http://protege.stanford.edu/doc/owl/getting-started.html
Protege โพรทีเจ คืออะไร?
1. Protege เป็ นซอฟแวร์ ฟรี ซึงเป็ นแพลตฟอร์ มทีเป็ นการสร้ าง
แบบจาลองและการประยุกต์ใช้ โดเมนความรู้ร่วมกับontologies
2. Ontologies จะเป็ นการแบ่งประเภทตามอนุกรมหรื อแบ่งตาม
รายการต่างๆทีมีอยูใ่ นฐานข้ อมูลตามทฤษฎีของ axiomatized
อย่างถูกต้ องสมบูรณ์
3. Ontologies เป็ นศูนย์กลางของโปรแกรมประยุกต์ตา่ งๆจานวนมาก
เช่นฐานความรู้ทางวิทยาศาสตร์ แบบพอร์ ทลั , การจัดการข้ อมูลและ
ระบบการบูรณาการหรื อพาณิชย์อิเล็กทรอนิคหรื อพวก Web
service ต่างๆ
1
Introduction to Ontology
Sudarsun S
Director – Research
Checktronix India
Chennai 600010
แปลและเรี ยบเรี ยงโดย บรรเจิด วิโรจน์วฒ
ุ ิกุล
คณะวิทยาการคอมพิวเตอร์ มหาวิทยาลัยบูรพา
2
Ontology คืออะไร?
สาขาปรัชญา – แขนงหนึ่งของปรัชญา ที่วา่ ด้วยธรรมชาติ
และองค์กรของความจริ ง
• การศึกษาเกี่ยวกับการดารงอยู่ (ปรัชญาว่าด้วยความจริ งในธรรมชาติ)
• ทดลองหาคาตอบของคาถามที่วา่ :
– อะไรคือคุณลักษณะของการดารงอยู?่
– ในที่สุดแล้วดารงอยูอ่ ย่างไร?
• แบ่งแยกสายสิ่ งต่างๆอย่างไร?
3
Ontology in Computers
• Ontology คือ สิ่ งประดิษฐ์ทางวิศวกรรม ที่ประกอบด้วย
– คาศัพท์ที่จะอธิบายถึงขอบเขต (ของสิ่ งที่เจาะจง)
– ข้อมูลจาเพาะที่ชดั เจน ของความหมายคาศัพท์
– ข้อจากัดของการเพิ่มความรู ้ใหม่เข้าไปในขอบเขต
• ในอุดมคติแล้ว an ontology ควรจะ :
– เข้าถึงความเข้าใจทัว่ ไป ของขอบเขตที่สนใจ
– เตรี ยมรู ปแบบ และ แบบจาลองที่เครื่ องจักรจัดการได้ ของขอบเขตที่สนใจ
4
Example
• คาศัพท์ และ ความหมาย (การนิยาม)
– ช้าง เป็ นสมาชิกหนึ่งของ สัตว์
– สัตว์กินพืช เป็ นสมาชิกของ สัตว์ ซึ่ ง กินเฉพาะพืช หรื อส่ วนหนึ่งของพืช
– ช้างโตเต็มวัย เป็ นสมาชิกของ ช้าง ซึ่ ง มีอายุมากกว่า 20 ปี
• เบื้องหลังของความรู ้/ข้อจากัดบนขอบเขต (กฎเกณฑ์ที่ยอมรับกัน
ทัว่ ไป)
– ช้างโตเต็มวัย หนัก อย่างต่า 2000 กิโลกรัม
– ช้างทุกตัว เป็ น ช้างแอฟริ กนั หรื อ ช้างอินเดีย
– ไม่มี สิ่ งมีชีวติ ใด เป็ นได้ท้ งั สัตว์กินพืช และ สัตว์กินเนื้อ
5
Example Ontology (Protégé)
6
What??
7
8
Why Ontology?
