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
แต่:
  • เนื้อหา / ความรู้ที่ไม่สามารถเข้าถึงได้โดยเครื่อง
  • ความหมาย (ความหมาย) ของข้อมูลที่ถ่ายโอนไม่สามารถเข้าถึงได้

ข้อ จำกัด ของเว็บ

ข้อมูลที่มากเกินไปกับโครงสร้างน้อยเกินไปและทำให้การบริโภคของมนุษย์
  • การค้นหาเนื้อหาเป็นง่ายมาก
  • อนาคต→ต้องใช้วิธีการที่ดีกว่า
เนื้อหาของเว็บที่ต่างกันคือ
  • ในแง่ของเนื้อหา
  • ในแง่ของโครงสร้าง
  • ในแง่ของการเข้ารหัสอักขระ
  • อนาคต→ต้องบูรณาการข้อมูลที่ชาญฉลาด
มนุษย์สามารถได้รับข้อมูลใหม่ (โดยปริยาย) จากชิ้นส่วนที่กำหนดของข้อมูลบนเว็บ แต่ปัจจุบันเราสามารถจัดการกับไวยากรณ์
  • →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

    เราจะพูดคุยเกี่ยวกับเรื่องเหล่านี้ในวิชานี้

    รุ่นการเข้าถึงข้อมูลและการบูรณาการ

    การบูรณาการข้อมูล

    รวมข้อมูลองค์กร

    ชุดของแหล่งข้อมูลต่างกันปรากฏเป็นโสดแหล่งข้อมูลเหมือนกัน

    คลังข้อมูล
    • บนพื้นฐานของสารสกัดจากแปลงโหลด (ETL)
    • Global-As-View (GAV)

    การวิจัย

    • ไกล่เกลี่ย
    • อภิปรัชญาตาม
    • P2P
    • บริการ Web-Based

    เว็บข้อมูล

    • ยูริเป็นตัวระบุนิติบุคคล
    • HTTP เป็นโปรโตคอลการเข้าถึงข้อมูล
    • ท้องถิ่นในฐานะที่เป็นดู (ระงับ)
    การเข้าถึงข้อมูล

    แมปวัตถุสัมพันธ์ (ออม)

    • ถัดไป EOF / WebObjects
    • นิติบุคคล Framework ADO.NET
    • จำศีล

    APIs ขั้นตอน

    • ODBC
    • JDBC

    ภาษาสอบถาม

    • Datalog, SQL
    • XPath / XQuery
    • SPARQL

    ข้อมูลที่เชื่อมโยง

    • de-referenceable ยูริ
    • อนุกรม RDF
    แบบจำลองข้อมูล

    RDBMS

    • จัดระเบียบข้อมูลในความสัมพันธ์ระหว่างแถวเซลล์
    • ของ Oracle, DB2, MS-SQL

    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

    ส่วนติดต่อผู้ใช้และการประยุกต์ใช้ เชื่อถือ การเข้ารหัสลับ พิสูจน์ ลอจิก Unifying กฎ: RIF อภิปรัชญา: นกฮูก แบบสอบถาม: SPARQL RDF-Schema การแลกเปลี่ยนข้อมูล: RDF XML URI Unicode

    ยูริและ Unicode

    ทรัพยากรรายละเอียดกรอบ - RDF

    ข้อมูลจะถูกแสดงใน RDF อเนกประสงค์ (เรียกว่างบข้อเท็จจริง):

    • จำลองในหมวดหมู่ของหนังสือ แต่ไม่สอดคล้องกันเสมอ
    • ที่ได้รับมอบหมายอนุญาตให้ใช้:
      • เรื่อง: URI โหนดหรือเปล่า
      • สรุป: URI (ทรัพย์สิน a​​ka)
      • 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

    บางส่วนของกราฟ RDF

    • ยูริ
      • ที่ใช้ในการอ้างอิงทรัพยากรอย่างไม่น่าสงสัย
    • ตัวอักษร
      • อธิบายค่าของข้อมูลที่มีตัวตนชัดเจนเช่น "100 กม. / ชม. "
    • โหนดที่ว่างเปล่า
      • อำนวยความสะดวกในปริมาณอัตถิภาวนิยมสำหรับบุคคลที่มีคุณสมบัติบางอย่างโดยไม่ต้องตั้งชื่อ

    ตัวอย่างของกราฟ RDF

    ทริปเปิ RDF

    องค์ประกอบของ RDF สาม:

    • ถ่ายแบบใช้ประเภทภาษาศาสตร์ ( แต่ไม่สอดคล้องกันเสมอไป)
    • ที่ได้รับมอบหมายอนุญาตให้ใช้:
      • เรื่อง: URI โหนดหรือเปล่า
      • สรุป: URI (ทรัพย์สิน a​​ka)
      • 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
    • โครงสร้างลำดับชั้นโดยทั่วไปแล้ว
      • [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
    @prefix dbr: <http://dbpedia.org/resource/> . @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema> . dbr:Leipzig rdfs:label "Leipzig"@de .

    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

    ตัวอย่าง

    กราฟ:



    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 .

    ประกาศภาษา

    • ที่มีอิทธิพลต่อตัวอักษร untyped เพียง
    • ตัวอย่าง:
    • ตามข้อกำหนด RDF ตัวอักษรต่อไปนี้จะแตกต่างกัน
    • แต่มักจะถูกนำมาใช้เป็นอย่างเท่าเทียมกัน

    n-Ary ผมความสัมพันธ์

    การปรุงอาหารด้วย RDF

    "สำหรับการเตรียมการของมะม่วง Chutney คุณต้อง 450g มะม่วงสีเขียว , ช้อนชาพริกป่น ... "

    1 ความพยายามที่จะสร้างแบบจำลองสูตรนี้:

    @prefix ex: <http://example.org/> . ex:Chutney ex:hatZutat "450g grüne Mango", "1TL Cayennepfeffer" .  


    ไม่พอใจ:

    • ส่วนผสมและจำนวนเงินที่กำหนดเป็นสตริง
    • ค้นหาสูตรอาหารที่มีมะม่วงสีเขียวไม่ได้เป็นไปได้อย่างง่ายดาย


    n-Ary II ความสัมพันธ์

    การปรุงอาหารด้วย RDF

    "สำหรับการเตรียมการของมะม่วง Chutney คุณต้อง 450g มะม่วงสีเขียว, ช้อนชาพริกป่น ... "

    ความพยายามที่ 2 แบบสูตรนี้:

    @prefix ex: http://example.org/ . ex:Chutney ex:Zutat ex:grüneMango; ex:Menge "450g" ; ex:Zutat ex:Cayennepfeffer; ex:Menge "1TL" .


    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:


    ในไวยากรณ์เต่า:

    @prefix ex: <http://example.org/> . @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> . ex:Chutney ex:hasIngredient ex:ChutneyIngredient1. ex:ChutneyIngredient1 ex:ingredient ex:GreenMango; ex:amount "450g" .

    โหนดที่ว่างเปล่า

    • โหนดที่ว่างเปล่าที่สามารถใช้สำหรับทรัพยากรที่ไม่จำเป็นต้องมีการตั้งชื่อ
    • สามารถอ่านได้ว่างบอัตถิภาวนิยม

    เป็นกราฟ:


    ไวยากรณ์เต่า:

    @prefix ex: <http://example.org/> . ex:Chutney ex:hasIngredient; _:id1 . _:id1 ex:Ingredient ex:GreenMango; ex:amount "450g" . // can be shortened @prefix ex: <http://example.org/> . ex:Chutney ex:hasIngredient [ ex:ingredient ex:GreenMango; ex:amount "450g" ] .

    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

    ภาชนะ

    คอลเลกชัน

    ความคิด: พาร์ทิชันซ้ำของรายการในองค์ประกอบหัวและรายการส่วนที่เหลือ (ที่ว่างเปล่าอาจจะ)


    ไวยากรณ์เต่า (สัญลักษณ์สั้นลงด้วยวงเล็บ)

    @prefix ex: <http://example.org/> . ex:AKSW ex:groupLeaders (ex:Sören ex:Jens ex:Axel) .

    ข้อมูลอย่างย่อ

    • มาตรฐานการสนับสนุนอย่างกว้างขวางสำหรับการจัดเก็บและการแลกเปลี่ยนข้อมูล
    • ช่วยให้เกือบตัวแทนไวยากรณ์เป็นอิสระจากข้อมูลการกระจายในรูปแบบของกราฟรูปแบบข้อมูลตาม
    • บริสุทธิ์ RDF เป็นบุคคลที่มุ่งเน้นมาก
    • เกือบจะเป็นไปได้ที่จะเป็นตัวแทนของคีไม่
      • ดูบรรยาย RDF-Schema

    อนาคต

    • ต้นมาก ร่างการทำงาน
    • รุ่นก่อนหน้านี้ของ RDF ใช้คำว่า "อ้างอิง RDF URI" แทน "IRI" และอนุญาตให้ตัวละครเพิ่มอีก: " < "," > "," { "," } "," | "," \ "," ^ " " ` "' '(คู่ quote) และ " "(เว้นวรรค)
    • 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!

