ONTOLOGIEBASIERTE PROBABILISTISCHE PROFILANALYSE MIT MARKOV LOGIC NETWORKS

Transkript

1 Institut für Informatik Fachbereich Informatik und Mathematik ONTOLOGIEBASIERTE PROBABILISTISCHE PROFILANALYSE MIT MARKOV LOGIC NETWORKS Diplomarbeit von Pawel Kozak April 2011 Erstgutachter: Prof. Dott. Ing. Roberto Zicari Zweitgutachter: Prof. Dr. Heiner Stuckenschmidt

2

3 ERKLÄRUNG Hiermit erkläre ich, dass ich diese Diplomarbeit selbständig verfasst und keine anderen als die angegebenen Quellen und Hilfsmittel benutzt habe. Offenbach am Main, Pawel Kozak

4 DANKSAGUNG Ich möchte Herrn Prof. Dott. Ing. Roberto Zicari, Professur für Datenbanken und Informationssysteme (DBIS), Goethe Universität Frankfurt für seine Unterstützung und die Ermöglichung dieser Arbeit danken. Weiterhin möchte ich Herrn Prof. Dr. Heiner Stuckenschmidt, Lehrstuhl für Künstliche Intelligenz, KM+KR Research Group, Universität Mannheim für Denkanstöße danken, die entscheidend zur Realisierung dieser Arbeit in ihrer jetzigen Form beigetragen haben. Ebenfalls danke ich Herrn Stuckenschmidt für seine zahlreichen Ratschläge und Anmerkungen, die mir halfen, diese Diplomarbeit zu verbessern. Mein besonderer Dank gilt Herrn Dr. Karsten Tolle, Professur für Datenbanken und Informationssysteme (DBIS), Goethe Universität Frankfurt für seine hervorragende Betreuung dieser Arbeit und die freundschaftliche und herzliche Arbeitsatmosphäre. Sein stets hilfreicher fachlicher und menschlicher Rat und seine zahlreichen Verbesserungsvorschläge waren mir eine sehr große Hilfe. Außerdem danke ich Herrn Pedro Oliveira, Clark & Parsia LLC, Washington, USA für den angenehmen wissenschaftlichen Kontakt und den Beistand in technischen Fragen, sowie Herrn Nicola Guarino, Laboratory for Applied Ontology, Trento, Italien für die freundliche Erlaubnis der Nutzung seiner publizierten Abbildungen. Sina Kühne, Rainer Häuser und Alexander Stepanovsky möchte ich für ihre Zeit und Mühe danken, die sie sich für das Korrekturlesen dieser Arbeit nahmen. Abschließend danke ich herzlichst meiner Mutter und meinen mittlerweile verstorbenen Grosseltern ohne ihre Unterstützung, ihren moralischen Beistand, ihren Glauben an mich während meines Studiums und ihre Liebe wäre diese Arbeit nicht möglich gewesen.

5 INHALTSVERZEICHNIS KAPITEL 1. EINFÜHRUNG MOTIVATION ZIELSETZUNG DER ARBEIT... 1 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG ONTOLOGIEN UND IHRE EINSATZMÖGLICHKEITEN Begriffsdefinition Semantische Technologien Semantic Web Wissensrepräsentation in Künstlicher Intelligenz Ontologien vs. Datenbank-Schemata Klassifizierung und Einsatzmöglichkeiten von Ontologien WEB ONTOLOGY LANGUAGE Teilsprachen von OWL Unterschiede zu RDF(S) und Besonderheiten DIE COMMUNITY IRCLOVE Einleitung Struktureller Aufbau IRCLOVE Datenbank Benutzerprofile Ein genauerer Blick auf IRCLOVE Persönlichkeiten Zusammenfassung möglicher Matching-Faktoren KAPITEL 3. PROBABILISTISCHE ONTOLOGIEN WARUM WAHRSCHEINLICHKEITEN? WAHRSCHEINLICHKEITEN IN BESCHREIBUNGSLOGIKEN Beschreibungslogiken im Allgemeinen P-SHIF(D) und P-SHOIN(D) P-SHIQ(D) und Pronto P-CLASSIC BayesOWL STATISTISCHES RELATIONALES LERNEN Grundlagen Graphbasierte Modelle MARKOV LOGIC NETWORKS Aufbau der Markov Logic Networks Inferenz RESÜMEE KAPITEL 4. KONZEPT DER PPAO ONTOLOGIE KONZEPTE RELATIONEN Typen von Relationen in PPAO Modellierung von Relationen I

6 INHALTSVERZEICHNIS 4.3 INTEROPERABILITÄT SCHEMATISCHE DARSTELLUNG KAPITEL 5. IMPLEMENTIERUNG UND INFERENZ MLN REASONER TheBeast Alchemy PyMLN ein Bestandteil von ProbCog MODELLIERUNGSANSÄTZE KONSTRUKTION DER PPAO ONTOLOGIE Evidence-Datei MLN Datei Match-Prädikate als Sub-Indizes des Ähnlichkeitsindex Der Ähnlichkeitsindex und die Inferenz in PPAO Multiple Quellen und Regulierung ihrer Vertrauenswürdigkeit Segmentierung, Recommending und andere Aufgaben VON OWL ZU MLN KAPITEL 6. EXPERIMENTELLE UNTERSUCHUNG SZENARIEN ALL versus ALL versus ALL METHODIK SKALIERBARKEIT BEZÜGLICH BENUTZERANZAHL SKALIERBARKEIT BEZÜGLICH PRÄZISION Präzision durch Aktionen und Hobbys Präzision durch Kategorien SPEICHERVERBRAUCH AUSSAGEKRAFT DES ÄHNLICHKEITSINDEX Wie funktioniert der Ähnlichkeitsindex? Ähnlichkeit von realen Profilen im 1 vs. ALL Szenario Pseudo-Segmentierung im ALL vs. ALL Szenario DIE GRENZEN KAPITEL 7. ZUSAMMENFASSUNG RÜCKBLICK EIN PAAR PHILOSOPHISCHE GEDANKEN AUSBLICK LITERATURVERZEICHNIS ANHANG I. KONFIGURATION DES TESTSERVERS II. LEVEL 1-KATEGORIEN IN IRCLOVE PERSÖNLICHKEITEN III. DIE 30 HÄUFIGSTEN HOBBYS DER IRCLOVE BENUTZER IV. WAHRSCHEINLICHKEITSVERTEILUNGEN FÜR EXPERIMENT IN ABSCHNITT Profil A Profil B II

7 INHALTSVERZEICHNIS Profil C Profil D III

8

9 KAPITEL 1. EINFÜHRUNG 1.1 Motivation Was ist ein Profil? Die Persönlichkeitspsychologie besagt, dass ein Profil ein Charakterbild eines Menschen darstellt. Nicht so komplex, aber im selben Kontext, wird in der Informatik und IT-nahen Wirtschaftszweigen der Begriff Benutzerprofil für eine Ansammlung von Informationen über eine Person und möglicherweise ihre Verhaltsweise in einem abgeschlossenen Umfeld verwendet. Benutzerprofile sind seit der Entwicklung neuer Internettechnologien wie Web 2.0, semantischen Netzwerken, Social Networks und Communities zu einem wichtigen und festen Bestandteil der Informationstechnologie geworden. Heutzutage werden Profile in beinahe allen Wirtschaftsbereichen verwendet, angefangen beim Marketing bis zum Maschinenbau überall dort, wo ein Produkt oder Dienstleistung mit einem Kunden verknüpft wird. Durch den Einsatz moderner Techniken der Disziplinen Wissensmanagement und Künstliche Intelligenz lassen sich wertvolle Informationen aus den Daten über eine Person und die Beziehungen zwischen Personen ableiten Informationen, die zum einen wirtschaftliche Prozesse effizienter und kostengünstiger machen können, sowie zugleich aus wissenschaftlicher Sicht das maschinelle Verständnis des Charakterbildes oder zumindest der Bedürfnisse und Interessen von Personen darstellen. Diese hoch interessante Erkenntnis zu demonstrieren war meine Motivation für die Erstellung dieser Diplomarbeit. 1.2 Zielsetzung der Arbeit 1

