World Wide Web — sieć dokumentów

Główny problem aktualnej sieci — komputer nie „rozumie” znaczenia danych na WWW, nie rozpoznaje ich semantyki.

Stąd proste pytania okazują się zaskakująco trudne, np.:

Jak wyszukać książki o pisarzu, a nie jego autorstwa?
Czy dana substancja jest lekarstwem na jakąś dolegliwość, czy powoduje ją jako skutek uboczny?
Wiemy, że Ambroży jest ojcem Barnaby. Skąd wiadomo, że Barnaba jest synem Ambrożego? A może jest córką?

Informacja zawarta w dokumencie jest przesłonięta przez:

język ludzki,
grafikę i multimedia,
układ i konstrukcję samego dokumentu.

Słowem — aktualne dokumenty na WWW są (zazwyczaj) łatwe dla zrozumienia przez człowieka, ale trudne do przetwarzania przez maszynę.

Chociaż i tutaj prowadzone są działania w celu zachowania w dokumentach (X)HTML informacji o semantyce. Głównie w kontekście dostępności WWW (np. dla niepełnosprawnych, niewidomych, którym pomagają maszyny). Również wyszukiwarki internetowe korzystają nie tylko z linków (minimalna semantyka — „to linkuje tamto”) ale i z konstrukcji strony i semantyki znaczników (X)HTML.

Sieć danych zamiast sieci dokumentów

Do pełnego wykorzystania potencjału WWW konieczna jest odpowiednia reprezentacja wiedzy dostępnej w Sieci.

Zgodnie z koncepcją twórcy WWW:

The Web was designed as an information space, with the goal that it should be useful not only for human-human communication, but also that machines would be able to participate and help. [...] Leaving aside the artificial intelligence problem of training machines to behave like people, the Semantic Web approach instead develops languages for expressing information in a machine processable form.

„Semantic Web Road map”, Tim Berners-Lee, 1998

„Leaving aside the artificial intelligence problem ...” — zagadnienia wydobywania informacji użytecznej dla maszyny z dokumentów tworzonych przez i dla człowieka nie leżą w zakresie zainteresowania SW. W SW nie chodzi o analizowanie danych i wydobywanie wiedzy, tylko o jej reprezentację.

BTW: Tim Berners-Lee == dyrektor W3C.

Rewolucja?

Sposoby wykorzystania mechanizmów oferowanych przez Sieć Semantyczną są ograniczone jedynie ludzką wyobraźnią.

Często cytowany „wizjonerski” artykuł:

„The Semantic Web”, Tim Berners-Lee, James Hendler, Ora Lassila, Scientific American, maj 2001

A new form of Web content that is meaningful to computers will unleash a revolution of new possibilities
„Sieć semantyczna”, Świat Nauki, lipiec 2001

Nowy format dokumentów hipertekstowych, dzięki któremu komputery rozpoznają ich treść, stwarza nowe, bezprecedensowe możliwości

I to akurat jest fakt, ale nie czyni to rewolucji, jedynie ewolucję. Niełatwą zresztą..

SW nie zastępuje tylko rozszerza WWW.

Ewolucja

Zmiana WWW do postaci SW ma znamiona ewolucji — stopniowe schodzenie na bardziej szczegółowy poziom informacji, na której operuje użytkownik Sieci:

FTP, Gopher, Archie - poziom plików,
HTML, URI (URL) - poziom dokumentów (tekst, obraz, multimedia),
XML, RDF - poziom danych (i wykorzystanie wiedzy).

Na najniższym poziomie Sieć zaczyna być dostępna do (automatycznego) przetwarzania również przez maszynę — użytkownikami stają się „agenci”, nie tylko ludzie.

Ważne, że „również przez maszynę” — człowiek pozostaje nadal jako użytkownik WWW w aktualnej postaci.

Wymagania dla działania agentów w SW

Dostępne, dobrze zorganizowane i opisane zasoby danych (np. rozkłady jazdy i lotów, terminarze imprez, cenniki, lokalizacje zakładów usługowych, sklepów, hoteli, itd. itp.)
Dostępne zasoby wiedzy (w postaci ontologii) (np. „pociąg to środek transportu”, „komedia to gatunek filmu”, „film jest wyświetlany w kinie”, itd. itp.)
Opis preferencji użytkownika (np. preferowane środki transportu, ulubione gatunki filmów, rozkład zajęć w tygodniu, możliwości/preferencje cenowe, itd. itp.)
Mechanizmy wnioskowania (np. zależności czasowe, określanie zaufania do informacji, itd. itp.)
Serwisy „usługowe” działające na rzecz agentów (np. opinia o jakości usług lokalu, przypadki spamu ze sklepu internetowego, itd. itp.)

