ΣΧΟΛΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ: ΜΙΑ ΟΝΤΟΛΟΓΙΚΗ ΠΡΟΣΕΓΓΙΣΗ

Transcript

1 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΧΟΛΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ: ΜΙΑ ΟΝΤΟΛΟΓΙΚΗ ΠΡΟΣΕΓΓΙΣΗ Διπλωματική Εργασία του ΣΥΝΟΠΙΔΗ ΕΥΡΙΠΙΔΗ (ΑΕΜ: 221) Επιβλέπων Καθηγητής: ΒΑΣΙΛΕΙΑΔΗΣ ΝΙΚΟΛΑΟΣ ΘΕΣΣΑΛΟΝΙΚΗ ΜΑΡΤΙΟΣ 2010

2 2

3 Πρόλογος Η παρούσα εργασία εκπονήθηκε στα πλαίσια του προγράμματος μεταπτυχιακών σπουδών ΠΛΗΡΟΦΟΡΙΚΗ & ΔΙΟΙΚΗΣΗ του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης (Α.Π.Θ) και ο τίτλος της είναι ΣΧΟΛΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ: Μια οντολογική προσέγγιση. Σκοπός της εργασίας είναι η υλοποίηση μιας οντολογίας που να καλύπτει διεξοδικά το πεδίο γνώσης ΣΧΟΛΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ. Η επιστημονική περιοχή που κινείται η εργασία είναι η Διαχείριση Γνώσης και πιο ειδικά η μοντελοποίηση αυτής χρησιμοποιώντας το διαθέσιμο λογισμικό PROTÉGÉ για την υλοποίησή της. Ξεκινώντας με μια διεξοδική αναφορά στις τεχνολογίες και τους ορισμούς που εμπλέκονται όσον αφορά τον Σημασιολογικό Ιστό και την ανάγκη ύπαρξης τεχνολογιών ειδικών για την αναζήτηση πληροφοριών στον Παγκόσμιο Ιστό με βάση ένα κοινό λεξικό αποδεκτό και από τους χρήστες και από τους υπολογιστές καταλήγουμε στις γλώσσες προγραμματισμού τέτοιων εφαρμογών καθώς και σε εργαλεία που θα χρειαστούμε για να μοντελοποιήσουμε και να περιγράψουμε την γνώση που εμπλέκεται σε κάποιο πεδίο γνώσης γενικού ή ειδικού ενδιαφέροντος. Έτσι θα φτάσουμε στις οντολογίες και το ρόλο που θα διαδραματίσουν στην διαδικασία αυτή. Επιλέγοντας ως θεματικό πεδίο τις σχολές πληροφορικής και με βασικό άξονα της εργασίας την μοντελοποίηση της γνώσης γύρω από το θέμα θα χρησιμοποιήσουμε το PROTÉGÉ ως εργαλείο υλοποίησης της οντολογία μας. Τέλος θα προταθεί μια εφαρμογή λογισμικού η οποία θα κάνει χρήση της οντολογίας αυτής αξιοποιώντας όσο το δυνατόν καλύτερα την γνώση που θα περιλαμβάνει η οντολογία. Θεωρώ απαραίτητο εδώ να ευχαριστήσω τον κύριο Βασιλειάδη για την εμπιστοσύνη που έδειξε στο πρόσωπό μου με την ανάθεση της παρούσας εργασίας και την γενικότερη συνεισφορά του στην υλοποίηση της εργασίας καθώς επίσης και τον κύριο Κοντόπουλο για τις εύστοχες και πολύ χρήσιμες παρεμβάσεις και συμβουλές που έκαναν την παρούσα εργασία πραγματικότητα. Τέλος να ευχαριστήσω την γυναίκα μου για την υ- πομονή της όσον αφορά τη συνεχή μου ενασχόληση με την εργασία. Συνοπίδης Ευριπίδης 5/04/2010 3

