Semantic Web Rules. Open Source und Standardisierungsaktivitäten. Dr. Adrian Paschke. Biotec. Director RuleML Inc. Biotec Center Dresden

Transkript

1 Semantic Web Rules Open Source und Standardisierungsaktivitäten Dr. Adrian Paschke Director RuleML Inc. Biotec Center Dresden Biotec

2 Dr. Adrian Paschke, 31 Jahre Geboren 1976 in Bühl Aufgewachsen in München Studiert Volkswirtschaft an der LMU, München Wirtschaftsinformatik an der FAU Erlangen / Nürnberg Doktorarbeit an TUM, München (Dr. rer. nat.) Forscher am NRC, Kanada 06/07 Forscher am Biotec Center Dresden seit Sept Direktor RuleML Inc. seit 2007 Biotec Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 2 SS 08

3 RuleML RuleML Incorporation ( Gegründet in Kanada Dachorganisation der RuleML Initiative Agiert Welt-weit (Standort Kanada, Deutschland,...) Rule Markup and Modeling Initiative (RuleML) ( Mitglieder von Forschung, Industrie und Regierung Zusammenarbeit mit W3C, OMG, OASIS, EPTS, DARPA-DAML, XBRL, und vielen anderen Standardisierungs- und Regierungseinrichtungen Ziel: Förderung moderner und zukünftiger Generationen von Web-basierter Regeltechnologien Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 3 SS 08

4 Biotec Center Dresden Biotechnologisches Innovationszentrum Dresden Interdisziplinäres Exzellenz-Zentrum der TU Dresden Forschungsgruppen für Genomics, Proteomics, Biophysics, Cellular machines, Tissue engineering und Bioinformatics 150 Forscher aus über 10 Ländern mit Hintergrund aus Computer Science, Engineering, Biology, Medicine, Physics, Chemistry International Master Programm in Molecular Bio-engineering Bioinformatik ist Mitglied im TUD International Competence Centre for Computational Logic 20 Biotec Firmen mit ~200 Mitarbeitern EUR Center for Regenerative Therapies Dresden (CRTD). Biotec Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 4 SS 08

5 Agenda Semanitc Web 2.0 Eine Einführung Semantic Web Rules RuleML W3C RIF OMG PRR OMG SBVR Prova Open Source Entwicklung Regel-basierter Systeme Die Zukunft des Webs: Web 3.0, Web 4.0,... Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 5 SS 08

6 Semantic Web 2.0 Eine Einführung Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 6 SS 08

7 Das heutige World Wide Web 1.0 Web Inhalte sind typischerweise für die Benutzung durch Menschen konzipiert Automatisch generierte Webinhalte aus z.b. Datenbanken werden ohne Semantik und ihre ursprüngliche Struktur präsentiert Fehlende Unterstützung für automatische Bearbeitung durch Tools Hauptsächlich nur Schlüsselwort-basierte Suchmaschienen Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 7 SS 08

8 Probleme der Schlüsselwortbasierten Suche Viele Ergebnisse (high recall), aber niedrige Genauigkeit (low precision) Oder niedrige bis keine Ergebnisse (low recall) Ergebnisse sind einzelne Web Seiten (URIs) Ergebnisse müssen vom Menschen interpretiert und kombiniert werden Ergebnisse der Suche sind nicht direkt verwertbar für Softwarewerkzeuge Semantische Informationen über die Bedeutung von Webinhalten fehlen Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 8 SS 08

9 Semantic Web 2.0 Eine Einführung "The Semantic Web is an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in cooperation." Tim Berners-Lee, James Hendler, Ora Lassila, The Semantic Web Make the Web understandable for machines Prinzipien (Semantic Web Stack 2003) Die Entwicklung erfolg in Schichten jede Schicht baut auf der andern auf Abwärtskompatibilität Nach oben: Teilweises Verstehen Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 9 SS 08

10 Der Semantik Web Ansatz Repräsentation von Web Inhalten in einer maschinenverarbeitbaren Form Mittels Auszeichnung durch Metadaten und Ontologien Benutzung von intelligenten Schlussfolgerungstechniken (Logik und Inferenz) um Web-Inhalte automatische zu verarbeiten und neues Wissen zu erschließen Automatische Werkzeuge, z.b. Rule-based Expert Systems, Web Services, Software Agenten Das Semantik Web ist eine Ergänzung des existierenden WWW Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 10 SS 08

11 Überblick Semantik Web Schichten (1) XML-Schicht Syntaktische Basis RDF-Schicht RDF als Datenmodel für Fakten und Metadaten RDF Schema (RDFS) als einfache Ontologiesprache Ontologie-Schicht Ausdrucksstarke Ontologiesprachen Aktueller Standard: Web Ontology Language (OWL) Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 11 SS 08

12 Überblick Semantik Web Schichten (2) Logik-Schicht Erweiterung der Ontologiesprachen, z.b. mit komplexen Regeln Beweis-Schicht (Proof Layer) Beweisgenerierung, -austausch und validierung Vertrauens-Schicht (Trust Layer) Digitale Signaturen Vorschläge (recommendations), Bewertungsagenturen (ratings) Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 12 SS 08

13 Semantic Web Architektur (2008) 4. Software Agents and Webbased Services Rule Responder, FIPA, Semantic Web Services, 3. Logic and Inference e.g. Logic Programming Rule/Inference Engines, 2. Ontologies RDFS, OWL Lite DL Full 1. Explicit Meta-data vcard, PICS, Dublin Core, RDF, IEEE LOM (Learning Objects Metadata), Micro Formats, FOAF, SIOC W3C Semantic Web Stack as of 2008 Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 13 SS 08

14 1. Explizite Metadaten Metadaten sind Daten über Daten. Metadaten im Web: Maschinell verarbeitbare Information über Information im Web Projekte im Web: PICS, Dublin Core (15 Kernattribute), RDF, IEEE LOM (Learning Objects Metadata), Problembereiche: Syntax: In welcher Form werden Metadaten ausgetauscht (Kandidat: XML) Semantik: Welche Metadaten können/dürfen für eine Ressource vergeben werden (Bestimmung eines Vokabulars, eines Schemas) Assoziationsproblem: Wie werden Metadaten mit Ressourcen verknüpft (wer vergibt Metadaten, werden Metadaten getrennt verwaltet, etc). Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 14 SS 08