Tylko po zapewnieniu tych wszystkich elementów może istnieć i sprawnie funkcjonować „agent” — program efektywnie wykorzystujący Sieć Semantyczną.

Sieć Semantyczna wg W3C

Rekomendacje World Wide Web Consortium dotyczące Sieci Semantycznej:

XML (Extensible Markup Language) — składania i struktura dokumentów
XML Schema — ograniczenia struktury i typy danych w XML
RDF (Resource Description Framework) — opis zasobów (obiektów) i relacji między nimi; modele danych w składni XML
RDF Schema — cechy, klasy i hierarchie klas obiektów RDF
OWL (OWL Web Ontology Language) — dokładniejszy opis cech i klas obiektów oraz relacji między klasami; ontologie w RDF

RDF — Resource Description Framework

Skrót może być rozumiany również jako: Relational Data Format lub Reusable Data Format.
Prosta reprezentacja informacji o zasobach lub obiektach identyfikowalnych w Sieci.
Oparty na XML (Extensible Markup Language — struktura) i URI (Uniform Resource Identifier — identyfikatory).
Każde wyrażenie składa się z trójki: (podmiot, predykat, obiekt) lub (zasób, cecha, wartość):
- podmiot — URI albo pusty węzeł (_:nazwa)
- predykat — URI
- obiekt — URI, stała albo pusty węzeł (_:nazwa)
Zapisywalny również w postaci grafów.

„Relational/Reusable Data Format” spotykany w materiałach propagandowych raczej, nie w oficjalnych dokumentach, ale bardzo dobrze oddaje merytoryczny sens zapisu czegokolwiek w RDF.

Ważne: „identyfikowalnych” to nie koniecznie znaczy „możliwych do pobrania”.

RDF — przykład #1 (Maurycy)

excat:Maurycy  rdf:type             expet:Cat .
excat:Maurycy  expet:name           "Maurycy" .
excat:Maurycy  expet:breed          "EUR" .
excat:Maurycy  expet:age            "1.5"^^xsd:decimal .
excat:Maurycy  expet:mailbox        <mailto:maurycy.kot@gmail.com> .
excat:Maurycy  exvoc:coinhabitants  _:x .
_:x            rdf:type             rdf:Bag .
_:x            rdf:_1               excat:Kalma .
_:x            rdf:_2               exrat:Gomez .

<?xml version="1.0"?>
<!DOCTYPE rdf:RDF [<!ENTITY xsd "http://www.w3.org/2001/XMLSchema#">]>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
         xmlns:expet="http://example.org/pets#"
         xmlns:exvoc="http://example.org/vocab#">

  <expet:Cat rdf:about="http://example.org/cats/PL/OP#Maurycy">
    <expet:name rdf:datatype="&xsd;string">Maurycy</expet:name>
    <expet:breed rdf:datatype="&xsd;string">EUR</expet:breed>
    <expet:age rdf:datatype="&xsd;decimal">1.5</expet:age>
    <expet:mailbox rdf:resource="mailto:maurycy.kot@gmail.com"/>
    <exvoc:coinhabitants>
      <rdf:Bag>
        <rdf:li rdf:resource="http://example.org/cats/PL/OP#Kalma" />
        <rdf:li rdf:resource="http://example.org/rats/PL/OP/Gomez" />
      </rdf:Bag>
    </exvoc:coinhabitants>
  </expet:Cat>
</rdf:RDF>

Zapis trójek prawie zgodny z N-Triples. Skróty URI wg konwencji QName.

Typy danych z XSD (XML Schema datatypes) w RDF/XML skrócone za pomocą encji &xsd;. Nie wszystkie typy opisane w XSD mogą być swobodnie używane w RDF (np. xsd:duration, mimo że to „primitive datatype”) — listę zalecanych podaje rekomendacja „RDF Semantics”.

RDF — przykład #2 (Dublin Core)

Dublin Core Metadata Element Set — opis dokumentów, szeroko stosowany jako metadane.