10 KAPITEL 1. EINFÜHRUNG Man stelle sich vor, dass man zwei Personen in einer großen und komplexen Web Community aufgrund ihrer gemeinsamen Interessen und Benutzerverhaltens die gegenseitige Kontaktaufnahme vorschlagen möchte wie könnte man dies mit Hilfe von Ontologien bewerkstelligen und wie effektiv wäre das? Als eine Form der Wissensrepräsentation haben die Ontologien in der letzten Dekade, insbesondere in Verbindung mit der Idee des Semantic Web, großes Forschungsinteresse geweckt. Der entscheidende Vorteil von Ontologien gegenüber speziell für Aufgaben, wie unter anderem auch Profilanalyse, entwickelten Lösungen liegt in ihrer Flexibilität. Da eine Ontologie auf Standards aufbaut und eine klar definierte Semantik besitzt ist sie viel einfacher zu erweitern und kann vielseitiger eingesetzt werden, als eine fest implementierte Lösung. Um unter anderem die oben gestellte Frage zu beantworten soll in dieser Diplomarbeit deshalb eine relativ allgemeine Ontologie konzipiert werden, die eine diversifizierte Analyse von Benutzerprofilen ermöglicht. Die heutige Wissensmanagement-Forschung beschäftigt sich immer stärker mit Verarbeitung und Analyse von Daten, die nicht nur auf bloßen Tatsachen basieren. Vielmehr beruhen viele, wenn nicht alle, Prozesse oder Ereignisse in der uns umgebenden Welt auf Zufall oder bestimmten Mustern. In der Regel liegen Wahrscheinlichkeitsverteilungen solchen zufallsbedingten Ereignissen zugrunde, deshalb soll der Einbezug von probabilistischen Informationen eine besondere Eigenschaft der zu entwickelnden Ontologie sein. Insbesondere ist die Wahrscheinlichkeitsgewichtung der Relationen zwischen den Profilen von großem Interesse. Heutzutage können Daten in globalen Systemen wie z.b. Facebook aus verschiedenen Quellen stammen (z.b. Facebook Apps). Die Verwendung dieser Daten bei der Profilanalyse erfordert eine sorgfältige Bewertung der Vertrauenswürdigkeit von Quellen, da missbräuchliche Daten leicht Störungen verursachen können. Da der Einsatz von probabilistischen Ontologien hier wegen der einfachen Gewichtungsmöglichkeiten als vorteilhaft erscheint, soll untersucht werden, inwieweit sich dieser Aspekt in der zu entwickelnden Ontologie umsetzen lässt. Eine entscheidende Fragestellung für diese Aufgaben ist die Wahl eines für die Praxis geeigneten Formalismus zur Modellierung der Ontologie. Deshalb soll ein Überblick über die aktuelle Forschung im Bereich der Wissensrepräsentation von statischen und probabilistischen Daten gegeben werden. Speziell Beschreibungslogiken wie P-SHIQ, P-CLASSIC etc., aber auch Formalismen wie Bayesian Logic Networks (BLNs) und Markov Logic Networks (MLNs) könnten für unsere Zielstellung in Frage kommen. Wir werden die Vor- und Nachteile dieser Formalismen unter praxisbezogenen Gesichtspunkten diskutieren und anschließend begründen, warum MLNs das Werkzeug der 2

11 1.2 Zielsetzung der Arbeit Wahl für diese Arbeit waren. Es soll ebenfalls gezeigt werden, dass die Modellierung mit Hilfe der Web Ontology Language (OWL) grundsätzlich möglich ist und untersucht werden, inwieweit sich der Einsatz von OWL für die Zielstellung als vorteilhaft erweisen könnte. Auf Basis von existierenden Daten und Strukturen aus der von dem Verfasser der Diplomarbeit entwickelten Online-Community IRCLOVE soll dann auf realen Daten gezeigt werden, wie die entwickelte Ontologie aufgebaut werden kann. Mit Hilfe der Ontologie und auf Basis von MLNs soll ergründet und demonstriert werden, wie mit logischem Schlussfolgern bestimmte Aufgabenstellungen gelöst und Fragen beantwortet werden können. Zwar sollte die Ontologie allgemein genug sein, um für mehrere Fragestellungen Antworten zu liefern. Um den Rahmen der Arbeit nicht zu sprengen soll aber nur eine bestimmte Aufgabe intensiv untersucht werden die Ähnlichkeitsanalyse von Profilen. Bei der Ähnlichkeitsanalyse handelt es sich um die Fragestellung, inwieweit sich zwei Benutzer A und B unter Beachtung statischer und dynamischer Faktoren ähneln. Diese Faktoren stellen entweder von Personen eingegebene Daten oder ihre Interaktionen mit einem System dar. So können Benutzer in IRCLOVE eine eigene multimediale Bibliothek anlegen und dort Aktionen wie Medien betrachten, kommentieren oder erstellen ausführen. Da die Medien zudem in einer hierarchischen Kategorienstruktur organisiert sind, können A und B beispielsweise ähnliches Leseverhalten in den Kategorien aufweisen. Dies führt zu der Schlussfolgerung, dass A und B gemeinsame Interessensschwerpunkte haben und sich somit ähneln. Beispielsweise betrachten zwei Benutzer Paul und Anna gerne Bilder von Katzen, dabei stehen solche Bilder bei Paul für 70% und bei Anna für 80% der insgesamt betrachteten Medien. Diese Übereinstimmung im Leseverhalten spricht dafür, dass beide Benutzer ein gemeinsames Interesse für Katzen haben. Hierzu soll ein Index entwickelt werden, der den Grad der Ähnlichkeit zwischen Profilen beschreibt und dazu verwendet werden könnte, einen Vorschlag zur Kontaktaufnahme zu machen. Die technische Machbarkeit und Grenzen für diese spezielle Aufgabe sollen dann mit Hilfe von Testreihen in einem Experimentierteil der Arbeit untersucht werden. Auf andere Aufgabenstellungen wie z.b. eine für das Marketing relevante Frage Ist es möglich, Zielgruppensegmente von Benutzern zu erstellen? (Segmentierung) oder ein für viele Einsatzbereiche relevantes Problem Wie kann man dem Benutzer auf der Basis seines Profils relevante Inhalte vorschlagen? (Recommending) soll ebenfalls eingegangen werden. Zusammenfassend soll ein allgemeines auf einer Ontologie basierendes und probabilistisches Modell zur Analyse von Profilen konzipiert und seine Anwendung an 3