15 2. Ontologien Eine Ontologie ist eine explizite und formale Spezifikation einer Konzeptualisierung Ontologien beschreiben das gemeinsame Wissen einer Domäne (Semantik): Semantische Interoperabilität zwischen (verknüpften) Vokabularen Typische Komponenten 1. Klassen (Konzepte) der Domäne 2. Eigenschaften (Rollen) der Klassen 3. Einschränkungen (Constraints) der Eigenschaften 4. Individuen (Ausprägungen) der Klassen Wissensbasis Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 15 SS 08

16 3. Logik und Inferenz Logik ist die Disziplin, die sich mit dem Prinzipien des Schlussfolgerns beschäftigt Formale Sprachen zur Repräsentation von Wissen mit klarer Semantik Deklarative Wissensrepräsentation: Beschreibung dessen was gilt, ohne sich um die Interpretation und Schlussfolgerungen zu kümmern, d.h. das wie wird an einen automatischen Interpreter/Reasoner übergeben Automatische Reasoner, z.b. Regelmaschinen, können Schlussfolgerungen von gegebenen Wissen ableiten (Inferenz) Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 16 SS 08

17 4. Softwareagenten und Web Services Intelligente Softwareagenten arbeiten autonom und proaktive Sie besitzen eine eigenen Wissensbasis mit Entscheidungslogik (Regelbasiert, Expertenwissen) Beispiele: Personeller Agent, Suchroboter Ein Web Service bzw. Webdienst ist eine Software-Anwendung, die mit einem URI eindeutig identifizierbar ist und deren Schnittstellen als XML-Artefakte definiert, beschrieben und gefunden werden können. Ein Web Service unterstützt die direkte Interaktion mit anderen Softwareagenten unter Verwendung XML-basierter Nachrichten durch den Austausch über internetbasierte Protokolle. (Wikipedia) => keine klare Trennung zwischen Agent vs. Web Service; aber Agent > Entscheidungsautonomie Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 17 SS 08

18 Semantic Web Tools Triple Stores RDFStore, AllegroGraph, Tucana RDF Gateway, Mulgara, SPASQL Jena s SDB, D2R Server, SOR Virtuoso, Oracle11g Sesame, OWLIM, Tallis Platform Reasoners / Rule Engines Prova, Pellet, RacerPro, KAON2, FaCT++ Ontobroker, Ontotext SHER, Oracle 11g, AllegroGraph Converters flickurl, TopBraid Composer GRDDL, Triplr, jpeg2rdf Search Engines Falcon, Sindice, Swoogle Middleware Rule Responder, IODT, Open Anzo, DartGrid Ontology Works, Ontoprise Profium Semantic Information Router Software AG s EII Thetus Publisher, Asio, SDS Semantic Web Browsers Disco, Tabulator, Zitgist, OpenLink Viewer Development Tools SemanticWorks, Protégé Jena, Redland, RDFLib, RAP Sesame, SWI-Prolog, Prova Rule Manager TopBraid Composer DOME Semantic Wiki systems Semantic Media Wiki, Platypus, Visual knowledge Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 18 SS 08

19 Anwendungsgebiete Semantic-enriched Search Content management Knowledge management Business intelligence Collaborative user interfaces Sensor-based services Linking virtual communities Grid infrastructure Multimedia data management Semantic Web Services Rule-based Agents (z.b. Rule Responder)... Go Pub Med Semantic-enriched search engine on top of pubmed.org -search results are ranked using ontologies -related terms are highlighted, usable for further search Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 19 SS 08

20 Beispiel 1: Industrielle RDF Hubs Customer Customer Customer Management CRM Employee Management RDF Hub CRM Item Database Warehouse Article Database Warehouse Order Management Enterprise Application Integration Semantic Web Services Knowledge Management Content Classification in Portals Order Management Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 20 SS 08

21 Beispiel 2: Semantic Web Search Hardware Region Store Shopping Mall Ontology City Hardware Store Dresden Many pages nothing useful <a onto= > Relevant pages which conform to the ontology Ontologiebased Search yellowpages:store:har dware Region:Dresden Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 21 SS 08

22 Beispiel 3: Semantic IT Services Application Provider ebanking Service Consumption-based usage and accounting (pay-per-use, price discrimination, ) Utility Service Provider IT-Infrastructure (Storage, CPU,...) Pricing and Revenue Management Service Requests SLA Functionality, Quality of Service, Pricing, Contract Penalties,... Flexible IT Infrastructures and Enterprise Service Networks (Grid Computing, SAN, SOA...) Ressourcen D 1 D 2 D 3 C 1 C 2 C 3 P 1 P 2 => P 3 P 3 P 4 P 5 => P 6... Rule-based SLA Management Service Customer/User Service Using Application Contract / SLA Management WSDL SLA Response Time Delay / Availability Resource Utilization Functionality Guarantees Pricing / Penalties Service Provider Web Service Application Contract / SLA Management Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 22 SS 08

23 Beispiel 4: Life Sciences - GeneOntology Proteinsequenzen und strukturen ausgezeichnet mit der GeneOntology Terme Zellkomponenten Biologische Prozesse Molekulare Funktionen Parent Is-a relationship GO concept Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 23 SS 08

24 Semantic Web Rules Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 24 SS 08

25 Deklarative Programmierung mittels Regeltechnologie Users employ rules to express what they want, the responsibility to interpret this and to decide on how to do it is delegated to an interpreter Represent knowledge in a way that is understandable by the business, but also executable by rule engines, thus bridging the gap between business and technology Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 25 SS 08

26 Logische Regeln im Web Geschäftsregeln: ''The discount for a customer buying a product is 5.0 percent if the customer is premium and the product is regular.'' ''The discount for a customer buying a product is 7.5 percent if the customer is premium and the product is luxury.'' Prolog-artige Formalisierung als Horn Klauseln: Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 26 SS 08

27 Typen von Web Regeln Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 27 SS 08

28 Benutzung von Web Regeln 1. Regeln die den operationellen / Entscheidungsprozess beeinflussen: Derivation rules (deduction rules): Ableitung neuer Informationen welche im Entscheidungsprozess genutzt werden Reaction rules welche auf bestimmte Ereignisse reagieren Condition-Action rules (production rules) Event-Condition-Action (ECA) rules + Varianten (z.b. ECAP). Messaging reaction rules (Nachrichten, Anfragen) 2. Constraints auf Organisations- (oder System-) strukturen, -Verhalten oder -Informationen: Structural constraints (Deontische Normen). State constraints Process / flow constraints Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 28 SS 08