<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
         xmlns:dc="http://purl.org/dc/elements/1.1/">
  <rdf:Description rdf:about="http://mimas.ceti.pl/semweb/prezentacje/20050521.html">
    <dc:title>Sieć Semantyczna jako przyszłość WWW</dc:title>
    <dc:description>Prezentacja wprowadzająca w zagadnienia Sieci
      Semantycznej (Semantic Web) - przedstawienie koncepcji i technologii 
      aktualnie wspierających jej realizację.</dc:description>
    <dc:creator>Michał Świątkiewicz</dc:creator>
    <dc:date>2005-05-21</dc:date>
    <dc:subject>
      <rdf:Bag>
        <rdf:li>Semantic Web</rdf:li>
        <rdf:li>RDF</rdf:li>
        <rdf:li>OWL</rdf:li>
      </rdf:Bag>
    </dc:subject>
    <dc:language>pl</dc:language>
    <dc:format>application/xhtml+xml</dc:format>
    <dc:type>HTML Slidy</dc:type>
  </rdf:Description>
</rdf:RDF>

dc — jedna z powszechnie używanych przestrzeni nazw: xmlns:dc="http://purl.org/dc/elements/1.1/". BTW: DC powstał w marcu 1995 na Metadata Workshop w Dublinie, Ohio.

Inne przykłady:

RSS - RDF Site Summary
CC/PP - Composite Capabilities/Preferences Profile

OWL — OWL Web Ontology Language

Szczegółowa reprezentacja informacji o klasach obiektów, ich właściwościach i związkach (zapis ontologii) oraz możliwość wnioskowania na zasadzie logicznych konsekwencji.
Dodaje do wyrażeń RDF dodatkowe informacje, takie jak:
- równoważności klas i cech obiektów,
- ograniczenia na cechy obiektów,
- ograniczenia ilości wystąpień w relacjach,
- algebra zbiorów na klasach,
- wersjonowanie i opisy uzupełniające, itp.
Aktualny wynik ewolucji języka DAML+OIL.
Trzy odmiany: OWL Lite, OWL DL, OWL Full różniące się złożonością, szczegółowością wyrażeń i możliwościami wnioskowania.

„Ontologia” — termin zapożyczony z filozofii odnoszący się do opisywania istniejących w świecie rzeczy i relacji między nimi.

Logiczne konsekwencje w ontologii umożliwiają ustalenie faktów, które nie są zapisane wprost, ale wynikają z semantyki. Wnioskowanie to może być oparte na pojedynczym dokumencie OWL albo na wielu dokumentach rozproszonych w Sieci — założenie „open world”. W konsekwencji opis zasobów zawarty w ontologii może być rozszerzany przez inne ontologie, ale informacje są zawsze tylko dodawane, nigdy usuwane.

DARPA — Defense Advanced Research Projects Agency

DAML+OIL został zastąpiony przez OWL, jako wynik ewolucji, nie konkurencji. Analogicznie OWL-S zastępuje poprzednie DAML-S.

OWL — przykład (Wine Ontology)

Przykład przedstawiony w OWL Web Ontology Language Guide.

...
<owl:Class rdf:ID="ConsumableThing" />

<owl:Class rdf:ID="NonConsumableThing">
  <owl:complementOf rdf:resource="#ConsumableThing" />
</owl:Class>

<owl:Class rdf:ID="EdibleThing">
  <rdfs:subClassOf rdf:resource="#ConsumableThing" />
</owl:Class>

<owl:Class rdf:ID="PotableLiquid">
  <rdfs:subClassOf rdf:resource="#ConsumableThing" />
  <owl:disjointWith rdf:resource="#EdibleThing" />
</owl:Class>
...

...
<owl:Ontology rdf:about="">
  <rdfs:comment>An example OWL ontology</rdfs:comment>
  <owl:priorVersion>
    <owl:Ontology 
      rdf:about="http://www.w3.org/TR/2003/CR-owl-guide-20030818/wine"/>
  </owl:priorVersion>
  <owl:imports 
      rdf:resource="http://www.w3.org/TR/2003/PR-owl-guide-20031209/food"/>
  <rdfs:comment>Derived from the DAML Wine ontology at 
    http://ontolingua.stanford.edu/doc/chimaera/ontologies/wines.daml
    Substantially changed, in particular the Region based relations.
  </rdfs:comment>
  <rdfs:label>Wine Ontology</rdfs:label>
</owl:Ontology>
...