12 KAPITEL 1. EINFÜHRUNG der Aufgabe der Ähnlichkeitsanalyse auf realen Daten der IRCLOVE Community demonstriert und untersucht werden. Auf der nächsten Seite zeigt Abbildung 1 schematisch die oben beschriebene Zielsetzung und den Entwicklungsverlauf dieser Arbeit. 4

13 1.2 Zielsetzung der Arbeit Domäne Datenbank Mapping OWL Markov Logik Ontologie Ähnlichkeitsanalyse? Recommending MLN Reasoner Inferenz Verhaltensanalyse Segmentierung Abb. 1: Von Profilen über Markov Logik und Inferenz zur Problemlösung das in dieser Diplomarbeit zu entwickelnde Modell und mögliche Einsatzszenarien. 5

14

15 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG 2.1 Ontologien und ihre Einsatzmöglichkeiten In der Einleitung erwähnten wir bereits Ontologien als das Modell, das für die Umsetzung der Ziele dieser Arbeit benutzt werden soll. Dieses Unterkapitel soll nun neben der Erläuterung der Bedeutung des Ontologiebegriffs auch Aufschluss darüber geben, warum Ontologien während der letzten Dekaden im Zentrum der Forschung der Wissensrepräsentation und Wissensmanagements standen und worin ihre Vorteile liegen. Dafür werden wir auch so genannte semantische Technologien, zu denen auch Ontologien gehören, betrachten. Diese gewinnen mittlerweile nicht nur in der Forschung sondern auch im wirtschaftlichen Umfeld immer mehr an Bedeutung. Die von uns zu entwickelnde Ontologie sollte kein rein formales Modell sein, vielmehr ist die praktische Anwendbarkeit von großer Bedeutung. Wir werden deshalb abschließend auf die Einsatzmöglichkeiten von Ontologien in der Industrie eingehen Begriffsdefinition Der Begriff Ontologie (aus dem Griechischen on für sein und logos für Lehre ) wird sowohl in der Informatik als auch in der Philosophie verwendet. Wir werden einen kurzen Blick auf seine Bedeutung in der Letzteren werfen, um die Zusammenhänge mit seiner Anwendung in der Informatik verständlicher darzustellen. Bereits Aristoteles schrieb in seiner Abhandlungsreihe Organon über Metaphysik und Ontologie. [GOS09] Im deutschensprachigen Raum wurde das Wort erstmals im 17ten Jahrhundert verwendet, unter anderem als ontologia von dem deutschen Philosoph Rudolf Gocklenius in seinem Lexicon philosophicum. 1 Dabei bezeichnen die Philosophen die Ontologie als die Lehre von der Natur des Seins, speziell von den Grundstrukturen 1 COOMBS, Jeffrey: Goclenius, Rudolphus. Handbook of Metaphysics and Ontology, München, Philosophia Verlag. (1991)

16 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG der Realität, deren Systematik bezüglich von Gegenständen, Prozessen oder Eigenschaften, und ihren strukturellen Beziehungen zueinander diskutiert wird. Typische Fragen der philosophischen Ontologie sind beispielsweise Was ist die Bedeutung des Seins? oder Was für Formen der Existenz gibt es?. Im Gegensatz zu Naturwissenschaften, die oft empirisch nachgewiesene Dinge diskutieren, ist es für die Ontologie unbedeutend, ob ein Begriff in der Wirklichkeit existiert oder existieren kann. Daher werden heutzutage die Begriffe Ontologie und Metaphysik in der Regel bedeutungsmäßig gleichgesetzt. Dagegen ist die Frage der Existenz für die Begriffsdefinition der Ontologie in der Informatik recht pragmatisch zu beantworten: Etwas, was repräsentiert werden kann, ist für ein KI System auch das was existiert [Gru93]. Für den Begriff Ontologie in der Informatik gibt es zahlreiche Definitionen, ihnen allen ist die Nähe zur philosophischen Ontologie-Lehre, wenn auch nur im abstrakten Sinne, anzusehen. Eine in der Literatur weit verbreitete Definition stammt von Gruber, die er in [Gru93] formulierte: Eine Ontologie ist eine explizite Spezifikation einer Konzeptualisierung. Der Begriff Konzeptualisierung, den Gruber in seiner Definition, benutzt bezieht sich auf eine Beschreibung, die von Genesereth und Nilsson in [GN87] formuliert wurde: Eine Konzeptualisierung ist eine abstrakte, vereinfachte Sicht auf die Welt, die wir für irgendeinen Zweck darstellen möchten. Sie definieren die Konzeptualisierung formal als ein einfaches Tupel ( D, R ), wobei D ein Gegenstandsbereich (auch Mini-Welt genannt) und R eine Menge von Relationen zwischen Objekten dieser Welt ist. Diese Relationen können unär (dann kann man sie auch als Eigenschaften betrachten) oder binär sein, sowie andere Merkmale wie beispielsweise Symmetrie (Relation gilt in beide Richtungen) oder Transitivität (Vererbungsrelation) aufweisen. Eine kleine Erweiterung der Definition von Gruber nahm Borst vor: Eine Ontologie ist eine formale Spezifikation einer gemeinsam benutzten Konzeptualisierung. 1,2 Hier wird postuliert, dass es verschiedene Sichten auf einen Gegenstandsbereich geben kann und dass die angesprochene Konzeptualisierung ein Konsens und keine individuelle Sichtweise sein sollte. Voraussetzung für diese Definition ist natürlich, dass Menschen, die eine Ontologie erstellen auch einen entsprechenden Konsens finden. Die gemeinsame Nutzung wird von Gómez-Pérez et al. präzisiert: Wir können sagen, dass Ontologien wieder verwendet und durch Software-Applikationen und Personen gemeinsam genutzt werden können. 1 BORST, Willem: Construction of Engineering Ontologies. PhD Thesis, Enschede, University of Twente. (1997) 2 Die Definition lautet im Original: An ontology is a formal specification of shared conceptualization. 8

