Szkoła Web 3.0 » XML

HP uwalnia bibliotekę Jena

Sebastian Kruk — Fri, 23 Oct 2009 10:58:07 +0000

Jednym z założeń Szkoły Web 3.0 jest nie tylko systematyczne przedstawianie założeń, technologii i rozwiązań związanych z Siecią Semantyczną i Web 3.0; staramy się również informować na bieżąco o tym co się dzieje w "świecie" Web 3.0.

Chociaż do tej pory nie opisywaliśmy jeszcze biblioteki Jena udostępniającej za pomocą API Java dostęp do grafu RDF i mechanizmów wnioskowania, postanowiliśmy poinformować o zmianach jakie zapowiedziała firma HP, w której ośrodku badawczym powstała ta biblioteka.

Zgodnie z opublikowaną niedawno notką prasową, firma HP postanowiła zakończyć działanie ośrodka badawczego "Semantic Web Research". Ciężko w tej chwili dociekać powodów, bo ten ośrodek istniał już bardzo wielu lat; być może, jest to związane ze znaczącym upowszechnieniem się technologii semantycznych, i (co należy zauważyć) brakiem znaczących osiągnięć tego ośrodka w ostatnim czasie. Najważniejszą jednak informacją jest ta, że biblioteka Jena (oraz inne rozwiązania) pozostaną dostępne na licencji open source (BSD), zmieni się jedynie adres strony domowej biblioteki na http://www.openjena.org/. Najprawdopodobniej powstanie również firma, niezależna od HP, która będzie dostarczała komercyjnego wsparcia oraz nadzorowała dalszy rozwój tej biblioteki.

Dla osób które do tej pory nie słyszały o bibliotece Jena: jest ona jedną z najstarszych, i (przynajmniej do niedawna pozostawała) jedną z najbardziej popularnych bibliotek udostępniających za pomocą Java API dostępu do grafu RDF. Jej największą zaletą jest to, że do informacji zapisanych w grafie RDF można uzyskać dostęp za pomocą API podobnego do Java DOM znanego z przetwarzania XMLa. Poza podstawowymi operacjami zapisu i odczytu informacji z grafu, Jena oferuje również:

możliwość odpytywania grafu RDF za pomocą zapytań w języku SPARQL,
połączenie z mechanizmami wnioskowania na przechowywanym grafie RDF i ontologiach
wsparcie dla tzw. quadów, czyli zdań RDF składających się z czterech elementów, gdzie dodatkowym elementem jest wskazanie na kontekst (napiszemy o nich niedługo),
możliwość wygenerowania hierarchii klas Java odpowiadających zadanej ontologii (w RDF Schema lub OWL); warto jednak pamiętać w tym miejscu, że takie mapowanie nie gwarantuje nam pozbycia się problemów z przejściem pomiędzy programowaniem obiektowym a logiką opisową, o czym pisaliśmy niedawno.

Już niedługo pokażemy na prostych przykładach jak korzystając z biblioteki Jena napisać pierwszą aplikację operującą na grafie RDF.

DublinCore – standard, który musisz znać

Sebastian Kruk — Fri, 09 Oct 2009 08:00:32 +0000

W najbliższy poniedziałek, w Seulu, rozpoczyna się kolejna edycja corocznej konferencji DublinCore. Jest to doskonały moment, aby rozpocząć omawianie lekkich ontologii (ang. lightweight ontology) od tego właśnie standardu.

Prace nad standardem metadanych DublinCore trwają od 1995 roku. Możemy więc śmiało powiedzieć, że jest to jeden z najstarszych standardów Sieci Semantycznej. Dlaczego więc o samej Sieci Semantycznej mówi się dopiero od niedawna? DublinCore powstawał początkowo jako standard metadanych XML, a nie ontologia w znaczeniu, które do tej pory poznaliśmy. Pojęcia zdefiniowane w standardzie DublinCore od wielu lat są wykorzystywane do opisywania metadanych stron internetowych.

Dopiero od 2000 roku środowisko rozwijające technologie Sieci Semantycznej i społeczność pracująca nad standardem DublinCore aktywnie współpracują. W wyniku tej współpracy wypracowano sposób wykorzystania metadanych DublinCore w postaci klas i właściwości grafu RDF.