     

    ความหมายของกองเว็บข้อมูล - RDF

    การแลกเปลี่ยนข้อมูล: RDF URI ส่วนติดต่อผู้ใช้และการประยุกต์ใช้ เชื่อถือ การเข้ารหัสลับ พิสูจน์ ลอจิก Unifying อภิปรัชญา: นกฮูก กฎ: RIF แบบสอบถาม: SPARQL RDF-Schema XML Unicode

    เป้าหมาย

    • Repitition ของยูริสและคุณสมบัติของพวกเขา
    • ไวยากรณ์ของ RDF
    • รูปแบบที่แตกต่างกันของรูปแบบอนุกรม
      • 3 สัญกรณ์
      • RDF / XML
      • RDF / JSON, JSON / LD
      • RDFa
      • NTriples เต่า

    เงื่อนไข

    • ความรู้พื้นฐานของสแต็ค RDF
    • ทำความเข้าใจกับรูปแบบ RDF ข้อมูล
    • ความเข้าใจพื้นฐานของ XML (สำหรับอนุกรม RDF / XML)
    • ความเข้าใจพื้นฐานของ HTM​​L (สำหรับ RDFa)
    • ทั้งหมดที่ใช้คำนำหน้า namespace แก้ไขเป็นค่าเริ่มต้นตามลำดับจาก http://prefix.cc/

    สิ่งที่ยูริสคืออะไร?

    • URI = ทรัพยากรตัวบ่งชี้
    • ทั่วโลกที่ใช้สำหรับการระบุที่ไม่ซ้ำกันของทรัพยากร
    • ทุกวัตถ​​ุ (ในบริบทของการประยุกต์ใช้) บางทีทรัพยากร
      • ตราบเท่าที่มันมีเอกลักษณ์เฉพาะ
      • เช่นหนังสือ, สถานที่, คน, ความสัมพันธ์ระหว่างสิ่งเหล่านั้นแนวคิดที่เป็นนามธรรม
    • รูปพรรณที่ไม่ซ้ำกันถูกนำมาใช้แล้วสำหรับโดเมนอื่น ๆ และเฉพาะเจาะจงมากขึ้นเช่น ISBN สำหรับหนังสือหรือตัวเลขประจำตัวผู้เสียภาษีสำหรับคนที่
    • ส่วนต่อขยายของแนวคิด URL:
      • ไม่ได้ทุก URI เป็นของหน้าเว็บ แต่มักจะพิมพ์ URL ถูกใช้เป็น URI สำหรับหน้าเว็บ


    ไวยากรณ์ของยูริ

    • ทิม Berners-Lee ส่ง 1994 RFC 1,630 เกี่ยวกับยูริ
      • เริ่มต้นด้วยคี URI
      • โปรโตคอลแยกต่างหากและลำดับชั้นโดย ':' เช่น HTTP, FTP หรือ mailto
        • พารามิเตอร์แบบสอบถามสามารถถูกผนวกโดยใช้ชั้นนำ '?'
        • ระบุ Fragment สามารถถูกผนวกโดยใช้ชั้นนำ '#'

        โปรโตคอล ":" "?" ลำดับชั้น [ แบบสอบถาม] [ส่วน "#"]
    http://en.wikipedia.org/w/index.php?search=rdf http://en.wikipedia.org/wiki/Resource_Description_Framework#Examples

    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 Un​​icode
      • 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

    พลังของรูปแบบ RDF

    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  
    สัญกรณ์ XML:
    <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> ส่ว​​นใหญ่มักจะหมายถึง (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'
    <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:xsd= "http://www.w3.org/2001/XMLSchema#"           xmlns:dbp="http://dbpedia.org/property/"           xmlns:geo="http://www.w3.org/2003/01/geo/wgs84_pos#">  <rdf:Description rdf:about="http://dbpedia.org/resource/Leipzig"> <dbp:hasMayor  rdf:resource="http://dbpedia.org/resource/Burkhard_Jung"/>  <rdfs:label xml:lang="de">Leipzig</rdfs:label> <geo:lat rdf:datatype="float">51.3333</geo:lat> <geo:long rdf:datatype="float">12.3833</geo:long> </rdf:Description> </rdf:RDF>

    XML-ไวยากรณ์ RDF: รายละเอียด

    • RDF แต่ละองค์ประกอบรายละเอียดย่อมาจากเรื่อง
      • URI คือค่าของ RDF: เกี่ยวกับคุณลักษณะ
    • แต่ละองค์ประกอบของ RDF: รายละเอียดย่อมาจากคำกริยาคู่วัตถุ
      • ชื่อขององค์ประกอบเด็กเป็นชื่อคำกริยา
      • มูลค่าของ RDF: ทรัพยากร URI ของวัตถุ
    <rdf:Description rdf:about="http://dbpedia.org/resource/Leipzig">          <rdfs:label xml:lang="de">Leipzig</rdfs:label> </rdf:Description>  

    ชื่อย่อไวยากรณ์ XML-

    • ตัวอักษรสามารถล้อมรอบด้วย predicates เป็นข้อความฟรีฟอร์ม
    • เรื่องใดเรื่องหนึ่งสามารถมีองค์ประกอบของสถ​​านที่ให้ severalt
    • รายละเอียดของวัตถุหนึ่งสามารถของอาสาสมัครอีกหลายรังเช่น
    <rdf:description rdf:about="http://dbpedia.org/resource/Leipzig">   <dbr:name>Leipzig</dbr:name>   <dbp:hasmayor>     <rdf:description rdf:about="http://dbpedia.org/resource/Burkhard_Jung">       <dbp:name>Burkhard Jung</dbp:name>     </rdf:description>   </dbp:hasmayor>   <geo:lat rdf:datatype="float">51.3333</geo:lat>   <geo:long rdf:datatype="float">12.3833 </geo:long> </rdf:description>

    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

    เมื่อเทียบกับการนำเสนอความหมาย

    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

    <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML+RDFa 1.0//EN" "http://www.w3.org/MarkUp/DTD/xhtml-rdfa-1.dtd"> <html version="XHTML+RDFa 1.0" xml:lang="en" xmlns="http://www.w3.org/1999/xhtml" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:xsd=" http://www.w3.org/2001/XMLSchema# " xmlns:dbp="http://dbpedia.org/property/" xmlns:geo="http://www.w3.org/2003/01/geo/wgs84_pos#"> <head> <title>Leipzig</title> </head> <body about="http://dbpedia.org/resource/Leipzig"> <h1 property="rdfs:label" xml:lang="de">Leipzig</h1> <p>Leipzig is a city in Germany. It is located at latitude <span property="geo:lat" datatype="xsd:float">51.3333</span> and longitude <span property="geo:long" datatype="xsd:float">12.3833</span>. </p> </body> </html>

    Lite RDFa

    <p vocab="http://schema.org/" typeof="Person"> My name is <span property="name">Sören Auer</span> and you can give me a ring via <span property="telephone">49-341-97-32367</span> or visit <a property="url" href="http://aksw.org/SoerenAuer.html">my homepage</a>. </p>

      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/
      { "http://dbpedia.org/resource/Leipzig" : { "http://dbpedia.org/property/hasMayor": [ { "type":"uri", "value":"http://dbpedia.org/resource/Burkhard_Jung" } ], "http://www.w3.org/2000/01/rdf-schema#label": [ { "type":"literal", "value":"Leipzig", "lang":"en" } ] , "http://www.w3.org/2003/01/geo/wgs84_pos#lat": [ { "type":"literal", "value":"51.3333", "datatype":"http://www.w3.org/2001/XMLSchema#float" } ] "http://www.w3.org/2003/01/geo/wgs84_pos#lon": [ { "type":"literal", "value":"12.3833", "datatype":"http://www.w3.org/2001/XMLSchema#float" } ] } }

      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 Un​​icode
        • 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

        XML:
        <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

        1. คิดอภิปรัชญาน้อยว่าสิ่งที่รูปแบบจากของคุณทุกวันมีชีวิตอยู่
          1. มันจะต้องมีอย่างน้อย 5 ทรัพยากรจากสองจีส์ที่แตกต่างกันและ 3 ตัวอักษร
        2. เขียนมันลงใน:
          1. RDF / XML
          2. JSON
          3. เต่า
          4. N3 และไม่ใช้ตัวย่อ
        3. Meassure จำนวนอักขระที่คุณต้องการโดยไม่ต้องช่องว่าง
        4. พยายามที่จะบีบอัดอภิปรัชญาของคุณเท่าที่คุณสามารถและบอกเราเกี่ยวกับปัจจัยการบีบอัดของคุณ