17 2.1 Ontologien und ihre Einsatzmöglichkeiten Wir sehen also, dass insbesondere auch Software-Agenten Ontologien nutzen sollen. 1 Das wiederum führt uns zu einer weiteren Definition, in der Studer et al. die Definitionen von Gruber und Borst vereinten: Eine Ontologie ist eine formale explizite Spezifikation einer gemeinsam benutzten Konzeptualisierung. [SBF98] Hier ist von einer formalen expliziten Spezifikation die Rede, aber was bedeutet diese Aussage genau? Explizit bedeutet, dass eine (wörtliche) Beschreibung eine Situation exakt spezifiziert. Dagegen befinden sich die meisten Konzeptualisierungen im Kopf sie sind also implizit, d.h. die Situation wird eher durch die Wahl der Beschreibung (oder beschreibender Wörter), sowie persönliche und individuelle Erfahrung spezifiziert. Es liegt also nahe, dass man nach Studer et al. eine formelle Sprache benötigt, um Ontologien zu spezifizieren, dabei bedeutet formell, dass es sich um eine formale Sprache mit bekannter Semantik handeln muss [UG04]. Insbesondere ist eine formelle Sprache maschinenlesbar und enthält keine natürliche Sprache. Eine typische formelle Sprache ist die Prädikatenlogik erster Stufe (PL1). Komplementär zu formellen sind die informellen Sprachen. Diese werden oft mit der Umgangssprache gleichgesetzt. In Abb. 2 ist deutlich zu erkennen, dass die Einteilung zwischen formell und informell selten eindeutig verläuft, vielmehr gibt es zahlreiche Abstufungen zwischen den beiden Begriffen. Bewegt man sich entlang der Linie von links nach rechts, so steigt entsprechend die semantische Mächtigkeit der Sprache sowie die Anzahl unterstützender Werkzeuge, beispielsweise für Inferenz. Konträr dazu steigt die Laufzeitkomplexität dieser Werkzeuge ein insbesondere bei Logiken oft beobachteter Effekt. Er geht so weit, dass zahlreiche sehr ausdrucksstarke Logiken nicht einmal entscheidbar sind. Für die Wahl der richtigen Repräsentationssprache für Ontologien ist es daher wichtig, einen Trade-off zwischen Ausdrucksstärke und Effizienz zu finden. Im Forschungsumfeld haben sich zwei formale Paradigmen zur Repräsentation von Ontologien etabliert. Zum einen die Logiken, speziell Beschreibungslogiken (description logics) und zum anderen die logische Programmierung (logic programming) [GOS09]. Wir werden uns im Verlauf dieser Arbeit näher mit den ersteren beschäftigen und auf das oben beschriebene Problem eingehen. 1 Die gemeinsame Nutzung von Ontologien erfordert Kommunikation unter Agenten, die in der Künstlichen Intelligenz auf Sprechertheorie aufbaut. Eine genauere Betrachtung würde jedoch den Rahmen dieser Arbeit sprengen. 9

18 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG Abb. 2: Der fließende Übergang von informellen zu formellen Sprachen nach [GOS09] Semantische Technologien Wir widmen uns nun kurz dem allgemeinen Umfeld der semantischen Technologien und der Stellung von Ontologien innerhalb dieses Umfelds. Semantische Technologien werden als die Zukunft menschlichen Wissens gehandelt. [Rei10] diese blumige Anmerkung macht deutlich, welche Erwartungen in der letzten Dekade in diesen Forschungsbereich gesetzt wurden. Zunächst sollte erklärt werden, was das ständig auftretende Wort Semantik bedeutet, das in IT Kreisen schon beinahe zum Modewort aufgestiegen ist. Im klassischen Sinne ist Semantik ein Teilgebiet der Linguistik, das sich mit dem Sinn und Bedeutung von Zeichen und sprachlichen Gebilden beschäftigt. 1 Die Verwendung des Wortes Semantik in der Informatik bezieht sich öfter auf die formale Semantik, die im Gegensatz zur Syntax, die eine Vorschrift zur Bildung von Ausdrücken in einer Sprache beschreibt, die exakte Bedeutung insbesondere von formalen Sprachen spezifiziert. Der Unterschied zur Linguistik bildet lediglich die stark formalisierte Vorgehensweise. Semantische Technologien in der IT stehen für eine lose Ansammlung von Verfahren, die die Bedeutung von Information in den Mittelpunkt stellen. Auf die Softwareentwicklung bezogen werden dabei die Bedeutungsdaten getrennt von den restlichen Daten und Programmcodes aufbewahrt und abgearbeitet. Wie die Abbildung zeigt sind die Forschungsthemen rund um die Semantik sehr vielfältig und interdisziplinär. 1 LÖBNER, Sebastian: Semantik: Eine Einführung. Gruyter Verlag. (2003) 10

19 2.1 Ontologien und ihre Einsatzmöglichkeiten Abb. 3: Forschungsthemen im Umfeld der semantischen Technologien. 1 Typische Einsatzbereiche semantischer Technologien sind unter anderem die Erkennung von Begrifflichkeiten und Konzepten, die semantische Suche und die Kategorisierung von Information. Die Stärke semantisch angetriebener Verfahren liegt dabei in ihrer Flexibilität, die sie durch die oben erwähnte Trennung von semantischen Informationen aufweisen. Ein Kernmodell, auf dem viele semantischen Technologien aufbauen, sind so genannte semantische Netze (nicht zu verwechseln mit dem Semantic Web, auf das wir später noch eingehen werden). Semantische Netze für Computer wurden zum ersten Mal von R. H. Richens im Jahr 1956 vorgeschlagen. 2 Sie sollten als eine Art Computer-Plansprache (d.h. eine künstlich konstruierte Sprache) zur maschinellen Übersetzung von natürlicher Sprache eingesetzt werden. Ein semantisches Netz ist ein allgemeiner Graph in dem die Knoten gewisse Begriffe oder Konzepte darstellen. Die Kanten stehen entsprechend für die Beziehungen zwischen den Konzepten. Ein Beispiel für semantische Netze sind Taxonomien (Klassifizierungsschemata) - hier ist das semantische Netz ein gerichteter Graph. Ein weiteres Beispiel sind Assoziationsnetze, in denen das semantische Netz als ungerichteter Graph auftritt. Assoziationsnetze simulieren im Grunde das menschliche Assoziativdenken. 1 DAVIS, M.: The Business Value of Semantic Technology. In Proceedings of Semantic Web Applications for National Security SWANS, Washington. (2005) 2 RICHENS, Richard H.: Preprogramming for Mechanical Translation. Mechanical Translation Vol. 3. (1956)

20 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG Abb. 4: Beispiel eines semantischen Netzes Assoziativnetz als Modell für menschliche assoziative Denkweise. Hier wird deutlich, dass die Stärke semantischer Netze in der Verknüpfung von Wissen liegt. Die Bedeutung entsteht dabei gerade durch die Relation von scheinbar statischem Wissen. Betrachtet man nun die Definitionen von Ontologie in Abschnitt so kommt unweigerlich die Frage auf: Wo liegt eigentlich der Unterschied zwischen Ontologien und semantischen Netzen? Diese Frage ist aufgrund einer Vielzahl von Sichtweisen und Definitionen der Begriffe aus der semantischen Technologie in der Literatur nicht einfach zu beantworten. Eine plausible und verständliche Antwort gaben Dirsch-Weigand und Schmidt an: Ontologien sind im Unterschied zu semantischen Netzen so streng axiomatisch aufgebaut und formalisiert, dass sie die Grundlage für weit reichende logische Ableitungsregeln bilden können. 1 In Anlehnung an die oben diskutierte formale Komponente der Ontologie-Definition von Studer et al. wird nun deutlich, dass Ontologien streng genommen eine Erweiterung der semantischen Netze darstellen, die für Inferenzverfahren optimiert ist. Wir werden diesen Aspekt bei der Betrachtung von Beschreibungslogiken näher erläutern. Zunächst aber gehen wir noch auf eine Vision ein, die sowohl hohes Medieninteresse anzog, als auch für die Forschung im Bereich der semantischen Technologien eine Inspiration dargestellt hat. Insbesondere führte diese Vision zur Entwicklung der Ontologiesprache OWL, die unter anderem für die Realisierung der Ziele dieser Arbeit in Frage kam und später kurz erläutert werden soll. Im Verlauf des nächsten Abschnitts stellen wir auch einige Kerntechnologien wie XML und RDF vor, die historisch zu der Entwicklung von OWL beigetragen haben. Sie sind insoweit wichtig, um die Syntax und Aufbau von OWL nachvollziehen zu können. 1 DIRSCH-WEIGAND, A., SCHMIDT, I.: Semantische Wissensstrukturen Editorial. Information, Wissenschaft & Praxis Vol. 57 No (2006)

