WissKI: Eine Plattform zur semantischen Erschließung kulturellen Erbes. Martin Scholz Lehrstuhl für Informatik 8, FAU 27.

Transkript

1 WissKI: Eine Plattform zur semantischen Erschließung kulturellen Erbes Martin Scholz Lehrstuhl für Informatik 8, FAU 27. Oktober

2 Gliederung Die WissKI-Idee Ausgangslage und Voraussetzungen Das WissKI-System Ausblick 2

3 WissKI Wissenschaftliche KommunikationsInfrastruktur Gefördert durch die DFG ( ) Partner Friedrich-Alexander-Universität ErlangenNürnberg, LS für Informatik 8 Germanisches Nationalmuseum Nürnberg, Museums- und Kulturinformatik Zoologisches Forschungsmuseum Alexander Koenig Bonn, Biodiversitätsinformatik 3

4 Die WissKI-Idee Eine web-basierte Plattform für wissenschaftliche Kommunikation und Dokumentation im Bereich kulturelles Erbe Vernetzung von Wissen verschiedener Disziplinen (=> Transdisziplinarität) Hochqualitative semantische Erschließung von Daten (Sicherung von Urheberschaft, Authentizität, Persistenz, Unterstützung von wissens. Publizieren) 4

5 Ausgangslage und Voraussetzungen Dokumentation von Kulturellem Erbe Internet & Web 2.0 Semantic Web-Technologien

6 Dokumentation von kulturellem Erbe Formen von Dokumentation Texte (Kataloge, Artikel,...) Bilder Daten, Metadaten (Karteikarten, DBs,...) sowohl analog als auch digital Bestandteile des Forschungsprozesses (nicht vollst.): Recherche, Auszeichnen, Zusammenführen, Verknüpfen, Diskussion, Publikation 6

7 Freitext: unerschlossene Information HiDA/MIDAS-Datenbank Projekt zur Nürnberger Goldschmiedekunst

8 Dürer Research Database G. Goerz, FAU, Inf. 8

9 Möglichkeiten des Internet Inhärent vernetzt und verteilt Schnelle Informationsübermittlung Diskussion Publikation Recherche Web 2.0 : Wikis, Foren, Blogs,... Kollaborativ Adhoc Anfügen von Kommentaren und Tags 9

10 Beziehung zu Albrecht Dürer? Wie hängen beide Artikel zusammen?

11 Möglichkeiten des Internet (2) Informationen sind primär für Menschen niedergeschrieben Oft ungenau: Freitext, Schreibvarianten & -fehler,... Für Maschinen nur schwer zugänglich Volltextsuche Ausnutzen verfestigter Strukturen (Infobox in Wikipedia, Page-Rank) 11

12 Semantic Web It is about common formats for integration and combination of data drawn from diverse sources, where on the original Web mainly concentrated on the interchange of documents. It is also about language for recording how the data relates to real world objects. W3C Semantic Web Activity, 12

13 Semantic Web Ziel: Informationen für Mensch & Maschine gleichermaßen zugänglich machen Erfassung der Bedeutung (durch Referenz auf reelle Objekte) Einheitliche weltweit eindeutige Referenzierung von Objekten Einheitliche Formate Inferenz 13

14 Semantic Web Layercake 14

15 Identifikatoren: URIs URI ist ein Sammelbegriff für verschiedene Typen von Identifikator im Internet URL ( URN (urn:isbn: ) Mail-Adresse Im Semantic Web werden URIs benutzt, um reelle Objekte zu referenzieren 15

16 Identifikatoren: URIs (2) URIs sollen sein: Weltweit eindeutig (unique) Dauerhaft verständlich (persistent) Unveränderlich (persistent) URIs ermöglichen Domänenübergreifendes Referenzieren einfache Zusammenführung von Daten 16

17 Formate: RDF (Resource Description Framework) RDF ist ein Framework zur Repräsentation von Metadaten RDF ist ähnlich einer Mindmap Beziehungen zwischen Dingen (Web Resources) Adhoc Verknüpfungen erstellen Dinge klassifizieren RDF Datenbank: Triple Store 17