4 Περιεχόμενα Πρόλογος Περιεχόμενα Εισαγωγή Επιστημονικό Υπόβαθρο Σημασιολογικός Ιστός (Semantic Web) Προβλήματα του Παγκόσμιου Ιστού Από τον σημερινό Παγκόσμιο Ιστό στον Σημασιολογικό Ιστό Τα συστατικά του Σημασιολογικού Ιστού H γλώσσα της στρώσης Η Υποδομή Εφαρμογές Παραδείγματα Σημασιολογικός Ιστός: Μια Στρωματοποιημένη Προσέγγιση Περιγράφοντας Διαδικτυακούς Πόρους (RDF) Σημασιολογικός Ιστός: Τεχνολογία εν Εξελίξει Οντολογίες (Ontologies) Εισαγωγή Τι είναι οντολογία; Γιατί οντολογίες; Τεχνολογία Οντολογιών Τεχνολογία Οντολογιών Εισαγωγή Τι είναι Τεχνολογία Οντολογιών Σκοπός της Τεχνολογίας Οντολογιών Ποιοι είναι οι ρόλοι μιας οντολογίας; Τύποι οντολογιών Ανώτερη Οντολογία Οντολογία Στόχος & Οντολογία Περιοχής Παραδείγματα Οντολογιών Σχεδιασμός μιας οντολογίας Μεθοδολογία σχεδιασμού μιας οντολογίας Εργαλεία Ανάπτυξης Java & JavaServerPages(JSP) Γλώσσα Σημασιολογικού Ιστού OWL Το PROTÉGÉ Πλαίσιο Εργασίας Jena Μοντελοποίηση & Λειτουργικές Προδιαγραφές Εφαρμογής Μοντελοποίηση Λειτουργικές προδιαγραφές εφαρμογής Κατάσταση Διαχειριστή (Administration mode) Κατάσταση Χρήστη (User mode) Επίλογος Συμπεράσματα Βιβλιογραφική Επισκόπηση

5 5

6 1. Εισαγωγή Αντικειμενικός σκοπός της παρούσας διπλωματικής εργασίας είναι η υλοποίηση μιας εφαρμογής η οποία θα αναζητά πληροφορίες σχετικά με σχολές πληροφορικής σε επίπεδο Σημασιολογικού Ιστού. Δηλαδή κάνοντας χρήση μιας οντολογίας σχετικής με το θεματικό πεδίο φροντιστήρια πληροφορικής θα δίνει τη δυνατότητα στον χρήστη μέσω μιας φόρμας να καταχωρεί στοιχεία και να αναζητά πληροφορίες με βάση την σημασιολογική πλευρά των όρων και όχι την χρήση απλών λέξεων με δυνατότητα άσχετων προς το θεματικό πεδίο ανακλήσεων. Στο δεύτερο κεφάλαιο γίνεται μια αναλυτική περιγραφή των όρων και ορισμών που εμπλέκονται στην διπλωματική. Αναλύονται όροι όπως Σημασιολογικός Ιστός, διαδικτυακοί πόροι και πως μοντελοποιούνται, οντολογίες ποια είναι η χρήση τους ο σκοπός του και τον ρόλο που διαδραματίζουν στον Σημασιολογικό Ιστό καθώς και μια εμπεριστατωμένη παρουσίαση παραδειγμάτων οντολογιών που υπάρχουν σήμερα. Το τρίτο κεφάλαιο αναλύει τον ρόλο και τον σκοπό της Τεχνολογίας Οντολογιών καθώς επίσης και τα βήματα που πρέπει να ακολουθήσουμε για την σχεδίαση μιας οντολογίας. Ακολουθεί μια αναλυτική περιγραφή των εργαλείων που θα χρησιμοποιηθούν για την ανάπτυξη της εφαρμογής. Δίνονται πληροφορίες σχετικά με τις δυνατότητες του προγράμματος σύνταξης οντολογιών PROTÉGÉ, καθώς επίσης και της σημασίας του πλαισίου εργασίας JENA το οποίο χρησιμοποιείται ως η διεπαφή σύνδεσης της εφαρμογής που θα υλοποιηθεί και της οντολογίας που θα εξαχθεί από το PROTÉGÉ. Τέλος αναφορά γίνεται και στην γνωστή σε όλους γλώσσα προγραμματισμού JAVA και την τεχνολογία ανάπτυξης διαδικτυακών εφαρμογών JSP. Το πέμπτο κεφάλαιο ξεκινάει με την παρουσίαση της μοντελοποίησης της οντολογίας μας στο PROTÉGÉ. Ακολουθεί η υλοποίηση - προγραμματισμός της κύριας εφαρμογής της διπλωματικής εργασίας και ολοκληρώνεται με την εκτέλεση τεστάρισμα της. Τέλος στο τελευταίο κεφάλαιο γίνεται μια ανασκόπηση του όλου εγχειρήματος εξάγοντας γενικά συμπεράσματα από την εφαρμογή καθώς επίσης και τα προβλήματα που προέκυψαν κατά την διάρκεια υλοποίησης. 6

