
IBM 1620 เครื่องประมวลผลข้อมูล, 1962


เว็บ
เว็บมาพร้อมกับการเปลี่ยนแปลงจากอุตสาหกรรมต่อสังคมข้อมูลและให้โครงสร้างพื้นฐานที่มีคุณภาพใหม่ของการจัดการข้อมูลเกี่ยวกับการซื้อกิจการเช่นเดียวกับการจัดเตรียม
- พร้อมใช้งานสูง
- ความเกี่ยวข้องสูง
- ค่าใช้จ่ายต่ำ
เว็บแทรกเข้ามาในสังคม
- การติดต่อทางสังคม (แพลตฟอร์มเครือข่ายทางสังคม, บล็อก, ... )
- เศรษฐศาสตร์ (ซื้อ, การโฆษณา, การขาย, ... )
- การบริหาร (eGovernment)
- ชีวิตการทำงาน (รวบรวมข้อมูลและการแบ่งปัน)
- สันทนาการ (เกมเล่นบทบาท, ความคิดสร้างสรรค์, ... )
- การศึกษา (eLearning, เว็บเป็นระบบข้อมูล, ... )
เว็บปัจจุบัน
ที่ประสบความสำเร็จอย่างกว้างขวาง- จำนวนมากของข้อมูลและข้อมูล
- มาตรฐานไวยากรณ์สำหรับการถ่ายโอนข้อมูลที่มีโครงสร้าง
- เครื่อง processable เอกสารที่มนุษย์สามารถอ่านได้
- เนื้อหา / ความรู้ที่ไม่สามารถเข้าถึงได้โดยเครื่อง
- ความหมาย (ความหมาย) ของข้อมูลที่ถ่ายโอนไม่สามารถเข้าถึงได้
ข้อ จำกัด ของเว็บ
ข้อมูลที่มากเกินไปกับโครงสร้างน้อยเกินไปและทำให้การบริโภคของมนุษย์- การค้นหาเนื้อหาเป็นง่ายมาก
- อนาคต→ต้องใช้วิธีการที่ดีกว่า
- ในแง่ของเนื้อหา
- ในแง่ของโครงสร้าง
- ในแง่ของการเข้ารหัสอักขระ
- อนาคต→ต้องบูรณาการข้อมูลที่ชาญฉลาด
- →ต้องใช้เทคนิคเหตุผลอัตโนมัติ
สิ่งที่ Google ไม่พบ
มีข้อมูลจำนวนมากต้องการเครื่องมือค้นหาในปัจจุบันไม่สามารถตอบสนองคือ:- อพาร์ทเมนให้เช่าใกล้กับร้านอาหารที่ดีจัดอันดับไทย
- สองภาษาการดูแลเด็กภาษาอังกฤษเยอรมันในกรุงเบอร์ลินในสามารถเข้าถึงได้ 15 นาทีจากสถานที่ของฉันของการทำงาน
- เด็กที่เป็นมิตรสถานที่ท่องเที่ยวกับกิจกรรมวัฒนธรรมและการกีฬา
- นักวิจัยที่ทำงานอยู่ในเอเชียตะวันออกเฉียงใต้ในหัวข้อการดึงข้อมูล
- ผู้ให้บริการ ERP ที่มีสำนักงานในกรุงเวียนนาและเบอร์ลิน
- ...
เราได้เรียนรู้ไม่รู้ไม่ได้ที่จะขอเครื่องมือค้นหาคำถามดังกล่าว
ในหลักการทั้งหมดที่จำเป็นต้องใช้ความรู้เป็นบนเว็บ - มากที่สุดของมันแม้จะอยู่ในรูปแบบที่เครื่องอ่าน แต่ไม่มีการรวมข้อมูลโดยอัตโนมัติในการประมวลผล (และเหตุผล) เราไม่สามารถได้คำตอบที่มีประโยชน์
มีปัญหากับเว็บคืออะไร
- ไม่สามารถที่จะบูรณาการและหลอมรวมข้อมูลจากแหล่งข้อมูลที่แตกต่างกัน
- มีการขาดความรู้พื้นฐานที่ครอบคลุมในการตีความข้อมูลที่พบบนเว็บเป็น
- ค้นหาเว็บปัจจุบันถูก จำกัด ให้ข้อความในภาษาบางอย่าง - มีหลายภาษา "เล็ก" มีข้อมูลมากน้อยกว่าที่มีอยู่ในภาษาอังกฤษ
ส่วนผสมพื้นฐานสำหรับเว็บแบบ Semantic
- มาตรฐานเปิดสำหรับข้อมูลที่อธิบายบนเว็บ
วิธีการในการได้รับข้อมูลเพิ่มเติมจากรายละเอียดต่างๆ
รุ่นการเข้าถึงข้อมูลและการบูรณาการ
การบูรณาการข้อมูล |
รวมข้อมูลองค์กร ชุดของแหล่งข้อมูลต่างกันปรากฏเป็นโสดแหล่งข้อมูลเหมือนกัน |
คลังข้อมูล
|
การวิจัย
|
เว็บข้อมูล
|
การเข้าถึงข้อมูล |
แมปวัตถุสัมพันธ์ (ออม)
|
APIs ขั้นตอน
|
ภาษาสอบถาม
|
ข้อมูลที่เชื่อมโยง
|
แบบจำลองข้อมูล |
RDBMS
|
LOD มีเมฆพฤษภาคม 2007

LOD 2007 มีเมฆตุลาคม

LOD 2008 มีเมฆกุมภาพันธ์

LOD 2008 มีเมฆกันยายน

LOD มีเมฆมีนาคม 2009

LOD มีเมฆกันยายน 2010

เว็บของข้อมูล
- > 50000000000 ข้อเท็จจริง
- ครอบคลุมโดเมนที่แตกต่างกันหลายคน (วิทยาศาสตร์เพื่อชีวิต, ทางภูมิศาสตร์ที่ผู้ใช้สร้างเนื้อหารัฐบาล bibiographic, ... )

แผนที่ไปยังเว็บแบบ Semantic

ความหมายของกองเว็บข้อมูล
ยูริและ Unicode
ทรัพยากรรายละเอียดกรอบ - RDF
ข้อมูลจะถูกแสดงใน RDF อเนกประสงค์ (เรียกว่างบข้อเท็จจริง):

- จำลองในหมวดหมู่ของหนังสือ แต่ไม่สอดคล้องกันเสมอ
- ที่ได้รับมอบหมายอนุญาตให้ใช้:
- เรื่อง: URI โหนดหรือเปล่า
- สรุป: URI (ทรัพย์สิน aka)
- วัตถุ: URI โหนดว่างเปล่าหรือตัวอักษร
- ป้ายโหนดและขอบควรจะโปร่งใสเพื่อให้กราฟเดิม reconstructable จากรายการสาม
RDF Schema
อเนกประสงค์ทั้งหมดไม่ได้ทำให้ความรู้สึก:
Cinema AlbertEinstein 2012
วิธีที่เราสามารถ จำกัด การใช้ RDF?
RDF Schema ช่วยให้การกำหนดคุณสมบัติชั้นเรียนและ จำกัด การใช้งานของพวกเขา
SPARQL - ภาษาของแบบสอบถามสำหรับ RDF

SELECT * WHERE { jwebsp:John foaf:knows ?friend }
อภิปรัชญาเว็บภาษา - นกฮูก
วรรณคดี
- ปาสคาล hitzler มาร์คัสKrötzschเซบาสเตียนรูดอล์ฟ: ฐานรากของเทคโนโลยีเว็บเชิงความหมายแชปแมนฮอลล์และ / CRC, 2009, 455 หน้าปกเลข ISBN: 9781420090505, http://www.semantic-web-book.org
- Amit Sheth, Krishnaprasad Thirunarayan: อรรถอำนาจ Web 3.0: การจัดการองค์กร, สังคม, Sensor, ข้อมูลและเมฆที่ใช้และบริการสำหรับการใช้งานขั้นสูง (บรรยายการสังเคราะห์ในการจัดการข้อมูล), มอร์แกน & Claypool Publishers (19 ธันวาคม 2012), ไอ: 1608457168
- ทอม Heath, คริสเตียน Bizer: ข้อมูลที่เชื่อมโยง (บรรยายการสังเคราะห์บนเว็บแบบ Semantic: ทฤษฎีและเทคโนโลยี), มอร์แกน & Claypool Publishers; ฉบับที่ 1 (20 ก. พ. 2011), ไอ: 1608454304


แรงจูงใจ
คุณเข้ารหัสชิ้นส่วนของความรู้วิธีการ: "ทฤษฎีสัมพัทธภาพถูกค้นพบโดยอัลเบิร์ Einstein."
หรือ
หรือ
ข้อมูลแสดงในรูปแบบดังกล่าวไม่ได้เป็นปริได้อย่างง่ายดาย! RDF จะช่วยให้การแก้ปัญหานี้!
เป้าหมาย
- ทำความเข้าใจกับรูปแบบ RDF ข้อมูลรวมทั้ง
- แนวคิด URI และ IRI
- อเนกประสงค์
- ทรัพยากร
- ตัวอักษร
- โหนดที่ว่างเปล่า
- รายการ
เบื้องต้น
- ความเข้าใจพื้นฐานของเทคโนโลยีเว็บชนิดข้อมูล
ภาพรวมที่ RDF
- RDF = ทรัพยากรอธิบายหลักการ
- คำแนะนำของ W3C ตั้งแต่ปี 1998
- RDF เป็นรูปแบบข้อมูล
- แต่เดิมใช้สำหรับ metadata สำหรับทรัพยากรเว็บทั่วไปแล้ว
- เข้ารหัสข้อมูลที่มีโครงสร้าง
- ยูนิเวอร์แซรูปแบบการแลกเปลี่ยนเครื่องอ่านได้
- ข้อมูลโครงสร้างในกราฟ
- จุดขอบ
- จุดขอบ
บางส่วนของกราฟ RDF
- ยูริ
- ที่ใช้ในการอ้างอิงทรัพยากรอย่างไม่น่าสงสัย
- ที่ใช้ในการอ้างอิงทรัพยากรอย่างไม่น่าสงสัย
- ตัวอักษร
- อธิบายค่าของข้อมูลที่มีตัวตนชัดเจนเช่น "100 กม. / ชม. "
- โหนดที่ว่างเปล่า
- อำนวยความสะดวกในปริมาณอัตถิภาวนิยมสำหรับบุคคลที่มีคุณสมบัติบางอย่างโดยไม่ต้องตั้งชื่อ
- อำนวยความสะดวกในปริมาณอัตถิภาวนิยมสำหรับบุคคลที่มีคุณสมบัติบางอย่างโดยไม่ต้องตั้งชื่อ
ตัวอย่างของกราฟ RDF

ทริปเปิ RDF
องค์ประกอบของ RDF สาม:

- ถ่ายแบบใช้ประเภทภาษาศาสตร์ ( แต่ไม่สอดคล้องกันเสมอไป)
- ที่ได้รับมอบหมายอนุญาตให้ใช้:
- เรื่อง: URI โหนดหรือเปล่า
- สรุป: URI (ทรัพย์สิน aka)
- วัตถุ: URI โหนดว่างเปล่าหรือตัวอักษร
- ป้ายโหนดและขอบควรจะโปร่งใสเพื่อให้กราฟเดิม reconstructable จากรายการสาม
URI
- URI = ทรัพยากรตัวบ่งชี้
- ที่ใช้ในการสร้างชื่อซ้ำกันทั่วโลกสำหรับทรัพยากร
- วัตถุที่มีตัวตนชัดเจนทุกคนสามารถเป็นทรัพยากร
- หนังสือ, สถานที่, องค์กร ...
- ในโดเมนหนังสือไอทำหน้าที่จุดประสงค์เดียวกัน
ไวยากรณ์ URI
- ส่วนต่อขยายของแนวคิด URL
- ไม่ได้หมายถึงทุก URI เอกสารเว็บ แต่ URL ที่มักจะใช้เป็น URI สำหรับเอกสารเว็บ
- เริ่มต้นด้วยสคี URL ซึ่งจะถูกแยกออกจากส่วนที่เหลือด้วย ":"
- ตัวอย่าง: http:, FTP, mailto, ไฟล์
- ตัวอย่าง: http:, FTP, mailto, ไฟล์
- โครงสร้างลำดับชั้นโดยทั่วไปแล้ว
- [โครงการ:] [/ / อำนาจ] [path] [? แบบสอบถาม] [ส่วน #]
- [โครงการ:] [/ / อำนาจ] [path] [? แบบสอบถาม] [ส่วน #]
ที่กำหนดเองยูริ
- จำเป็นถ้าทรัพยากรที่มี URI ยังไม่มี URI หรือไม่เป็นที่รู้จัก
- ใช้ HTTP-URIs จากเว็บไซต์ของตัวเองเพื่อหลีกเลี่ยงการชนกันของการตั้งชื่อ
- อำนวยความสะดวกในการสร้างเอกสารของ URI สถานที่นี้
- ตัวอย่าง: http://jens-lehmann.org/foaf.rdf # ผม
- แยก URI สำหรับทรัพยากรและเอกสารประกอบด้วยความช่วยเหลือของการอ้างอิง URI (ด้วย "#" เศษเล็กเศษน้อยที่แนบมา) หรือการเจรจาต่อรองเนื้อหา
- ตัวอย่าง: URI สำหรับเช็คสเปียร์ "Othello"
- ไม่ดี: http://de.wikipedia.org/wiki/Othello
- ดี http://de.wikipedia.org/wiki/Othello # URI
ม่านตา
- IRI ทรัพยากรตัวบ่งชี้ = สากล
- ลักษณะทั่วไปของแนวคิด URI
- IRI สามารถมี Unicode
- ตัวอย่าง:
- http://www.example.org/Wüste
- http://www.example.org/ 사막
ตัวอักษร
- ที่ใช้ในการค่าข้อมูลแบบ
- แทนเป็นสตริง
- การตีความประเภทข้อมูลผ่าน
- ตัวอักษรโดยไม่ต้องได้รับการรักษาประเภทข้อมูลเป็นสตริง
- ตัวอักษรอาจจะไม่เคยมาของโหนดของกราฟ RDF
- ขอบอาจไม่ถูกกำกับด้วยตัวอักษร

ไวยากรณ์เต่า
- ภาษาเพื่อทำให้เป็นอันดับอเนกประสงค์ RDF สตริง
- เต่า - รวบรัดภาษา RDF Triple
- ยูริในวงเล็บมุม
- <http://dbpedia.org/resource/Leipzig>
- ตัวอักษรในเครื่องหมายคำพูด
- "ไลพ์ซิก" @ เดอ
- "51.333332" ^ ^ XSD: ลอย
- สามแยกด้วยจุด
<http://dbpedia.org/resource/Leipzig> <http://www.w3.org/2000/01/rdf-schema#label> "Leipzig"@de .
- ช่องว่างสีขาวและแบ่งบรรทัดจะถูกละเลยด้านนอกของตัวระบุ
- สถานะ: W3C ทำงานร่างกรกฎาคม 10, 2012, http://www.w3.org/TR/turtle/
ย่อเต่า (1/2)
- ในเต่าหนึ่งสามารถใช้ตัวย่อ
- ไวยากรณ์: @ คำนำหน้า abbr ':' <URI>
- เช่น @ คำนำหน้า DBR: <http://dbpedia.org/resource/>
- หนึ่งสามารถเปลี่ยน
<http://dbpedia.org/resource/Leipzig> <http://www.w3.org/2000/01/rdf-schema#label> "Leipzig"@de .
- เข้าไป
ย่อเต่า (2/2)
- อเนกประสงค์กับเรื่องเดียวกันสามารถรวมกลุ่มกัน
@prefix rdf: ... @prefix geo: dbr:Leipzig dbp:hasMayor dbr:Burkhard_Jung ; rdfs:label "Leipzig"@de ; geo:lat "51.333332"^^xsd:float ; geo:long "12.383333"^^xsd:float .
- อเนกประสงค์ถึงแม้จะมีเรื่องเดียวกันและคำกริยาสามารถรวมกลุ่มกัน
@prefix dbr: . @prefix dbp: . dbr:Leipzig dbp:locatedIn dbr:Saxony, dbr:Germany; dbp:hasMayor dbr:Burkhard_Jung .
ตัวอักษร II - ประเภทข้อมูล
- ตัวอย่าง: XSD: ทศนิยม

ประเภทข้อมูลใน RDF
- จนถึงขณะนี้: ตัวอักษรจะ untyped รับการรักษาเป็นสตริง: "02" <"100" <"11" <"2"
- พิมพ์ดีดช่วยให้ดีขึ้นในคำอื่น ๆ , การตีความความหมายของค่า
- ประเภทข้อมูลได้รับการระบุโดยยูริและ chosable ได้อย่างอิสระ
- การใช้งานโดยปกติของ XML--สคีประเภทข้อมูล (XSD)
- ไวยากรณ์: "ค่าข้อมูล" ^ ^ datetype-URI
- RDF: XMLLiteral เป็นเพียงประเภทข้อมูลที่กำหนดไว้ล่วงหน้าใน RDF
- ใช้สำหรับชิ้นส่วน XML
- ใช้สำหรับชิ้นส่วน XML
ตัวอย่าง
กราฟ:

ประกาศภาษา
- ที่มีอิทธิพลต่อตัวอักษร untyped เพียง
- ตัวอย่าง:
- ตามข้อกำหนด RDF ตัวอักษรต่อไปนี้จะแตกต่างกัน
- แต่มักจะถูกนำมาใช้เป็นอย่างเท่าเทียมกัน
n-Ary ผมความสัมพันธ์
การปรุงอาหารด้วย RDF
"สำหรับการเตรียมการของมะม่วง Chutney คุณต้อง 450g มะม่วงสีเขียว , ช้อนชาพริกป่น ... "
1 ความพยายามที่จะสร้างแบบจำลองสูตรนี้:
ไม่พอใจ:
- ส่วนผสมและจำนวนเงินที่กำหนดเป็นสตริง
- ค้นหาสูตรอาหารที่มีมะม่วงสีเขียวไม่ได้เป็นไปได้อย่างง่ายดาย
n-Ary II ความสัมพันธ์
การปรุงอาหารด้วย RDF
"สำหรับการเตรียมการของมะม่วง Chutney คุณต้อง 450g มะม่วงสีเขียว, ช้อนชาพริกป่น ... "
ความพยายามที่ 2 แบบสูตรนี้:
แม้เลว:
- ไม่มีความสัมพันธ์ที่ชัดเจนระหว่างส่วนผสมและจำนวนเงินที่เป็นไปได้
n-Ary III ความสัมพันธ์
ปัญหา: มันเป็นความสัมพันธ์ trivalent หรือ ternary จริง (ดูฐานข้อมูลเช่น)
ตำรับ | ส่วนผสม | จำนวน |
มะม่วง Chutney |
มะม่วงสีเขียว |
450g |
มะม่วง Chutney | พริกป่น |
1 TS |
- โดยตรงไปไม่ได้ที่จะแสดงใน RDF
- การแก้ปัญหาเบื้องต้นของโหนดผู้ช่วย
n-Ary IV ความสัมพันธ์
โหนดช่วยใน RDF:
เป็นกราฟ:

โหนดที่ว่างเปล่า
- โหนดที่ว่างเปล่าที่สามารถใช้สำหรับทรัพยากรที่ไม่จำเป็นต้องมีการตั้งชื่อ
- สามารถอ่านได้ว่างบอัตถิภาวนิยม
เป็นกราฟ:

รายการ
- โครงสร้างข้อมูลทั่วไปนับจากทรัพยากรจำนวนมากโดยพลการเขียนด้วยเช่นการสั่งซื้อที่ไม่เกี่ยวข้องของหนังสือเล่มนี้
- ความแตกต่างระหว่าง
- คอนเทนเนอร์เพิ่มองค์ประกอบใหม่ที่เป็นไปได้
- คอลเลกชัน: การเพิ่มองค์ประกอบใหม่เป็นไปไม่ได้
- สามารถจำลองด้วยเครื่องมือที่นำเสนอก่อนหน้านี้จึงไม่ลึกซึ้งเพิ่มเติม
ประเภทของภาชนะบรรจุ
- โหนดรากรายการมีการกำหนดอย่างใดอย่างหนึ่งดังต่อไปนี้ RDF: s ประเภท:
- RDF: Seq
- การตีความเป็นลำดับสั่งรายการ
- RDF: กระเป๋า
- การตีความตามสั่งตั้ง
- สั่งซื้อรหัสใน RDF ไม่เกี่ยวข้อง
- RDF: Alt
- ชุดของทางเลือก
- มักจะมีเพียงองค์ประกอบหนึ่งรายการที่เกี่ยวข้อง
- RDF: Seq
ภาชนะ

คอลเลกชัน
ความคิด: พาร์ทิชันซ้ำของรายการในองค์ประกอบหัวและรายการส่วนที่เหลือ (ที่ว่างเปล่าอาจจะ)

ข้อมูลอย่างย่อ
- มาตรฐานการสนับสนุนอย่างกว้างขวางสำหรับการจัดเก็บและการแลกเปลี่ยนข้อมูล
- ช่วยให้เกือบตัวแทนไวยากรณ์เป็นอิสระจากข้อมูลการกระจายในรูปแบบของกราฟรูปแบบข้อมูลตาม
- บริสุทธิ์ RDF เป็นบุคคลที่มุ่งเน้นมาก
- เกือบจะเป็นไปได้ที่จะเป็นตัวแทนของคีไม่
- ดูบรรยาย RDF-Schema
- ดูบรรยาย RDF-Schema
อนาคต
- ต้นมาก ร่างการทำงาน
- รุ่นก่อนหน้านี้ของ RDF ใช้คำว่า "อ้างอิง RDF URI" แทน "IRI" และอนุญาตให้ตัวละครเพิ่มอีก: "
<
",">
","{
","}
","|
","\
","^
" "`
"'“
'(คู่ quote) และ " - ใน Iris อักขระเหล่านี้จะต้องมีเปอร์เซ็นต์การเข้ารหัสตามที่อธิบายไว้ใน 2.1 ส่วน ของ [ RFC3986 ]
- ตัวอักษรที่มีแท็กภาษาตอนนี้ยังมีประเภทข้อมูล IRI
งานและโครงการมินิ
สไลด์นี้มีคำแนะนำบางส่วนสำหรับงานและโครงการขนาดเล็กที่คุณสามารถดำเนินการนอกเหนือไปจากหลายทางเลือกการทดสอบการประเมินตนเองเพื่อการปฏิบัติและการเตรียมความพร้อมสำหรับการสอบ:
- อธิบายองค์ประกอบของรูปแบบ RDF ข้อมูล
- สร้างฐานความรู้เล็ก ๆ ในเต่า (เช่นครอบครัวของคุณ) อธิบายโดเมนที่คุณเลือก!
- เขียนคำอธิบายของทรัพยากร RDF อธิบายตัวเองอยู่ในเต่าที่มีป้ายชื่อในสองภาษาที่แตกต่างกัน, วันเกิดและอายุของคุณ!
- วาดกราฟ RDF แทนสูตรสำหรับเค้กถ้วย!
- สร้างรายการ RDF มณฑลอเมริกาเหนือ!
อ้างอิง
- ความหมาย Grundlagen เว็บ hitzler, Krötzsch, รูดอล์ฟ, แน่นอน; สปริงเกอร์ 2008 (Kap. 2-3)
- RDF / XML: http://www.w3.org/TR/rdf-syntax-grammar/
- เต่า: http://www.w3.org/TeamSubmission/turtle/
- Datenmodell RDF:
- URI: http://de.wikipedia.org/wiki/Uniform_Resource_Identifier
- IRI: http://tools.ietf.org/html/rfc3987
- URI / IRI Auswahl:
- RDF Validator: http://www.w3.org/RDF/Validator/

ความหมายของกองเว็บข้อมูล - RDF
เงื่อนไข
- ความรู้พื้นฐานของสแต็ค RDF
- ทำความเข้าใจกับรูปแบบ RDF ข้อมูล
- ความเข้าใจพื้นฐานของ XML (สำหรับอนุกรม RDF / XML)
- ความเข้าใจพื้นฐานของ HTML (สำหรับ RDFa)
- ทั้งหมดที่ใช้คำนำหน้า namespace แก้ไขเป็นค่าเริ่มต้นตามลำดับจาก http://prefix.cc/
สิ่งที่ยูริสคืออะไร?
- URI = ทรัพยากรตัวบ่งชี้
- ทั่วโลกที่ใช้สำหรับการระบุที่ไม่ซ้ำกันของทรัพยากร
- ทุกวัตถุ (ในบริบทของการประยุกต์ใช้) บางทีทรัพยากร
- ตราบเท่าที่มันมีเอกลักษณ์เฉพาะ
- เช่นหนังสือ, สถานที่, คน, ความสัมพันธ์ระหว่างสิ่งเหล่านั้นแนวคิดที่เป็นนามธรรม
- รูปพรรณที่ไม่ซ้ำกันถูกนำมาใช้แล้วสำหรับโดเมนอื่น ๆ และเฉพาะเจาะจงมากขึ้นเช่น ISBN สำหรับหนังสือหรือตัวเลขประจำตัวผู้เสียภาษีสำหรับคนที่
- ส่วนต่อขยายของแนวคิด URL:
- ไม่ได้ทุก URI เป็นของหน้าเว็บ แต่มักจะพิมพ์ URL ถูกใช้เป็น URI สำหรับหน้าเว็บ
ไวยากรณ์ของยูริ
ที่กำหนดเองยูริ
- จำเป็นถ้าทรัพยากรที่มี URI ยังไม่มี
- กลยุทธ์ที่เป็นไปได้เพื่อหลีกเลี่ยงการทับซ้อนกันยูริ
- ใช้ HTTP-URIs ของ webspace ของตัวเอง!
- นอกจากนี้ยังเป็นไปได้ที่จะเผยแพร่เอกสารของ URI ที่สถานที่แห่งนี้
- เช่น http://jens-lehmann.org/foaf.rdf # ผม
ระบบบัตรประจำตัวอื่น ๆ
- IRI ทรัพยากรตัวบ่งชี้ = สากล
- ลักษณะทั่วไปของ URI, สามารถมีตัวอักษร Unicode
- http://www.example.org/Wüsteเช่น
- โกศทรัพยากรชื่อ = Uniform
- กลุ่มย่อยของยูริที่ใช้สำหรับการระบุทรัพยากรที่มีชื่อ choosable ได้อย่างอิสระ
- มีไว้สำหรับการระบุเอกลักษณ์และถาวรทั่วโลก
- โกศเช่นโกศ ISSN :0167-6423 จากภาพยนตร์แมงมุม
- ไอ = นานาชาติจำนวนหนังสือมาตรฐาน
- เช่นไอ 978-3-86680-192-9
- ISSN = มาตรฐานสากล Serial Number ของ
- เช่น ISSN 1234-5678
- DOI = ตัวระบุวัตถุดิจิตอล
- เช่น 10.1000/182 DOI
รูปแบบที่นิยมมากที่สุด
- รูปแบบอนุกรมต่างๆเพื่อวัตถุประสงค์ที่แตกต่างกัน (เช่นในแผนภาพเวนน์บนภาพนิ่งก่อน) คือ:
- ยังไม่มีข้อความที่อเนกประสงค์ - รูปแบบข้อความโดยมุ่งเน้นที่การแยกง่าย
- เต่า - รูปแบบข้อความโดยมุ่งเน้นที่การอ่านของมนุษย์
- 3 สัญกรณ์ - รูปแบบข้อความที่มีคุณสมบัติขั้นสูงเกิน RDF
- RDF / XML - อันดับ XML อย่างเป็นทางการของ RDF
- RDF / JSON - ข้อเสนอสำหรับ serializing RDF ใน JSON
- JSON-LD - ข้อเสนอสำหรับการแสดงความ RDF ใน JSON อื่น
- RDFa - กลไกสำหรับการฝัง RDFa ใน (X) HTML
3 สัญกรณ์
- ออกแบบมาสำหรับการอ่านของมนุษย์-
- ภาษาแบบแผน
- สูตรเพิ่มเติมกฎและตัวแปร
- พัฒนาโดย Tim Berners-Lee et al, เป็น W3C ส่งทีม http://www.w3.org/TeamSubmission/n3/
- ชนิดของไฟล์ text/n3, UTF-8
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"> <rdf:Description rdf:about="http://en.wikipedia.org/wiki/Tony_Benn"> <dc:title>Tony Benn</dc:title> <dc:publisher>Wikipedia</dc:publisher> </rdf:Description> </rdf:RDF>
3 สัญกรณ์:
@prefix dc: <http://purl.org/dc/elements/1.1/>. <http://en.wikipedia.org/wiki/Tony_Benn> dc:title "Tony Benn"; dc:publisher "Wikipedia".
คุณสมบัติของ N3
- N3 เป็นภาษาอย่างเป็นทางการที่นอกเหนือไปจาก RDF
- N3 เป็น superset ของ sparql เต่าและ NTriples
- N3 มีประสิทธิภาพมากขึ้นกว่าเต่าและ XML / RDF ด้วยความเคารพในการกระทำตาม
- N3 จะขึ้นอยู่กับบริบทไวยากรณ์ฟรีอนุญาตให้แยกมันได้อย่างง่ายดาย
- บางแนวคิดที่โดดเด่นคือ:
- ตัวแปร
- สูตร
- ชุดของตัวแปรสากลของ F
- ชุดของตัวแปรอัตถิภาวนิยมของ F
- ชุดของงบ F
- ประเภทข้อมูล: สตริง, จำนวนเต็ม
- รายการองค์ประกอบของรายการ
- ความยาวของรายการ
- การแสดงออก
- ตั้ง
- ข้อมูลเพิ่มเติม:
- http://www.w3.org/2000/10/swap/grammar/n3-report.html
- http://www.w3.org/DesignIssues/Notation3.html
ไวยากรณ์ของ N3
- รูปแบบที่สาม: คำกริยาวัตถุหัวข้อ
- ทุกอย่างจะต้องมีการระบุ URI
- ข้อยกเว้น: '#' ระบุบางสิ่งบางอย่างตลอดทั้งเอกสารสิ่งที่เป็น
- ข้อยกเว้น: วัตถุที่สามารถเป็นตัวอักษร
<#pat> <#knowsAbout> <http://www.w3.org/2000/10/swap/Primer> .<#pat> <#hasBrother> <#ian> . <#ian> <#age> 24 .
ตัวย่อ
- ระบุที่ว่างเปล่า <> หมายเสมอกับเอกสารที่เขียนไว้ใน
<> <http://purl.org/dc/elements/1.1/title> "RDF Serializations".
- หนึ่งสามารถใช้คำนำหน้าย่นข้อความ
@prefix dc: <http://purl.org/dc/elements/1.1/> . <> dc:title "RDF Serializations".
- หมายเหตุ: เมื่อคุณใช้คำนำหน้าคุณสามารถใช้เครื่องหมายแทนกัญชาระหว่าง dc และชื่อและคุณไม่ได้ใช้วงเล็บ <angle
- หากคุณมีงบหลายเกี่ยวกับเรื่องเดียวกับที่คุณสามารถใช้ทั้งอัฒภาคเป็นไปได้ที่จะแนะนำภาคใหม่หรือจุลภาคที่จะแนะนำวัตถุใหม่
<> <#subsections> <#RDF/XML>, <#JSON>, <#RDFa> ; <#madeBy> "slidewiki.org" ; <#creatorOfThisDeck> <www.informatik.uni-leipzig.de/~auer/foaf.rdf> .
ประเภทกำหนด
- N3 ช่วยให้คุณสามารถกำหนดระดับชั้นของคุณเอง
@prefix : <#> . @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> . @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> . :Person rdf:type rdfs:Class .
- หมายเหตุ: เรากำหนดคำนำหน้าว่างเปล่า
- เรายังสามารถย่อ RDF: ประเภทด้วย
@prefix : <#> . @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> . :Person a rdfs:Class .
ความเท่าเทียมกันของคำศัพท์
- เมื่อเขียนคำศัพท์ของตัวเองหนึ่งมักจะสังเกตเห็นว่าแนวความคิดของตัวเองเป็นเช่นเดียวกับในคำศัพท์อื่น
- N3 มีกลไกพิเศษและสั้นเพื่อให้สอดคล้องคำศัพท์เช่น "="
:Woman = foo:FemaleAdult . :Title a rdf:Property; = dc:title .
- ดังนั้นหนึ่งสามารถจัดชั้นเรียนและคุณสมบัติง่ายสวย
ตัวอย่างของคุณสมบัติ
ตัวอย่างแรก:@prefix log: <http://www.w3.org/2000/10/swap/log#>. @keywords. @forAll x, y, z. {x parent y. y sister z} log:implies {x aunt z}ให้ข้อมูลต่อไปนี้:
Joe parent Alan. Alan sister Susie.เฟ้นสามารถสรุป:
Joe aunt Susie.
ตัวอย่างต่อเนื่อง
ตัวอย่างที่สอง:@forAll x, y, z. { x wrote y. y log:includes {z weather w}. x livesIn z } log:implies { Boston weather y }.ร่วมกับข้อมูล:
Bob livesIn Boston. Bob wrote { Boston weather sunny }. Alice livesIn Adelaide. Alice wrote { Boston weather cold }.เฟ้นสามารถสรุป:
Boston weather sunny.
ข้อดีและข้อเสียของการ N3
- ข้อดี
- มากขึ้นขนาดกะทัดรัดและสามารถอ่านได้มากกว่าที่ยึดตาม XML RDF
- เป็นไปได้ของรูปแบบการกำหนดตัวแปรและแม้กระทั่งสูตร
- ประสิทธิภาพมากขึ้นกว่าเต่าและ NTriples
- ข้อเสีย
ไวยากรณ์เต่า
- เต่า - รวบรัดภาษา RDF Triple
- ยูริในวงเล็บมุม
- <http://dbpedia.org/resource/Berlin>
- ตัวอักษรในเครื่องหมายคำพูด
- "เบอร์ลิน" @ เดอ
- "51.333332" ^ ^ XSD: ลอย
- สามแยกด้วยจุด
- <http://dbpedia.org/resource/Leipzig> <http://www.w3.org/2000/01/rdf-schema#label> "Leipzig"@de .
- ช่องว่างสีขาวและแบ่งบรรทัดจะถูกละเลยด้านนอกของตัวระบุ
- สถานะ: W3C ทำงานร่างกรกฎาคม 10, 2012, http://www.w3.org/TR/turtle/
ย่อเต่า (1/2)
- ในเต่าหนึ่งสามารถใช้ตัวย่อ
- ไวยากรณ์: @ คำนำหน้า abbr ':' <URI>
- เช่น @ คำนำหน้า rdfs: DBR: <http://dbpedia.org/resource/>
- หนึ่งสามารถเปลี่ยน
- เข้าไป
ย่อเต่า (2/2)
- อเนกประสงค์กับเรื่องเดียวกันสามารถรวมกลุ่มกัน
@prefix rdf: ... @prefix geo: dbr:Berlin dbpedia:country dbpedia:Germany ; rdfs:label "Berlin"@de ;
- อเนกประสงค์ถึงแม้จะมีเรื่องเดียวกันและคำกริยาสามารถรวมกลุ่มกัน
@prefix dbr: . @prefix dbp: . dbr:Leipzig dbp:locatedIn dbr:Saxony, dbr:Germany; dbp:hasMayor dbr:Burkhard_Jung .
ข้อดีและข้อเสียของ Turtle
- ข้อดี:
- กระชับจึงมีประสิทธิภาพในการจัดเก็บ
- ง่ายต่อการอ่านสำหรับมนุษย์
- ข้อเสีย:
- การสนับสนุนเครื่องมือ จำกัด เพื่อให้ห่างไกล (เมื่อเทียบกับ RDF / XML)
ยังไม่มีข้อความที่อเนกประสงค์-
- ยังไม่มีข้อความที่อเนกประสงค์เป็นเส้นตามรูปแบบข้อความธรรมดา
- ยังไม่มีข้อความที่อเนกประสงค์เป็นส่วนย่อยของเต่าและ 3 สัญกรณ์
- ตัวย่อและ groupping ไม่ได้รับอนุญาต
- จำกัด ชุดอักขระ ASCII
- เครื่องมือทั้งหมดที่สนับสนุนการป้อนข้อมูลทั้งในรูปแบบที่กล่าวข้างต้นจะสนับสนุนอเนกประสงค์-N
- อย่าสับสนกับ 3 สัญกรณ์: 3 สัญกรณ์เป็น superset ของเต่าและ N-อเนกประสงค์
<http://www.w3.org/2001/sw/RDFCore/ntriples/> <http://purl.org/dc/elements/1.1/creator> "Dave Beckett" . <http://www.w3.org/2001/sw/RDFCore/ntriples/> <http://purl.org/dc/elements/1.1/creator> "Art Barstow" . <http://www.w3.org/2001/sw/RDFCore/ntriples/> <http://purl.org/dc/elements/1.1/publisher> <http://www.w3.org/> .
N-ล่าม
- ขยายอเนกประสงค์-N กับบริบท
<subject> <predicate> <object> <context> .
- <context> ส่วนใหญ่มักจะหมายถึง (ในรัฐ-of-the-Art ร้านค้า RDF) ที่มาของข้อมูล
- ชุดข้อมูลเมื่อเชื่อมโยงที่มีประโยชน์
<http://example.org/bob/foaf.rdf#me> <http://xmlns.com/foaf/0.1/homepage> <http://example.org/bob/> <http://example.org/bob/foaf.rdf> .
- <context> อาจประกอบด้วย URI หรือ nodeID หรือตัวอักษร
ทำไมหนึ่ง (ไม่) ควรใช้ XML สำหรับ RDF?
ทำไม
- การสนับสนุนที่ดีของเครื่องมือในหลายภาษาโปรแกรมและสภาพแวดล้อม
- การแพร่กระจายกว้างของ XML ในธุรกิจและสถาบันการศึกษา
- RDF รัฐมาตรฐานว่าถ้า RDF ข้อมูลที่มีการเผยแพร่ที่ควรจะมีอยู่ใน RDF / XML
ทำไมไม่?
- RDF / XML มีความซับซ้อนที่จะเข้าใจเพราะการเข้ารหัสของกราฟอเนกประสงค์และในที่สุดต้นไม้ XML
- RDF / XML พัดไฟล์ (อาจจะลดลงโดยการบีบอัด)
- สร้างค่าใช้จ่ายมากเพราะเอกสาร XML จะต้องมีการแยกวิเคราะห์และผลการดำเนินการนอกจากนี้ยังจะได้รับข้อมูล RDF
ที่ใช้ XML ไวยากรณ์ของ RDF
- การใช้งานของ namespaces จะกระจ่างชื่อแท็ก
- ป้าย RDF มี namespace คงที่ของตนเองและฉลากของมันคือ 'RDF'
XML-ไวยากรณ์ RDF: รายละเอียด
- RDF แต่ละองค์ประกอบรายละเอียดย่อมาจากเรื่อง
- URI คือค่าของ RDF: เกี่ยวกับคุณลักษณะ
- แต่ละองค์ประกอบของ RDF: รายละเอียดย่อมาจากคำกริยาคู่วัตถุ
- ชื่อขององค์ประกอบเด็กเป็นชื่อคำกริยา
- มูลค่าของ RDF: ทรัพยากร URI ของวัตถุ
ชื่อย่อไวยากรณ์ XML-
- ตัวอักษรสามารถล้อมรอบด้วย predicates เป็นข้อความฟรีฟอร์ม
- เรื่องใดเรื่องหนึ่งสามารถมีองค์ประกอบของสถานที่ให้ severalt
- รายละเอียดของวัตถุหนึ่งสามารถของอาสาสมัครอีกหลายรังเช่น
ทางเลือกที่ใช้ XML ไวยากรณ์สำหรับคุณสมบัติ
- ตัวอักษรสามารถใช้ในแอททริบิ XML-
- ชื่อคุณสมบัติจะเป็นสถานที่ให้บริการ URIs
- URI วัตถุจะแล้ว RDF: แอตทริบิวต์ทรัพยากรภายในแท็กสถานที่ให้บริการ
<rdf:Description rdf:about="http://dbpedia.org/resource/Leipzig" dbp:name="Leipzig"> <geo:lat rdf:datatype="float">51.3333</geo:lat> <geo:long rdf:datatype="float">12.3833</geo:long> </rdf:Description>
XML-ไวยากรณ์ URIs ฐาน
- การตรวจหาญาติ URIs ไป URI ฐานผ่าน absense ของส่วนคี
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xml:base="http://dbpedia.org/resource/" > <rdf:Description rdf:about="Berlin"> <property:country rdf:resource="Germany" /> </rdf:Description </rdf:RDF>
ข้อดีและข้อเสียของ XML / RDF
- ข้อดี:
- การสนับสนุนเครื่องมือที่ดี
- นำมาใช้ใหม่ของเครื่องมือการเปลี่ยนแปลงผ่านทาง XSLT
- แทนการแยกและในหน่วยความจำผ่านทาง DOM / แซ็กโซโฟน
- ข้อเสีย:
- ยาวมากและยากที่จะอ่าน
ไวยากรณ์ RDFa
- RDFa = RDF ในคุณสมบัติ
- การพัฒนาเพื่อฝัง RDF ใน XHTML
- อเนกประสงค์ฝังตัวสามารถสกัด
- การเข้ารหัสผ่าน UTF-8 และ UTF-16
- การใช้งานของส่วนขยายที่เข้ารหัสใน XML ตาม XHTML
- IRIS สามารถใช้ <? รุ่น XML = เข้ารหัส "1.0" = "UTF-8">
- RDFa microformats = ทำถูกต้อง ;-)
แรงจูงใจ