• เพื่อแชร์ความเข้าใจพื้นฐานของโครงสร้างข้อมูล ระหว่างคนและ
Software agents
• เพื่อทาให้นาขอบเขตความรู ้เดิมกลับมาใช้ใหม่ได้
• เพื่อสร้างขอบเขตที่สมมุติข้ ึนมาให้มีความชัดเจน
• เพื่อแยกขอบเขตความรู ้ออกจากความรู ้ทวั่ ไปได้
• เพื่อวิเคราะห์ขอบเขตของความรู ้
9
Few Applications
• e-Science, ตัวอย่างในด้าน Bioinformatics
– The Gene Ontology (GO)
– The Protein Ontology (MGED)
• Databases
– Schema design and integration
– Query optimisation
• User interfaces
• The Semantic Web & so-called Semantic Grid
10
Importance towards E-Commerce
• Taxonomies provide :
– เข้ามาควบคุมในการใช้คาศัพท์ร่วมกัน (search engines,
authors, users, databases, programs / ทุก
agent ใช้ภาษาเดียวกัน)
– Site ช่วยเหลือด้าน Organization และ Navigation
– ถูกกาหนดให้เป็ นมาตรฐาน (เช่น ตั้งไว้ที่โซนซ้ายของหลายๆเวปไซด์)
– “Umbrella” ระดับโครงสร้างที่สูงขึ้น (เพื่อการ Extension)
– ตัวช่วยค้นหา (แถบช่วยเหลือของ Yahoo!)
– Sense disambiguation
11
Importance towards E-Commerce
– ตรวจสอบความสอดคล้อง
– การทาให้สมบูรณ์
– สนับสนุนการทาให้ขอ้ มูลในระบบต่างๆพูดคุยกันได้
(Interoperability)
– สนับสนุนองค์ประกอบภายนอก
– เป็ นโครงสร้าง, เปรี ยบเทียบเพื่อปรับปรุ งการค้นหาข้อมูล
– Generalization/ Specialization
12
Observations
• Ontologies อย่างง่าย สามารถสร้างได้โดยไม่ตอ้ งมีความชานาญ โดยใช้
– Verity’s Topic Editor, Collaborative Topic Builder,
GFP,Chimaeras, Protégé, OIL-ED,etc
• Ontologies สามารถสร้างขึ้นได้แบบกึ่งอัตโนมัติ
– โดยอ้างอิงจากเวปไซด์ เช่น yahoo!, Amazon, excite
– Semi-structured sites can provide starting points
• Ontologies มีการใช้เพิ่มขึ้นอย่างรวดเร็ว(โดยมีธุรกิจเป็ นตัวผลักดัน)
–
–
–
–
เวปไซด์ทางธุรกิจส่วนมากใช้ เช่น Amazon, Yahoo! Shopping
ธุรกิจที่เจริ ญรุ่ งเรื องกาลังสนใจ
ภาษาที่ใช้กาลังเติบโต จาพวก Markup Languages XML,RDF
“Real” ontologies เหมาะสมที่จะเป็ นศูนย์กลาง Application
13
Implications & Need
• ไวยกรณ์และความหมายของ Ontology Language
(DAML+OIL)
• ทรัพยากรที่ใช้ในการสร้างและบารุ งรักษาของ Ontologies
• ฝึ กฝน (Conceptual Modeling,การอ้างเหตุผลของสิ่ งที่
เกี่ยวข้อง, ……)
14
Issues
•
•
•
•
•
•
•
•
•
•
•
การร่ วมมือ ระหว่างกลุ่มที่เปิ ดเผยข้อมูล
การเชื่อมต่อระหว่างระบบหลายๆแห่งเข้าด้วยกัน
วิเคราะห์และวินิจฉัย
ประมาณ
แบบฉบับ
ความปลอดภัย
ง่ายต่อการใช้
การฝึ กหลากหลายระดับ / สนับสนุนผูใ้ ช้
กลวิธีนาเสนอ
วงจรชีวติ
ความสามารถในการแพร่ ขยายออก
15
Chimaera
• An interactive web-based tool aimed at supporting:
–
–
–
–
วิเคราะห์ Ontology (ความถูกต้อง, ความสมบูรณ์, ลักษณะ, …)