        อ้างอิง

      • URI: http://www.ietf.org/rfc/rfc1630.txt
      • N3: http://www.w3.org/DesignIssues/Notation3.html
      • RDF: http://www.w3.org/RDF/
      • RDF / JSON: http://www.w3.org/blog/SW/2011/09/13/the-state-of-rdf-and-json/
      • RDFa Lite: http://www.w3.org/TR/rdfa-lite/
      • XTurtle แก้ไข: http://aksw.org/Projects/Xturtle.html

        มาตรฐานใหม่ตั้งแต่กรกฎาคม 2013:

      • HTML + RDFa 1.1: http://www.w3.org/TR/2013/REC- HTML-RDFa-20130822 /
      • RDFa 1.1 หลัก - พิมพ์ครั้งที่สอง: http://www.w3.org/TR/2013/REC- RDFa-core-20130822 /
      • XHTML + RDFa 1.1 - พิมพ์ครั้งที่สอง: http://www.w3.org/TR/2013/REC- XHTML-RDFa-20130822 /
      •  

        กองข้อมูลที่เชื่อมโยง - RDF-S

        RDF-Schema ส่วนติดต่อผู้ใช้และการประยุกต์ใช้ เชื่อถือ การเข้ารหัสลับ พิสูจน์ ลอจิก Unifying อภิปรัชญา: นกฮูก กฎ: RIF แบบสอบถาม: SPARQL การแลกเปลี่ยนข้อมูล: RDF XML URI Unicode

        เป้าหมาย

        • เข้าใจที่ usecases RDF-Schema มีความเหมาะสม
        • ทำความเข้าใจเกี่ยวกับความหมายของ RDF-Schema
          • จะสามารถอ่าน RDF-Schema
          • จะสามารถสร้างของคุณเอง 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 .


        ซึ่งนำไปสู่​​คำสั่ง

        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 ของสถ​​านที่ให้บริการ

        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 .

        นำไปสู่​​เหตุผลสำคัญ

        ex:instituteAKSW   rdf:type   ex:Person .

        ข้อสรุปที่ผิดพลาด

        บางคนอาจจะสับสนเกี่ยวกับการรวมกันของการระบุข้อ จำกัด ของสถ​​านที่และลำดับชั้นของการเรียน 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

        RDF: ประเภท อดีต: ซึม อดีต: hasState rdfs: หัวข้อ rdfs: คำกริยา rdfs: วัตถุ rdfs: คำชี้แจง อดีต: นักสืบ "ที่มา" อดีต: บัตเลอร์ อดีต: ฆ่า อดีต: สวน

        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

        rdfs: subClassOf rdfs: subClassOf RDF: ประเภท RDF: ประเภท RDF: ประเภท RDF: ประเภท อดีต: ChemicalCompound อดีต: กรด อดีต: ฐาน อดีต: HCl อดีต: H3PO4 อดีต: NaOH อดีต: Ca_OH2

        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

        อดีต: ยานพาหนะ rdfs: subClassOf วิชาเรื่องการใช้ถ้อยคำ ความรู้ อดีต: คน rdfs: โดเมน อดีต: ไดรฟ์ rdfs: ช่วง อดีต: Car RDF-Schema RDF RDF: ประเภท RDF: ประเภท อดีต: สูงสุด อดีต: ไดรฟ์ อดีต: VWGolf assertional ความรู้

        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
          ตัวอย่างเช่นเราไม่สามารถแสดงว่ามีโดเมนเนม​​ของทรัพย์สินที่ควรจะเป็นหนึ่งหรือชั้นอื่น เราต้องสร้างคลาสใหม่ของทั้งสองซึ่งเราสามารถใช้เป็นโดเมนของสถ​​านที่ให้บริการ
        • 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:

        1. สร้างสคีมาที่คุณสามารถอธิบายสถานการณ์ที่คุ้นเคยของคุณ
          • เริ่มต้นด้วยการเรียนที่จำเป็นและความสัมพันธ์ในระดับแรก (พ่อแม่ของคู่สมรสและบุตร)
          • ไปกับความสัมพันธ์ในระดับที่สอง (น้องสาวของพี่ชายของปู่ ... )
          • วิธีที่คุณจะแบบเพศ? ในฐานะที่เป็นทรัพย์สินของ "บุคคล" superclass หรือคุณจะสร้างสองชั้นเรียนแยกออกจากกัน "ชาย" และ "ผู้หญิง" อะไรจะดีกว่าสำหรับการกำหนดโดเมนหรือช่วงของคุณสมบัติเช่น "isTheGrandfatherOf"?

        อ้างอิง

        ภาพรวม

        1. ความหมายคืออะไร?
        2. ความหมายแบบจำลองตามทฤษฎีคืออะไร?
        3. ความหมายตามทฤษฎีแบบจำลองสำหรับ RDF (S)
        4. ความหมายพิสูจน์ทฤษฎีคืออะไร?
        5. ความหมายพิสูจน์ทฤษฎีสำหรับ RDF (S)
        6. 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

        เราอธิบายความหมายโดยอ้อมผ่านผลกระทบของมัน

        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 \)

        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

        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

        1. 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 \} \)
        2. ทำซ้ำขั้นตอนที่ 1 จนกว่าจะไม่มีผลในการเลือกการเปลี่ยนแปลงของ \ (K \)
        3. 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

        \[\frac{a \; \eta \; b \quad b \; \eta \; c}{a \; \eta \; c}\]

        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

        1. ปาสคาล Hitzer, et al. ฐานรากของเทคโนโลยีเว็บความหมาย & ละครเร่, 2010
        2. แพทริคเฮย์ส, ความหมาย RDF, คำแนะนำ W3C, http://www.w3.org/TR/rdf-mt/ , W3C, 2004
        3. เฮอร์แมนเจตรีอรก์: decidability ความสมบูรณ์และความซับซ้อนของ entailment สำหรับ RDF Schema และขยายความหมายของคำศัพท์ที่เกี่ยวข้องกับนกฮูกเจเว็บเส 3 (2-3): 79-115 (2005)

        กองข้อมูลที่เชื่อมโยง - นกฮูก

        อภิปรัชญา: นกฮูก ส่วนติดต่อผู้ใช้และการประยุกต์ใช้ เชื่อถือ การเข้ารหัสลับ พิสูจน์ ลอจิก Unifying กฎ: RIF แบบสอบถาม: SPARQL RDF-Schema การแลกเปลี่ยนข้อมูล: RDF XML URI Unicode

        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 ในราก
          @prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#>. @prefix xsd: <http://www.w3.org/2001/XMLSchema#>. @prefix owl: <http://www.w3.org/2002/07/owl#>. @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>.
          ไวยากรณ์เต่า

          หัวของเอกสารนกฮูก

          ข้อมูลทั่วไป

          :bookstoreOntology rdf:type owl:Ontology; rdfs:comment "Bookstore Ontology"; owl:versionInfo "1.2"; owl:imports "http://library.org/books".
          ไวยากรณ์เต่า

          หัวของเอกสารนกฮูก

          สืบเชื้อสายมาจาก RDFS สำหรับเวอร์ชัน
          rdfs: แสดงความคิดเห็น นกฮูก: VERSIONINFO
          rdfs: ฉลาก นกฮูก: priorVersion
          rdfs: seeAlso นกฮูก: backwardCompatibleWith
          rdfs: isDefinedBy นกฮูก: incompatibleWith
          นกฮูก: DeprecatedClass
          นกฮูก: DeprecatedProperty
          นอกจากนี้ยังมีนกฮูก: การนำเข้า

          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

          @prefix : <http://my-ontology.org/>. @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#>. @base <http://my-ontology.org/>. <http://my-ontology.org/> rdf:type owl:Ontology. :Person rdf:type owl:Class. :Student rdf:type owl:Class ; rdfs:subClassOf :Person .
          • 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

          <?xml version="1.0"?> <!DOCTYPE rdf:RDF [ <!ENTITY owl "http://www.w3.org/2002/07/owl#" > <!ENTITY rdfs "http://www.w3.org/2000/01/rdf-schema#" > <!ENTITY rdf "http://www.w3.org/1999/02/22-rdf-syntax-ns#" > ]> <rdf:RDF xmlns="http://my-ontology.org/" xml:base="http://my-ontology.org/" xmlns:rdfs="http://www.w3.org/2000/01/rdf-schema#" xmlns:owl="http://www.w3.org/2002/07/owl#" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"> <owl:Ontology rdf:about=""/> <owl:Class rdf:about="Person"> <rdfs:subClassOf rdf:resource="owl;Thing"/> </owl:Class> <owl:Class rdf:about="Student"> <rdfs:subClassOf rdf:resource="Person"/> </owl:Class> </rdf:RDF>
          • การสนับสนุนเครื่องมือที่ดีที่สุด
          • verbose มากและยากที่จะอ่าน

          Syntax-OWL/XML นกฮูก

          สำหรับไวยากรณ์เสร็จสมบูรณ์แล้วจะเห็น คำแนะนำของ W3C .