7 2. Επιστημονικό Υπόβαθρο Η παρούσα εργασία διαπραγματεύεται δύο πολύ βασικές έννοιες. Τον Σημασιολογικό Ιστό και τις οντολογίες. Σκοπός του κεφαλαίου είναι η σαφής επεξήγηση και η γνωστοποίηση των παραπάνω εννοιών. Θα παρουσιαστούν βασικοί ορισμοί και ορολογίες που συγκαταλέγονται σε θεματικές ενότητες, όπως τι οδήγησε στον Σημασιολογικό Ιστό και στην τεχνολογία ανάπτυξης εφαρμογών που βασίζονται σε αυτόν καθώς και η ερμηνεία των οντολογιών και την τεχνολογία πίσω από αυτές. 2.1 Σημασιολογικός Ιστός (Semantic Web) Από τις αρχές του 19 ου αιώνα ο Παγκόσμιος Ιστός έκανε μια μεγάλη διαδρομή ξεπερνώντας κάθε φαντασία. Σίγουρα πρόκειται για μια αδιαμφισβήτητη επιτυχία. Σήμερα ο Παγκόσμιος Ιστός έχει αλλάξει τον τρόπο με τον οποίο οι άνθρωποι επικοινωνούν μεταξύ τους όπως επίσης και τον τρόπο με τον οποίο δραστηριοποιούνται οι επιχειρήσεις[1]. Βασικά αποτελεί την καρδιά της επανάστασης η οποία μεταλλάσσει τον ανεπτυγμένο κόσμο σε μια οικονομία βασισμένη στην γνώση και ειδικότερα σε μια κοινωνία της γνώσης[2]. Αυτή η ανάπτυξη άλλαξε επίσης και τον τρόπο που σκεφτόμαστε για τους υπολογιστές. Αρχικά χρησιμοποιούνταν για τον απλό υπολογισμό μερικών αριθμητικών πράξεων. Αργότερα ο βασικός τους ρόλος ήταν η επεξεργασία πληροφοριών, τυπικές εφαρμογές όπως βάσεων δεδομένων, επεξεργασία κειμένου και παιχνιδιών. Σήμερα αποτελούν τα σημεία εισαγωγής στις λεωφόρους των πληροφοριών. Από την άλλη πλευρά, για να μπορέσουμε να αποκτήσουμε πρόσβαση και να μεταφράσουμε αυτές τις πληροφορίες χρειαζόμαστε την ανθρώπινη παρέμβαση[3]. Το σημερινό περιεχόμενο του Ιστού είναι διαμορφωμένο κατά κύριο λόγο για ανθρώπινη κατανάλωση. Ακόμα και το περιεχόμενο του Ιστού δημιουργείται αυτόματα από βάσεις δεδομένων και παρουσιάζεται χωρίς την αρχική του οργανωσιακή δομή που είναι αποθηκευμένη στις βάσεις αυτές[2]. Τυπικές χρήσεις του Παγκόσμιου Ιστού σήμερα περιλαμβάνουν αναζήτηση και χρήση των πληροφοριών, αναζήτηση και επικοινωνία με άλλους ανθρώπους, ξεφύλλισμα καταλόγων on-line καταστημάτων και την παραγγελιοληψία προϊόντων μέσω της συμπλήρωσης μιας φόρμας. Όλες αυτές οι δραστηριότητες δεν υποστηρίζονται επαρκώς από τα κατάλληλα εργαλεία λογισμικού[2]. 7

