. Suhderooli ilmaisee kohteiden välisen käsitteellisen yhteyden. Esimerkiksi haluttaessa mallintaa kadun ja bussipysäkin välistä suhdetta, voitaisiin kohdeluokalle Katu määritellä suhderooli liitännäisalue, jonka tietotyyppinä olisi kohdeluokka Pysäkki. Ominaisuustyypillä operaatio puolestaan kuvataan funktiota tai toimintaa, jonka mikä tahansa kohdeluokan alkioista voi suorittaa. Jos samat ominaisuudet esiintyvät useassa kohdetyypissä, voidaan niiden määrittelemistä useaan kertaan sovellusskeemassa mahdollisesti välttää muodostamalla luokkahierarkioita oliopohjaisen mallinnuksen periytymissääntöjä noudattaen. Tällöin kohdeluokkien yhteiset ominaisuudet kootaan kantaluokan ominaisuuksiksi ja määritellään kyseiset kohdeluokat kantaluokan aliluokiksi, jolloin ne perivät kaikki kantaluokan ominaisuudet. 18

26 Reaalimaailma Kohde tai ilmiö Paikkatieto Mallintaa ISO Yleinen kohdemalli (GFM) Kohdeluokka Määrittelee tietosisällön Kohdetyyppi Määrittelevät Ominaisuudet Kuvaavat Attribuutit Suhderoolit Operaatiot Kuva 9 GFM-kohdemallin tapa mallintaa reaalimaailmaa. Kuva 10 UML-esimerkki paikkatiedon mallinnuksesta (JHS ). 19

27 Paikkatieto Semanttisessa Webissä Semanttisen Webin tarkoituksena on parantaa muun muassa tiedonhakua Internetissä tarjoamalla ihmisen hallitsemat merkityssuhteet tietokoneelle käsiteltävässä muodossa. Tällainen kehityssuunta vaatii erityishuomiota myös paikkatiedon näkökulmasta, jotta paikkatiedon merkitykseen liittyvät erityispiirteet tulevat asianmukaisesti huomioiduiksi. Semanttisen Webin toteutus vaatiikin paikkatiedon osalta muun muassa lukuisien sijaintiin ja terminologiaan liittyvien ontologioiden luomista. Tällaisia ontologioita ovat spatiaalisten suhteiden ontologiat paikkatietokohdeontologiat paikannimiontologiat. Spatiaalisten suhteiden ontologiat määrittelevät muun muassa topologisten suhteiden, kuten päällekkäisyys ja leikkaavuus, merkityksen. Paikkatietokohdeontologiat kuvaavat paikkatietokohdeluokkiin liittyvää semantiikkaa, kuten esimerkiksi, että järvi on vesistö. Paikannimiontologiat nimeävät yksittäisiä paikkatietokohteita ja niiden keskeisinä lähteinä ovat eri paikannimihakemistot ja -rekisterit. (Egenhofer 2002) Suomessa paikkaontologioita on rakennettu esimerkiksi FinnONTO-projektin yhteydessä. Yksi näistä on Suomalainen paikkaontologia 2 (SUO). SUOssa spatiaaliset suhteet, paikkatietokohteet ja paikannimet on määritelty samassa ontologiassa. SUOn määrittelemiä spatiaalisia suhteita ovat topologiset suhteet, kuten päällekkäisyys, leikkaavuus ja viereisyys meronymiset osa-kokonaisuus -suhteet. Paikkatietokohdeluokkia SUOssa on satoja ja ne kuvaavat ihmisten muodostamia sekä luonnon määrittelemiä paikkoja. Luokkien ilmentymiä ovat yksittäiset, nimetyt paikat, joissa lähteenä on ollut muun muassa Maanmittauslaitoksen Paikannimirekisteri ja GEOnet Names Server (GNS)