          • การออกแบบเฉพาะสำหรับนกฮูกจึงง่ายมากขึ้นแล้ว RDF / XML
          • ยังคง verbose มาก
          <?xml version="1.0"?> <!DOCTYPE Ontology [ <!ENTITY owl "http://www.w3.org/2002/07/owl#" > [...] ]> <Ontology [...] URI="http://my-ontology.org/"> <SubClassOf> <Class URI="my-ontology;Person"/> <Class URI="owl;Thing"/> </SubClassOf> <SubClassOf> <Class URI="my-ontology;Student"/> <Class URI="my-ontology;Person"/> </SubClassOf> </Ontology>

          ชั้นเรียนบทบาทและประชาชน

          สามองค์ประกอบของหลักการอภิปรัชญา (คล้ายกับ RDFS):


          • บุคคล / วัตถุ
            • องค์ประกอบคอนกรีตในโลกจำลอง
          • ชั้นเรียน / แนวคิด
            • ชุดของวัตถุ
          • บทบาท / คุณสมบัติ
            • แอสโซซิบุคคลทั้งสอง

          ชั้นเรียน

          คำนิยาม
          ไวยากรณ์เต่า
          :Professor rdf:type owl:Class .
          ไวยากรณ์แมนเชสเตอร์
          Class: Professor
          นกฮูก: สิ่งที่กำหนดไว้ล่วงหน้า, นกฮูก: ไม่มีอะไร

          บุคคล

          ไวยากรณ์แมนเชสเตอร์
          Individual: Einstein  Types: Professor
          
          
          ไวยากรณ์เต่า
          :Einstein rdf:type :Professor.
          
          

          บทบาทบทคัดย่อ (เต่า)

          abstrakte Rollen werden Klassen definiert โกหก

          :belongsTo rdf:type owl:ObjectProperty.  
          ไวยากรณ์เต่า

          โดเมน und ช่วง Rollen abstrakte

          :belongsTo rdf:type owl:ObjectProperty;                 rdfs:domain :Person;                 rdfs:range :Organisation.  
          ไวยากรณ์เต่า

          บทบาทบทคัดย่อ (แมนเชสเตอร์)

          บทบาทบทคัดย่อมีการกำหนดเช่นชั้นเรียน

           ObjectProperty: belongsTo  
          ไวยากรณ์แมนเชสเตอร์

          โดเมนและช่วงของบทบาทนามธรรม

           Objectproperty: belongsTo  Domain: Person  Range:  Organisation 
          ไวยากรณ์แมนเชสเตอร์

          บทบาทคอนกรีต

          บทบาทคอนกรีตมีชนิดของข้อมูลที่อยู่ในช่วง

          DatatypeProperty: firstName 
          ไวยากรณ์แมนเชสเตอร์

          โดเมนและช่วงของบทบาทคอนกรีต

          DatatypeProperty: firstName Domain: Person Range: string 
          ไวยากรณ์แมนเชสเตอร์

          บทบาทคอนกรีต

          บทบาทคอนกรีตมีชนิดของข้อมูลที่อยู่ในช่วง

           :firstName rdf:type owl:DatatypeProperty.  
          ไวยากรณ์เต่า

          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 .
          ไวยากรณ์เต่า


          Rolles มักจะไม่ทำงาน

          บุคคลและบทบาท

          Individual: Einstein Types: Person Facts: belongsTo Princeton, belongsTo Bern,  firstName Albert
          ไวยากรณ์แมนเชสเตอร์


          โรลเลอร์มักจะไม่ทำงาน

          ตัวอย่างการสร้างแบบจำลอง

          งานการสร้างแบบจำลอง
          มีบุคคลที่เป็นเพศชายและเพศหญิง คนที่มีชื่อ

          ตัวอย่างการสร้างแบบจำลอง

          งานการสร้างแบบจำลอง

          มีบุคคลที่เป็นเพศชายและเพศหญิง คนที่มีชื่อ

          :MalePerson    rdfs:subClassOf  :Person.:FemalePerson  rdfs:subClassOf  :Person.:hasName       rdf:type         owl:DatatypeProperty;               rdfs:domain      :Person;               rdfs:range       xsd:string.
          โซลูชัน (ไวยากรณ์เต่า)

          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 .  
          โซลูชัน (ไวยากรณ์เต่า)

          ความสัมพันธ์ระหว่างคลาส

          นกฮูก: equivalentClass

          มันดังต่อไปนี้โดยข้อสรุปหนังสือที่เป็น subclass ของสิ่งพิมพ์

          ไวยากรณ์เต่า

          Class: Book
           SubClassOf: Publication
          
          Class: Publication
           EquivalentTo: Publications
          
          Class: Publications
          
          ไวยากรณ์แมนเชสเตอร์

          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

          :Book rdf:type owl:Class; rdfs:subClassOf :Publication. :FacultyStaff rdf:type owl:Class; owl:disjointWith :Publication. :Professor rdf:type owl:Class; rdfs:subClassOf :FacultyStaff. :Publikation rdf:type owl:Class.

          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 .
          ไวยากรณ์เต่า

          มันดังต่อไปนี้โดยการอนุมาน SemanticWebGrundlagen ที่ Publikation

          บุคคลและความสัมพันธ์กับชั้นเรียน

          Class: Buch   SubClassOf: Publikation Individual: SemanticWebGrundlagen   Types: Buch   Facts: autor PascalHitzler, autor MarkusKroetzsch,        autor SebastianRudolph,               autor YorkSure   
          ไวยากรณ์แมนเชสเตอร์

          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  
          ไวยากรณ์แมนเชสเตอร์
           :Faehnrich rdf:Type :Professor;            owl:sameAs :ProfessorFaehnrich.  
          ไวยากรณ์เต่า

          มันดังต่อไปนี้โดยอนุมานว่า ProfessorFaehnrich เป็นศาสตราจารย์

          ความไม่เสมอภาคของบุคคลที่ระบุโดยนกฮูก: differentFrom

          ความสัมพันธ์ระหว่างบุคคล

          DifferentIndividuals: YorkSure, PascalHitzler, RudiStuder
          ไวยากรณ์แมนเชสเตอร์
          [ rdf:type owl:AllDifferent ;    owl:distinctMembers ( :PascalHitzler                          :RudiStuder                          :YorkSure                        )  ] .
          ไวยากรณ์เต่า

          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      
          ไวยากรณ์แมนเชสเตอร์

          enumerations / nominals

          Class: MoonOfMars  EquivalentTo: {Phobos, Deimos} 
          
          

          ไวยากรณ์แมนเชสเตอร์

          :MoonsOfMars rdf:type owl:Class; owl:equivalentClass [ rdf:type owl:Class ; owl:oneOf ( :Phobos :Deimos ) ] .
          ไวยากรณ์เต่า

          รัฐนี้ว่าดาวอังคารมีเพียงสองคนนี้ดวงจันทร์

          ก่อสร้างชั้นตรรกะ

          • ตรรกะและ (ร่วม): นกฮูก: intersectionOf
          • หรือตรรกะ (หย่า): นกฮูก: unionOf
          • ตรรกะไม่ (ปฏิเสธ): นกฮูก: complementOf
          • ใช้ในการสร้างการเรียนที่ซับซ้อนจากชั้นเรียนง่าย

          การตัด

          Class: MoonOfMars   EquivalentTo: Moon and ObjectNearMars 
          ไวยากรณ์แมนเชสเตอร์
          :MoonOfMars  owl:equivalentClass[ rdf:type            owl:Class ; owl:intersectionOf  (:Moon :ObjectNearMars) ].
          ไวยากรณ์เต่า
          มันดังต่อไปเช่นโดยการอนุมานว่าดวงจันทร์ทั้งหมดของดาวอังคารเป็นวัตถุอยู่ใกล้ดาวอังคาร

          สหภาพ

          Class: Boat   SubClassOf: SailBoat or MotorBoat
          ไวยากรณ์แมนเชสเตอร์
          :Boat  rdfs:subClassOf [  rdf:type            owl:Class ;  owl:UnionOf  ( :SailBoat :MotorBoat ) ] . 
          ไวยากรณ์เต่า

          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>
          
          
          ไวยากรณ์ RDF / XML
          Class: Professor   DisjointUnionOf: Active, Retired 
          
          
          ไวยากรณ์แมนเชสเตอร์
          :Professor  rdfs:subClassOf
          [
          rdf:type            owl:Class ;
          owl:DisjoinUnionOf  ( :Active :Retired )
          ] .
          ไวยากรณ์เต่า

          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> 
          ไวยากรณ์ RDF / XML
          Class: FacultyStaff   SubClassOf: not Publication 
          ไวยากรณ์แมนเชสเตอร์
          :FacultyStaff rdf:type owl:Class ; rdfs:subClassOf [  rdf:type owl:Class ;  owl:complementOf :Publication ].
          ไวยากรณ์เต่า