8 Το απλό πλαίσιο εργασίας που προσφέρει το πρωτόκολλο HTTP για επικοινωνία και ένα σύνολο εγγράφων με ειδική μορφή, τα οποία συνολικά ονομάζονται HTML συνεχίζουν να διαμορφώνουν τον πυρήνα του Παγκόσμιο Ιστού[1]. Η βασική αξία του Ιστού είναι η παγκοσμιότητα. Η δύναμη των υπερσυνδέσμων βάσει της οποίας οτιδήποτε μπορεί να συνδεθεί με οτιδήποτε. Αλλά η βασική του αξία έχει να κάνει περισσότερο με τις δυνατότητες που παρέχουν οι μηχανές αναζήτησης. Μηχανές αναζήτησης, οι ο- ποίες βασίζονται σε λέξεις κλειδιά όπως το Google και το Yahoo αποτελούν τα βασικά εργαλεία του Ιστού όπως είναι σήμερα. Είναι επομένως ξεκάθαρο ότι ένα μέρος της ε- πιτυχίας του Παγκόσμιου Ιστού είναι αυτές οι μηχανές αναζήτησης Προβλήματα του Παγκόσμιου Ιστού Ο Παγκόσμιος Ιστός αναπτύχθηκε ως μια μεγάλη συλλογή εγγράφων και πόρων προσαρμοσμένων για ανθρώπινη κατανάλωση. Οι περισσότεροι χρήστες χρησιμοποιούν ετικέτες HTML μόνο σαν τρόπο διαμόρφωσης και όχι για να αναγνωρίζουν τύπους περιεχομένου. Ουσιαστικά γίνεται σχεδόν απίθανο να αναγνωριστεί η εμφάνιση ενός ό- ρου αναζήτησης π.χ. Semantic Web σε κάποιο έγγραφο το οποίο να αποτελεί αναφορά ή ένδειξη του περιεχομένου του συγκεκριμένου εγγράφου και όχι απλά η εμφάνισή του στον τίτλο ή στην περιγραφή του[1]. Ουσιαστικά χρειάζονται εξελιγμένες τεχνολογίες ανάλυσης περιεχομένου για να αναγνωριστεί το περιεχόμενο και οι προθέσεις του χρήστη όταν χρησιμοποιεί τον συγκεκριμένο όρο. Αν τώρα κάνουμε το παραπάνω σενάριο λίγο πιο περίπλοκο υπάρχουν θέματα συνωνύμων, όχι σταθερών φράσεων που πρέπει να ληφθούν υπόψη. Συμπερασματικά λοιπόν οι τυφλές αναζητήσεις όρων έχουν πλέον εξαντλήσει τα όριά τους(εικόνα 1). 8

9 Εικόνα 1 Το σήμερα και το αύριο του Ιστού Γίνεται λοιπόν αντιληπτό, ότι εάν τώρα μιλήσουμε για εφαρμογές ηλεκτρονικού εμπορίου και υπηρεσίες Διαδικτύου γενικότερα το παραπάνω πρόβλημα γίνεται ακόμα πιο σοβαρό. Κάθε site που προσφέρει κάποια υπηρεσία χρησιμοποιεί τις δικές του ορολογίες και γλώσσα για να περιγράψει όσο το δυνατόν καλύτερα την προσφερόμενη υπηρεσία[1] Ένας χρήστης που αναζητά την παραπάνω υπηρεσία θα πρέπει να έχει την ι- κανότητα να αναλύσει και να αναγνωρίσει μια καλή προσφορά εάν όχι την καλύτερη. Αυτό είναι όπως γίνεται αντιληπτό πολύ χρονοβόρο. Αυτό που θα ήθελε ο χρήστης είναι την ύπαρξη ενός ευφυούς πράκτορα ο οποίος θα ανακάλυπτε τα σχετικά με την πληροφορία ιστότοπου, θα ανέλυε τις προσφορές τους και θα πρότεινε πιθανές λύσεις. Με δεδομένο τώρα το παραπάνω παράδειγμα θα έπρεπε κάθε site, πέραν της περιγραφικής του μορφής να ενσωματώνει στις λειτουργίες του και κάποιο βαθμό ευφυούς συμπεριφοράς στο λογισμικό ανάπτυξης που χρησιμοποιεί, δίνοντας έτσι τη δυνατότητα υψηλών βαθμών ανάκλησης της σωστής πληροφορίας. Αυτό σημαίνει ότι θα πρέπει να είναι σε θέση να αναγνωρίσει το ίδιο, μια προσφορά στην οποία περιλαμβάνεται έκπτωση σε μια τιμή καθώς και σε αυτήν που δεν περιλαμβάνεται[1] Καθώς προχωράμε στην επόμενη γενιά ανάπτυξης Web τεχνολογιών, ουσιαστικά μετακινούμαστε από την αναζήτηση βάσει λέξεων στην αναζήτηση που ενσωματώνει ευφυΐα, από την απλή ανάκληση πληροφοριών στην απάντηση σε ερωτήματα, παραμετροποιημένη όψη των εγγράφων, εύκολη και μεγάλης έκτασης ανταλλαγή εγγράφων i. Η πληροφορία που θέλουμε μπορεί να είναι διάσπαρτη σε περισσότερα από ένα έγγραφα. Χρειαζόμαστε μηχανισμούς οι οποίοι θα μπορούν να τραβήξουν αυτές τις πληροφορί- 9