Merging of ontological terms จากหลายแหล่งเข้าด้วยกันได้
บารุ งรักษา ontologies ตลอดเวลา
การให้เหตุผลของข้อมูลเข้า
• Features: multiple I/O languages, loading and merging
into multiple namespaces, collaborative distributed
environment support, integrated browsing/editing
environment, extensible diagnostic rule language
• ถูกใช้ในด้านการพาณิ ชย์และวิชาการ
• แหล่งข้อมูล: www.ksl.stanford.edu/software/chimaera
16
Building Ontology
• กาหนด classes
• จัดเตรี ยมให้อยูใ่ นรู ป Taxonomic hierarchy
– sub-class/super-class model
• เตรี ยม slots และ facets สาหรับ slots
• กาหนดค่าสาหรับ slots ในแต่ละกรณี
17
Thumb-Rules
•
•
•
•
•
ไม่มีวิธีการที่ถูกต้องในการสร้างขอบเขต
มีช่องทางในการทาได้เสมอ
วิธีการที่ดีที่สุดขึ้นอยูก่ บั การนาไปใช้และขยายต่อ
กระบวนการทาซ้ า
แนวความคิดใน Ontology คล้ายกับ objects(รู ปธรรม/
นามธรรม) และ relationships ในขอบเขตที่สนใจ
– Objects คือ คานามทัว่ ไป
– Relationships คือ กริ ยาทัว่ ไปในประโยค
18
Step 1: Domain & Scope
•
•
•
•
•
อะไรคือขอบเขตที่สนใจ?
อะไรคือจุดประสงค์ของ Ontology นี้?
อะไรคือสิ่ งคาดหวังของคาถาม?
ใครเป็ นผูใ้ ช้และบารุ งรักษา Ontology ?
ตัวอย่างคาถาม:
– ช้างเป็ นสัตว์กินพืชหรื อสัตว์กินเนื้อ?
– ช้างกินอะไรเป็ นอาหาร?
– ช้างแอฟริ กนั มีนิสัยเป็ นอย่างไร?
19
Step 2: Re-Use Existing
Ontology
• ถ้าเข้ากันได้ ก็สามารถใช้ได้แน่นอน
• ปัญหาในการ merging Ontologies?
– รู ปแบบขัดแย้ง
– แนวคิดเดียวกัน, การนาเสนอต่างกัน
20
Step 3: Enumerate Terms
•
•
•
•
Terms คืออะไร?
Properties ของ terms คืออะไร?
Relationships ของ terms คืออะไร?
ตัวอย่าง:
– Animal, elephant, lion
– ความสูง, น้ าหนัก, อาหารที่กิน
– ช้างกับควาญช้าง, ช้างผสมพันธุ์กนั เองได้, ช้างอยูร่ วมกันเป็ นกลุ่ม
21
Step 4: Define Classes & Hierarchy
•
•
•
•
•
Top-Down Approach
Bottom-Up Approach
Mixed
Object Oriented Programming Analogy
อะไรที่เราจะได้รับ?
– การจัดเรี ยง Hierarchical ของ concepts
– ถ้า class P is a super-class of class Q, และทุกๆกรณี ของ B คือ
หนึ่งในกรณี ของ P
– หมายความว่า : class Q represents a “kind-of” P
22
Step 5: Properties of Classes Slots
• “intrinsic” properties เช่น softness of silk
• “extrinsic” properties เช่น bike’s model name
• Parts, ถ้า object เป็ นรู ปแบบ Structured; สามารถ
กาหนดให้เป็ น physical และ abstact parts ได้
– เช่น: เวลาหากินช่วงเช้าของช้าง
• Relationships ระหว่างสมาชิกของ class
– เช่น: ช้าง กับ ควาญช้าง, สามารถแสดงถึงความสัมพันธ์ระหว่าง ช้าง อ้างอิง
ถึงที่อยูข่ องช้าง ผ่านทางควาญช้างได้
23
Step 6: Define Slots
• จานวน values ของ Slot
– ตั้งค่า ว่า slot ควรจะมี values ได้กี่ค่า?