29 Exkurs: Quick Guide to OMG MDA Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 29 SS 08

30 Web Regelsprachen Computational Independent SBVR Platform Independent PRR RuleML RIF OCL Platform Specific ILog IRL Blaze SRL Prova XCML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 30 SS 08

31 Regelaustausch RuleML (e.g. OWL, RDFS) Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 31 SS 08

32 RuleML SBVR PRR RuleML RIF OCL ILog IRL Blaze SRL Prova XCML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 32 SS 08

33 RuleML Rule Markup and Modeling Initiative (RuleML) Förderung moderner und zukünftiger Generationen von Web-basierter Regeltechnologien Offener de facto Sprachstandard für Web Regeln Basis für weitere Regelsprachen z.b. OMG PRR, W3C RIF, W3C SWRL, REWERSE R2ML,. Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 33 SS 08

34 RuleML ermöglicht... modelling markup UML translation RDF Rule interchange in XML execution ASCII publication archiving Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 34 SS 08

35 RuleML Sprachfamilie RuleML Derivation Rules Reaction Rules Integrity Constraints Transformation Rules Layered Approach RuleML Translators Reaction RuleML Integrity RuleML Derivation RuleML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 35 SS 08

36 RuleML Sprachfamilie Derivation RuleML Languages / Dialects Modules Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 36 SS 08

37 Schema Modularisierung RuleML ist durch modulare XSDs spezifiziert XML Schema + EBNF Syntax Voll RDF kompatible (~ RDF triple syntax); XML Schema Modularisierung: Feinschichtiges und einheitliches Design Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 37 SS 08

38 RuleML 0.91 Striped Syntax ''The discount for a customer buying a product is 5.0 percent if the customer is premium and the product is regular.'' Type Tag <Implies> <head> <Atom> Role Tag <op><rel>discount</rel></op> <Var>customer</Var> <Var>product</Var> <Ind>5.0 percent</ind> </Atom> </head> <body> <And> <Atom> <op><rel>premium</rel></op> <Var>customer</Var> </Atom> <Atom> <op><rel>regular</rel></op> <Var>product</Var> </Atom> </And> </body> </Implies> Implies head body Atom op Rel discount Var customer Var product Ind 5.0 percent And Atom op Rel premium Var customer Atom opr Rel regular Var product Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 38 SS 08

39 Striped Syntax vs. Stripe-skiped Syntax <Implies> <body> <Atom> <Rel>spending</Rel> <Var>customer</Var> <Ind>min 5000 euro</ind> <Ind>previous year</ind> </Atom> </body> <head> <Atom> <Rel>premium</Rel> <Var>customer</Var> </Atom> </head> </Implies> <Implies> <Atom> <Rel>spending</Rel> <Var>customer</Var> <Ind>min 5000 euro</ind> <Ind>previous year</ind> </Atom> <Atom> <Rel>premium</Rel> <Var>customer</Var> </Atom> </Implies> Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 39 SS 08

40 RuleML 0.91 Positional Representation ''The discount for a customer buying a product is 5.0 percent if the customer is premium and the product is regular.'' Type Tag <Implies> <head> <Atom> Role Tag <op><rel>discount</rel></op> <Var>customer</Var> <Var>product</Var> <Ind>5.0 percent</ind> </Atom> </head> <body> <And> <Atom> <op><rel>premium</rel></op> <Var>customer</Var> </Atom> <Atom> <op><rel>regular</rel></op> <Var>product</Var> </Atom> </And> </body> </Implies> Implies head body Atom op Rel discount Var customer Var product Ind 5.0 percent And Atom op Rel premium Var customer Atom opr Rel regular Var product Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 40 SS 08

41 Slotted Un-positional Object Oriented Representation Position independent user-defined role -> filler pairs: <Implies> <Atom> <Rel>spending</Rel> <slot><ind>spender</ind><var>customer</var></slot> <slot><ind>amount</ind><ind>min 5000 euro</ind></slot> <slot><ind>period</ind><ind>previous year</ind></slot> </Atom> <Atom> <Rel>premium</Rel> <slot><ind>client</ind><var>customer</var></slot> </Atom> </Implies> Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 41 SS 08

42 RuleML Sprachfamilie RuleML Derivation Rules Reaction Rules Integrity Constraints Transformation Rules Layered Approach RuleML Translators Reaction RuleML Integrity RuleML Derivation RuleML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 42 SS 08

43 Reaction RuleML Reaction RuleML ( Quasi-Standard for Reactive Web Rules Production rules, ECA rules and variants such as Trigger (EA), intelligent rule-based CEP, KR Event/Action Logics, Process Algebras, Anwendungen z.b. in.: Event Processing Networks (EPN) Complex Event Processing (CEP) / Event Processing Language (EPL) Event Driven Architectures (EDAs) Reactive, rule-based Service-Oriented Architectures (SOAs) Active Semantic Web Applications Real-Time Enterprise (RTE) Business Activity Management (BAM) Business Performance Management (BPM) Service Level Management (SLM) with active monitoring and enforcing of Service Level Agreements (SLAs) or e-contracts Supply Chain Event Management Policies Web-based Workflow Systems Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 43 SS 08

44 Anwendungsbereich Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 44 SS 08

45 Generelle Konzepte Generelles Regelformat, welches je nach Bedarf spezialisiert werden kann Drei generelle Ausführungsarten (styles): Active: aktive Abfrage / Erkennung auftretender Ereignisse (events) z.b. regelmäßige Abfrage eines Dienstes oder Anfrage an Ergeignisdatenbank Messaging: Warten auf eingehende Ereignissnachrichten und Aussendung von Aktionsnachrichten Reasoning: logische Event/Action logics, Transaktionslogiken, Prozesskalküle, z.b. Event Calculus, Temporal Action Logics Vorkommen (appearance): Global: globale Reaktionsregeln Local: lokal definierte (inline) Reaktionsregeln Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 45 SS 08