10 ες και να μας δώσουν μια άμεση απάντηση από το να αναζητούμε και να διαβάζουμε αυτές τις πληροφορίες μόνοι μας. Αυτό απαιτεί η πληροφορία να είναι μηχανικά προσπελάσιμη, αν όχι μηχανικά κατανοητή. Το όραμα όπως το συνέλαβε και πρότεινε ο Tim Berners-Lee[4] είναι η εξέλιξη του παρόντος Ιστού σε έναν Ιστό όπου πληροφορίες και υπηρεσίες είναι κατανοητές και εύχρηστες από υπολογιστές όπως επίσης και από ανθρώπους, δηλαδή η δημιουργία ενός Ιστού για μηχανές [3]. Η αυτόματη επεξεργασία του περιεχομένου του Ιστού κατά βάση έχει να κάνει με την συσχέτιση μηχανικά επεξεργαζόμενης σημασιολογίας και πόρων του Ιστού ως μεταδεδομένα έτσι ώστε να μπορούν να διερμηνευτούν και να συνδυαστούν. Παρακάτω παρατίθεται μια λίστα από τα προβλήματα που προκύπτουν από την χρήση των σημερινών μηχανών αναζήτησης[2]: Υψηλή ανάκληση, χαμηλή ακρίβεια. Ακόμα και αν οι σωστές σελίδες έχουν α- νακληθεί είναι χαμηλής χρησιμότητας γιατί ανακαλούνται και μερικές ακόμα εκατοντάδες σελίδες με μικρότερη σχετικότητα με το θέμα της αναζήτησης. Χαμηλή ή και καθόλου ανάκληση. Συμβαίνει συχνά ακόμα και σήμερα αν και ανάπτυξη των μηχανών αναζήτησης είναι μεγάλη να ανακαλούνται λίγες ή και καθόλου σχετικές σελίδες. Τα αποτελέσματα είναι πολύ ευαίσθητα σε θέματα λεξιλογίου. Κάθε ιστοσελίδα αναφέρεται στον ίδιο όρο με διαφορετικό τρόπο. Τα αποτελέσματα είναι απλές ιστοσελίδες. Εάν χρειαζόμαστε πληροφορίες που είναι διάσπαρτες σε πολλές ιστοσελίδες θα πρέπει η ανάλυση και η σύνθεση της επιθυμητής πληροφορίας να γίνει από τον χρήστη Από τον σημερινό Παγκόσμιο Ιστό στον Σημασιολογικό Ιστό Τι σημαίνει όμως η προσθήκη σημασιολογικών πληροφοριών στο περιεχόμενο; Οι σημερινές ιστοσελίδες περιέχουν πολύ λίγες πληροφορίες κατανοητές από κάποιον υπολογιστή σχετικά με το περιεχόμενο και τις προδιαγραφές κάποιου όρου αναζήτησης. Ακόμα και για τον χρήστη θα χρειαστεί να καταναλωθεί χρόνος για να διαβαστούν τμήματα των εγγράφων για να κατανοηθεί η πληροφορία. Έτσι όταν γίνεται αναζήτηση βάση κάποιας λέξης κλειδί μόνο η λέξη ως λέξη αυτό κάθε αυτό γίνεται αντικείμενο 10

