Semantic Web Grundlagen



Ähnliche Dokumente
Semantic Web Technologies 1

Semantic Web Grundlagen

RDF Containers. Häufig möchte man eine Gruppe von Dingen beschreiben. Hierfür stellt RDF ein Container-Vokabular zur Verfügung.

Organisatorisches: Inhalt. RDF Schema. Agenda

Grundlagen Semantic Web

Semantic Web Technologies 1

Semantic Web Grundlagen

Kapitel WT:VIII (Fortsetzung)

Semantic Web Technologies 1

Linked Data am Beispiel wissenschaftsbezogener Daten

Johann Wolfgang Goethe - Universität Frankfurt am Main. Fachbereich Informatik. Seminarausarbeitung SS 2002 RDF MT

Seminar:Semantic Web Technologien. RDF Schema (vs. XMLS), Ontologien und OWL

RDFS: RDF Vocabulary Description Language

Semantic Web Grundlagen

Organisatorisches: Inhalt. RDF Schema. Agenda

Semantic Web Grundlagen

OWL Web Ontology Language

RDF und RDF Schema. Einführung in die Problematik Von HTML über XML zu RDF

Semantic Web in der bibliothekarischen Ausbildung

Semantic Web Technologies I! Lehrveranstaltung im WS09/10!


Logische Folgerung. Definition 2.11

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

3.5 OWL: WEB Ontology Language (1)

Information Retrieval 2

Semantische Information in der informationswissenschaftlichen Ausbildung

Professionelle Seminare im Bereich MS-Office

Logik für Informatiker

Grundlagen der Künstlichen Intelligenz

Grundlagen Semantic Web

Analysis I für Studierende der Ingenieurwissenschaften

Repetitionsaufgaben Wurzelgleichungen

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni Formale Methoden II p.1/30

Metadaten als Basis für die semantische Vernetzung von Forschungsdaten

Semantik von Formeln und Sequenzen

Ressourcen-Beschreibung im Semantic Web

vielen Dank für Ihre Mithilfe! Drucken Sie einfach unser Plakat so oft Sie wollen aus. Das Plakatset beinhaltet gleich drei Möglichkeiten:

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Semantic Web für Digitale Bibliotheken

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4

3. LINEARE GLEICHUNGSSYSTEME

Vorlesung Semantic Web. Vorlesung im Wintersemester 2011/2012 Dr. Heiko Paulheim Fachgebiet Knowledge Engineering

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

Abschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1

RDF RESOURCE DESCRIPTION FRAMEWORK. Referentin: Claudia Langer

Vorlesung Semantic Web. Vorlesung im Wintersemester 2011/2012 Dr. Heiko Paulheim Fachgebiet Knowledge Engineering

9. Übung Formale Grundlagen der Informatik

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Aufgabe 1 (RDF(S) Syntax und Semantik)

Semantic Web Grundlagen

Vorlesung Semantic Web. Vorlesung im Wintersemester 2011/2012 Dr. Heiko Paulheim Fachgebiet Knowledge Engineering

Information Systems Engineering Seminar

Wurzeln als Potenzen mit gebrochenen Exponenten. Vorkurs, Mathematik

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis

Bewertung des Blattes

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)

WS 2008/09. Diskrete Strukturen

Musterlösungen zur Linearen Algebra II Blatt 5

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

5. Bildauflösung ICT-Komp 10

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x y = x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,

Formale Sprachen. Der Unterschied zwischen Grammatiken und Sprachen. Rudolf Freund, Marian Kogler

Eine mathematische Reise ins Unendliche. Peter Koepke Universität Bonn

Wir sind eine altmodische Bank: Das Steuergeld fliesst von uns zum Staat, nicht umgekehrt.

Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer

Kommunikation als kreativer Prozess: Im Dialog mit dem Kunden

Prolog basiert auf Prädikatenlogik

Box-and-Whisker Plot -0,2 0,8 1,8 2,8 3,8 4,8

Fotogalerie mit PWGallery in Joomla (3.4.0) erstellen

Vorlesung Semantic Web. Vorlesung im Wintersemester 2012/2013 Dr. Heiko Paulheim Fachgebiet Knowledge Engineering

Die Basis des Semantic Web

Zahlen und das Hüten von Geheimnissen (G. Wiese, 23. April 2009)

1 Aussagenlogik und Mengenlehre

Übung - Arbeiten mit Android

Korrelation (II) Korrelation und Kausalität

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

Semantic Web Grundlagen

Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).

Landes-Arbeits-Gemeinschaft Gemeinsam Leben Gemeinsam Lernen Rheinland-Pfalz e.v.

Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur

Erfolgreiche Webseiten: Zur Notwendigkeit die eigene(n) Zielgruppe(n) zu kennen und zu verstehen!