46 Syntax für Reaktionsregeln (Reaction RuleML 0.2) <Rule style="active" eval="strong"> <on> <!-- event --> </on> <if> </if> <do> </do> <ifpost> </ifpost> <!-- condition --> <!-- action --> <!-- postcondition --> <doalternative> <!-- alternative/else action --> </doalternative> </Rule> Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 46 SS 08

47 Reaction RuleML Regeltypen Derivation Rule: <Rule style="reasoning"> <if>...</if> <then>...</then> </Rule> Production Rule: ECA Rule: <Rule style="active"> <if>...</if> <do>...</do> </Rule> <Rule style="active"> <on>...</on> <if>...</if> <do>...</do> </Rule> Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 47 SS 08

48 Nachrichten in Reaction RuleML <Message mode="outbound" directive="acl:inform"> <oid> <!-- conversation ID--> </oid> <protocol> <!-- transport protocol --> </protocol> <sender> <!-- sender agent/service --> </sender> <content> <!-- message payload --> </content> = inbound outbound attribute defining the type of a attribute defining the pragmatic context of the message, e.g. a FIPA ACL performative < oid > the conversation id used to distinguish multiple conversations and conversation states < protocol > a transport protocol such as HTTP, JMS, SOAP, Jade, Enterprise Service Bus (ESB)... < sender >< receiver > the sender/receiver agent/service of themessage < content > message payload transporting a RuleML / Reaction RuleML query, answer or rule base Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 48 SS 08

49 Weitere ausgewählte Eigenschaften Complex Event and Action Algebra Support for different selection and consumption policies Support for intervals (Time, Event) Support for situations (States, Fluents) Support for external event query languages Support for external vocabularies Support for external action execution / procedural attachments... Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 49 SS 08

50 W3C RIF SBVR PRR RuleML RIF OCL ILog IRL Blaze SRL Prova XCML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 50 SS 08

51 W3C Rule Interchange Format W3C RIF Working Group seit Dezember Ziel: Standardisierung eines Web-basierten Regelaustauschformats Aktuelle Arbeitsentwürfe (Working Drafts): RIF-FLD (Framework of Logic Dialects) Generelles Framework für logische RIF Sprachdialekte RIF-SWC (RDF and OWL Compatibility) Interoperabilität zwischen RIF und Semantic Web Daten- und Ontologiesprachen (RDF, RDFS, OWL). RIF-DTB (Data Types and Builtins) RIF Datentypen und Built-in Funktionen und Prädikate RIF-BLD (Basic Logic Dialect) Basis-Logik-Dialekt für logische Regeln (definite Horn rules with equality) RIF-PRD (Production Rules Dialect) RIF Produktions Regel Dialekt RIF-UCR (Use Cases and Requirements) Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 51 SS 08

52 W3C RIF Basic Logic Dialect (RIF-BLD) Definite Horn Rules + Equality, Slots, Frames, Internationalized Resource Identifiers (IRIs), XML Schema Data Types,... Syntaxes Normative XML Syntax sehr ähnlich zu RuleML XML Syntax Nicht-normative Präsentationssyntax Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 52 SS 08

53 Beispiel RIF-BLD Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 53 SS 08

54 RIF Planung bis Mai 2009 Recomendations: RIF Basic Logic Dialect (BLD) RIF Framework for Logic Dialects RIF Datatypes and Built-Ins RIF Production Rule Dialect (if possible) Dialect Interoperation and Extensible Core Geplante Working Draft: RIF Logic Programming Dialect RIF Full First-Order Logic Dialect RIF Extension for XML Data Sources RIF Reaction Rules Dialect (includes RIF Event Processing Language Dialect) Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 54 SS 08

55 OMG PRR SBVR PRR RuleML RIF OCL ILog IRL Blaze SRL Prova XCML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 55 SS 08

56 Production Rules Representation SRL Formales Model zur Anbieter-neutralen Darstellung von Regelmodellen in UML für Produktionsregeln Konsortium von Entwicklern, Anbietern und Benutzern Anbieter (Fair Isaac, ILOG, LibRT, IBM, Pega, Corticon, TIBCO, ) Akademische Gemeinde (RuleML.org) Verwandte Anbieter (Fujitsu, IBM) PRR zur Zeit "Adopted" als Standard in "Finalization", Beta Status, mit finaler Version 1.0 in 2008 OMG MDA PIM Model PRR beta definiert PRR Kern auf Basis von UML MOF Keine explizite Ausdruckssprache (z.b. RuleML Reaction RuleML oder RIF PRD zur Serialisierung) ILog IRL SBVR PRR RuleML RIF OCL Blaz e Prova XCML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 56 SS 08

57 PRR ProductionRule Klassen if [condition] then [action-list] Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 57 SS 08

58 OMG SBVR SBVR PRR RuleML RIF OCL ILog IRL Blaze SRL Prova XCML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 58 SS 08

59 Semantics of Business Vocabulary and Business Rules Unterstützung für Rechenunabhängige Modellierung (computational independent modeling) von Geschäftsregeln (business rules) durch Geschäftsleute natürliche Sprache, allgemeine Graphiken und Tabellen Seit September 2005 Finalization Status im OMG Prozess zur Annahme von Standards Final angenommene SBVR 1.0 Spezifikation (dtc/ ) ILog IRL SBVR PRR RuleML RIF OCL Blaz e SRL Prova XCML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 59 SS 08

60 SBVR in MDA Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 60 SS 08

61 SBVR Überblick Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 61 SS 08

62 SBVR Pakete Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 62 SS 08

63 SBVR Metamodel und SBVR Vokabular Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 63 SS 08

64 PROVA Distributed Semantic Web Rule Engine SBVR PRR RuleML RIF OCL ILog IRL Blaze SRL Prova XCML Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 64 SS 08

65 Was ist Prova? Sourceforge Open-Source Projekt ( seit 2003 Aktivität 86.69% ; Downloads 28,529; 10 new requests per month, 254 registered users Anwendungsgebiete: Xalia Core for Services - Resource / Service Allocation: Prova used for efficiently computing global execution plans 4.htm W3C Semantic Web Rule Interchange Format: Rule-based IT Service and Contract Management: RBSLA Projekt Rule Responder Pragmatic Agent Web Distributed Semantic Web Rule Engine and Agent/Service-Oriented Architecture: Prova follows the spirit and design of the recent W3C Semantic Web initiative and combines declarative rules, ontologies and inference with dynamic objectoriented programming and access to external data sources via query language built-ins. Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 65 SS 08