11 αναζήτησης. Επίσης κάποιος όρος που υπάρχει σε κάθε έγγραφο που αναζητήθηκε αντιμετωπίζεται το ίδιο ακόμα και εάν αναφέρεται σε παρόμοιο ή και διαφορετικό θέμα. Κατά βάση αυτό που συμβαίνει είναι ότι περνάμε από τις συντακτικά συνδεδεμένες ιστοσελίδες στο Σημασιολογικό Ιστό όπου οι σελίδες είναι σχετικές μεταξύ τους οι οποίες προφανώς αναφέρονται στο ίδιο θέμα, προσφέροντας παρόμοιες υπηρεσίες[1]. Όμως στην πραγματικότητα, αυτό προτρέπει τους χρήστες να διαλέξουν σχετικές πληροφορίες από διαφορετικά site και, συνθέτοντας τες, να προκύψουν συγκεκριμένες προδιαγραφές. Ανεξάρτητα συστατικά του Ιστού ενεργοποιούνται ταυτόχρονα για να επιλύσουν το πρόβλημα. Ο συνδυασμός και η επίβλεψη αυτών των συστατικών για να επιλύσουν κάποιο πρόβλημα θα εκτελούνται από πρακτορικό λογισμικό και όχι από ανθρώπους. Για να μπορέσουμε να ενεργοποιήσουμε τέτοιου είδους πληροφορίες για να μπορούν να διαμοιραστούν όχι μόνο σε ανθρώπους αλλά και από πληροφοριακά συστήματα χρειαζόμαστε πλαίσια εργασίας και αποδοχές. Κάποια από τα πλαίσια εργασίας που θα χρησιμοποιηθούν στην παρούσα εργασία θα αναλυθούν εκτενέστερα παρακάτω Τα συστατικά του Σημασιολογικού Ιστού Ο Σημασιολογικός Ιστός δεν αντικαθιστά τον Παγκόσμιο Ιστό. Βρίσκεται πάνω από αυτόν σαν μια περιγραφική στρώση(layer)[3]. Διαμορφώνεται έτσι ένα περιβάλλον ή καλύτερα μια πλατφόρμα που περιλαμβάνει μηχανές αναζήτησης, ειδικές εφαρμογές σύνθεσης πληροφοριών και τελικά ευφυείς πράκτορες. Ο Σημασιολογικός Ιστός έχει μεγάλες απαιτήσεις όσον αφορά τους υπολογιστές και τα πληροφοριακά συστήματα γενικότερα, στη διαχείριση δεδομένων και γνώσης καθώς και την συμβολή της Τεχνητής Νοημοσύνης. Οι βασικές προσπάθειες επικεντρώνονται σε τρεις περιοχές[5]: Διευκρινίζοντας τις γλώσσες οι οποίες θα διαμορφώσουν το layer του Σημασιολογικού Ιστού Διευκρινίζοντας και αναπτύσσοντας τα αρχιτεκτονικά συστατικά και εργαλεία που θα διαμορφώσουν την υποδομή του Σημασιολογικού Ιστού Προτυποποίηση εφαρμογών που χρησιμοποιούν τις γλώσσες, τα συστατικά καθώς επίσης και τον καθορισμό του απαραίτητου περιεχομένου. 11

12 Όλες αυτές οι περιοχές αναπτύσσονται παράλληλα αν και είναι και ανεξάρτητες μεταξύ τους. Συμπερασματικά λοιπόν η ανάπτυξη τους αποτελεί χρόνια έρευνας και δραστηριοτήτων που έχει αναλάβει η World Wide Web Consortium (W3C) H γλώσσα της στρώσης Τα πρώτα βήματα έγιναν όσον αφορά τον καθορισμό των απαραίτητων γλωσσών για να περιγράψουν τα μεταδεδομένα και τη γνώση, συστατικά(εικόνα 2) τα οποία θα διαμορφώσουν την στρώση του σημασιολογικού Ιστού. Εικόνα 2 Παράδειγμα του τρόπου λειτουργίας του Σημασιολογικού Ιστού 12