• ใส่ ค่าของ Slot
– มีค่าอะไรที่สามารถใส่ ได้บา้ ง?
– ค่ามาตรฐานทัว่ ไป:
•
•
•
•
•
String
Number
Boolean
Enumeration
Instance
24
Step 7: Create Instances
• ยกตัวอย่างการสร้าง instance ชื่อ african_elephant ซึ่ง
เป็ น instance ของ class elephant
– High : 400 cm
– Weight : 6,500 Kg
– Eat : fruit, leaf (instance of food class)
– Behavioer : aggressive
– Kind : Herbivore (instance of animal_type
class)
25
Consistency Checks ??
• ทาให้แน่ใจว่า Class hierarchy ถูกต้อง
– สิ่ งที่อยูใ่ นระดับเดียวกันของ tree ควรจะมี สิ่ งทัว่ ไปคล้ายๆกัน
– classes ที่มีความหมายเหมือนกัน แต่แยกเป็ นคนละ class
– ตรวจความสัมพันธ์ “is-a” และ “kind-of”
– สิ่ งที่มากเกินไปหรื อน้อยเกินไป
• Multiple Inheritance
26
Consistency Checks ??
• เราจะเพิม่ class ใหม่ได้เมื่อไหร่ ?
– การเพิ่ม Subclass ของ class โดยทัว่ ไปจะ
• มีคุณสมบัติเพิ่มเติมที่ super-class ไม่มี
• มีขอ้ จากัดที่แตกต่างจาก super-class
• มีการอ้างอิง relationships มากกว่าใน super-class มี
• Class ใหม่ หรื อ property-value ใหม่?
– class “african_elephant” หรื อ class “elephant” ที่มี
property type เป็ น “african” ขึ้นอยูก่ บั จุดมุ่งหมายที่เราสนใจ
• เป็ น Instance หรื อ Class?
– Individual Instances เป็ น การแสดงถึงกรณี เจาะจงในฐานความรู้
– ถ้า concept ที่สนใจเกิดจากการจาแนกโดยธรรมชาติ จะเป็ น classes
27
Limiting the Scope
• ต้องการที่จะไม่ใส่ ขอ้ มูลที่เป็ นไปได้ท้ งั หมดที่เกี่ยวกับขอบเขต
• ต้องการที่จะไม่ใส่ กรณี ทวั่ ไป หรื อ กรณี เฉพาะ มากไปกว่าอะไรที่เรา
ต้องการนาไปใช้
• ต้องการที่จะไม่ใส่ properties ที่เป็ นไปได้ท้ งั หมดและ สิ่ งที่
แตกต่าง ในหมู่ classes บน hierarchy
28
Ontology Merging/Alignment
• สิ่ งที่ตอ้ งการ
– การช่วยเหลือและคาแนะนาของของกระบวนการ
– เครื่ องมือพิเศษสาหรับ ontology merging and alignment
• สิ่ งที่ตอ้ งการ (แต่ยงั ไม่สามารถทาได้)
– เครื่ องที่สามารถ merging and alignment ได้อตั โนมัติอย่าง
สมบูรณ์
29
Mapping, Merging, Alignment
30
Approaches
• การแก้ปัญหาขัดแย้งหลังจาก merging
– ผลลัพธ์โดยตรง
– เกิดการปกคลุมของข้อมูล
– ยากที่จะทาซ้ า
• เปลี่ยนรู ปก่อนทาการ merging
– กระบวนการสามารถทาซ้ าได้
– ไม่เป็ นผลลัพธ์โดยตรง
• ใช้เครื่ องมือปรับโดยตรงให้เหมาะสม
– สามารถได้ผลลัพธ์โดยตรงจากการปรับเปลี่ยน
– ยากที่จะทาซ้ า แต่เป็ นไปได้
31
SMART Algorithm
32
Merge Classes (contd..)