66 Prova Prinzipien Trennung von Logik (declarative), Datenzugriff (procedural attachments and query languages) und Berechnung (inference and external procedural computation) Verbindet deklarative Programmierung (Regeln) mit OO-Programmierung (Java) und Workflowsprachen (z.b., BPEL) Standard ISO Prolog Scripting Syntax + Integration von Java, Semantic Web Sprachen (RDF,RDFS, OWL, RIF) und Anfragesprachen (z.b. SPARQL, XPath/XQuery, SQL) Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 66 SS 08

67 Prova Ausgewählte Eigenschaften External Data and Object Integration + Query Built-Ins Java Integration XML Integration SQL Integration RDF Integration External Type Systems: Order-Sorted Polymorphic Typed Logic Java Class Hierarchies Semantic Web Ontologies Input/Output Mode Declarations Module Import and Integration: Order Modularized Logic Programs Meta Data Labels and Scopes (constructive views) Integrity Constraints and Test Cases for Verification and Validation Backward-reasoning Derivation rules + ECA-style rules Messaging Reaction Rules and Complex Event Processing Dynamic Transactional Updates Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 67 SS 08

68 Syntax design features of Prova The syntax combines ISO Prolog and Java but the key is simplicity: % Prolog % Prova N2 is N + 1, N2 = N + 1, // Java % Prova List l = new java.util.arraylist(); L=java.util.ArrayList(), Low-cost creation of distributed integration and computation workflows. Prova separates logic, data, and computation. Low-cost integration of rule-base scripted agents inside Java and Web applications. For more information check the User`s Guide in the prova web page. Dr. Adrian Paschke Vorlesung TUD Vorlesung SS 08

69 Using colours for language elements The colours below are used to distinguish the language elements: % Comments are in green % Built-in predicates are brown tokenize_list(line,"\t",[t Ts]) % User-defined predicates are blue member(x,[x Xs]) % Java calls and constructors are red Text1=P1.toString() % Table names are pink sql_select(db,cla,px(pxa),pdb_id(pdb)) % Message performatives (speech acts) are navy blue rcvmsg(protocol,from,query_ref,[x Xs]) :- Dr. Adrian Paschke Vorlesung TUD Vorlesung SS 08

70 Prova Syntax Variables (upper case), Constants (lower case) Fact: availability(s1,99%). Rule: qos(s,high):- availability(s,99%). Query 1: :-solve (not(qos(s,high)). Query 2: :-eval (not(qos(s,high)). Derive:, derive([x Args]),... Scoping: scope(p(x), ),... Memoization:cache(p(X)),... Lists: [Head Tail] = [Head,Arg2,...,ArgN] = Head(Arg2,...,ArgN) Module Imports: :- eval(consult("contractlog/list.prova")). :- eval(consult(" Meta data annotation: metadata(label(r1),src(" :: qos(s,medium) :- availability(s,98%). Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 70 SS 08

71 Prova Beispiel Prova extends ISO Prolog syntax: % Facts is_a("anticoagulant","molecular_function"). % Clauses (head true if conditions true in the body) parent(x,y) :- is_a(y,x). parent(x,y) :- has_a(x,y). % Goals (note there is no head) :- solve(parent(parent,"anticoagulant")). % Print solutions :- eval(parent(parent,"anticoagulant")). % Just run exhaustive search Format of the output for the goal solve above: Parent="molecular_function" Dr. Adrian Paschke Vorlesung TUD Vorlesung SS 08

72 Pervasive use of the Java type system Java typed and untyped variables; Natural rules for subclasses unification; Java variables prefixed by full package prefix with java.lang being default; :- solve(member(x,[1,double.d,"3"])). :- solve(member(integer.x,[1,double.d,"3"])). % Standard type-less rules for the standard member predicate member(x,[x Xs]). % X is a member of a list if it is the first element member(x,[_ Xs]) :- % X is a member of a list if it is in the list tail member(x,xs) > X=1 > X=java.lang.Double.D > X=3 > java.lang.integer.x=1 Dr. Adrian Paschke Vorlesung TUD Vorlesung SS 08

73 Description Logic (DL) type system DL-typed and untyped variables; Uses Semantic Web ontologies as type systems Uses external DL reasoner (e.g. Pellet) for dynamic type checking Syntax: [Variable]:[nameSpace]_[ClassType] [individualconstant]:[namespace]_[classtype] :- eval(consult('contractlog/owl.prova')). % needed % import external type system (T-Box model) and individuals (A-Box) import( % use OWL-DL reasoner; for a list of available predefined reasoners see OWL2PROVA.java reasoner ("dl"). % typed rule serve (X:default_Wine) :- recommended(x:default_wine). % ground fact; defines an instance of class recommended(default_white_wine:chardonnay). % non ground DL facts are interpreted as queries on external ontology recommended(x:default_white_wine). recommended(x:default_red_wine). :-solve(recommended(x:default_wine)). :-solve Dr. Adrian Paschke (recommended(x:default_white_wine)). Vorlesung TUD Vorlesung SS 08

74 Java Method Calls Constructors, instance and static methods, and public field access; Ability to embed Java calls makes the Prolog-like programming style more suitable for integration and computation workflows. hello(name):- S = java.lang.string( Hello ). S.append (Name), java.lang.system.out.println (S). Dr. Adrian Paschke Vorlesung TUD Vorlesung SS 08

75 Example: Java-based XML Processing (DOM) A small wrapper for XML DOM in Java is needed because of bugs in reflection and to improve access to elements. Non-deterministic iteration over elements and attributes node collections with nodes method. :- eval(test_xml()). test_xml() :- % This extends the standard DOM API: create a Document based on File name Document = XML("blast.xml"), Root = Document.getDocumentElement(), Elements = Root.getElementsByTagName("Hit"), % This extends the standard DOM API: enumerate the nodes Elements.nodes(Element), SubElements = Element.getElementsByTagName("Hsp"), SubElements.nodes(SubElement), ChildNodes = SubElement.getChildNodes(), ChildNodes.nodes(ChildNode), ChildNodeName = ChildNode.getNodeName(), DataName = ChildNode.getFirstChild(), StringName = DataName.getNodeValue(), println([" Child name: ",ChildNodeName]), println([" Child value: ",StringName]). Dr. Adrian Paschke Vorlesung TUD Vorlesung SS 08