13 Η γλώσσα DAPRA Agent Markup Language(DAML)[3] αρχικά και η EU On-toWeb Thematic Network[3] θεωρούνται ότι έθεσαν τα θεμέλια. Αυτές οι προσπάθειες ανάδειξης των γλωσσών αυτών δημιούργησαν το (W3C). Οι γλώσσες Σημασιολογικού Ιστού είναι χτισμένες πάνω σε αυτές που υπάρχουν ήδη στον Παγκόσμιο Ιστό(Εικόνα 3). URIs και namespaces παρέχουν ό,τι χρειάζεται για την αναγνώριση των πόρων. Η XML παρέχει τη σύνταξη που χρειάζεται για δηλώσεις αναγνωρίσιμες από Η/Υ. Όλες οι υπόλοιπες γλώσσες είναι κωδικοποιημένες κάνοντας χρήση της XML. Μια συνήθης παρανόηση για την XML είναι ότι χρησιμοποιεί ετικέτες που συμπεριλαμβάνουν συγκεκριμένη σημασιολογία. Σαφώς και δεν τίθεται τέτοια περίπτωση απλά η XML περιλαμβάνει ετικέτες μεταφράσιμες από εφαρμογές ή από οτιδήποτε επιθυμεί ο χρήστης να σημαίνει. Η οικογένεια γλωσσών Resource Description Framework (RDF) παρέχει ένα μοντέλο δεδομένων για τη συνένωση δηλώσεων μεταδεδομένων με επισήμανση στους διαδικτυακούς πόρους χωρίς να χρειάζεται να υφίσταται δικαίωμα εγγραφής σε αυτές. Εκτενέστερη ανάλυση της RDF υπάρχει παρακάτω. Τέλος οι οντολογίες παρέχουν ένα λεξιλόγιο όρων που χρησιμοποιείται από τα μεταδεδομένα για να μπορέσουν οι εφαρμογές και οι άνθρωποι να μοιράζονται μια κοινή γλώσσα έτσι ώστε να υπάρχει μια κοινή κατανόηση όρων(σημασιολογία). Δηλαδή οι οντολογίες διαμορφώνουν ένα διαμοιραζόμενο μοντέλο γνώσης. Και για τις οντολογίες υπάρχει συγκεκριμένο κεφάλαιο με πλήρη ανάλυση των χαρακτηριστικών και δυνατοτήτων τους. Γλώσσες που καθορίζουν οντολογίες είναι: η RDFSchema, DAML+OIL, και η OWL. Λογικά αξιώματα στις γλώσσες DAML+OIL και στην OWL υποστηρίζουν μηχανισμούς εξαγωγής νέων μεταδεδομένων και καινούργιας γνώσης. Επίσης άλλες γλώσσες σημασιολογικού Ιστού όπως η RuleML υποστηρίζουν άλλες μορφές λογικής επαγωγής Η Υποδομή Τα ελάχιστα συστατικά για την υποδομή του σημασιολογικού ιστού περιλαμβάνουν μηχανισμούς επισήμανσεις, αποθήκες για επισημάνσεις, οντολογίες με σχετικούς μηχανισμούς ερωτημάτων και διαχείρισης κύκλου ζωής λογισμικού καθώς και μηχανές εξαγωγής αποτελεσμάτων οι οποίες να εργάζονται αξιόπιστα και με αποτελεσματικότητα. Επίσης πρέπει να καθοριστούν και να υλοποιηθούν γλώσσες με δυνατότητα ερωταπαντήσεων σε RDF annotation [4]. Τέλος χρειαζόμαστε εργαλεία για ανάκτηση μεταδεδο- 13