ด้านซ้ายให้เบราว์เซอร์เห็นอะไร ทางด้านขวามือมนุษย์เห็นอะไร เราสามารถเชื่อมโยงช่องว่างเพื่อให้เบราว์เซอร์ดูรายละเอียดของสิ่งที่เราเห็น?
Curies
สัญกรณ์ระยะสั้นสำหรับยูริส (ขนาดกะทัดรัดยูริ)
curie := [ [ prefix ] ':' ] reference prefix := NCName reference := irelative-ref (as defined in [IRI]) safe_curie := '[' curie ']'
RDFa ต้องใช้บริบทข้อมูลต่อไปนี้:
- ชุดของแมปจากคำนำหน้าไปยังยูริที่มีให้โดยในปัจจุบันขอบเขตการประกาศคำนำหน้าของ [องค์ประกอบปัจจุบัน] ในระหว่างการแยก;
- การทำแผนที่ที่จะใช้กับคำนำหน้าเริ่มต้นเป็นค่าเริ่มต้นการทำแผนที่ในปัจจุบันคำนำหน้า;
- การทำแผนที่ที่จะใช้เมื่อมีคำนำหน้าไม่มีไม่ได้กำหนดไว้อย่างมีประสิทธิภาพซึ่งห้ามไม่ให้มีการใช้ Curies ที่ไม่ประกอบด้วยลำไส้ใหญ่;
- การทำแผนที่ที่จะใช้กับคำนำหน้า '_' ไม่ได้ระบุไว้อย่างชัดเจน แต่เนื่องจากมันถูกใช้เพื่อสร้าง [bnode] s, การดำเนินงานที่จะต้องเข้ากันได้กับคำนิยาม RDF
คุณสมบัติ RDFa
คุณสมบัติ XHTML ที่เกี่ยวข้อง:
- @ rel ช่องว่างคั่นรายการของ Curies ที่ใช้สำหรับการแสดงความสัมพันธ์ระหว่างสองทรัพยากร ('เพ' ในคำศัพท์ RDF);
- @ รอบช่องว่างคั่นรายการของ Curies ที่ใช้สำหรับการแสดงความสัมพันธ์ระหว่างสองย้อนกลับทรัพยากร (เช่น 'เพ');
- เนื้อหา @ สตริงสำหรับการจัดหาเนื้อหาเครื่องอ่านสำหรับอักษร ('วัตถุตัวอักษรธรรมดา' ในคำศัพท์ RDF);
- @ href URI สำหรับการแสดงทรัพยากรหุ้นส่วนของความสัมพันธ์ ('วัตถุทรัพยากร' ในคำศัพท์ RDF);
- @ src URI สำหรับการแสดงทรัพยากรหุ้นส่วนของความสัมพันธ์เมื่อทรัพยากรที่จะถูกฝังอยู่ (เช่น 'วัตถุทรัพยากร')
ใหม่ RDFa คุณลักษณะที่เฉพาะเจาะจง:
- @ URIorSafeCURIE เกี่ยวกับที่ใช้สำหรับการระบุว่าข้อมูลใดที่เป็นเรื่องเกี่ยวกับ ('เรื่อง' ในคำศัพท์ RDF);
- @ สถานที่ให้บริการช่องว่างคั่นรายการของ Curies ที่ใช้สำหรับการแสดงความสัมพันธ์ระหว่างเรื่องและบางข้อความตัวอักษร (เช่น 'กริยา');
- @ ทรัพยากร URIorSafeCURIE สำหรับการแสดงทรัพยากรหุ้นส่วนของความสัมพันธ์ที่ไม่ได้ตั้งใจจะให้เป็น 'คลิก' (เช่น 'วัตถุ');
- @ ประเภทข้อมูลกัมมันตภาพรังสีที่เป็นตัวแทนของประเภทข้อมูลที่จะแสดงประเภทข้อมูลของตัวอักษร;
- @ typeof ช่องว่างคั่นรายการของ Curies ที่บ่งชี้ประเภท RDF (s) ที่จะเชื่อมโยงกับเรื่อง
ตัวอย่าง RDFa
Lite RDFa
- คำแนะนำของ W3C
- ชุดย่อยที่น้อยที่สุดของ RDFa ประกอบด้วยไม่กี่ลักษณะ
- คล้ายกับ Microdata ( http://www.w3.org/TR/microdata/ )
- ตัวอย่าง:
ข้อดีและข้อเสียของการ RDFa
- ข้อดี
- การจัดการแบบบูรณาการของมนุษย์ (HTML) และเครื่องแทน (RDF)
- Re: ใช้จำนวนของคุณสมบัติ HTML
- "หลักการของการเมตาดาต้าที่ทำงานร่วมกัน" มีผลบังคับใช้โดย RDFa:
- อิสรภาพ Publisher - เว็บไซต์ทุกคนสามารถใช้เป็นตัวแทนของตัวเอง
- ข้อมูลการใช้ซ้ำ - ข้อมูลจะไม่ซ้ำ แยกส่วน XML และ HTML ที่ไม่จำเป็นอีกต่อไปสำหรับเนื้อหาเดียวกัน
- บรรจุด้วยตนเอง - HTML และ RDF จะถูกแยกออก
- Modularity คี - คุณสมบัติเป็น reuseable
- Evolvability - เขตข้อมูลเพิ่มเติมที่สามารถเพิ่มและการแปลง XML สามารถแยกความหมายของข้อมูลจากไฟล์ XHTML
- ข้อเสีย
- ตั้งแต่ RDFa เป็น embeded ใน XHTML มันสร้างค่าใช้จ่ายมากขึ้นกว่า XML
- ในการอ่านค่าที่ต่ำกว่ากับเต่า
RDF / JSON
- JSON = JavaScript Object สัญลักษณ์
- JSON_Dokument ที่ถูกต้องคือถูกต้อง JavaScript (JS) และจะถูกตีความผ่าน () Eval
- JSON เป็นโปรแกรม dependend ภาษาสำหรับภาษาที่ใช้มากที่สุดอยู่ parser ที่แตกต่างกัน
- ทีมงานกำลังทำงานอยู่ในความหมายของไวยากรณ์ http://www.w3.org/blog/SW/2011/09/13/the-state-of-rdf-and-json/
ไวยากรณ์ RDF / JSON
- RDF / JSON มีเรื่องแบบ S, P กริยาวัตถุ O
{ "S" : { "P" : [ O ] } }
- ประเภท: จะต้องมี URI โหนดตัวอักษรหรือเปล่าและจะต้องมีการเขียนในกรณีที่ต่ำกว่า
- ค่าอธิบายข้อมูลของวัตถุ
- การปฏิบัติที่ดีที่สุด: Render URI ทั้ง
- หลังสวน: ภาษาของตัวอักษร ตัวเลือก แต่ถ้ามันมีอยู่แล้วก็อาจจะไม่ว่างเปล่า
- ชนิดข้อมูลของวัตถุตัวเลือก: ประเภทข้อมูล
ข้อดีและข้อเสียของ RDF / JSON
- ข้อดี:
- รูปแบบข้อมูลที่มีขนาดกะทัดรัดในการแลกเปลี่ยนข้อมูลระหว่างโปรแกรมประยุกต์
- การสนับสนุนเครื่องมือที่ดีมาก (เกือบทุกภาษาโปรแกรมสนับสนุน JSON)
- ค่าใช้จ่ายน้อยลงในขณะการแยกและการทำให้กว่า XML
- ข้อเสีย
- ไม่ง่ายที่จะอ่านสำหรับมนุษย์
JSON / LD
- J Ava S cript otation O bject ยังไม่มีหมึกสำหรับ L D ATA
- ตัวอย่าง:
{ "@context": "http://json-ld.org/contexts/person.jsonld", "@id": "http://dbpedia.org/resource/John_Lennon", "name": "John Lennon", "born": "1940-10-09", "spouse": "http://dbpedia.org/resource/Cynthia_Lennon" }
- บริบท @ บอกโปรเซสเซอร์ที่ทราบข้อมูลที่เชื่อมโยงเกี่ยวกับวิธีการตีความ JSON LD
- @ เชื่อมโยงบริบทข้อมูลต่อไปนี้แนวคิดในลำดับชั้น
- ในตัวอย่างนี้เพื่ออภิปรัชญา person.jsonld
- วิธีการที่องค์กรเป็นศูนย์กลางช่วยให้นักพัฒนาเพื่อเพิ่มมรดก JSON ที่มีความหมายได้อย่างง่ายดาย
- JSON / LD ยังเป็นมนุษย์ที่สามารถอ่านได้เช่น RDF / JSON แต่ลูกค้าเครื่องสามารถเข้าใจว่าตอนนี้มันเป็นเรื่องเกี่ยวกับบุคคลและไม่เพียงแค่ข้อมูล
เป็นอันดับ IRI (1/2)
- ม่านตามีลักษณะทั่วไป URI ที่ช่วยให้ตัวอักษร Unicode
- ที่กำหนดไว้ใน RFC 3987
- เฉพาะรูปแบบต่อไปนี้เป็นอย่างเข้ากันได้กับ RFC IRI
- RDFa
- Notation3
- RDF / JSON
- NTriples & NQuads ไม่สนับสนุน Iris
- ใช้ทั้ง 7 บิตการเข้ารหัสอักขระ ASCII สหรัฐอเมริกา
- ตัวละคร http://www.w3.org/TR/rdf-testcases/ #
เป็นอันดับ IRI (2/2)
- RDF / XML & เต่าให้การสนับสนุนบางส่วน IRI
- ไวยากรณ์ของพวกเขาจะไม่ได้รับการแมปอย่างเต็มที่เพื่อไวยากรณ์ IRI
- ในภาค RDF / XML จะต้องประกาศเป็นองค์ประกอบ XML
- ข้อกำหนด XML มีข้อ จำกัด หลายตัวละครที่ได้รับอนุญาต
- http://www.w3.org/TR/REC-xml/ # NT-Name
- เต่าเป็นอย่างเข้ากันได้เฉพาะเมื่อใช้แน่นอน Iris
- ตัวย่อที่มีข้อ จำกัด ที่มีผลต่อทั้งไอริสและยูริ
- http://www.w3.org/TeamSubmission/turtle/ ทรัพยากร #
ไวยากรณ์และการใช้งานของชนิดข้อมูล
- ความแตกต่างระหว่างโดเมนศัพท์และมูลค่า
- คำศัพท์: "3.14", "+04,1300", "-2,5"
- มูลค่า: 3.14, 4.13, -2.5
- ตัวอักษร untyped ได้รับการรักษาเช่นลำดับถ่าน
- "02" <"100" <"11" <"2"
- พิมพ์ดีดช่วยให้การจัดการค่า 'ความหมาย'
- ชนิดของข้อมูลที่จะได้รับการระบุโดยยูริ
- ข้อมูลป้าย Infact ประเภทมีอิสระ choosable
- มักจะเป็นหนึ่งใช้ชนิดข้อมูลที่ใช้ XML Schema (XSD)
- ไวยากรณ์: "VALUE" ^ ^ ข้อมูลชนิด URI
ตัวอย่างสำหรับการใช้งานประเภทข้อมูล
เต่า:@prefix dbr: <http://dbpedia.org/resource/> . @prefix geo: <http://www.w3.org/2003/01/geo/wgs84_pos#>. @prefix xsd: <http://www.w3.org/2001/XMLSchema#> . dbr:Leipzig geo:lat "51.333332"^^xsd:float , geo:long "12.383333"^^xsd:float .XML:
<?xml version="1.0"?> <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:geo="http://www.w3.org/2003/01/geo/wgs84_pos#"> <rdf:Description rdf:about="http://dbpedia.org/resource/Leipzig"> <geo:lat rdf:datatype="http://www.w3.org/2001/XMLSchema#float">51.33 </geo:lat> <geo:long rdf:datatype="http://www.w3.org/2001/XMLSchema#float">12.38 </geo:long></rdf:Description>
ชนิดของข้อมูลที่กำหนดไว้ล่วงหน้า
- RDF: XML สำหรับตัวอักษรเป็นเพียงชนิดข้อมูลที่กำหนดไว้ล่วงหน้า
- ใช้สำหรับชิ้นส่วน XML พล แต่มีความสมดุล
<rdf:Description rdf:about="http://example.org/SemanticWeb"> <ex:Titel rdf:parseType="Literal"> <b>Semantic Web</b> <br /> Grundlagen </ex:Titel> </rdf:Description>
คำจำกัดความของภาษา
ข้อมูลภาษาที่มีอิทธิพลต่อตัวอักษร untyped เพียง
<rdf:Description rdf:about="http://dbpedia.org/resource/Leipzig"> <rdfs:label xml:lang="de">Leipzig</rdfs:label> <rdfs:label xml:lang="ru">Лейпциг</rdfs:label> </rdf:Description>เต่า:
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> . http://dbpedia.org/resource/Leipzig rdfs:label "Leipzig"@de , rdfs:label "Лейпциг"@ru .ตามที่ RDF-Specification ตัวอักษรต่อไปนี้เป็นที่แตกต่างกัน แต่มักจะดำเนินการคล้ายกัน!
@prefix xsd: <http://www.w3.org/2001/XMLSchema#> . @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> . @prefix dbr: <http://dbpedia.org/resource/> . dbr:Leipzig rdfs:label "Leipzig" , "Leipzig"@de , "Leipzig"^^xsd:string .
โครงการมินิ
- คิดอภิปรัชญาน้อยว่าสิ่งที่รูปแบบจากของคุณทุกวันมีชีวิตอยู่
- มันจะต้องมีอย่างน้อย 5 ทรัพยากรจากสองจีส์ที่แตกต่างกันและ 3 ตัวอักษร
- เขียนมันลงใน:
- RDF / XML
- JSON
- เต่า
- N3 และไม่ใช้ตัวย่อ
- Meassure จำนวนอักขระที่คุณต้องการโดยไม่ต้องช่องว่าง
- พยายามที่จะบีบอัดอภิปรัชญาของคุณเท่าที่คุณสามารถและบอกเราเกี่ยวกับปัจจัยการบีบอัดของคุณ
อ้างอิง
มาตรฐานใหม่ตั้งแต่กรกฎาคม 2013:

กองข้อมูลที่เชื่อมโยง - RDF-S
เป้าหมาย
- เข้าใจที่ usecases RDF-Schema มีความเหมาะสม
- ทำความเข้าใจเกี่ยวกับความหมายของ RDF-Schema
- จะสามารถอ่าน RDF-Schema
- จะสามารถสร้างของคุณเอง RDF-Schema
- จะสามารถอ่าน RDF-Schema
- รู้ข้อ จำกัด ของ
เงื่อนไข
- ความรู้พื้นฐานของสแต็ค RDF
- รู้รูปแบบ RDF ข้อมูล
RDF-Schema คืออะไร?
เราสามารถใช้ RDF อเนกประสงค์ที่จะแสดงข้อเท็จจริงที่ต้องการ:
ex:AlbertEinstein ex:discovered ex:TheoryOfRelativity .
แต่วิธีการที่เราสามารถปรับแต่งการดังกล่าวเป็นจริงหรือไม่
- วิธีที่เราสามารถกำหนดว่าอดีตกริยา: ค้นพบมีบุคคลที่เป็นเรื่องและทฤษฎีเป็นวัตถุ?
- วิธีที่เราสามารถแสดงว่ามีอัลเบิร์ Einstein เป็นนักวิจัยและนักวิจัยที่ทุกคนเป็นมนุษย์?
ความรู้ดังกล่าวเรียกว่าคีความรู้หรือความรู้ศัพท์
RDF-Schema ทำให้เรามีความเป็นไปได้ในการจำลองความรู้ดังกล่าว
RDF-Schema
- เป็นส่วนหนึ่งของ W3C คำแนะนำ RDF
- ใช้สำหรับคี / ความรู้ศัพท์
- ตัวเองเป็น RDF ด้วยกับคำศัพท์ที่กำหนดไว้ล่วงหน้า (ทุกเอกสาร RDF-Schema เป็นเอกสาร RDF)
- คำศัพท์ที่เป็นชื่อสามัญ (ไม่ผูกพันกับพื้นที่การใช้งานที่เฉพาะเจาะจง)
- ช่วยให้การระบุความหมายของผู้ใช้กำหนดคำศัพท์ที่ RDF
Namespace ของ RDF-Schema คือ
xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#"
ชั้นเรียน
Class A คือชุดของสิ่ง (หรือหน่วยงาน) ใน RDF สิ่งเหล่านี้จะมีการระบุโดยยูริ
สมาชิกของหน่วยการเรียนที่ถูกกำหนดให้ใช้ RDF: คุณสมบัติประเภท
ความจริงที่ว่าอดีต: VWGolf เป็นสมาชิก / ตัวอย่างของอดีตชั้น: รถยนต์สามารถแสดง:
ex:VWGolf rdf:type ex:Car .
URI สามารถเป็นสมาชิกในหลายชั้นเรียน
ex:VWGolf rdf:type ex:Car .ex:VWGolf rdf:type ex:GermanProduct .
ลำดับชั้นของชั้นเรียน
ชั้นเรียนสามารถจัดในลำดับชั้นโดยใช้ rdfs: คุณสมบัติ subClassOf
อดีตแต่ละรถเป็นอดีต: MotorVehicle
ex:Car rdfs:subClassOf ex:MotorVehicle .
ความรู้โดยนัย
การใช้คำนิยามคีมาเราสามารถที่จะระบุความรู้โดยปริยาย
ex:VWGolf rdf:type ex:Car .ex:Car rdfs:subClassOf ex:MotorVehicle .
โดยปริยายมีคำสั่งต่อไปนี้เป็นเหตุผลสำคัญ
ex:VWGolf rdf:type ex:MotorVehicle .
ความรู้โดยนัย
งบ
ex:Car rdfs:subClassOf ex:MotorVehicle .ex:MotorVehicle rdfs:subClassOf ex:Vehicle .
โดยปริยายมีคำสั่งต่อไปนี้เป็นเหตุผลสำคัญ
ex:Car rdfs:subClassOf ex:Vehicle .
เราจะเห็นว่า rdfs: subClassOf เป็นสกรรมกริยา
การกำหนดชั้นเรียนของตนเอง
URI denoting ชั้นเรียนทุกคนเป็นตัวอย่างของ rdfs: คลาส สำหรับการกำหนดชั้นเรียนของตนเองเราต้องเขียน:
ex:Car rdf:type rdfs:Class .
ซึ่งทำให้ rdfs: คลาสตัวเองตัวอย่างของ rdfs: คลาส
rdfs:Class rdf:type rdfs:Class .
สมดุลของชั้นเรียน
เพื่อแสดงออกถึงความเท่าเทียมกันของทั้งสองเรียนที่เราสามารถใช้
ex:Car rdfs:subClassOf ex:Automobile .ex:Automobile rdfs:subClassOf ex:Car .
ซึ่งนำไปสู่คำสั่ง
ex:Car rdfs:subClassOf ex:Car .
เราจะเห็นว่า rdfs: subClassOf สะท้อน
ชั้นเรียน RDF-S ที่กำหนดไว้ล่วงหน้า
ประเภท: มีหลายชั้นเรียนที่กำหนดไว้ล่วงหน้าอื่น ๆ แล้ว rdfs คือ:
- rdfs: ทรัพยากรเป็นชั้นของยูริสทั้งหมด
- RDF: Property เป็นชั้นของคุณสมบัติทั้งหมด
- rdfs: ประเภทข้อมูลเป็นชั้นของประเภทข้อมูลทั้งหมด
(ตัวอย่างของชั้นนี้ทุกคนเป็นประเภทรองของ rdfs:. อักษร)
- rdfs: ตัวอักษรเป็นชั้นของค่าที่แท้จริงเช่นสตริงหรือจำนวนเต็ม
(ถ้าเช่นตัวอักษรที่พิมพ์เช่นของ rdfs:. ประเภทข้อมูล)
- RDF: XMLLiteral เป็นชั้นของค่าตัวอักษร XML ประเภทรองของ rdfs: ตัวอักษรและตัวอย่างของ rdfs: ประเภทข้อมูล
- RDF: คำชี้แจงเป็นชั้นเรียนของงบ RDF ทุก RDF สามดังนั้นสามารถมองเห็นเป็นตัวอย่างของการเรียนด้วย RDF นี้: เรื่อง RDF: คำกริยาและ RDF: คุณสมบัติวัตถุ
- rdfs: คอนเทนเนอร์เป็นซุปเปอร์คลาสของ RDF เรียนคอนเทนเนอร์
(เช่น RDF: กระเป๋า, RDF: Seq, RDF: Alt)
การกำหนดคุณสมบัติของตัวเอง
ในฐานะที่เราสามารถกำหนดชั้นเรียนเราสามารถกำหนดคุณสมบัติใหม่
สำหรับการแสดงให้เห็นว่ามีคุณสมบัติใหม่ที่เรากำหนดเป็นตัวอย่างของการเรียนสถานที่ให้บริการ
ex:drives rdf:type rdf:Property .
มีคุณสมบัติใหม่นี้เราสามารถแสดงว่ามีแม็กซ์ไดรฟ์กอล์ฟ
ex:Max ex:drives ex:VWGolf .
ลำดับชั้นของคุณสมบัติ
การใช้ rdfs: คุณสมบัติ subPropertyOf เราสามารถกำหนดลำดับชั้นของคุณสมบัติ
ex:drives rdfs:subPropertyOf ex:controls .
กับคำสั่งอดีต
ex:Max ex:drives ex:VWGolf .
เราสามารถสรุปได้ว่า
ex:Max ex:controls ex:VWGolf .
ข้อ จำกัด ของสถานที่ให้บริการ
RDF-Schema ทำให้เรามีความเป็นไปได้ที่จะแสดงข้อ จำกัด สำหรับทรัพย์สินใหม่ของเรา สถานที่ให้บริการทุกคนมีโดเมนและช่วงที่ระบุว่าเรื่องเรียนหรือวัตถุต้องมี
ex:Max ex:drives ex:VWGolf .|Domain| | Range |
การใช้คุณสมบัติ rdfs: โดเมนและ rdfs: ช่วงเราสามารถกำหนดโดเมนและช่วงของทรัพย์สิน
ex:drives rdfs:domain ex:Person .ex:drives rdfs:range ex:Vehicle .
เดียวกันสามารถทำได้สำหรับประเภทข้อมูล
ex:hasAge rdfs:range xsd:nonNegativeInteger .
งบช่วงหลาย
งบ
ex:drives rdfs:range ex:Car .ex:drives rdfs:range ex:Ship .
หมายความว่าช่วงของอดีต: ไดรฟ์ที่จะต้องมีทั้งสอง - อดีตรถยนต์และอดีต: เรือ!
ถ้าคุณต้องการที่จะแสดงว่าวัตถุทรัพย์สินจะต้องมีหนึ่งในสองชั้นเรียนการแสดงออกที่ดีกว่าจะ
ex:Car rdfs:subClassOf ex:Vehicle .ex:Ship rdfs:subClassOf ex:Vehicle .ex:drives rdfs:range ex:Vehicle .
ความรู้โดยนัย
ถ้าเราใช้คุณสมบัติโดเมนและช่วงที่เราจะต้องดูแลว่านี้อาจมีผลกระทบบาง unintendent
คี
ex:isMarriedTo rdfs:domain ex:Person .ex:isMarriedTo rdfs:range ex:Person .ex:instituteAKSW rdf:type ex:Institution .
และคำสั่งเพิ่มเติม
ex:Max ex:isMarriedTo ex:instituteAKSW .
นำไปสู่เหตุผลสำคัญ
ex:instituteAKSW rdf:type ex:Person .
ข้อสรุปที่ผิดพลาด
บางคนอาจจะสับสนเกี่ยวกับการรวมกันของการระบุข้อ จำกัด ของสถานที่และลำดับชั้นของการเรียน ดังนั้นเราจึงต้องการดูตัวอย่าง:
ex:drives rdfs:range ex:Car .ex:Car rdfs:subClassOf ex:Vehicle .
สองคนนี้อเนกประสงค์ไม่ได้นำมาซึ่งความสัมพันธ์ดังต่อไปนี้
ex:drives rdfs:range ex:Vehicle .
ชั้นคอนเทนเนอร์
RDF-Schema กำหนด rdfs: ชั้นคอนเทนเนอร์ซึ่งเป็น superclass สำหรับภาชนะบรรจุที่กำหนดโดย RDF:
- RDF: Seq
- RDF: กระเป๋า
- RDF: Alt
สมาชิกคอนเทนเนอร์
RDF-Schema กำหนดชั้นเรียนใหม่สำหรับการทำงานกับภาชนะบรรจุ:
- rdfs: ชั้น ContainerMembershipProperty ที่มีคุณสมบัติทั้งหมดที่ใช้ในการระบุว่าทรัพยากรที่เป็นสมาชิกคนหนึ่งของภาชนะบรรจุ (เช่น RDF: _1, RDF: _2, ... )
- rdfs: Property สมาชิก superproperty สำหรับคุณสมบัติทั้งหมดของทุกคุณสมบัติสมาชิกคอนเทนเนอร์
(ดังนั้นทุกกรณีของ rdfs: ContainerMembershipProperty เป็น rdfs: rdfs subPropertyOf: Property สมาชิก)
การทำให้เป็นจริง
วิธีที่เราสามารถระบุใน RDF
"นักสืบซึมที่บัตเลอร์ฆ่าชาวสวน." ?
ex:Detective ex:supposes "The butler killed the gardener" .ex:Detective ex:supposes ex:theButlerKilledTheGardener .
ทั้งสองวิธีเป็นที่น่าพอใจ สิ่งที่เราต้องการจะพูดคุยเกี่ยวกับการเป็นที่สาม
ex:Butler ex:killed ex:Gardener .
ตัวเอง
การทำให้เป็นจริง
ด้วย rdfs ชั้นเรียน: คำชี้แจง RDF-Schema ให้เป็นไปได้ของการทำให้เป็นจริง มันมีคุณสมบัติดังต่อไปนี้
- rdfs: เรื่องการกำหนด RDF: ทรัพยากรซึ่งเป็นเรื่องของคำสั่ง
- rdfs: คำกริยากำหนด RDF: Property ซึ่งเป็นคำกริยาของคำสั่ง
- rdfs: วัตถุกำหนด RDF: ทรัพยากรซึ่งเป็นวัตถุของคำสั่ง
การใช้การทำให้เป็นจริงเราจะเห็น RDF สามเป็นทรัพยากรและกำหนดข้อเท็จจริงเกี่ยวกับมัน (เช่นว่าทฤษฎีไม่ได้รับการพิสูจน์แล้ว)
ex:Detective ex:supposes _:theory ._:theory rdf:type rdfs:Statement ._:theory rdf:subject ex:Butler ._:theory rdf:predicate ex:hasKilled ._:theory rdf:object ex:Gardener ._:theory ex:hasState "unproven" .
โปรดสังเกตว่าข้อความต่อไปนี้ไม่ได้เป็นผลมาจากตรรกะนี้:
ex:Butler ex:killed ex:Gardener .
การทำให้เป็นจริง
ข้อมูลเสริม
RDF-Schema ให้เป็นไปได้ที่จะเพิ่มข้อมูลเพิ่มเติมไปยังแหล่งข้อมูลโดยใช้คุณสมบัติดังต่อไปนี้:
- rdfs: ฉลากสามารถนำมาใช้เพื่อให้ชื่ออ่านมนุษย์สำหรับทรัพยากร
- rdfs: ความคิดเห็นสำหรับการเพิ่มความคิดเห็นหรือคำอธิบายยาว
- rdfs: จุด seeAlso ไปที่ URI ข้อมูลเพิ่มเติมเกี่ยวกับทรัพยากรที่สามารถพบได้
- rdfs: จุด isDefinedBy เพื่อ URI ที่ทรัพยากรถูกกำหนด
(rdfs: isDefineBy เป็นอักษรของ rdfs: seeAlso)
ex:VWGolf rdfs:label "VW Golf" .ex:VWGolf rdfs:comment "The VW Golf is a popular german car..." .ex:VWGolf rdfs:seeAlso wikipedia:Vw_golf .ex:VWGolf rdfs:isDefinedBy ex2:Vw_golf .
ประโยชน์ของการใช้คุณสมบัติเหล่านี้คือข้อมูลเพิ่มเติมจะแสดงเป็น RDF เกินไป
กำหนดกรดและฐาน
เราต้องการที่จะใช้ระบบซึ่งควรจะสามารถคำนวณจำนวนเงินที่จำเป็นของกรดหรือฐานที่จะต่อต้านการแก้ปัญหาที่กำหนด
ดังนั้นระบบของเรามีการจัดการข้อมูลเกี่ยวกับกรดและเบส สำหรับข้อมูลนี้เรากำหนดสคีมาของคุณเองสำหรับข้อมูลของเรา
เราเริ่มต้นด้วยการกำหนดกรดและฐานเป็นชั้นเรียนของตัวเอง
ex:Acid rdf:type rdfs:Class .ex:Base rdf:type rdfs:Class .
ทั้งสองสามารถอธิบายได้ว่าเป็นสารประกอบทางเคมี ดังนั้นเราจึงกำหนดนี้เป็นชั้นของตัวเองและอีกสอง subclasses ของมัน
ex:ChemicalCompound rdf:type rdfs:Class .ex:Acid rdfs:subClassOf ex:ChemicalCompound .ex:Base rdfs:subClassOf ex:ChemicalCompound .
กำหนดบางกรณี
หลังจากนั้นเราสามารถที่จะเพิ่มกรดบางและฐาน ตัวอย่างเช่น:
- ไฮโดรเจนคลอไรด์ (อดีต: HCl)
- กรดฟอสฟอริก (อดีต: H3PO4)
- โซเดียมไฮดรอก (อดีต: NaOH) และ
- ไฮดรอกไซแคลเซียม (เช่น: Ca_OH2)
ex:HCl rdf:type ex:Acid .ex:H3PO4 rdf:type ex:Acid .ex:NaOH rdf:type ex:Base .ex:Ca_OH2 rdf:type ex:Base .
ผลกลาง
รูปภาพแสดงให้เห็นถึงสิ่งที่เราได้ทำเพื่อให้ห่างไกล
เพิ่มมวลโมเลกุล
หลังจากที่สร้างการเรียนเราต้องการที่จะเพิ่มคุณสมบัติทางเคมีโดยทั่วไปเช่นเดียวกับมวลโมเลกุล ตอนแรกเรากำหนดเป็นสถานที่ให้บริการ
ex:hasMolarMass rdf:type rdfs:Property .
สารเคมีทุกคนสามารถมีข้อมูลเกี่ยวกับมวลโมเลกุลของ
ex:hasMolarMass rdfs:domain ex:ChemicalCompound .
มวลโมเลกุลตัวเองจะได้รับการกำหนดให้เป็นประเภทข้อมูลของตัวเองด้วยข้อมูลเพิ่มเติมบางอย่าง แต่สำหรับตัวอย่างเล็ก ๆ ของเราที่เราต้องการที่จะใช้ง่ายประเภทข้อมูลจุดที่มีอยู่ลอย ดังนั้นช่วงของอดีต: คุณสมบัติ hasMolarMass คือ
ex:hasMolarMass rdfs:range xsd:float .
หลังจากการกำหนดสถานที่ให้บริการที่เราสามารถใช้งานได้:
ex:NaOH ex:hasMolarMass "39.9971" .
เพิ่มคุณสมบัติเพิ่มเติม
เป็นความแตกต่างทั่วไประหว่างกรดและฐานที่เราต้องการที่จะกำหนดว่ากรดสามารถบริจาคโปรตอนและฐานสามารถยอมรับโปรตอน ดังนั้นเราจึงต้องการที่จะกำหนดสองคุณสมบัติที่เราสามารถเก็บได้หลายวิธีที่โปรตอนสามารถเป็นที่ยอมรับหรือบริจาค
ex:canDonateProtons rdf:type rdfs:Property .ex:canDonateProtons rdfs:domain ex:Acid .ex:canDonateProtons rdfs:range xsd:integer .ex:canAcceptProtons rdf:type rdfs:Property .ex:canAcceptProtons rdfs:domain ex:Base .ex:canAcceptProtons rdfs:range xsd:integer .
การใช้คุณสมบัติเหล่านี้ใหม่ที่เราสามารถแยกกรดและเบสโดยมีความแข็งแรง (นั่นหมายความว่าจากจำนวนโปรตอนพวกเขาบริจาคหรือยอมรับ)
ex:HCl ex:canDonateProtons "1" .ex:H3PO4 ex:canDonateProtons "3" .ex:NaOH ex:canAcceptProtons "1" .ex:Ca_OH2 ex:canAcceptProtons "2" .
กำหนดวิธีการแก้ปัญหา
โปรแกรมของเรามีการทำงานด้วยโซลูชั่นที่มีปริมาณที่แตกต่างกันของสารเคมี ดังนั้นเราจึงมีการกำหนดอดีตชั้น: โซลูชั่นและทรัพย์สินอธิบายมวลของมัน
ex:Solution rdf:type rdfs:Class .ex:hasMass rdf:type rdfs:Property .ex:hasMass rdfs:domain ex:Solution .ex:hasMass rdfs:range xsd:float .
กำหนดส่วนผสม
โปรแกรมของเรามีการทำงานด้วยโซลูชั่นที่มีปริมาณที่แตกต่างกันของสารเคมี แต่คุณสมบัติเดียวซึ่งอธิบายว่าสารเคมีที่อยู่ภายในการแก้ปัญหาไม่ได้เป็นที่แสดงออกพอเพราะเราต้องยังเป็นไปได้ที่จะให้ข้อมูลเกี่ยวกับปริมาณของสารนี้
ดังนั้นเราจึงมีการกำหนดอดีตชั้น: ส่วนผสมและทรัพย์สินสำหรับการอธิบายจำนวนเงินในอัตราร้อยละ
ex:Ingredient rdf:type rdf:Class .ex:hasAmount rdf:type rdfs:Property .ex:hasAmount rdfs:domain ex:Ingredient .ex:hasAmount rdfs:range xsd:float .
นอกจากนี้ชั้นนี้ต้องมีสองคุณสมบัติที่จะเชื่อมต่อไปยังอดีต: โซลูชั่นและอดีต: ChemicalCompound
ex:isPartOf rdf:type rdfs:Property .ex:isPartOf rdfs:domain ex:Ingredient .ex:isPartOf rdfs:range ex:Solution .ex:contains rdf:type rdfs:Property .ex:contains rdfs:domain ex:Ingredient .ex:contains rdfs:range ex:ChemicalCompound .
ใช้คี
ตอนนี้คีขนาดเล็กของเราสามารถที่จะแสดงข้อมูลที่โปรแกรมต้องการที่จะแก้ปัญหางานทั่วไปต่อไปนี้ในเคมีทั้งหมด:
คุณมี 100g ของการแก้ปัญหาซึ่งประกอบด้วยกรดฟอสฟอริก 20% คุณเท่าใดของการแก้ปัญหา 10% โซเดียมไฮดรอกไซจำเป็นที่จะต้องต่อต้านการแก้ปัญหานี้?
เราสามารถเริ่มต้นโดยการใส่ข้อมูลที่มีอยู่ภายในคำอธิบายของงานเป็นฐานความรู้ของเรา (ซึ่งอาศัยอยู่กับสคีมาของเรา):
ex:GivenSolution rdf:type ex:Solution .ex:GivenSolution ex:hasMass "100" .ex:PhosAcidIng20Perc rdf:type ex:Ingredient .ex:PhosAcidIng20Perc ex:hasAmount "20" .ex:PhosAcidIng20Perc ex:contains ex:H3PO4 .ex:PhosAcidIng20Perc ex:isPartOf ex:GivenSolution .ex:SearchedSolution rdf:type ex:Solution .ex:SodiumHyIng10Perc rdf:type ex:Ingredient .ex:SodiumHyIng10Perc ex:hasAmount "10" .ex:SodiumHyIng10Perc ex:contains ex:NaOH .ex:SodiumHyIng10Perc ex:isPartOf ex:SearchedSolution .
ใช้คี
โปรแกรมสามารถสอบถามข้อมูลที่จำเป็นต่อไปนี้จากฐานความรู้ของเรา:
ex:H3PO4 ex:hasMolarMass "97.995" .ex:H3PO4 ex:canDonateProtons "3" .ex:NaOH ex:hasMolarMass "39.9971" .ex:NaOH ex:canAcceptProtons "1" .
อาศัยข้อมูลที่เป็นแบบอย่างการใช้สคีมาของเราเองโปรแกรมเหล่านี้ easely สามารถคำนวณผลสำหรับงานที่กำหนด:
เราจำเป็นต้องมี 244.9g ของสารละลายโซเดียมไฮดรอกไซค์สำหรับ neutralizing ฟอสฟอรัสโซลูชั่นที่ได้รับกรด
RDF และ RDF-Schema
RDF-RDF Schema เป็นพิเศษกับคำศัพท์สำหรับความรู้ศัพท์
ภาพแสดงชนิดที่แตกต่างของความรู้และการใช้งานที่แตกต่างกันของ RDF-Schema และ "ปกติ" RDF
ข้อ จำกัด ของ RDF-S
RDF-Schema สามารถนำมาใช้เป็นภาษา lightwight สำหรับการกำหนดคำศัพท์ของเอกสาร RDF หรือของอภิปรัชญา
อย่างไรก็ตาม RDF-Schema มีข้อ จำกัด บางประการเกี่ยวกับความเป็นไปได้ของการกำหนดสคีมาของอภิปรัชญา
หายไป expressivity
RDF-Schema ไม่ได้มีความเป็นไปได้ที่จะทำให้นิพจน์ต่อไปนี้:
- มันเป็นไปไม่ได้ที่จะกำหนดการปฏิเสธของการแสดงออก
ตัวอย่างเช่นมันเป็นไปไม่ได้ว่าโดเมนของทรัพย์สินไม่ได้มีชั้นหนึ่ง - มันเป็นไปไม่ได้ที่จะกำหนด cardinalities
ตัวอย่างเช่นมันเป็นไปไม่ได้ว่าคนที่มี 0 หรือ 1 RDF: isMarriedTo ความสัมพันธ์ - มันเป็นไปไม่ได้ที่จะกำหนดชุดของชั้นเรียน
ตัวอย่างเช่นเราไม่สามารถแสดงว่ามีโดเมนเนมของทรัพย์สินที่ควรจะเป็นหนึ่งหรือชั้นอื่น เราต้องสร้างคลาสใหม่ของทั้งสองซึ่งเราสามารถใช้เป็นโดเมนของสถานที่ให้บริการ - มันเป็นไปไม่ได้ที่จะกำหนดข้อมูลของสคีมา
เราไม่สามารถที่จะเพิ่มข้อมูลที่สำคัญเช่นรุ่นที่คี
ตัวอย่างเหล่านี้เป็นเพียงข้อ จำกัด ที่สำคัญที่สุดของ RDF-S ดังนั้นเราจึงจะมองหานกฮูกที่ยิ่งใหญ่ในการบรรยายอีก
ข้อมูลอย่างย่อ
- RDF Schema สามารถนำมาใช้เพื่อแสดงความรู้เกี่ยวกับศัพท์โดยการกำหนดชั้นเรียนและคุณสมบัติ
- ชั้นเรียนและคุณสมบัติสามารถจัดเป็นลำดับชั้น
- โดเมนและช่วงของคุณสมบัติสามารถกำหนด
- โครงการซึ่งจะช่วยให้ข้อสรุปของความรู้ที่ได้รับการกำหนดโดยปริยาย
- RDF Schema สามารถนำมาใช้เพื่อกำหนดอภิปรัชญา "lightwight" แต่มันไม่เป็นที่แสดงออกเป็นนกฮูก
- ในขณะที่ W3C เป็นคนที่ทำงาน RDF 1.1 มีร่างสำหรับ RDF Schema 1.1 มันสามารถเข้าถึงได้โดยใช้ URL ต่อไปนี้ต่อไปนี้:
https://dvcs.w3.org/hg/rdf/raw-file/default/rdf-schema/index.html
อย่างไรก็ตามจนถึงขณะนี้ยังไม่มีการเปลี่ยนแปลงจริงจาก RDF Schema 1.0 ถึงร่างปัจจุบันของ RDF Schema 1.1
งานและโครงการมินิ
สไลด์นี้มีคำแนะนำบางส่วนสำหรับงานและโครงการขนาดเล็กที่คุณสามารถดำเนินการนอกเหนือไปจากหลายทางเลือกการทดสอบการประเมินตนเองเพื่อการปฏิบัติและการเตรียมความพร้อมสำหรับการสอบ:
- สร้างสคีมาที่คุณสามารถอธิบายสถานการณ์ที่คุ้นเคยของคุณ
- เริ่มต้นด้วยการเรียนที่จำเป็นและความสัมพันธ์ในระดับแรก (พ่อแม่ของคู่สมรสและบุตร)
- ไปกับความสัมพันธ์ในระดับที่สอง (น้องสาวของพี่ชายของปู่ ... )
- วิธีที่คุณจะแบบเพศ? ในฐานะที่เป็นทรัพย์สินของ "บุคคล" superclass หรือคุณจะสร้างสองชั้นเรียนแยกออกจากกัน "ชาย" และ "ผู้หญิง" อะไรจะดีกว่าสำหรับการกำหนดโดเมนหรือช่วงของคุณสมบัติเช่น "isTheGrandfatherOf"?
อ้างอิง
- W3C คำแนะนำ RDF Schema-1.0:
http://www.w3.org/TR/rdf-schema/ - ร่างของ RDF Schema-1.1:
https://dvcs.w3.org/hg/rdf/raw-file/default/rdf-schema/index.html
ภาพรวม
- ความหมายคืออะไร?
- ความหมายแบบจำลองตามทฤษฎีคืออะไร?
- ความหมายตามทฤษฎีแบบจำลองสำหรับ RDF (S)
- ความหมายพิสูจน์ทฤษฎีคืออะไร?
- ความหมายพิสูจน์ทฤษฎีสำหรับ RDF (S)
- อ้างอิง
ภาพรวม
- ความหมายคืออะไร?
- ความหมายแบบจำลองตามทฤษฎีคืออะไร?
- ความหมายตามทฤษฎีแบบจำลองสำหรับ RDF (S)
- ความหมายพิสูจน์ทฤษฎีคืออะไร?
- ความหมายพิสูจน์ทฤษฎีสำหรับ RDF (S)
- อ้างอิง
ไวยากรณ์และความหมาย
ไวยากรณ์: สตริงตัวอักษรโดยไม่มีความหมาย
ความหมาย: ความหมายของสตริงตัวอักษร
ความหมายของภาษาโปรแกรม