...
<owl:Class rdf:ID="Wine">
  <rdfs:subClassOf rdf:resource="&food;PotableLiquid" />
  <rdfs:subClassOf>
    <owl:Restriction>
      <owl:onProperty rdf:resource="#madeFromGrape" />
      <owl:minCardinality 
        rdf:datatype="&xsd;nonNegativeInteger">1</owl:minCardinality>
    </owl:Restriction>
  </rdfs:subClassOf>
  <rdfs:subClassOf>
    <owl:Restriction>
      <owl:onProperty rdf:resource="#hasColor" />
      <owl:cardinality 
        rdf:datatype="&xsd;nonNegativeInteger">1</owl:cardinality>
    </owl:Restriction>
  </rdfs:subClassOf>
   ...
  <rdfs:label xml:lang="en">wine</rdfs:label>
  <rdfs:label xml:lang="fr">vin</rdfs:label>
</owl:Class>
...

...
<owl:Class rdf:ID="WineColor">
  <rdfs:subClassOf rdf:resource="#WineDescriptor" />
  <owl:oneOf rdf:parseType="Collection">
    <owl:Thing rdf:about="#White" />
    <owl:Thing rdf:about="#Rose" />
    <owl:Thing rdf:about="#Red" />
  </owl:oneOf>
</owl:Class>
...

...
<owl:Class rdf:ID="WhiteTableWine">
  <owl:intersectionOf rdf:parseType="Collection">
    <owl:Class rdf:about="#TableWine" />
    <owl:Restriction>
      <owl:onProperty rdf:resource="#hasColor" />
      <owl:hasValue rdf:resource="#White" />
    </owl:Restriction>
  </owl:intersectionOf>
</owl:Class>
...

http://www.w3.org/TR/2003/PR-owl-guide-20031215/food.rdf
http://www.w3.org/TR/2003/PR-owl-guide-20031215/wine.rdf

Sieć Semantyczna dzisiaj

Zbiory ontologii:

DAML Ontology Library — język DAML, lata 2000-2003.
OpenCyc — wersja open source bazy wiedzy i mechanizmu wnioskowania Cyc (Cycorp, Inc.).
SchemaWeb — ontologie najróżniejsze, duże i małe.
...

Narzędzia:

„Ontology Tools Survey” (XML.com, 2004.07.14) opisuje 94 edytory — różne podejścia, różne języki, różne możliwości.
Walidatory on-line:
- W3C RDF Validation Service
- WonderWeb OWL Ontology Validator

Jak wykorzystać WWW?

Problemy:

Identyfikacja i pozyskanie informacji semantycznej z aktualnie dostępnych źródeł:
- odczytywanie informacji semantycznej z istniejących stron XHTML — „screen scraping”,
- budowanie ontologii na podstawie zbiorów tekstowych i baz danych — „ontology mining”.
Uzupełnianie istniejących dokumentów WWW o informacje semantyczne podawane przez użytkownika:
- oznaczanie i opisywanie informacji na stronach HTML (np. projekt Thresher),
- dodawanie nowej informacji semantycznej (np. projekt Annotea).

„Screen scraping” mocno wykorzystuje to, co w (X)HTML określamy jako „semantic markup”.

Jak rozwijać SW?

Problemy:

Zapewnienie prawidłowego funkcjonowania ontologii w środowisku „open world”
- zachowanie odpowiednich relacji między rozproszonymi ontologiami,
- zapobieganie powstawaniu wielu sprzecznych ontologii,
- tolerancja dla danych niepełnych i niespójnych.
Określanie i przekazywania zaufania do informacji
- oparte na reputacji („kto tak twierdzi”),
- oparte na kontekście („kto, gdzie i dlaczego tak stwierdził”),
- oparte na zawartości („kto jeszcze twierdzi tak samo”).
Uzupełnienie istniejących Webserwisów o informacje semantyczne. Serwisy semantyczne (DAML-S / OWL-S).
Rozwój i standaryzacja narzędzi do tworzenia ontologii.

Sprzeczne ontologie teoretycznie mogą być przeszkodą, chociaż istnieją teorie, mówiące że ontologie dobre, pełne i poprawne same się obronią — sytuacja podobna jak z jakością informacji w Wikipedii.

Zaufanie agentów do informacji działa zupełnie analogicznie jak zaufanie człowieka...