18 Formate: OWL (Web Ontology Language) OWL = RDF + X OWL fügt Struktur und Semantik hinzu Komplexe Klassifikationsregeln Bedingungen für Klassenzugehörigkeit OWL DL: Beschreibungslogiksprache Korrekte und vollständige Inferenzmechanismen => Semantik 18

19 Vorteile von RDF & OWL Flexibles Datenschema Verteilte und vernetzte Daten Leichter Austausch von Daten Offene Standards und Formate Freie / kostenlose Werkzeuge formale Semantik (OWL) 19

20 Wissensrepräsentation: Ontologie Eine Ontologie beschreibt einen Ausschnitt der Welt mit logischen Konstrukten Konzepte Beziehungen (Instanzen / Individuen) Hierarchisch angeordnet OWL ist das präferierte Datenformat zur Repräsentation von Ontologien im Semantic Web 20

21 Elementare Aussagen Daten werden als Aussagen über Instanzen von Konzepten gespeichert Tripel: Subjekt Prädikat Objekt (SPO) Beispiele: Das Selbstbildnis ist ein Gemälde. Das Selbstbildnis ist beschädigt. Albrecht Dürer malte das Selbstbildnis => Albrecht Dürer und das Selbstbildnis sind Instanzen. Gemälde ist ein Konzept. 21

22 Wiederverwendung von Ontologien OWL ermöglicht modularen Aufbau Sichert Interpretierbarkeit beim Austausch von Daten Reduziert Kosten Referenzontologien (SUMO, CIDOC CRM,...) (Weitgehend) Domänenunabhängig Dienen als gemeinsames Dach Domänenontologien fügen spezialisierte Konzepte und Relationen hinzu 22

23 RDF/OWL anfragen und suchen: SPARQL SPARQL is eine Anfragesprache für RDFDatenbanken Sieht SQL ähnlich Anfragemodi: Ja/Nein-Fragen Beschreibe ein Objekt Baue eine Tabelle Baue einen Graphen / Mindmap 23

24 Inferieren Implizites Wissen explizit machen Inferenzdienste (Beispiel Pellet) Konsistenzprüfung: Widersprüche aufdecken Klassifikation: Konzepthierarchie berechnen Erfüllbarkeit von Konzepten: Kann ein Konzept Instanzen haben? Realisation: Zu welchem Konzept gehört eine Instanz? Schlussfolgerungen begründen

25 CIDOC CRM / Erlangen CRM (Conceptual Reference Model) ISO-standardisiert (21127) Referenzontologie für die Dokumentation kulturellen Erbes (Museen) Erlangen CRM: Implementation in OWL DL : Georg Hohmann zu CIDOC CRM 25

26 CIDOC CRM Top Level Classes Types refine identify/name Actors participate in affect Conceptual Objects Physical Entities Appellations Temporal Entities location within occur at Time-Spans G. Goerz, FAU, Inf. 8 T. Gill Places

27 Referenzontologie: Erlangen CRM Applikationsontologie: Behaim-Globus

28 Das WissKI-System Systemarchitektur Organisation der Daten Präsentation der Daten Eingabe der Daten Eingabe und Auszeichnung von Freitext 28

29 Systemarchitektur Drupal CMS als Basis Große, aktive Community Modular erweiterbar Viele Features WissKI-Module erweitern Drupal um semantische Funktionalität Ziel: Netz von WissKI-System-Instanzen 29

30 Drupal Core Modules Third-Party CCK Views WikiTools WysiwygAPI ImageAPI... WissKI OWL/RDF System Discussion System Automatic Text Annotator Authority Files Management Import/Export API... Database Triple Store All software used is available under free software licences Georg Hohmann: WissKI - CIDOC Sibiu, Romania 4

31 Transdisciplinary Approach WissKI WissKI Repository I Repository II Repository III Dynamic Linking & Data Import/Export WissKI WissKI Repo I Repo III... Repo II Georg Hohmann: WissKI - CIDOC Sibiu, Romania 7

32 Organisation der Daten Wissen wird in WissKI anhand des CIDOC CRM klassifiziert Optional: Domänenspezifische Applikationsontologie Einbinden von Normdaten (Name Authorities) SKOS-Vokabulare Daten anderer WissKI-Systeme SPARQL-Endpoints 32