          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 )]. 
          โซลูชัน (ไวยากรณ์เต่า)
          Class: Male    SubClassOf: Person Class: Female   SubClassOf: Person   DisjointWith: Male Class: Person   EquivalentTo: Male or Female  
          โซลูชัน (ไวยากรณ์แมนเชสเตอร์)

          ข้อ จำกัด บทบาท (allValues​​From)

          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> 
          ไวยากรณ์เต่า
          คือการตรวจสอบทั้งหมดจะต้องมีอาจารย์

          ข้อ จำกัด บทบาท (someValues​​From)

          <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> 
          ไวยากรณ์ RDF / XML
           Class: Exam   SubClassOf: examiner some Person  
          ไวยากรณ์แมนเชสเตอร์
          :Pruefung             rdfs:subClassOf            [   rdf:type              owl:Restriction ;   owl:onProperty        :examiner ;   owl:someVauesFrom     :Person ] . 
          ไวยากรณ์เต่า
          คือการทดสอบแต่ละคนจะต้องมีอย่างน้อยหนึ่งผู้ตรวจสอบ

          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] . 
          ไวยากรณ์เต่า

          คือการทดสอบแต่ละคนสามารถมีที่มากที่สุดสองตรวจสอบ

          คล้ายกับสูงสุด: ต่ำสุดตรง

          ตัวอย่างการสร้างแบบจำลอง

          การสร้างแบบจำลองงาน: ความต้องการประสิทธิภาพการทำงาน (จากผลิตภัณฑ์ซอฟต์แวร์) เป็นความต้องการซึ่งถูกสร้างขึ้นโดยลูกค้า จะนำไปสู่​​ความต้องการระบบ
          Class: PerformanceRequirement    SubClassOf: Requirement                and (createdBy only Customer)                and (leadsTo some SystemRequirement 
          โซลูชัน (ไวยากรณ์แมนเชสเตอร์)

          ข้อ จำกัด บทบาท (hasVa​​lue)

          <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> 
          ไวยากรณ์ RDF / XML
          Class: PruefungBeiFaehnrich   EquivalentTo: examiner value Faehnrich 
          ไวยากรณ์แมนเชสเตอร์
          :Exam           rdfs:equivalentClass        [     rdf:type           owl:Restriction ;     owl:onProperty     :examiner ;     owl:hasValue       :Faehnrich ] . 

          ไวยากรณ์เต่า

          โดเมนและช่วง

          ObjectProperty: belongsTo   Range: Organisation
          ไวยากรณ์แมนเชสเตอร์
          เทียบเท่ากับต่อไปนี้:
          Class: owl:Thing   SubClassOf: belongsTo only Organisation
          ไวยากรณ์แมนเชสเตอร์

          โดเมนและช่วง

          :belongsTo   rdf:type     owl:ObjectProperty ;                   rdfs:range   :Organisation . 
          ไวยากรณ์เต่า

          เทียบเท่ากับต่อไปนี้:
          owl:Thing              rdfs:subClassOf          [     rdf:type            owl:Restriction ;     owl:onProperty      :zugehoerigkeit ;     owl:allValuesFrom   :Organisation ] . 
          ไวยากรณ์เต่า

          โดเมนและประเภท: ข้อควรระวัง!

          <owl:ObjectProperty rdf:ID="belongsTo"> <rdfs:range rdf:resource="#Organisation"/> </owl:ObjectProperty> <Number rdf:ID="Five"> <belongsTo rdf:resource="#Primes"/></Number>       
          ไวยากรณ์ RDF / XML
          ObjectProperty: belongsTo   Range: OrganisationIndividual: Five Types: Number Facts: belongsTo Primes
          ไวยากรณ์แมนเชสเตอร์
          :belongsTo    rdf:type         owl:ObjectProperty ;              rdfs:range       :Organisation.:Five         rdf:type         :Number;              :belongsTo       :Primes. 
          ไวยากรณ์เต่า

          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> 
          ไวยากรณ์ RDF / XML

          สรุปผลการศึกษาจากตัวอย่าง

          • SebastianTramp SoerenAuer hasColleagues
          • SebastianTramp JensLehmann hasColleagues
          • SoerenAuer นกฮูก: sameAs AuerSoeren

          ข้อเท็จจริงเชิงลบ

          ไปได้เฉพาะนกฮูกตั้งแต่ 2.0
           Individual: Bill
             Facts: not hasWife Mary
          ไวยากรณ์แมนเชสเตอร์


           []  rdf:type               owl:NegativePropertyAssertion ;
               owl:sourceIndividual   :Bill ;
               owl:assertionProperty  :hasWife ;
               owl:targetIndividual   :Mary .
          
          ไวยากรณ์เต่า

          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: hasSSN
          
          สถานที่ให้บริการเครือข่าย
          ObjectProperty: hasGrandparent
          SubPropertyChain: hasParent o hasParent
          
          คุณสมบัติ transitive
          ObjectProperty: hasAncestor
          Characteristics: Transitive
          
          nominals
          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

          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: someValues​​From} \ \ \ forall & \ text {นกฮูก: allValues​​From} \ \ \ 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} \) เป็นตัวเลือกแรกที่นำไปสู่​​การปะทะกันดังนั้นเราจะใช้ส่วนที่สองของ 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

            1. \ (\ v) เป็นบรรพบุรุษของ \ (v '\)
            2. \ (L (v ') \ subseteq L (V) \)
            3. ไม่มีโหนดบล็อกโดยตรง \ (V ^ {''} \) นั้น \ (V'' \) เป็นบรรพบุรุษของ \ (\ v)

            โหนด \ (v '\) ถูกบล็อคถ้าอย่างใดอย่างหนึ่ง

            1. \ (v '\) ถูกบล็อกโดยตรงหรือ
            2. 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?"
            ข้อมูลที่เกี่ยวข้องไม่สามารถแสดงในอภิปรัชญานกฮูก:
            • \ ((\ 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)) \)
            นกฮูกที่ไม่เหมาะสมสำหรับการเขียนโปรแกรม:
            • 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

            ภาษากฎแทบจะไม่เข้ากันกับแต่ละอื่น ๆ !
            เลือก→กฎของภาษาที่เหมาะสมเป็นสิ่งสำคัญมาก

            เกณฑ์ที่เป็นไปได้:
            • ข้อกำหนดที่ชัดเจนของไวยากรณ์และความหมาย?
            • เครื่องมือสนับสนุนซอฟต์แวร์?
            • อะไรที่ฉันแสดงออกต้อง?
            • ความซับซ้อนของการดำเนินการ? ผลการดำเนินงาน?
            • ความเข้ากันได้กับรูปแบบที่มีอยู่เช่นนกฮูก?
            • กำหนดการเรียก (อธิบาย) หรือการดำเนินงาน (โปรแกรม)
            • ...

            ภาษาที่กฎ

            กฎตรรกะ (ผลกระทบในตรรกะคำกริยา):
            • กำหนดไว้อย่างชัดเจนวิจัยครอบคลุมดีเข้าใจ
            • อย่างเข้ากันได้กับ OWL DL และ RDF
            • ไม่สามารถตัดสินใจโดยไม่มีข้อ จำกัด
            ขั้นตอนกฎระเบียบ (เช่นกฎการผลิต):
            • วิธีการที่เป็นอิสระจำนวนมากมักจะกำหนดไว้เพียงราง
            • บ่อยครั้งที่ใช้เป็นภาษาโปรแกรมนกฮูกและ RDF ความสัมพันธ์ไม่ชัดเจน
            • การประมวลผลที่มีประสิทธิภาพเป็นไปได้
            โปรแกรมตรรกะ (เช่นอารัมภบท, F-logic):
            • กำหนดไว้อย่างชัดเจน แต่วิธีการที่แตกต่างกัน
            • บางส่วนที่เข้ากันได้กับนกฮูกและ RDF
            • decidability / ความซับซ้อนอย่างมากขึ้นอยู่กับวิธีการที่เลือก
            หัวข้อหลัก: กฎสรุปเหตุผล
            (ซึ่งจะยังเป็นพื้นฐานของการเขียนโปรแกรมตรรกะ)

            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
            ตัวอย่าง:
            • 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

            ข้อ จำกัด กับฮอร์กฎโดยไม่ต้องสัญลักษณ์ฟังก์ชั่น

            →กฎ Datalog

            Datalog

            • ภาษากฎตรรกะตามเดิมในฐานข้อมูลการอนุมาน
            • ฐานความรู้ ("โปรแกรม Datalog") จากประโยคที่ฮอร์นโดยไม่ต้องสัญลักษณ์ฟังก์ชั่น
            • decidable
            • ที่มีประสิทธิภาพสำหรับข้อมูลจำนวนมากเช่นความซับซ้อนโดยรวมของ OWL Lite (EXPTIME)

            กฎความหมาย

            ความหมายของมาตรฐานสรุปเหตุผล!
            • 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)
            ส่วนขยายของ Datalog:
            • 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):