Głównym celem DublinCore jest dostarczanie podstawowych elementów metadanych wspierających interoperacyjność (ang. interoperability). Zdefiniowano cztery stopnie interoperacyjności:

Współdzielone definicje pojęć tworzące słowniki zdefiniowane w języku naturalnym.
Interoperacyjność na poziomie znaczenia opisanego formalnie (ang. formal semantics).
Syntaktyczna interoperacyjność opisów umożliwiająca wymianę danych.
Współdzielone formalne słowniki i ograniczenia (ang. constraints) w opisach.

Te cztery stopnie interoperacyjności pokrywają się z rozwojem samego standardu. Pierwszy stopień to przede wszystkim podstawowe 15 pojęć DublinCore. To właśnie te pojęcia (DublinCore elements) zazwyczaj mamy na myśli mówiąc o DublinCore.

Definiują one m.in, autora (dc:contributor), twórcę (dc:creator), datę związaną z zasobem (dc:date), opis (dc:description), tytuł (dc:title), temat (dc:subject), i inne. Dopiero późniejsze prace doprowadziły do zdefiniowania pełnego zestawu pojęć DublinCore, które zawierają również typy, klasy i dodatkowe pojęcia DublinCore. Te dodatkowe pojęcia zostały wprowadzone niedawno w zastępstwie tzw. kwalifikatorów DublinCore (ang. DublinCore Qualifiers), które były wcześniej używane, aby uściślić znaczenie podstawowych pojęć DublinCore.

Interoperacyjność na poziomie znaczenia opisanego formalnie jest możliwa dzięki wykorzystaniu pojęć DublinCore w grafie RDF. Sugerowany sposób wymiany danych bazuje na propozycjach inicjatywy Linked Data, o której będziemy pisali za jakiś czas.

Reifikacje: zdanie o zdaniu

Sebastian Kruk — Wed, 30 Sep 2009 08:08:32 +0000

Mam nadzieję, że poprzednie dwa artykuły o RDF (wprowadzenie i reprezentacja) pozwoliły Wam się oswoić z tą nową organizacją informacji. Dziś "podkręcamy piłkę nieco mocniej" aby zaprezentować jedną ze specyficznych cech RDF, tzw. reifikacje (ang. reification), czyli wypowiadanie zdania o zdaniu.

O reifikacjach wspominałem już przy okazji wstępu do RDF, kiedy to chcieliśmy zapisać informację, że krzesło ma 4 nogi. Co takiego specyficznego jest w tym zdaniu? Otóż składa się ono z czterech a nie z trzech części.

Jak więc możemy sobie z tym poradzić ?

Wprowadzamy predykat [ilość nóg] i nasze zdanie RDF przybiera postać:

[Krzesło] [ilość nóg] "4".

Może nie za bardzo gramatycznie w rozumieniu gramatyki języka polskiego, ale samo zdanie RDF jest zdecydowanie poprawne. Jest jednak z nim jeden problem: dla każdej informacji dotyczącej ilości elementów, musielibyśmy definiować nowy predykat. O ile takie zdania RDF byłyby poprawne technicznie, to jednak ich semantyka (czyli znaczenie rozumiane przez maszyny) byłoby bardzo małe: czym różni się [ilość nóg] od [ilość rąk] dla maszyny?

Z maszynami jest podobnie jak z ludźmi: wprowadzanie do rozmowy zbyt wielu kolokwializmów, żargonu i slangu nie poprawia wzajemnego zrozumienia.

Dlatego też zalecane jest podejście, gdzie znaczenie poszczególnych predykatów jest jak najprostsze. W naszym przypadku sprowadza się to do wypowiedzenia dwóch zdań:

[Krzesło] [ma] [nogi].
[ [Krzeslo] [ma] [nogi] ] [sztuk] "4".

Jak zauważyliście w przypadku drugiego zdania podmiotem jest całe poprzednie zdanie. Taka konstrukcja nosi nazwę reifikacji, czyli wypowiedzeniu zdania o zdaniu.

Graficzna reprezentacja powyższej konstrukcji byłaby następująca.