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus:


Linienland, Flächenland und der Hyperraum Ein Ausflug durch die Dimensionen

Das Schulsystem in Deutschland (Band 2, Lektion 1)

ACDSee 10. ACDSee 10: Fotos gruppieren und schneller durchsuchen. Was ist Gruppieren? Fotos gruppieren. Das Inhaltsverzeichnis zum Gruppieren nutzen

Wie unser Gehirn lernt

Logik-Programme. Eine Tatsachenklausel ist eine einelementige positive Klausel, d.h. sie hat

1 topologisches Sortieren

Grundbegriffe der Informatik

Transkript:

Semantic Web Grundlagen Lösung zur Übung 2: Logik, RDF-Semantik, Datalog Birte Glimm WS 2011/2012 Lösung (2.1). (a) (p p): allgemeingültig I(p) I( p) I(p p) t f t f t t (b) ((p q) ( p q)): erfülbal & widerlegbar I(p) I(q) I( p) I( q) I(p q) I( p q) I((p q) ( p q)) t t f f t f f t f f t f t t f f f t t f t t (c) ((p q) ( p q)): unerüllbar I(p) I(q) I( p) I(p q) I( p q) I((p q) ( p q)) I( ((p q) ( p q))) t t f f t f f f f t f f t t f f f t f (d) (((p q) p) p): allgemeingültig I(p) I(q) I((p q)) I(((p q) p)) I((((p q) p) p)) t t t f f t t f t t f t f f t f t

(e) (((p q) r) (p (q r))): allgemeingültig I(p) I(q) I(r) I((p q)) I(((p q) r)) t t t t f t f t f t f t t f f f t f t t f t f t f f t f f t f t f f f f t I(q r) I((p (q r))) I((((p q) r) (p (q r)))) f f t f t t (f) ((p p) q): allgemeingültig I(p) I(q) I( p) I((p p)) I(((p p) q)) t t f f t t f f f t f t t f t f f t f t Lösung (2.2). Theorie: Eine Theorie ist eine Menge von Sätzen. Logische Konsequenz: α ist logische Konsequenz von T wenn T = α. Äquivalenz: α ψ wenn {α} = ψ und {ψ} = α. Für beliebige Theorien T und S gilt: (a) Ist eine Formel F allgemeingültig, dann gilt T = F, d.h. aus jeder Theorie folgen zumindest alle Tautologien. wahr: Für beliebige Interpretation I, wenn I = T, dann I = F (b) Je größer eine logische Theorie ist, desto mehr Modelle hat sie. Das heißt, wenn T S, dann ist jedes Modell von T auch ein Modell von S. $ falsch: Gegenbeispiel: T = {p}, S = {p, p}. T ist erüllbar und S ist unerfüllbar.

(c) Je größer eine Theorie ist, desto mehr logische Konsequenzen hat sie. Das heißt, wenn T S, dann ist jede logische Konsequenz aus T auch eine Konsequenz aus S. wahr: Monotonie der Logik (d) Ist F T, dann kann T = F niemals gelten (wobei F eine beliebige Formel ist). $ falsch: im Allgemeinen, denn eine widersprüchliche, also inkonsistente Theorie hat beliebige Konsequenzen ( wahr für konsistente Theorien: Für ein beliebiges Modell I einer konsistenten Theorie T und F T gilt: I = F ; insbesondere, wenn F T und I = T, dann I = F, also I = F und T = F kann niemals gelten. (e) Sind zwei Theorien unterschiedlich (T = S), dann unterscheiden sie sich auch in wenigstens einer logischen Konsequenz (zum Beispiel, indem es eine Formel F gibt, so dass T = F aber S = F ). $ falsch: Für zwei äquivalente Theorien T und S mit T S, wenn T = F (für eine beliebige Formel F ), dann ist jedes Modell von T ein Modell von F. Aber jedes Modoll von T ist auch ein Modell von S (T S), d.h. S = F,z.B. {p, q} und {p q}, {p, q} {(p q)} aber {p, q} = (p q) und {(p q)} = (p q). Lösung (2.3). Die folgende Interpretation I ist ein Modell des Graphen. IR = {a} IP = {a} I EXT (a) = { a, a } I S (x) = a, x ist beliebige Resource im Graph. LV = I L = rdfs:containermembershipproperty rdf:type ex:bedauernswert rdfs:subclassof ex:nussallergiker rdf:type ex:thailändisch ex:hatzutat rdfs:range rdfs:subpropertyof rdfs:domain terminologisches Wissen (RDFS) assertionales Wissen (RDF) ex:gerichtbasierendauf ex:nussig ex:sebastian ex:isst ex:thaicurry ex:gerichtbasierendauf ex:kokosmilch I ist eine (einfache) Interpretation:

I ist eine RDF-interpretation: I ist eine RDFS-interpretation: Lösung (2.4). Ein Tripel, welches einfach folgt: ex:thaicurry ex:gerichtbasierendauf ex:kokosmilch (Regel se1) ex:thaicurry ex:gerichtbasierendauf :id1 Ein Tripel, welches RDF-folgt, aber nicht einfach folgt: ex:thaicurry ex:gerichtbasierendauf ex:kokosmilch (Regel rdf1) ex:gerichtbasierendauf rdf:type rdf:property Ein Tripel, welches RDFS-folgt, aber nicht einfach folgt: Lösung (2.5). Nicht möglich in RDFS. Lösung (2.6). ex:thaicurry ex:gerichtbasierendauf ex:kokosmilch und ex:gerichtbasierendauf rdfs:domain ex:thailändisch (Regel ) ex:thaicurry rdf:type ex:thailändisch (a) rdfs:resource rdf:type rdfs:class. rdfs:domain rdfs:range rdfs:class. rdf:type rdfs:domain rdfs:resource. rdfs:resouce rdf:type rdfs:class. (b) rdfs:class rdf:type rdfs:class. rdfs:range rdfs:range rdfs:class. rdfs:range rdfs:range rdfs:class. rdfs:class rdf:type rdfs:class. (c) rdfs:literal rdf:type rdfs:class. rdfs:range rdfs:range rdfs:class. rdfs:comment rdfs:range rdfs:literal. rdfs:literal rdf:type rdfs:class.

(d) rdf:xmlliteral rdf:type rdfs:class. rdfs:subclassof rdfs:domain rdfs:class. rdf:xmlliteral rdfs:subclassof rdfs:literal. rdf:xmlliteral rdf:type rdfs:class. (e) rdfs:datatype rdf:type rdfs:class. rdf:type rdfs:range rdfs:class. rdf:xmlliteral rdf:type rdfs:datatype. rdfs:datatype rdf:type rdfs:class. (f) rdf:seq rdf:type rdfs:class. rdfs:subclassof rdfs:domain rdfs:class. rdf:seq rdfs:subclassof rdfs:container. rdf:seq rdf:type rdfs:class. (g) rdf:bag rdf:type rdfs:class. rdfs:subclassof rdfs:domain rdfs:class. rdf:bag rdfs:subclassof rdfs:container. rdf:bag rdf:type rdfs:class. (h) rdf:alt rdf:type rdfs:class. rdfs:subclassof rdfs:domain rdfs:class. rdf:alt rdfs:subclassof rdfs:container. rdf:alt rdf:type rdfs:class. (i) rdfs:container rdf:type rdfs:class. rdfs:subclassof rdfs:range rdfs:class. rdf:alt rdfs:subclassof rdfs:container. rdfs:container rdf:type rdfs:class. (j) rdf:list rdf:type rdfs:class. rdfs:domain rdfs:range rdfs:class. rdf:first rdfs:domain rdf:list. rdf:list rdf:type rdfs:class. (k) rdfs:containermembershipproperty rdf:type rdfs:class. rdfs:subclassof rdfs:domain rdfs:class. rdfs:containermembershipproperty rdfs:subclassof rdfs:property. rdfs:containermembershipproperty rdf:type rdfs:class. (l) rdf:property rdf:type rdfs:class. rdfs:range rdfs:range rdfs:class. rdf:subpropertof rdfs:range rdf:property. rdf:property rdf:type rdfs:class. (m) rdf:statement rdf:type rdfs:class. rdfs:domain rdfs:range rdfs:class. rdf:subject rdfs:domain rdf:statement. rdf:statement rdf:type rdfs:class. (n) rdfs:domain rdf:type rdf:property. rdfs:range rdfs:domain rdf:property. rdfs:domain rdf:type rdf:property. rdf1

(o) rdfs:range rdf:type rdf:property. rdfs:subpropertyof rdfs:range rdf:property. rdfs:range rdf:type rdf:property. (p) rdfs:subpropertyof rdf:type rdf:property. rdfs:isdefinedby rdfs:subpropertyof rdfs:seealso. rdfs:subpropertyof rdf:type rdf:property. rdf1 (q) rdfs:subclassof rdf:type rdf:property. rdf:alt rdfs:subclassof rdfs:container. rdfs:subclassof rdf:type rdf:property. rdf1 (r) rdfs:member rdf:type rdf:property. rdfs:range rdfs:domain rdf:property. rdfs:member rdfs:range rdfs:resource. rdfs:member rdf:type rdf:property. (s) rdfs:seealso rdf:type rdf:property. rdfs:range rdfs:domain rdf:property. rdfs:seealso rdfs:range rdfs:resource. rdfs:seealso rdf:type rdf:property. (t) rdfs:isdefinedby rdf:type rdf:property. rdfs:range rdfs:domain rdf:property. rdf:isdefinedby rdfs:range rdfs:resource. rdfs:isdefinedby rdf:type rdf:property. (u) rdfs:comment rdf:type rdf:property. rdfs:range rdfs:domain rdf:property. rdfs:comment rdfs:range rdfs:literal. rdfs:comment rdf:type rdf:property. (v) rdfs:label rdf:type rdf:property. rdfs:range rdfs:domain rdf:property. rdfs:label rdfs:range rdfs:literal. rdfs:label rdf:type rdf:property. Lösung (2.7). Algorithm 1 D d := repeat d := d π 14 (σ 2=3 (u r)) π 14 (σ 2=3 (r u)) π 14 (σ 2=3 (d d)) until Fixpunkt erreicht

Iteration 0: Iteration 1: {(00, 11), (11, 22), (22, 33), (00, 22)} Iteration 2: {Iteration 1} {(00, 22),(11, 33), (00, 33)} Iteration 3: {Iteration 2}