            1. มังสวิรัติ (x) ผลิตภัณฑ์ปลา∧ (y) magNicht → (x, y)
            2. hatBestellt (x, y) ∧ magNicht (x, y) →พอใจ (x)
            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) →
            7. ∃ hatBestellt.ThaiCurry (Markus)
            8. ไทยแกง⊑∃enthält.Fischprodukt
            เราสามารถสรุปได้: พอใจ (Markus)

            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

            SWRL เป็นที่ตัดสิน

            มีขั้นตอนวิธีโดยที่หนึ่งสามารถวาดข้อสรุปตรรกะใด ๆ จากทุกฐานความรู้ SWRL ไม่มีแม้ว่าใด ๆ (จำกัด ) มีจำนวนมากของเวลาการประมวลผลและหน่วยความจำ

            จริง แต่ที่เป็นไปได้:

            1. ขั้นตอนวิธีการวาดข้อสรุปทั้งหมดจากส่วนหนึ่งของฐานความรู้ SWRL
            2. ขั้นตอนวิธีการที่ดึงออกมาจากความรู้ SWRL ทั้งหมดฐานเป็นส่วนหนึ่งของข้อสรุป

            ทั้งสองมีความเป็นไปได้นิด ๆ ถ้า "ส่วน" ที่เหมาะสมมีขนาดเล็กมาก

            กฎ Logic รายละเอียด

            การสังเกต
            บางกฎ SWRL สามารถอยู่แล้วใน 2 นกฮูก (คือตรรกะคำอธิบาย SROIQ) ด่วน

            • บัตรประจำตัวของเหล่านี้จิกรายละเอียดกฎระเบียบให้ส่วน decidable ของ SWRL
            • ใช้ลึกซึ้ง "ซ่อน" ของนกฮูกที่ 2: เป้าหมาย
            • การดำเนินการโดยตรงโดยนกฮูก 2 เครื่องมือ

            SROIQ (นอกเหนือจากสีแดง = Shoin)

            การแสดงออกในชั้นเรียน
            ชื่อชั้น A, B
            ร่วม C \ (\ sqcap \) D
            ความร้าวฉาน C \ (\ sqcup \) D
            การปฏิเสธ ¬ C
            Exist Rollenrestr ∃ RC
            ม. Rollenrestr ∀ RC
            ตนเอง ∃ S.Self
            ที่ยิ่งใหญ่กว่า ≥ n เซาท์แคโรไลนา
            น้อยกว่า ≤ n เซาท์แคโรไลนา
            น้อย {}
            บทบาท
            ชื่อบทบาท R, S, T
            บทบาทที่เรียบง่าย S, T
            บทบาทที่ตรงกันข้าม R -
            บทบาทของยูนิเวอร์แซ U
            TBox (สัจพจน์ชั้น)
            รวม C \ (\ sqsubseteq \) D
            สมดุล C ≡ D
            Rbox (สัจพจน์บทบาท)
            รวม R1 \ (\ sqsubseteq \) R2
            eneral รวม \ (R_1 ^ {(-)} \ circ \ \ ldots circ R_n ^ {(-)} \ sqsubseteq r \) R
            กริยา Tra (R)
            สมมาตร Sym (R)
            reflexivity Ref (R)
            Irreflexivity IRR (S)
            ทำเคลื่อน Dis (S, T)
            Abox (ข้อเท็จจริง)
            สมาชิกชั้น C ()
            ความสัมพันธ์ของบทบาท R (A, B)
            neg ความสัมพันธ์ของบทบาท ¬ S (A, B)
            ความเท่าเทียมกัน ≈ b
            ความไม่เสมอภาค \ (\ ไม่ได้ \ approx \) b

            กฎง่ายๆด้วย SROIQ

            ทั้งหมดสัจพจน์ SROIQ สามารถเขียนเป็นกฎ SWRL:
            • C \ (\ sqsubseteq \) D คือ C (x) → D (x)
            • r \ (\ sqsubseteq \) S เป็น r (x, y) → S (x, y)
            เรียนบางคนอาจจะ "รื้อถอน" ในกฎ:
            • 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)
            สัจพจน์ SROIQ บทบาทให้กฎระเบียบเพิ่มเติม:
            • hatMutter hatBruder ◦ \ (\ sqsubseteq \) hatOheim
              สอดคล้อง
              hatMutter(x,y) ∧ hatBruder(y,z) → hatOheim(x,z)

            กฎระเบียบเพิ่มเติม

            อะไร
            magNicht (x, z) หลักสูตร∧ (y) รวมถึง∧ (y, z) → magNicht (x, y)

            • หัวกฎที่มีสองตัวแปร→ไม่ได้เป็นตัวแทนของความจริงคลาส
            • กฎร่างกายมีการแสดงออกในชั้นเรียน→อักษรความจริงไม่สามารถแสดงได้

            อย่างไรก็ตามกฎนี้สามารถแสดงในนกฮูก 2!

            กฎเพิ่มเติม (II)

            ตัวอย่างที่เรียบง่าย: คน (x) ∧ hatKind (x, y) → vaterVon (x, y)

            ความคิด
            แทนที่คน (x) โดยการรีดอะตอมเพื่อให้กฎจะแสดงเป็นบทบาทรวมทั่วไปที่มี◦

            เคล็ดลับกับ∃ R.Self สามารถแปลงเรียนในม้วน:
            • บทบาทของชายคนหนึ่งผู้ช่วย R
            • ความจริงคนช่วย≡∃ R ตัวเองคน.
            • ปรีชา: "คนเป็นสิ่งที่ดีที่มีความสัมพันธ์ R-man กับตัวเอง."
            ด้วยเครื่องมือนี้กฎความจริงที่สามารถเขียนเป็น:
            R คน◦ hatKind \ (\ sqsubseteq \) vaterVon

            กฎเพิ่มเติม (III)

            ตัวอย่าง:
            magNicht(x,z) ∧ Gericht(y) ∧ enthält(y,z) → magNicht(x,y)
            
            จะ

            \[Gericht \equiv \exists R_{Gericht}.\mathsf{Self}\]

            \[magNicht \circ enthält^{-} \circ R_{Gericht} \sqsubseteq magNicht\]

            กฎเพิ่มเติม (IV)

            ไม่ง่ายดังนั้น:
            Vegetarier(x) ∧ Fischprodukt(y) → magNicht(x,y)
            
            ความคิด
            เชื่อมต่อชิ้นส่วนที่ไม่ปะติดปะต่อในร่างกายกฎโดย U. สากลบทบาท
            • บทบาทผู้ช่วย R และผลิตภัณฑ์ปลา R มังสวิรัติ
            • ด้วยตนเองมังสวิรัติสัจพจน์เสริม≡∃มังสวิรัติ R. ปลาด้วยตนเองและผลิตภัณฑ์ปลา≡∃ผลิตภัณฑ์ R.
            ด้วยหลักการเสริมเหล่านี้กฎที่สามารถเขียนเป็น:
            \[R_{Vegetarier} \circ U \circ R_{Fischprodukt} \sqsubseteq magNicht\]

            ขอบเขตของกฎ Logic รายละเอียด

            ไม่ทั้งหมดกฎ SWRL จะแสดงให้เห็น!

            ตัวอย่าง:
            hatBestellt(x,y) ∧ magNicht(x,y) → Unglücklich(x)
            
            ไม่สามารถแสดงใน SROIQ

            การเปลี่ยนแปลงที่เป็นไปได้ในร่างกายของกฎได้อย่างรวดเร็ว
            • 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)
            ขึ้นกราฟของกฎ: กราฟ undirected กับ
            • ตัวแปร = node มักจะ
            • ขอบ = อะตอมบทบาทของร่างกายกฎ (ไม่มีทิศทาง)
            กฎคือคำอธิบายกฎ SWRL ลอจิกกรณีที่:
            1. ทุกอะตอมมักจะใช้แนวคิดและบทบาท SROIQ,
            2. ขึ้นกราฟของการควบคุมปกติมีรอบไม่มี

            ตัวอย่าง

            กฎ DL ในฐานความรู้ก่อนหน้านี้ SWRL:
            • (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) →
            กฎข้อ (2) hatBestellt(x,y) ∧ magNicht(x,y) → Unglücklich(x) ไม่ได้เป็นกฎ DL

            หมายเหตุ: รายละเอียดกฎ SROIQ Logic ต้องแน่นอนหลังจากการแปลงไปเป็นเงื่อนไขของการที่ง่ายและปกติบทบาท RBoxen ตอบสนอง!