ความหมายของลอจิก

Recall: ความรู้โดยนัย
ถ้าเอกสาร RDFS มีอเนกประสงค์
u rdf:type ex:Textbook .
และ
ex:Textbook rdfs:subClassOf ex:Book .
แล้วก็
u rdf:type ex:Book .
โดยปริยายยังเป็นกรณี: มันเป็นเหตุผลสำคัญ นอกจากนี้เรายังสามารถพูดได้ว่ามันจะอนุมาน (หัก) หรือเหมา (อนุมาน) เราไม่ได้มีการระบุอย่างชัดเจนนี้ ผลที่ตามตรรกะที่งบถูกควบคุมโดยความหมายอย่างเป็นทางการ
Recall: ความรู้โดยนัย
จาก
ex:Textbook rdfs:subClassOf ex:Book . ex:Book rdfs:subClassOf ex:PrintMedia .
ต่อไปนี้เป็นเหตุผลสำคัญ:
ex:Textbook rdfs:subClassOf ex:PrintMedia .
นั่นคือ rdfs: subClassOf เป็นสกรรมกริยา
ความหมายอะไรเป็นสิ่งที่ดี
ความคิดเห็นที่แตกต่างกัน ที่นี่หนึ่งคือ:
เว็บแบบ Semantic ต้องใช้ร่วมกันได้ความหมายที่เปิดเผยและคำนวณ
นั่นคือความหมายที่จะต้องเป็นนิติบุคคลที่เป็นทางการซึ่งถูกกำหนดให้อย่างชัดเจนและคำนวณโดยอัตโนมัติ
ภาษาอภิปรัชญาให้นี้โดยวิธีการของความหมายอย่างเป็นทางการของพวกเขา
ความหมายความหมายเว็บจะได้รับจากความสัมพันธ์ความสัมพันธ์เหตุผลสำคัญ
ในคำอื่น ๆ ...
เราจับความหมายของข้อมูล
- ไม่ได้โดยระบุความหมายของมัน (ซึ่งเป็นไปไม่ได้)
- โดยระบุว่าข้อมูลโต้ตอบกับข้อมูลอื่น ๆ
เราอธิบายความหมายโดยอ้อมผ่านผลกระทบของมัน
ภาพรวม
- ความหมายคืออะไร?
- ความหมายแบบจำลองตามทฤษฎีคืออะไร?
- ความหมายตามทฤษฎีแบบจำลองสำหรับ RDF (S)
- ความหมายพิสูจน์ทฤษฎีคืออะไร?
- ความหมายพิสูจน์ทฤษฎีสำหรับ RDF (S)
- อ้างอิง
ความหมายแบบทฤษฎี
คุณจำเป็นต้องมี:
- ภาษา / ไวยากรณ์
- ความคิดของแบบจำลองสำหรับประโยคของภาษา
รุ่น
- จะทำเช่นนั้นแต่ละประโยคเป็นทั้งที่แท้จริงของ WRT เท็จรูปแบบที่กำหนด
- ถ้าประโยค \ (\ alpha \) เป็นจริงในรูปแบบ \ (M \) แล้วเราเขียน \ (M \ รุ่น \ alpha \)
เหตุผลสำคัญ
- \ (\ \ beta) เป็นผลตรรกะของ \ (\ alpha \) (เขียน \ (\ alpha \ \ models \ beta)) ถ้า \ (\ forall M: M \ รุ่น \ alpha \ Rightarrow M \ models \ beta \)
- ถ้า \ (K \) คือชุดของประโยคที่เราเขียน \ (K \ \ models \ beta) ถ้า \ (\ forall M: M \ รุ่น K \ Rightarrow M \ models \ \ beta)
- ถ้า \ (J \) คือชุดของประโยคอื่นเราเขียน \ (K \ รุ่น J \) ถ้า \ (\ forall \ beta \ in J: K \ \ models \ beta)
หมายเหตุ: สัญกรณ์ \ (\ models \) มีมากเกินไป
เหตุผลสำคัญ

ทฤษฎีรูปแบบเช่น (ประดิษฐ์)
ภาษา
- ตัวแปร \ (\ ldots, W, X, y, z, \ ldots \)
- สัญลักษณ์ \ (\ กทพ. \)
- ประโยคอนุญาต: \ (\ mathop {\ กทพ. } b \) สำหรับ \ ((b) \) ตัวแปรใด ๆ
เราต้องการที่จะรู้ว่า
- อะไรคือผลเชิงตรรกะของชุด \ (\ {x \ mathop {\ กทพ. } y, y \ mathop {\ กทพ. } z \} \)
เพื่อที่จะตอบนี้เราต้องพูดในสิ่งที่รูปแบบในความหมายของเราคือ
ทฤษฎีรูปแบบเช่น (ประดิษฐ์)
พูดแบบ \ (I \) ชุด \ (K \) ของประโยคประกอบด้วย
- ชุด \ (C \) ของรถยนต์และ
- ฟังก์ชั่น \ (I (\ cdot) \) ซึ่งแมปแต่ละตัวแปรไปที่รถใน \ (C \) ดังกล่าวว่าสำหรับแต่ละประโยค \ (\ mathop {\ กทพ. } b \) ใน \ (K \) เรา มีที่ \ (I () \) มีแรงม้ามากกว่า \ (I (ข) \)
ตอนนี้เราอ้างว่า \ (\ {x \ mathop {\ กทพ. } y, y \ mathop {\ กทพ. } z \} \ models x \ mathop {\ กทพ. } z \)
หลักฐาน: พิจารณารูปแบบใด ๆ \ (M \) ของ \ (\ {x \ mathop {\ กทพ. } y, y \ mathop {\ กทพ. } z \} \) ตั้งแต่ \ (M \ \ models {x \ mathop {\ กทพ. } y, y \ mathop {\ กทพ. } z \} \) เรารู้ว่า
- \ (M (x) \) มีแรงม้ามากกว่า \ (M (y) \) และ
- \ (M (y) \) มีแรงม้ามากกว่า \ (M (z) \)
ดังนั้น \ (M (x) \) มีแรงม้ามากกว่า \ (M (z) \) นั่นคือ \ (M \ รูปแบบ x \ mathop {\ กทพ. } z \)
เรื่องนี้ถือทุกรุ่นของ \ (\ {x \ mathop {\ กทพ. } y, y \ mathop {\ กทพ. } z \} \) ดังนั้น \ (\ {x \ mathop {\ กทพ. } y, y \ mathop {\ กทพ. } z \} \ รูปแบบ x \ mathop {\ กทพ. } z \)
ทฤษฎีรูปแบบเช่น (ประดิษฐ์)
พูดแบบ \ (I \) ชุด \ (K \) ของประโยคประกอบด้วย
- ชุด \ (C \) ของรถยนต์และ
- ฟังก์ชั่น \ (I (\ cdot) \) ซึ่งแมปแต่ละตัวแปรไปที่รถใน \ (C \) ดังกล่าวว่าสำหรับแต่ละประโยค \ (\ mathop {\ กทพ. } b \) ใน \ (K \) เรา มีที่ \ (I () \) มีแรงม้ามากกว่า \ (I (ข) \)
การตีความ \ (I \) สำหรับภาษาของเราประกอบด้วย
- ชุด \ (C \) ของรถยนต์และ
- ฟังก์ชั่น \ (I (\ cdot) \) ซึ่งแมปแต่ละตัวแปรไปที่รถใน \ (C \)
และที่มัน ข้อมูลไม่ว่าจะเป็นประโยคที่เป็นจริงหรือไม่ไม่มี WRT \ (I \)
ภาพรวม
- ความหมายคืออะไร?
- ความหมายแบบจำลองตามทฤษฎีคืออะไร?
- ความหมายตามทฤษฎีแบบจำลองสำหรับ RDF (S)
- ความหมายพิสูจน์ทฤษฎีคืออะไร?
- ความหมายพิสูจน์ทฤษฎีสำหรับ RDF (S)
- อ้างอิง
ความหมายแบบทฤษฎีนำไปใช้ RDF (S)
ภาษา: ถูกต้อง RDF (S)
ประโยคที่มีความอเนกประสงค์กราฟเป็นชุดดังกล่าว
การตีความจะได้รับผ่านทางชุดและการทำงานจากคำศัพท์ภาษาชุดนี้
รุ่นที่มีการกำหนดเช่นที่พวกเขาจับความหมาย intendet ของคำศัพท์ RDF (S)
สามความคิดที่แตกต่างกัน:

การตีความง่าย
การตีความง่าย \ (\ mathcal {I} \) ของคำศัพท์ที่กำหนด \ (V \) ประกอบด้วย:- \ (\ mathit {IR} \), ชุดที่ไม่ว่างเปล่าของทรัพยากรหรือเรียกว่าโดเมนหรือจักรวาลของ discurse ของ \ (\ mathcal {I} \)
- \ (\ mathit {IP} \) ชุดของ roperties ของ \ (\ mathcal {I} \) (ซึ่งอาจทับซ้อนกับ \ (\ mathit {IR} \))
- \ (\ mathrm {I_ {EXT}} \), ฟังก์ชั่นการกำหนดให้สถานที่ให้บริการในแต่ละชุดของคู่จาก \ (\ mathit {IR} \) นั่นคือ \ (\ mathrm {I_ {EXT}}: \ IP mathit { } \ longrightarrow 2 ^ {\ mathit {IR} \ times \ mathit {IR}} \) ที่ \ (\ mathrm {I_ {EXT}} (p) \) เรียกว่าเป็นส่วนหนึ่งของสถานที่ให้บริการ \ (p \)
- \ (\ mathrm {I_S} \), ฟังก์ชั่นการทำแผนที่จากยูริ \ (V \) เป็นสหภาพของชุด \ (\ mathit {IR} \) และ \ (\ mathit {IP} \) นั่นคือ \ (\ mathrm {} I_S: V \ longrightarrow \ mathit {IR} \ ถ้วย \ mathit {IP} \)
- \ (\ mathrm {I_L} \), ฟังก์ชั่นจากตัวอักษรที่พิมพ์ใน \ (V \) เป็นชุด \ (\ mathit {IR} \) ทรัพยากรและ
- \ (\ mathit {LV} \), ส่วนย่อยเฉพาะของ \ (\ mathit {IR} \) เรียกชุดของค่าตัวอักษรที่มี (อย่างน้อย) ตัวอักษร untyped ทั้งหมดจาก \ (V \)
ฟังก์ชั่นการแปลความหมายง่ายๆ
ฟังก์ชั่นการตีความง่าย \ (\ cdot ^ \ mathcal {I} \) (เขียนเป็นเลขยกกำลัง) ถูกกำหนดให้เป็นดังต่อไปนี้:- ทุก untyped อักษร \ ("\! \! \! \!" \) เป็นแมปไปยัง \ (\) อย่างเป็นทางการ \ (("\! \! \! \!") ^ {\ mathcal {I} } = \)
- ทุก untyped ข้อมูลตัวอักษรภาษาแบก \ ("\! \! \! \" \! \! @ \ t) จะถูกแมปไปยังคู่ \ (\ langle, เสื้อ rangle \ \)
- ทุกตัวอักษรที่พิมพ์ \ (l \) จะถูกแมปไปยัง \ (\ mathrm {} I_L (l) \) อย่างเป็นทางการ \ (l ^ \ mathcal {I} = \ mathrm {} I_L (l) \) และ
- ทุก URI \ (มึง \) จะถูกแมปไปยัง \ (\ mathrm {I_S} (U) \) นั่นคือ \ (U ^ \ mathcal {I} = \ mathrm {I_S} (U) \)
การตีความง่าย

รุ่นที่เรียบง่าย
ค่าความจริง \ ((s \, p \, o.) ^ \ mathcal {I} \) ของ (เหตุผล) สาม \ (s \, p \, o. \) เป็นจริงก็ต่อเมื่อ \ (s \) \ (p \) และ \ (o \) มีอยู่ใน \ (V \) และ \ (\ langle s ^ \ mathcal {I}, o ^ \ mathcal {I} \ rangle \ in \ mathrm {I_ {EXT }} (p ^ \ mathcal {I}) \)

รุ่นที่เรียบง่าย
ค่าความจริง \ ((s \, p \, o.) ^ \ mathcal {I} \) ของ (เหตุผล) สาม \ (s \, p \, o. \) เป็นจริงก็ต่อเมื่อ \ (s \) \ (p \) และ \ (o \) มีอยู่ใน \ (V \) และ \ (\ langle s ^ \ mathcal {I}, o ^ \ mathcal {I} \ rangle \ in \ mathrm {I_ {EXT }} (p ^ \ mathcal {I}) \)

สิ่งที่เกี่ยวกับต่อมน้ำเปล่า?
พูด \ ((\ cdot) \) เป็นฟังก์ชั่นจากโหนดว่างไว้เพื่อ URIs (ยูริสเหล่านี้ไม่จำเป็นต้องได้รับการบรรจุอยู่ในรูปแบบของกราฟที่เรากำลังมองหาที่.)
ถ้าในกราฟ \ (G \) เราแทนที่แต่ละโหนดว่างเปล่า \ (x \) โดย \ ((x) \) เราได้กราฟ \ (G ^ \ prime \) ซึ่งเรียกว่าดิน ของกรัม
เรารู้วิธีการทำกราฟความหมายสำหรับเหตุผล
ดังนั้นกำหนด \ (I \ รุ่น G \) IFF \ (I \ รุ่น G ^ \ prime \) เป็นเวลาอย่างน้อยหนึ่งดิน \ (G ^ \ prime \) ของ \ (G \)
Entailment ง่าย
กราฟ \ (G \) เพียง entailes กราฟ \ (G ^ \ prime \) ถ้าตีความง่ายทุกที่เป็นรูปแบบของ \ (G \) ยังเป็นรูปแบบของ \ (G ^ \ prime \)
(จำได้ว่าการตีความง่ายๆก็คือรูปแบบของกราฟ \ (G \) ถ้ามันเป็นรูปแบบของสามในแต่ละ \ (G \).)
มันเป็นเรื่องง่าย
โดยทั่วไป \ (G \ รุ่น G ^ \ prime \) IFF \ (G ^ \ prime \) สามารถที่ได้รับจาก \ (G \) โดยการเปลี่ยนบางโหนดใน \ (G \) โดยมีโหนดว่างเปล่า
มันเป็น entailment ง่ายจริงๆ
เงื่อนไข RDF ความหมาย
การแปลความหมายของคำศัพท์ RDF \ (V \) เป็นความหมายที่เรียบง่ายของคำศัพท์ \ (V \ ถ้วย V_ \ mathrm {RDF} \) ว่านอกจากนี้ยังสอดคล้องกับเงื่อนไขต่อไปนี้:- \ (x \ in \ mathit {IP} \) IFF \ (\ langle x, \ กริยา | RDF: Property | ^ \ mathcal {I} \ in \ mathrm {I_ {EXT}} (\ กริยา | RDF: ประเภท | ^ \ mathcal {I}) \)
- ถ้า \ (!! "! \ \ s \ \" \ \ \ verb | ^ ^ RDF: XMLLiteral | \) ที่มีอยู่ใน \ (V \) และ \ (s \) เป็นรูปแบบที่ดี XML ที่แท้จริง แล้ว
- \ (! \ mathrm {} I_L ("! \ \ s \ \" \ \ \ verb | ^ ^ RDF: XMLLiteral |) \) เป็นค่า XML ของ \ (s \);
- \ (! \ mathrm {} I_L ("! \ \ s \ \" \ \ \ verb | ^ ^ RDF: XMLLiteral |) \ in \ mathit {LV} \);
- \ (\ \ langle mathrm {} I_L ("\ \ s \ \!" \ \ \ verb | ^ ^ RDF: XMLLiteral |) \ กริยา | RDF: XMLLiteral | ^ \ mathcal {I} \ rangle \ in \ mathrm {I_ {EXT}} (\ กริยา | RDF: ประเภท | ^ \ mathcal {I}) \)
- ถ้า \ (\ กริยา | ^ ^ RDF "\ \ s \ \!" XMLLiteral | \) ที่มีอยู่ใน \ (V \) และ \ (s \) คือไม่ดีขึ้น XML ที่แท้จริงแล้ว
- \ (! \ mathrm {} I_L ("! \ \ s \ \" \ \ \ verb | ^ ^ RDF: XMLLiteral |) \ ไม่ได้ \ in \ mathit {LV} \);
- \ (\ \ langle mathrm {} I_L ("\ \ s \ \!" \ \ \ verb | ^ ^ RDF: XMLLiteral |) \ กริยา | RDF: XMLLiteral | ^ \ mathcal {I} \ rangle \ ไม่ได้ \ in \ mathrm {I_ {EXT}} (\ กริยา | RDF: ประเภท | ^ \ mathcal {I}) \)
อเนกประสงค์ RDF จริง
นอกจากนี้ในแต่ละตีความ RDF มีการประเมินอเนกประสงค์ดังต่อไปนี้เป็นจริง:
RDF: ประเภท |
RDF: ประเภท |
RDF: Property |
|
RDF: หัวข้อ |
RDF: ประเภท |
RDF: Property |
|
RDF: คำกริยา |
RDF: ประเภท |
RDF: Property |
|
RDF: วัตถุ |
RDF: ประเภท |
RDF: Property |
|
RDF: แรก |
RDF: ประเภท |
RDF: Property |
|
RDF: ส่วนที่เหลือ |
RDF: ประเภท |
RDF: Property |
|
RDF: ค่า |
RDF: ประเภท |
RDF: Property |
|
RDF: _i |
RDF: ประเภท |
RDF: Property |
|
RDF: ไม่มี |
RDF: ประเภท |
RDF: รายชื่อ |
RDFS สภาพความหมาย (1)
define (สำหรับการตีความ RDF ได้รับ \ (\ mathcal {I} \)):
- \ (\ mathrm {I_ {}} CEXT: \ mathit {IR} \ longrightarrow 2 ^ \ mathit {IR} \) เรากำหนด \ (\ mathrm {I_ {}} CEXT (y) \) จะมีองค์ประกอบเหล่านั้นว่า \ (x \) ที่ \ (\ langle x, y rangle \ \) ที่มีอยู่ใน \ (\ mathrm {I_ {EXT}} (\ กริยา | RDF: ประเภท |) ^ \ mathcal {I} \) ชุด \ (\ mathrm {I_ {}} CEXT (y) \) จากนั้นก็เรียกว่านามสกุล (ชั้น) ของ \ (y \)
- \ (\ mathit {IC} = \ mathrm {I_ {}} CEXT (\ กริยา | rdfs: ชั้น | ^ \ mathcal {I}) \)
- \ (\ mathit {IR} = \ mathrm {I_ {}} CEXT (\ กริยา | rdfs: ทรัพยากร | ^ \ mathcal {I}) \)
- \ (\ mathit {LV} = \ mathrm {I_ {CEXT} (\ กริยา | rdfs: อักษร | ^ \ mathcal {I})} \)
- ถ้า \ (\ langle x, y rangle \ \ \ in \ mathrm {I_ {EXT}} (\ กริยา | rdfs: โดเมน | ^ \ mathcal {I}) \) และ \ (\ langle มึง \ v rangle \ ใน \ mathrm {I_ {EXT}} (x) \) จากนั้น \ (มึง \ in \ mathrm {I_ {}} CEXT (y) \)
- ถ้า \ (\ langle x, y rangle \ \ \ in \ mathrm {I_ {EXT}} (\ กริยา | rdfs: ช่วง | ^ \ mathcal {I}) \) และ \ (\ langle มึง \ v rangle \ ใน \ mathrm {I_ {EXT}} (x) \) จากนั้น \ (\ v ใน \ mathrm {I_ {}} CEXT (y) \)
- \ (\ mathrm {I_ {EXT}} (\ กริยา | rdfs: subPropertyOf | ^ \ mathcal {I}) \) คือสะท้อนและสกรรมกริยาบน \ (\ mathit {IP} \)
RDFS สภาพความหมาย (2)
- ถ้า \ (\ langle x, y rangle \ \ in \ mathrm {I_ {EXT}} (\ กริยา | rdfs: subPropertyOf | ^ \ mathcal {I}) \)
แล้ว \ (x, y \ in \ mathit {IP} \) และ \ (\ mathrm {I_ {EXT}} (x) \ subseteq \ mathrm {I_ {EXT}} (y) \) - ถ้า \ (x \ in \ mathit {IC} \)
แล้ว \ (\ langle x, \ กริยา | rdfs: ทรัพยากร | ^ \ mathcal {I} \ rangle \ in \ mathrm {I_ {EXT}} (\ กริยา | rdfs: subClassOf | ^ \ mathcal {I}) \) - ถ้า \ (\ langle x, y rangle \ \ in \ mathrm {I_ {EXT}} (\ กริยา | rdfs: subClassOf | ^ \ mathcal {I}) \)
แล้ว \ (x, y \ in \ mathit {IC} \) และ \ (\ mathrm {I_ {}} CEXT (x) \ subseteq \ mathrm {I_ {}} CEXT (y) \) - \ (\ mathrm {I_ {EXT}} (\ กริยา | rdfs: subClassOf | ^ \ mathcal {I}) \) คือสะท้อนและสกรรมกริยาบน \ (\ mathit {IC} \)
- ถ้า \ (x \ in \ mathrm {I_ {}} CEXT (\ กริยา | rdfs: ContainerMembershipProperty | ^ \ mathcal {I}) \)
แล้ว \ (\ langle x, \ กริยา | rdfs: สมาชิก | ^ \ mathcal {I} \ rangle \ in \ mathrm {I_ {EXT}} (\ กริยา | rdfs: subPropertyOf | ^ \ mathcal {I}) \) - ถ้า \ (x \ in \ mathrm {I_ {}} CEXT (\ กริยา | rdfs: ประเภทข้อมูล | ^ \ mathcal {I}) \)
แล้ว \ (\ langle x, \ กริยา | rdfs: อักษร | ^ \ mathcal {I} \ rangle \ in \ mathrm {I_ {EXT}} (\ กริยา | rdfs: subClassOf | ^ \ mathcal {I}) \)
RDFS อเนกประสงค์ซึ่งเป็นจริง (1)
นอกจากนี้ทุกอเนกประสงค์ซึ่งเป็นจริงต่อไปนี้ต้องมีความพึงพอใจ:
RDF: ประเภท | rdfs: โดเมน | rdfs: ทรัพยากร |
rdfs: โดเมน | rdfs: โดเมน | RDF: Property |
rdfs: ช่วง | rdfs: โดเมน | RDF: Property |
rdfs: subPropertyOf | rdfs: โดเมน | RDF: Property |
rdfs: subClassOf | rdfs: โดเมน | rdfs: คลาส |
RDF: หัวข้อ | rdfs: โดเมน | RDF: คำชี้แจง |
RDF: คำกริยา | rdfs: โดเมน | RDF: คำชี้แจง |
RDF: วัตถุ | rdfs: โดเมน | RDF: คำชี้แจง |
RDF: สมาชิก | rdfs: โดเมน | rdfs: ทรัพยากร |
RDF: แรก | rdfs: โดเมน | RDF: รายชื่อ |
RDF: ส่วนที่เหลือ | rdfs: โดเมน | RDF: รายชื่อ |
RDF: seeAlso | rdfs: โดเมน | rdfs: ทรัพยากร |
RDF: isDefinedBy | rdfs: โดเมน | rdfs: ทรัพยากร |
rdfs: แสดงความคิดเห็น | rdfs: โดเมน | rdfs: ทรัพยากร |
rdfs: ฉลาก | rdfs: โดเมน | rdfs: ทรัพยากร |
rdfs: ค่า | rdfs: โดเมน | rdfs: ทรัพยากร |
RDFS อเนกประสงค์ซึ่งเป็นจริง (2)
นอกจากนี้ทุกอเนกประสงค์ซึ่งเป็นจริงต่อไปนี้ต้องมีความพึงพอใจ:
RDF: ประเภท | rdfs: ช่วง | rdfs: คลาส |
rdfs: โดเมน | rdfs: ช่วง | rdfs: คลาส |
rdfs: ช่วง | rdfs: ช่วง | rdfs: คลาส |
rdfs: subPropertyOf | rdfs: ช่วง | rdfs: Property |
rdfs: subClassOf | rdfs: ช่วง | rdfs: คลาส |
RDF: หัวข้อ | rdfs: ช่วง | rdfs: ทรัพยากร |
RDF: คำกริยา | rdfs: ช่วง | rdfs: ทรัพยากร |
RDF: วัตถุ | rdfs: ช่วง | rdfs: ทรัพยากร |
rdfs: สมาชิก | rdfs: ช่วง | rdfs: ทรัพยากร |
RDF: แรก | rdfs: ช่วง | rdfs: ทรัพยากร |
RDF: ส่วนที่เหลือ | rdfs: ช่วง | rdfs: รายชื่อ |
rdfs: seeAlso | rdfs: ช่วง | rdfs: ทรัพยากร |
rdfs: isDefinedBy | rdfs: ช่วง | rdfs: ทรัพยากร |
rdfs: แสดงความคิดเห็น | rdfs: ช่วง | rdfs: อักษร |
rdfs: ฉลาก | rdfs: ช่วง | rdfs: อักษร |
RDF: ค่า | rdfs: ช่วง | rdfs: ทรัพยากร |
RDFS อเนกประสงค์ซึ่งเป็นจริง (3)
นอกจากนี้ทุกอเนกประสงค์ซึ่งเป็นจริงต่อไปนี้ต้องมีความพึงพอใจ:
rdfs: ContainerMembershipProperty | rdfs: subClassOf | RDF: Property |
rdfs: Alt | rdfs: subClassOf | rdfs: คอนเทนเนอร์ |
rdfs: กระเป๋า | rdfs: subClassOf | rdfs: คอนเทนเนอร์ |
rdfs: Seq | rdfs: subClassOf | rdfs: คอนเทนเนอร์ |
rdfs: isDefinedBy | rdfs: subPropertyOf | rdfs: seeAlso |
RDF: XMLLiteral | rdfs: ประเภท | rdfs: ประเภทข้อมูล |
RDF: XMLLiteral | rdfs: subClassOf | rdfs: อักษร |
rdfs: ประเภทข้อมูล | rdfs: subClassOf | rdfs: คลาส |
RDF: _i | RDF: ประเภท | rdfs: ContainerMembershipProperty |
RDF: _i | rdfs: โดเมน | rdfs: ทรัพยากร |
RDF: _i | rdfs: ช่วง | rdfs: ทรัพยากร |
ภาพรวม
- ความหมายคืออะไร?
- ความหมายแบบจำลองตามทฤษฎีคืออะไร?
- ความหมายตามทฤษฎีแบบจำลองสำหรับ RDF (S)
- ความหมายพิสูจน์ทฤษฎีคืออะไร?
- ความหมายพิสูจน์ทฤษฎีสำหรับ RDF (S)
- อ้างอิง
กลับไปที่ตัวอย่าง contrived ของเรา
พูดแบบ \ (I \) ชุด \ (K \) ของประโยคประกอบด้วย
- ชุด \ (C \) ของรถยนต์และ
- ฟังก์ชั่น \ (I (\ cdot) \) ซึ่งแมปแต่ละตัวแปรไปที่รถใน \ (C \) ดังกล่าวว่าสำหรับแต่ละประโยค \ (\ mathop {\ กทพ. } b \) ใน \ (K \) เรา มีที่ \ (I () \) มีแรงม้ามากกว่า \ (I (ข) \)
เราสามารถหาวิธีที่จะคำนวณหาผลตรรกะทั้งหมดของการตั้งค่าของประโยค?
ขั้นตอนวิธีการป้อนข้อมูล: ชุด \ ประโยค (K \) จาก
- อัลกอริทึมที่ไม่ deterministically เลือกสองประโยคจาก \ (K \) ถ้าประโยคแรกคือ \ (\ mathop {\ กทพ. } b \) และประโยคที่สองคือ \ (b \ mathop {\ กทพ. } C \) แล้วเพิ่ม \ (\ mathop {\ กทพ. } C \) เพื่อ \ (K \) กล่าวคือ
\ (\ กริยา | ถ้า | \ รูปสี่เหลี่ยม \; \ กทพ. \; b \ in K \) และ \ (b \ \ กทพ. \; C \ ใน K \ รูปสี่เหลี่ยม \ กริยา | แล้ว | \ รูปสี่เหลี่ยม K \ leftarrow K \ ถ้วย \ {\; \ กทพ. \; C \} \) - ทำซ้ำขั้นตอนที่ 1 จนกว่าจะไม่มีผลในการเลือกการเปลี่ยนแปลงของ \ (K \)
- เอาท์พุท \ (K \)
กลับไปที่ตัวอย่างของเรา
อัลกอริทึมก่อผลกระทบเพียงตรรกะ: มันเป็น WRT เสียงความหมายแบบทฤษฎี
ขั้นตอนวิธีการผลิตผลตรรกะทั้งหมด: มันเป็น WRT สมบูรณ์แบบความหมายตามทฤษฎี
อัลกอริทึมเสมอยุติ
อัลกอริทึมจะไม่ถูกกำหนด
คอมพิวเตอร์ที่ซับซ้อนของขั้นตอนวิธีนี้คืออะไร?
เราจะทำอย่างไรอีกครั้ง?
Recall: \ (\ \ beta) เป็นผลตรรกะของ \ (\ alpha \) (\ (\ alpha \ \ models \ beta)) ถ้าสำหรับทุก \ (M \) ด้วย \ (M \ รุ่น \ alpha \) เรายังมี \ (M \ models \ \ beta)
การดำเนินการตามความหมายแบบทฤษฎีโดยตรงไม่เป็นไปได้: เราจะต้องจัดการกับทุกรูปแบบของฐานความรู้ เนื่องจากมีจำนวนมากของรถยนต์ในโลกนี้เราจะมีการตรวจสอบมากเป็นไปได้
พิสูจน์ทฤษฎีจะช่วยลดความหมายรูปแบบทฤษฎีการจัดการสัญลักษณ์ มันเอารูปแบบจากกระบวนการ
กฎการหัก
\ (\ กริยา | ถ้า | \ รูปสี่เหลี่ยม \; \ กทพ. \; b \ in K \) และ \ (b \ \ กทพ. \; C \ ใน K \ รูปสี่เหลี่ยม \ กริยา | แล้ว | \ รูปสี่เหลี่ยม K \ leftarrow K \ ถ้วย \ {\; \ กทพ. \; C \} \)
เป็นกฎการหักเงินที่เรียกว่า กฎระเบียบดังกล่าวมักจะเขียนเป็นแผนผัง
\[\frac{a \; \eta \; b \quad b \; \eta \; c}{a \; \eta \; c}\]
ภาพรวม
- ความหมายคืออะไร?
- ความหมายแบบจำลองตามทฤษฎีคืออะไร?
- ความหมายตามทฤษฎีแบบจำลองสำหรับ RDF (S)
- ความหมายพิสูจน์ทฤษฎีคืออะไร?
- ความหมายพิสูจน์ทฤษฎีสำหรับ RDF (S)
- อ้างอิง
เครื่องหมาย
\ (\) และ \ (b \) สามารถนำไปใช้โดยพลการยูริส (กล่าวคือสิ่งที่ยอมรับสำหรับตำแหน่งคำกริยาในสาม,
\ (\ mathit {\ _ \ \! \ \ n} \) จะใช้สำหรับ ID ของโหนดที่ว่างเปล่า,
\ (มึง \) และ \ (\ v) หมายถึงพล URIs หรือโหนดรหัสเปล่า (เช่นเรื่องใด ๆ ที่เป็นไปได้สาม)
\ (x \) และ \ (y \) สามารถใช้สำหรับการโดยพลการยูริ, รหัสโหนดว่างเปล่าหรือตัวอักษร (สิ่งที่ยอมรับสำหรับตำแหน่งวัตถุในสาม) และ
\ (l \) อาจจะหมายถึงตัวอักษรใด ๆ
กฎ Entailment ง่าย
\[\frac{u \quad a \quad x \quad .}{u \quad a \quad \mathit{\_\!\!:\!\!n} \quad .} \qquad \mathrm{se1}\]
\[\frac{u \quad a \quad x \quad .}{\mathit{\_\!\!:\!\!n} \quad a \quad x \quad .}\qquad \mathrm{se2}\]
\ (\ mathit {\ _ \ \! \ \ n} \) จะต้องไม่ถูกบรรจุอยู่ในรูปแบบของกราฟกฎถูกนำไปใช้
RDF กฎ Entailment
\[\frac{}{u \quad a \quad x \quad .} \qquad \mathrm{rdfax}\]
สำหรับทุกอเนกประสงค์ RDF จริง \ (มึง \; \; x \;. \)
\[\frac{u \quad a \quad l \quad .}{u \quad a \quad \mathrm{\_\!\!:\!\!n} \quad .} \qquad \mathit{lg}\]
ที่ \ (\ mathit {\ _ \ \! \ \ n} \) ยังไม่เกิดขึ้นในกราฟ
\[\frac{u \quad a \quad y \quad .}{a \quad \verb|rdf:type| \quad \verb|rdf:Property| \quad .} \qquad \mathrm{rdf1}\]
\[\frac{u \quad a \quad l \quad .}{\mathit{\_\!\!:\!\!n} \quad \verb|rdf:type| \quad \verb|rdf:XMLLiteral| \quad .} \qquad \mathrm{rdf2}\]
ที่ \ (\ mathit {\ _ \ \! \ \ n} \) ยังไม่เกิดขึ้นในกราฟเว้นแต่จะได้รับการแนะนำโดยการประยุกต์ใช้ก่อนหน้านี้ของ \ (\ mathrm {LG} \) กฎ
RDFS กฎ Entailment (1)
\[\frac{}{u \quad a \quad x \quad .} \qquad \mathrm{rdfax}\]
อเนกประสงค์ซึ่งเป็นจริงทั้งหมด RDFS \ (มึง \; \; x \;. \)
\[\frac{u \quad a \quad l \quad .}{\mathit{\_\!\!:\!\!n} \quad \verb|rdf:type| \quad \verb|rdfs:Literal| \quad .} \qquad \mathrm{rdfs1}\] ด้วย \ (\ mathit {\ _ \ \! \ \ n} \) ตามปกติ
\[\frac{a \quad \verb|rdfs:domain| \quad x \quad . \qquad u \quad a \quad y \quad .}{u \quad \verb|rdf:type| \quad x \quad .} \qquad \mathrm{rdfs2}\]
\[\frac{a \quad \verb|rdfs:range| \quad x \quad . \qquad u \quad a \quad v \quad .}{v \quad \verb|rdf:type| \quad x \quad .} \qquad \mathrm{rdfs2}\]
\[\frac{u \quad a \quad x \quad .}{u \quad \verb|rdf:type| \quad \verb|rdfs:Resource| \quad .} \qquad \mathrm{rdfs4a}\]
\[\frac{u \quad a \quad v \quad .}{v \quad \verb|rdf:type| \quad \verb|rdfs:Resource| \quad .} \qquad \mathrm{rdfs4b}\]
RDFS กฎ Entailment (2)
\[\frac{u \quad \verb|rdfs:subPropertyOf| \quad v \quad . \qquad v \quad \verb|rdfs:subPropertyOf| \quad x \quad .}{u \quad \verb|rdfs:subPropertyOf| \quad x \quad .}\quad \mathrm{rdfs5}\]
\[\frac{u \quad \verb|rdf:type| \quad \verb|rdf:Property| \quad .}{u \quad \verb|rdfs:subPropertyOf| \quad u \quad .} \quad \mathrm{rdfs6}\]
\[\frac{a \quad \verb|rdfs:subPropertyOf| \quad b \quad . \qquad u \quad a \quad y \quad .}{u \quad b \quad y \quad .}\quad \mathrm{rdfs7}\]
\[\frac{u \quad \verb|rdf:type| \quad \verb|rdfs:Class| \quad .}{u \quad \verb|rdfs:subClassOf| \quad \verb|rdfs:Resource| \quad .} \quad \mathrm{rdfs8}\]
\[\frac{u \quad \verb|rdfs:subClassOf| \quad x \quad . \qquad v \quad \verb|rdf:type| \quad u \quad .}{u \quad \verb|rdf:type| \quad x \quad .}\quad \mathrm{rdfs9}\]
\[\frac{u \quad \verb|rdf:type| \quad \verb|rdfs:Class| \quad .}{u \quad \verb|rdfs:subClassOf| \quad u \quad .} \quad \mathrm{rdfs10}\]
RDFS กฎ Entailment (3)
\[\frac{u \quad \verb|rdfs:subClassOf| \quad v \quad . \qquad v \quad \verb|rdfs:subClassOf| \quad x \quad .}{u \quad \verb|rdfs:subClassOf| \quad x \quad .}\quad \mathrm{rdfs11}\]
\[\frac{u \quad \verb|rdf:type| \quad \verb|rdfs:ContainerMembershipProperty| \quad .}{u \quad \verb|rdfs:subPropertyOf| \quad \verb|rdfs:member| \quad .}\quad \mathrm{rdfs12}\]
\[\frac{u \quad \verb|rdf:type| \quad \verb|rdfs:Datatype| \quad .}{u \quad \verb|rdfs:subClassOf| \quad \verb|rdfs:Literal| \quad .}\quad \mathrm{rdfs13}\]
\[\frac{u \quad a \quad \mathit{\_\!\!:\!\!n} \quad .}{u \quad a \quad l \quad .}\quad \mathrm{gl}\]
ที่ \ (\ mathit {\ _ \ \! \ \ n} \) ระบุโหนดว่างเปล่านำโดยอ่อนตัวลงก่อนหน้านี้ของตัวอักษร \ (l \) ผ่านกฎ \ (\ mathrm {LG} \)
ความสมบูรณ์
กฎการหักเงิน entailment ง่ายและ RDF เป็นเสียงและเสร็จสิ้น
กฎการหักเงิน entailment RDFS เป็นเสียง
ตามที่ [2] spec พวกเขาจะยังสมบูรณ์ แต่พวกเขาไม่ได้:
ex:isHappilyMarriedTo rdfs:subPropertyOf _:bnode . _:bnode rdfs:domain ex:Person . ex:Bob ex:isHappilyMarriedTo ex:Alice .
มีเหตุผลสำคัญ
ex:Bob rdf:type ex:Person .
แต่ไม่ได้มาใช้กฎการหัก RDFS
ซึ่งกฎ (s) ต้องมีการเปลี่ยนแปลงและวิธีการในการที่จะแก้ไขปัญหานี้
ความซับซ้อน
entailment ง่าย, RDF, RDFS และเป็นปัญหา NP-สมบูรณ์
ถ้าโหนดว่างที่เราไม่อนุญาตให้ทั้งสามปัญหา entailment เป็นพหุนาม [3]
ไม่ความหมาย RDFS ทำในสิ่งที่ควรจะเป็น
ไม่
ex:speaksWith rdfs:domain ex:Homo . ex:Homo rdfs:subClassOf ex:Primates .
นำมาซึ่ง
ex:speaksWith rdfs:domain ex:Primates .
?
อ้างอิง
- ปาสคาล Hitzer, et al. ฐานรากของเทคโนโลยีเว็บความหมาย & ละครเร่, 2010
- แพทริคเฮย์ส, ความหมาย RDF, คำแนะนำ W3C, http://www.w3.org/TR/rdf-mt/ , W3C, 2004
- เฮอร์แมนเจตรีอรก์: decidability ความสมบูรณ์และความซับซ้อนของ entailment สำหรับ RDF Schema และขยายความหมายของคำศัพท์ที่เกี่ยวข้องกับนกฮูกเจเว็บเส 3 (2-3): 79-115 (2005)
กองข้อมูลที่เชื่อมโยง - นกฮูก
อภิปรัชญาปรัชญา
- เอกพจน์อย่างเดียว (ไม่มี "จี")
- "วิทยาศาสตร์ของการเป็น"
- พบในอริสโตเติล (โสกราตีส), โทมัสควีนาส, Descartes, คานท์ Hegel, Wittgenstein ไฮเดกเกอร์, ควิน ...
อภิปรัชญาวิทยาศาสตร์คอมพิวเตอร์
กรูเบอร์ (1993):อภิปรัชญาเป็นสเปคอย่างเป็นทางการของแนวความคิดที่ใช้ร่วมกันของโดเมนที่น่าสนใจ
- interpretable เครื่อง
- บนพื้นฐานของฉันทามติ
- อธิบายแนวคิด
- ที่เกี่ยวข้องกับหัวข้อ (เรื่อง)
อภิปรัชญา-ปฏิบัติความต้องการบางอย่าง
- การเริ่มต้นของการเรียนโดยบุคคล
- ลำดับชั้นแนวคิด (taxonomies มรดก): เรียนเงื่อนไขการใช้บริการ
- ความสัมพันธ์ระหว่างบุคคลไบนารีที่: คุณสมบัติบทบาท
- คุณสมบัติของความสัมพันธ์ (เช่นช่วงสกรรมกริยา)
- ชนิดข้อมูล (ตัวเลขเช่น): โดเมนคอนกรีต
- หมายถึงการแสดงออกของตรรกะ
- ความหมายที่ชัดเจน!
นกฮูกในทั่วไป
- นกฮูกตัวย่อสำหรับอภิปรัชญาเว็บภาษาเด่นชัดได้ง่ายกว่า WOL
- ครอบครัวของภาษาสำหรับการเขียนจีส์
- ตั้งแต่ปี 2004 นกฮูก 2.0 ตั้งแต่ 2,009
- ส่วนความหมายของ FOL
- W3C เอกสารมีรายละเอียดที่ไม่สามารถได้รับการแก้ไขทั้งหมดที่นี่
RDF Schema เป็นภาษาที่อภิปรัชญา?
- เหมาะสำหรับจีส์ที่เรียบง่าย
- ข้อดีข้อสรุปอัตโนมัติที่มีประสิทธิภาพค่อนข้าง
- แต่ไม่เหมาะสมสำหรับการสร้างแบบจำลองที่ซับซ้อน แต่
- การใช้ภาษาที่มีประสิทธิภาพมากขึ้นเช่น
- นกฮูก
- F-Logic
- ...
หัวของเอกสารนกฮูก
กำหนด namespaces ในรากหัวของเอกสารนกฮูก
ข้อมูลทั่วไป
หัวของเอกสารนกฮูก
สืบเชื้อสายมาจาก RDFS | สำหรับเวอร์ชัน |
---|---|
rdfs: แสดงความคิดเห็น | นกฮูก: VERSIONINFO |
rdfs: ฉลาก | นกฮูก: priorVersion |
rdfs: seeAlso | นกฮูก: backwardCompatibleWith |
rdfs: isDefinedBy | นกฮูก: incompatibleWith |
นกฮูก: DeprecatedClass | |
นกฮูก: DeprecatedProperty |
เอกสารนกฮูก
- ประกอบด้วยชุดของสัจพจน์
- ความจริงจะแสดงเป็นชุดของอเนกประสงค์ RDF
- ใช้ RDF / XML เป็นไวยากรณ์มาตรฐาน
- มีรูปแบบอื่น ๆ ที่มักจะได้ง่ายต่อการอ่านและประมวลผลเป็น
- ตัวอย่างง่ายๆ http://my-ontology.org อภิปรัชญาที่มีสองชั้นเรียนและนักศึกษาและบุคคลระหว่างซึ่งเป็นความสัมพันธ์ประเภทรองของ
เอกสารนกฮูก
- ไวยากรณ์สำหรับหลายนกฮูกตามกรณีที่ใช้:
- RDF / XML: Standard ไวยากรณ์ / การแลกเปลี่ยนข้อมูล
- นกฮูก / XML: ง่ายขึ้นสำหรับเครื่องมือ XML
- เต่า: ง่ายต่อการอ่านและเขียนอเนกประสงค์ RDF
- MOS: ง่ายต่อการอ่านและเขียนจีส์ DL
- ฟังก์ชั่น: ง่ายต่อการดูโครงสร้างอย่างเป็นทางการ
- การให้ RDF / XML "หน้าที่" กับสิ่งพิมพ์ของจีส์ชนิดอื่น ๆ ทางเลือก
- ไฟล์นกฮูกประกอบด้วย:
- ส่วนหัวมีข้อมูลทั่วไป
- ส่วนที่เหลือกับอภิปรัชญาที่เกิดขึ้นจริง
นกฮูกไวยากรณ์เต่า
- ชดไวยากรณ์ที่ดีที่สุด RDF
- กระชับและง่ายต่อการอ่าน
- ไม่ได้ถูกออกแบบมาโดยเฉพาะสำหรับนกฮูกการแสดงออกที่ซับซ้อนทำไม่ได้
- การสนับสนุนเครื่องมือที่ดีมาก
นกฮูกไวยากรณ์-แมนเชสเตอร์
Prefix: rdfs = <http://www.w3.org/2000/01/rdf-schema#> Prefix: owl = <http://www.w3.org/2002/07/owl#> Prefix: rdf = <http://www.w3.org/1999/02/22-rdf-syntax-ns#> Ontology: <http://my-ontology.org/> Class: Person SubClassOf: owl:Thing Class: Student SubClassOf: Person
- ง่ายมากที่จะอ่านและเขียน
- ยุ่งยากในการเขียนบางชนิดของสัจพจน์
- ลอจิกรายละเอียด: นักศึกษา⊆คน
- ไวยากรณ์การทำงาน
- ใช้สำหรับ OBO (จีส์ชีวการแพทย์เปิด)
Syntax-RDF/XML นกฮูก
- การสนับสนุนเครื่องมือที่ดีที่สุด
- verbose มากและยากที่จะอ่าน
Syntax-OWL/XML นกฮูก
สำหรับไวยากรณ์เสร็จสมบูรณ์แล้วจะเห็น คำแนะนำของ W3C .
- การออกแบบเฉพาะสำหรับนกฮูกจึงง่ายมากขึ้นแล้ว RDF / XML
- ยังคง verbose มาก
ชั้นเรียนบทบาทและประชาชน
สามองค์ประกอบของหลักการอภิปรัชญา (คล้ายกับ RDFS):
- บุคคล / วัตถุ
- องค์ประกอบคอนกรีตในโลกจำลอง
- ชั้นเรียน / แนวคิด
- ชุดของวัตถุ
- บทบาท / คุณสมบัติ
- แอสโซซิบุคคลทั้งสอง
ชั้นเรียน
คำนิยาม ไวยากรณ์เต่า |
:Professor rdf:type owl:Class . |
|
ไวยากรณ์แมนเชสเตอร์ |
Class: Professor |
บุคคล
ไวยากรณ์แมนเชสเตอร์ |
Individual: Einstein Types: Professor |
||
ไวยากรณ์เต่า |
:Einstein rdf:type :Professor. |
บทบาทบทคัดย่อ (เต่า)
abstrakte Rollen werden Klassen definiert โกหก
:belongsTo rdf:type owl:ObjectProperty.
โดเมน und ช่วง Rollen abstrakte
:belongsTo rdf:type owl:ObjectProperty; rdfs:domain :Person; rdfs:range :Organisation.
บทบาทบทคัดย่อ (แมนเชสเตอร์)
บทบาทบทคัดย่อมีการกำหนดเช่นชั้นเรียน
ObjectProperty: belongsTo
โดเมนและช่วงของบทบาทนามธรรม
Objectproperty: belongsTo Domain: Person Range: Organisation
บทบาทคอนกรีต
บทบาทคอนกรีตมีชนิดของข้อมูลที่อยู่ในช่วง
DatatypeProperty: firstName
โดเมนและช่วงของบทบาทคอนกรีต
DatatypeProperty: firstName Domain: Person Range: string
บทบาทคอนกรีต
บทบาทคอนกรีตมีชนิดของข้อมูลที่อยู่ในช่วง
:firstName rdf:type owl:DatatypeProperty.
โดเมนและช่วงของบทบาทคอนกรีต
:firstName rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:String.ไวยากรณ์เต่า
บุคคลและบทบาท
:Einstein rdf:type :Professor ; :belongsTo :Princeton, :Bern; :firstName "Albert"^^xsd:string .
Rolles มักจะไม่ทำงาน
บุคคลและบทบาท
Individual: Einstein Types: Person Facts: belongsTo Princeton, belongsTo Bern, firstName Albert
โรลเลอร์มักจะไม่ทำงาน
ตัวอย่างการสร้างแบบจำลอง
งานการสร้างแบบจำลอง
มีบุคคลที่เป็นเพศชายและเพศหญิง คนที่มีชื่อตัวอย่างการสร้างแบบจำลอง
งานการสร้างแบบจำลอง
มีบุคคลที่เป็นเพศชายและเพศหญิง คนที่มีชื่อ
:MalePerson rdfs:subClassOf :Person.:FemalePerson rdfs:subClassOf :Person.:hasName rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:string.
ตัวอย่างการสร้างแบบจำลอง
งานการสร้างแบบจำลอง
มีบุคคลที่เป็นเพศชายและเพศหญิง บุคคลที่มีชื่อ:MalePerson rdfs:subClassOf :Person.:FemalePerson rdfs:subClassOf :Person.:hasName rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:string.:John rdf:type :MalePerson; :hasName "John"^^xsd:string.:Jill rdf:type :FemalePerson.:hasName "Jill"^^xsd:string .
ความสัมพันธ์ระหว่างคลาส