21 2.1 Ontologien und ihre Einsatzmöglichkeiten Semantic Web Im Jahr 2001 präsentierten Tim Berners-Lee et al. in [BHL01] eine neue Zukunft für die Weiterentwicklung des World Wide Web das Semantic Web. Tim Berners-Lee implementierte die erste Hypertext Transfer Protocol (HTTP) Verbindung zwischen Client und Server und entwickelte die Hypertext Markup Language (HTML). Damit wird er als Begründer des WWW angesehen. Er gründete ebenfalls das seit 1994 bestehende so genannte World Wide Web Consortium (W3C), das sich als Gremium für die Entwicklung neuer Standards für das WWW versteht. 1 In der Tat entwickelte das W3C viele Standards, die heutzutage unentbehrlich für das WWW geworden sind, dazu zählen außer HTML die Metasprache Extensible Markup Language (XML) und die Stylesheet- Sprache Cascading Style Sheets (CSS). Speziell für das Semantic Web entwickelte W3C das Resource Description Framework (RDF) sowie die Web Ontology Language (OWL), die im nächsten Unterkapitel ausführlicher abgehandelt wird. Es ist verständlich, dass eine neue Vision des größten und wirtschaftlich wichtigsten Bereiches des Internets seitens dieser Institution und ihres Begründers ein großes Interesse bei der Öffentlichkeit erweckte. Das Semantic Web stellt eine Erweiterung des bestehenden WWW dar. Die grundlegende Idee ist, die Information im WWW in so einer Art und Weise zur Verfügung zu stellen, dass eine Verarbeitung durch Computer möglich ist. In [BHL01] schreibt Berners-Lee dazu: The Semantic Web is not a separate Web, but an extension of the current one, in which information is given well-defined meaning, better enabling computers and people to work in cooperation. Obgleich in den Medien von einer eher utopischen Sichtweise auf das Semantic Web zu lesen ist, zum Beispiel dass Computer die im Web vorhandenen Informationen verstehen würden oder dass das Internet klüger werden würde (vgl. Spiegel Online 2 ) ist das Ziel des Semantic Web eigentlich wesentlich moderater, nämlich Methoden zu finden, die Information im Web so zu repräsentieren, dass Computer mit Ihnen so umgehen können, wie es aus menschlicher Sicht nützlich und sinnvoll erscheint [HKR+08]. Wie bereits oben erwähnt, hat sich das W3C dem Entwickeln neuer Standards für das Web, so auch für das Semantic Web verschrieben. Im so genannten Semantic Web Technology Stack des W3C sind die am Semantic Web beteiligten Technologien und ihre Hierarchie zusammengefasst. Der Stack bildet auch eine Roadmap für die Entwicklung weiterer Standards. Abb. 5 zeigt den ursprünglichen 1 (geprüft am 6. Mai 2011) 2 Das Internet soll klüger werden. Spiegel Online unter (geprüft am 6. Mai 2011) 13

22 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG Stack der von Berners-Lee im Jahr 2000 konzipiert wurde im Vergleich zur einer späteren Abbildung des W3C aus dem Jahre Man erkennt, dass einige Technologien wie OWL, RIF oder SPARQL im anfänglichen Konzept nicht namentlich gekennzeichnet wurden. Dagegen ist die allgemeine Hierarchie des Konzepts im Verlauf der Jahre gleich geblieben. Wir werden im Rahmen dieser Arbeit nicht auf alle Technologien, sondern nur auf zwei Kernsprachen, nämlich XML und RDF eingehen, da diese für die spätere Betrachtung der Web Ontology Language relevant sind. Abb. 5: Semantic Web Technology Stack aus den Jahren 2000 und 2007 der Verlauf der konzeptionellen Entwicklung des Semantic Web. 1 XML gehört zur Klasse so genannter Markup- oder Auszeichnungssprachen, mit deren Hilfe Teile von Textdokumenten mit zusätzlicher Information versehen werden können. Allgemein werden solche Informationen auch Metadaten genannt, d.h. Daten die Daten beschreiben. Ein bekanntes Beispiel für eine Auszeichnungssprache ist HTML. Zusätzlich ist XML aber auch eine so genannte Metasprache eine Sprache über eine Sprache. Dies stellt im Wesentlichen auch den Unterschied von XML zu HTML dar. Benutzt man in HTML feste Tags zur Auszeichnung von Informationen, so kann man dagegen in XML diese Tags selbst definieren es wird also die logische Struktur anstatt der Darstellung von Dokumenten beschrieben. Prinzipiell besteht ein XML-Dokument aus Elementen, die durch einen XML-Namen identifiziert werden. Diese können wiederum andere Elemente, Daten, sowie Attribute beinhalten. Die auf diese Weise verschachtelte Struktur eines XML-Dokuments entspricht einem Baum. Das nächste Beispiel in Abb. 6 zeigt anschaulich, wie ein solcher Baum in Abhängigkeit der Elemente aussehen kann. Zusätzlich können in XML Informationen über die Struktur der definier- 1 W3C, abrufbar unter und (geprüft am 6. Mai 2011) 14

23 2.1 Ontologien und ihre Einsatzmöglichkeiten ten Sprache wie z.b. Restriktionen über ein so genanntes XML-Schema angegeben werden. Wir werden auf diesen Aspekt aber nicht weiter eingehen. 15

24 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG HTML XML XML-Baum Eine <b>diplomarbeit</b> über <werk> <typ>diplomarbeit</typ> <thema> Werk <i>wissensmanagement</i> Wissensmanagement </thema> </werk> Typ Diplomarbeit Thema Wissensmanagement Abb. 6: Grobe Unterschiede von HTML und XML anhand eines Beispiels. XML wurde nicht speziell für das Semantic Web konzipiert, denn die Stärke dieser Sprache liegt in der Möglichkeit einen universellen Datenaustausch von Text- Dokumenten zu betreiben. Sie wurde jedoch nicht dafür entwickelt, semantische Informationen zu kodieren. Dessen ungeachtet bildet XML die Grundlage für RDF (und auch OWL) auf das wir als nächstes eingehen. Im Grunde bildet das Resource Description Framework eine Familie von mehreren W3C Standards und wurde zur Beschreibung allgemeiner Beziehungen zwischen Ressourcen spezifiziert. Die im Mittelpunkt von RDF stehenden Ressourcen werden dabei durch URIs (Uniform Resource Identifiers) dargestellt. URIs spezifizieren allerlei mögliche Quellen im Internet, beispielsweise Web-Adressen, FTP-Server etc. Diese Art von Adressierung ist neben der direkten IP-Adressierung die häufigste Adressierungsform im Internet, vor allem im WWW. Im Gegenteil zu XML setzt RDF nicht auf Bäume, sondern auf Graphen. Das ist durchaus nachvollziehbar, da RDF nicht für die hierarchische Strukturierung von einzelnen Dokumenten, sondern für die Repräsentation von Beziehungen zwischen Ressourcen des Internets entwickelt wurde [HKR+08]. Die logische Struktur von RDF wird durch einen einfachen gerichteten Graphen repräsentiert, bei dem die Knoten für die einzelnen Ressourcen stehen. Die Kanten symbolisieren entsprechend die Beziehungen zwischen je zwei Ressourcen. Ein RDF Eintrag ist also ein Tripel (Subjekt, Prädikat, Objekt), wobei nur das Objekt ein Literal sein darf, aber nicht muss. RDF verlangt nicht, dass die verwendeten URIs tatsächlich existieren, die URI- Schreibweise soll lediglich dazu beitragen, Probleme mit identischen Namen, wie sie oft in XML vorkommen, zu vermeiden. Obwohl es für RDF mehrere Notationsformen gibt, ist die so genannte RDF Serialisierung in Form von RDF/XML am weitesten verbreitet. Diese beruht auf der XML-Schreibweise und kann daher von allen gängigen XML- Parsern gelesen werden. Es gibt mehrere Möglichkeiten ein und denselben RDF- Graphen in XML zu kodieren, Abb. 7 zeigt eine Variante, wie eine Beziehung, ähnlich wie sie in Abb. 6 dargestellt ist, in RDF kodiert werden könnte. RDF/XML RDF-Graph 16

