Corporate Semantic Web

Transkript

1 Corporate Semantic Web Xinnovations 2012 "Corporate Semantic Web" Berlin, 10. September 2012 Prof. Dr. Adrian Paschke Arbeitsgruppe Corporate Semantic Web Freie Universität Berlin 1

2 Projektvorstellung "Corporate Semantic Web" Nachwuchsforschergruppe Corporate Semantic Web an der Freien Universität Berlin mit wirtschaftsorientierter Forschungsausrichtung gefördert durch Unternehmen Region InnoProfile Initiative des BMBF Anwendungsforschung im Bereich der Semantic-Web-Technologien Adrian Paschke (Leiter) Gökhan Coskun Ralf Heese Radoslaw Oldakowski Olga Streibel Kia Teymourian Alexandru Todor Ralph Schäfermeier 2

3 Die Forschergruppe leistet Identifikation und Evaluierung realer Anwendungsfälle von Unternehmen Wissensaustausch durch Kooperation mit Unternehmen Technologietransfer durch frei verfügbare Software wirtschaftliche Bewertung von Semantic-Web- Technologien im Unternehmenskontext 3

4 Innovationsforschung im Bereich Semantischer Technologien im Unternehmenskontext Erzeugung Semantischer Unternehmensdaten Semantisches Wissensmanagement Semantisches Anwendungen (Engineering, Suche, Kollaboration) Pragmatischer Einsatz (Kosten-ökonomischer passgenauer und effiziente Anwendung von Semantic Web Technologien) 4

5 Corporate Semantic Web 1. Einsatz von semantischen Technologien in betrieblichen Informationssystemen, insbesondere in Kommunikations- und Wissensmanagement (z.b. Semantic Knowledge Management) (kollaborativen) Arbeitsabläufen und Prozessmanagement (z.b. Semantic Business Process Management) 2. Corporate = Unternehmerisches Handel Einsatz von Semantic Web Technologien unter wirtschaftlichen Gesichtspunkte / wirtschaftliche Bewertung von Semantic Web Technologien (z.b. Ontologie / Rules Engineering Kostenmodelle) 5

6 Web-basiertes Semantisches Unternehmen (Semantic Enterprise) Kunden Portale Front Office Call Center E-Commerce SRM ERP Corporate Semantic Web Semantic Applications Semantic Knowledge Semantic Content CRM SCM ITSM BPM DBMS CSCW Back Office 6

7 Herausforderungen an das Corporate Semantic Web Dauerhaftigkeit & Verknüpfungsgrad Weisheit / Intelligenz / Zusammenhänge Pragmatik Wissen Semantik Informationen Syntax Daten 7 (Maschinen) Verständnis

8 I) Corporate Semantic Web Semantische Inhalte Erzeugung Semantischer Daten 1. Automatische Extraktion von Semantik aus nichtsemantischen Daten Linked Data Extraction Ontology Learning 2. (Neu) Erzeugung semantischer Daten Manuell (z.b. Semantische Textverarbeitung, Semantic Wiki, Semantic CMS, Ontology-/Rule-Engineering) Automatisiert (z.b. Events / Aktivitäten, Text Analysis) 8

9 II) Corporate Semantic Web Semantisches Wissen Semantisches Wissensmanagement Relevante Daten, Informationen und Wissen für die Existenz eines Unternehmen z.b. Wieder- und Mehrfachverwendung von Wissen, Verringerung von Suchzeiten, schnellere Einarbeitungszeit von Mitarbeitern, Verbesserung der Arbeitszuordnung, etc. Semantische Archive und Wissensspeicher im Intranet, wie z.b. Linked Data Clouds, semantische Wikis, semantische Wissensbasen wie Triplestores, Semantic CMS und DMS etc. Semantische Integration von Daten aus verschiedenen oft heterogenen Quellen zu Informationen und unternehmens-relevanten Wissen Analyse der semantischen Daten, um das (implizites) Wissen in einem Unternehmen explizit semantisch zu erfassen 9

10 III) Corporate Semantic Web Semantische Anwendungen Semantisches Anwendungen für Corporate Semantic Engineering Methoden und Tools mit denen Ontologien und Regelbasen für Firmeninformationen und -prozessen präzise, qualitativ hochwertig und ökonomische effizient erstellt und gewartet werden können Unterstützung bei der Entwicklung semantischer Unternehmenslösungen und Produkte Semantic Corporate Search Lösungen für semantische Suche in kontrollierten Informationsbeständen mit definierten Qualitätsverbesserungen. 10 Semantic Corporate Collaboration neue semantische Plattformen mit der Unternehmensbereiche oder Bestandteile eines virtuellen Unternehmens gemeinsam Informationen, Prozesse und Wissen sammeln, nutzen und managen können