            กฎระเบียบสำหรับการแปลง DL SROIQ (I)

            ขาเข้า: กฎ Logic รายละเอียด
            1. normalizing กฎ
            2. สำหรับคู่ของแต่ละตัวแปร x และ y :
              มี x และ y ไม่ได้เชื่อมต่อในกราฟพึ่งพาคือมีเส้นทางระหว่างไม่มี x และ y แล้วเพิ่มในเรือ U(x,y)
            3. หัวหน้าควบคุมอยู่ในขณะนี้ในรูปแบบของ D(z) และ S(z,z') .
              สำหรับอะตอมของแต่ละ R(x,y) ในร่างกาย:
              ถ้าเส้นทางการพึ่งพากราฟ z ที่ y จะสั้นกว่าของ z ที่ x ดังนั้นแทนที่ R(x,y) ของ R (y,x) .
            4. ถ้าเรือเป็นอะตอม R(x,y) ที่เกิดขึ้นเพื่อให้ y เกิดขึ้นในอะตอมอื่น ๆ ของกฎสองหลัก:
              • ถ้าร่างกายของ n อะตอมหลัก C 1 (y),...,C n (y) ที่มีกำหนดแล้ว \ (E: C_1 = \ sqcap \ \ ldots sqcap C_n \) และลบ C 1 (y),...,C n (y) จากร่างกาย มิฉะนั้นกำหนด \ (E = \ \ top)
              • แทนที่ R(x,y) โดย ∃RE(x) .
              ทำซ้ำขั้นตอนที่ 4 จนกว่าจะมีเช่น R(x,y) เป็น

            กฎระเบียบสำหรับการแปลง DL SROIQ (II)

            กฎขณะนี้คุณสามารถแสดงใน SROIQ:
            • 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:
                สร้างความจริงใหม่ C ≡ ∃R C .Self (บทบาทของ R C เป็นของใหม่)
                และแทนที่ C(z) โดย R 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 \)
            การเปลี่ยนแปลงของกฎ SWRL ในฐานความรู้นี้จะไม่เปลี่ยน satisfiability ของ

            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 \) และลบ C 1 (y),...,C n (y) จากร่างกาย มิฉะนั้นกำหนด \ (E = \ \ top)
            • แทนที่ R(x,y) โดย ∃RE(x) .
            ทำซ้ำขั้นตอนที่ 4 จนกว่าจะมีเช่น 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:

            1. ตรรกะ based (สรุปเหตุผลเช่นโปรแกรมตรรกะ)
            2. "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

            แบบสอบถาม: SPARQL ส่วนติดต่อผู้ใช้และการประยุกต์ใช้ เชื่อถือ การเข้ารหัสลับ พิสูจน์ ลอจิก Unifying อภิปรัชญา: นกฮูก กฎ: RIF RDF-Schema การแลกเปลี่ยนข้อมูล: RDF XML URI Unicode

            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



            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



            SELECT ?friend ?friendname WHERE { jwebsp:John foaf:knows ?friend. ?friend foaf:firstname ?friendname }

            Query ซับซ้อนมากขึ้นเล็กน้อย

            Query ซับซ้อนมากขึ้นเล็กน้อย

            โครงสร้างของแบบสอบถาม SPARQL

            # ประกาศคำนำหน้า
            อดีตคำนำหน้า: <http://example.com/resources/>
            ....
            ชนิดของแบบสอบถามฉาย # # # ชุดคำนิยาม
            SELECT? x? y จาก ...

            รูปแบบกราฟ #
            WHERE {
            ? XA? y
            }

            การปรับเปลี่ยนแบบสอบถาม #
            ORDER BY? y

            คำนำหน้า

            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


            เครื่องมือค้นหาความสัมพันธ์

            http://www.visualdataweb.org/relfinder.php

            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


            ประเภท

            รับทุกประเภทเป็นไปได้ของแนวคิดใน DBpedia

            ประเภท

            เลือกประเภทที่แตกต่างกัน?

            WHERE {
            ประเภทของ EA?
            }

            คุณสมบัติของรายการ

            รับคุณสมบัติทั้งหมดของชั้นนักแสดงนำชาย แสดงนอกจากนี้ยังมีชื่อของพวกเขา

            รายการของคุณสมบัติ

            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 รวม

            COUNT

            นับเลือก (e)

            WHERE {
            dbpprop e: ชื่อ DBpedia: List_of_Russian_rulers
            }

            รูปแบบหลาย ๆ

            เปลี่ยนแบบสอบถามก่อนหน้านี้เพื่อแสดงยังเป็นชื่อที่แท้จริงของผู้นำ

            รูปแบบหลาย ๆ

            SELECT? e? ชื่อ
            WHERE {
            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_Terrible

            FILTER

            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

            แสดงรายการของผู้นำรัสเซียที่มีป้ายชื่อเฉพาะรัสเซีย

            Langmatching

            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_name
            WHERE {
            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? ชื่อ
            WHERE {
            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 สั่งซื้อผลทั้งโดยผู้อำนวยการและภาพยนตร์

            ชนิดแบบสอบถามอื่น 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? o2
            จาก <http://www.w3.org/People/Berners-Lee/card.rdf>
            จาก <http://dig.csail.mit.edu/2008/webdav/timbl/foaf.rdf> ตั้งชื่อ
            {s หรือไม่? p? o
            กราฟกรัม {o? p2? o2}}

            -> รายการใหญ่ของอเนกประสงค์

            แบบสอบถามย่อยที่มีจากประโยค

            subqueries ในราคาถูก:

            1. เขียนแบบสอบถามที่คุณต้องการใช้เป็นพื้นฐานเป็นแบบสอบถามสร้าง
            2. URL เข้ารหัส
            3. สร้างแบบสอบถามอื่น ๆ
            4. 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 }
            คอมไพล์เป็น
              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 พื้นฐานพยายามที่จะหาภาพยนตร์ที่นำแสดงโดยจูเลียโรเบิร์ตที่มีข้อมูลเกี่ยวกับผู้อำนวยการไม่มี

            ไม่ผูกพัน

            SELECT ?movie_label WHERE { ?movie dbpedia-owl:starring <http://dbpedia.org/resource/Julia_Roberts> . ?movie rdfs:label ?movie_label . OPTIONAL {?movie dbpedia-owl:director ?director} . FILTER (langMatches(lang(?movie_label), "EN") && !bound(?director)) }

            การรวมตัว

            รวบรวมสถิติเกี่ยวกับรัสเซีย: หาประชากรจำนวนรวมของเมืองหลายเมืองที่มีประชากรมากกว่า 1billion ประชากรโดยเฉลี่ยของเมือง

            A1 รวม


            SELECT ?population count(?city) WHERE { <http://dbpedia.org/resource/Russia> dbpprop:populationEstimate ?population . ?city a dbpedia-owl:PopulatedPlace . ?city dbpedia-owl:country <http://dbpedia.org/resource/Russia> . }

            A2 รวม


            SELECT count(?billioners) WHERE { ?billioners a dbpedia-owl:PopulatedPlace . ?billioners dbpedia-owl:country <http://dbpedia.org/resource/Russia> . ?billioners dbpprop:pop2002census ?city_population . FILTER (?city_population > 1000000) }

            A3 รวม


            SELECT AVG(?population) WHERE { ?city a dbpedia-owl:PopulatedPlace . ?city dbpedia-owl:country <http://dbpedia.org/resource/Russia> . ?city dbpprop:pop2002census ?population . }

            AS

            เปลี่ยนคำสั่งก่อนหน้านี้เพื่อแสดงชื่อที่ถูกต้องของคอลัมน์ของตาราง

            AS


            SELECT ?population count(?city) AS ?number_of_cities WHERE { <http://dbpedia.org/resource/Russia> dbpprop:populationEstimate ?population . ?city a dbpedia-owl:PopulatedPlace . ?city dbpedia-owl:country <http://dbpedia.org/resource/Russia> . }

            ลบ

            ไม่รวม Novosibirsk เมื่อนับประชากรเฉลี่ยในเมืองที่รัสเซีย

            ลบ


            SELECT AVG(?population) WHERE { ?city a dbpedia-owl:PopulatedPlace . ?city dbpedia-owl:country <http://dbpedia.org/resource/Russia> . ?city dbpprop:pop2002census ?population . MINUS {<http://dbpedia.org/resource/Novosibirsk> dbpprop:pop2002census ?population} }

            การนำข้อมูล

            แสดงข้อมูลเกี่ยวกับมอสโก แสดงอเนกประสงค์ที่กรุงมอสโกเป็นทั้งเรื่องหรือวัตถุ

            การนำข้อมูล


            SELECT ?s ?p ?o WHERE { { ?s ?p ?o. filter (?s = <http://dbpedia.org/resource/Moscow>) } UNION { ?s ?p ?o. filter (?o = <http://dbpedia.org/resource/Moscow>) } }

            ค้นหาคอมมอนส์

            ค้นหาคอมมอนส์ระหว่างมิคาอิล Gorbachev และอีวานแย่มาก

            ค้นหาคอมมอนส์


            SELECT ?p ?c ?o WHERE { <http://dbpedia.org/resource/Ivan_the_Terrible> ?p ?o . <http://dbpedia.org/resource/Mikhail_Gorbachev> ?c ?o }