25 2.1 Ontologien und ihre Einsatzmöglichkeiten <?xml version= 1.0?> <rdf:rdf xmlns:rdf= xmlns:rolle= > <rdf:description rdf:about= > <rolle:thema rdf:resource= /> </rdf:description> </rdf:rdf> Abb. 7: Beispiel eines RDF-Tripels in der RDF/XML Notation (siehe auch Bsp. aus Abb. 6). Die farbliche Hervorhebung identifiziert dieselben Elemente in der Notation- und Graphdarstellung. Man beachte, dass in dem Beispiel XML-Namespaces (xmlns) benutzt werden, diese definieren in XML eine Menge von Namen, die im jeweiligen Dokument benutzt werden. Hier setzt man sie unter Benutzung eines Präfix zur Abkürzung der URIs ein. Das oben vorgestellte RDF wird durch ein so genanntes RDF-Schema, kurz RDFS, ergänzt zusammenfassend spricht man oft von RDF(S). RDF und RDFS stehen wie die ABox und TBox einer Wissensbasis zueinander in Beziehung [HKR+08]. So bietet RDFS die Möglichkeit Klassen und Klassenhierarchien (Vererbung) anzugeben, sowie die Definition von Eigenschaften und Datentypen. Anhand des in diesem Abschnitt benutzten Beispiels könnte man exemplarisch das Objekt Diplomarbeit der Klasse Werk zuordnen und ihm den Datentyp Text zuweisen. Man erkennt somit, dass sich mit Hilfe von RDF(S) bereits einfache Ontologien bauen lassen und aus diesen Schlussfolgerungen gezogen werden können. Allerdings ist die Ausdrucksstärke von RDF(S) relativ beschränkt. So lassen sich Aussagen wie beispielsweise Eine wissenschaftliche Arbeit hat mindestens einen Autor nicht exakt formulieren Wissensrepräsentation in Künstlicher Intelligenz Schon lange vor der Idee des Semantic Web wurde die Entwicklung von Formalismen zur Repräsentation von Ontologien durch eine andere Disziplin der Informatik inspiriert die Künstliche Intelligenz. Wir werfen in diesem Abschnitt einen Blick auf die Wissensrepräsentation als Disziplin der Künstlichen Intelligenz und erläutern einige der oben erwähnten Begrifflichkeiten. Der Begriff Wissensrepräsentation wird im Kontext von Entwurf und Implementierung von Formalismen zur Beschreibung von Wissen benutzt. Gleichzeitig wird auch die Modellierung einer Domäne 1 als Wissensrepräsentation bezeichnet [OLN95]. Im Mittelpunkt der Wissensrepräsentation in der KI steht stets die so genannte Wissensbasis (knowledge base). Wie die Abbildung zeigt, besteht 1 Als Domäne bezeichnet man einen speziellen, meistens fachspezifischen, Teil der Realität. 17

26 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG sie aus 3 Teilen: das zu beschreibende Modell wird zuerst mit Hilfe eines Formalismus repräsentiert, um dann mit Hilfe eines so genannten Reasoners Schlussfolgerungen aus den Daten zu ziehen. Der Reasoner ist ein Programm, das für einen speziellen Formalismus geschrieben ist und in der Regel Optimierungen enthält. Eine Wissensbasis besteht aus zwei Teilen: die TBox beschreibt terminologisches Wissen, d.h. Konzepte, Regeln etc. wogegen die ABox assertionales Wissen d.h. Axiome, Individuen etc. darstellt. Eine Wissensbasis enthält notwendigerweise eine TBox um darüber zu schlussfolgern. Eine ABox kann zusätzlich die in der TBox beschriebenen Konzepte mit konkreten Objekten verknüpfen. Modell in Formalismus verarbeitet durch Reasoner = Wissensbasis TBox ABox Abb. 8: Drei Basiselemente bilden eine Wissensbasis. Zurückblickend auf die im Abschnitt geführte Diskussion des Ontologiebegriffs erkennt man, dass Ontologien und Wissensbasen sehr ähnliche Konstrukte darstellen. Allerdings werden Ontologien in der Literatur eher mit Beschreibungslogiken als zugehörigen Formalismus in Verbindung gebracht, Wissensbasen dagegen mit Prädikatenlogik. Unter diesem Gesichtspunkt kann man eine Ontologie als eine spezielle Form einer Wissensbasis bezeichnen, da Beschreibungslogiken eine entscheidbare Teilmenge der Prädikatenlogik bilden. Der Ansatz Prädikatenlogik als Formalismus für Wissensbasen zu benutzen wurde im Laufe der Zeit immer wieder in Frage gestellt, so z.b. auch von Minsky in [Min74]: Traditionelle Logik kann nicht besonders gut mit realistischen, komplexen Problemen umgehen, da sie für die Repräsentation von approximativen Lösungen schlecht geeignet ist diese aber unentbehrlich sind. Dieses Problem ist auch für diese Arbeit hoch relevant wir werden jedoch im Kapitel 3 aktuelle Forschungsergebnisse zur Lösung dieses Problems diskutieren. Ein ähnliches Problem besteht darin, dass Inferenz in der Prädikatenlogik monoton ist. Das bedeutet, dass die Hinzunahme von Prämissen (evidence) die Schlussfolgerung nicht verändert, z.b. aus Vögel können fliegen und Tux ist ein Vogel folgt Tux kann fliegen, allerdings bleibt die Schlussfolgerung auch dann bestehen, wenn man Tux ist ein Pinguin als Tatsache hinzunimmt. Monotone Logiken können also bei Ausnahmen nicht richtig schlussfolgern. Aus diesen und anderen Gründen entstanden andere Repräsentationsformalismen wie die im Abschnitt besprochenen semantischen Netze, Frames, Produktionsregeln, Beschreibungslogiken und 18

