Anvendelser af Websprog Ontologier Costanza Navarretta Center for
Anvendelser af Websprog; Ontologier Costanza Navarretta Center for Sprogteknologi Københavns Universitet costanza@cst. dk FOVITS: Informationshåndtering på nettet - sprogteknologiske løsninger
Indhold • pensum og kursusevaluering • fra sidst: • RDF, RDFS, RDF/Dublin Core Metadata • øvelse om RDF/XML/Dublin Core • • Anvendelser af XML, RDF, Dublin Core VID-projektet Ontologier på internettet OWL • komponenter • egenskaber Costanza Navarretta: XML anvendelser, ontologier. 2
Øvelse om RDF fra sidst • Lav et RDF-dokument hvor der angives de 3 mest relevante ord i nytårstalen fra 2005, hvor relevans karakteriseres som de mest signifikante ord for dokumentet i forhold til Nytårstalen fra 2001 (en nytårstale er et resurse der peger på dokumentet på internettet. ) • Fejl: unqualified (ingen Namespace) Costanza Navarretta: XML anvendelser, ontologier. 3
Vejledende løsning <? xml version="1. 0" encoding="ISO-8859 -1"? > <RDF: RDF xmlns: RDF="http: //www. w 3. org/1999/02/22 -rdf-syntax-ns#" xmlns: costa="http: //cst. dk/costanza/course/informasoeg/rdf#"> <RDF: Description RDF: about="http: //cst. dk/costanza/course/informasoeg/eksempler/Dronning snytaarstale_2005. txt"> <costa: karakteristiske_termer> <RDF: Seq> <RDF: li> flodbølge</RDF: li> <RDF: li> naturkatastrofe </RDF: li> <RDF: li>kommunalreformen</RDF: li> </RDF: Seq> </costa: karakteristiske_termer> </RDF: Description> </RDF: RDF> Costanza Navarretta: XML anvendelser, ontologier. 4
RDF/Dublin Core Indsæt passende Dublin Core Metadata i XML/RDF-format i en af Dronningens nytårstaler fra 2005 og valider resultaterne med: http: //www. w 3. org/RDF/Validator/ Costanza Navarretta: XML anvendelser, ontologier. 5
Anvendelser af XML – generalt http: //xml. coverpages. org/xml. Applications. html : • WML (WAP Wireless Markup Language ) • CML (Chemical Markup Language) • Musi. XML: http: //www. musicnotation. info/en/musixml/Musi. XML. html • Doc. Book. XML • Bank Internet Payment System (BIPS) – DTD • Electronic Text Corpus of Sumerian Literature (ETCSL) Costanza Navarretta: XML anvendelser, ontologier. 6
Anvendelser: sproglige Eksempler: • Opmærkning af korpora (gamle og nye tekster) • Format for leksika, grammatikker • generering af sprog • Format for talesprog • Repræsentation af sproglige ontologier… Costanza Navarretta: XML anvendelser, ontologier. 7
Korpusopmærkning • • retorisk og stilistisk opmærkning af versstruktur opmærkning af den fysiske manuskriptstruktur opmærkning af sproglige oplysninger: morfologisk, syntaktisk, semantisk, diskursstruktur • opmærkning af titel, forfatter(e), genre • mm Costanza Navarretta: XML anvendelser, ontologier. 8
Parole korpus <text id=B 144373> <body> <div 1 type=main> <p> <W lemma="den" msd="PD-CSU--U">Den</W> <W lemma="31. " msd="AO---U=--">31. </W> <W lemma="oktober" msd="NCCSU==I">oktober</W> <W lemma="blive" msd="VADA=----A-">blev</W> <W lemma="han" msd="PP 3 CSN-NU">han</W> <W lemma="operere" msd="VAPA=S[CN]I[ARU]U">opereret</W> <W lemma=", " msd="XP">, </W> …</p>. . . </div 1> </body> </text> Costanza Navarretta: XML anvendelser, ontologier. 9
