Semantic Web. Ekaterina Timofeeva & Johannes Knopp Vorlesung Information Retrieval Dr. Karin Haenelt Universität Heidelberg WS2006/07

Transkript

1 Semantic Web Ekaterina Timofeeva & Johannes Knopp Vorlesung Information Retrieval Dr. Karin Haenelt Universität Heidelberg WS2006/07

2 Semantic Web - Übersicht Was ist Semantic Web? Idee Wie funktioniert das? Aufbau Ontologie Experiment Ontologie erstellen Ontologien bewerten Aufwand für die Ontologieerstellung berechnen Fazit

3 Was ist Semantic Web? - Idee World Wide Web: Man findet verschiedenste Informationen zu allen Themen Aber: Es ist schwierig Sinnvolles zu finden Wie kann man Themensuchen verbessern? => Semantic Web

4 Was ist Semantic Web? - Idee WWW erweitern, indem Seiten mit maschinenlesbaren semantischen Informationen über den Inhalt formal erweitert werden (Idee von Tim Berners-Lee)

5 Was ist Semantic Web? - Aufbau Schichten Wie sieht formale Wissensrepräsentation aus? Resource Description Framework (RDF) Taxonomie Ontologie

6 Schichten Tim Berners-Lee (2000) Semantic Web on XML

7 Resource Description Framework Formale Sprache zur Bereitstellung von Metadaten im WWW Realisierbar z. B. in XML-Hypertext Metadaten werden durch Ressourcen, Eigenschaftselemente und Objekte dargestellt (Subjekt, Objekt, Prädikat) = RDF-Tripel

8 Taxonomie Klassifikation mit monohierarchischer Struktur Jede Klasse hat genau eine Oberklasse Es ergibt sich ein Baum Wurzel: Allgemeine Informationen Tiefere Verzweigungen: Spezifische Informationen Einfache Semantik

9 Ontologie Konzepte sind strukturiert durch Superkonzepte durch Instanzen durch Relationen Relationen stellen Beziehungen zwischen Konzepten her Die Beziehungen eines Konzeptes bilden die Struktur des Konzeptes

10 Semantic Web - Übersicht Was ist Semantic Web? Idee Wie funktioniert das? Aufbau Ontologie Experiment Ontologie erstellen Ontologien bewerten Aufwand für die Ontologieerstellung berechnen Fazit

11 Semantic Web - Experiment 1. Wie erstellt man eine Ontologie? 2. Wie bewertet man eine Ontologie? 3. Wie groß ist der Aufwand bei der Erstellung einer Ontologie?

12 Unser Modell Wikipedia als Untersuchungskorpus: Relative Vollständigkeit (Wissensbasis) Übersichtlichkeit (ca. 1.4 Mio Dokumente) Strukturiertheit (1 Dokument pro Thema-> keine Redundanz) Aufwand der Ontologieerstellung für die gesamten Dokumente in Wikipedia? Erste Überlegungen: Wie komplex ist der Inhalt des Textes? Wie groß bzw. lang ist die Seite? Erste Schritte: Annahme: alle Dokumente sind hinsichtlich deren Textkomplexität homogen, d.h. inhaltliche Struktur des Textes hat keine Auswirkung auf den Aufwand der Ontologieerstellung. Somit kann jeder Wikipedia- Artikel entsprechender Größe als geeignetes Untersuchungsdokument gelten. Durchschnittsgröße eines Wikipedia-Artikels berechnen

13 Durchschnittsgröße einer Seite in Wikipedia - Rechnung Daten/Statistiken von Wikipedia Statistics English ( Sep 2006: Articles total number Bytes per Article (Durchschnitt) Articles over 0.5 Kb (under 0.5 Kb) Articles over 2 Kb (under 2 Kb) 1.4 M % (21%) 34 % (66%) Annahme: für uns relevante range value Articles Dokumente > 2 Kb 0-0,5 Kb 0,5 2 Kb 0,25 Kb 1,25 Kb o > 2 Kb X Kb Durchschnitt (X) berechnen: 3317=( * * *X)\ X ~ 8 Kb -> Durchschnittsgröße eines von uns betrachteten Wikipediadokumentes

14 Ontologieerstellung Computational Linguistics - Eintrag (als Beispiel für eine Durchschnittsseite von Wikipedia) Hilfstool: Protégé (Ontologie-Editor) komfortable Modellierung von Taxonomie konzeptuelle Beziehungen werden über Properties ausgedrückt Anhaltspunkt: Tutorium Getting Started with Protege-Frames

15 Ontologieerstellung mit Protégé Definition von Klassen (=Konzepte) Herstellung der hierarchischen Beziehungen unter Klassen (Oberklasse/Unterklasse) Definition von Slots (Eigenschaften) & Beschreibung von den möglichen Werten für diese Slots Definition von Instanzen (Füllung von Slots mit konkreten Werten) Beziehungen zwischen Klassen und Slots werden durch Slot Facets (restrictions on slots) repräsentiert

16 Veranschaulichung: Klassen & Instanzen

17 Veranschaulichung: Klassen & Instanzen

18 Veranschaulichung: Klassen & Instanzen Klassen

19 Veranschaulichung: Klassen & Instanzen Klassen

20 Veranschaulichung: Klassen & Instanzen Instanz Klassen

21 Slots (Eigenschaften) einer Klasse

22 Slot Facets (restrictions on slots)

23 Ontologieerstellung mit Protégé Beispielsatz aus dem Eintrag zu Computational Linguistics: - Computational linguistics is an interdisciplinary field dealing with the statistical and logical modeling of natural language from a computational perspective.