นกฮูก: equivalentClass
มันดังต่อไปนี้โดยข้อสรุปหนังสือที่เป็น subclass ของสิ่งพิมพ์
ไวยากรณ์เต่า
Class: Book SubClassOf: Publication Class: Publication EquivalentTo: Publications Class: Publications
rdfs: subClassOf
:Professor rdf:type owl:Class; rdfs:subClassOf :FacultyStaff.:FacultyStaff rdf:type owl:Class ; rdfs:subClassOf :Person .
ไวยากรณ์เต่า
Class: Professor SubClassOf: FacultyStaffClass: FacultyStaff SubClassOf: Person
ไวยากรณ์แมนเชสเตอร์
มันดังต่อไปนี้โดยอนุมานว่าศาสตราจารย์เป็น subclass ของบุคคล
นกฮูก: disjointWith
ไวยากรณ์เต่า
Class: Professor SubClassOf: FakultaetsmitgliedClass: Buch SubClassOf: PublikationClass: Fakultaetsmitglied DisjointWith: Publikation
ไวยากรณ์แมนเชสเตอร์
มันดังต่อไปนี้โดยอนุมานว่าศาสตราจารย์และหนังสือนอกจากนี้ยังมีชั้นเรียนเนื่อง
บุคคลและความสัมพันธ์กับชั้นเรียน
:Book rdf:type owl:Class ; rdfs:subClassOf :Publication . :SemanticWebGrundlagen rdf:type :Book ; :autor :MarkusKroetzsch, :PascalHitzler, :SebastianRudolph, :YorkSure .
มันดังต่อไปนี้โดยการอนุมาน SemanticWebGrundlagen ที่ Publikation
บุคคลและความสัมพันธ์กับชั้นเรียน
Class: Buch SubClassOf: Publikation Individual: SemanticWebGrundlagen Types: Buch Facts: autor PascalHitzler, autor MarkusKroetzsch, autor SebastianRudolph, autor YorkSure
มันดังต่อไปนี้โดยการอนุมาน SemanticWebGrundlagen ที่ Publikation
ความสัมพันธ์บทบาท
คล้ายกับชั้นเรียนสำหรับบทบาทของมี rdfs คือ: subPropertyOf และนกฮูก: equivalentProperty แต่ Rolles ยังสามารถเป็นสิ่งที่ตรงกันข้าม (นกฮูก: inverseOf) ของแต่ละอื่น ๆ :
:examinedBy owl:inverseOf :examinerOf.
ไวยากรณ์เต่า
ObjectProperty: examinedBy InverseOf: examinerOf
ไวยากรณ์แมนเชสเตอร์
คุณสมบัติบทบาท
- โดเมน
- เทือกเขา
- กริยาคือ r (ข) และ R (B, C) หมายถึง r (A, C)
- สมมาตรคือ r (A, B) หมายถึง r (ข)
- ฟังก์ชั่น r (ข) และ R (A, C) หมายถึง b = c
- การทำงาน r ผกผัน (b) และ r (c, b) หมายถึง c =
ความสัมพันธ์ระหว่างบุคคล
Individual: Faehnrich SameAs: ProfessorFaehnrich
:Faehnrich rdf:Type :Professor; owl:sameAs :ProfessorFaehnrich.
มันดังต่อไปนี้โดยอนุมานว่า ProfessorFaehnrich เป็นศาสตราจารย์
ความไม่เสมอภาคของบุคคลที่ระบุโดยนกฮูก: differentFrom
ความสัมพันธ์ระหว่างบุคคล
DifferentIndividuals: YorkSure, PascalHitzler, RudiStuder
[ rdf:type owl:AllDifferent ; owl:distinctMembers ( :PascalHitzler :RudiStuder :YorkSure ) ] .
งานความขัดแย้ง?
Class: OrganisationClass: Office SubClassOf: wgs84:SpatialThingObjectProperty: hasOffice Domain: Organisation Range: Office#imported axioms to longitude and latitudeObjectProperty wgs84:lat Domain: wgs84:SpatialThingObjectProperty wgs84:long Domain: wgs84: SpatialThingIndividual: CompanyXY Types: Organisation Facts: hasOffice OfficeXY, wgs84:lat "41.8292928"^^xsd:double, wgs84:long "17.8282"^^xsd:double
enumerations / nominals
Class: MoonOfMars EquivalentTo: {Phobos, Deimos}
ไวยากรณ์แมนเชสเตอร์
รัฐนี้ว่าดาวอังคารมีเพียงสองคนนี้ดวงจันทร์
ก่อสร้างชั้นตรรกะ
- ตรรกะและ (ร่วม): นกฮูก: intersectionOf
- หรือตรรกะ (หย่า): นกฮูก: unionOf
- ตรรกะไม่ (ปฏิเสธ): นกฮูก: complementOf
- ใช้ในการสร้างการเรียนที่ซับซ้อนจากชั้นเรียนง่าย
การตัด
Class: MoonOfMars EquivalentTo: Moon and ObjectNearMars
:MoonOfMars owl:equivalentClass[ rdf:type owl:Class ; owl:intersectionOf (:Moon :ObjectNearMars) ].
สหภาพ
Class: Boat SubClassOf: SailBoat or MotorBoat
:Boat rdfs:subClassOf [ rdf:type owl:Class ; owl:UnionOf ( :SailBoat :MotorBoat ) ] .
สหภาพเนื่อง
อาจารย์สามารถเป็นได้ทั้งใช้งานหรือเกษียณ แต่ไม่ใช่ทั้งสองอย่างในเวลาเดียวกัน<owl:Class rdf:about="#Professor"> <rdfs:subClassOf> <owl:unionOf rdf:parseType="Collection"> <owl:Class rdf:about="#Active"/> <owl:Class rdf:about="#Retired"/> </owl:unionOf> </rdfs:subClassOf> </owl:Class>
Class: Professor DisjointUnionOf: Active, Retired
:Professor rdfs:subClassOf [ rdf:type owl:Class ; owl:DisjoinUnionOf ( :Active :Retired ) ] .
ส่วนประกอบ
<owl:Class rdf:ID="FacultyStaff"> <rdfs:subClassOf> <owl:complementOf rdf:resource="#Publication"/> </rdfs:subClassOf></owl:Class><!-- semantically equivalent statement: --><owl:Class rdf:ID="FacultyStaff"> <owl:disjointWith rdf:resource="#Publication"/></owl:Class>
Class: FacultyStaff SubClassOf: not Publication
:FacultyStaff rdf:type owl:Class ; rdfs:subClassOf [ rdf:type owl:Class ; owl:complementOf :Publication ].
ตัวอย่างการสร้างแบบจำลอง
การสร้างแบบจำลองงาน: ทุกคนมีทั้งชายหรือหญิง
:Male rdfs:subClassOf :Person .:Female rdfs:subClassOf :Person ; owl:disjointWith :Male .:Person owl:equivalentClass[ rdf:type owl:Class ; owl:unionOf (:Male, :Female )].
Class: Male SubClassOf: Person Class: Female SubClassOf: Person DisjointWith: Male Class: Person EquivalentTo: Male or Female
ข้อ จำกัด บทบาท (allValuesFrom)
จะใช้ในการกำหนดระดับชั้นที่ซับซ้อนตามบทบาท
<owl:Class rdf:ID="Exam"> <rdfs:subClassOf> <owl:Restriction> <owl:onProperty rdf:resource="#examiner"/> <owl:allValuesFrom rdf:resource="#Professor"/> </owl:Restriction> </rdfs:subClassOf> </owl:Class>
ไวยากรณ์แมนเชสเตอร์
:Pruefung rdfs:subClassOf [ rdf:type owl:Restriction ; owl:onProperty :examiner ; owl:allVauesFrom :Professor </owl:Class>
ข้อ จำกัด บทบาท (someValuesFrom)
<owl:Class rdf:ID="Exam"> <rdfs:subClassOf> <owl:Restriction> <owl:onProperty rdf:resource="#examiner"/> <owl:someValuesFrom rdf:resource="#Person"/> </owl:Restriction> </rdfs:subClassOf> </owl:Class>
Class: Exam SubClassOf: examiner some Person
:Pruefung rdfs:subClassOf [ rdf:type owl:Restriction ; owl:onProperty :examiner ; owl:someVauesFrom :Person ] .
ข้อ จำกัด บทบาท (cardinalities)
Class: Exam SubClassOf: examiner max 2
ไวยากรณ์แมนเชสเตอร์
:Exam rdf:type owl:Class ; rdfs:subClassOf [rdf:type owl:Restriction ; owl:onProperty :hatPruefer ; owl:maxCardinality "2"^^xsd:nonNegativeInteger] .
คือการทดสอบแต่ละคนสามารถมีที่มากที่สุดสองตรวจสอบ
คล้ายกับสูงสุด: ต่ำสุดตรง
ตัวอย่างการสร้างแบบจำลอง
การสร้างแบบจำลองงาน: ความต้องการประสิทธิภาพการทำงาน (จากผลิตภัณฑ์ซอฟต์แวร์) เป็นความต้องการซึ่งถูกสร้างขึ้นโดยลูกค้า จะนำไปสู่ความต้องการระบบClass: PerformanceRequirement SubClassOf: Requirement and (createdBy only Customer) and (leadsTo some SystemRequirement
ข้อ จำกัด บทบาท (hasValue)
<owl:Class rdf:ID="ExamAtFaehnrich"> <rdfs:equivalentClass> <owl:Restriction> <owl:onProperty rdf:resource="#hatPruefer"/> <owl:hasValue rdf:datatype="#Faehnrich"/> </owl:Restriction> </rdfs:equivalentClass> </owl:Class>
Class: PruefungBeiFaehnrich EquivalentTo: examiner value Faehnrich
:Exam rdfs:equivalentClass [ rdf:type owl:Restriction ; owl:onProperty :examiner ; owl:hasValue :Faehnrich ] .
ไวยากรณ์เต่า
โดเมนและช่วง
ObjectProperty: belongsTo Range: Organisation
Class: owl:Thing SubClassOf: belongsTo only Organisation
โดเมนและช่วง
:belongsTo rdf:type owl:ObjectProperty ; rdfs:range :Organisation .
เทียบเท่ากับต่อไปนี้:
owl:Thing rdfs:subClassOf [ rdf:type owl:Restriction ; owl:onProperty :zugehoerigkeit ; owl:allValuesFrom :Organisation ] .
โดเมนและประเภท: ข้อควรระวัง!
<owl:ObjectProperty rdf:ID="belongsTo"> <rdfs:range rdf:resource="#Organisation"/> </owl:ObjectProperty> <Number rdf:ID="Five"> <belongsTo rdf:resource="#Primes"/></Number>
ObjectProperty: belongsTo Range: OrganisationIndividual: Five Types: Number Facts: belongsTo Primes
:belongsTo rdf:type owl:ObjectProperty ; rdfs:range :Organisation.:Five rdf:type :Number; :belongsTo :Primes.
ตอนนี้มันเป็นช่วงเวลาตามที่เป็นองค์กร!
คุณสมบัติบทบาท
<owl:ObjectProperty rdf:ID="hasColleague"> <rdf:type rdf:resource="owl;TransitiveProperty"/> <rdf:type rdf:resource="owl;SymmetricProperty"/></owl:ObjectProperty><owl:ObjectProperty rdf:ID="hasProjectManager"> <rdf:type rdf:resource="owl;FunctionalProperty"/></owl:ObjectProperty> <owl:ObjectProperty rdf:ID=isProjectManagerFor» <rdf:type rdf:resource="owl;InverseFunctionalProperty"/></owl:ObjectProperty><Person rdf:ID="SoerenAuer"><hasColleague rdf:resource="#SebastianTramp"/><hasColleague rdf:resource="#JensLehmann"/><isProjectManagerFor rdf:resource="#Triplify"/></Person><Projekt rdf:ID=OntoWiki"> <hasProjectManager rdf:resource="#SoerenAuer"/> <hasProjectManager rdf:resource="#AuerSoeren"/></Projekt>
สรุปผลการศึกษาจากตัวอย่าง
- SebastianTramp SoerenAuer hasColleagues
- SebastianTramp JensLehmann hasColleagues
- SoerenAuer นกฮูก: sameAs AuerSoeren
ข้อเท็จจริงเชิงลบ
ไปได้เฉพาะนกฮูกตั้งแต่ 2.0Individual: Bill Facts: not hasWife Mary
[] rdf:type owl:NegativePropertyAssertion ; owl:sourceIndividual :Bill ; owl:assertionProperty :hasWife ; owl:targetIndividual :Mary .
นกฮูกนกฮูก 1 และ 2 และประวัติศาสตร์
- นกฮูกกลายเป็นคำแนะนำ W3C ในปี 2004 นกฮูก 2 ในปี 2009
- นกฮูก 2 แต่ขยายอย่างเข้ากันได้ย้อนหลังของนกฮูก
- ย่อยภาษาที่แตกต่างกันสายพันธุ์นกฮูกนกฮูก vs 2 โปรไฟล์
- ประโยคน้ำตาล (แล้วเป็นไปได้ แต่ตอนนี้ง่ายต่อการด่วน)
- เคล็ดสหภาพของชั้นเรียน
- expressivity ใหม่
- กุญแจ
- สถานที่ให้บริการเครือข่าย
- ประเภทข้อมูลที่ร่ำรวยช่วงข้อมูล
- ข้อ จำกัด cardinality ที่มีคุณสมบัติเหมาะสม
- อสมมาตรสะท้อนและคุณสมบัติเนื่อง
- ความสามารถในการเพิ่มคำอธิบายประกอบ
นกฮูก 2 เต็ม
- ใช้งานไม่ จำกัด ของนกฮูกและองค์ประกอบภาษา RDF (ต้อง RDFS ที่ถูกต้อง)
- ยากประเภทที่มีอยู่ไม่ใช่การแยก (ชั้นเรียนบทบาทบุคคล) ดังนี้:
- นกฮูก: สิ่งเดียวกับ rdfs: ทรัพยากร
- นกฮูก: ชั้นเดียว rdfs: คลาส
- นกฮูก: รอง DatatypeProperty ของนกฮูก: ObjectProperty
- นกฮูก: ObjectProperty เดียวกันที่ RDF: Property
นกฮูก 2 ดูรายละเอียด
- โปรไฟล์สามนกฮูกนกฮูกเพิ่มเข้ามาใน 2.0: นกฮูก QL, EL และ RL
- หลักการออกแบบสำหรับประวัติ:
- ระบุสูงสุดนกฮูก 2 sublanguages ที่ยังคง implementable ในเวลาพหุนาม
- ในการปฏิเสธไม่อนุญาตทั่วไปและความร้าวฉานเพราะที่มีความซับซ้อนและเหตุผลเป็นสิ่งจำเป็นไม่ค่อย
QL นกฮูก
- QL ภาษาของแบบสอบถาม =
- อยู่บนพื้นฐานของครอบครัว DL-Lite ของ logics คำอธิบาย
- ออกแบบมาสำหรับการตอบแบบสอบถามใช้ SQL เขียนใหม่ด้านบนของฐานข้อมูลเชิงสัมพันธ์
- subclasses สามารถเป็นชื่อชั้นหรือ existentials ด้วยฟิลเลอร์ จำกัด
- superclasses สามารถเป็นชื่อชั้น, existentials หรือสันธานกับสารตัวเติม superclass (recursive) หรือ negations ด้วยฟิลเลอร์รอง
อนุญาตให้
\[\text{Fish} \sqsubseteq \text{Animal}\]
\[\exists \text{hasHouse}.\top \sqsubseteq \text{Landlord}\]
หวงห้าม
\[\exists \text{hasHouse}.\text{Villa} \sqsubseteq \text{RichLandlord}\]
\[\text{Student} \sqsubseteq \text{Poor} \sqcap \exists \text{hasBike}.\top \sqcap \neg \text{Pupil}\]
รายละเอียดเกี่ยวกับนกฮูก QL (1)
หวงห้าม
ความเท่าเทียมกัน \[ \text{RichPerson} = \text{FamousPerson} \]
disjunctions \[ \text{Book} = \text{Ebook} \sqcup \text{PrintedBook} \]
universals \[ \forall \text{killed}.\text{Human} = \text{Murderer} \]
ตนเอง \[\text{loves}.\text{Self} = \text{NarcisticPerson} \]
cardinalities \[ \geq 5 \text{wonFight}.\top = \text{SuccessfulBoxer} \]
รายละเอียดเกี่ยวกับนกฮูก QL (2)
หวงห้าม
กุญแจ
Class: Person HasKey: hasSSNสถานที่ให้บริการเครือข่าย
ObjectProperty: hasGrandparent SubPropertyChain: hasParent o hasParentคุณสมบัติ transitive
ObjectProperty: hasAncestor Characteristics: Transitivenominals
EquivalentClasses( :MyBirthdayGuests ObjectOneOf(:Bill :John :Mary) )คุณสมบัติการทำงาน
ObjectProperty: hasHusband Characteristics: Functional
EL นกฮูก
- บนพื้นฐานของตรรกะคำอธิบาย \ (\ mathcal {EL} \) + + \ (\ mathcal {E} \) ย่อมาจากคุณสมบัติการดำรงอยู่เต็ม
- มุ่งเน้นไปที่ expressivity terminlogical ใช้สำหรับ ontology ที่มีน้ำหนักเบา
- ให้ดำรงอยู่ แต่ไม่เป็นสากล, rdfs เฉพาะช่วง (ชนิดพิเศษ universals) ได้รับอนุญาตมีข้อ จำกัด
- สถานที่ให้บริการโดเมนลำดับชั้นเรียน / ทรัพย์สินทางแยกชั้นเรียนเคล็ดคุณสมบัติ / โซ่ทรัพย์สินด้วยตนเอง, nominals (เรียนเดี่ยว) และคีย์การสนับสนุนอย่างเต็มที่
- ไม่มีคุณสมบัติผกผันหรือสมมาตร disjunctions หรือ negations
ตัวอย่าง
\[\exists \text{has.Sorrow} \sqsubseteq \exists \text{has}.\text{Liqueur}\]
\[\top \sqsubseteq \exists \text{hasParent}.\text{Person}\]
\[\text{German} \sqsubseteq \exists \text{knows}.\text{{angela}}\]
\[\text{hasParent} \circ \text{hasParent} \sqsubseteq \text{hasGrandparent}\]
RL นกฮูก
- RL = ภาษากฎ
- สัจพจน์รองตามกฎเหมือนผลกระทบกับหัว (superclass) และร่างกาย (รอง)
- \ (\ text {DaysWithRain} \ ข้อความ sqsubseteq \ {DaysWithWetStreet} \)
อ่านเพิ่มเติม
- http://www.w3.org/TR/owl2-overview/ ภาพรวมของนกฮูก 2
- http://www.w3.org/TR/2012/REC-owl2-profiles-20121211/ นกฮูก 2 รูปแบบภาษา
การแนะนำ

เป้าหมาย
เรียนรู้เกี่ยวกับ
- ความหมายของนกฮูก
- Logics รายละเอียด
- เหตุผล Tableau
เงื่อนไข
- ความรู้พื้นฐานของแคลคูลัสเชิงประพจน์
- ความรู้พื้นฐานของตรรกะลำดับแรก
ความหมายของนกฮูก
ความหมายของนกฮูกจะขึ้นอยู่กับ Logics คำอธิบายที่มีความหมายอย่างเป็นทางการแบบทฤษฎี
OWL DL สอดคล้องกับ \ (\ mathcal {Shoin} (D) \)
นกฮูก 2 สอดคล้องกับ \ (\ mathcal {SROIQ} (D) \)
ในการบรรยายนี้เราจะอธิบายความหมายของ OWL DL โดยการอธิบายตรรกะคำอธิบาย \ (\ mathcal {Shoin} (D) \)
Logics รายละเอียด
- ครอบครัวของภาษาแทนความรู้
- เศษเล็กเศษน้อยมักจะจิกลำดับแรก (FOL)
- ในกรณีส่วนใหญ่ decidable
- แสดงออกได้เปรียบโดยเปรียบเทียบ
- ต้นตอมาจากเครือข่ายความหมาย
- ไวยากรณ์ใช้งานง่าย
- ตัวแปรอิสระ
Logics รายละเอียด - องค์ประกอบพื้นฐาน
องค์ประกอบพื้นฐาน:
- ชื่อแนวคิด (แนวคิดอะตอม), นักศึกษาเช่นหนังสือ, ...
- ชื่อบทบาทเช่น bornIn, worksFor ...
- ชื่อบุคคล (บุคคลวัตถุ) เช่นสตีเฟนแมรี่ ...
ชุดของชื่อแนวคิดบทบาทและบุคคลมักจะแสดงเป็นลายเซ็นหรือคำศัพท์
Logics รายละเอียด - ฐานความรู้
มักจะเป็นฐานความรู้ DL ประกอบด้วย:
- TBox \ (\ mathcal {T} \): ข้อมูลเกี่ยวกับแนวคิด
- ABox \ (\ mathcal {} \): ข้อมูลเกี่ยวกับบุคคล
นอกจากนี้ใน DLs แสดงออกมากขึ้น:
- RBox \ (\ mathcal {R} \): ข้อมูลเกี่ยวกับบทบาท
\ (\ mathcal {ALC} \) - แนวคิด
\ (\ mathcal {ALC} \), ภาษาที่แสดงคุณลักษณะที่มีส่วนประกอบเป็นที่ง่ายที่สุด propositionally ปิด DL
(Complex) \ (\ mathcal {ALC} \) แนวความคิดที่ถูกกำหนด inductively ดังนี้
- ชื่อแนวคิดทุกแนวคิด
- \ (\ mathcal {\ บน} \) และ \ (\ mathcal {\ bot} \) เป็นแนวความคิด,
- ถ้า \ (C \) และ \ (D \) เป็นแนวคิดและ \ (r \) คือบทบาทแล้วต่อไปนี้เป็นแนวความคิด:
- \ (\ NEG C \) (มักจะเรียกว่าการปฏิเสธหรือส่วนประกอบ)
- \ (C \ sqcap D \) (ร่วมสี่แยกมักจะเรียกหรือ "และ")
- \ (C \ sqcup D \) (มักเรียกว่าการหย่าสหภาพหรือ "หรือ")
- \ (\ exists RC \) (ข้อ จำกัด อัตถิภาวนิยมมักจะเรียกว่า)
- \ (\ forall RC \) (ข้อ จำกัด มูลค่ามักจะเรียกว่า)
\ (\ mathcal {ALC} \) แนวคิด - ตัวอย่าง
\ (\ text {คน} \ sqcap \ exists \ {ข้อความ} hasChild. บน \ \)
- คนกับเด็ก
\ (\ ข้อความ {สัตว์} \ sqcap \ forall \ text {กิน}. \ text {ผัก} \)
- สัตว์เท่านั้นที่กินผัก
\ (\ text {ศาสตราจารย์} \ sqcup \ text {นักศึกษา} \)
- อาจารย์หรือนักเรียน
\ (\ ข้อความ {บุคคล} \ sqcap \ forall \ {ข้อความ bornIn}. \ ข้อความ NEG \ {EuropeanCountry} \)
- คนที่ไม่ได้เกิดในประเทศในทวีปยุโรป
\ (\ mathcal {ALC} \) - TBox
TBox (กล่อง terminological) ประกอบด้วยชุด จำกัด ของสัจพจน์ terminological
สัจพจน์ terminological มีพื้น (ทั่วไป) สัจพจน์รวมแนวคิดแนวความคิดที่กำหนดคือ \ (C \) และ \ (D \) GCIs จะแสดงเป็น
\[C \sqsubseteq D\]
ความเท่าเทียมกันแนวคิดสามารถแสดงด้วย
\[C \equiv D\]
ซึ่งเป็นคำย่อของ \ (C \ sqsubseteq D \) และ \ (D \ sqsubseteq C \)
\ (\ mathcal {ALC} \) - ABox
ABox ประกอบด้วยชุด จำกัด ของสัจพจน์ assertional ของรูปแบบต่อไปนี้:
- \ (C () \) ดังนั้นที่เรียกว่ายืนยันแนวคิด
- \ (r (b) \) ดังนั้นที่เรียกว่ายืนยันบทบาท
\ (\ mathcal {ALC} \) - ความหมาย (1)
Definiton อย่างเป็นทางการของความหมายรูปแบบทฤษฎี \ (\ mathcal {ALC} \) จะได้รับโดยวิธีการของการตีความ \ (\ mathcal {I} = (\ Delta ^ {\ mathcal {I}} \ cdot ^ { \ mathcal {I}}) \) ประกอบด้วย
- โดเมนที่ไม่ว่างเปล่า \ (\ Delta ^ {\ mathcal {I}} \)
- การทำแผนที่ \ (\ cdot ^ {\ mathcal {I}} \) แผนที่ซึ่ง
- บุคคลทุกคน \ (\) กับองค์ประกอบโดเมน \ (^ {\ mathcal {I}} \ in \ Delta ^ {\ mathcal {I}} \)
- ชื่อแนวคิดทุก \ (\) เพื่อ subset ของโดเมน \ (^ {\ mathcal {I}} \ subseteq \ Delta ^ {\ mathcal {I}} \)
- ทุกบทบาท \ (r \) ถึงชุดของคู่ขององค์ประกอบโดเมน \ (r ^ {\ mathcal {I}} \ subseteq \ Delta ^ {\ mathcal {I}} \ times \ Delta ^ {\ mathcal {I}} \)
\ (\ mathcal {ALC} \) - ความหมาย (2)
- การตีความถูกขยายแนวความคิดที่ซับซ้อนโดย
- \ (\ ^ บน \ mathcal {I} = \ Delta ^ \ mathcal {I} \)
- \ (\ bot \ mathcal {I} = \ emptyset \)
- \ ((\ NEG C) ^ \ mathcal {I} = \ Delta ^ \ mathcal {I} \ setminus C ^ \ mathcal {I} \)
- \ ((C \ sqcap D) ^ \ mathcal {I} = C ^ \ mathcal {I} \ Cap d ^ \ mathcal {I} \)
- \ ((C \ sqcup D) ^ \ mathcal {I} = C ^ \ mathcal {I} \ ถ้วย D ^ \ mathcal {I} \)
- \ ((\ exists RC) ^ \ mathcal {I} = \ {x \ in \ Delta ^ \ mathcal {I} | \ exists y \ in C ^ \ mathcal {I} \ text {เช่นนั้น} (x, y ) \ in R ^ \ mathcal {I} \)
- \ ((\ forall RC) ^ \ mathcal {I} = \ {x \ in \ Delta ^ \ mathcal {I} | \ forall (x, y) \ in R ^ \ mathcal {I} \ Rightarrow y \ in C ^ \ mathcal {I} \)
\ (\ mathcal {ALC} \) - ความหมาย (3)
- การตีความจะขยายออกไปตามหลักการ
- \ (\ mathcal {I} \ รุ่น C \ sqsubseteq D \ text {IFF} C ^ \ mathcal {I} \ subseteq D ^ \ mathcal {I} \)
- \ (\ mathcal {I} \ รุ่น C \ equiv D \ text {IFF} C ^ \ mathcal {I} = D ^ \ mathcal {I} \)
- \ (\ mathcal {I} \ รุ่น C () \ text {IFF} ^ \ mathcal {I} \ in C ^ \ mathcal {I} \)
- \ (\ mathcal {I} \ r รุ่น (b) \ text {} IFF (^ \ mathcal {I}, B ^ \ mathcal {I}) \ in R ^ \ mathcal {I} \)
\ (\ mathcal {ALC} \) ฐานความรู้ - ตัวอย่าง
TBox \ (\ mathcal {T} \):
\ (\ begin {align} \ text {Man} \ equiv \ ข้อความ NEG \ {ผู้หญิง} \ ข้อความ sqcap \ {คน} \ \ \ text {ผู้หญิง} & \ ข้อความ sqsubseteq \ {คน} \ \ \ text {แม่ } \ equiv \ text {ผู้หญิง} \ sqcap \ exists \ text {hasChild}. \ \ top \ \ end {align} \)
ABox \ (\ mathcal {} \):
\ (\ begin {align} \ text {แมน (สตีเฟน)} \ \ \ ข้อความ NEG \ {Man (MONICA)} \ \ \ text {ผู้หญิง (เจสสิก้า)} \ \ \ text {hasChild (สตีเฟน, เจสสิก้า)} \ \ \ end {align} \)
\ (\ mathcal {ALC} \) ในนกฮูก
\ (\ mathcal {ALC} \) ผู้ประกอบการที่สอดคล้องกับการแสดงออกของนกฮูกต่อไปนี้:
\ (\ begin {align} \ บน & \ text {นกฮูก: Thing} \ \ \ bot & \ text {นกฮูก: ไม่มี} \ \ \ NEG & \ text {นกฮูก: complementOf} \ \ \ sqcup & \ text {นกฮูก: unionOf} \ \ \ sqcap & \ text {นกฮูก: intersectionOf} \ \ \ exists & \ text {นกฮูก: someValuesFrom} \ \ \ forall & \ text {นกฮูก: allValuesFrom} \ \ \ end {align} \)
\ (\ mathcal {ALC} \) + บทบาทผกผัน
การตั้งชื่อ: \ (\ mathcal {ALCI} \)
บทบาทสามารถ
- ชื่อบทบาท \ (r \) หรือ
- บทบาทผกผัน \ (r ^ - \)
ความหมายของบทบาทที่ตรงกันข้ามถูกกำหนดโดย
\[ (r^-)^\mathcal{I} = \{(y,x) | (x,y) \in r^\mathcal{I} \}\]
นกฮูกสร้าง: นกฮูก: inverseOf
\ (\ mathcal {ALC} \) Hierarchy บทบาท +
การตั้งชื่อ: \ (\ mathcal {ALCH} \)
สำหรับบทบาทของ \ (R, S \)
- ความจริงการรวมบทบาท (RIA) ที่ชี้แนะโดย \ (r \ sqsubseteq s \)
- \ (r \ equiv s \) เป็นคำย่อของ \ (r \ sqsubseteq s \) และ \ (s \ sqsubseteq r \)
การตีความ \ (\ mathcal {I} \) entails \ (r \ sqsubseteq s \) IFF \ (^ r \ mathcal {I} \ subseteq S ^ \ mathcal {I} \)
นกฮูกสร้าง: rdfs: subPropertyOf
\ (\ mathcal {ALC} \) + กริยาบทบาท
การตั้งชื่อ: \ (\ mathcal {ALC} \) + กริยา = \ (\ mathcal {S} \)
สำหรับบทบาท \ (r \)
- ความจริงกริยาคือแสดงโดย \ (\ text {} ทรานส์ (R) \)
การตีความ \ (\ mathcal {I} \) entails \ (\ text {} ทรานส์ (R) \) IFF
\[(x,y) \in r^\mathcal{I} \wedge (y,z) \in r^\mathcal{I} \rightarrow (x,z) \in r^\mathcal{I}.\]
นกฮูกสร้าง: นกฮูก: TransitiveProperty
\ (\ mathcal {ALC} \) + บทบาทการทำงาน
การตั้งชื่อ: \ (\ mathcal {ALCF} \)
สำหรับบทบาท \ (r \)
- ความจริงการทำงานคือแสดงโดย \ (\ text {} Func (R) \)
การตีความ \ (\ mathcal {I} \) entails \ (\ text {} Func (R) \) IFF
\[(x,y) \in r^\mathcal{I} \wedge (x,z) \in r^\mathcal{I} \rightarrow y=z.\]
นกฮูกสร้าง: นกฮูก: FunctionalProperty
บทบาทที่เรียบง่ายเมื่อเทียบกับคอมเพล็กซ์
ปล่อย \ (\ mathcal {R} \) เป็นลำดับชั้นของบทบาทและปล่อยให้ \ (\ sqsubseteq ^ {*} _ {\ mathcal {R}} \) จะปิดสะท้อนและ transitive ของ
- บทบาท \ (r \) มีความซับซ้อน WRT \ (\ mathcal {R} \) ถ้ามีบทบาท \ (s \) นั้น \ (\ text {} ทรานส์ (s) \ in \ mathcal {R} \ ) และ \ (s \ sqsubseteq ^ {*} _ {\ mathcal {R}} r \)
- มิฉะนั้นบทบาท \ (r \) เป็นเรื่องง่าย
ตัวอย่าง:
\[\mathcal{R}=\{ u \sqsubseteq r , r \sqsubseteq s , s \sqsubseteq t , q \sqsubseteq t , \text{Trans}(r) \}\]
คอมเพล็กซ์: \ (R, S, \ t)
ง่าย: \ (U, Q \)
\ (\ mathcal {ALC} \) + ข้อ จำกัด ของจำนวนสุทธิต่อหุ้น
การตั้งชื่อ: \ (\ mathcal {ALCN} \)
สำหรับบทบาทที่เรียบง่าย \ (r \) และจำนวนธรรมชาติ \ (\ n), ข้อ จำกัด จำนวน \ (\ geq nr \ leq nr = nr \) เป็นแนวคิดซึ่งความหมายถูกกำหนดให้เป็น
\ (\ begin {align} (\ geq nr) ^ \ mathcal {I} = \ {x \ in \ Delta ^ \ mathcal {I} | \ # \ {y \ in \ Delta ^ \ mathcal {I} | (x, y) \ in R ^ \ mathcal {I} \} \ geq n \} \ \ (\ leq nr) ^ \ mathcal {I} = \ {x \ in \ Delta ^ \ mathcal {I} | \ # \ {y \ in \ Delta ^ \ mathcal {I} | (x, y) \ in R ^ \ mathcal {I} \} \ leq n \} \ \ (= nr) ^ \ mathcal {I} & = \ {x \ in \ Delta ^ \ mathcal {I} | \ # \ {y \ in \ Delta ^ \ mathcal {I} | (x, y) \ in R ^ \ mathcal {I} \} = n \ n } \ \ \ end {align} \)
นกฮูกสร้าง:
\ (\ begin {align} \ geq nr = \ text {นกฮูก: minCardinality} \ \ \ leq nr = \ text {นกฮูก: maxCardinality} \ \ = nr = \ text {นกฮูก: exactCardinality} \ end {align } \)
\ (\ mathcal {ALC} \) nominals +
การตั้งชื่อ: \ (\ mathcal {เข็ดหลาบ} \)
ปล่อย \ (a_1, \ ldots, a_n \) บุคคลที่จะ ระบุ \ (\ {a_1, \ ldots, a_n \} \) เป็นแนวคิดซึ่งความหมายถูกกำหนดให้เป็น
\ ((\ {a_1, \ ldots, a_n \}) ^ \ mathcal {I} = \ {a_1 ^ \ mathcal {I}, \ ldots, a_n ^ \ mathcal {I} \} \)
นกฮูกสร้าง: นกฮูก: oneof
เหตุผลตรรกะ
สรุปเหตุผล
- เริ่มต้นด้วยการยืนยันจากกฎทั่วไปและเงินที่ได้จากที่นั่นไปยังข้อสรุปที่เฉพาะเจาะจงรับประกัน
- "จากกฎทั่วไปกับงานเฉพาะ"
เหตุผลอุปนัย
- เริ่มต้นด้วยการสังเกตที่มีความเฉพาะเจาะจงและ จำกัด อยู่ในขอบเขตและวิธีการที่จะได้ข้อสรุปทั่วไปที่อาจเป็นไปได้ แต่ไม่แน่ใจในที่มีแสงจากหลักฐานสะสม
- "จากที่เฉพาะเจาะจงในการทั่วไป"
เหตุผล Abductive
- เริ่มต้นด้วยชุดที่ไม่สมบูรณ์ของการสังเกตและวิธีการที่จะอธิบายล้วนเป็นไปได้สำหรับชุด
เหตุผลในรายละเอียด Logics (1)