76 Exception Handling Exception handling that results in a failure and backtracking Compensation handling in which the control flow continues :- eval(raise_test()). handle_exceptions (Msg) :- exception(ex), printl([ex]), println([msg]), fail().%fail raise_test () :- on_exception(java.lang.exception, handle_exceptions(" in raise_test()")), Ex = java.lang.exception("a Prova exception"), raise(ex). % throw exception Dr. Adrian Paschke Vorlesung TUD Vorlesung SS 08

77 Built-Ins Simple artihmetic relations (+ - =...) % Prova N2 = N + 1, Negations (not, neg) % Default Negation register(user) :- not(known(user)),... Fact base updates % Update global facts register(user) :- not(known(user)), assert(known(user)). Variable mode tests (free, bound, type) String manipulation predicates % Concat Strings concat(["{",in,"}"],out), % prepend "{" and append "}" Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 77 SS 08

78 External Data and Object Integration File Input / Output..., fopen(file,reader),... XML (DOM) document(domtree,documentreader) :- XML(DocumenReader), SQL,sql_select(DB,cla,[pdb_id, 1alx ],[px,domain]). RDF...,rdf( XQuery..., XQuery = ' for $name in StatisticsURL//Author[0]/@name/text() return $name', xquery_select(xquery,name(expertname)), SPARQL...,sparql_select(SparqlQuery,name(Name),class(Class), definition(def)), Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 78 SS 08

79 Beispiele: File I/O und SPARQL test_fopen() :- fopen(file,reader), % Non-deterministically enumerate lines in the file read_enum(reader,line), println([line]). % Print one line at a time examplesparqlquery(url,type X) :- QueryString = ' PREFIX foaf: < PREFIX rdf: < SELECT?contributor?url?type FROM < WHERE {?contributor foaf:name "Bob DuCharme".?contributor foaf:weblog?url.?contributor rdf:type?type. } ', sparql_select(querystring,url(url),type(type) X), println([[url,url],[type,type] X],","). Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 79 SS 08

80 Beispiel: Mobile Rule Code % Manager upload_mobile_code(remote,file) : Writer = java.io.stringwriter(), % Opening a file fopen(file,reader), copy(reader,writer), Text = Writer.toString(), SB = StringBuffer(Text), sendmsg(xid,esb,remote,query-ref,consult(sb)). % Service (Contractor) rcvmsg(xid,esb,sender,eval,[predicate Args]):- derive([predicate Args]). Contract Net Protocol Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 80 SS 08

81 Complex Event Messaging and Processing process_join() :- iam(me), init_join(xid,join_1,[c(_),b(_)]), fork_a_b(me,xid). fork_a_b(me,xid) :- rcvmsg(xid,self,me,reply,a(1)), fork_c_d(me,xid). fork_a_b(me,xid) :- rcvmsg(xid,self,me,reply,b(1)), join(me,xid,join_1,b(1)). fork_c_d(me,xid) :- rcvmsg(xid,self,me,reply,c(1)), % Tell the join join_1 that a new pattern is ready join(me,xid,join_1,c(1)). % The following rule is invoked by join once all the inputs are assembled. join_1(me,xid,inputs) :- println(["joined for XID=",XID," with inputs: ",Inputs]). % Prints % Joined for XID=agent@hostname001 with inputs [[b,1],[c,1]] Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 81 SS 08

82 State machines based conversations 0 query_ref( Product ) 1 [ product(product,_) ] 2(yes) entry/ ^Buyer.agree(Product) entry/ ^Buyer.inform_result(Product) [!product(product,_) ] 2(no) entry/ ^Buyer.refuse(Product) request( Product,Price ) 3 [!Price>SellerPrice ] 4(refuse) entry/ ^Buyer.refuse(Product,Price) entry/ ^self.product(product,sellerprice) [ Price>SellerPrice ] 4(agree) entry/ ^Buyer.agree(Product,Price) entry/ ^Buyer.inform_done(Product,Price) directbuy_seller_1(xid,protocol,from,product) :- product(product _),!, sendmsg(xid,protocol,from,agree,product,seller), sendmsg(xid,protocol,from,inform_result,product,seller), directbuy_seller_2(yes,xid,protocol,from,product). directbuy_seller_1(xid,protocol,from,product) :- sendmsg(xid,protocol,from,refuse,product,seller), directbuy_seller_2(no,xid,protocol,from,product). directbuy_seller_2(yes,xid,protocol,from,product) :-!, rcvmsg(xid,protocol,from,request,[product,price],buyer), product(product,sellerprice), directbuy_seller_3(xid,protocol,from,product,price,sellerprice). directbuy_seller_2(no,xid,protocol,from,product). Dr. Adrian Paschke Vorlesung TUD Vorlesung SS 08

83 Entwicklung Regelbasierter Systeme Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 83 SS 08

84 Grundlagen V&V&I Pattern: Validation: Entwickeln wir das richtige Programm? Verification: Entwickeln wir das Programm richtig? Integrity: Führen wir das Programm richtig aus? Fehler und Anomalien Fehler sind Probleme welche direkt die Ausführung von Regeln beeinflussen, z.b. typographische Fehler, Unvollständigkeit, Wiedersprüche, Anomalien sind Symptome von wirklichen Fehlern Taxonomy of Anomalies (Preece and Shinghal) Semantische Überprüfung z.b. Konsistenz, Vollständigkeit Strukturelle Überprüfung, z.b. Redundanz, Relevanz, Erreichbarkeit Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 84 SS 08

85 Motivation Software Development Lifecycle (SDLC) für viele Open-Source und kleinere Projekte ungeeignet Kostenintensiv, langsam, schwer zu verwalten und zu ändern, bei ständig wechselnden Anforderung Unterschiedliche Anforderungen durch verteilte Web-basierte Systeme oft über Domänengrenzen hinweg Vorgeschlagene Lösungen: 1. Agile SE (Extreme Programming + andere) Beschleunigen Entwicklungsprozess und unterstützen Redesign Empirische Beweise, dass XP für kleine und mittlere Projekte besser geeignet Layman, L.: Empirical Investigation of the Impact of Extreme Programming Practices on Software Projects, 2. Regel-basierte Systeme: Entwicklung von Werkzeugen welche Geschäftsleute befähigen IT Dienste und Geschäftsprozesse flexibel zu ändern Vermeidung des langsamen SDLC Neue Welle an kommerziellen Tools (Regel Engines, CEP-Engines, Workflow Engines). Könnten vereint werden? Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 85 SS 08