24 Ontologieerstellung mit Protégé Klassen

25 Ontologieerstellung mit Protégé Klassen hat Slot vom Typ Instanz Instanz der Klasse Modeling hat folgende Slots von Typen String Klasse String

26 Erste Erfahrungen bei der Ontologieerstellung langwierig, aufwändig und damit kostspielig in den meisten Fällen werden hierzu sowohl Kenntnisse im Domänenbereich als auch Modellierungsfähigkeiten benötigt Protégéspezifisch: man kann keine Eigenschaften von Eigenschaften definieren ( originates with efforts (auf welche Weise?) )

27 Ontologiebewertung Erste Ergebnisse/Beobachtungen: unterschiedliche Vorgehensweise: textbasierte Ontologie (anhand der syntaktischen Analyse des Textes) entitätsbasierte Ontologie (Schwerpunkt auf die Objekte im Text) Unterschiede im Abstraktionsgrad der Konzepte & in der Abstraktionsebene der konzeptuellen Beziehungen Unterschiede in der Anzahl der gefundenen Konzepte und Beziehungen Unterschiede in der Struktur der Taxonomie Schwere Vergleichbarkeit von Ontologien (auch wenn sie zu einem und demselben Wissensbereich/natürlichsprachlichen Text erstellt wurden)

28 Ontologiebewertung Textbasierte Ontologie & syntaktische Textanalyse:

29 Ontologiebewertung Textbasierte Ontologie & syntaktische Textanalyse: Klassenanzahl 51 Instanzenanzahl 63 Subjekt Prädikat Klassen ohne Instanzen 9 Objekt 58 Anzahl von Slots 177 Adverbiale Bestimmungen 11 vererbte Slots Nicht vererbte Slots Attribute Artikelgröße (txt-size) Bytes Größe der OWL-Datei Bytes Aufwand 15 Stunden

30 Ontologiebewertung Textbasierte Ontologie & syntaktische Textanalyse: Klassenanzahl Instanzenanzahl Klassen ohne Instanzen 63 9 Subjekt Prädikat Objekt Anzahl von Slots 177 Adverbiale Bestimmungen 11 vererbte Slots Nicht vererbte Slots Attribute Artikelgröße (txt-size) Bytes Größe der OWL-Datei Bytes Aufwand 15 Stunden

31 Ontologiebewertung Textbasierte Ontologie & syntaktische Textanalyse: Klassenanzahl Instanzenanzahl Klassen ohne Instanzen 63 9 Subjekt Prädikat Objekt Anzahl von Slots 177 Adverbiale Bestimmungen 11 vererbte Slots Nicht vererbte Slots Attribute Artikelgröße (txt-size) Bytes Größe der OWL-Datei Bytes 68 Aufwand 15 Stunden

32 Ontologiebewertung Entitätsbasierte Ontologie & syntaktische Textanalyse:

33 Ontologiebewertung Entitätsbasierte Ontologie & syntaktische Textanalyse: Klassenanzahl 87 Instanzenanzahl 50 Subjekt Klassen ohne Instanzen Anzahl von Slots Vererbte Slots Prädikat Objekt Adverbiale Bestimmungen Attribute Nicht vererbte Slots 1 Artikelgröße (txt-size) 7005 Bytes Größe der OWL-Datei Bytes 68 Aufwand 7 Stunden

34 Ontologiebewertung Ontologie lässt sich schwer statistisch erfassen: große Abweichungen Intuitive Zusammenhänge zwischen syntaktischen Einheiten und Ontologieeinheiten wurden von den Zahlen nicht bestätigt: es lässt sich keine eindeutige Aussage ableiten

35 Aufwand der Ontologieerstellung für gesamtes Wikipedia textbasierte Ontologie: ca. 15 Stunden entitätsbasierte Ontologie: ca. 8 Stunden gesamte Dokumentenanzahl relevante Dokumente Durchschnittliche Größe (der relevante Dokumente) Größe vom Beispieldokument 1.4 M Kb ~ 7 Kb Aufwandseinschätzung pro Kb (textbasierte Ontologie) Aufwandseinschätzung pro Kb (entitätsbasierte Ontologie) Aufwandseinschätzung (textbasierte Ontologie) Aufwandseinschätzung (entitätsbasierte Ontologie) 2.1 Std/Kb 1.1 Std/Kb ~ 4200 MJ ~ 2200 MJ

36 Fazit Kein eindeutiger Ansatz, Ontologien zu erstellen Unterschiedliche Ontologien lassen sich schwer aufeinander abbilden Kein eindeutiger Ansatz für die statistische (automatische) Erstellung einer Ontologie Sehr großer, aber nicht unrealisierbarer Aufwand für die Erstellung einer Ontologie für die gesamte Wikipedia

37 Quellen Stanford Medical Informatics (2007). Protégé Wikimedia Foundation (2007). Wikipedia Statistics. Analysierter Text: Wikimedia Foundation (2007). Computational Linguistics - Wikipedia. Michael C. Daconta, Leo J. Obrst, Kevin T. Smith (2003). The Semantic Web: A guide to the future of XML, Web Services and Knowledge Management. Indianapolis, Indiana: Wiley Publishing Inc. Berners-Lee, Tim (2000), Architecture of the Semantic Web. Berners-Lee, Tim (2006). Artificial Intelligence and the Semantic Web.