เหตุผลใน Logics รายละเอียด (2)
ปล่อย \ (\ mathcal {I} \) จะตีความ \ (\ mathcal {T} \) จะ TBox, \ (\ mathcal {} \) จะ ABox และ \ (\ mathcal {K} = (\ mathcal {T} \ mathcal {}) \ base.We ความรู้ที่ได้รับ) กล่าวว่า
- \ (\ mathcal {I} \) เป็นรูปแบบสำหรับ \ (\ mathcal {T} \), IFF \ (\ mathcal {I} \ models \ alpha \) สำหรับความจริงทุก \ (\ alpha \ in \ mathcal {T } \) เขียน \ (\ mathcal {I} \ models \ mathcal {T} \)
- \ (\ mathcal {I} \) เป็นรูปแบบสำหรับ \ (\ mathcal {} \), IFF \ (\ mathcal {I} \ models \ alpha \) สำหรับความจริงทุก \ (\ alpha \ in \ mathcal { } \) เขียน \ (\ mathcal {I} \ models \ mathcal {} \)
- \ (\ mathcal {I} \) เป็นรูปแบบสำหรับ \ (\ mathcal {K} \), IFF \ (\ mathcal {I} \ \ models mathcal {T} \) และ \ (\ mathcal {I} \ models \ mathcal {} \)
- ความจริง \ (\ alpha \) จะถูกยกให้โดย \ (\ mathcal {K} \) เขียน \ (\ mathcal {K} \ รุ่น \ alpha \), IFF ทุกรุ่น \ (\ mathcal {I} \) จาก \ (\ mathcal {K} \) เป็นรูปแบบสำหรับ \ (\ alpha \)
บริการการใช้เหตุผล (1)
Satisfiability แนวคิด
\[ \mathcal{K} \not \models C \equiv \bot \]
ปัญหาของการตรวจสอบว่า \ (C \) พอใจ WRT \ (\ mathcal {K} \) นั่นคือไม่ว่าจะมีรูปแบบที่มีอยู่ \ (\ mathcal {I} \) ของ \ (\ mathcal {K} \) ดังกล่าวว่า \ (C ^ {\ mathcal {I}} \ NEQ \ emptyset \)
subsumption
\[ \mathcal{K} \models C \sqsubseteq D\]
ปัญหาของการตรวจสอบว่า \ (C \) จะวิทย \ (D \) WRT \ (\ mathcal {K} \) นั่นคือไม่ว่าจะเป็น \ (C ^ {\ mathcal {I}} \ subseteq D ^ {\ mathcal { I}} \) ในทุกรุ่น \ (\ mathcal {I} \) ของ \ (\ mathcal {K} \)
Satisfiability (Consistency)
\[ \mathcal{K} \not \models \top \sqsubseteq \bot\]
ปัญหาของการตรวจสอบว่า \ (\ mathcal {K} \) มีความสอดคล้องคือไม่ว่าจะมีรูปแบบ
บริการการใช้เหตุผล (2)
การตรวจสอบเช่น\[ \mathcal{K} \models C(a)\]
ปัญหาของการตรวจสอบว่าการยืนยัน \ (C () \) เป็นที่พอใจ WRT \ (\ mathcal {K} \) นั่นคือไม่ว่าจะเป็น \ (^ {\ mathcal {I}} \ in C ^ {\ mathcal {I }} \) ในทุกรุ่น \ (\ mathcal {I} \) ของ \ (\ mathcal {K} \)
การซ่อมแซม
\[\{a | \mathcal{K} \models C(a)\}\]
ปัญหาการหาบุคคลทั้งหมด \ (\) ซึ่งเป็นแนวคิด \ (C \) WRT \ (K \) นั่นคือหาทั้งหมด \ (\) สำหรับให้ \ (C \) นั้น \ (^ { \ mathcal {I}} \ in C ^ {\ mathcal {I}} \) ในทุกรุ่น \ (\ mathcal {I} \) ของ \ (\ mathcal {K} \)
ความเข้าใจ
\[\{C | \mathcal{K} \models C(a)\}\]
ปัญหาการหาชื่อชั้นเรียนทั้งหมด \ (C \) ซึ่ง indivdual \ (\) เป็น wrt \ (K \) นั่นคือหาทั้งหมด \ (C \) สำหรับให้ \ (\) นั้น \ ( ^ {\ mathcal {I}} \ in C ^ {\ mathcal {I}} \) ในทุกรุ่น \ (\ mathcal {I} \) ของ \ (\ mathcal {K} \)
บริการการใช้เหตุผล (3)
เราสามารถลดการบริการทั้งหมดเพื่อตรวจสอบ satisfiability:
Satisfiability แนวคิด
\ (K \ ไม่ได้ \ รุ่น C \ equiv \ bot \ longleftrightarrow \) มีอยู่ \ (x \) นั้น \ (K \ ถ้วย \ {C (x) \} \) พอใจ
subsumption
\ (K \ รุ่น C \ sqsubseteq D \ longleftrightarrow K \ ถ้วย \ {C \ sqcap \ NEG D (x) \} \) เป็น unsatisfiable
Instance ตรวจสอบ
\ (K \ รุ่น C () \ longleftrightarrow K \ ถ้วย \ {\ NEG C () \} \) เป็น unsatisfiable
อัลกอริทึม Tableau
วิธีที่เราสามารถ proove satisfiability ของแนวคิด?
(จำเอาไว้: แนวคิดคือพอใจถ้ามีรูปแบบ \ (\ mathcal {I} \) satisfiying มัน.)
เราจำเป็นต้องมีขั้นตอนการตัดสินใจที่สร้างสรรค์สำหรับรุ่นที่สร้าง
\ (\ longrightarrow \) อัลกอริทึม Tableau
ขั้นตอนการพิสูจน์:
- เปลี่ยนแนวคิดให้เป็นรูปแบบปกติการปฏิเสธ (NNF)
- ใช้กฎความสำเร็จในการสั่งซื้อโดยพลการเป็นเวลานานที่สุด
- แนวคิดพอใจถ้าและเพียงถ้าฉากปะทะกันฟรีสามารถจะได้มาซึ่งการปกครองเสร็จสิ้นไม่สามารถใช้ได้
ภาพนิ่งใหม่
TBox \ (\ mathcal {T} \):
\ (\ begin {align} \ text {Man} \ equiv \ ข้อความ NEG \ {ผู้หญิง} \ ข้อความ sqcap \ {คน} \ \ \ text {ผู้หญิง} & \ ข้อความ sqsubseteq \ {คน} \ \ \ text {แม่ } \ equiv \ text {ผู้หญิง} \ sqcap \ exists \ text {hasChild}. \ \ top \ \ end {align} \)
ABox \ (\ mathcal {} \):
\ (\ begin {align} \ text {แมน (สตีเฟน)} \ \ \ ข้อความ NEG \ {Man (MONICA)} \ \ \ text {ผู้หญิง (เจสสิก้า)} \ \ \ text {hasChild (สตีเฟน, เจสสิก้า)} \ \ \ end {align} \)
ปล่อย \ (\ mathcal {I} \) จะตีความด้วย:
\ (\ begin {align} \ text {Man} ^ \ mathcal {I} = \ {สตีเฟ่น \} \ \ \ text {ผู้หญิง} ^ \ mathcal {I} = \ {เจสสิก้า MONICA \} \ \ \ ข้อความแม่ {} ^ \ mathcal {I} = \ {MONICA \} \ \ \ text {คน} ^ \ mathcal {I} = \ {เจสสิก้า, โมนิก้า, สตีเฟ่น \} \ \ \ text {hasChild} ^ \ mathcal {I} = \ {\ langle MONICA สตีเฟ่น \ rangle \ langle สตีเฟน, เจสสิก้า \ rangle \} \ \ \ end {align} \)
แล้วก็ถือว่า
\ (\ mathcal {I} \ models \ mathcal {T} \ text {และ} \ mathcal {I} \ models \ mathcal {} \)
ปฏิเสธรูปแบบปกติ
แนวความคิดที่อยู่ในรูปแบบปกติการปฏิเสธ (NNF) ถ้าปรากฏทั้งหมดใน negations มันอยู่ในหน้าของแนวคิดอะตอม
ทุกคน \ (\ mathcal {ALC} \) แนวคิดสามารถเปลี่ยนเป็นหนึ่งเทียบเท่าใน NNF ใช้กฎดังต่อไปนี้:
\[ \begin{aligned} NNF(C) &= C, \text{ if } C \text{ is atomic }\\ NNF(\neg C) &= \neg C, \text{ if } C \text{ is atomic}\\ NNF(\neg \neg C) &= NNF(C) \\ NNF(C \sqcup D) &= NNF(C) \sqcup NNF(D) \\ NNF(C \sqcap D) &= NNF(C) \sqcap NNF(D) \\ NNF(\neg(C \sqcup D)) &= NNF(\neg C) \sqcap NNF(\neg D) \\ NNF(\neg(C \sqcap D)) &= NNF(\neg C) \sqcup NNF(\neg D) \\ NNF(\forall R.C) &= \forall R.NNF(C) \\ NNF(\exists R.C) &= \exists R.NNF(C) \\ NNF(\neg \forall R.C) &= \exists R.NNF(\neg C) \\ NNF(\neg \exists R.C) &= \forall R.NNF(\neg C) \\ \end{aligned} \]
ปฏิเสธแบบปกติ - ตัวอย่าง
เปลี่ยนแนวคิด
\[\neg (\neg (A \sqcup \neg B) \sqcap \neg C))\]
ถึงแนวคิดเทียบเท่าในรูปแบบปกติปฏิเสธ:
\[ \begin{aligned} &NNF(\neg (\neg (A \sqcup \neg B) \sqcap \neg C))\\ &= NNF(\neg \neg (A \sqcup \neg B)) \sqcup NNF(\neg \neg C)\\ &= NNF(A \sqcup \neg B) \sqcup NNF(C)\\ &= NNF(A \sqcup \neg B) \sqcup C\\ &= NNF(A) \sqcup NNF(\neg B) \sqcup C\\ &= A \sqcup \neg B \sqcup C\\ \end{aligned} \]
อัลกอริทึมสำหรับ Tableau \ (\ mathcal {ALC} \) satisfiability แนวคิด
ฉาก (กราฟเสร็จ) สำหรับ \ (\ mathcal {ALC} \) เป็นแนวคิดที่มุ่งเน้นการติดป้ายกราฟ \ (G = \ langle V, E, L \ rangle \) ซึ่งแต่ละโหนด \ (x \ in V \) จะมีป้ายกับชุด \ (L (x) \) จากแนวคิดและขอบแต่ละ \ (\ langle x, y rangle \ \ in E \) จะถูกกำกับด้วยชุด \ (L (\ langle x, y rangle \ \ )) บทบาทของ
กราฟเสร็จ \ (G \)
- มีการปะทะกันถ้า \ (\ {\ NEG \} \ in L (x) \) สำหรับแนวคิดอะตอมบาง \ (\) หรือ \ (\ bot \ in L (x) \) หรือ \ (\ NEG \ \ top ใน L (x) \)
- เสร็จสมบูรณ์แล้วถ้ากฎเสร็จไม่สามารถนำมาใช้กับมัน
กฎระเบียบสำหรับการเสร็จ \ (\ mathcal {ALC} \) satisfiability แนวคิด
\ (\ sqcap \) กฎ | ถ้า | \ (C \ sqcap D \ in L (V), \ text {บาง} \ v ใน V \ text {และ} \ {C, D \} \ ไม่ได้ \ subseteq L (V) \) |
แล้วก็ | \ (L (V) = L (V) \ ถ้วย \ {C, D \} \) | |
\ (\ sqcup \) กฎ | ถ้า | \ (C \ sqcup D \ in L (V), \ text {บาง} \ v ใน V \ text {และ} \ {C, D \} \ ฝา L (V) = \ emptyset \) |
แล้วก็ | \ (\ text {เลือก} X \ in \ {C, D \} \ text {} และปล่อยให้ L (V) = L (V) \ ถ้วย \ {X \} \) | |
\ (อยู่แล้ว \ \) กฎ | ถ้า | \ (\ exists RC \ in L (V), \ text {บาง} \ v ใน V, \ text {และไม่มี} r \ text {สืบ-} \) \ (v '\ text {} ของวี \ text {เช่นนั้น} C \ in L (V) \) |
แล้วก็ | \ (V = V \ ถ้วย \ {v '\}, E = E \ ถ้วย \ {\ langle V, v' \ rangle \}, L (v ') = \ {C \} \) \ ( \ text {} และ L (\ langle วี 'rangle \ = \ {r \} \) \ (\ text {สำหรับจุดยอดใหม่} V V)' \) | |
\ (\ forall \) กฎ | ถ้า | \ (V, v '\ in V, v' \ text {เป็น} r \ text {ตัวตายตัวแทนของ} V, \ forall RC \ in L (V) \ text {และ} C \ ไม่ได้ \ in L (v ' ) \) |
แล้วก็ | \ (L (v ') = l (v') \ ถ้วย {C} \) |
อัลกอริทึมสำหรับ Tableau \ (\ mathcal {ALC} \) satisfiablity แนวคิด - ตัวอย่างที่ 1
เราตรวจสอบว่า \ (C = (A \ sqcap \ NEG) \ sqcup B \) พอใจ มันมีอยู่ใน NNF ดังนั้นเราโดยตรงสามารถใช้อัลกอริทึมฉากไป
\[(A \sqcap \neg A) \sqcup B.\]
กฎเฉพาะคือ \ (\ sqcup \ ข้อความ {กฎ} \) เรามีสองเป็นไปได้ ประการแรกเราสามารถลอง
\[L(x)=\{C, A \sqcap \neg A\}.\]
แล้วเราสามารถใช้ \ (\ sqcap \ ข้อความ {กฎ} \) และได้รับ
\[L(x)=\{C, A \sqcap \neg A, A, \neg A\}.\]
เราได้รับการปะทะกันจึงเลือกนี้ไม่ประสบความสำเร็จ ประการที่สองเราสามารถลอง
\[L(x)=\{C, B\}.\]
ไม่มีกฎมากขึ้นมีผลบังคับใช้และเราได้รับการปะทะกันไม่ ดังนั้น \ ((A \ sqcap \ NEG) \ sqcup B \) พอใจ
รูปแบบ \ (\ mathcal {I} \) satisfiying มันจะได้รับโดย
\[\Delta^\mathcal{I}=\{x\}, A^\mathcal{I}=\emptyset, B^\mathcal{I}=\{x\}.\]
อัลกอริทึมสำหรับ Tableau \ (\ mathcal {ALC} \) satisfiablity แนวคิด - ตัวอย่างที่ 2
เราตรวจสอบว่า \ (C = \ sqcap \ exists rB \ sqcap \ forall r. \ NEG B \) พอใจ มันมีอยู่ใน NNF ดังนั้นเราโดยตรงสามารถใช้อัลกอริทึมฉากไป
\[C=A \sqcap \exists r.B \sqcap \forall r.\neg B.\]
การประยุกต์ใช้ \ (\ sqcap \ ข้อความ {กฎ} \) ให้
\[L(x)=\{C, A, \exists r.B, \forall r.\neg B\}.\]
การประยุกต์ใช้ \ (\ text อยู่ \ {กฎ} \) ให้
\ (\ begin {align *} L (x) = \ {C, A, \ exists rB, \ forall r. \ NEG B \} \ \ L (y) = \ {B \} \ \ ลิตร ( \ langle x, y rangle \) = \ {r \} \ end {align *} \)
การประยุกต์ใช้ \ (\ forall \ ข้อความ {กฎ} \) ให้
\ (\ begin {ชิด} L (x) = \ {C, A, \ exists rB, \ forall r. \ NEG B \} \ \ L (y) = \ {B, \ NEG B \} \ \ L (\ langle x, y rangle \) = \ {r \} \ end {ชิด} \)
เราได้รับการปะทะกันและไม่มีทางเลือกอื่น ๆ ที่เป็นไปได้ ดังนั้น \ (\ sqcap \ exists rB \ sqcap \ forall r. \ NEG B \) เป็น unsatisfiable และมีรูปแบบที่มีอยู่ไม่มี
อัลกอริทึมสำหรับ Tableau \ (\ mathcal {ALC} \) TBoxes
เราขยายฉากอัลกอริทึมในการตรวจสอบ satisfiability ของ \ (\ mathcal {ALC} \) TBoxes
- \ (\ mathcal {ALC} \) TBox มีหลักการอย่างเดียว (GCIs) ของฟอร์ม \ (C \ sqsubseteq D \) (หมายเหตุที่สัจพจน์ของฟอร์ม \ (C \ equiv D \) สามารถเขียนใหม่เป็น \ (C \ sqsubseteq D \) และ \ (D \ sqsubseteq C \))
- GCI ทุกเทียบเท่ากับ \ (\ \ top sqsubseteq \ NEG C \ sqcup D \)
เราสามารถ internalize TBox ทั้งหมดเป็นความจริงเดียว:
\[\mathcal{T}=\{C_i \sqsubseteq D_i | 1 \leq i \leq n\}\]
เทียบเท่ากับ
\[ \top \sqsubseteq \underset{1 \leq i \leq n}{{\LARGE\sqcap}} \neg C_i \sqcup D_i \]
ปล่อย \ (C_ \ mathcal {T} \) เป็นแนวความคิดทางด้านขวาของ GCI แล้วกฎเพิ่มเติมคือ
\ (\ mathcal {T} \) กฎ | ถ้า | \ (C_ \ mathcal {T} \, \, \ ไม่ได้ \ in L (V), \ text {บาง} \ v ใน V \) |
แล้วก็ | \ (L (V) = L (V) \ ถ้วย \ {C_ \ mathcal {T} \} \) |
อัลกอริทึมสำหรับ Tableau \ (\ mathcal {ALC} \) TBoxes - ตัวอย่าง
สมมติว่าเรามี TBox \ (\ mathcal {T} = \ {\ sqsubseteq \ exists rA \} \) และต้องการที่จะตรวจสอบว่าแนวคิด \ (\) พอใจ เราเริ่มต้นด้วย
\[L(x)=\{A\}\]
กฎเฉพาะคือ \ (\ mathcal {T} - \ text {กฎ} \) ทำให้เราได้รับ
\[L(x)=\{A, \neg A \sqcup \exists r.A\}\]
หลังจากใช้ \ (\ sqcup \ ข้อความ {กฎ} \) เป็นตัวเลือกแรกที่นำไปสู่การปะทะกันดังนั้นเราจะใช้ส่วนที่สองของ disjuction และได้รับ
\[L(x)=\{A, \neg A \sqcup \exists r.A, \exists r.A\}\]
เราสามารถใช้ \ (\ exists \ ข้อความ {กฎ} \) และได้รับ
\ (\ begin {align *} L (x) = \ {\ NEG \ sqcup \ exists rA, \ exists rA \} \ \ L (y) = \ {\} \ end {align * } \)
ณ จุดนี้เราสามารถเรียกใช้ขั้นตอนเดียวกันบน \ (y \) ดังนั้นอัลกอริทึมจะไม่ยุติ
การแก้ไข: เราต้องการที่จะค้นพบวงจร \ (\ longrightarrow \) ปิดกั้น
การปิดกั้นสำหรับ \ (\ mathcal {ALC} \)
เป้าหมาย: | ตรวจสอบให้แน่ใจสิ้นสุดของอัลกอริทึมฉาก |
การแก้ไข: | ตรวจสอบรอบที่อาจเกิดขึ้นเนื่องจากการประยุกต์ใช้ \ (\ mathcal {T} - \ text {กฎ} \) |
ผล: | กราฟเสร็จอยู่เสมอแน่นอน |
การปิดกั้น:
โหนด \ (v '\ in V \) ถูกบล็อกโดยตรงโดยโหนด \ (\ v ใน V \) ถ้า
- \ (\ v) เป็นบรรพบุรุษของ \ (v '\)
- \ (L (v ') \ subseteq L (V) \)
- ไม่มีโหนดบล็อกโดยตรง \ (V ^ {''} \) นั้น \ (V'' \) เป็นบรรพบุรุษของ \ (\ v)
โหนด \ (v '\) ถูกบล็อคถ้าอย่างใดอย่างหนึ่ง
- \ (v '\) ถูกบล็อกโดยตรงหรือ
- มีโหนดบล็อกโดยตรง \ (\ v) ซึ่งเป็นบรรพบุรุษของ \ (v '\)
อัลกอริทึมสำหรับ Tableau \ (\ mathcal {ALC} \) TBoxes ด้วยการปิดกั้น - ตัวอย่าง
สมมติว่าเรามี TBox \ (\ mathcal {T} = \ {\ sqsubseteq \ exists rA \} \) และต้องการที่จะตรวจสอบว่าแนวคิด \ (\) พอใจ
เราได้รับฉากปะทะกันฟรี
\ (\ begin {align *} L (x) = \ {\ NEG \ sqcup \ exists rA, \ exists rA \} \ \ L (y) = \ {\ NEG \ sqcup \ อยู่ rA, \ exists rA \} \ end {align *} \)
ประเด็น \ (y \) ถูกบล็อกโดยตรงโดย \ (x \)
เราจะได้รับแบบ จำกัด โดยคำนึงถึงว่า
- โหนดที่ถูกปิดกั้นไม่ได้เป็นตัวแทนองค์ประกอบในรูปแบบ
- ขอบจากโหนด \ (\ v) ไปยังโหนดบล็อกโดยตรง \ (v '\) จะถูกแสดงในรูปแบบที่เป็น "ขอบ" จาก \ (\ v) ไปยังโหนดที่บล็อกโดยตรง \ (V' \)
สำหรับตัวอย่างของเราที่เราได้รับ
\[ \Delta^\mathcal{I}=\{x\}, A^\mathcal{I}=\{x\}, r^\mathcal{I}=\{\langle x,x \rangle\} \]
ข้อมูลอย่างย่อ
- ความหมายของนกฮูกจะขึ้นอยู่กับรายละเอียด Logics
- Logics รายละเอียดเป็นเศษเล็กเศษน้อย decidable ของลอจิกสั่งซื้อครั้งแรก
- สรุปเหตุผลในนกฮูกเป็นไปได้
- อัลกอริทึมฉากที่เป็นหนึ่งในวิธีการที่พบมากที่สุดสำหรับเหตุผลที่นกฮูก
วัตถุประสงค์การเรียนรู้
- ภาษากฎในเว็บแบบ Semantic
- ความสัมพันธ์ระหว่างนกฮูกและกฎระเบียบ
ข้อ จำกัด ของนกฮูก
แนวคิดเป็นภาษาแบบสอบถามไม่เพียงพอ:- "ซึ่งคู่ของบุคคลที่มีพ่อแม่เหมือนกัน"
- "ซึ่งผู้คนอาศัยอยู่กับพ่อแม่ของพวกเขา"
- "ซึ่งคู่ลูกหลาน (โดยตรงหรือโดยอ้อม) จะมี?"
- \ ((\ forall x) (\ forall y) (\ forall z) \, (\ mathsf {} พี่ชาย (y, z) \ wedge \ mathsf {พ่อ} (x, y) \ to \ mathsf {} ลุง ( x, z)) \)
- \ ((\ forall x) \, (\ mathsf {รัก} (x, x) \ to \ mathsf {narcissist} (x)) \)
- นกฮูกเป็น decidable: สามารถโดยทั่วไปจะไม่แสดงทุกอย่างที่สามารถโปรแกรมได้ (ลังเลปัญหา)
- นกฮูกไม่ได้ "ประมวลผล" มันเป็นไปไม่ procedurally: บางนามสกุล (ในตัว) เป็นเรื่องยากที่จะดำเนินการ
1/4: กฎตรรกะ
- ผลกระทบในตรรกะคำกริยา
- ตัวอย่างเช่น: \[F\to G \;\;\; (\equiv\;\neg F \vee G)\]
- ตรรกะของการขยายฐานความรู้แบบคงที่→
- OpenWorld
- ประกาศ (บรรยาย)
2/4: ขั้นตอนกฎระเบียบ
- กฎการผลิตเช่น
- "ถ้า X แล้ว Y Z อื่น"
- คำแนะนำเครื่องที่ปฏิบัติการแบบไดนามิก-→
- การดำเนินงาน (หมายถึงผลกระทบในการดำเนิน =)
3/4: การเขียนโปรแกรมลอจิก
- อารัมภบทเช่น F-logic
mann(X) <- person(X) AND NOT frau(X)
- การประมาณของความหมายตรรกะกับลักษณะการดำเนินงานที่เป็นไปได้ builtins
- โลกมักจะปิด
- "กึ่งเปิดเผย"
4/4 กฎการอนุมานของแคลคูลัส
- กฎสำหรับความหมายเช่น RDF
- กฎไม่ได้เป็นส่วนหนึ่งของฐานความรู้ "เมตาดาต้ากฎ"
- ไม่ได้เป็นเรื่องของการบรรยายนี้
ภาษาที่กฎ
- ข้อกำหนดที่ชัดเจนของไวยากรณ์และความหมาย?
- เครื่องมือสนับสนุนซอฟต์แวร์?
- อะไรที่ฉันแสดงออกต้อง?
- ความซับซ้อนของการดำเนินการ? ผลการดำเนินงาน?
- ความเข้ากันได้กับรูปแบบที่มีอยู่เช่นนกฮูก?
- กำหนดการเรียก (อธิบาย) หรือการดำเนินงาน (โปรแกรม)
- ...
ภาษาที่กฎ
- กำหนดไว้อย่างชัดเจนวิจัยครอบคลุมดีเข้าใจ
- อย่างเข้ากันได้กับ OWL DL และ RDF
- ไม่สามารถตัดสินใจโดยไม่มีข้อ จำกัด
- วิธีการที่เป็นอิสระจำนวนมากมักจะกำหนดไว้เพียงราง
- บ่อยครั้งที่ใช้เป็นภาษาโปรแกรมนกฮูกและ RDF ความสัมพันธ์ไม่ชัดเจน
- การประมวลผลที่มีประสิทธิภาพเป็นไปได้
- กำหนดไว้อย่างชัดเจน แต่วิธีการที่แตกต่างกัน
- บางส่วนที่เข้ากันได้กับนกฮูกและ RDF
- decidability / ความซับซ้อนอย่างมากขึ้นอยู่กับวิธีการที่เลือก
สรุปเหตุผลเป็นภาษากฎ
- กฎระเบียบเป็น Implikationsformeln ของตรรกะคำกริยา: \[\underbrace{A_1 \wedge A_2\wedge \ldots\wedge A_n}_{\textrm{Rumpf}} \to \underbrace{H_{}}_{\mathrm{Kopf}}\] →ความหมายเทียบเท่ากับความร้าวฉาน: \[ H\vee \neg A_1 \vee\neg A_2\vee \ldots\vee\neg A_n\]
- ค่าคงที่ตัวแปรและสัญลักษณ์ฟังก์ชันอนุญาต
- ปริมาณสำหรับตัวแปรที่มักถูกมองข้าม:
เข้าใจว่าเป็นตัวแปรเชิงปริมาณในระดับสากล (เช่นกฎนำไปใช้กับงานที่มอบหมายทั้งหมด) - ความร้าวฉานที่มีจำนวนมากของอะตอมที่ไม่เมื่อตะกี้
→กฎลักษณะที่แยก: \[ \underbrace{A_1 \wedge A_2\wedge \ldots\wedge A_n}_{\textrm{Rumpf}} \to \underbrace{H_1 \vee H_2 \vee \ldots\vee H_m}_{\mathrm{Kopf}}\]
ประเภทของกฎ
ชื่อของ "กฎ" ของการสรุปเหตุผล:- ข้อ: ความร้าวฉานของข้อเสนออะตอมหรือเมื่อตะกี้ข้อเสนออะตอม
- ประโยคที่ฮอร์นประโยคที่มีอะตอมไม่เมื่อตะกี้มากที่สุดคนหนึ่ง
- ประโยคที่ชัดเจน: ประโยคหนึ่งอะตอมไม่เมื่อตะกี้
- ข้อเท็จจริง: ประโยคของอะตอมที่ไม่เมื่อตะกี้เดียว
- ข้อ: \[\mathsf{Person}(x) \;\to\;\mathsf{Frau}(x) \vee \mathsf{Mann}(x)\]
- ประโยคที่ชัดเจน: \[\mathsf{Mann}(x) \wedge \mathsf{hatKind}(x,y) \;\to\;\mathsf{Vater}(x)\]
- Icon: \[\mathsf{hatBruder}(\mathsf{mutter}(x),y) \;\to\;\mathsf{hatOnkel}(x,y)\]
- ประโยคที่ฮอร์น "Integritätsbed" \[\mathsf{Mann}(x) \wedge \mathsf{Frau}(x) \;\to\;\]
- ความเป็นจริง: \[\mathsf{Frau}(\mathsf{gisela})\]
Datalog
→กฎ Datalog
Datalog
- ภาษากฎตรรกะตามเดิมในฐานข้อมูลการอนุมาน
- ฐานความรู้ ("โปรแกรม Datalog") จากประโยคที่ฮอร์นโดยไม่ต้องสัญลักษณ์ฟังก์ชั่น
- decidable
- ที่มีประสิทธิภาพสำหรับข้อมูลจำนวนมากเช่นความซับซ้อนโดยรวมของ OWL Lite (EXPTIME)
กฎความหมาย
- ความหมายที่รู้จักอย่างกว้างขวางและเป็นที่เข้าใจกันดี
- เข้ากันได้กับวิธีการสรุปเหตุผลอื่น ๆ (เช่นตรรกะคำอธิบาย)
ความหมายของ Datalog
ความหมายที่กำหนดโดยใช้แบบจำลองตรรกะ:- แปลความหมายของ \ (\ mathcal {I} \) กับโดเมน \ (\ delta_ {\ mathcal {I}} \)
- การประเมินผลของตัวแปร: การกำหนดตัวแปร \ (\ mathcal {Z} \) (รูปที่ตัวแปรบน \ (\ delta_ {\ mathcal {I}} \))
- แปลความหมายของข้อกำหนดและสูตรใน \ (\ mathcal {I} \) (และ \ (\ mathcal {Z} \)):
- แปลความหมายของค่าคงที่: \ (^ {\ mathcal {I}, \ mathcal {Z}} = ^ {\ mathcal {I}} \ in \ delta_ {\ mathcal {I}} \)
- แปลความหมายของตัวแปร: \ (x ^ {\ mathcal {I}, \ mathcal {Z}} = \ mathcal {N} (x) \ in \ delta_ {\ mathcal {I}} \)
- แปลความหมายของคำกริยา n สถานที่: \ (p ^ {\ mathcal {I}} \ in \ delta_ {\ mathcal {I}} ^ n \ n)
- \ (\ mathcal {I}, \ mathcal {Z} \ รูปแบบ p (t_1, \ ldots, t_n) \) ถ้าหากว่า \ ((t_1 ^ {\ mathcal {I} \ mathcal {N}}, \ ldots , t_n ^ {\ mathcal {I}, \ mathcal {Z}}) \ in p ^ {\ mathcal {I}} \)
- \ (\ mathcal {I} \ models B \ to H \) IFF \ สำหรับการมอบหมายแต่ละตัวแปร (\ mathcal {Z} \) เป็นทั้ง \ (\ mathcal {I}, \ mathcal {Z} \ รุ่น H \) หรือ \ (\ mathcal {I}, \ mathcal {Z} \ ไม่ได้รูปแบบ \ B \)
- \ (\ mathcal {I} \) เป็นแบบจำลองสำหรับการตั้งกฎ, ถ้าหากว่า \ (\ mathcal {I} \ models B \ to H \) สำหรับกฎทั้งหมด \ (B \ to H \) จำนวนนี้
Datalog ในทางปฏิบัติ
Datalog ในการปฏิบัติงาน:- การใช้งานต่างๆที่มีอยู่
- ปรับสำหรับความหมายเว็บ: ชนิดข้อมูลจาก XML สคีมายูริส (เช่น IRIS)
- ลักษณะที่แยก Datalog ช่วยให้ disjunctions อยู่ในหัว
- ปฏิเสธไม่ต่อเนื่อง (ไม่มีความหมายสรุปเหตุผล)
- บูรณาการข้อมูลจากจีส์นกฮูก (เช่น DL-โปรแกรม dlvhex)
→ coupling หลวมของนกฮูกและ Datalog (ไม่ใช่ความหมายสรุปเหตุผลที่พบบ่อย)
วิธีที่เราสามารถรวม OWL DL และ Datalog?
SWRL - "เว็บภาษาความหมายของกฎ"
- ข้อเสนอการขยายของนกฮูกกฎ
- Idea: กฎ Datalog ด้วยความเคารพต่ออภิปรัชญานกฮูก
- สัญลักษณ์ในกฎสามารถเป็นนกฮูกตัวระบุหรือบ่งชี้ใหม่ Datalog
- เพิ่มเติมตัว-ins ในการประมวลผลชนิดข้อมูล
- ตัวแทนหลายประโยค
ความหมายของ SWRL
OWL DL (Logic รายละเอียด) และ Datalog ใช้การตีความเดียวกัน:
- บุคคลที่มีนกฮูก Datalog ค่าคงที่
- เรียนนกฮูกเป็น predicates Datalog เอก
- บทบาทของนกฮูกเป็นตัวเลขสองหลัก predicates Datalog
→ผมพร้อมกันสามารถเป็นต้นแบบนกฮูกอภิปรัชญาและชุดของกฎ Datalog
สรุป→การรวมกัน OWL-Datalog เป็นไปได้
ตัวอย่าง
ฐานความรู้รวม SWRL (Datalog ตรรกะคำอธิบาย):
- มังสวิรัติ (x) ผลิตภัณฑ์ปลา∧ (y) magNicht → (x, y)
- hatBestellt (x, y) ∧ magNicht (x, y) →พอใจ (x)
- hatBestellt (x, y) →ศาล (y)
- magNicht (x, z) หลักสูตร∧ (y) รวมถึง∧ (y, z) → magNicht (x, y)
- →มังสวิรัติ (Markus)
- มีความสุข (x) ∧ไม่พอใจ (x) →
- ∃ hatBestellt.ThaiCurry (Markus)
- ไทยแกง⊑∃enthält.Fischprodukt
วิธีการยาก SWRL คือ
- เหตุผลใน OWL DL เป็น NEXPTIME สมบูรณ์
- เหตุผลใน OWL DL 2 คือ N2EXPTIME สมบูรณ์
- เหตุผลใน Datalog เป็น EXPTIME สมบูรณ์
→วิธีการที่ยากคือเหตุผลใน SWRL?
เหตุผลใน SWRL เป็นที่ตัดสิน
(สำหรับนกฮูกจึงยังสำหรับนกฮูก 2)
Undecidability ของ SWRL
มีขั้นตอนวิธีโดยที่หนึ่งสามารถวาดข้อสรุปตรรกะใด ๆ จากทุกฐานความรู้ SWRL ไม่มีแม้ว่าใด ๆ (จำกัด ) มีจำนวนมากของเวลาการประมวลผลและหน่วยความจำ
จริง แต่ที่เป็นไปได้:
- ขั้นตอนวิธีการวาดข้อสรุปทั้งหมดจากส่วนหนึ่งของฐานความรู้ SWRL
- ขั้นตอนวิธีการที่ดึงออกมาจากความรู้ SWRL ทั้งหมดฐานเป็นส่วนหนึ่งของข้อสรุป
ทั้งสองมีความเป็นไปได้นิด ๆ ถ้า "ส่วน" ที่เหมาะสมมีขนาดเล็กมาก
กฎ Logic รายละเอียด
- บัตรประจำตัวของเหล่านี้จิกรายละเอียดกฎระเบียบให้ส่วน decidable ของ SWRL
- ใช้ลึกซึ้ง "ซ่อน" ของนกฮูกที่ 2: เป้าหมาย
- การดำเนินการโดยตรงโดยนกฮูก 2 เครื่องมือ
SROIQ (นอกเหนือจากสีแดง = Shoin)
|
|
กฎง่ายๆด้วย SROIQ
- C \ (\ sqsubseteq \) D คือ C (x) → D (x)
- r \ (\ sqsubseteq \) S เป็น r (x, y) → S (x, y)
- มีความสุข \ (\ sqcup \) ไม่พอใจ \ (\ sqsubseteq \) สอดคล้อง⊥
มีความสุข (x) ∧ไม่พอใจ (x) → - สถานที่∃ที่อยู่อาศัย LiegtIn.EULand ∃ \ (\ sqsubseteq \) สอดคล้องกับสหภาพยุโรปพลเมือง
ถิ่นที่อยู่ (x, y) ∧ liegtIn (y, z) ∧ประเทศสหภาพยุโรป (z) →พลเมืองของสหภาพยุโรป (x)
- hatMutter hatBruder ◦ \ (\ sqsubseteq \) hatOheim
สอดคล้องhatMutter(x,y) ∧ hatBruder(y,z) → hatOheim(x,z)
กฎระเบียบเพิ่มเติม
- หัวกฎที่มีสองตัวแปร→ไม่ได้เป็นตัวแทนของความจริงคลาส
- กฎร่างกายมีการแสดงออกในชั้นเรียน→อักษรความจริงไม่สามารถแสดงได้
อย่างไรก็ตามกฎนี้สามารถแสดงในนกฮูก 2!
กฎเพิ่มเติม (II)
- บทบาทของชายคนหนึ่งผู้ช่วย R
- ความจริงคนช่วย≡∃ R ตัวเองคน.
- ปรีชา: "คนเป็นสิ่งที่ดีที่มีความสัมพันธ์ R-man กับตัวเอง."
กฎเพิ่มเติม (III)
magNicht(x,z) ∧ Gericht(y) ∧ enthält(y,z) → magNicht(x,y)
\[Gericht \equiv \exists R_{Gericht}.\mathsf{Self}\]
\[magNicht \circ enthält^{-} \circ R_{Gericht} \sqsubseteq magNicht\]
กฎเพิ่มเติม (IV)
Vegetarier(x) ∧ Fischprodukt(y) → magNicht(x,y)
- บทบาทผู้ช่วย R และผลิตภัณฑ์ปลา R มังสวิรัติ
- ด้วยตนเองมังสวิรัติสัจพจน์เสริม≡∃มังสวิรัติ R. ปลาด้วยตนเองและผลิตภัณฑ์ปลา≡∃ผลิตภัณฑ์ R.
ขอบเขตของกฎ Logic รายละเอียด
hatBestellt(x,y) ∧ magNicht(x,y) → Unglücklich(x)
- บทบาทที่ตรงกันข้ามเช่น
enthält(y,z) → enthält − (z,y)
- แขนด้าน "ม้วนขึ้น" เช่น
liegtIn(y,z) ∧ EULand(z) → ∃liegtIn.EULand(y)
- แทนที่แนวคิดผ่านม้วนเช่น
Mann(x) → R Mann (x,x)
- สระว่ายน้ำในการรวมบทบาทแปลง (∧แทนที่ด้วย◦)
กฎตรรกะคำอธิบายความหมาย
เตรียมปกติกฎ- สำหรับการเกิดขึ้นของกฎ (!) คงที่แต่ละ
เข้าร่วมเรือ {} (x) กับตัวแปร x ใหม่และแทนที่การเกิดขึ้นของ x โดย - แทนที่แต่ละอะตอม R (x, x) โดย∃ R.Self (x)
- ตัวแปร = node มักจะ
- ขอบ = อะตอมบทบาทของร่างกายกฎ (ไม่มีทิศทาง)
- ทุกอะตอมมักจะใช้แนวคิดและบทบาท SROIQ,
- ขึ้นกราฟของการควบคุมปกติมีรอบไม่มี
ตัวอย่าง
- (1) ผัก (x) ผลิตภัณฑ์ปลา∧ (y) magNicht → (x, y)
- (3) hatBestellt (x, y) →ศาล (y)
- (4) magNicht (x, z) หลักสูตร∧ (y) รวมถึง∧ (y, z) → magNicht (x, y)
- (5) →มังสวิรัติ (Markus)
- (6) มีความสุข (x) ∧ไม่พอใจ (x) →
hatBestellt(x,y) ∧ magNicht(x,y) → Unglücklich(x)
ไม่ได้เป็นกฎ DL กฎระเบียบสำหรับการแปลง DL SROIQ (I)
- normalizing กฎ
- สำหรับคู่ของแต่ละตัวแปร
x
และy
:
มีx
และy
ไม่ได้เชื่อมต่อในกราฟพึ่งพาคือมีเส้นทางระหว่างไม่มีx
และy
แล้วเพิ่มในเรือU(x,y)
- หัวหน้าควบคุมอยู่ในขณะนี้ในรูปแบบของ
D(z)
และS(z,z')
.
สำหรับอะตอมของแต่ละR(x,y)
ในร่างกาย:
ถ้าเส้นทางการพึ่งพากราฟz
ที่y
จะสั้นกว่าของz
ที่x
ดังนั้นแทนที่R(x,y)
ของR − (y,x)
. - ถ้าเรือเป็นอะตอม
R(x,y)
ที่เกิดขึ้นเพื่อให้y
เกิดขึ้นในอะตอมอื่น ๆ ของกฎสองหลัก:- ถ้าร่างกายของ
n
อะตอมหลักC 1 (y),...,C n (y)
ที่มีกำหนดแล้ว \ (E: C_1 = \ sqcap \ \ ldots sqcap C_n \) และลบC 1 (y),...,C n (y)
จากร่างกาย มิฉะนั้นกำหนด \ (E = \ \ top) - แทนที่
R(x,y)
โดย∃RE(x)
.
R(x,y)
เป็น - ถ้าร่างกายของ
กฎระเบียบสำหรับการแปลง DL SROIQ (II)
- ถ้าหัวควบคุมอยู่ในหลักเดียวกฎมีรูปแบบ
C 1 (x) ∧ ... ∧ C n (x) → D(x)
.
แทนที่ด้วย \ (C_1 \ sqcap \ \ ldots sqcap C_n \ sqsubseteq D \) - ถ้าหัวมักจะเป็นตัวเลขสองหลักแล้ว
- สำหรับแต่ละเอก
Atom C(z)
ในลำตัว:
สร้างความจริงใหม่C ≡ ∃R C .Self
(บทบาทของR C
เป็นของใหม่)
และแทนที่C(z)
โดยR C (z,z)
. - กฎนี้มีรูปแบบ
R 1 (x,x 2 ) ∧ ... ∧ R n (x n ,y) → S(x,y)
.
แทนที่ด้วย \ (R_1 \ circ \ \ ldots R_n circ \ sqsubseteq S \)
- สำหรับแต่ละเอก
การออกกำลังกาย
แปลงกฎต่อไปนี้เป็นหลักการ SROIQ:arbeitetIn(w,x) ∧ anstellung(w,FEST) ∧ Uni(x) ∧ Doktorand(y) ∧ betreutVon(y,w) → professorVon(w,y)ขั้นตอนต่อไป:
normalizing กฎ
การออกกำลังกาย
แปลงกฎต่อไปนี้เป็นหลักการ SROIQ:arbeitetIn(w,x) ∧ anstellung(w,z) ∧ {FEST}(z) ∧ Uni(x) ∧ Doktorand(y) ∧ betreutVon(y,w) → professorVon(w,y)ขั้นตอนต่อไป:
สำหรับคู่ของแต่ละตัวแปร
x
และ y
ถ้า x
และ y
ไม่ได้เชื่อมต่อในกราฟพึ่งพาคือมีเส้นทางระหว่างไม่มี x
และ y
แล้วเพิ่มในเรือ U(x,y)
การออกกำลังกาย
แปลงกฎต่อไปนี้เป็นหลักการ SROIQ:arbeitetIn(w,x) ∧ anstellung(w,z) ∧ {FEST}(z) ∧ Uni(x) ∧ Doktorand(y) ∧ betreutVon(y,w) → professorVon(w,y)ขั้นตอนต่อไป:
หัวหน้าควบคุมอยู่ในขณะนี้ในรูปแบบของ
D(z)
และ S(z,z0)
. สำหรับอะตอมของแต่ละ R(x,y)
ในร่างกาย: ถ้ากราฟพึ่งพาเส้นทางของ z
ที่ y
จะสั้นกว่าของ z
ที่ x
ดังนั้นแทนที่ R(x,y)
ของ R − (y,x)
. การออกกำลังกาย
แปลงกฎต่อไปนี้เป็นหลักการ SROIQ:arbeitetIn(w,x) ∧ anstellung(w,z) ∧ {FEST}(z) ∧ Uni(x) ∧ Doktorand(y) ∧ betreutVon−(w,y) → professorVon(w,y)ขั้นตอนต่อไป:
ถ้าเรือเป็นอะตอม r (x, y) ที่เกิดขึ้นเพื่อให้ y เกิดขึ้นในอะตอมอื่น ๆ ของกฎสองหลัก:
- ถ้าร่างกายของอะตอม n หลัก
C 1 (y),...,C n (y)
ที่มีกำหนดแล้ว \ (E: C_1 = \ sqcap \ \ ldots sqcap C_n \) และลบC 1 (y),...,C n (y)
จากร่างกาย มิฉะนั้นกำหนด \ (E = \ \ top) - แทนที่
R(x,y)
โดย∃RE(x)
.
R(x,y)
เป็น การออกกำลังกาย
แปลงกฎต่อไปนี้เป็นหลักการ SROIQ:∃arbeitetIn.Uni(w) ∧ ∃anstellung.{FEST}(w) ∧ Doktorand(y) ∧ betreutVon−(w,y) → professorVon(w,y)ขั้นตอนต่อไป:
สำหรับแต่ละเอกอะตอม
C(z)
ในลำตัว: สร้างความจริงใหม่
C ≡ ∃R C .Self
(บทบาทของ R C
เป็นของใหม่) และแทนที่ C(z)
โดย R C (z,z)
. การออกกำลังกาย
แปลงกฎต่อไปนี้เป็นหลักการ SROIQ:∃R1.Self ≡ ∃arbeitetIn.Uni ∃R2.Self ≡ ∃anstellung.{FEST} ∃R3.Self ≡ Doktorand R1(w,w) ∧ R2(w,w) ∧ R3(y,y) ∧ betreutVon−(w,y) → professorVon(w,y)ขั้นตอนต่อไป:
กฎนี้มีรูปแบบ
R 1 (x,x 2 ) ∧ ... ∧ R n (x n ,y) → S(x,y)
. แทนที่ด้วย \ (R_1 \ circ \ \ ldots R_n circ \ sqsubseteq S \)
การใช้สิทธิ: แก้ปัญหา
\[ \exists R_1.Self \equiv \exists arbeitetIn.Uni \]\[ \exists R_2.Self \equiv \exists anstellung . \{ FEST \} \]\[ \exists R_3.Self \equiv Doktorand \]\[ R_1 \circ R_2 \circ betreutVon^{-} \circ R_3 \sqsubseteq professorVon \]
รูปแบบการแลกเปลี่ยนกฎ (RIF)
- Engl รูปแบบการแลกเปลี่ยนกฎ (RIF)
- เมื่อ 22 มิถุนายน 2010 นำมาเป็นมาตรฐานของ W3C
- มุ่งเน้นในการแลกเปลี่ยนของกฎ - ไม่ได้รูปแบบมาตรฐานสำหรับภาษาทั้งหมด
- ภาษาเดียวไม่สามารถตอบสนองความต้องการสำหรับกระบวนทัศน์ที่แตกต่างกันและมักจะใช้
- ครอบครัวเรียกว่าภาษาถิ่น (ภาษา)
- RIF เป็นชุด (ชุด) และขยาย (ขยาย)
ภาษา RIF
มุ่งเน้นไปที่สองชนิดของภาษา:
- ตรรกะ based (สรุปเหตุผลเช่นโปรแกรมตรรกะ)
- "กฎกับการกระทำ" (เช่นกฎการผลิต)
RIF ให้กรอบสำหรับการกำหนดภาษาของคุณเอง
RIF RDF และ OWL เข้ากันได้กับ:
- สามารถใช้ร่วมกับความหมายนกฮูก / RDF
- ไวยากรณ์ RDF สำหรับ RIF ใช้ได้
เอกสาร RIF
เอกสาร | ลักษณะ |
RIF-BLD: ภาษาถิ่นลอจิกพื้นฐาน |
เบ็ดเตล็ดฮอร์นแน่นอนความหมายสรุปเหตุผลมาตรฐาน |
RIF-PRD: ภาษาถิ่นกฎการผลิต |
เพื่อตอบสนองความหลากหลายของระบบควบคุมการผลิต |
แกน RIF: ภาษาหลัก |
ช่วยให้การสื่อสารระหว่างระบบที่ควบคุมด้วยกฎตรรกะและกฎการผลิต |
RIF-FLD: กรอบสำหรับภาษาถิ่นลอจิก |
เพื่อกำหนดกรอบการขยายตรรกะเพื่อลดความพยายามในภาษาใหม่ตรรกะ |
RIF-RDF + นกฮูก: ความเข้ากันได้ RDF และ OWL |
การรวมกันของ RIF กับ RDF หรือนกฮูก |
RIF-DTB: ประเภทข้อมูลและสร้าง ins |
มีฟังก์ชั่น, ชนิดข้อมูลและสำหรับภาคภาษา RIF |
RIF + ข้อมูล XML: | ระบุวิธี RIF สามารถใช้ร่วมกับแหล่งข้อมูล XML (ความหมาย, นำเข้า) |
OWLRL RIF: นกฮูก 2 RL ใน RIF |
axiomatization ของนกฮูก 2 RL ใน RIF |
RDF RIF | การทำแผนที่ที่ผันกลับได้ RDF ไป RIF |
RIF-UCR: ใช้กรณีและความต้องการ |
คอลเลกชันของกรณีการใช้งาน |
ทดสอบ RIF: กรณีทดสอบ |
การทดสอบการใช้งานที่สอดคล้องกับ RIF |
แกน RIF
เป็นภาษาที่ง่ายที่สุด RIF
เอกสารหลักประกอบด้วย
- Directives ที่ต้องการนำเข้า Prefixeinstellung สำหรับยูริ
- ลำดับของข้อสรุปตรรกะ
RIF หลักตัวอย่าง
Document( Prefix(cpt http://example.com/concepts#) Prefix(person http://example.com/people#) Prefix(isbn http://.../isbn/) Group ( Forall ?Buyer ?Book ?Seller ( cpt:buy(?Buyer ?Book ?Seller ):− cpt:sell(? Seller ?Book ?Buyer) ) cpt:sell(person:John isbn:000651409X person:Mary) ) )จากนี้จะได้รับความสัมพันธ์ต่อไปนี้:
cpt:buy(person:Mary isbn:00065409X person:John)
การแสดงออกของ RIF หลัก
- Datalog เป็นพื้นฐาน
- มีจุดตัดของ RIF-BLD (ภาษาถิ่นลอจิกพื้นฐาน) และ RIF-PRD (ภาษาถิ่นกฎการผลิต)
- บางส่วนขยาย: ประเภทข้อมูล (RIF-DTB) IRI
- ไปข้างหน้าผูกพันที่เป็นไปได้
การรวมกันของ RIF RDF +
สถานการณ์โดยทั่วไป:
- ข้อมูลของโปรแกรมที่มีอยู่ใน RDF
- กฎสำหรับข้อมูลที่มีการอธิบายโดย RIF
- หน่วยประมวลผล RIF สร้างความสัมพันธ์ใหม่
RIF RDF + เข้ากันได้:
- อเนกประสงค์ RDF เป็นแทนใน RIF
เช่นในเต่าไวยากรณ์ที่ใช้
{ ?x rdf:type p:Novel ; p:page_number ?n ; p: price [ p:currency :Euro ; rdf:value ?z ] . ?n > "500" ^^xsd:integer . ?z < " 20.0 " ^^xsd:double . } => { <me> p:buys ?x }