86 Problem: Komplexität von Regelsprachen Anzahl der Primitiven in Regelsprache z.b. Anzahl der benutzen Konvektive Tiefe des Ableitungsbaums z.b. begrenzt für Logische Programme ohne Funktionssymbole, aber unbegrenzt wenn Konvektive und Terme verschachtelt sind Restriktionen der Regelsprache z.b. keine Negation im Regelkopf Keine allgemeingültige Sprachelemente und prozedurale Elemente z.b. Prioritäten, Cut, Unterschiedliche Arten von logischen und prozeduralen Konjunktionen, procedural attachments, Unterschiedliche Sprachelemente mit ähnlicher Bedeutung schwache und starke Negation OR und XOR Polymorphische Sprachelemente z.b. polymorphic negation, polymorphic order-sorted types Keine Standardinterpretation von bestimmten Sprachelementen z.b. Arten von Modal Logic, Deontische Modalitäten, Negation as Failure Kreuzreferenzen zwischen Regeln z.b. Schleifen im Abhängigkeitsgraph zwischen Prädikatssymbolen Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 86 SS 08

87 Lehren aus dem Software Engineering Unterschiedliche SE Ansätze und Methoden 1. Schwergewichtige Ansätze z.b. Wasserfall-Model, V-Model Führen zu hohen Änderungskosten Können dynamische Verhalten nicht überprüfen und Interaktionen zwischen dynamisch geänderten und ausgetauschten Regelbasen 2. Einfaches strukturelles / Operationales Debugging Führen Programm aus und überwachen Ausführungsablauf (execution trace) Hohe kognitive Belastung und tiefes Verständnis der zugrunde liegenden Prozesse auf Seiten des Entwicklers nötig 3. Model Checking, Algebraisch, Graph-basiert, Petri-Net-basierte Methoden z.b. Petri-Nets, Process Algebras, ACTL Sehr Rechen-aufwendig Setzen tiefes Verständnis beider Domänen voraus: Regelsprache und Testsprache / Verifikationsmodelle Oft weitaus komplexer als das Regelprogramm selbst Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 87 SS 08

88 XP Test Driven Development Eingeführt in den späten 90 ern Test-driven Extreme Programming und Agile SE Empirische Beweise, dass XP für kleine und mittlere Projekte besser geeignet Layman, L.: Empirical Investigation of the Impact of Extreme Programming Practices on Software Projects, Unterstützung durch Industrie, z.b. IBM Vernachlässigt umfangreiche Analyse und Design ist aber trotzdem ein formaler Ansatz Beschleunigt Entwicklungsprozess, Unterstützt Backtracking (redesign), Kollaboration von Rollen (Experten, Systementwickler, ), evolutionärer iterativer Ansatz, Unterstützt Regelaustausch und dynamisches Testen Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 88 SS 08

89 Test Cases für Regelbasen Regeln beschränken die Menge an möglichen Modellen (possible worlds) Aber sind relativ komplex (wie vorher argumentiert) Test Cases beschränken die möglichen Modelle und entsprechen ungefähr den beabsichtigten Modellen des Entwicklers Vordefinierte Anfragen werden benutzt um die Regelbasis zu testen Äußerst einfach, z.b. keine Variablen, keine Funktionen, keine Negation Ein Test Case ist definiert als TC := {A, T i }, wobei A L assertion base (Eingabe Daten, z.b. Fakten ) T i L, i>0, Testanfragen, wobei T i : 1. Eine Testanfrage Q := q(t1,..tn)?, wobei Q rule(p) 2. Ein Ergebnis R mit wahr true, falsch false oder unknown Auszeichnung 3. Antwortmenge mit erwarteten Variablenbindungen?:={{X 1 /a 1,X 1 /a 2,,X 1 /a n },,{X m /c 1,,X m /c k } T = A {Q => R :? } oder einfach T = {Q => R :? } Beispiel: T1 = {p(x) => true : {X/a, X/b, X/c}, q(y ) => false} Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 89 SS 08

90 Test Cases für Regelbasen Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 90 SS 08

91 Test-basierte Entwicklung 1. Schreibe ausführbare Test Cases zuerst In der selben Regelsprache Black Box Sicht Abstraktion vom Regelprogramm -> viel Einfacher Wiederverwendbar für andere Regelprogramme 2. Geringes Vorausdesign aber sich entwickelndes Design. Permanentes Redesign durch Refactoring Optimierung der Regeln ohne Veränderung des Verhaltens Modifizierung und Anpassung der Test Cases und des Programms in einem iterativen Prozess entsprechend der sich verändernden Anforderungen und entdeckter Fehler 3. Kurze Iterationen Tool-Unterstützung für Test, Coverage Measurement, Automated Refactoring, Dependencies Analysis 4. Tests sind eine Annährung an die erwarteten Modelle (erwartete Antworten des Programs) Die Annährung (test coverage) wird dynamisch gesteigert (adaptive modeling) Besser geeignet um die Dynamik von offenen Projekten und Web-basierter Anwendungen zu erfassen als Ansätze mit großem, teuren Vorausdesign 5. Test Cases werden zusammen mit den Regelprogrammen geschrieben, gepflegt, verwaltet und ausgetauscht; in der selben deklarativen Regelsprache Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 91 SS 08

92 Test-driven Development Feedback Loop Requirements Modeling: Update Test Cases Refactoring: Optimize/Extend Rules feedback failure Release Rule Program success often success rate V&V Testing: Execute Test Cases + Test Coverage Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 92 SS 08

93 Beispiel Test Case in Prova % testcase oid testcase("./examples/tc1.test"). % assertions via updates adding one rule and two facts :-solve(add("tc1.test","a(x):-b(x). b(1). b(2).")). % positive test with success message for JUnit report testsuccess("test1","succeeded"):- testcase(./examples/tc1.test), testquery(a(1)). % negative test with failure message for Junit report testfailure("test1","can not derive a"):- not(testsuccess("test1",message)). % define the active tests - used by meta program runtest("./examples/tc1.test"):-testsuccess("test 1",Message). Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 93 SS 08