33
Merge Classes (contd..)
34
Suggestions (contd..)
35
Source – Car Rental
36
Source –Airline Reservation
37
38
Features
• ผลที่ตอบสนองกับผูใ้ ช้
– คาชี้แจง
– กระบวนการแก้เมื่อเกิดปั ญหา
• ดูแลรักษาจุดที่สนใจ
– ปรับปรุ งการให้ขอ้ แนะนา
– สร้างข้อมูลชัว่ คราวเพื่อยืดเวลาสาหรับการแก้ปัญหา
• การสะกดรอยความสัมพันธ์
– เก็บความสัมพันธ์ที่อา้ งอิงถึง
– เก็บข้อมูลอย่างย่อไว้
39
Ontology Languages - RDF
• RDF คือ Resource Description Framework
• เป็ น W3C candidate recommendation
(http://www.w3.org/RDF
• RDF เป็ น graphical formalism (+XML syntax + semantics)
– เพื่อเป็ นตัวแทนข้อมูลที่อธิบายถึงข้อมูลอีกชุดหนึ่ง
– เพื่ออธิบายถึงความหมายของข้อมูลในสิ่ งที่เครื่ องจักรเข้าใจได้
• RDFS extends RDF กับ “schema vocabulary”ตัวอย่างเช่น
– Class, Property
– Type, subClassOf, subPropertyOf
– Range, domain
40
RDF Syntax --Triples
Subject
Ex: Subject
Property
Object
Ex: Property
Ex: Object
41
RDF Syntax --Triples
Subject
Ex: Subject
Property
Object
Ex: Property
Ex: Object
_: xxx
42
RDF Syntax --Triples
Subject
Ex: Subject
Property
Object
Ex: Property
Ex: Object
_: xxx
43
RDF Syntax --Triples
Subject
Ex: Subject
_: xxx
Property
Object
Ex: Property
Ex: Object
_: yyy
44
RDF Syntax --Triples
Subject
Ex: Subject
_: xxx
Property
Object
Ex: Property
Ex: Object
_: yyy
<< plain litteral >>
45
RDF Syntax --Triples
Subject
Ex: Subject
_: xxx
Property
Object
Ex: Property
Ex: Object
_: yyy
<< plain litteral >>
<< lexical >>^^data type
46
RDF Syntax -- Graph
_: xxx
47
RDF Syntax -- Graph
<< Palani Ramasamy >>
Ex: name
_: xxx
rdf: type
Ex: Person
48
RDF Syntax -- Graph
<< Palani Ramasamy >>
Ex: name
_: yyy
_: xxx
Ex: member-of
rdf: type
Ex: Person
49
RDF Syntax -- Graph
<< Palani Ramasamy >>
<< University of Madras >>
Ex: name
Ex: name
_: yyy
_: xxx
Ex: member-of
rdf: type
Ex: Person
rdf: type
Ex: Organisation
50
RDFS
51
RDFS
• RDFS vocabulary adds constraints on models, e.g.:
– x,y,z type(x,y) subClassOf(y,z) type(x,z)
52
RDFS
• RDFS vocabulary adds constraints on models, e.g.:
– x,y,z type(x,y) subClassOf(y,z) type(x,z)
Ex: Person
rdf: subClassof
Ex: Animal
53
RDFS
• RDFS vocabulary adds constraints on models, e.g.:
– x,y,z type(x,y) subClassOf(y,z) type(x,z)
Ex: Animal
Ex: Person
rdf: subClassof
Ex: John
rdf: type
Ex: Person
54
RDFS
• RDFS vocabulary adds constraints on models, e.g.:
– x,y,z type(x,y) subClassOf(y,z) type(x,z)
Ex: Animal
Ex: Person
rdf: subClassof
Ex: John
rdf: type
Ex: Person
rdf: type
Ex: Animal
55
Problems with RDFS
• RDFS อ่อนในการที่จะอธิ บายทรัพยากรในรายละเอียดที่เพียงพอ