เช่นเดียวกันกับการนำเสนอไวยากรณ์ RIF
Document ( Prefix ... Group ( Forall ?x ?n ?z ( <me> [p:buys−>?x ] :− And ( ?x rdf:type p:Novel ?x[p:page_number−>?n p:price−>_abc] _abc [p:currency−>:Euro rdf:value−>?z] External(pred:numeric−greater−than(?n "500"^^xsd:integer)) External(pred:numeric−less−than(?z "20.0"^^xsd:double)) ) ) ) )
ค้นพบความสัมพันธ์ใหม่ ...
Forall ?x ?n ?z ( [p:buys−>?x] :− And( ?x rdf:type p:Novel ?x[p:page_number−>?n p:price−>_abc] _abc[p:currency −>:Euro rdf:value−>?z ] External(pred:numeric−greater−than(?n "500"^^xsd:integer)) External(pred:numeric−less−than(?z "20.0"^^xsd:double)) ) )ร่วมกับ:
<http://.../isbn/...> a p:Novel ; p:page_number "600"^^xsd:integer ; p: price [ rdf:value "15.0"^^xsd:double ; p:currency :Euro ] .ผล:
<me> p:buys <http://...isbn/...> .
คนที่มีนกฮูก 2 RL อะไร?
นกฮูก 2 RL ย่อมาจากภาษากฎนกฮูก
นกฮูก 2 RL เป็นจุดตัดของแกน RIF และนกฮูก
- การหาข้อสรุปในนกฮูก RL สามารถแสดงกับ RIF กฎ
- เครื่องยนต์ RIF หลักสามารถทำตัวเหมือนเครื่องยนต์นกฮูก RL
- ตามที่อธิบายไว้ในเอกสาร RIF-OWL 2 RL OWLRL สามารถประมวลผลโดยตรงในการ RIF
แนวโน้ม: การรวมกันของ RIF และ SPARQL 1.1

ข้อมูลอย่างย่อ
ขยายคำกริยากฎตรรกะสำหรับ OWL DL
- Datalog เป็นพิธีที่รู้จักกันดี
- ร่วมกับนกฮูกที่เป็นไปได้: SWRL
- คำอธิบายความหมายโดยขยายตรรกะของการตีความนกฮูก
- SWRL เป็นที่ตัดสิน
กฎ Logic รายละเอียด
- ausdrückbaresในนกฮูก 2 ส่วน SWRL
- การสนับสนุนทางอ้อมผ่านทุกนกฮูก 2 เครื่องมือ
- ความหมายและขั้นตอนวิธีการขึ้นอยู่กับรูปแบบของกราฟพึ่งพา
RIF (รูปแบบการแลกเปลี่ยนกฎ)
- W3C มาตรฐานสำหรับการแลกเปลี่ยนกฎ
- ครอบครัวขยายของภาษา
ที่เกี่ยวข้องเพิ่มเติม:
- SPARQL ระบอบการปกครอง entailment 1.1
- คำสั่งที่เชื่อมต่อสำหรับ OWL DL
- กฎ DL-ปลอดภัย (ตัวแปรสามารถใช้ค่าคงที่เพียง แต่เป็นค่า)
โครงการมินิ
วรรณคดี
- เว็บรากฐานความหมายของสปริงเกอร์ 2008, 277, pp ปกเลข ISBN: 978-3-540-33993-9
- "รู้เบื้องต้นเกี่ยวกับเทคโนโลยีเว็บเชิงความหมาย" อีวานเฮอร์แมน (2010 เทคโนโลยีการประชุมความหมาย)
- W3C หน้าข้อกำหนดเช่น RIF
กองข้อมูลที่เชื่อมโยง - SPARQL
เค้าโครง
- เกี่ยวกับ SPARQL
- SPARQL พื้นฐาน
- การนําเสนอ
- มือบน
- SPARQL ในชีวิตจริง
- การนําเสนอ
- มือบน
- SPARQL ขั้นสูง
- การนําเสนอ
- มือบน
SPARQL คืออะไร?
SPARQL ย่อมาจาก "SPARQL พิธีสารและภาษาของแบบสอบถาม RDF"
นอกเหนือไปจากภาษาของ W3C ได้กำหนดเพิ่มเติม:
- SPARQL พิธีสารสำหรับ RDF สเปค: จะกำหนดโปรโตคอลระยะไกลสำหรับการออกคำสั่ง SPARQL และรับผล
- ผลลัพธ์การค้นหา SPARQL ข้อกำหนดรูปแบบ XML: จะกำหนดรูปแบบเอกสาร XML สำหรับการแสดงผลของ SPARQL
ภาษาแบบสอบถามสำหรับ RDF และ RDFS
มีข้อเสนอมากมายสำหรับ RDF และ RDFS ภาษาสอบถาม:
- RDQL (http://www.w3.org/Submission/2004/SUBM-RDQL-20040109/)
- ICS-FORTH RQL (http://139.91.183.30:9090/RDF/RQL/) และ SeRQL (http://www.openrdf.org/doc/sesame/users/ch06.html)
- SPARQL (http://www.w3.org/TR/rdf-sparql-query/)
- ...
ในหลักสูตรนี้เราจะครอบคลุม SPARQL ซึ่งเป็นคำแนะนำ W3C ปัจจุบันสำหรับการสอบถามข้อมูล RDF
SPARQL 1.1
- ในหลักสูตรนี้เราจะครอบคลุมมากที่สุดของ SPARQL 1.0 จากปี 2008 และบางส่วนของ SPARQL 1.1
- มาตรฐานของ SPARQL จะดำเนินการโดย W3C โดยคณะทำงาน SPARQL
- ข้อมูลเพิ่มเติมเกี่ยวกับการทำงานอย่างต่อเนื่องโดยคณะทำงานนี้สามารถพบได้ที่ http://www.w3.org/2009/sparql/wiki/Main_Page
- ดู http://www.w3.org/TR/sparql11-query/ สำหรับรุ่นใหม่ของภาษา SPARQL (SPARQL 1.1)
โครงสร้างพื้นฐาน SPARQL - Outline
- บิตของเว็บ RDF และความหมาย
- อย่างรวดเร็วก่อนที่รูปแบบที่สาม
- ส่วนประกอบของแบบสอบถาม SPARQL
- รูปแบบกราฟ
- ชนิดของคำสั่ง
- ปรับเปลี่ยน
- รูปแบบกราฟ
อเนกประสงค์
อเนกประสงค์งบเกี่ยวกับสิ่งที่ (ทรัพยากร) โดยใช้ยูริและค่าอักษร

อเนกประสงค์
กราฟ
กราฟกับยูริ
คำนำหน้า
คำศัพท์
แบ่งปันแนวคิดของโดเมน
ใช้ยูริเป็นตัวระบุที่ไม่ซ้ำกัน
กำหนดคุณสมบัติและชั้นเรียน, และอื่น ๆ ....
คำศัพท์ที่รู้จักกันดี
RDF: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
rdfs: <http://www.w3.org/2000/01/rdf-schema#>
foaf: <http://xmlns.com/foaf/0.1/>
DBpedia: <http://dbpedia.org/resource>
ร้านค้าและจุดสิ้นสุดทริปเปิ SPARQL
- ปลายทาง SPARQL exposes หนึ่งหรือมากกว่าหนึ่งกราฟ
- HTTP
- คาดว่าพารามิเตอร์ "แบบสอบถาม" ทั้งที่มีโพสต์หรือ GET กับแบบสอบถามที่เข้ารหัส
- ไม่มีความสัมพันธ์ที่จำเป็นระหว่างชื่อกราฟและชื่อปลายทาง แต่การปฏิบัติที่ดี
คำถามง่ายๆ
คำถามง่ายๆ
Query ซับซ้อนมากขึ้นเล็กน้อย
Query ซับซ้อนมากขึ้นเล็กน้อย
Query ซับซ้อนมากขึ้นเล็กน้อย
Query ซับซ้อนมากขึ้นเล็กน้อย

โครงสร้างของแบบสอบถาม SPARQL
# ประกาศคำนำหน้าคำนำหน้า
น้ำตาลที่เกี่ยวกับการสร้างประโยคเพื่อให้คำสั่งที่สามารถอ่านได้
ตัวอย่าง:
คำนำหน้า: <http://example.com/base/>
คำนำหน้า foaf: <http://xmlns.com/foaf/0.1/>
<http://xmlns.com/foaf/0.1/knows> == foaf: รู้
<http://example.com/base/Tim> ==: ทิม
ประเภทแบบสอบถาม
SELECT
- ตารางผลตอบแทนที่ได้ผล
ASK
- ผลตอบแทน (boolean) จริงถ้ารูปแบบที่สามารถจับคู่
สรรค์สร้าง
- สร้างโดยใช้แม่แบบอเนกประสงค์
อธิบาย
- รายละเอียดผลตอบแทนของทรัพยากร
จากประโยค
ระบุที่กราฟควรพิจารณาโดยปลายทาง
- ถ้ามองข้ามกราฟเริ่มต้นที่เรียกว่าถูกนำมาใช้
- ถ้าระบุแบบสอบถามที่มีการประเมินโดยใช้กราฟที่กำหนดทั้งหมด
- ถ้าเป็นกราฟระบุชื่อกราฟชื่อสามารถนำมาใช้ในส่วนของแบบสอบถาม
กราฟสามารถ dereferenced โดยปลายทาง SPARQL
การปรับเปลี่ยนวิธีการแก้ปัญหา
เปลี่ยนผลของแบบสอบถาม
จำกัด และ OFFSET ชิ้น resultset มีประโยชน์สำหรับการให้เลขหน้า
ตัวอย่างเช่น SELECT * WHERE {..... } 10 LIMIT
-> แสดงผลเพียง 10
ORDER BY ทุกประเภทชุดผลลัพธ์
ตัวอย่างเช่น: LIMIT SELECT * WHERE {..... } ORDER BY ASC (... ) 10
-> แสดง 10 อันดับแรกของชุดผลลัพธ์เรียง
ข้อที่
- มีรูปแบบกราฟ
- ซึ่งเชื่อมต่อ
- ตัวแปรที่ถูกผูกไว้กับค่าเดียวกัน
รูปแบบที่สาม
- รูปแบบทั่วไปสาม (SPO)
- ในตำแหน่งตัวแปรทั้งหมดที่อาจเกิดขึ้น
- ตัวแปรที่จะผูกพันตามปลายทาง SPARQL
รูปแบบ Triple Room - ตัวอย่าง
: จอห์น foaf: รู้: ทิม: จอห์น foaf: ชื่อ "จอห์น"
: ทิม foaf: รู้: จอห์น
: ทิม foaf: ชื่อ "ทิม"
เลือกชื่อที่ไหน? {: ชื่อ: จอห์น foaf}
-> "จอห์น"
SELECT เพื่อนที่ไหน? {: จอห์น foaf: รู้ว่าเพื่อน}
->: ทิม
SELECT เพื่อนชื่อที่ {:? จอห์น foaf: รู้ว่าเพื่อน : จอห์น foaf: ชื่อ}
->: ทิม "จอห์น"
SELECT friendsname WHERE {: จอห์น foaf: รู้ว่าเพื่อน ? foaf เพื่อน: ชื่อ}
-> "ทิม"
รูปแบบ Triple Room - ผลิตภัณฑ์ Cartesian
: จอห์น foaf: รู้: ทิม: จอห์น foaf: ชื่อ "จอห์น"
: ทิม foaf: รู้: จอห์น
: ทิม foaf: ชื่อ "ทิม"
? เลือกบุคคล friendsname WHERE {foaf คนที่:? รู้ว่าเพื่อน ? foaf คน: friendsname ชื่อ}
: จอห์น "จอห์น"
: จอห์น "ทิม"
: ทิม "จอห์น"
: ทิม "ทิม"
ทรัพยากร Matching
ตรงกับตัวอักษรตามตัวอักษร
ทั้งที่มีคำนำหน้าหรือ <URI> เต็ม
- foaf: ชื่อ <http://xmlns.com/foaf/spec/name> ==
เปอร์เซ็นต์ของการเข้ารหัสอักษร (เช่นพื้นที่)
- myns: 20Doe% จอห์น = myns: John Doe | ข้อผิดพลาด!
กรณีที่สำคัญ
- foaf: name = <http://xmlns.com/foaf/spec/Name>
ตัวอักษรที่ตรงกัน
ตัวอักษรต้องตรงกับความเท่าเทียมกันทางตัวอักษรตามตัวอักษร
- สามารถมีประเภทข้อมูล: XSD: int, XSD วัน
- เครื่องยนต์ SPARQL อาจทราบความหมายของประเภทข้อมูล
- เพื่อความเท่าเทียมกันจะต้องตรงกับ
- สามารถมีแท็กภาษา
กรอง
- ดำเนินการในรูปแบบกราฟ
- ค่าการทดสอบ
- เด่นที่สุด: จำกัด ค่าตัวอักษร
- เปรียบเทียบสตริง
- การแสดงออกปกติ
- ตัวเปรียบเทียบตัวเลข
- การตรวจสอบประเภท / ภาษา
- การประเมินผลในท้ายที่สุดอย่างใดอย่างหนึ่งให้เป็นจริงข้อผิดพลาดเท็จหรือประเภท
ภาพรวมการกรอง
- ตรรกะ: &&, | |
- คณิตศาสตร์: +, -, *, /
- เปรียบเทียบ: =, =,>, <, ...
- การทดสอบ SPARQL: isURI, ISBLANK, isLiteral, ผูกพัน
- accessors SPARQL: Str, lang, ประเภทข้อมูลอื่น ๆ : langMatches sameTerm, regex
- ผู้ขายที่เฉพาะเจาะจง: คำนำหน้าเช่น BIF: มี
กรองสตริง
Str () เพียงแค่มูลค่าที่แท้จริงโดยไม่ต้องประเภทข้อมูล
regex () นิพจน์ปกติเต็มรูปแบบ
BIF: ประกอบด้วยสตริงการค้นหาโดยใช้ดัชนีพิเศษ
สตริงตัวอย่างการกรอง
: จอห์น: อายุ 32: จอห์น foaf: ชื่อ "จอห์น" @ en
: ทิม: อายุ 20
: ทิม foaf: ชื่อ "ทิม" ^ ^ XSD: สตริง
SELECT เพื่อน {foaf เพื่อน: ชื่อ "ทิม".}
-> ที่ว่างเปล่า
SELECT เพื่อน {foaf เพื่อน: ชื่อ?
FILTER str ((ชื่อ?) = "ทิม")}
->: ทิม
SELECT เพื่อน {foaf เพื่อน: ชื่อ? ? ชื่อ BIF: ประกอบด้วย "im")}
->: ทิม
ภาษาและประเภทข้อมูลการกรอง
lang accessor (x) กับภาษาของตัวอักษร
langMatches (lang (x), "en") ประเมินถ้าแท็กภาษาที่ตรงกับแท็กภาษาอื่น ๆ
ประเภทข้อมูล (x) เข้าใช้งานประเภทข้อมูลของตัวอักษร? x
การกรองตัวเลข
: จอห์น: อายุ 32: จอห์น foaf: ชื่อ "จอห์น" @ en
: ทิม: อายุ 20
: ทิม foaf: ชื่อ "ทิม" ^ ^ XSD: สตริง
SELECT เพื่อน WHERE {เพื่อน:? อายุ?
FILTER (อายุ?> 25)}
->: จอห์น
ดำเนินการเชิงตรรกะ
: จอห์น: อายุ 32
: จอห์น foaf: ชื่อ "จอห์น" @ en
: ทิม: อายุ 20
: ทิม foaf: ชื่อ "ทิม" ^ ^ XSD: สตริง
SELECT เพื่อน {foaf เพื่อน: ชื่อ?
FILTER str ((ชื่อ?) = "ทิม"? &&> อายุ 25)}
-> โมฆะ
SELECT เพื่อน {foaf เพื่อน: ชื่อ?
FILTER str (ชื่อ () = "ทิม" |? |? อายุ> 25)}
->: ทิม
->: จอห์น
ค่าตัวเลือก
- ที่คล้ายกันไปทางซ้ายเข้าร่วมใน SQL
- ช่วยให้มีการสอบถามสำหรับข้อมูลที่ไม่สมบูรณ์
- เลือกใช้รูปแบบกราฟเต็ม
- ไวยากรณ์ {} pattern1 เสริม {optpattern}
ตัวอย่างที่เป็นตัวเลือก
: จอห์น foaf: รู้: ทิม: จอห์น foaf: ชื่อ "จอห์น"
: จอห์น foaf: โทรศัพท์ "123456"
: ทิม foaf: รู้: จอห์น
: ทิม foaf: ชื่อ "ทิม"
SELECT? ชื่ออะไร? โทรศัพท์
ชื่อ: {foaf บุคคล?
foaf คนที่: โทรศัพท์โทรศัพท์}?
-> "จอห์น" "123456"
นี้เป็นบิตพอใจ
ตัวอย่างที่เป็นตัวเลือก
: จอห์น foaf: รู้: ทิม: จอห์น foaf: ชื่อ "จอห์น"
: จอห์น foaf: โทรศัพท์ "123456"
: ทิม foaf: รู้: จอห์น
: ทิม foaf: ชื่อ "ทิม"
เลือกชื่อโทรศัพท์ {ผู้ foaf:? ชื่อ?
ตัวเลือก {foaf คนที่:? โทรศัพท์โทรศัพท์}}
-> "จอห์น" "123456"
-> "ทิม"
สหภาพ
ไวยากรณ์ {กราฟรูปแบบ} {ยูเนี่ยนรูปแบบกราฟ}
ช่วยให้การสอบถาม (บางส่วน) โครงสร้างข้อมูลที่แตกต่างกัน
ตัวอย่างยูเนี่ยน
: จอห์น RDF: ประเภท foaf: คน: จอห์น foaf: ชื่อ "จอห์น"
: ทิม RDF: ประเภท foaf: คน
: ทิม foaf: ชื่อ "ทิม"
: เจน RDF: ประเภท foaf: คน
: เจน rdfs: ฉลาก "เจน"
เลือกชื่อ WHERE {ผู้ foaf:? คน ? foaf บุคคล: ชื่อ}
-> "จอห์น"
-> "ทิม"
เลือกชื่อ WHERE {ผู้ foaf:? คน
{foaf คนที่:? ชื่อยูเนี่ยน} {? rdfs คนที่: ป้ายชื่อ}}
-> "จอห์น"
-> "ทิม"
-> "เจน"
SELECT? ชื่อที่ {
{foaf คนที่:?. ชื่อชื่อของบุคคล foaf: คน ?} ยูเนี่ยน {rdfs บุคคล: ทำป้ายชื่อของบุคคล foaf:. คน }}
เงื้อม
WHERE SELECT * {..... }
-> ตัวแปรทั้งหมดที่กล่าวถึงในรูปแบบกราฟ
SELECT หรือไม่? o {WHERE หรือไม่? P o}
- ตัวแปร> เฉพาะที่ระบุไว้ในกรณีนี้และ o?
SELECT DISTINCT ........
-> eleminates ซ้ำกันในผลที่ตามมา
นับ
ฟังก์ชันการรวมง่าย
นับความถี่ที่ตัวแปรที่ถูกผูกไว้
ตัวอย่าง:
: จอห์น foaf: รู้: ทิม: จอห์น foaf: ชื่อ "จอห์น"
: ทิม foaf: รู้: จอห์น
: ทิม foaf: ชื่อ "ทิม"
นับเลือก (คนที่?) {foaf บุคคล: ชื่อ?}
-> 2
SPARQL ในชีวิตจริง - Outline
- เราใช้ความรู้ ackquired ก่อนหน้านี้สำหรับ
- การสำรวจข้อมูลที่ไม่รู้จักโครงสร้างและคำศัพท์
- สอบถามข้อมูลที่ไม่สอดคล้องกันโครงสร้าง
บางจุดสิ้นสุด SPARQL สาธารณะ
SPARQLer : ปลายทางแบบสอบถามวัตถุประสงค์ทั่วไปสำหรับข้อมูลบนเว็บที่สามารถเข้าถึงได้
DBpedia : กว้างขวาง RDF ข้อมูลจากวิกิพีเดีย
DBLP : ข้อมูลบรรณานุกรมจากวารสารวิทยาศาสตร์คอมพิวเตอร์และการประชุม
LMDB : ข้อมูลจาก MDB - ฐานข้อมูลภาพยนตร์ (ไม่มีรูปแบบ html)
World Factbook : สถิติประเทศจากซีไอเอ World Factbook
เกี่ยวกับ DBpedia
จุดตกผลึกของเว็บแบบ Semantic
โสดแหล่งข้อมูลที่สำคัญที่สุด
ความพยายามของชุมชน
สารสกัดจากข้อมูลกึ่งโครงสร้างในวิกิพีเดีย
เนื้อหาที่ไม่ curated
ทราบข้อ จำกัด ของคุณ!
ปลายทาง DBpedia นิยมและเป็นที่ใช้
มักจะเพิ่มงบ LIMIT, เมื่อสร้างคำสั่ง
สำรวจคำศัพท์
การสำรวจโดยการตรวจสอบข้อมูลเช่น
- ค้นหาข้อมูลรายละเอียดเกี่ยวกับข้อมูล
- ใช้เครื่องมือ
- วิเคราะห์การถ่ายโอนข้อมูลแบบสอบถาม
- URI dereference
- แบบสอบถาม
ข้อมูลรายละเอียด
สิ่งพิมพ์ชุดข้อมูลได้มากที่สุด decribing พวกเขา
ค้นหาเอกสารเกี่ยวกับพวกเขาโดยใช้ scholar.google.com
URIs dereference
หลักการเชื่อมโยงข้อมูลให้ dereferencing ยูริสจะได้รับการ decriptions
ข้อมูลอินสแตนซ์ที่เมืองไลพซิก
-> http://dbpedia.org/resource/Leipzig
ข้อมูลเกี่ยวกับคำศัพท์ foaf: ชื่อ
-> http://xmlns.com/foaf/0.1/name
สอบถาม
อธิบาย <http://dbpedia.org/resource/Leipzig>
SELECT? p? o WHERE {<http://dbpedia.org/resource/Leipzig>? p? o}
? คำสั่ง p
ในแบบสอบถามที่มีตัวแปรในตำแหน่งกริยาของรูปแบบสาม
? คำสั่ง p - ตัวอย่าง
: จอห์น foaf: ชื่อ "จอห์น"
: จอห์น rdfs: ฉลาก "นี่คือจอห์น"
: จอห์น foaf: โทรศัพท์ "12312"
SELECT P o ที่ไหน? {:? จอห์น P o}
-> foaf: ชื่อ "จอห์น"
- rdfs>: ฉลาก "นี่คือจอห์น"
- foaf>: โทรศัพท์ "12312"
มีการสอบถามสำหรับชั้นเรียน
คำศัพท์ที่กำหนดระดับชั้น
- foaf: คน
- foaf: เอกสาร
RDF: ประเภท / ร่วมกับชั้นเรียนเช่น
- : จอห์น foaf: == คน: คน: จอห์น RDF: ประเภท foaf
มีการสอบถามสำหรับชั้นเรียน - ตัวอย่าง
: จอห์น foaf: คน
: ดาวพลูโตสัตว์: สุนัข
เลือกบุคคลที่ไหน? {คน foaf: คน}
->: จอห์น
SELECT? ชั้น WHERE {? เช่นคลาส}
- foaf>: คน
- สัตว์>: สุนัข
บางจุดสิ้นสุด SPARQL สาธารณะ
SPARQLer : ปลายทางแบบสอบถามวัตถุประสงค์ทั่วไปสำหรับข้อมูลบนเว็บที่สามารถเข้าถึงได้
DBpedia : กว้างขวาง RDF ข้อมูลจากวิกิพีเดีย
DBLP : ข้อมูลบรรณานุกรมจากวารสารวิทยาศาสตร์คอมพิวเตอร์และการประชุม
LMDB : ข้อมูลจาก MDB - ฐานข้อมูลภาพยนตร์ (ไม่มีรูปแบบ html)
World Factbook : สถิติประเทศจากซีไอเอ World Factbook
ประเภท
รับทุกประเภทเป็นไปได้ของแนวคิดใน DBpediaประเภท
เลือกประเภทที่แตกต่างกัน?
WHERE {
ประเภทของ EA?
}
คุณสมบัติของรายการ
รับคุณสมบัติทั้งหมดของชั้นนักแสดงนำชาย แสดงนอกจากนี้ยังมีชื่อของพวกเขารายการของคุณสมบัติ
เลือกที่แตกต่างกัน? p? ชื่อ
WHERE {
? rdfs p: ป้ายชื่อ?
? <http://dbpedia.org/ontology/Actor> EA
? e? p? วี
}
การทำงานกับ DBpedia หน้า
มองผ่าน อีวานแย่มาก หน้า DBpedia คุณสมบัติอะไรที่คุณอาจใช้เพื่อให้ได้รายชื่อของผู้นำรัสเซีย
ตรวจสอบข้อเสนอแนะของคุณโดยใช้ ปลายทาง DBpedia
การทำงานกับหน้า DBpedia
SELECT? e
WHERE {
? dcterms e: หมวดหมู่เรื่อง: Russian_leaders
}
SELECT? e
WHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
}
...
COUNT
เปรียบเทียบปริมาณของผลการใช้ฟังก์ชัน COUNT รวมCOUNT
นับเลือก (e)
WHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
}
รูปแบบหลาย ๆ
เปลี่ยนแบบสอบถามก่อนหน้านี้เพื่อแสดงยังเป็นชื่อที่แท้จริงของผู้นำรูปแบบหลาย ๆ
SELECT? e? ชื่อWHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
ชื่อ: dbpprop e?
}
รุ่นที่ดีกว่า:
SELECT? e? ชื่อ
WHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
}
LIMIT
แสดงเฉพาะ 20 รายการแรก แล้วแสดงถัดไป 20 เปลี่ยน OFFSET ถึง 10
LIMIT
SELECT? e? ชื่อ
WHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
}
20 LIMIT
OFFSET 10
FILTER
กรองรายการและแสดงผลเฉพาะ Ivan_the_TerribleFILTER
SELECT? e? ชื่อ
WHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
FILTER (? E = <http://dbpedia.org/resource/Ivan_the_Terrible>)
}
สตริงที่จับคู่
แสดงรายการของผู้นำรัสเซียทั้งหมดที่มีชื่อ "อีวาน"จับคู่สาย
SELECT? e? ชื่อ
WHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
FILTER regex (ชื่อ? "อีวาน", "i")
}
Langmatching
แสดงรายการของผู้นำรัสเซียที่มีป้ายชื่อเฉพาะรัสเซียLangmatching
SELECT? e? ชื่อ
WHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
FILTER (langMatches (lang (ชื่อ), "EN"))
}
คุณสมบัติของการเลือกที่จะแสดง
เขียนแบบสอบถามก่อนหน้านี้เพื่อแสดงรายการชื่อชื่อของบรรพบุรุษและชื่อของผู้สืบทอด
การเลือกคุณสมบัติที่จะแสดง
SELECT? ชื่อ? predecessor_name? successor_nameWHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
ทายาทผู้สืบทอด: e-DBpedia นกฮูก?
? rdfs ตัวตายตัวแทน: ฉลาก successor_name?
dbpprop e: บรรพบุรุษบรรพบุรุษ?
? rdfs บรรพบุรุษ: ฉลาก predecessor_name?
FILTER (langMatches (lang (ชื่อ), "EN") langMatches && (lang (? successor_name), "EN") langMatches && (lang (? predecessor_name), "EN"))
}
การปฏิบัติเพิ่มเติม
ค้นหาชื่อที่แท้จริงของผู้นำรัสเซียซึ่งเป็นบนบัลลังก์ขวาก่อนที่แคทเธอรี I ("แคเธอรีนแห่งรัสเซียผม" @ TH)
คุณสามารถหาวิธีอื่นที่จะทำงานเดียวกัน?
การปฏิบัติเพิ่มเติม
SELECT? ชื่อWHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
ทายาทผู้สืบทอด: e-DBpedia นกฮูก?
? rdfs ตัวตายตัวแทน: ฉลาก "แคเธอรีนแห่งรัสเซียผม" @ en
} หรือ
SELECT? ชื่อเป็น? ผู้นำ
WHERE {
dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
ทายาทผู้สืบทอด: e-DBpedia นกฮูก?
? rdfs ตัวตายตัวแทน: ฉลาก successor_name?
FILTER (? successor_name = "แคเธอรีนแห่งรัสเซียผม" @ TH)
}
optionals
มองไปที่หน้า: http://dbpedia.org/page/Dmitry_of_Suzdal
ทำไมผู้นำนี้ไม่ได้อยู่ในผลของคำสั่งก่อนหน้านี้?
แก้ไขปัญหาที่เกิดขึ้น
optionals
SELECT successor_name? e? ชื่อ? predecessor_name?WHERE {dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
FILTER (langMatches (lang (ชื่อ), "EN"))
ตัวเลือก {e-DBpedia นกฮูก: ทายาทผู้สืบทอด?
? rdfs ตัวตายตัวแทน: ฉลาก successor_name?
FILTER (langMatches (lang (? successor_name), "EN"))
}
ตัวเลือก {dbpprop e: บรรพบุรุษบรรพบุรุษ?
? rdfs บรรพบุรุษ: ฉลาก predecessor_name?
FILTER (langMatches (lang (? predecessor_name), "EN"))
}
}
สหภาพแรงงาน
ดูที่ http://dbpedia.org/page/Dmitry_of_Suzdal หน้าอย่างระมัดระวังมากขึ้น สิ่งที่คุณสามารถพูดเกี่ยวกับผู้สืบทอดและบรรพบุรุษของผู้นำ?
แก้ไขปัญหาที่เกิดขึ้น
สหภาพแรงงาน
SELECT successor_name? e? ชื่อ? predecessor_name?WHERE {dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
? rdfs e: ทำป้ายชื่อ?
FILTER (langMatches (lang (ชื่อ), "EN"))
ตัวเลือก {{e-DBpedia นกฮูก:? ทายาทผู้สืบทอดยูเนี่ยน} {dbpprop e: หลังจากสืบ}?
? rdfs ตัวตายตัวแทน: ฉลาก successor_name?
FILTER (langMatches (lang (? successor_name), "EN"))
}
ตัวเลือก {{dbpprop e:? บรรพบุรุษบรรพบุรุษยูเนี่ยน} {dbpprop e: ก่อนที่บรรพบุรุษ}?
? rdfs บรรพบุรุษ: ฉลาก predecessor_name?
FILTER (langMatches (lang (? predecessor_name), "EN"))
}
}
งานสุดท้าย
แสดงรายชื่อของนักแสดงที่เล่นด้วยกันกับจูเลียโรเบิร์ต สำหรับผลการแสดงแต่ละยังเป็นชื่อของภาพยนตร์และผู้อำนวยการ สั่งซื้อผลทั้งโดยผู้อำนวยการและภาพยนตร์ชนิดแบบสอบถามอื่น ๆ
สรรค์สร้าง
-> สร้างกราฟโดยตัวแปรที่มีผลผูกพันในแม่แบบ
ASK
-> ส่งกลับค่าบูลีนถ้ารูปแบบที่สามารถพบได้
อธิบาย
-> ให้คำอธิบายสั้น ๆ เกี่ยวกับทรัพยากรบางอย่าง
ประเภทอื่น ๆ ตัวอย่าง Query
: จอห์น foaf: รู้: ทิม
: จอห์น foaf: ชื่อ "จอห์น"
: จอห์น foaf: โทรศัพท์ "123456"
: ทิม foaf: รู้: จอห์น
: ทิม foaf: ชื่อ "ทิม"
สรรค์สร้าง {foaf บุคคล: ชื่อ? foaf คนที่: โทรศัพท์โทรศัพท์}?
ชื่อ: {foaf บุคคล? foaf คนที่: โทรศัพท์โทรศัพท์}?
->: จอห์น foaf: ชื่อ "จอห์น"
->: จอห์น foaf: โทรศัพท์ "123456"
ประเภทอื่น ๆ ตัวอย่าง Query
: จอห์น foaf: รู้: ทิม
: จอห์น foaf: ชื่อ "จอห์น"
: จอห์น foaf: โทรศัพท์ "123456"
: ทิม foaf: รู้: จอห์น
: ทิม foaf: ชื่อ "ทิม"
อธิบายคนที่ WHERE {foaf บุคคล: ชื่อ? foaf คนที่: โทรศัพท์โทรศัพท์}?
->: จอห์น foaf: ชื่อ "จอห์น"
->: จอห์น foaf: โทรศัพท์ "123456"
ประเภทอื่น ๆ ตัวอย่าง Query
: จอห์น foaf: รู้: ทิม
: จอห์น foaf: ชื่อ "จอห์น"
: จอห์น foaf: โทรศัพท์ "123456"
: ทิม foaf: รู้: จอห์น
: ทิม foaf: ชื่อ "ทิม"
ชื่อ: ASK {foaf บุคคล? foaf คนที่: โทรศัพท์โทรศัพท์}?
-> จริง
ฟังก์ชันการรวม
ฟังก์ชันการรวมที่คล้ายกับ SQL ถูกนำมาใช้กับ SPARQL 1.1
นาทีสิ่งที่สำคัญที่สุด, สูงสุด, Avg Sum, Count
กลุ่มโดยกลุ่มผลตามจำเป็นสำหรับการฉาย
ฟังก์ชั่นรวม - ตัวอย่าง
: จอห์น: อายุ 32: จอห์นเพศ: ชาย
: ทิม: อายุ 20
: ทิมเพศ: ชาย
: เจนเพศ: หญิง
: เจน: อายุ 23
SELECT เฉลี่ย WHERE (อายุ?) {คนที่:? อายุ}
-> 25
เลือกเพศนาที WHERE {บุคคล (อายุ?) อายุ? บุคคล: เพศเพศ} GROUP BY เพศ?
->: ชาย 20
->: หญิง 23
Grahps ชื่อ
อนุญาตให้มีการควบคุมเพิ่มเติมเกี่ยวกับกราฟที่สามมาจาก
SELECT *
จาก <http://mygraph.example/> ตั้งชื่อ
WHERE {กราฟกรัม {s หรือไม่? p? o}}
-> <http://mygraph.example/> <S> <p> <o>
กราฟ Named - ตัวอย่าง
SELECT? g? o? p2? o2แบบสอบถามย่อยที่มีจากประโยค
subqueries ในราคาถูก:
- เขียนแบบสอบถามที่คุณต้องการใช้เป็นพื้นฐานเป็นแบบสอบถามสร้าง
- URL เข้ารหัส
- สร้างแบบสอบถามอื่น ๆ
- ใส่ปลายทางสำหรับแรก + แบบสอบถามที่เข้ารหัสในข้อ FROM ของแบบสอบถามอื่น ๆ
-> * เลือกจาก <http://dbpedia.org/sparql?query=SELECT%20....>
การปฏิเสธ
คำถาม: วิธีการหารายชื่อทั้งหมดที่ไม่ได้มีหมายเลขโทรศัพท์
ใช้การรวมกันของไม่ได้ถูกผูกไว้และตัวเลือก!
ตัวอย่างการปฏิเสธ
: จอห์น foaf: รู้: ทิม: จอห์น foaf: ชื่อ "จอห์น"
: จอห์น foaf: โทรศัพท์ "123456"
: ทิม foaf: รู้: จอห์น
: ทิม foaf: ชื่อ "ทิม"
โทรศัพท์ SELECT? ชื่อ {
ชื่อ: foaf บุคคล?
ตัวเลือก {foaf คนที่:? โทรศัพท์โทรศัพท์}
FILTER (! จำกัด (โทรศัพท์?))}
-> ทิม
สหพันธ์แบบสอบถาม
คำหลักที่ช่วยให้บริการสหพันธ์ระหว่าง endpoints SPARQL หลาย
endpoints กระจายแบบสอบถาม
เหตุผลและ SPARQL
เหตุผลที่ไม่ได้เป็นคุณลักษณะ SPARQL
เหตุผลบางอย่างที่สามารถจำลองด้วย SPARQL
ที่ขาดหายไปของสมาคมโดยตรงกับชั้นเรียนผู้ปกครองสามารถสอบถามได้ที่มีรูปแบบเช่น
{rdfs ย่อย:? subClassof ผู้ปกครอง
? subsub rdfs: subClassOf ย่อย ... }
เส้นทางที่ให้บริการ
ทั้งที่เกี่ยวกับการสร้างประโยคน้ำตาล:
? บุคคล foaf: รู้ / foaf: ชื่อ ==
? บุคคล foaf: รู้ว่าเพื่อน? ชื่อ: foaf เพื่อน?
หรือสำรวจตรวจ:
? x foaf: รู้ + / foaf: ชื่อ
ข้อซักถามและพีชคณิต
- คำสั่ง SPARQL จะเรียบเรียงสำนวนพีชคณิตสำหรับการประเมินผล
- คำสั่ง SPARQL กับชุดผลลัพธ์ที่เหมือนกันสามารถดำเนินการที่แตกต่างกันขึ้นอยู่กับวิธีการที่ดีแบบสอบถามสามารถเพิ่มประสิทธิภาพ
ตัวอย่าง:
เลือก * {s หรือไม่? p? o FILTER (p = foaf:? && o ชื่อ = "แองเจลาเมอร์เค" @ TH)}
เลือก * {foaf s: ชื่อ "แองเจลาเมอร์เค" @ en}
พีชคณิต
PREFIX foaf: <http://xmlns.com/foaf/spec/> SELECT * WHERE { ?s foaf:name "Angela Merkel"@en }
1 (base <http://example/base/> 2 (prefix ((foaf: <http://xmlns.com/foaf/spec/>)) 3 (bgp (triple ?s foaf:name "Angela Merkel"@en))))
พีชคณิต
PREFIX foaf: <http://xmlns.com/foaf/spec/> SELECT * WHERE { ?s ?p ?o FILTER ( ( ?p = foaf:name ) && ( ?o = "Angela Merkel"@en ) ) }
คอมไพล์เป็น
(base <http://example/base/> (prefix ((foaf: <http://xmlns.com/foaf/spec/>)) (filter (&& (= ?p foaf:name) (= ?o "Angela Merkel"@en)) (bgp (triple ?s ?p ?o)))))
การประเมินผล
- คำสั่ง SPARQL มีการประเมินซ้ำที่เริ่มต้นจากรูปแบบที่สาม (โหนดใบ)
- ชุดผลกลางจะสร้าง
การใช้งานของดัชนีสำหรับ:
- ทรัพยากร
- ตัวอักษร
แต่ไม่ใช่สำหรับ:
- regex
- ฟังก์ชันการรวม
แทนที่จะพิจารณา BIF: มี และพิจารณาผลักดันตัวกรองที่ลึกลงไปในคำสั่งที่เป็นไปได้
ไม่ผูกพัน
ตรวจสอบงานสุดท้ายของคุณจากการกวดวิชา SPARQL พื้นฐานพยายามที่จะหาภาพยนตร์ที่นำแสดงโดยจูเลียโรเบิร์ตที่มีข้อมูลเกี่ยวกับผู้อำนวยการไม่มีไม่ผูกพัน
การรวมตัว
รวบรวมสถิติเกี่ยวกับรัสเซีย: หาประชากรจำนวนรวมของเมืองหลายเมืองที่มีประชากรมากกว่า 1billion ประชากรโดยเฉลี่ยของเมืองA1 รวม
A2 รวม
A3 รวม
AS
เปลี่ยนคำสั่งก่อนหน้านี้เพื่อแสดงชื่อที่ถูกต้องของคอลัมน์ของตารางAS
ลบ
ไม่รวม Novosibirsk เมื่อนับประชากรเฉลี่ยในเมืองที่รัสเซียลบ
การนำข้อมูล
แสดงข้อมูลเกี่ยวกับมอสโก แสดงอเนกประสงค์ที่กรุงมอสโกเป็นทั้งเรื่องหรือวัตถุการนำข้อมูล
ค้นหาคอมมอนส์
ค้นหาคอมมอนส์ระหว่างมิคาอิล Gorbachev และอีวานแย่มากค้นหาคอมมอนส์
ที่จะเขียนแบบสอบถาม
ค้นหาส่วนนี้:

คุณสามารถป้อนแบบสอบถามที่คุณต้องการใด ๆ
วิธีการแสดงผล
กรอกตารางตามด้วยโครงสร้างวัตถุ JSON

ปลายทาง SPARQL
http://www.sparql.org/
http://dbpedia.org/sparql
http://www.w3.org/wiki/SparqlEndpoints
SPARQL ร้านค้าที่สามเปิดการใช้งาน
โอเพนซอร์ส Virtuoso http://virtuoso.openlinksw.com/ ---
Jena & Fuseki --- http://jena.apache.org/
งา --- http://www.openrdf.org/
เครื่องมือเพิ่มเติม
http://www.fluidops.com/fedx/ FedX ---แหล่งการเรียนรู้เพิ่มเติม
- เทรนเนอร์ SPARQL (http://aksw.org/projects/sparqltrainer)
- การเรียนรู้ SPARQL บ๊อบชาร์มรีลลี่ (2011)
- เว็บแบบ Semantic สำหรับ Ontologist ทำงานคณบดี Allemang และเจมส์ Hendler, มอร์แกน Kaufmann (2011)
- SPARQL โดยยกตัวอย่างเช่น http://www.cambridgesemantics.com/semantic-university/sparql-by-example
หัวข้อเพิ่มเติม
GeoSparql
งานหน้าจอ 30 กม. อนุเสาวรีย์ไปบนแผนที่
ปรับปรุง sparql
งาน: สร้างกราฟที่มีข้อมูลส่วนบุคคลบางอย่างเกี่ยวกับคุณ
ปลาย!

งานสุดท้าย
วัตถุประสงค์การเรียนรู้
- ความสัมพันธ์ระหว่างฐานข้อมูลเชิงสัมพันธ์และ RDF
- ความเข้าใจพื้นฐานของหลักการการทำแผนที่
การใช้งานเว็บคลาสสิก

- การเข้าถึงที่ใช้ร่วมกันเพื่อ
ข้อมูล - ตีแผ่ข้อมูลเป็น
หน้าเว็บสำหรับการบริโภคของมนุษย์
Triplification โดยเป็นตัวเป็นตน
- การเข้าถึงโดยตรงกับข้อมูลที่ผู้ใช้สามารถสร้างคำสั่งของตัวเอง
- ข้อมูลที่เชื่อมโยงช่วยให้โปรแกรมอื่น ๆ ที่จะใช้วันที่
- เชิงลบ: ความต้องการเซิร์ฟเวอร์อื่น ๆ ที่มีดัชนี / รอยความทรงจำ

Triplification โดย SPARQL การ SQL-เขียนใหม่
- ผลประโยชน์ทั้งหมดที่ได้จากบวกก่อนหน้านี้:
- ค่าใช้จ่ายในการใช้งานลดลงรอยหน่วยความจำขนาดเล็ก
- ข้อมูลเสมอ

การแมปสำหรับ Triplification
- ทำงานสำหรับการเป็นตัวเป็นตนและ SPARQL การ SQL-เขียนใหม่
- R2RML เป็น RDB ที่โดดเด่นที่สุดในการจัดทำแผนที่ภาษา RDF
- การแมปที่กำหนดเองสำหรับการแปลง RDB เป็น RDF
- คำแนะนำของ W3C ตั้งแต่กันยายน 2012
- ทำให้เป็นเต่า
แนวคิดหลัก R2RML
แผนที่ระยะสร้างเงื่อนไข RDF (Iris, ตัวอักษรและโหนดที่ว่างเปล่า)
- จากแม่แบบหรือ
- จากคอลัมน์หรือ
- จากการแสดงออกคงที่
แนวคิดหลัก R2RML
แผนที่ระยะสร้างเงื่อนไข RDF (Iris, ตัวอักษรและโหนดที่ว่างเปล่า)
- จากแม่แบบหรือ
- จากคอลัมน์หรือ
- จากการแสดงออกคงที่
อเนกประสงค์แผนที่สร้างอเนกประสงค์
- จากแถวของตารางหรือมุมมอง,
- โดยใช้แผนที่ระยะ
แนวคิดหลัก R2RML
แผนที่ระยะสร้างเงื่อนไข RDF (Iris, ตัวอักษรและโหนดที่ว่างเปล่า)
- จากแม่แบบหรือ
- จากคอลัมน์หรือ
- จากการแสดงออกคงที่
อเนกประสงค์แผนที่สร้างอเนกประสงค์
- จากแถวของตารางหรือมุมมอง,
- โดยใช้แผนที่ระยะ
การอ้างอิงถึงรูปแบบแผนที่วัตถุสัมพันธ์ระหว่างแผนที่อเนกประสงค์
การทำแผนที่ด้วย R2RML

การทำแผนที่ด้วย R2RML

การทำแผนที่ด้วย R2RML

แผนที่ง่ายดำเนินการ
ฐานข้อมูลตัวอย่าง

แผนที่ง่ายดำเนินการ
สำหรับการทำแผนที่ก่อนหน้านี้

แผนที่ง่ายดำเนินการ
ผลลัพธ์ใน


เค้าโครง
- แรงจูงใจและความหมาย
- ภาพรวมของวิธีการเรียนรู้ของอภิปรัชญา
- ในรายละเอียด: คำนิยามการเรียนรู้กับผู้ประกอบการปรับแต่ง
- สรุปผลการวิจัย
เค้าโครง
- แรงจูงใจและความหมาย
- ภาพรวมของวิธีการเรียนรู้ของอภิปรัชญา
- ในรายละเอียด: คำนิยามการเรียนรู้กับผู้ประกอบการปรับแต่ง
- สรุปผลการวิจัย
คำที่เกี่ยวข้อง: การศึกษาอภิปรัชญา
- "การเรียนรู้อภิปรัชญาเป็น subtask ของการสกัดข้อมูล. เป้าหมายของการเรียนรู้อภิปรัชญาคือการ (กึ่ง) โดยอัตโนมัติสารสกัดจากแนวคิดที่เกี่ยวข้องและความสัมพันธ์จากคลังที่กำหนดหรือชนิดอื่น ๆ ของชุดข้อมูลในรูปแบบอภิปรัชญา." (วิกิพีเดียวันนี้)
- "การเรียนรู้อภิปรัชญาเป็นกลไกสำหรับกึ่งอัตโนมัติสนับสนุนวิศวกรอภิปรัชญาในจีวิศวกรรม.''
Mädche AD อภิปรัชญาการเรียนรู้สำหรับเว็บแบบ Semantic วิทยานิพนธ์ Universität Karlsruhe, 2001 - "การเรียนรู้อภิปรัชญาจุดมุ่งหมายที่จะบูรณาการความหลากหลายของสาขาวิชาเพื่อที่จะอำนวยความสะดวกในการก่อสร้างของจีส์ในอภิปรัชญาวิศวกรรมและการเรียนรู้โดยเฉพาะอย่างยิ่งเครื่อง."
AD Mädcheเอส Staab การเรียนรู้ของอภิปรัชญา คู่มือของจีส์ในระบบสารสนเทศ, 2004
การจำแนกประเภทของข้อมูลการศึกษาอภิปรัชญา

การจำแนกประเภทของอภิปรัชญาศึกษา DataII

อภิปรัชญาการเรียนรู้ชั้นเค้ก [Cimiano 2006]

รูปแบบ [เฮิร์สต์ 1992] สำหรับ subsumption ชั้น
- เช่น NP NP เป็น {,} * {หรือ |} และ NP
- "เกมเช่นเบสบอลและคริกเก็ต"
- NP {, NP} * {} {และ | หรือ} NP อื่น ๆ
- "กระต่ายและสัตว์อื่น ๆ "
- แต่: "กระต่ายและสัตว์เลี้ยงอื่น ๆ "
- NP {} {รวมทั้ง NP,} * {หรือ |} และ NP
- "ผลไม้รวมทั้งแอปเปิ้ลและลูกแพร์"
- NP {} โดยเฉพาะอย่างยิ่ง {NP,} * {หรือ |} และ NP
- "ยุโรปโดยเฉพาะอย่างยิ่งชาวอิตาเลียน"
- แต่: "ประธานาธิบดีสหรัฐโดยเฉพาะอย่างยิ่งพรรคประชาธิปัตย์"
รูปแบบ [โอกาตะและถ่านหิน 2004]
- เป็น NP NP
- "จิงโจ้เป็นสัตว์ที่อาศัยอยู่ในประเทศออสเตรเลีย."
- NP ชื่อ | เรียกว่า NP
- "คนญี่ปุ่นชอบที่จะเล่นเกมที่เรียกว่าไป."
- NP, NP
- "Sencha, ชาที่นิยมมากที่สุดในประเทศญี่ปุ่น ... "
- NP NP
- "จอห์นรักเฟอร์รารีของเขา รถ ... "
- ท่ามกลาง NP, NP
- ในบรรดาเครื่องดนตรีทั้งหมดไวโอลิน are ... "
- NP ยกเว้น | อื่น ๆ กว่า NP
- พนักงานยกเว้นสำหรับผู้จัดการทุกข์ทรมานจาก ... "
กฎแหย่
- GATE = ทั่วไปสถาปัตยกรรมวิศวกรรมข้อความ
- เขียนใน Java
- ผู้ใหญ่ใช้ทั่วโลก
- ภาษาแหย่ = สำหรับสร้างต้นแบบอย่างรวดเร็วและการดำเนินงานที่มีประสิทธิภาพของวิธีการวิเคราะห์ตื้น
- สามารถนำมาใช้เช่น ~ หารูปแบบที่เฉพาะเจาะจงโดเมน (บล็อกการเงิน ฯลฯ )
II แหย่กฎ
rule: Hearst_1 ( (NounPhrase):superconcept {SpaceToken.kind == space} {Token.string=="such"} {SpaceToken.kind == space} {Token.string=="as"} {SpaceToken.kind == space} (NounPhrase):subconcept ):hearst1
-->
:hearst1.SubclassOfRelation = { rule = "Hearst1" }, :subconcept.Domain = { rule = "Hearst1" }, :superconcept.Range = { rule = "Hearst1" }
ความคล้ายคลึงกันบริบทคำศัพท์ (เช่น [Cimiano และVölker 2005])
- "โคลัมบัสเป็นเมืองหลวงของรัฐโอไฮโอ. โคลัมบัสมีประชากรประมาณ 700,000 คนที่อาศัยอยู่."
- โคลัมบัส (เมืองหลวง (1), รัฐ (1), โอไฮโอ (1) ประชากร (1), อาศัย (1))
- ซิตี้ (ประเทศ (2), รัฐ (1), อาศัย (2), นายกเทศมนตรี (1), สถานที่ (1))
- Explorer (เรือ (1) กะลาสี (2) การค้นพบ (1))
"ส่วนใหญ่อาจจะ": ซิตี้ (โคลัมบัส)

เฟรม Subcategorization
- "ทีน่าไดรฟ์ฟอร์ด."
- คน (Tina) คัน (ฟอร์ด)
- "พ่อของเธอขับรถบัส."
- ประเภทรองของพ่อคน
- ประเภทรองของรถยานพาหนะ
- subcat: ไดรฟ์ (ไอคอน: คน obj: ยานพาหนะ)
- \[Person \sqsubseteq \forall drive.Vehicle \]
Text2Onto

อัล Suchanek et 2009
การเรียนรู้จากข้อความและความรู้พื้นฐานทางเหตุผล:"วอชิงตันเป็นเมืองหลวงของสหรัฐ. (... ) นิวยอร์กเป็นเมืองหลวงของสหรัฐแฟชั่น."
- สกัด: hasCapital (สหรัฐ, นิวยอร์ก); hasCapital (สหรัฐวอชิงตัน)
- ความรู้พื้นฐาน: hasCapital เป็นสถานที่ทำงาน
- ข้อสรุปที่เป็นไปได้:
- นิวยอร์กวอชิงตัน =
- ที่ไม่สอดคล้องกัน (สมมติชื่อที่เป็นเอกลักษณ์)
- ความขัดแย้งทางตรรกะสามารถช่วยในการตรวจสอบข้อผิดพลาดในข้อมูลที่สกัดโดยอัตโนมัติ
Leda

วิธีการอื่น ๆ
- กฎสมาคมและสถิติการเกิดขึ้นร่วม
- ตัวอย่างประโยค: \[hyponymy \approx subsumption
\]
- hyponym (ธนาคาร \ (\ คม \) 1 สถาบัน \ (\ คม \) 1)
- ประเภทรองของธนาคารสถาบัน
- heuristics นามวลี
- "ซอฟแวร์การประมวลผลภาพ"
- การจัดกลุ่มอินสแตนซ์ (เช่นโคลัมบัสและวอชิงตัน)
- การจัดกลุ่มลำดับชั้นของเวกเตอร์บริบท
- เสร็จฐานความรู้ / การวิเคราะห์แนวความคิดอย่างเป็นทางการ (FCA)
- ถามคำถามวิศวกรความรู้ในการดำเนินการฐานความรู้
- เครื่องมือ: OntoComp [. Sertkaya et al,]
เครื่องมือและกรอบ

เครื่องมือและกรอบ II

ปัญหาและความท้าทาย
- Homonymy และ polysemy เช่น [Ovchinnikova เอตอัล 2006]
- "ปีเตอร์นั่งอยู่บนฝั่งในด้านหน้าของธนาคาร."
- "หนังสือที่น่าสนใจกำลังนอนอยู่บนโต๊ะ."
- ความหมายของคำคุณศัพท์
- "ดอกไม้สีแดง", "เพื่อนเท็จ"
- หัวที่ว่างเปล่าเช่น [Völkerเอตอัล 2005], [Cimiano และ Wenderoth 2005]
- "ปลาทูน่าเป็นชนิดของปลา. Bluefin ใต้เป็นหนึ่งในประเภทที่ใกล้สูญพันธุ์มากที่สุดของปลาทูน่า."
- จุดไข่ปลาและ underspecification
- "แมรี่เริ่มหนังสือ."
- Anaphora (เช่นคำสรรพนาม) เช่น [Cimiano และVölker 2005]
- "มีแอปเปิ้ลลงบนโต๊ะ. ก็เป็นสีแดง."
ปัญหาและความท้าทาย (Ctd. )
- อุปมาอุปมัยและแรงเป็นระยะเช่น [et al, 2007]
- "ชีวิตคือการเดินทาง."
- ความคิดเห็นใบเสนอราคาและการพูดรายงาน
- "ทอมคิดว่าโลมาเป็นสัตว์เลี้ยงลูกด้วย."
- สิ่งที่ควรจะเป็นตัวแทนในฐานะปัจเจกบุคคล? เช่น [Zirn เอตอัล 2008]
- "จิงโจ้เป็นสัตว์ที่อาศัยอยู่ในประเทศออสเตรเลีย."
- ชั้นความสัมพันธ์, (ทรัพย์สินวัตถุ) หรือแอตทริบิวต์ (ทรัพย์สินประเภทข้อมูล)
- "ช้างทั้งหมดเป็นสีเทา."
- "อีสเตอร์จันทร์เป็นวันหยุดประจำชาติ."
- ความรู้ที่มีการเปลี่ยนแปลงเช่น [Stojanovic 2004], [Zablith et al, 2009]
- "ดาวพลูโตเป็นดาวเคราะห์."
การเรียนรู้นกฮูกนิพจน์ชั้น
- ที่ได้รับ:
- ความรู้พื้นฐาน (โดยเฉพาะฐานความรู้นกฮูก / DL)
- ตัวอย่างบวกและลบ (บุคคลโดยเฉพาะในกลุ่มฐานความรู้)
- เป้าหมาย:
- สูตรตรรกะ (โดยเฉพาะอย่างยิ่งการแสดงออกชั้นนกฮูก) ครอบคลุมตัวอย่างบวกและไม่ครอบคลุมตัวอย่างลบ

ILP และเว็บความหมาย

- ตั้งแต่การเขียนโปรแกรม Logic ช่วงต้น 90s อุปนัย
- เพียงไม่กี่วิธีการขึ้นอยู่กับคำอธิบายของ logics
- อภิปรัชญาเว็บภาษา (OWL) จะกลายเป็นมาตรฐานของ W3C ในปี 2004
- จำนวนที่เพิ่มขึ้นของ RDF / นกฮูกฐาน knowlegde แต่ ILP ส่วนใหญ่ยังมุ่งเน้นไปที่โปรแกรมตรรกะ - ช่องว่างการวิจัย>
ทำไม ILP ในเว็บแบบ Semantic?
- การเรียนรู้ของอภิปรัชญา:
- ที่ได้รับในระดับ K
- กรณีตัวอย่างที่เป็นบวก
- กรณีที่ไม่ได้เป็นตัวอย่างในทางลบ
- คำจำกัดความที่สามารถเรียนรู้ได้ถ้า ABox มีข้อมูล
- การพัฒนาของการแก้ปัญหาปัญหาที่มีอยู่ ML
- การใช้งานโดยตรงของความรู้ในความหมายเว็บแทนของการแปลงในส่วนของคำสั่งฮอร์นเช่นใช้วิธีการ ML
สิ่งที่ต้องทำ: / refinerho หายไป ... ผู้ประกอบการปรับแต่งสี - นิยาม
- ให้ DL \ (\ mathcal {L} \) พิจารณาพื้นที่เสมือนสั่ง \ (\ \ langle mathcal {C} (\ mathcal {L}) \ sqsubseteq_ T \ rangle \) ไปที่แนวความคิดของ \ (\ mathcal {L} \)
- \ (\ Rho: \ mathcal {C} (\ mathcal {L}) \ to 2 ^ {\ mathcal {C} (\ mathcal {L})} \) เป็นลดลง \ (\ mathcal {L} \) การปรับแต่ง ถ้าการดำเนินการใด ๆ \ (C \ in \ mathcal {C} (\ mathcal {L}) \): \[D \in \rho(C) \text{ implies } D \sqsubseteq_ T C\]
- สัญกรณ์: เขียน \ (C \ ไป D \) แทน \ (D \ in \ Rho (C) \)
- ห่วงโซ่การปรับแต่งเช่นใน \ (\ \ langle mathcal {C} (EL) \ sqsubseteq_ T \ rangle \): \[ \top \to_{\rho} male \to male \sqcap \exists hasChild.\top \]
การเรียนรู้กับผู้ประกอบการปรับแต่ง

สิ่งที่ต้องทำ: \ refinerho ที่ขาดหายไป ... คุณสมบัติของผู้ประกอบการปรับแต่ง
\ (La \) ประกอบการปรับแต่งลง \ (Rho \) เรียกว่า- จำกัด IFF \ (\ Rho (C) \) คือ จำกัด สำหรับแนวคิดใด ๆ \ (\ in \ mathcal {C} (\ mathcal {L}) \)
- ซ้ำซ้อน IFF มีอยู่สองที่แตกต่างกัน \ (\ Rho \) โซ่การปรับแต่งจาก C แนวคิดกับแนวคิดดี
- ที่เหมาะสมสำหรับ IFF \ (C, D \ in \ mathcal {C} (\ mathcal {L}), C refinerho D \) หมายถึง \ (C \ ไม่ได้ \ equiv_T D \)
- เหมาะ IFF มันเป็นแน่นอนสมบูรณ์และเหมาะสม
- เสร็จสมบูรณ์ก็ต่อสำหรับ \ (C, D \ in \ mathcal {C} (La) กับ D \ sqsubseteq_ TC มี E แนวคิดต่อ E \ equiv_ TD และห่วงโซ่การปรับแต่ง C refinerho \ cdots refinerho E \)
- ที่ไม่ค่อยสมบูรณ์ก็ต่อแนวความคิดใด ๆ \ (C \) ด้วย \ (C \ sqsubseteq_T \ \ top) เราสามารถเข้าถึงแนวคิด \ (E \) ด้วย \ (E \ equiv_T C \) จาก \ (\ \ top) โดย \ ( \ Rho \)
- เหมาะ = สมบูรณ์ + + ที่เหมาะสม จำกัด
คุณสมบัติของผู้ประกอบการปรับแต่ง II
- คุณสมบัติระบุวิธีที่เหมาะสมในการดำเนินการปรับแต่งสำหรับการแก้ปัญหาการเรียนรู้:
- ผู้ประกอบการที่ไม่สมบูรณ์อาจจะพลาดการแก้ปัญหา
- ผู้ประกอบการที่ซ้ำซ้อนอาจนำไปสู่แนวคิดที่ซ้ำกันในต้นไม้ค้นหา
- ผู้ประกอบการที่ไม่เหมาะสมอาจสร้างแนวคิดเทียบเท่า (ซึ่งครอบคลุมตัวอย่างเดียวกัน)
- สำหรับผู้ประกอบการที่ไม่มีที่สิ้นสุดมันอาจจะไม่เป็นไปได้ที่จะคำนวณการปรับแต่งทั้งหมดของแนวความคิดที่กำหนด
- เราวิจัยคุณสมบัติของผู้ประกอบการปรับแต่งในรายละเอียด Logics
- คำถามสำคัญ: คุณสมบัติที่สามารถนำมารวม?
การปรับแต่งทฤษฎีบทให้ผู้ประกอบการ
ทฤษฎีบท
ชุดสูงสุดของคุณสมบัติของ \ (\ mathcal {L} \) ผู้ประกอบการปรับแต่งที่สามารถทำงานร่วมกันเพื่อ \ (\ mathcal {L} \ in \ {\ mathcal {ALC} \ mathcal {ALCN} \ mathcal {Shoin} \ mathcal {SROIQ} \} \):- {ไม่ค่อยสมบูรณ์ครบถ้วน จำกัด }
- {ไม่ค่อยสมบูรณ์ครบถ้วนเหมาะสม}
- {ไม่ค่อยสมบูรณ์ไม่ซ้ำซ้อน จำกัด }
- {สมบูรณ์นิดหน่อยที่ไม่ซ้ำซ้อนที่เหมาะสม}
- {ไม่ซ้ำซ้อนขอบเขตที่เหมาะสม}
เจมาห์พี hitzler, ILP ประชุม 2008
"การเรียนรู้แนวความคิดในรายละเอียด Logics ใช้ประกอบการปรับแต่ง"
เจมาห์พี hitzler, เครื่องการเรียนรู้, 2010
ดำเนินการให้การปรับแต่งครั้งที่สองทฤษฏี
- ไม่มีการปรับแต่งในอุดมคตินกฮูกและ logics คำอธิบายของหลาย
- แสดงให้เห็นว่าการเรียนรู้ใน DLs เป็นเรื่องยาก
- อัลกอริทึมต้องตอบโต้ข้อเสีย
- เป้าหมาย: พัฒนาผู้ประกอบการใกล้กับขีด จำกัด ทางทฤษฎี
ความหมายของ \ (\ mathcal {p} \)

ความหมายของ \ (\ mathcal {p} \) II

ความหมายของ \ (\ mathcal {p} \) III

ความหมายของ \ (\ mathcal {p} \) IV

สิ่งที่ต้องทำ: ตัวอักษร .. \ (\ mathcal {p} \) คุณสมบัติ
- \ (\ op \) เสร็จสมบูรณ์
- \ (\ op \) ไม่มีที่สิ้นสุดเช่นมีหลายขั้นตอนการปรับแต่งอนันต์ของฟอร์ม: \ (\ \ top refineop C_1 \ sqcup C_2 \ sqcup C_3 \ sqcup \ dots \)
- \ (\ op \) ไม่เหมาะสม แต่สามารถขยายไปยัง \ emph {ประกอบที่เหมาะสม \ (\ opclosed \)} (การปรับแต่งให้มีราคาแพงกว่าในการคำนวณ)
- \ (\ op \) จะซ้ำซ้อน:
สิ่งที่ต้องทำ: ตัวอักษร .. \ (\ mathcal {p} \) II คุณสมบัติ
- \ (\ op \) เสร็จสมบูรณ์
- \ (\ op \) ไม่มีที่สิ้นสุดเช่นมีหลายขั้นตอนการปรับแต่งอนันต์ของฟอร์ม: \ (\ \ top refineop C_1 \ sqcup C_2 \ sqcup C_3 \ sqcup \ dots \)
- \ (\ op \) ไม่เหมาะสม แต่สามารถขยายไปยังผู้ประกอบการที่เหมาะสม \ (\ opclosed \) (กลั่นกรองราคาแพงมากขึ้นในการคำนวณ)
- \ (\ op \) จะซ้ำซ้อน:
"การปรับแต่งการใช้งานขั้นตอนวิธีการเรียนรู้ที่ใช้สำหรับ \ (\ mathcal {ALC} \) Logic รายละเอียด"
เจมาห์พี hitzler, ILP ประชุม 2008
"การเรียนรู้แนวความคิดในรายละเอียด Logics ใช้ประกอบการปรับแต่ง"
เจมาห์พี hitzler, เครื่องการเรียนรู้, 2010
OCEL
- ใช้ \ (mathcal {p} \) สำหรับการค้นหาบนลงล่าง
- OCEL เสร็จสมบูรณ์ - มันมักจะหาวิธีแก้ปัญหาถ้ามีอยู่
- กำหนดสูงภาษาเป้าหมายเช่น felxible เกณฑ์การเลิกจ้างและการวิเคราะห์พฤติกรรม
- ใช้เทคนิคการขจัดความซ้ำซ้อนกับ WRT ซับซ้อน polynommial ขนาดต้นไม้ค้นหาตามรูปแบบสั่งการปฏิเสธปกติ
- สามารถจัดการกับผู้ประกอบการปรับแต่งแบบขั้นตอนโดยไม่มีที่สิ้นสุดการขยายตัวในแนวนอนที่มีความยาว จำกัด
สิ่งที่ต้องทำ: ขยายโหนดแบบขั้นตอน
scalability: เหตุผล
\ (\ mathcal {K} = \ {\ mathcal {ชาย} \ sqsubseteq \ mathcal {บุคคล} \)
\ (\ mathcal {OnlyMaleChildren} () \)
\ (\ {} คน mathcal (a) \ mathcal {ชาย} (a_1) \ mathcal {ชาย} (a_2) \)
\ (\ mathcal {} hasChild (, a_1) \ mathcal {} hasChild (, a_2) \} \)
- ให้ \ (\ mathcal {K} \) เราต้องการที่จะเรียนรู้รายละเอียดของ \ (\ mathcal {OnlyMaleChildren} \)
- \ (C = \ {บุคคล} \ mathcal sqcap \ forall \ mathcal {hasChild}. \ mathcal {ชาย} \) ที่ดูเหมือนจะเป็นทางออกที่ดี แต่ \ (\ mathcal {} \) ไม่ได้เป็นตัวอย่างของ \ ( mathcal {C} \) ภายใต้ OWA
- ความคิด: dematerialise \ (K \) โดยใช้มาตรฐาน (OWA) DL เฟ้น แต่ดำเนินการตรวจสอบเช่นการใช้ค
- เพื่อใกล้ชิดกับสัญชาตญาณและมีการปรับปรุงประสิทธิภาพการทำงานที่สำคัญ
- เหมาะสำหรับการพันของการตรวจสอบตัวอย่างจากฐานความรู้แบบคงที่
scalability: คำนวณครอบคลุม Stochastic
Heuristics มักจะต้องมีการตรวจสอบเช่นแพงหรือการดึงเช่น:
\[\begin{aligned} %\acc(C) & = \frac{1}{2} \cdot \left( \frac{\mathbf{|R(A) \cap R(C)|}}{|R(A)|} + \sqrt{\frac{\mathbf{|R(A) \cap R(C)|}}{\mathbf{|R(C)|}}} \right) %\acc(C) & = \frac{1}{2} \cdot \left( \frac{|R(A) \cap R(C)|}{|R(A)|} + \sqrt{\frac{|R(A) \cap R(C)|}{|R(C)|}} \right) \end{aligned}\]scalability: Stochastic ครอบคลุม II คำนวณ
Heuristics มักจะต้องมีการตรวจสอบเช่นแพงหรือการดึงเช่น:
\[\begin{aligned} %\acc(C) & = \frac{1}{2} \cdot \left( \frac{a}{|R(A)|} + \sqrt{\frac{a}{b}} \right) \end{aligned}\]- แทนที่ \ (| R (A) \ ฝา R (C) | \) und \ (| R (C) | \) โดยตัวแปร \ (\) และ \ (b \) เราต้องการที่จะประเมิน
- Wald วิธีการสำหรับการคำนวณช่วงความเชื่อมั่นที่ 95%
- ประมาณการครั้งแรก \ (mathcal {} \) จากนั้นแสดงออกทั้ง
- วิธีการที่สามารถนำไปใช้วิเคราะห์พฤติกรรมต่างๆ
- ในการทดสอบจีส์จริงถึง 99% น้อยการตรวจสอบเช่นอัลกอริถึง 30 ครั้งเร็ว
- อิทธิพลต่ำกับผลการเรียนรู้ที่แสดงสังเกตุในการเรียนรู้ปัญหาที่ 380 เมื่อวันที่ 7 จีส์จริง (แตกต่างกันไปตามแคลิฟอร์เนีย. \ (0,2% \ \ PM 0,4% \ \))
scalability: สกัด Fragment
สกัดจากเศษเล็กเศษน้อยจากปลายทาง SPARQL / ข้อมูลที่เชื่อมโยง:
"การเรียนรู้จากนกฮูก {} คำอธิบายชั้นบนขนาดใหญ่มากฐานความรู้"
Hellmann มาห์น, Auer, Int วารสาร Inf เว็บความหมาย Syst, 2009
การประเมินผลการติดตั้ง
- การขาดมาตรฐานในการประเมินผลนกฮูก / DL การเรียนรู้
- ขั้นตอน: แปลงมาตรฐานที่มีอยู่เพื่อ OWL (เสียเวลาต้องมีความรู้โดเมน)
- วัดความแม่นยำในการพยากรณ์จากการตรวจสอบข้ามสิบเท่า
- ส่วนที่ 1: การประเมินผลกระทบนกฮูก / DL ระบบการเรียนรู้
- ส่วนที่ 2: การประเมินผลกับระบบอื่น ๆ ML (ปัญหาการเกิดมะเร็ง)
- ส่วนที่ 3: การประเมินผลจากยานอภิปรัชญา
การประเมินผลความถูกต้อง

- คอลเลกชันจาก 6 Benchmarks
- สถิติ OCEL บ่อย อย่างมีนัยสำคัญที่ดีกว่าอัลกอริทึมอื่น ๆ สำหรับมาตรฐานมากที่สุด
การประเมินผล: การอ่าน

- YinYang สร้างโซลูชั่นอย่างมีนัยสำคัญอีกต่อไป
การประเมินผล: Runtime

การเกิดมะเร็ง
- เป้าหมาย: ทำนายว่าส่วนผสมทางเคมีที่ก่อให้เกิดมะเร็ง
- ทำไม?
- มากกว่า 1000 สารใหม่ในแต่ละปี
- สารที่สามารถมักจะได้รับการทดสอบผ่านการทดลองเป็นเวลานานและมีราคาแพงเมื่อหนู
- ความรู้พื้นฐาน:
- ฐานข้อมูลของสหรัฐโปรแกรมพิษวิทยาแห่งชาติ (NTP)
- ดัดแปลงมาจากอารัมภบทถึงนกฮูก
"ได้รับการแจ้งเตือนโครงสร้างที่ถูกต้องสำหรับสาเหตุของการเกิดโรคมะเร็งเคมีเป็นปัญหาของค่าทางวิทยาศาสตร์และมนุษยธรรมที่ดี." (ก. Srinivasan, RD คิงจุ๊ Muggleton, MJE สเติร์น 1997)
มะเร็ง II

- ปัญหาที่ท้าทายมาก: ความถูกต้องต่ำส่วนเบี่ยงเบนมาตรฐานสูง
- สถิติ OCEL ลงชื่อ ดีกว่าวิธีการอื่น ๆ มากที่สุด
การประเมินผลการเรียนรู้อภิปรัชญา
- 5 studens ปริญญาเอก
- 5 จีส์จริงในโดเมนที่แตกต่างกัน
- 998 การตัดสินใจของผู้ทดสอบแต่ละ 92 ชั้นเรียน
- ใน 35% ของกรณีที่ได้รับการยอมรับคำแนะนำสำหรับการปรับปรุงอภิปรัชญา
- ปัญหาคุณภาพอภิปรัชญาข้อผิดพลาดในการสร้างแบบจำลอง (เรียน unsatisfiable, ร้าวฉานและร่วมสับสน ฯลฯ )
โครงการ DL-Learner
- DL-Learner โอเพ่นซอร์ส Projekt: http://dl-learner.org, http://sf.net/projects/dl-learner
- ขยายแพลตฟอร์มสำหรับปัญหาการเรียนรู้ที่แตกต่างกันและขั้นตอนวิธี
- การเชื่อมต่อ: บรรทัดคำสั่ง GUI, เว็บบริการ
- สนับสนุนรูปแบบนกฮูกที่พบบ่อย
- ช่วยให้ reasoners แตกต่างกัน (ผ่านทางนกฮูก API, DIG, OWLLink)
- mloss.org (ซอฟแวร์ที่มา ML & เปิด): 1600 ดาวน์โหลด
การประยุกต์ใช้งาน
- "คลาสสิก" ปัญหา ML
- การเกิดมะเร็ง
- งานด้านการแพทย์อื่น ๆ
II โปรแกรม