Możecie zapytać: ale w jaki sposób całe zdanie może stać się podmiotem (lub obiektem - bo to jest również możliwe w reifikacjach)? Otóż, jak zapewne pamiętacie podmiot (podobnie obiekt) identyfikowany jest przez URI lub nienazwany węzeł (bnode). W przypadku reifikacji przydzielamy bnode do zdania. Niestety taka procedura jest dość kosztowna, bo wymaga aż 4 zdan:

_:zdanie1 [rdf:type] [rdf:Statement].
_:zdanie1 [rdf:subject] [Krzesło].
_:zdanie1 [rdf:predicate] [ma].
_:zdanie1 [rdf:object] [nogi].

Pierwsze zdanie informuje nas, że _:zdanie1 jest zdaniem RDF, kolejne jednoznacznie identyfikują trójkę elementów tworzący nasze zdanie [Krzesło] [ma] [nogi]. Teraz wystarczy tylko wypowiedzieć zdanie o tym zdaniu:

_:zdanie1 [sztuk] "4".

I te pięć zdań RDF tworzy naszą całą reifikację.

Na zakończenie, nasz przykład zapisany w postaci N-Triples:

   .
_:zdanie1   .
_:zdanie1   .
_:zdanie1   .
_:zdanie1   .
_:zdanie1  "4" .

w formacie Turtle:

@prefix rdf:  .
@prefix ns1:  .

ns1:Krzeslo ns1:ma ns1:nogi .

_: zdanie1 a rdf:Statement ;
           rdf:subject ns1:Krzeslo ;
           rdf:predicate ns1:ma ;
           rdf:object ns1:nogi ; 
           ns1:sztuk "4" .

oraz w RDF/XML:



	xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
	xmlns:ns1="http://www.semanticschool.com/examples/rdf/">


   



        
        
        
        
        4

Żółwie aż do końca, czyli jak zapisać graf RDF

Sebastian Kruk — Tue, 29 Sep 2009 07:30:49 +0000

W poprzednim odcinku pisałem o tym czym jest RDF. Starałem się nie wnikać w szczegóły techniczne. Ale, jeżeli chcemy naprawdę zrozumieć technologie Sieć Semantycznej, niektóre szczegóły techniczne są nieodzowne. Zanim więc przejdziemy do prezentacji schematów RDF i ontologii, omówię jak zapisać graf RDF tak aby mógł być przetworzony przez maszyny.

Już słyszę te głosy: ale przecież zgodnie z tym co słyszeliśmy do tej pory, i z tym co pisałeś przy prezentacji semantycznego tortu, RDF zapisujemy w XMLu. Część z was posunie się nawet krok dalej i stwierdzi, że przecież RDF to tylko jeden z dialektów XML.

Czas więc, aby obalić jeden z mitów, z którym niestety spotykam się zbyt często. O ile RDF można zapisać w postaci XML to:

nie jest to natywny format zapisu, tym samym RDF nie jest "tylko" dialektem XML,
nie jest to preferowany format zapisu, i to nie tylko z uwagi na jego rozwlekłość,
nie jest to jednoznaczny sposób zapisu grafu RDF.

Ostatni punkt wymaga dodatkowych wyjaśnień. Porównajmy następujące zapisy 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://www.w3.org/TR/rdf-syntax-grammar"
		   dc:title="RDF/XML Syntax Specification (Revised)" />
rdf:RDF>

oraz


<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://www.w3.org/TR/rdf-syntax-grammar" >
  	<dc:title>RDF/XML Syntax Specification (Revised)dc:title>
  rdf:Description>
rdf:RDF>

Wyrażają one ten sam graf RDF: dokładnie jedno zdanie. Jednak ich reprezentacja jest inna. Stąd też próba przetworzenia grafu RDF zapisanego w XMLu wymaga rozpatrywania wielu możliwości zapisu. Jeżeli chcecie abym rozwinął ten temat - zapraszam do zgłaszania uwag w komentarzach.

Wróćmy jednak do podstaw. Przedstawmy poniższy prosty graf RDF w znanych reprezentacjach.