STO-ordbog <? xml version="1. 0" encoding="ISO-8859 -1" ? > - <STO_Syntax xmlns: xsi="http: //www. w 3. org/2001/XMLSchema-instance" xsi: no. Namespace. Schema. Location="STO_Syntax. xsd"> - <Morph_Syn_Units> - <Mu_Synu> <Mu_Id>"3 D-BILLEDE"</Mu_Id> <Spelling>3 d-billede</Spelling> - <Synu Id="SYNU_3 D-BILLEDE_1"> <Synu_Description_Id="Dn 0" /> </Synu> </Mu_Synu> …. </STO_Syntaks> Costanza Navarretta: XML anvendelser, ontologier. 10
XSL (XML Stylesheet Language) mm. XML-sprog: • transformere XML-dokumenter til andre formater: txt, html, andre xml-sprog, pdf mm (lidt som CCS). Nogle af transformationer er for at vise data til mennesker. Eks. kortet. xsl kortex. xml Et smart XMLschema Validator på nettet: • http: //tools. decisionsoft. com/schema. Validate/ Costanza Navarretta: XML anvendelser, ontologier. 11
Søgning i VID-projektet Kombination af lingvistisk viden og XMLopmærkning til at forbedre viden i et domænespecifikt korpus om patent- behandling. Viden som anvendes • terminologisk • morfologisk • semantisk (synonymi, hyponymi, relationer mellem komponenterne i sammensatte ord, similaritetsrelationer, afledninger mm. ) Costanza Navarretta: XML anvendelser, ontologier. 12
VID-Prototype • Ankiro A/S: søgemaskine og terminologikodningsværktøj • CST: uddragelse af termer, semantiske relationer, morfologi, emneord, opmærkning af tekster Costanza Navarretta: XML anvendelser, ontologier. 13
Ontologi på nettet: sprog 1. Sprog til at repræsentere ontologier i videnbaserede systemer (Cy. CL, Loom mm. ) inkluderer: - beskrivelse af ontologier (descriptive logic) - inferensmekanismer 2. Standard Web-baserede sprog: 3. - OWL 4. - ISO-standard Topic Maps Costanza Navarretta: XML anvendelser, ontologier. 14
Web-baserede sprog WWW Consortium (W 3 C) om ontologier: • Semantic Web • Onto. Web Costanza Navarretta: XML anvendelser, ontologier. 15
DAML+OIL DARPA Agent Markup Language + OIL: • viderudvikling af RDFS: komplekse relationer mellem klasser og egenskaber, restriktioner om disse (fx to klasser eller egenskaber er identiske) • egenskabsværdier er begrænset til de datatyper som er defineret i XML-Skemaet eller til brugerdefinerede typer. • sprogets semantik er veldefineret modelteoretisk og aksiomatisk: det er muligt at anvende inferensmekanismer på de data som sproget beskriver. Costanza Navarretta: XML anvendelser, ontologier. 16
OWL (Ontology Web Language) • bygger på DAML-OIL (elementer og attributter fra RDF, RDFS og XML Schema). • OWL-specifikationen: http: //www. w 3. org/TR/owl-ref/. Costanza Navarretta: XML anvendelser, ontologier. 17
OWL-ontologi: hvorfor? • For at modellere viden om et domæne ved at beskrive dets centrale begreber og de relationer der holder mellem disse begreber på en formel måde således at programmer kan uddrage oplysninger fra modellen. Costanza Navarretta: XML anvendelser, ontologier. 18
Nye træk i forhold til RDFS • adskillelse af klasser: man kan erklære at to klasser er adskilte, fx fugle og fisk • kombination af klasser via boolske operationer: fx dyre-klassen er foreningsmængde af fugle-klassen, fiskeklassen, pattedyreklassen osv. • lokale begrænsninger for egenskaber: fugle flyver, men dette er en egenskab som er lokal for fugle-klassen. undtagelsen: pingvin-klasse Costanza Navarretta: XML anvendelser, ontologier. 19
Nye træk fortsat: • restriktioner vedr. antal: fx fugle har 2 vinger, 2 ben, 1 næb • karakteristika af egenskaber: fx symmetri: hvis Anna er søster til Maria, så er Maria søster til Anna Costanza Navarretta: XML anvendelser, ontologier. 20