11 IV) Corporate Semantic Web Pragmatischer Einsatz im Unternehmen Lernen und Training von Entscheidungsträgern und Mitarbeitern Ökonomische Überlegungen, d.h. "Corporate" im Sinne von unternehmerischem Handeln Abschätzungen von Kosten und Nutzen der Entwicklung und des Einsatzes der neuen Corporate Semantic Web Technologien Anreize zur Integration in die Haus-internen, betrieblichen Informationssysteme und Dienste müssen geschaffen werden. 11

12 Corporate Semantic Web Public Semantic Web Corporate Semantic Web Business Context Corporate Semantic Engineering Corporate Semantic Search Corporate Semantic Collaboration 12 Corporate Business Information Systems

13 Corporate Semantic Engineering Modularisierung und Integration Versionierung und Life Cycle Management Agile kooperative Entwicklung und Kostenmodelle Corporate Semantic Engineering 13

14 Unternehmensontologien und semantische Geschäftsvokabulare Ontologie-unterstütztes Wissen Semantische Anreicherung und Annotation mit semantischen Hintergrundwissen Semantische Brücken zwischen heterogenen Informationssystemen Corporate Blogs Corporate Websites CRM Corporate Wikis Corporate Ontologies Corporate Structure 14

15 Ontologisches Metamodel Top Level Ontologies General context concepts such as space, time, event, action and their properties and relations Spatio Ontology Temporal Ontology Action Ontology Event Ontology Situation Ontology Process Ontology Agent Ontology Vocabularies related to specific domains by specializing the concepts introduced in the top-level ontology Domain Ontologies Task Activities Ontologies Vocabularies related to generic tasks or activities by specializing the concepts introduced in the top-level ontology 15 Specific user/application ontologies Application Ontologies E.g. ontologies describing roles played by domain entities while perfoming application activities

16 Modularization and Integration Integrated View Modul 1 Modul 2 Modul n-1 Modul n Application Ontology Domain Ontology Domain 1 Domain 2 Core Ontology 16

17 SONIVIS Eclipse Plugin für Ontologie- Analyse, Modularization und Dokumentation 17 AG Corporate AG Corporate Semantic Semantic Web Web

18 Ontologieevaluation für die Wiederverwendung Entscheidung über die Wiederverwendbarkeit muss schnell und richtig getroffen werden Ist die vorliegende Ontologie wiederverwendbar? Welche Domäne deckt sie ab? Ist eine detailliertere Betrachtung sinnvoll? Dokumentationen vereinfachen den Einblick und ermöglichen das Verstehen des Inhaltes Geeignete Präsentationen, Visualisierungen und Abstraktion unterstützen den Betrachter 18

19 Agile kollaborative Ontologieentwicklung Corporate Ontology Lifecycle Model (COLM) Selection/Integration/Development ENGINEERING Validation Feedback Tracking Population Evaluation Reporting USAGE Deployment Corporate Ontology Lifecycle Model (COLM) 19

20 SVont Subversion Server und Eclipse Plugin Visualisierung im Eclipse Client Versionsinformationen für z.b. revision, date, and author Unterstützung von unterschiedlichen Nutzern und Domänensichten Subversion-basiertes Management von Ontologien Revision history Merge support Semantic diff with explanations Iteration 1 Iteration 2 Iteration n-1 Iteration n Version 1 Version 1 Version 1 Version 4 Version 1 Version 2.x Version 2 Version 2.1 Version 3 Version

21 Leone: Leicht-gewichtiger, ontologischer Vokabular Editor in natürlicher Sprache relations resource label properties of the resouce Hide the Semantic Web complexity by using natural language in the user interface 21

22 Kostenabschätzung für agile Ontologieentwicklung und Weiterentwicklung/Wartung von Ontologien DCPLX OE OCAP/ DECAP DOCU LEXP/TEXP ONTOCOM initial estimate PM PCON Refined release estimate PM Validation/ Verification Selection/ Integration/ Development COLM Engineering Story Sprint Story Initial sprint estimate SP Initial release estimate PM Burndown 22 Story Sprint Story Story Initial sprint estimate SP Initial release estimate SP PM: Person Months SP: Story Points DCPLX: Domain Analysis Complexity OE: Evaluation Complexity OCAP/DECAP: Ontologist/Domain Expert Capability DOCU: Documentation Needs LEXP/TEXP: Language/Tool Experience PCON: Personnel Continuity

