Data Modelling versus Ontology Engineering

Transkript

1 Data Modelling versus Ontology Engineering Ketevan Karbelashvili Seminar: Web Services and Semantic Web

2 Inhalt Was ist Ontologie Datenmodelle vs. Ontologien Ontologie Engineering Ansatz - DOGMA

3 Was ist Ontologie Der Begriff "Ontologie" taucht ab dem 17.Jhd. in der Philosophie auf. Lehre vom Sein. In der Informatik ist Ontologie eine konzeptuelle Formalisierung von Wissensbereichen und Begriffsystemen. Das Vokabular besteht aus Klassen, Relationen und Funktionen. Zusätzlich enthalten Ontologien Inferenz- und Integritätsregeln.

4 Was ist Ontologie Verwendungsmöglichkeiten von Ontologien : Kommunikation Information-Retrieval Interoperabilität

5 Was ist Ontologie "Ontologies provide a shared and common understanding of a domain that can be communicated between people and application systems." [Hensel] Oder Der wohl bekannteste Definitionsversuch stammt von T. Gruber. Dieser bezeichnet Ontologien als: "An ontology is a formal explicit specification of a shared conceptualization"

6 Was ist Ontologie Die erste Sprache zur Formulierung von Ontologien war SHOE (Simple HTML Ontology Extension). Komplexere, konzeptionell stärkere Ansätze wurden mit DAML und OIL Verfolgt.

7 Datenmodelle vs. Ontologien Ein Datenmodell ist die generalisierte, benutzerdefinierte Darstellung von Daten, die die reale Welt abbilden.

8 Datenmodell vs. Ontologien Ziel und Zweck Datenmodell: Vermittelt Wissen zwischen den Entwicklern einer bestimmten Anwendung und deren Nutzern. Ontologien Beschreiben Wissen, das allen in einen bestimmten Anwendungsbereich involvierten Personen gemeinsam ist.

9 Datenmodell vs. Ontologien Ausdruckskraft der Beschreibung: Datenmodell: detailliert, darstellungsbezogen. die Konzeptualisierung und das Vokabular eines Datenmodells sind nicht dafür gedacht, von anderen Anwendungen benutzt zu werden. Ontologie: generalisierend, möglichst darstellungsunabhängig.

10 Datenmodell vs. Ontologien Erweiterbarkeit Datenmodelle: beschränken sich auf das aktuelle Projekt oder eine klar abgegrenzte Projektfamilie. Ontologie: muss immer offen für neue Projekte und Anwendungen mit neuen Anforderungen an mögliche Erweiterungen sein. (Wieder-) Verwendbarkeit, (Mit-) Mehrbenutzbarkeit, Kompatibilität und Zuverlässigkeit des Wissens ).

11 Datenmodell vs. Ontologien Beispiel Krankenhaus A möchte Informationen über die Patienten von Krankenhaus B erfahren. Problem: in Russland "ruka ist Hand zusammen mit dem Unterarm. Als Resultat würden überflüssige Daten vorhanden sein.

12 Datenmodell vs. Ontologien Lösung: Ontologie stellt das Bindeglied zwischen allen beteiligten Parteien. Entwicklung einer Ontologie: 1. Man sammelt alle Begriffe und Relationen, die in der zu erstellende Ontologie enthalten sein sollen. 2. Der betrachtete Aspekt wird festgelegt. 3. Die gesammelten Begriffe und Relationen werden exakt definiert. 4. Eine Evaluation der Ontologie wird durchgeführt.

13 Datenmodell vs. Ontologien

14 Datenmodell vs. Ontologien Problem: Durch das Bereitstellen von mehreren ontologischen Regeln kann die Genericity einer Ontologie beschränkt werden. Vorschlag: Ontologie Engineering Ansatz - DOGMA.

15 Ontologie Engineering Ansatz - DOGMA DOGMA - Schnittstelle zwischen den involvierten Ressourcen und der zugrunde liegenden Ontologie.

16 Ontologie Basis, Commitments und Lexons DOGMA Ansatz Ontologische Ressourcen können aufgeteilt werden in: Ontologie Basis (einfache binäre Fackten lexons) (4 set tuple - <γ,t1, R, T2> Für jeden Kontext γ und Begriff T, ist das Paar (γ, T) = unique concept. ontological commitments (eine Menge von halbformalen - d.h. teils in natürlicher Sprache, teils in der Formalsprache RIDL - formulierte Regeln Domain Regeln ).

17 Ontologie Engineering Ansatz - DOGMA Beispiel BibliOntology In einer Buchladen Ontologie soll jedes Buch anhand seiner ISBN bestimmt werden können. Aber jede Art von Applikationen hat verschiedene Domain Regeln: Bibliotheksapplikationen tauschen keine Preisinformation ISBN nicht zwingend identifizieren ein Buch durch das Titel und Autoren Buchhandlungen identifizieren ein Buch mit seinem ISBN

18 Ontologie Engineering Ansatz DOGMA Beispiel BibliOntology Bibliotheken die keine ISBN für jedes Buch vorsehen, können diese Ontologie nicht für sich nutzen. In der double Articulation hingegen wäre dies möglich.

19 Ontologie Engineering Ansatz DOGMA Beispiel BibliOntology Die BibliOntology Basis besteht aus einer Reihe von Gegebenheiten des Domains lexons für bookstore und library Applikationen. So greifen beide Applikationen zwar auf die gleiche Ontologiebasis zu, jedoch über unterschiedliche Regelpakete.

20 Ontologie Engineering Ansatz DOGMA Beispiel BibliOntology Ontological commitments spielen den Vermittler zwischen der BibliOntology Basis und ihrer Applikationen. Regeln 1 & 4 sind visibility rules. Regeln 2 & 5 definieren die lexikalischen Objekttypen. Regeln 3 & 6 definieren die Identifikationsregeln.

21 Ontologie Engineering Ansatz DOGMA Beispiel BibliOntology Die visibility rules stellen sicher, dass Updates in der Ontologie Basis nicht unbedingt jede Commitment betreffen. Die Commitments haben eine bestimmte Stabilität und die Ontologie Basis kann so oft wie nötig aktualisiert werden.

22 Fazit Ontologien werden auch in ferner Zukunft Forschungsgebiet bleiben. Man wird versuchen, bessere Möglichkeiten für die Entwicklung von Ontologien zu finden. Ob sich das in Zukunft ändern wird, bleibt offen.

23 Haben Sie Fragen?