OWL: tre sprogniveauer • OWL-Lite: grundlæggende (tesauri og simple hierarkier) • OWL-DL: baseret på Description Logics • OWL-Full: større udtryksevne, men der er elementer der ikke kan behandles af deduktionsprogrammer Costanza Navarretta: XML anvendelser, ontologier. 21
OWL komponenter • individer (individuals, instances): instanser af klasser, fx København, Århus, Odense er instanser af klassen BY • egenskaber (properties): binære relationer som binder to individer fx medstuderende (Tina, Helene). Egenskaber kan være transitive (forfader_til) eller symmetriske (medstuderende) • klasser (classes): er mængder som indeholder individer. De kan være organiseret i klassehierarkier (taksonomier). Costanza Navarretta: XML anvendelser, ontologier. 22
Norge Danmark Lande Sverige har-by er-i Århus København har-by Byer Costanza Navarretta: XML anvendelser, ontologier. 23
domain/range egenskab binder individer fra en klasse (domain ’definitionsmængden’) til individer fra en anden klasse (range ’værdimængden’) har. By er. Byi har. By By Land Costanza Navarretta: XML anvendelser, ontologier. 24
Egenskaber • objektegenskaber (forbinder et individ med et andet individ) • datatypeegenskaber (forbinder et individ til et egenskab prædefineret i XML Skema, fx xsd: string, xsd: dato, xsd: integer) karakteristika af egenskabet • inverst: er. Landaf/har. Land; er. Lærertil/har. Lærer • transitiv: er. Forfadertil/har. Forfader • symmetrisk: er. Søskendetil/har. Søskende Costanza Navarretta: XML anvendelser, ontologier. 25
XML og OWL- ontologi <? xml version="1. 0"? > <rdf: RDF xmlns: rdf="http: //www. w 3. org/1999/02/22 -rdf-syntax-ns#" xmlns: rdfs="http: //www. w 3. org/2000/01/rdf-schema#" xmlns="http: //www. bpiresearch. com/BPMO/2004/03/03/cdl/Countries#" xmlns: owl="http: //www. w 3. org/2002/07/owl#" xml: base="http: //www. bpiresearch. com/BPMO/2004/03/03/cdl/Countries"> <owl: Ontology rdf: about=""> <owl: version. Info>Version 0. 1</owl: version. Info> <rdfs: comment>Countries Ontology Created by Jenz & Partner Gmb. H Version 0. 1, 28 -FEB-2004</rdfs: comment> </owl: Ontology>…. Costanza Navarretta: XML anvendelser, ontologier. 26
Editor: Protégé-3. 1 Frit-anvendeligt/følger standarder, Protégé-3. 1 – Stanford University http: //protege. stanford. edu http: //protege. cim 3. net/cgibin/wiki. pl? Protege. Ontologies. Library Costanza Navarretta: XML anvendelser, ontologier. 27
Fælles øvelse: fra OWL til Protégé 1. Hent wine. owl ontologi fra http: //protege. cim 3. net/file/pub/ontologies/wine. owl (eller fra kursushjemmesiden) og gem den i jeres katalog 2. Identificer RDF, RDFS og OWL elementerne i wine. owl 3. Importer ontologien i Protégé • • • Start Protégé, Vælg fra file-menu, new- create fra existing source- OWL Files og hent så jeres fil “wine owl 4. Gem filen som Protege-projekt Costanza Navarretta: XML anvendelser, ontologier. 28
Fra Protégé til RDF/RDFS • Fra menu ”file” vælg ”export to format RDF -Skema”. • I får et skermbillede hvor I skal vælge kataloget (jeres) og gemme et rdfs-fil (fx wine. rdfs) og et rdf-fil (fx wine. rdf) HUSK at angive det korrekte efternavn for filerne, dvs. ”. rdfs” og ”. rdf” Costanza Navarretta: XML anvendelser, ontologier. 29
- Slides: 29