27 2.1 Ontologien und ihre Einsatzmöglichkeiten weitere. Im Rahmen dieser Arbeit werden wir jedoch nur auf die Beschreibungslogiken im Kapitel 3 näher eingehen. Trotz der oben genannten Kritikpunkte wird die Logik als das für Wissen am besten geeignete analytische Werkzeug angesehen. [OLN95] Ontologien vs. Datenbank-Schemata Heutzutage werden Daten und Wissen am häufigsten in relationalen Datenbanken gespeichert. Auch die Community IRCLOVE (Unterkapitel 2.3), die für unsere Zielsetzung als Fallbeispiel fungiert, basiert auf einer relationalen Datenbank. Die Grundlage für das Design einer relationalen Datenbank bildet das so genannte Entity-Relationsship (ER) Modell. Allgemein gesagt typisiert das ER-Modell Objekte und ihre Beziehungen zueinander. Zwischen Ontologien und dem ER-Modell existieren viele Gemeinsamkeiten, die die Abbildung aus einer relationalen Datenbank in eine Ontologie erleichtern und hier kurz umrissen werden sollen. Zum einen korrespondieren Entitäten und Relationen aus dem ER-Modell direkt mit Konzepten und Relationen der Ontologien. Dasselbe gilt für Attribute (ER-Modell) und Eigenschaften (Ontologie). ER-Modell Ontologie Entität Konzept Relation Relation Attribut Eigenschaft Abb. 9: Äquivalente Abbildung zwischen den Kernelementen des ER-Modells und Ontologien. Zum anderen entspricht die TBox einer Wissensbasis in gewisser Weise 1 dem Datenbank-Schema. Das Datenbank-Gegenstück zur Abox bilden die Instanzen der Datenbank, sprich die Zeilen von Tabellen. Die Unterschiede der beiden Paradigmen liegen in ihrer Spezialisierung. So werden Einschränkungen in Ontologien (auch Axiome genannt) hauptsächlich verwendet, um die Bedeutung der Konzepte im Hinblick auf die Inferenz zu verdeutlichen. Dagegen benutzt man sie in Datenbanken, um die Integrität 1 Durch die Verwendung von Logik als Formalismus besitzt die TBox eine viel größere Ausdrucksstärke als ein Datenbank-Schema. 19

28 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG von Daten zu gewährleisten. [UG04] Ein Beispiel sind so genannte Kardinalitätseinschränkungen, die in Datenbanken vor allem für die Spezifikation der Art einer Relation benutzt werden. In Ontologien werden Kardinalitäten eher zur Untermauerung der Bedeutung von Konzepten verwendet. Ontologien sind zudem für logisches Schlussfolgern ausgelegt, also insbesondere um neues Wissen herzuleiten, relationale Datenbanken dagegen nutzen optimierte Abfragesprachen wie SQL um vorhandenes Wissen schnell zu extrahieren Klassifizierung und Einsatzmöglichkeiten von Ontologien Seit Jahrtausenden versuchen Philosophen und heutzutage auch Informatiker Ontologien zu formulieren, die allgemein genug sind, um die gesamte uns umgebende Welt zu beschreiben. Platon, Aristoteles und Kant sowie berühmte moderne Theoretiker wie Peirce oder Heidegger haben sich ausführlich mit dieser Aufgabe beschäftigt [Sow00]. Trotz dieser bis heute nicht abgeschlossener Bemühungen ist es nicht gelungen, eine einheitliche Klassifizierung der Ontologien zu entwickeln. Es haben sich jedoch zwei grundsätzliche Ansätze herauskristallisiert. Der Erste besteht darin, Ontologien nach dem Grad ihrer Komplexität zu kategorisieren. Dieser Ansatz wurde von Lassila und McGuinness 1, Mika 2 und anderen diskutiert und verfeinert. Eine zusätzliche Unterscheidung in so genannte leicht- und schwergewichtige Ontologien (light-, heavyweight ontology) ermöglicht eine grobe Einschätzung der Ontologiekomplexität. Leichtgewichtige Ontologien tragen eher weniger Information über das Zusammenspiel von Konzepten in sich. Im Vergleich dazu nutzen schwergewichtige Ontologien komplexere Werkzeuge wie Einschränkungen oder zusammengesetzte Klassen und beschreiben eine Domäne deshalb präziser. Abb. 10 zeigt zudem, dass Traktabilität einer Ontologiesprache (bzw. ihres zugrunde liegenden Formalismus), d.h. der Grad der Verwendbarkeit in der Praxis bezogen auf algorithmische Komplexität, mit fallender Ontologiekomplexität stets zunimmt. Dieser Trade-off zeigt auch, dass man Ontologien ebenso gut nach der Traktabilität ihres Formalismus ordnen könnte. 1 LASSILA, O., MCGUINNESS D.: The Role of Frame-Based Representation on the Semantic Web. Technical Report KSL-01-02, California, Stanford University. (2001) 2 MIKA, Peter: Social Networks and the Semantic Web. Boston, Springer Verlag. (2007) 20

29 2.1 Ontologien und ihre Einsatzmöglichkeiten Begriffsmengen Glossare Thesauri Konzeptgraphen Semantische Netze Lightweight Ontologien [RDF(S), OWL Lite etc.] Heavyweight Ontologien [Beschreibungslogik, PL1] Komplexität Abb. 10: Klassifizierung von Ontologien nach ihrer Komplexität. Traktabilität Der zweite Ansatz besteht darin, Ontologien nach der Art des repräsentierten Wissens zu klassifizieren. Da Ontologien, wie oben erwähnt, sehr abstrakt oder wie man später sehen wird, sehr spezifisch sein können, ist eine präzise Klassifizierung ein äußerst schwieriges Unterfangen. Da es viele Vorschläge zu einer solchen Klassifizierung gibt [GFC04], sie alle vorzustellen aber den Rahmen dieser Arbeit sprengen würde, gehen wir lediglich auf einen übersichtlichen und verständlichen Vorschlag von Guarino in [Gua98] ein. Er schlägt die folgende Aufteilung von Ontologien vor: Top-Level Ontologien beschreiben sehr abstrakte Dinge wie Raum, Zeit, Materie usw. und sind domänenunabhängig. Domänen- und Aufgabenontologien beschreiben eine bestimmte Domäne (z.b. Autos oder Benutzerprofile) bzw. eine bestimmte Aufgabe (z.b. Verkauf). Applikationenontologien stellen eine Spezialisierung der beiden oberen Ontologietypen dar und beschreiben eine bestimmte Aufgabe in einer bestimmten Domäne (z.b. Verkauf von Autos). Top-Level Ontologie Domänenontologie Aufgabenontologie Applikationenontologie Usability Re-Usability Abb. 11: Klassifizierung von Ontologien nach ihrem Inhalt in Anlehnung an [Gua98]. Betrachtet man Ontologien von diesem Standpunkt, so offenbart sich auch hier ein Trade-off zwischen Usability und Re-Usability, je spezieller eine Ontologie, desto einfacher ist es, sie zu nutzen, aber desto schwieriger, sie für andere Aufgaben einzusetzen. 21