23 Semantic Corporate Search Suche in nicht-semantischen Daten Multimedia Suche Personalisierte Suche Kontextualisierte Suche Corporate Semantic Search 23

24 Semantische Suche Iterative search by the user. Advantage: low entry costs Challenege: query strategy Text corpus is fact base. Advantage: unstructured content accessible Challenge: ask a valid question Background-knowledge used during search. Advantage: captures all latent answers Challenge: Ontology design 24

25 Semantic Corporate Search Advanced Search: Alternative search: local, mobile, social search (context) Personalization and user views Hyper Mining, Trend Mining Real-time Event Processing, Situation Awareness and Proactive Alerting Selected CSW Tools and Applications Semantic Matchmaking Framework Semantic Preprocessing Tool Semantic Trend Mining Semantic Complex Event Processing Rule Engine 25

26 Semantic Matchmaking Framework 26

27 Beispiel: Personalisierte Suche Example: Query Java (+ Personal Skill Profile (Java + C++ Knowledge) ) d (Java, C++) = d (Java, Object Oriented) + d (C++, Object Oriented) = ( ) + ( ) = sim(java, C++) = = (Semantic Similarity) => Schlage auch Projekte für C++ Programmierer vor 27

28 Beispiel: Finden von Experten 28

29 Beispiel: Semantisches Museumsportal Berlin Impressionismus artist Karl Hagemeister Max Liebermann Claude Monet country country Zusätzliche semantische Suchergebnisse Deutschland Frankreich 29

30 Beispiel: Semantische Anfrageerweiterung und Erklärung Semantische Anfrageerweiterung Suchwort-basiert 30

31 Beispiel: Semantisches E-Learning Dynamische Lernpfadempfehlungen Other User Parameter Process: User Recommender Engine e-learning Information Cloud Requirement Recommendation Content Y Content A Content B Content C Content D Content E Content F Recommendation Content X Question 1 31

32 Beispiel: Trend Mining (ex-post) & Event Processing (Echtzeit) Document Stream Ex-Post Trend Mining Trendi Words Ranked News 1. Deutsche Bank CEO warns against race for Basel III Basel III 2. Banks need Rs 6-lakh-cr capital to meet Basel III norms: ICRA - Hindu Business Line User Activities Events Stream Knowledge Exchange Real-time Semantic CEP Engine Semantic Event Processing Complex Events Deutsche Bank stock coming up! News Ranking Engine 3. What to know: Basel III banking regulations - Property Week News Banks must raise Rs 6L cr to meet Basel III norms Express 4. Basel III Throws a Sucker Punch at Goldman and Morgan Stanley 5. Basel III may have a bigger impact than expected on Goldman 32

33 Semantic Corporate Collaboration Semantische Wissensgewinnung (aus Events/Nutzeraktivitäten, Situationen, Daten) Kollaborative semantische Wissensmodellierung (Ontologien, Regeln, Annotationen) Dynamische Zugang und Nutzung von verteiltem Wissen in kollaborativen Prozessen Wissensevolution und wissensbasierte Kollaboration Corporate Semantic Collaboration 33

34 Beispiel - Loomp: Semantische Anreicherung von Inhalten Erzeuge semantisch angreicherten Inhalt so einfach wie Auszeichnungen in Word, ohne Wissen über semantische Technologien, mit automatischer Unterstützung durch Vorschlagsannotationen. Annotations Country City District Waters Vocabularies Geography History The earliest evidence of settlements in today's Berlin central areas is a wooden beam dated from approximately 1192.[18] The first written mention of towns in the area of present-day Berlin dates from the late twelfth century. The settlement of Spandau is first mentioned in 1197, and Köpenick in 1209, though these areas did not join Berlin until 1920.[19] The central part of Berlin can be traced back to two towns. Cölln on the Fischerinsel is first mentioned in a 1237 document, and Berlin, across the Spree in what is now called the Nikolaiviertel, is referenced in a document from 1244.[18] The former is considered to be the "founding date Berlin Search Geography Berlin is located in eastern Germany, about 70 kilometers (44 miles) west Climate Summers are warm with average high temperatures of C (mid 70s) Save Cancel One Click Annotator 34

35 Kollaborative Semantische Annotation 35

36 Gemeinsames Wissen Beispiel: DBpedia Germany Linked Open Data Cloud German part of Wikipedia processed Content Articles Info boxes Meta data Representation Links in German language Connected to Dbpedia.org 36