            การใช้การค้นหาความสัมพันธ์

            ทำงานเดียวกันใน RelFinder

            การใช้ Hanne

            ค้นหาวิธีที่ดีที่สุดเพื่อรับรายชื่อของสโมสรฟุตบอลรัสเซียใช้ Hanne

            วิธีการเชื่อมต่อ

            ดาวน์โหลด ไฟล์

            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


            SELECT ?director_name ?movie_name ?actor_name WHERE { ?movie dbpedia-owl:starring <http://dbpedia.org/resource/Julia_Roberts> . ?movie dbpedia-owl:starring ?actor . ?movie rdfs:label ?movie_name . ?actor rdfs:label ?actor_name . ?movie dbpedia-owl:director ?director . ?director rdfs:label ?director_name . FILTER (langMatches(lang(?movie_name), "EN") && langMatches(lang(?actor_name), "EN") && langMatches(lang(?director_name), "EN")) . } ORDER BY ?director ?movie

            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

            1. แรงจูงใจและความหมาย
            2. ภาพรวมของวิธีการเรียนรู้ของอภิปรัชญา
            3. ในรายละเอียด: คำนิยามการเรียนรู้กับผู้ประกอบการปรับแต่ง
            4. สรุปผลการวิจัย

            เค้าโครง

            1. แรงจูงใจและความหมาย
            2. ภาพรวมของวิธีการเรียนรู้ของอภิปรัชญา
            3. ในรายละเอียด: คำนิยามการเรียนรู้กับผู้ประกอบการปรับแต่ง
            4. 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

            แหล่งที่มาที่แตกต่างกันบางครั้งหลักฐาน (เช่น hyponymy [หิมะ, et al. 2006] subsumption [Cimiano, et al. 2005], [Manzano-ลูกผู้ชายเต็มร้อย, et al. 2008], [Buitelaar, et al. 2008] disjointness [Völkerเอตอัล 2007])

            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

              ตารางการเรียนรู้คำศัพท์อภิปรัชญา: ข้อมูลทางการหรือกึ่งทางการ (เช่นตำรา)

              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} \} \):

              1. {ไม่ค่อยสมบูรณ์ครบถ้วน จำกัด }
              2. {ไม่ค่อยสมบูรณ์ครบถ้วนเหมาะสม}
              3. {ไม่ค่อยสมบูรณ์ไม่ซ้ำซ้อน จำกัด }
              4. {สมบูรณ์นิดหน่อยที่ไม่ซ้ำซ้อนที่เหมาะสม}
              5. {ไม่ซ้ำซ้อนขอบเขตที่เหมาะสม}
              "ฐานรากของผู้ประกอบการปรับแต่งสำหรับ Logics รายละเอียด"
              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: การประเมินผลกับระบบอื่นML (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
                1. สองชุดของข้อ จำกัด ในการรับผิดชอบ ที่ระบุความรับผิดชอบชุด S T,
                2. ข้อกำหนดของการวัดความคล้ายคลึงกันที่ซับซ้อนσที่เป็นส่วนผสมของความคล้ายคลึงกันของอะตอมหลายมาตรการσ1, ... , σnและ
                3. 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

              • แหล่ง

              • เป้า

              • S

              • T

              • DrugBank

              • Disesome

              • เป้าหมาย

              • ยีน

              • Sider

              • Diseasome

              • ผลข้างเคียง

              • โรค

              • DBpedia

              • Dailymed

              • องค์กร

              • องค์กร

              • Sider

              • Dailymed

              • ยาเสพติด

              • เสนอ

              • DrugBank

              • DBpedia

              • เป้าหมาย

              • โปรตีน

              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
              DBpedia เป็นโครงการชุมชนโปรดดู http://dbpedia.org สำหรับรายการเต็มรูปแบบของผู้ให้

              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
              • ...

              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

              Dief - ภาพรวม

              Dief - Input / วจีวิภาค

              อินพุต

              • หน้าวิกิพีเดียจะถูกอ่านจากแหล่งภายนอก
              • หน้าก็จะสามารถอ่านได้จาก
                • การถ่ายโอนข้อมูลวิกิพีเดีย / กิ
                • การติดตั้งโดยใช้มีเดียวิกิมีเดียวิกิ API
              วจีวิภาค
              • 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

              Dief-mapping ตามแยกกล่องข้อมูล

              ความหมายที่ถูกต้อง:

              • รวมเป็นอะไรกัน (birth_place บ้านเกิด)
              • แยกสิ่งที่แตกต่างกัน (bornIn บ้านเกิด)
              • เพิ่มขนาดใหญ่สำหรับ / Precision Recall
              แมปของวิกิพีเดีย:
              • 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

              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

              • วิกิพีเดียท้อ​​งถิ่นกระจก (เพื่อให้สามารถเกินขีด จำกัด การเข้าถึง)
              • วิกิพีเดียการทำแผนที่เป็น input
                • การเปลี่ยนแปลงในการทำแผนที่อาจส่งผลกระทบต่อหลายหน้า
              • ผู้จัดการสกัด: จับฟีดวิกิพีเดียและการทำแผนที่และปรับปรุงเก็บสาม
                • หน้ายังไม่แปรกว่าเดือนมีการปรับปรุงยัง
              • เครื่องมือซิงค์: เผยแพร่การปรับปรุงเพื่อให้ up-to-date กระจก DBpedia สด
              • ข้อมูลจะถูกแยกในกราฟแยกต่างหาก

              DBpedia สากล (i18n)

              • DBpedia สากลคณะกรรมการก่อตั้ง:
                • 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

              ค้นหาและสอบถาม


              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
              • สกัดใช้กรอบ DBpedia สกัดข้อมูล
              • ได้อย่างง่ายดายกำหนดสำหรับรุ่นทุกภาษาวิกิพจนานุกรม
                • การกำหนดค่าล่วงหน้าสำหรับเยอรมัน, กรีก, อังกฤษ, รัสเซียและฝรั่งเศส
                • http://Wiktionary.dbpedia.org
                • 100 อเนกประสงค์ milion
                • แบบมะนาว

              โปรแกรมอื่น ๆ

              ดู http://wiki.dbpedia.org/Applications สำหรับรายการที่สมบูรณ์

              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

              รูปที่: แฟ้มส่วนบุคคลของเลวินSchückingจากมหาวิทยาลัยเก็บ

              ตีพิมพ์แคตตาล็อกประวัติศาสตร์

              รูปที่นำมาจากหน้าหนังสือแคตตาล็อกเดรสอาจารย์

              แรงจูงใจ

              • รุ่นแรกของแคตตาล็อก: ตารางฐานข้อมูลเดียวถึงข้อ จำกัด ของ 255 คอลัมน์
              • ความพยายามสูงสำหรับการสับเปลี่ยนและการซิงค์ตาราง
              • ข้อกำหนดสำหรับฐานข้อมูลใหม่:
                • การทำงานร่วมกันในระหว่างการเก็บรวบรวมข้อมูล
                • สิ่งพิมพ์ออนไลน์
                • ทรัพยากรที่มี จำกัด

              ปรับเปลี่ยนกระบวนทัศน์ในการวิจัยทางประวัติศาสตร์

              • งานวิจัย:
                • จากบุคคลที่ทำงานร่วมกัน
              • สิ่งพิมพ์:
                • จากหนังสือที่ตีพิมพ์เว็บได้ทันที

              วัตถุประสงค์

              • วิกิพีเดียตามการเพิ่มการแก้ไขและการจัดโครงสร้างของข้อมูล
              • ความหมายของคำศัพท์
              • สิ่งพิมพ์บนเว็บได้ทันที
              • การสำรวจการเข้าถึงและ interlinking ข้อมูล

              เว็บไซต์สาธารณะ

              แทนการใช้การวิจัย OntoWiki

              สร้างแบบสอบถามใน Visual

              ค้นหาความสัมพันธ์

              เบราว์เซอร์ข้อมูลที่เชื่อมโยง

              รูปเครื่องมือตีตาราง

              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

              1. การวิเคราะห์ข้อมูล
              2. การเริ่มต้น (กันยายน 2008)
              3. การได้มาซึ่งความรู้ที่ใช้วิกิพีเดียและการปรับแต่งอภิปรัชญา
              4. ตีพิมพ์แคตตาล็อก (พฤษภาคม 2009)
              5. Interlinking ชุดข้อมูลอื่น ๆ
              6. 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
                  งานวิจัยไปสู่​​การวิจัยร่วม

              รุ่น Europeana ข้อมูลสำหรับมรดกทางวัฒนธรรม

              1. ปัญหาคืออะไร?
              2. การแก้ปัญหาคืออะไร?
              3. วิธีการได้รับการพัฒนา EDM?
              4. จะเปลี่ยน Europeana การค้นพบทรัพยากรที่มี EDM ได้อย่างไร
              5. วิธี EDM สามารถมีส่วนร่วมในการเสริมสร้างข้อมูลของฉัน
              6. EDM ไม่ส่งผลให้เว็บของข้อมูลหรือความหมายเว็บได้อย่างไร
              7. ฉันส่ง EDM ได้อย่างไร
              8. 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

               

              ภาพนิ่งใหม่