Jak o tym pisałem w poprzednim artykule, podstawowym elementem grafu RDF jest zdanie RDF (ang. RDF statement). Cały graf RDF można więc przestawić jako kolekcję zdań (bez określonej ich kolejności):

[Strona http://www.semanticschool.com/] [dc:title] (ma tytuł) "Szkoła Web 3.0".
[Strona http://www.semanticschool.com/] [dc:editor] (jest edytowana przez) [nienazwanego edytora].
[Nienazwany edytor] [foaf:homepage] (posiada stronę domową) [http://www.sebastiankruk.com/].

Przy okazji proszę zwrócić uwagę na notację graficzną grafu RDF:

Zasoby (ang. resource) reprezentowane są przez elipsy.
Literały (ang. literal) reprezentowane są przez prostokąty.
Nienazwane węzły (ang. blank nodes lub bnodes) reprezentowane są przez puste okręgi.
Predykaty (ang. predicate) przedstawiane są za pomocą strzałek z etykietami.

Kolekcję zdań można zapisać w formacie N-Triples następująco:

  "Szkoła Web 3.0".
  _:node14fuqdek3x1.
_:node14fuqdek3x1  .

Kilka wyjaśnień:

Zasób RDF, reprezentowany przez URI, zapisujemy w nawiasach trójkątnych
Literały zapisujemy w cudzysłowach.
Nienazwane węzły (ang. blank node) są reprezentowane przez wewnętrzny ID rozpoczynający się od _:
Każde zdanie składa się z dokładnie 3 elementów i jest zakończone kropką.

Ponieważ format N-Triples jest dość rozwlekły, popularna jest format skrócona: Turtle. Nazwa (jak kiedyś zdradził mi twórca Turtle, Dave Beckett) zaczerpnięta została z popularnego określenia "Turtles all the way down", a właściwie jej parafrazy z serii "Świat Dysku" (Discworld), Terrego Pratchetta.

Nasz graf może być zapisany w formacie Turtle:

@prefix ns3:  .
@prefix ns2:  .

 ns2:title "Szkoła Web 3.0" ;
	ns2:editor _:node14fuqdek3x1 .

_:node14fuqdek3x1 ns3:homepage  .

Jak widzimy pierwszym elementem skracającym opis są definicje przestrzeni nazw (ang. namespace) za pomocą notacji @prefix ns:. Te URI, które zostały skrócone nie są już zapisywane w nawiasach trójkątnych, np: ns2:title . Możliwe jest też połączenie kilku zdań na temat tego samego podmiotu. W tym celu zdania kończy się średnikiem, a kolejne rozpoczyna od predykatu. Format Turtle jest zdefiniowany jako podzbiór formatu: Notation 3 (N3), i dla naszego prostego przykładu nie ma żadnych różnic w reprezentacji pomiędzy tymi dwoma formatami. Jeżeli ktoś jest zainteresowany N3, to proszę o kontakt w komentarzach, postaram się opisać ten format za jakiś czas.

Wróćmy jeszcze do formatu RDF/XML, czyli zapisu RDF w formacie XML. Nasz przykładowy graf wyglądałby następująco:





         


          Szkoła Web 3.0

Podobnie jak Turtle, również RDF/XML umożliwia definiowanie prefiksów dla przestrzeni nazw. Kolejne podmioty opisujemy za pomocą elementów rdf:Description, które w przypadku zasobów mają określony atrybut rdf:about, a w przypadku nienazwanych węzłów stosowany jest atrybut rdf:nodeID. Predykaty mogą być przedstawiane jako podelementy lub dodatkowe atrybuty (patrz poprzedni przykład RDF/XML). Wskazanie obiektów (trzeci element zdania RDF) odbywa się za pomocą atrybutu rdf:resource dla zasobów lub rdf:nodeID dla nienazwanych węzłów; można również skorzystać z kolejnych podelementów.

xmlns:dc="http://purl.org/dc/elements/1.1/"

xmlns:ex="http://example.org/stuff/1.0/">

dc:title="RDF/XML Syntax Specification (Revised)" />

Rozmowa w windzie – czyli o co w tym chodzi w Web 3.0?