37 Example: Museum DBPedia Deutschland Semantic Wikipedia Germany 37

38 Kollaboratives semantisches Extreme Tagging also a TAG a TAG of TAGS selfmade cloth name object = tag = resource associated (resource, tag) 38

39 Example: tagging tag relations 39

40 Beispiel: Semantische Workflows Business Processes BPM Knowledge Workflows: BPM BPM BPM Events & Process Context Workflow Workflow Knowledge Management: Semantic Relations & Interpretation Information Sources: Information Content 40

41 Semantisches Geschäftsprozessmanagement Rules-enabled BPEL+ Application events, facts BRMS (Business Rules Management System) CEP Logic Prova Rule Engine BPEL run-time SBPMN -> BPEL+ results Reaction Logic Decision Logic Constraints Rule Inference Service % receive query and delegate it to another party rcvmsg(cid,esb, Requester, acl_query-ref, Query) :- responsiblerole(agent, Query), sendmsg(sub-cid,esb,agent,acl_query-ref, Query), rcvmsg(sub-cid,esb,agent,acl_inform-ref, Answer),... (other goals)... sendmsg(cid,esb,requester,acl_inform-ref,answer). Semantische Ausführung Semantisches Reasoning 41 Oryx SBPM Semantische Modellierung

42 Semantic Complex Event Processing Ausgewählte Anwendungsgebiete Quick decisions, and reactions to threats and opportunities according to events in business transactions RTE BAM, ITSM Monitor and detect exceptional IT service and business behavior from occurred events 42 Valuable Information at the Right Time to the Right Recipient Information Dissemination CEP Media Detect Decide Respond Proactive Diagnostics Diagnose and/or proactively predict problems based on symptoms and resolve them

43 Beispiel Semantic Event Processing Anfrage: Buy actions of companies, who have production facilities in Europe and produce products from metal and more than 10,000 employees and are at the moment in reconstruction phase and their price/volume increased stable in the past hours. Event Stream {(Name, OPEL )(Preis, 45)(Volumen, 2000)} {(Name, SAP )(Preis, 65)(Volumen, 1000)} Semantische Wissensbasis {(OPEL, is_a, automobil_company), (automobil_conpany, build, Cars), (Cars, are_build_from, Metall), (OPEL, hat_production_facilities_in, Germany), (Germany, is_in, Europe) (OPEL, is_a, Major_corporation), (Major_corporation, have, over_10,000_employees), (OPEL, is_in, reconstruction_phase)} 43

44 Beispiel eines Complex Event Patterns Events E3: Stock_ID3 E2: Stock_ID2 E1: Stock_ID1 Time Price Volume Price Volume Price Volume StockOf StockOf StockOf Knowledge Company_X3 Company_X2 Company_X1 has has finance uses M1 produce Company_Y1 Company_Y2 44

45 Zusammenfassung: Corporate Semantic Web Corporate Semantic Web (CSW) befasst sich mit der Anwendung von Semantic Web Technologien und Methoden im Unternehmensumfeld. (Paschke, 2008) Public Semantic Web Pragmatic Web (Business) Context Corporate Semantic Web Corporate Semantic Engineering Corporate Semantic Search Corporate Semantic Collaboration 45 Corporate Business Information Systems

46 Corporate vs. Public Semantic Web Closed information systems / Intranet solutions with known interfaces between systems, services and domains Known user groups within enterprise network(s) Usage of the existing enterprise IT infrastructure, information, and knowledge is constrained by the existing business rules, policies and workflows/processes Data view: closed, often (semi-)structured data with known data models (e.g., relational, object-oriented, XML, ) Logic view: partial closed world assumption, partial unique name assumption, constructive views 46 46

47 Social Semantic Web vs. Corporate Semantic Web Social Semantic Web = Web of collective knowledge systems Focus: Tools in which the central social interactions on the Web plays a role. These tools lead to the development of explicit semantic representations Combines technologies, strategies and methods of the Semantic Web, Social Software and Web 2.0 Finds applications in Corporate Semantic Web as well as Public Semantic Web and in particular Pragmatic Web 47 47

48 Was erwartet Sie heute 10 17:30 Uhr Corporate Semantic Web Forum Thema: Semantik in Anwendungsfeldern 17:45-18:15 Uhr Berlin Semantic Web Meetup Thema: Unternehmerische Sicht auf Open Government Data 18:15 Ausklang bei Wein und Brezeln 48

49 Fragen? Prof. Dr. Adrian Paschke Arbeitsgruppe Corporate Semantic Web Freie Universität Berlin 49