30 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG Aus den Klassifizierungsbetrachtungen wird bereits klar, wie vielseitig Ontologien eingesetzt werden können. Semantische Technologien fanden mit der Zeit ihren Weg aus der reinen Forschung in diverse Unternehmensbereiche. So zählt Fensel in [Fen04] Wissensmanagement, E-Commerce (Business-to-Customer und Business-to-Business) sowie Integration von Geschäftsprozessen zu den wichtigsten Einsatzbereichen der Ontologien. Nach Meinung von Reichenberger [Rei10] ist die semantische Suche (also eine Suche, die auf die Bedeutung von Begriffen statt auf ihr bloßes Auftreten, wie bei der Vollsuche eingeht) die häufigste Möglichkeit, wie semantische Technologien in Unternehmen eingesetzt werden können. Andere Aufgaben sind unter anderem Harmonisierung oder Aufbau von strukturierten Daten. Auch im Bereich E-Learning spielen semantische Technologien, insbesondere so genannte Concept Maps 1 und Mind Maps eine große Rolle. Der Einsatz von Ontologien beschränkt sich aber nicht nur auf reine Verbesserung der Repräsentation von Daten. Ontologien bilden den Kern der Wissensrepräsentation für Bereiche wie Maschinelles Lernen oder Expertensysteme. Auch für die Idee des Semantic Web sind Ontologien unentbehrlich, wie die jahrelange und voranschreitende Entwicklung der Ontologiesprache OWL zeigt. Die Fähigkeit mit formalen Ontologien effektive Rückschlüsse über Daten zu ziehen erweitert also ihren Einsatzbereich auf komplexe Datenstrukturen und Aufgabenstellungen. Die in dieser Arbeit zu entwickelnde Ontologie soll nach der Klassifizierung aus Abb. 11 eindeutig eine Domänenontologie darstellen, die allgemein genug sein sollte, um in jeder Domäne mit Profilen eine vielfältige Analyse zu ermöglichen. 2.2 Web Ontology Language Das vorherige Unterkapitel beschäftigte sich vor allem mit Ontologien im Allgemeinen. Obwohl die Ontologiesprache OWL in dieser Arbeit keine direkte Anwendung findet, werden wir im weiteren Verlauf immer wieder auf Formalismen stoßen, die ihr entweder zugrunde liegen oder auf ihr basieren. Deshalb werden wir in diesem kurzen Unterkapitel sie etwas aus der Nähe betrachten und ihren Aufbau erläutern. 1 NOVAK, J. D.: Learning, Creating, and Using Knowledge: Concept Maps as Facilitative Tools in Schools and Corporations. London, Lawrence Erlbaum Associates. (1998) 22

31 2.2 Web Ontology Language Teilsprachen von OWL OWL entstand als Nachfolger der Ontologiesprache DAML+OIL 1, die 2001 von einem US/EU Konsortium, dem so genannten Agent Markup Language Committee eingeführt wurde [Fen04]. Wie schon im Abschnitt erwähnt baut OWL auf RDF(S) auf. Die erste Version von OWL (wir werden sie zukünftig OWL 1 bezeichnen) erreichte im Jahr 2004 den Status einer W3C Recommendation. OWL 1 spaltet sich in 3 Teilsprachen, die nach ihrer Mächtigkeit angeordnet sind: OWL Lite OWL DL OWL Full Dabei sind OWL Lite und OWL DL entscheidbar, OWL Full dagegen nicht. Dafür ist es OWL Full als einziger Teilsprache erlaubt, die volle RDF(S) Syntax zu benutzen [OWLGD]. Von praktischer Bedeutung ist jedoch nur OWL DL und OWL Lite. Der an der Stanford University entwickelte grafische Ontologie-Editor Protégé 3.x 2 ist das am meisten verbreitete Tool, um OWL 1 Ontologien zu konzipieren. Im Jahr 2009 spezifizierte das W3C die Nachfolgerversion OWL 2, wobei OWL 2 DL und OWL 2 Full so wie bei OWL 1 spezifiziert wurden. Die Teilsprache OWL Lite wurde in 3 traktable Sprachen aufgeteilt, die allerdings keine echten Teilmengen voneinander sind. Das W3C legte die Teilsprachen, die Profile heißen, in Hinsicht auf ihre Anwendung in der Praxis fest 3 : OWL EL wurde für Ontologien optimiert, die eine große Anzahl von Klassen und Rollen haben. Die Inferenz läuft hier in polynomieller Zeit. OWL QL wurde so konzipiert, dass eine bessere Abbildung von relationalen Datenbanken zu OWL gewährleistet ist. Insbesondere wurde dieses Profil optimiert, um Inferenz bei einer großen Anzahl von Individuen zu beschleunigen. OWL RL wurde in Anlehnung an DLP (description logic programs) gestaltet und ermöglicht eine vereinfachte Implementierung von regel-basierten Technologien. Protégé 4.x ist das Gegenstück zu der 3-Serie, um mit OWL 2 Ontologien umzugehen, leidet aber zum gegenwärtigen Zeitpunkt noch an einigen Kinderkrankheiten. Neben Protégé existieren einige weitere OWL-unterstützende Editoren. 1 (geprüft am 6. Mai 2011) 2 (geprüft am 6. Mai 2011) 3 (geprüft am 6. Mai 2011) 23

32 KAPITEL 2. GRUNDLAGEN UND STAND DER FORSCHUNG Unterschiede zu RDF(S) und Besonderheiten Wir werden im Rahmen dieser Arbeit nicht auf die konkrete OWL Syntax eingehen, sondern lediglich auf besondere Merkmale dieser Ontologiesprache. OWL wurde in erster Linie entwickelt, um die durch RDF definierten Graphen zu erweitern. Grundsätzlich besteht eine OWL Ontologie aus Klassen (Konzepten), Properties (Rollen) und Individuen (ABox). Um das Beispiel aus Abb. 7 in OWL abzubilden, können wir uns z.b. zwei Klassen Diplomarbeit und Thema mit der Rolle hatthema definieren. Im Vergleich zu RDF(S) ist es jedoch möglich, komplexere Beziehungen zwischen Klassen bzw. Rollen zu definieren. Dazu zählen Kardinalitätsrestriktionen, Beziehungen zwischen Individuen, abgeschlossene Klassen, Rollenvererbung und Eigenschaften wie Transitivität sowie Datentypisierung. In dem unteren Beispiel verwenden wir die OWL 2 Syntax um eine Kardinalitätseinschränkung für die Rolle hatthema zu definieren und zwar so, dass zu jeder Diplomarbeit genau ein Thema existieren darf. Mit einer solchen einfachen Konstruktion ließe sich nun durch das Einfügen von Individuen in die jeweiligen Klassen eine vollwertige Wissensbasis aufbauen. 1. <owl: Class rdf:about= Diplomarbeit /> 2. <owl: Class rdf:about= Thema /> 3. <owl:objectproperty rdf:about= hatthema > 4. <rdfs:domain rdf:resource= Diplomarbeit /> 5. <rdfs:range rdf:resource= Thema /> 6. <rdfs:range> 7. <owl:restriction> 8. <owl:onproperty rdf:resource="hatthema"/> 9. <owl:onclass rdf:resource="diplomarbeit"/> 10. <owl:qualifiedcardinality rdf:datatype="">1</owl:qualifiedcardinality> 11. </owl:restriction> 12. </rdfs:range> 13. </owl> Diplomarbeit hatthema 1 Thema Abb. 12: Eine einfache OWL 2 Ontologie analog zu dem Beispiel aus Abb. 7. Es ist in OWL möglich, so genannte Annotationen bestimmten Objekten zuzuweisen. Diese Annotationen können zum Beispiel verwendet werden, um Kommentare über Objekte zu schreiben. Der Unterschied zwischen OWL 1 und OWL 2 besteht darin, dass in OWL 2 Annotation zu allen Axiomen verfasst werden können, beispielweise zu der Kardinalitätsrestriktion im oberen Bild. Diese Tatsache erweist sich im Bezug auf die Integration von zusätzlichen Informationen in OWL als äußerst nützlich und wird in Hinsicht auf unsere Absicht probabilistische Informationen zu verarbeiten im Kapitel 3 näher erläutert. 24