Sebastian Kruk — Tue, 22 Sep 2009 10:00:32 +0000

Prezentując każdy projekt, komercyjny czy naukowy, prędzej czy później spotkamy się z tzw. rozmową w windzie (ang. elevator pitch); czyli jak wyjaśnić o co nam chodzi w kilkanaście sekund.

Zanim więc przejdziemy do szczegółów, opowiemy historię , i zaprezentujemy różne technologie, kilka słów dlaczego powinniśmy zainteresować się Siecią Semantyczną (ang. Semantic Web).

Wyobraźmy sobie, że przywódcy Polski, Niemiec, Rosji i Czech zasiedli przy jednym stole żeby uzgodnić "prawdę historyczną" dotyczącą Drugiej Wojny Światowej. Na jakie problemy napotkają?

Mówią różnymi językami
Mają różne "lokalne" i często przeciwstawne prawdy dotyczące tamtych czasów
Te same miejsca i wydarzenia mają różne nazwy.
Prawda "obiektywna" z tamtych czasów skrywana jest głęboko w archiwach.

Innymi słowy staramy się umożliwić swobodną i poprawną wymianę wiedzy pomiędzy różnymi systemami informatycznymi.

Pierwszym etapem jest zatrudnienie tłumaczy lub uzgodnienie wspólnego języka rozmów; czy ciężko jest wyobrazić sobie że przedstawiciele tych czterech państw będą rozmawiać np. po angielsku? W ten sposób żadna ze stron nie będzie się czuła "pokrzywdzona" rozmawiając w języku jednego z uczestników spotkania.

Tym właśnie jest RDF (Resource Desciption Framework), język modelowania wiedzy, który przedstawimy niedługo. Dlaczego nie XML? ...

Każda ze stron widzi wydarzenia sprzed 70 lat w odmienny sposób. Opisuje je używając odmiennych sformułowań. Te same wydarzenia, miejsca, słowa mogą mieć odmienne zgoła konotacje.

Dlatego też XML nie jest dobrym rozwiązaniem - bo jego walidacja wymaga uzgodnienia języka, tzw. schematu; w RDF każda ze stron definiuje ontologie (ang. ontology) korzystając ze wspólnych pojęć na tyle na ile jest to możliwe. Złożenie informacji z kilku źródeł nie wymaga wcześniejszego uzgodnienia ontologii (odpowiednika schematu XML dla RDF).

Podobnie jak odmienne znaczenie, również nazwy tych samych miejsc i wydarzeń są różne. Wymaga to stworzenia wspólnego słownika, który powiąże różne nazwy.

Oto jeden z problemów, których rozwiązanie może być zautomatyzowane: wspólne identyfikatory. O ile nie ma możliwości wymuszenia pojedynczego identyfikatora dla tych samych znaczeń, możliwe jest połączenie tych samych pojęć o różnych identyfikatorach dzięki wnioskowaniu opartemu na ontologii, np. na tzw. odwrotnej właściwości funkcyjnej (ang. inverse functional property) jednoznacznie identyfikującej pojęcie.

Ostatnim, ale nie mniej ważnym elementem dialogu jest umożliwienie dostępu do materiałów archiwalnych wszystkich stron; bez konieczności zawierania osobnych umów bilateralnych, niezależnego odwiedzania poszczególnych archiwów, itd.

W chwili obecnej najbardziej istotnym elementem związanym z tworzeniem globalnej Sieci Semantycznej jest połączenie i zapewnienie dostępu do różnych otwartych źródeł wiedzy (ang. Linked Open Data), np. blogów, wiki, otwartych danych rządowych, itd. Tylko dzięki mechanizmom jednolitego dostępu do informacji możliwe jest jej efektywne wykorzystanie.

Ten krótki przykład pokazuje jakie realne problemy istnieją nie tylko w Internecie, ale również w rzeczywistym świecie. Sieć Semantyczna to globalny, rozproszony system, który (przynajmniej częściowo) pomaga/pomoże w ich rozwiązaniu. Nie ma się więc co dziwić, że rząd prezydenta Obamy zdecydował się na wykorzystanie technologii semantycznych do budowy serwisu Recovery.gov.

W kolejnym artykule opiszemy jak narodziła się idea Sieci Semantycznej.