- "คลาสสิก" ปัญหา ML
- การเกิดมะเร็ง
- งานด้านการแพทย์อื่น ๆ
- การเรียนรู้ของอภิปรัชญา
- ปลั๊กอินProtégé
III โปรแกรม

- "คลาสสิก" ปัญหา ML
- การเกิดมะเร็ง
- งานด้านการแพทย์อื่น ๆ
- การเรียนรู้ของอภิปรัชญา
- ปลั๊กอินProtégé
- ปลั๊กอิน OntoWiki
IV โปรแกรม

- "คลาสสิก" ปัญหา ML
- การเกิดมะเร็ง
- งานด้านการแพทย์อื่น ๆ
- การเรียนรู้ของอภิปรัชญา
- ปลั๊กอินProtégé
- ปลั๊กอิน OntoWiki
- แร่
V โปรแกรม

- "คลาสสิก" ปัญหา ML
- การเกิดมะเร็ง
- งานด้านการแพทย์อื่น ๆ
- การเรียนรู้ของอภิปรัชญา
- ปลั๊กอินProtégé
- ปลั๊กอิน OntoWiki
- แร่
- คำแนะนำ / นำร่อง
- moosique.net
หกโปรแกรม

- "คลาสสิก" ปัญหา ML
- การเกิดมะเร็ง
- งานด้านการแพทย์อื่น ๆ
- การเรียนรู้ของอภิปรัชญา
- ปลั๊กอินProtégé
- ปลั๊กอิน OntoWiki
- แร่
- คำแนะนำ / นำร่อง
- moosique.net
- นาวิเกเตอร์ DBpedia
หกโปรแกรม

- "คลาสสิก" ปัญหา ML
- การเกิดมะเร็ง
- งานด้านการแพทย์อื่น ๆ
- การเรียนรู้ของอภิปรัชญา
- ปลั๊กอินProtégé
- ปลั๊กอิน OntoWiki
- แร่
- คำแนะนำ / นำร่อง
- moosique.net
- นาวิเกเตอร์ DBpedia
- อื่น ๆ / ภายนอก:
- นางสาว (Gerken, et al.)
- การเรียนรู้ใน DLs ความน่าจะเป็น (โอชัว Luna, et al.)
- TIGER Corpus Navigator (Hellmann, et al.)
สรุปผลการวิจัย

- การศึกษาอภิปรัชญาเป็นพื้นที่การวิจัยที่มีความหลากหลายที่เกี่ยวข้องกับสาขาวิชาวิจัยหลายคน (NLP, กลไกการเรียนรู้วิศวกรรมอภิปรัชญา)
- วิธีการที่แตกต่างกันในการใช้แหล่งข้อมูลและการแสดงออกของจีส์ถูกสร้างขึ้น
- ประกอบการปรับแต่งตามการเรียนรู้เป็นวิธีการหนึ่งสำหรับคำจำกัดความการเรียนรู้ (กับการใช้งานด้านนอกของจีส์การเรียนรู้)
- วิกิพีเดียใหม่ (ก่อสร้าง): http://ontology-learning.net
- อภิปรัชญาใหม่การเรียนรู้หนังสือในปี 2011
วิธีการตั้งค่าการเชื่อมโยง
- ด้วยมือ
- Uriqr หรือ Sindice เพื่อค้นหา URI ที่มีอยู่
- รุ่นอัตโนมัติ
- การค้นพบการเชื่อมโยง
- มะนาว - กรอบการค้นพบการเชื่อมโยงสำหรับชี้วัดช่องว่างให้แนวทางเวลาที่มีประสิทธิภาพสำหรับการค้นพบและการคำนวณผลของคุณสมบัติการเชื่อมโยง
- ผ้าไหม - กรอบการค้นพบการเชื่อมโยงสำหรับเว็บของเครื่องมือข้อมูลสำหรับการค้นพบความสัมพันธ์ระหว่างรายการข้อมูลภายในที่แตกต่างกันมีการเชื่อมโยงแหล่งข้อมูลที่ เผยแพร่ข้อมูลที่สามารถใช้ผ้าไหมในการตั้งค่าการเชื่อมโยง RDF จากแหล่งข้อมูลของพวกเขาไปยังแหล่งข้อมูลอื่น ๆ บนเว็บ
- TopBraid นักแต่งเพลง (เอดิเตอร์อภิปรัชญาทำโดย TopQuadrant) มีตัวช่วยสำหรับการเชื่อมโยงกรณีอภิปรัชญากับแนวคิด DBpedia ที่สอดคล้องกัน
- SemMF SemMF เป็นกรอบสำหรับการคำนวณความคล้ายคลึงกันระหว่างความหมายของวัตถุที่แสดงเป็นกราฟ RDF โดยพลการ กรอบจะช่วยให้การจัดหมวดหมู่และแนวคิดที่ไม่ได้จัดหมวดหมู่เทคนิคการจับคู่เพื่อนำไปใช้กับคุณสมบัติของวัตถุที่เลือก
- Yves สมดุลขุดแร่ควบคู่กับรายงานของประสบการณ์เกี่ยวกับปัญหาที่เขาวิ่งเข้าไปในขณะที่ interlinking Jamendo และ MusicBrainz
การค้นพบการเชื่อมโยง
- ไม่สามารถดำเนินการด้วยตนเองในระดับเว็บ
- 31000000000 อเนกประสงค์
- freebase มีกว่า 20 ล้านหน่วย
- กว่า 250 ฐานความรู้
- วิธีการอัตโนมัติ
- อภิปรัชญา Matching
- เช่นการจับคู่

อภิปรัชญา Matching
- เป้าหมาย: หาการแสดงออกในชั้นเรียนนกฮูกที่แสดงความสัมพันธ์ระหว่างจีส์

OM: แนวทาง
- ความรู้สึกตามระยะลำดับชั้น WordNet

OM: แนวทาง
- เทคนิค extensional: เปรียบเทียบกรณี

OM: แนวทาง
- ชุดข้อมูลขนาดเล็กที่มักจะในกรณีที่ตรงกัน
- สำหรับอภิปรัชญาพอเพียงการจับคู่ที่ง่ายที่สุด
- ปัญหา: ความแม่นยำในการหางยาว
- Need for งบที่ถูกต้องอย่างเป็นทางการ (งบ DL)
การค้นพบการเชื่อมโยง
- เป้าหมาย: ค้นพบหน่วยงานที่เกี่ยวข้องทั่วทั้งฐานความรู้

สิ่งที่ต้องทำ: Bild .. นิยามอย่างเป็นทางการ
- เป้าหมาย: สำหรับทุก s S และ T T หาทุกคู่ (s, t) ดังกล่าวว่า s (s, t)> Q
- สูตรเทียบเท่าค้นหาลักษณนาม C: S × T {-1, 1} เช่นว่า C (s, t) = -1 IFF s (s, t) <Q อื่น C (s, t) = 1
การค้นพบการเชื่อมโยง
- สอง หลัก ปัญหา
- Runtime
- ความซับซ้อนของข้อกำหนด
- Runtime
- จำนวนมากของกรณีที่
- วิธีการโง่ใน O (| S | | T |)
- การเปรียบเทียบสตริงที่ประกอบไปด้วยราชสกุลเมตรใน O (m2)

การค้นพบการเชื่อมโยง
- สอง หลัก ปัญหา
- Runtime
- ความซับซ้อนของข้อกำหนด
- ความซับซ้อน ของ ข้อกำหนด
- คุณสมบัติที่ควรจะใช้?
- ซึ่งมาตรการที่คล้ายคลึงกันทำงานได้ดีที่สุด?
- ซึ่งการตั้งค่าเกณฑ์ที่ควรจะใช้?

การค้นพบการเชื่อมโยง

LD: Runtime
- Aggregration และปิดกั้น (ไหม)

LD: Runtime
- Aggregration และปิดกั้น (ไหม)

สิ่งที่ต้องทำ: Bild .. LD: Runtime
- ไฮบริด (มะนาว)
LD: Runtime
- PassJoin

สิ่งที่ต้องทำ: Bild .. Hyppo
- D = T / A
สิ่งที่ต้องทำ: Bild .. Hyppo
Hyppo
Hyppo
- D
Hyppo
- D
Hyppo
- อัตราประมาณ:
- จำนวน ของ ก้อน:
- tradeoff: เมล็ดสูงจะนำไปสู่การประมาณที่ดีขึ้น แต่เพื่อให้ก้อนอื่น ๆ
- = 1
- = 2
- = 4
การเรียนรู้ที่จำเพาะต่อ
- เรียนรู้การดูแล
- การเรียนรู้ชุด
- เรียนรู้การใช้งานล่าสุด
- เรียนรู้แบบใกล้ชิด
- การกำหนดค่าด้วยตนเอง
- การเพิ่มประสิทธิภาพของฟังก์ชันวัตถุประสงค์
RAVEN
- โรงพยาบาล / ผู้อยู่อาศัย
- การเรียนรู้ลักษณนาม C เกี่ยวข้องกับการเรียนรู้
- สองชุดของข้อ จำกัด ในการรับผิดชอบ ที่ระบุความรับผิดชอบชุด S T,
- ข้อกำหนดของการวัดความคล้ายคลึงกันที่ซับซ้อนσที่เป็นส่วนผสมของความคล้ายคลึงกันของอะตอมหลายมาตรการσ1, ... , σnและ
- ชุดของน้ำหนัก / q1 เกณฑ์ ... Qn ดังกล่าวว่าฉีเป็นเกณฑ์สำหรับσi
RAVEN
- ผู้อยู่อาศัย / โรงพยาบาล + รุ่นลักษณนาม
- การเรียนรู้ลักษณนาม C เกี่ยวข้องกับการเรียนรู้
- สองชุดของข้อ จำกัด ในการรับผิดชอบ ที่ระบุความรับผิดชอบชุด S T,
- ข้อกำหนดของการวัดความคล้ายคลึงกันที่ซับซ้อนσที่เป็นส่วนผสมของความคล้ายคลึงกันของอะตอมหลายมาตรการσ1, ... , σnและ
- ชุดของน้ำหนัก / q1 เกณฑ์ ... Qn ดังกล่าวว่าฉีเป็นเกณฑ์สำหรับσi
RAVEN
- ใช้งานล่าสุดรู้ Perceptron
- การเรียนรู้ลักษณนาม C เกี่ยวข้องกับการเรียนรู้
- สองชุดของข้อ จำกัด ในการรับผิดชอบ ที่ระบุความรับผิดชอบชุด S T,
- ข้อกำหนดของการวัดความคล้ายคลึงกันที่ซับซ้อนσที่เป็นส่วนผสมของความคล้ายคลึงกันของอะตอมหลายมาตรการσ1, ... , σnและ
- ชุดของน้ำหนัก / q1 เกณฑ์ ... Qn ดังกล่าวว่าฉีเป็นเกณฑ์สำหรับσi
RAVEN
RAVEN
RAVEN
RAVEN
โรงพยาบาล / ผู้อยู่อาศัย





โรงพยาบาล / ผู้อยู่อาศัย





สิ่งที่ต้องทำ: นิยาม
- การเรียนรู้ลักษณนาม C เกี่ยวข้องกับการเรียนรู้
- สองชุดของข้อ จำกัด ในการรับผิดชอบ ที่ระบุความรับผิดชอบชุด S T,
- ข้อกำหนดของการวัดความคล้ายคลึงกันที่ซับซ้อนσที่เป็นส่วนผสมของความคล้ายคลึงกันของอะตอมหลายมาตรการσ1, ... , σnและ
- ชุดของเกณฑ์ q1, ... , Qn ดังกล่าวว่าฉีเป็นเกณฑ์สำหรับσi
- หมายเหตุ: ข้อ จำกัด สมมติข้อ จำกัด ชั้น
การค้นพบข้อ จำกัด
1 เริ่มต้นด้วยแหล่งที่มาและเป้าหมายความรู้ฐานแคนซัสและ KT
การค้นพบข้อ จำกัด
2 กรณีตัวอย่างสุ่มข้ามแคนซัสและ KT
การค้นพบข้อ จำกัด
3 นับจำนวนของนกฮูก: เชื่อมโยงระหว่าง sameAs ศรีและ Tj
การค้นพบข้อ จำกัด
4 แก้ปัญหาโรงพยาบาลเทียบเท่า / เรสซิเดนปัญหา
การค้นพบข้อ จำกัด
4 แก้ปัญหาโรงพยาบาลเทียบเท่า / เรสซิเดนปัญหา
ปัญหา: ไม่พอนกฮูก: sameAs เชื่อมโยง
การค้นพบข้อ จำกัด
3 นับจำนวนของกรณีของ Si และ Tj ว่าส่วนแบ่งค่าทรัพย์สินส่วนกลาง
การค้นพบข้อ จำกัด
4 แก้ปัญหาโรงพยาบาลเทียบเท่า / เรสซิเดนปัญหา
การค้นพบข้อ จำกัด
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
RAVEN
- เริ่มต้นด้วยการเชื่อมโยงไม่เป็นความลับ
สิ่งที่ต้องทำ: Formel .. RAVEN
เริ่มต้นลักษณนาม:สิ่งที่ต้องทำ: เครื่องหมาย .. RAVEN
- รับผู้สมัครมากที่สุดข้อมูลบวก (L +) และลบ (L-)
RAVEN
- ถาม oracle การจัดหมวดหมู่
RAVEN
- ถาม oracle การจัดหมวดหมู่
สิ่งที่ต้องทำ: Formel .. RAVEN
- ปรับปรุง L:
RAVEN
- เรียกผู้สมัครในเชิงบวกและเชิงลบให้ข้อมูลมากที่สุด
RAVEN
- ถาม oracle
สิ่งที่ต้องทำ: Formel .. RAVEN
- ยุติเมื่อเห็นด้วยกับ oracle ทั้งหมดและกลับไปจัดหมวดหมู่
สิ่งที่ต้องทำ: Bild .. เป้าหมาย
- DrugBank
- Dailymed
- ฐานข้อมูล: ยาเสพติด
- rdfs: ฉลาก
- DM: ชื่อ
- ฐานข้อมูล: brandname
- DM: ชื่อ
- DM: ข้อเสนอ
- trigrams
- trigrams
- > 0.9
สิ่งที่ต้องทำ: Bild .. EAGLE
- Idea: ข้อมูลจำเพาะต้นไม้
- เป้าหมาย: เรียนรู้องค์ประกอบของต้นไม้ผ่านการดำเนินงานทางพันธุกรรมจนสเปคที่ดีที่สุดคือพบว่า
สิ่งที่ต้องทำ: Bild .. EAGLE
- ขั้นที่ 1: สร้างประชากรเริ่มต้น
- กระบวนการสุ่ม (คู่ทรัพย์สินเกณฑ์)
- คำนวณการออกกำลังกาย
- ฟิตเนส = WRT F1 วัดข้อมูลที่รู้จักกัน
EAGLE
- ขั้นที่ 2: Evolve ประชากร
- การแข่งขันระหว่างบุคคลสองคน
- สองผู้ประกอบการมิวเตชันและครอสโอเวอร์
EAGLE
- ขั้นที่ 2: Evolve ประชากร
- การแข่งขัน ระหว่าง สอง บุคคล
- สองผู้ประกอบการมิวเตชันและครอสโอเวอร์
EAGLE
- ขั้นที่ 2: Evolve ประชากร
- การแข่งขัน ระหว่าง สอง บุคคล
- สองผู้ประกอบการมิวเตชันและครอสโอเวอร์
EAGLE
- ขั้นที่ 2: Evolve ประชากร
- การแข่งขันระหว่างบุคคลสองคน
- สองผู้ประกอบการมิวเตชันและครอสโอเวอร์
EAGLE
- ขั้นที่ 2: Evolve ประชากร
- การแข่งขันระหว่างบุคคลสองคน
- สองผู้ประกอบการมิวเตชันและครอสโอเวอร์
EAGLE
- ขั้นที่ 3: การคำนวณของการเชื่อมโยงข้อมูลมากที่สุด
- แล้ววิธีการกำหนดปริมาณของข้อมูลของการเชื่อมโยงเป็นความใกล้ชิดกับขอบเขตการตัดสินใจ
- ที่นี่ใช้ความขัดแย้งในหมู่องค์ประกอบของประชากรขนาด n
- ฟังก์ชั่นเป็นสูงสุดเมื่อ n / 2 นับ (s, t) เป็นบวกและ n / 2 เป็นเชิงลบ
- สามารถจำลองที่มีฟังก์ชั่นอื่น ๆ เช่นเอนโทรปี
สิ่งที่ต้องทำ: Bild .. EAGLE
- ขั้นที่ 4: เรียนรู้การใช้งานล่าสุด
- Compute d ((s, t)) สำหรับทุก (s, t) ส่งกลับโดยสเป็ค
- เลือก k ที่ให้ข้อมูลมากที่สุด
- จำเป็นต้องมีการติดฉลากจากผู้ใช้
- ปรับปรุงรายการของตัวอย่างบวกและลบ
EAGLE
- ขั้นที่ 5: ลบอย่างน้อยองค์ประกอบพอดี
- ฟิตเนส = WRT F1 วัดข้อมูลที่รู้จักกัน
EAGLE
- ขั้นที่ 5: ถ้าเงื่อนไขการเลิกจ้างไม่พบขั้นตอนที่ข้ามไป 2 อื่นยุติและเลือกข้อมูลจำเพาะ fittest
การดำเนินการ (มะนาว)

บทสรุป ...
เค้าโครง
- ข้อมูลที่มีคุณภาพคืออะไร?
- ข้อมูลที่มีคุณภาพคือเหตุผลสำคัญหรือไม่
- ความท้าทาย
- ข้อมูลด้านคุณภาพ
- ข้อมูลมิติที่มีคุณภาพและตัวชี้วัด
- เครื่องมือในการประเมิน
กลุ่มขนาด
- หกกลุ่ม:
- การเข้าถึง
- เชื่อถือ
- เนื้อแท้
- บริบท
- dynamicity ชุดข้อมูล
- representational
ขนาดและความสัมพันธ์ของพวกเขา
- เต็มตัว
คำถามที่
อ้างอิง
รูปแบบ NLP Interchange

DBpedia
- DBpedia คือพยายามของชุมชนที่จะดึงข้อมูลจากวิกิพีเดียที่มีโครงสร้างและเพื่อให้ข้อมูลเหล่านี้ที่มีอยู่บนเว็บ
- DBpedia ช่วยให้คุณสามารถที่จะขอคำสั่งที่มีความซับซ้อนกับวิกิพีเดียและเพื่อเชื่อมโยงข้อมูลอื่น ๆ ชุดบนเว็บวิกิพีเดียข้อมูล

- กึ่งโครงสร้างมาร์กอัปวิกิพีเดีย -> ข้อมูลที่มีโครงสร้าง
- เป้าหมายร่วมกันกับ WikiData แต่วิธีการที่แตกต่างกัน
ข้อ จำกัด ของวิกิพีเดีย
คำถามง่ายๆ - ยากที่จะตอบด้วยวิกิพีเดีย:
- มีอะไรอินส์บรุไลพ์ซิกกัน?
- นายกเทศมนตรีของเมืองกลางยุโรปมีใครสูงกว่า 1000m?
- ซึ่งภาพยนตร์ที่นำแสดงโดยทั้ง Brad Pitt และ Angelina Jolie?
- ผู้เล่นฟุตบอลที่เล่นเป็นผู้รักษาประตูให้กับสโมสรที่มีสนามกีฬาที่มีมากกว่า 40.000 ที่นั่งและที่กำลังเกิดขึ้นในประเทศที่มีมากกว่า 10 ล้านคนที่อาศัยอยู่
(เพิ่มเติมเกี่ยวกับเรื่องนี้ในภายหลัง)
โครงสร้างในวิกิพีเดีย

- ชื่อเรื่อง
- นามธรรม
- infoboxes
- ภูมิศาสตร์พิกัด
- หมวดหมู่
- รูปภาพ
- ลิงค์
- รุ่นภาษาอื่น
- หน้าวิกิพีเดียอื่น ๆ
- ไปยังเว็บ
- การเปลี่ยนเส้นทาง
- เพิ่มความชัดเจน
- รุ่นภาษาอื่น
- ...
DBpedia กรอบการสกัดข้อมูล
DBpedia ข้อมูลการสกัดกรอบ (ขโมย)- เริ่มต้นในปี 2007
- โฮสต์บน Sourceforge และ Github
- แรกเขียนใน PHP แต่อย่างเต็มที่อีก writtten เขียนใน Scala & Java
- รอบ 40 ร่วม
- ดู https://www.ohloh.net/p/dbpedia สำหรับรายละเอียดภาพรวม
ที่อาจเกิดขึ้นสามารถนำไปปรับใช้ MediaWikis อื่น ๆ
- ปัจจุบันวิกิพจนานุกรม / http://wiktionary.dbpedia.org
Dief - ภาพรวม

Dief - Input / วจีวิภาค
อินพุต
- หน้าวิกิพีเดียจะถูกอ่านจากแหล่งภายนอก
- หน้าก็จะสามารถอ่านได้จาก
- การถ่ายโอนข้อมูลวิกิพีเดีย / กิ
- การติดตั้งโดยใช้มีเดียวิกิมีเดียวิกิ API
- แต่ละหน้าวิกิพีเดียจะแยกโดย parser วิกิพีเดีย
- หน้าวิกิพีเดียกลายเป็นต้นไม้ไวยากรณ์บทคัดย่อ
Dief - สกัด / Serialization
สกัด
- DBpedia มีสกัดเพื่อวัตถุประสงค์ที่แตกต่างกันเช่นการดึงป้ายบทคัดย่อหรือพิกัดทางภูมิศาสตร์
- ต้นไม้ไวยากรณ์บทคัดย่อของแต่ละหน้าวิกิพีเดียจะถูกส่งไปสกัด
- แยกแต่ละสิ้นเปลืองต้นไม้ไวยากรณ์บทคัดย่อและผลตอบแทนถัวเฉลี่ยกราฟของงบ RDF
การทำให้เป็นอันดับ
- งบที่เก็บ RDF จะถูกเขียนลงในอ่างล้างจาน
- รูปแบบที่แตกต่างกันเช่นยังไม่มีอเนกประสงค์, ล่าม, เต่า, JSON ได้รับการสนับสนุน
Dief - สกัด
สกัดคุณลักษณะ- เชี่ยวชาญในการสกัดคุณลักษณะเดียวจากบทความ
- บทคัดย่อเช่นป้ายพิกัดประเภทแม่แบบ ...
- ฐานข้อมูล: เบอร์ลิน rdfs: ฉลาก "เบอร์ลิน"
ฐานข้อมูล: dc โอลิเวอร์ทวิ: DB เรื่อง: หมวดหมู่: นวนิยายภาษาอังกฤษ
กล่อง สกัด
- ดิบแยกกล่องข้อมูล
- การทำแผนที่ที่ใช้สารสกัดจากกล่องข้อมูล
Dief - ดิบกล่องแยก

ไวยากรณ์ WikiText
{{กล่องข้อมูลการตั้งถิ่นฐานเกาหลี
| ชื่อ = เมืองปูซานเมโทรโพลิแทน
อังกูล = 부산광역시 |
...
| area_km2 = 763.46
| ป๊อป = 3635389
| ภูมิภาค = [[Yeongnam]]
}}
อนุกรม RDF
DBP ที่: ปูซาน DBP: ชื่อ "ปูซานเมโทรโพลิแทนซิตี"
DBP ที่: ปูซาน DBP: อังกูล "부산광역시" @ แขวน
DBP ที่: ปูซาน DBP: area_km2 "763.46" ^ XSD: ลอย
DBP ที่: ปูซาน DBP: ป๊อป "3635389" ^ XSD: int
DBP ที่: ปูซาน DBP: ภูมิภาค DBP: Yeongnam
Dief - กล่องข้อมูลดิบแยก / ความหลากหลาย

Dief - กล่องข้อมูลดิบแยก / ความหลากหลาย

Dief - ดิบกล่องแยก
- วิธีการที่ตรงไปตรงมาและครอบคลุมขนาดใหญ่
- ที่ไม่สอดคล้องกันในการตั้งชื่อสถานที่ให้บริการ
- infoboxes ที่แตกต่างกันอาจจะมีการตั้งชื่อแตกต่างกันสำหรับความหมายเหมือนกัน (เช่นเกิด VS birth_date VS วันเกิด)
- ที่ไม่สอดคล้องกันในสถานที่ให้บริการประเภทข้อมูล
- ประเภทข้อมูลจะถูกคำนวณต่อเช่นในลักษณะโลภ
- ประเภทข้อมูลจะถูกคำนวณต่อเช่นในลักษณะโลภ
Dief-mapping ตามแยกกล่องข้อมูล
ความหมายที่ถูกต้อง:
- รวมเป็นอะไรกัน (birth_place บ้านเกิด)
- แยกสิ่งที่แตกต่างกัน (bornIn บ้านเกิด)
- เพิ่มขนาดใหญ่สำหรับ / Precision Recall
- http://mappings.dbpedia.org/
- ทุกคนสามารถมีส่วนร่วมในการแมปใหม่หรือปรับปรุงที่มีอยู่
- ~ 170 บรรณาธิการ
Dief-mapping ตามแยกกล่องข้อมูล

แผนการ URI / IRI
http:// dbpedia.org {lang.} เป็นโดเมนหลัก
สำหรับทุกบทความที่มีอยู่ทรัพยากร DBpedia ในรูปแบบ:
dbpedia.org TTP :/ / {lang.} ทรัพยากร / {} ArticleName /
คุณสมบัติจากกล่องข้อมูลดิบแยกใช้ dbpedia.org http:// {lang.} / สถานที่ / namespace
อภิปรัชญาเป็นระดับโลกสำหรับทุกภาษาและภายใต้
namespace http://dbpedia.org/ontology/
หมายเหตุ: ที่สำหรับภาษาอังกฤษรหัสภาษาไม่ถูกนำมาใช้
- http://dbpedia.org เป็นโดเมนหลัก
- http://dbpedia.org/resource/ {title} สำหรับบทความ
- http://dbpedia.org/property/ {title} สำหรับคุณสมบัติ
ทิ้ง RDF
DBpedia มี 2 โหมดการสกัด:
- DBpedia คู่ที่ผลการสกัดปรับปรุงโดยตรงปลายทาง SPARQL (เพิ่มเติมว่าภายหลัง)
- การถ่ายโอนข้อมูลตามผลการสกัดต่อเนื่องที่ RDF ผลจะถูกโหลดเข้าไปในร้านต่อมาสาม
ทิ้ง DBpedia
- การถ่ายโอนข้อมูลที่เก็บ DBpedia ตั้งอยู่ใน: http://downloads.dbpedia.org/
- ดาวน์โหลดล่าสุดที่อธิบายไว้ใน:
http://dbpedia.org/Downloads
ปลายทาง SPARQL
- เซิร์ฟเวอร์อัจฉริยะจะถูกใช้เป็นที่เก็บสามสำหรับภาษาอังกฤษ DBpedia
- ปลายทาง SPARQL เป็น http://dbpedia.org/sparql
- โฮสติ้งที่ให้บริการโดย OpenLink
- ไม่ทั้งหมดทิ้ง RDF จะถูกโหลด

การตอบคำถาม (1/2)
กลับไปที่คำถามที่วิกิพีเดียของเรา:
- มีอะไรอินส์บรุไลพ์ซิกกัน?
- นายกเทศมนตรีของเมืองกลางยุโรปมีใครสูงกว่า 1000m?
- ซึ่งภาพยนตร์ที่นำแสดงโดยทั้ง Brad Pitt และ Angelina Jolie?
- ผู้เล่นฟุตบอลที่เล่นเป็นผู้รักษาประตูให้กับสโมสรที่มีสนามกีฬาที่มีมากกว่า 40.000 ที่นั่งและที่กำลังเกิดขึ้นในประเทศที่มีมากกว่า 10 ล้านคนที่อาศัยอยู่
โดยใช้ข้อมูลที่สกัดจากวิกิพีเดียและประชาชนปลายทาง DBpedia SPARQL สามารถตอบคำถามเหล่านี้
การตอบคำถาม (2/2)
ผู้เล่นฟุตบอลที่เล่นเป็นผู้รักษาประตูให้กับสโมสรที่มีสนามกีฬาที่มีมากกว่า 40.000 ที่นั่งและที่กำลังเกิดขึ้นในประเทศที่มีมากกว่า 10 ล้านคนที่อาศัยอยู่

สด DBpedia
- ทิ้ง DBpedia ถูกสร้างขึ้นบนพื้นฐานประจำปี
- วิกิพีเดียมีประมาณ 100,000 - 150,000 หน้าแก้ไขต่อวัน
- DBpedia สดดึงหน้าการปรับปรุงในผลเรียลไทม์และการสกัดปรับปรุงเก็บสาม
- ในทางปฏิบัติล่าช้าปรับปรุง 5 นาทีเพิ่มประสิทธิภาพการทำงานโดย 15%
ลิงค์
- ปลายทาง SPARQL: http://live.dbpedia.org/sparql
- เอกสาร: http://wiki.dbpedia.org/DBpediaLive
- สถิติ: http://live.dbpedia.org/LiveStats/
DBpedia สด - ภาพรวม

DBpedia สด - ส่วนประกอบ
- วิกิพีเดียท้องถิ่นกระจก (เพื่อให้สามารถเกินขีด จำกัด การเข้าถึง)
- วิกิพีเดียการทำแผนที่เป็น input
- การเปลี่ยนแปลงในการทำแผนที่อาจส่งผลกระทบต่อหลายหน้า
- ผู้จัดการสกัด: จับฟีดวิกิพีเดียและการทำแผนที่และปรับปรุงเก็บสาม
- หน้ายังไม่แปรกว่าเดือนมีการปรับปรุงยัง
- หน้ายังไม่แปรกว่าเดือนมีการปรับปรุงยัง
- เครื่องมือซิงค์: เผยแพร่การปรับปรุงเพื่อให้ up-to-date กระจก DBpedia สด
- ข้อมูลจะถูกแยกในกราฟแยกต่างหาก
DBpedia สากล (i18n)
- DBpedia สากลคณะกรรมการก่อตั้ง:
- http://wiki.dbpedia.org/Internationalization
- http://wiki.dbpedia.org/Internationalization
- มี DBpedia ฉบับภาษา:
- เกาหลี, กรีก, เยอรมัน, โปแลนด์, รัสเซีย, ดัตช์, โปรตุเกส, สเปน, อิตาลี, ญี่ปุ่น, ฝรั่งเศส
- ใช้ที่สอดคล้องกันฉบับที่วิกิพีเดียภาษาสำหรับการป้อนข้อมูล
- แมปสำหรับภาษา 23
DBpedia i18n - ภาพรวม

หมายเหตุ / ความชัดเจน Entity
จดจำชื่อเอ็นทิตี้และ disambiguation เครื่องมือเช่น DBpedia Spotlight , AlchemyAPI , ความหมายของ API , เปิดกาเลส์ , Zemanta และ Apache Stanbol
การตอบคำถาม
- DBpedia เป็นเป้าหมายหลักสำหรับระบบการประกันคุณภาพในหลาย ๆ คำถาม ตอบรับกว่าข้อมูลที่เชื่อมโยง (QALD) การประชุมเชิงปฏิบัติการ ชุด
- ไอบีเอ็มวัตสัน ยังอาศัย DBpedia

ดิจิตอลห้องสมุดและคลังเก็บ
- เสมือนนานาชาติผู้มีอำนาจไฟล์ (VIAF) โครงการเป็นข้อมูลที่เชื่อมโยง
- DBpedia ยังสามารถให้:
- ข้อมูลบริบทสำหรับบรรณานุกรมและบันทึกเก็บถาวร (เช่นกลุ่มผู้เข้าชมของผู้เขียน, หน้าแรกของภาพยนตร์, ภาพ ฯลฯ )
- ตัวบ่งชี้ที่มีเสถียรภาพและ curated สำหรับการเชื่อมโยง
- ช่วงกว้างของหัวข้อที่วิกิพีเดียสามารถสร้างพื้นฐานสำหรับพจนานุกรมสำหรับการทำดัชนีเรื่อง
มือถือ DBpedia
DBpedia มือถือเป็นสถานที่ที่เป็นศูนย์กลางของโปรแกรมประยุกต์ของไคลเอ็นต์ DBpedia สำหรับอุปกรณ์เคลื่อนที่ที่ประกอบด้วยมุมมองแผนที่, Marbles เชื่อมโยงข้อมูลเบราว์เซอร์ และการประยุกต์ใช้ตัวที่ใช้งาน GPS

วิกิพจนานุกรม DBpedia
- วิกิพจนานุกรมเป็นโครงการที่วิกิพีเดีย: http://wiktionary.org
- 171 ภาษาคำ 3M สำหรับภาษาอังกฤษ
- 171 ภาษาคำ 3M สำหรับภาษาอังกฤษ
- สกัดใช้กรอบ DBpedia สกัดข้อมูล
- ได้อย่างง่ายดายกำหนดสำหรับรุ่นทุกภาษาวิกิพจนานุกรม
- การกำหนดค่าล่วงหน้าสำหรับเยอรมัน, กรีก, อังกฤษ, รัสเซียและฝรั่งเศส
- http://Wiktionary.dbpedia.org
- 100 อเนกประสงค์ milion
- แบบมะนาว
- การกำหนดค่าล่วงหน้าสำหรับเยอรมัน, กรีก, อังกฤษ, รัสเซียและฝรั่งเศส
เปิดแฟ้มข้อมูลรัฐบาล

การกระจายเครือข่ายความหมายของสังคม

Lipsiensium Catalogus Professorum

- ในปี 2009 มหาวิทยาลัยลีฉลองครบรอบ 600
- หนึ่งในมหาวิทยาลัยที่เก่าแก่ที่สุดในประเทศเยอรมนี
- แคตตาล็อก Prosopographical ที่มีข้อเท็จจริงเกี่ยวกับ
- 1.300 อาจารย์
- 10.000 ระยะเวลาที่เกี่ยวข้องของชีวิต
- 400 สถาบัน
- นกฮูกฐานส่งผลให้ความรู้ประกอบด้วย
- 200.000 อเนกประสงค์ในแกน CPL
- 173,000 ตนเองเพิ่ม
การวิจัย Prosopographical
- การวิเคราะห์ลักษณะทั่วไปของกลุ่มประวัติศาสตร์
- ปริมาณที่เกี่ยวข้องทางสถิติชีวประวัติของบุคคล
- กรณีการใช้งานวิจัย:
- การวิเคราะห์เครือข่ายทางสังคมที่สำคัญทางประวัติศาสตร์
- การวิเคราะห์ตนเอง complementation นักวิชาการ
- ความสัมพันธ์ระหว่างศาสนาและมหาวิทยาลัย
ทำงานเอกสาร

ตีพิมพ์แคตตาล็อกประวัติศาสตร์

แรงจูงใจ
- รุ่นแรกของแคตตาล็อก: ตารางฐานข้อมูลเดียวถึงข้อ จำกัด ของ 255 คอลัมน์
- ความพยายามสูงสำหรับการสับเปลี่ยนและการซิงค์ตาราง
- ข้อกำหนดสำหรับฐานข้อมูลใหม่:
- การทำงานร่วมกันในระหว่างการเก็บรวบรวมข้อมูล
- สิ่งพิมพ์ออนไลน์
- ทรัพยากรที่มี จำกัด
ปรับเปลี่ยนกระบวนทัศน์ในการวิจัยทางประวัติศาสตร์
- งานวิจัย:
- จากบุคคลที่ทำงานร่วมกัน
- สิ่งพิมพ์:
- จากหนังสือที่ตีพิมพ์เว็บได้ทันที
- จากหนังสือที่ตีพิมพ์เว็บได้ทันที

วัตถุประสงค์
- วิกิพีเดียตามการเพิ่มการแก้ไขและการจัดโครงสร้างของข้อมูล
- ความหมายของคำศัพท์
- สิ่งพิมพ์บนเว็บได้ทันที
- การสำรวจการเข้าถึงและ interlinking ข้อมูล
เว็บไซต์สาธารณะ
แทนการใช้การวิจัย OntoWiki
สร้างแบบสอบถามใน Visual

ค้นหาความสัมพันธ์

เบราว์เซอร์ข้อมูลที่เชื่อมโยง

ภาพรวมเกี่ยวกับสถาปัตยกรรมแพลตฟอร์มโครงการ

Catalogus Professorum รุ่น (CPM)
แนวคิดหลัก

Catalogus Professorum รุ่น (CPM)
รุ่นแนวคิด

Catalogus Professorum รุ่น (CPM)
แนวคิดเชื่อมโยงกัน

การทำงานร่วมกันโดยใช้วิกิพีเดียข้อมูลความหมาย
- เขียนง่ายของเนื้อหาความหมาย
- ความร่วมมือและการกระจายเชิงพื้นที่
- การติดตามการเปลี่ยนแปลง
- ช่วยให้ความเห็นและการอภิปราย
- ภาพแสดงให้เห็นทันที
- มุมมองที่แตกต่างกันกับข้อมูลเช่น
ความหมาย OntoWiki ข้อมูลวิกิพีเดีย

ระเบียบวิธี
วิธีการปฏิบัติของ CPL วิศวกรรม
- เริ่มต้นด้วยข้อมูลเดิม
- ไม่ใช้ foaf (เพื่อนของคำศัพท์ของเพื่อน)
- มุ่งเน้นไปที่ประเด็นการเป็นตัวแทนคอนกรีต
- อภิปรัชญา / ขั้นตอนการสมัครร่วมออกแบบ
วิศวกรรมวิธีการร่วมออกแบบ
ก่อน CPL
- การวิเคราะห์ข้อมูล
- การเริ่มต้น (กันยายน 2008)
- การได้มาซึ่งความรู้ที่ใช้วิกิพีเดียและการปรับแต่งอภิปรัชญา
- ตีพิมพ์แคตตาล็อก (พฤษภาคม 2009)
- Interlinking ชุดข้อมูลอื่น ๆ
- สอดคล้องกับจีส์อื่น ๆ (ส่งเสริมการทำงาน)
สถิติเกี่ยวกับการใช้ตัวชี้วัดต่างๆ CPL

บทเรียนที่ได้รับ
- โครงการที่เกี่ยวข้องกับคนที่มีภูมิหลังที่แตกต่างกันมากและ
ที่มีทรัพยากร จำกัด มากต้องใช้ในการสร้างการทำงาน
ฐานความรู้ / การประยุกต์ใช้ร่วมออกแบบ - การมองเห็นเวลาที่เหมาะสมของฐานความรู้สำหรับชุมชนที่กว้างขึ้น,
การปรับแต่งเพิ่มเติมจะถูกเรียกโดยการมีปฏิสัมพันธ์กับ
ชุมชน - โม้แรงจูงใจอันเนื่องมาจากการให้บริการประชาชนในช่วงต้น
- เติบโตมูลค่าเพิ่มให้กับผู้เชี่ยวชาญโดเมนเป็นความพร้อมของ
ความรู้พื้นฐานบนเว็บข้อมูลที่เชื่อมโยง - CPL เป็นหนึ่งในครั้งแรกที่ฐานความรู้ prosopographical เมื่อ
เว็บข้อมูล
สรุปผลการวิจัย
- การสาธิตของโปรแกรมที่ประสบความสำเร็จจาก
- เทคนิคการแทนความรู้ความหมาย
- วิธีการการทำงานร่วมกันเปรียวสำหรับมนุษยศาสตร์
- ใหม่ที่สมบูรณ์แบบสำหรับโอกาสในการวิจัยประวัติศาสตร์
- ปรับเปลี่ยนกระบวนทัศน์ในการวิจัยประวัติศาสตร์
- จากการวิจัยเป็นศูนย์กลางของแต่ละวัตถุประสงค์เพื่อแก้ปัญหาที่เฉพาะเจาะจง
งานวิจัยไปสู่การวิจัยร่วม
- จากการวิจัยเป็นศูนย์กลางของแต่ละวัตถุประสงค์เพื่อแก้ปัญหาที่เฉพาะเจาะจง
รุ่น Europeana ข้อมูลสำหรับมรดกทางวัฒนธรรม
- ปัญหาคืออะไร?
- การแก้ปัญหาคืออะไร?
- วิธีการได้รับการพัฒนา EDM?
- จะเปลี่ยน Europeana การค้นพบทรัพยากรที่มี EDM ได้อย่างไร
- วิธี EDM สามารถมีส่วนร่วมในการเสริมสร้างข้อมูลของฉัน
- EDM ไม่ส่งผลให้เว็บของข้อมูลหรือความหมายเว็บได้อย่างไร
- ฉันส่ง EDM ได้อย่างไร
- ที่ฉันสามารถหาข้อมูลเพิ่มเติม

Europeana ปัญหาข้อมูลรุ่น
- ของยุโรปวัตถุมรดกทางวัฒนธรรมที่แปลงเป็นข้อมูลดิจิทัลโดยหลากหลายของผู้ให้บริการข้อมูลจากห้องสมุดพิพิธภัณฑ์เก็บและภาคภาพและเสียง
- ทั้งหมดให้การใช้งานมีการใช้มาตรฐาน metadata ที่แตกต่างกัน
- ข้อมูลความต้องการที่จะปรากฏในลักษณะที่มีความหมายในวัฒนธรรมบริบทพูดได้หลายภาษา
- ที่เชื่อมโยงกับสภาพแวดล้อมเปิดข้อมูลขาดข้อมูลอำนาจจากชุมชนมรดกทางวัฒนธรรมที่จะมีส่วนร่วมในการพัฒนาองค์ความรู้ใหม่
เกี่ยวกับรูปแบบ Europeana ข้อมูล
สำหรับรายละเอียดทางเทคนิคเพิ่มเติมของแบบจำลอง EDM ดู:
- รองพื้น Europeana รูปแบบข้อมูล
- Specification Europeana ข้อมูลแบบ V5.2.3
- EDM แนวทางการจัดทำแผนที่