– ไม่มีขอ้ บังคับ ของการจากัดวง range และ domain
• ไม่สามารถบอกได้วา่ ขอบเขตของ hasChild คือ person เมื่อประยุกต์เป็ น person
and elephant และเมื่อประยุกต์เป็ น elephants
– ไม่มีขอ้ จากัด existence/cardinality
• ไม่สามารถบอกได้วา่ ทุกๆกรณี ของ person มี 1 mother นัน่ คือ mother เป็ น 1
person เช่นกัน หรื อ person มี 2 parents ได้อย่างถูกต้อง
– ไม่มีคุณสมบัติ transitive, inverse หรื อ symmetrical
• ไม่สามารถบอกได้วา่ isPartOf คือคุณสมบัติ transitive, isPartOf คือ inverse ของ
isPartOf และ touches คือ symmetrical
• ความยากในการจาแนก เหตุผลสนับสนุน
– ไม่มี “native” reasoners สาหรับ เหตุผลที่ไม่ใช่มาตรฐาน
– May be possible to reason via FO axiomatisation
56
Axiomatisation
• An Axiomatisation สามารถถูกใช้ฝัง RDFS ใน FOL,
ตัวอย่าง:
– Triple x P y translated as holds2 (P,x,y)
– Axioms capture ในส่ วนความหมายของ language
• ปัญหาการ axiomatisations include
– จะต้องการ set ที่ใหญ่และซับซ้อน ของ axioms
– ยากที่จะพิสูจน์ความหมายให้เป็ นการ captured อย่างถูกต้อง
– Axiomatisation จะเพิ่มภาระการคานวณอย่างมาก
complexity
• RDFS → undecidable (subset of) FOL
– ไม่มี interoperability นอกจาก ทุกภาษาที่ axiomatised เช่นเดียวกัน
• เช่น C subClassOf D equivalent to
• แต่ตอ้ ง axiomatise เช่น holds2(subClass, C, D)
57
RDF to OWL
• สองภาษาที่ถกู พัฒนาโดย extending(ส่ วนหนึ่งของ) RDF
– OIL : Ontology Inference Layer
– DAML-ONT : DARPA Agent Markup Language
• ความพยายามMerged เพื่อสร้าง DAML+OIL
– Extends (“DL subset” of) RDF
• DAML+OIL
– Web-Ontology(WebOnt) Working Group formed
– WebOnt group ถูกพัฒนาโดย OWL Language based on
DAML+OIL
– OWL language now a W3C Proposed
Recommendation
58
Description Logics
• ครอบครัวหนึ่งของ logic based Knowledge Representation
formalisms
– สื บทอดมาจาก semantic networks และ KL-ONE
– อธิบายขอบเขตในรู ปแบบของ concepts(classes), roles(properties,
relationships) และ individuals
• มีลกั ษณะเด่นคือ
– Formal semantics (แบบจาลองอย่างเป็ นแบบฉบับตามหลักทฤษฎี)
• ตัดสิ นใจได้ในส่วนที่แยกจาก FOL
• มีความเกี่ยวข้องอย่างใกล้ชิดกับ Prepositional Model & Dynamic Logics
– การจัดเตรี ยมของ inference services
• การตัดสิ นใจใช้กระบวนการสาหรับการแก้ไขปัญหา (ความพึงพอใจ, การสมมติฐาน, ฯลฯ)
• Implemented systems (highly optimized)
59
DL Basics
• Concept คือ สิ่ งที่เทียบได้กบั unary predicates
– โดยทัว่ ไป, concepts จะเท่ากับ สูตรที่มีตวั แปรอิสระ 1 ตัว
• Role คือ สิ่ งที่เทียบได้กบั binary predicates
– โดยทัว่ ไป, roles จะเท่ากับ สูตรที่มีตวั แปรอิสระ 2 ตัว
• Individual คือสิ่ งที่เทียบได้กบั ค่าคงที่
• Operators จากัดความได้วา่ :