33 33

34 Präsentation der Daten Die Komplexität der Ontologie wird (standardmäßig) vor dem Nutzer verborgen Pfadkonstruktor: Reduktion der Sprachkonstrukte einer Ontologie auf sog. Ontologienpfade und -gruppen Ähnlich den gewohnten Kategorien und Feldern in Eingabemasken (z.b. bei RDBS) Alternativ: Anzeige als Tabelle oder Graph 34

35 Semantified Data Entry Form Albrecht Dürer E84 Information Carrier P108i was produced by E12 Production P14 carried out by E21 Person P131 is identified by E82 Actor Appellation P3 has note Albrecht Dürer Nürnberg E84 Information Carrier P108i was produced by E12 Production P7 took place at E53 Place P87 is identified by E48 Place Name P3 has note Nürnberg Georg Hohmann: WissKI - CIDOC Sibiu, Romania 12

36 Komprimierte Ansicht

37 Feld / Gruppierung Ontologienpfad WissKI: Pfadkonstruktor

38 Graph-Ansicht

39 Triples-Ansicht

40 Eingabe der Daten Masken- bzw. Formularbasierte Eingabe Autocompletion Einbinden von Name Authorities Eingabe von Freitext Auszeichnung von Entitäten Einbinden von Name Authorities Wiki-Idee: Jedem Objekt ist maximal ein Text zugeordnet, der es beschreibt. 40

41 Maskengestützte Eingabe

42 Eingabe und Auszeichnung von Freitext

43 Eingabe und Auszeichnung von Freitext über WYSIWYG-Editor (Javascript) Word-Feeling : Wiedererkennungseffekt => leicht bedienbar Funktionalität einstellbar Auszeichenbar Nennung von Entitäten (Instanzen) Kategorisierung von Entitäten Beziehungen zwischen Instanzen 43

44 Eingabe und Auszeichnung von Freitext (2) Semi-automatisch Flache Textanalyse Vorschläge vom Computer Nutzer kann immer Auszeichnungen von Hand hinzufügen, korrigieren und löschen Automatische Generierung von Triples aus den Auszeichnungen 44

45 WissKI: automatische Textanalyse 45

46 Ausblick Antrag auf ein Folgeprojekt ist gerade in Bearbeitung Einige ausgewählte Desiderate für WissKI 2: Inferieren mit großen Datenmengen Anfragemuster Quellen- und Begründungsverwaltung Multilingualität 46

47 Inferieren mit großen Datenmengen große Datenmengen >> Triples Anfragen über SPARQL ohne Inferenz möglich Aber: Datenmenge zu groß für gängige Inferenzmaschinen Entwicklungen Reasoner + DB (Pellet) Abstraktion über Instanzen (IBM SHER) Aufgabe von Korrektheit oder Vollständigkeit (?) 47

48 Anfragemuster Die meisten Suchanfragen in den Geisteswissenschaften lassen sich durch eine kleine Anzahl von Suchmustern beschreiben (Constantopoulos et al., 2009) Effektive Suche mittels vorgefertigter Schablonen Leichter Einstieg für Laien Automatisch erzeugte SPARQL-Anfragen 48

49 Quellen- und Begründungsverwaltung Überprüfung und Herstellung von Konsistenz Verschiedene Ebenen von Konsistenz Dokumentation kann unvollständige und widersprüchliche Aussagen enthalten Zuordnung von Aussagen zu Quellen Welche Quellen widersprechen sich? Quellengestützte Hypothesenbildung => Truth Maintenance Systems 49

50 Multilingualität Textanalyse ist stark sprachabhängig In vielen Domänen sind mehrsprachige Texte verbreitet Teils alte oder seltene Sprachen, abweichende Orthographien Keine vorgefertigten Programme vorhanden Gezieltes Ausnutzen von mehrsprachigen Name Authorities (NARCISSE, Orbis Latinus) Erkennen von Schreibvariationen 50

51 Vielen Dank für Ihre Aufmerksamkeit! 51