WebSerwisy są sprawą podobną do SW, a jednak zupełnie niezależną. Fakt, że są to dwa odrębne pomysły wynika prawdopodobnie z różnego zakresu zainteresowania: WS - biznesowe, SW - akademickie.

Jak używać SW?

Problemy:

Sprawny standard wyszukiwania dostępnych ontologii i przeszukiwania ich treści.
Agenci automatycznie korzystający z ontologii (np. Wine Agent).
Narzędzia do przeglądania/przeszukiwania Sieci Semantycznej przez człowieka (np. Haystack — Semantic Web Browser).
Bezpośrednia komunikacja urządzeń w Sieci. Opis parametrów urządzeń i preferencji użytkownika (np. CC/PP — Composite Capability/Preference Profile).

Projekty takie jak Haystack mają znaczenie psychologiczne — ludzie muszą „dotknąć”, zobaczyć, że ”to działa” aby chcieli się zaangażować w tworzenie dalszych elementów SW. Zupełnie tak samo było z WWW.

CC/PP — rekomendacja W3C; struktura oparta na RDF.

</sw:prezentacja>

Dziękuję za uwagę.

Najciekawsze pytania z sali

Ile trwa utworzenie ontologii, np. Wine Ontology? Jak to wygląda w porównaniu do bazy danych?

Nie są mi znane żadne oficjalne informacje na ten temat. Powstawanie Wine Ontology jest opisane w kolejnych krokach w OWL Web Ontology Language Guide, więc być może powstawała przez cały czas tworzenia tego dokumentu...?

Generalnie ilość pracy potrzebna do stworzenia ontologii bardzo mocno zależy od jej zawartości i szczegółowości, a najbardziej chyba od wykorzystania pojęć zdefiniowanych wcześniej w innych ontologiach. Prawdopodobnie jednak wymaga to więcej pracy niż zaprojektowanie (czy może nawet wypełnienie) bazy danych, ponieważ jest to zazwyczaj skomplikowana praca koncepcyjna.
Jak poradzić sobie ze sprzecznością informacji z różnych źródeł? Czy powstanie jedynie słuszne źródło ontologii?

Możliwość powstawania sprzeczności to faktycznie główny problem przy tworzeniu ontologii. Nie możemy jednak zakładać, że informacja będzie scentralizowana, choćby tylko w celu utrzymania jakości. Rozproszenie jest podstawową cechą WWW i siłą Internetu i wszelkie próby zmiany tego założenie są w ogóle pozbawione racji bytu ;-)

Natomiast zakładamy, dosyć optymistycznie, że ontologie „się obronią” analogicznie jak Wikipedia. Dodatkowo oczywiście pomocne (jeśli nie konieczne) będą serwisy zaufania do ontologii.
Czy udostępnienie informacji z WWW dla agentów koniecznie wymaga jakiegoś działania ze strony twórców aktualnych stron? Przykład: rozkłady jazdy pociągów i autobusów w różnych miejscach Polski.

Wymaga, ale to akurat jest bardzo dobra sytuacja — stanowi to kolejną motywację dla poprawy koszmarnej jakości dzisiejszych stron WWW. Bez działania ze strony autorów WWW pozostają do dyspozycji jedynie techniki typu „screen scraping” lub adnotacje semantyczne do stron tworzone przez użytkownika.

Problem z takimi „publikacjami” jak rozkłady jazdy pojawia się już dziś jeśli rozważymy dostępność takiej strony np. dla osób niewidomych. Użytkownikiem jest człowiek (niewidomy, ale przecież myślący lepiej niż dowolna maszyna) a i tak informacja jest niemal zupełnie niedostępna. W takiej sytuacji w ogóle trudno mówić o dostępności/czytelności dla maszyny...

Sieć Semantyczna
jako przyszłość WWW

koncepcja i wprowadzenie do technologii

Tematyka prezentacji

World Wide Web — sieć dokumentów

Sieć danych zamiast sieci dokumentów

Rewolucja?

Ewolucja

Wymagania dla działania agentów w SW

Sieć Semantyczna wg W3C

RDF — Resource Description Framework

RDF — przykład #1 (Maurycy)

RDF — przykład #2 (Dublin Core)

OWL — OWL Web Ontology Language

OWL — przykład (Wine Ontology)

Sieć Semantyczna dzisiaj

Jak wykorzystać WWW?

Jak rozwijać SW?

Jak używać SW?

</sw:prezentacja>

Najciekawsze pytania z sali