94 Prova - LPCover Werkzeug JUnit Test Reports Test Coverage Measurement Automated Refactoring Basierend auf Smells (structures which need to be improved), z.b. Redundancy There are redundant rules or rule fragments (for instance, shared subsets of prerequisites). Inconsistency Different, inconsistent results are supported by the same rule set. Incompleteness Certain queries can not be answered by a rule set. Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 94 SS 08

95 Test Cases / Test Suites in RuleML <TestSuite rulebase="samplebase.xml"> <Test id="id001" purpose="..."> <testassertions><rulemlformula> <ruleml:and> <ruleml:atom> <ruleml:rel>parent</ruleml:rel> <ruleml:ind>john</ruleml:ind> <ruleml:ind>mary</ruleml:ind> </ruleml:atom> </ruleml:and> </RuleMLFormula></testAssertions> <TestItem expectedanswer="yes"> <testquery><rulemlformula> <ruleml:atom closure="universal"> <ruleml:rel>uncle</ruleml:rel> <ruleml:ind>mary</ruleml:ind> <ruleml:var>nephew</ruleml:var> </ruleml:atom> </RuleMLFormula></testQuery> <expectedresults> <VariableValuePair> <ruleml:var>nephew</ruleml:var> <ruleml:ind>tom</ruleml:ind> </VariableValuePair> <VariableValuePair> <ruleml:var>nephew</ruleml:var> <ruleml:ind>irene</ruleml:ind> </VariableValuePair> </expectedresults> </TestItem> <InferenceEngineSemantics>minimal</Infere nceenginesemantics> Dr. Adrian by Paschke Adrian Paschke, 2008 </Test></TestSuite> Vorlesung TUD Vorlesung 95 SS 08

96 Regelaustausch: Selbstvalidierende Regelbasen RIF + Test Suites (e.g. OWL, RDFS) Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 96 SS 08

97 Entwicklung von Regelbasen Computational Independent Model (CIM) Natürliche Sprache z.b. Controlled English Template-driven, Design Patterns Vordefinierte Templates, Blueprints, Vokabulare, Design Patterns Visuelle Sprache Graphisch, z.b. UML-basiert Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 97 SS 08

98 Attempto Controlled Englisch Translator ACE RuleML, GUI TRANSLATOR DRS RuleML DRS Parser DRS grammar query (ACE + params) APE webservice DRS, JavaCC Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 98 SS 08

99 Every honest student who does not procrastinate receives a good mark and easily passes the course. (ACE) [] [A] object(a, student, ) property(a, honest) NOT => [B] predicate(b, procrastinate, A) [C, D, E, F] object(c, mark, ) property(c, good) predicate(d, receive, A, C) predicate(e, pass, A, F) modifier(e, manner, easily) object(f, course, ) (DRS) <Forall> <Var>A</Var> <Implies> <And> <Atom><Rel>object</Rel> <Ind>student</Ind> </Atom> <Atom><Rel>property</Rel> <Ind>honest</Ind></Atom> <Neg> <Exists> <Var>B</Var> <Atom><Rel>predicate</Rel> <Ind>procrastinate</Ind> </Exists> </Neg> </And> <Exists> <Var>C</Var><Var>D</Var><Var>E</Var><Var>F</Var> <And> <Atom><Rel>object</Rel> <Ind>mark</Ind> </Atom> <Atom><Rel>property</Rel> <Ind>good</Ind></Atom> <Atom><Rel>predicate</Rel> <Ind>receive</Ind> </Atom> <Atom><Rel>predicate</Rel> <Ind>pass</Ind> </Atom> <Atom><Rel>modifier</Rel> <Ind>easily</Ind></Atom> <Atom><Rel>object</Rel> <Ind>course</Ind> </Atom> </And> </Exists> (RuleML) </Implies> </Forall> Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 99 SS 08

100 Templates, Patterns, Vocabularies Execution Dashboard (Monitoring and Contract Tracking) Rule Editor + Manager (Contract Mgt. and Authoring) Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 100 SS 08

101 UML-basierte Visualisierung If a rental car is stored at a branch, is not assigned to a rental and is not scheduled for service, then the rental car is available at the branch. REWERSE Strelka -- An URML-Based Visual Rule Modeling Tool Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 101 SS 08

102 Exkurs: Open Source Projektentwicklung Agiles Manifest das Wertesystem Individuen und Interaktionen gelten mehr als Prozesse und Tools Funktionierende Programme gelten mehr als ausführliche Dokumentation Die stetige Zusammenarbeit steht im Vordergrung Der Mut und die Offenheit für Änderungen steht über dem Befolgen eines festgelegten Plans Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 102 SS 08

103 Sequentielle vs. überlappende Entwicklung Requirements Design Code Test Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 103 SS 08

104 SCRUM Scrum Einer der agilen Prozesse Selbst-Organisierende Teams Produkt schreitet in Serien von monatlichen Sprints fort Anforderungen sind als Listeneinträge im Produkt- Backlog festgehalten Keine spezifischen Entwicklungsvorgehen vorgeschrieben Benutzt generative Regeln um ein agiles Umfeld für die Auslieferung von Produkten zu schaffen Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 104 SS 08

105 SCRUM Überblick Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 105 SS 08

106 Sprints Scrum Scrum-Projekte schreiten in Serien von Sprints voran Analog zu XP-Iterationen Angestrebte Dauer ist ein Monat +/- ein oder zwei Wochen Eine konstante Dauer führt zu einem besseren Rhythmus Das Produkt wird während des Sprints entworfen, kodiert und getestet Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 106 SS 08

107 Blick in die Glaskugel Web 3.0, Web 4.0, Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 107 SS 08

108 2007 Gartner Vorhersagen During the next 10 years, Web-based technologies will improve the ability to embed semantic structures [ it] will occur in multiple evolutionary steps By 2017, we expect the vision of the Semantic Web [ ] to coalesce [ ] and the majority of Web pages are decorated with some form of metadata and semantic hypertext, e.g., RDFa, microformats with possible GRDDL, etc. By 2012, 80% of public Web sites will use some level of semantic hypertext to create SW documents [ ] 15% of public Web sites will use more extensive Semantic Web-based ontologies to create semantic databases. Dr. Adrian by Paschke Adrian Paschke, 2008 Vorlesung TUD Vorlesung 108 SS 08