– ภาษาตัดสิ นใจได้ และ ถ้าเป็ นไปได้, มีความซับซ้อนน้อย
– ไม่ตอ้ งการที่จะใช้ตวั แปรอย่างชัดเจน
• จากัดความจาก และ (ติดต่อกันโดยตรงด้วย < > และ [ ])
• ลักษณะ เหมือนกับ การนับที่ส้ นั กระชับว่องไว
60
DL System Architecture
61
DL Family
•
ถูกใช้บ่อยสาหรับ
ใน transitive roles(R+)
• Additional letters บ่งบอกถึง extensions อื่นๆ
– ตัวอย่างเช่น
•
•
+ R+ + role hierachy + inverse + QNR =
is the basis for W3C’s OWL Web Ontology
Language
– OWL DL
– OWL Lite
คือ
)
extended with nominal (นัน่ คือ
)
with only functional restrictions
(นัน่
62
DL Knowledge Base
• A TBox is a set of “schema” axioms(sentences)
– ตัวอย่าง
• An ABox is a set of “data” axioms (ground facts)
– ตัวอย่าง
• A Knowledge Base (KB) คือการรวมของ TBox บวก ABox
63
DL Reasoning
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor
64
DL Reasoning
• ตัวอย่าง : KB:
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor
65
DL Reasoning
• ตัวอย่าง : KB:
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor
66
DL Reasoning
• ตัวอย่าง : KB:
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor
67
DL Reasoning
• ตัวอย่าง : KB:
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor,
(Doctor _ hasChild.Doctor),
hasChild.Doctor
68
DL Reasoning
• ตัวอย่าง : KB:
W
marriedTo
HappyParrent J
hasChild
M ~Doctor,
hasChild
(Doctor _ hasChild.Doctor),
hasChild.Doctor
hasChild
?
Doctor
69
OWL
• 3 สายพันธุ์ ของ OWL
– OWL full เป็ น union ของ OWL syntax และ RDF
– OWL DL ซึ่งมีขอบเขตใน FOL fragment (
DAML+OIL)
– OWL Lite คือ “simpler” subset ของ OWL DL
• Semantic layering
– OWL DL
OWL full ภายใน DL fragment
• OWL DL พื้นฐานบน
– ในความเป็ นจริ ง มีค่าเทียบได้กบั
Description Logic
DL
• OWL DL ผลประโยชน์ที่ได้จากการวิจยั DL เป็ นเวลาหลายปี
–
–
–
–
ง่ายในการนิยาม semantics
Formal properties ง่ายต่อการเข้าใจ (ความซับซ้อน, ความสามารถในการตัดสิ นใจ)
รู้จกั reasoning algorithms
Implemented systems (ใช้ให้เหมาะสมได้ดี)
70
OWL constructors
71
OWL constructors
• XMLS datatypes และ classes ใน
– ตัวอย่าง
P.C และ
P.C
hasAge.nonNegativeInteger
72
OWL constructors
• XMLS datatypes และ classes ใน
– ตัวอย่าง
P.C และ
P.C
hasAge.nonNegativeInteger
• ไม่มีกฎเกณฑ์ที่ซบั ซ้อน nesting ของ constructors
– ตัวอย่าง Person
hasChild.Doctor
hasChild.Doctor
73
RDFS Syntax
74
RDFS Syntax
75
OWL Axioms
76
OWL Axioms
77
References
78
Thanks
• ติดต่อผูเ้ ขียนได้ที่ sudar@burning-glass.com
Checktronix India Pvt Ltd,
9 Ramanathan Street,
Kilpauk, Chennai 600010
Phone: 044 30570028-32
• ที่ปรึ กษาเรี ยบเรี ยงบทความ อ.ธวัชชัย เอี่ยมไพโรจช์
79
80
81