14 μένων και οντολογιών (αυτόματα και χειροκίνητα), περιγραφικές δυνατότητες για πόρους με μεταδεδομένα καθώς επίσης δυνατότητες ασφάλειας και αναβάθμισης των δεδομένων μας. Θα πρέπει να αναπτυχθούν μέθοδοι για να καταφέρουμε κλιμάκωση και ευρωστία του όλου συστήματος Εφαρμογές Παραδείγματα Η συσχέτιση απλών μεταδεδομένων με ένα διαδικτυακό πόρο με απλές ερωταπαντήσεις σχετικές με αυτά τα μεταδεδομένα θα δώσει μικρή αλλά όχι ασήμαντη βελτίωση στην ενοποίηση δεδομένων. Περισσότερο φιλόδοξες ιδέες για τον Σημασιολογικό Ιστό προτείνουν ένα περιβάλλον εργασίας στο οποίο τα πρακτορικά συστήματα λογισμικού θα μπορούν να κάνουν δυναμικές αναζητήσεις, να εργάζονται με πόρους, να σχεδιάσουν ένα εικονικό περιβάλλον επίλυσης προβλημάτων, να ανακαλύπτουν νέα γεγονότα και να εκτελούν εξεζητημένες λειτουργίες για λογαριασμό του ανθρώπου[3]. Αυτή η επανάσταση θα συμβεί μόνο όταν η εξέλιξη του ιστού φτάσει σε κρίσιμα από πλευράς συμμετοχής σημεία όπως και στην περίπτωση του Παγκόσμιου Ιστού. Τρεις είναι οι βασικές περιοχές εφαρμογών με την μεγαλύτερη ανάπτυξη αυτή τη στιγμή: η διαχείριση γνώσης, οι διαδικτυακές υπηρεσίες και το ηλεκτρονικό εμπόριο. Διαδικτυακές Yπηρεσίες (Web Services) Στην περίπτωση των διαδικτυακών υπηρεσιών, πρόκειται για προγράμματα και συσκευές προσβάσιμα μέσω Web, η τελευταία γενιά των κατανεμημένων συστημάτων τα οποία θα μετατρέψουν τον Ιστό από μια συλλογή πληροφοριών σε μια κατανεμημένη συσκευή υπολογισμών[3]. Οι διαδικτυακές υπηρεσίες και ο Σημασιολογικός Ιστός έχουν μια συμβιωτική σχέση μεταξύ τους. Η υποδομή του σημασιολογικού ιστού και των οντολογιών του, οι επισημάνσεις μεταδεδομένων, οι μηχανές λογικής θα παραδίδονται και θα εφαρμόζονται ως διαδικτυακές υπηρεσίες. Από την άλλη οι διαδικτυακές υπηρεσίες χρειάζονται σημασιολογικά προσανατολισμένες περιγραφές για ανακάλυψη, διαπραγμάτευση και σύνθεση πληροφοριών[4]. 14

15 Διαχείριση Γνώσης (Knowledge Management) Η διαχείριση γνώσης ασχολείται με τη σύλληψη, πρόσβαση και συντήρηση της γνώσης μέσα σε κάποιον οργανισμό. Έχει αποδειχθεί ως μια δραστηριότητα κλειδί μεγάλων επιχειρήσεων οι οποίες αναγνωρίζουν τη γνώση ως περιουσιακό στοιχείο από το οποίο μπορούν να αντλήσουν μεγαλύτερη παραγωγικότητα, να δημιουργήσουν καινούργιες αξίες και να αυξήσουν το ανταγωνιστικό τους πλεονέκτημα[3]. Οι περισσότερες πληροφορίες είναι διαθέσιμες σε διαφορετικές μορφές όπως κείμενο, ήχος και βίντεο. Από την πλευρά της διαχείρισης γνώσης η σημερινή τεχνολογία πάσχει από περιορισμούς στις παρακάτω περιοχές: Αναζήτηση πληροφοριών. Οι εταιρείες συνήθως βασίζονται σε μηχανές αναζήτησης βασισμένες σε λέξεις κλειδιά. Εξαγωγή πληροφοριών. Ανθρωποώρες και μεγάλη προσπάθεια απαιτούνται για το ξεφύλλισμα των ανακληθέντων πληροφοριών σχετικών με κάποιο θέμα. Συντήρηση πληροφοριών. Προφανώς υπάρχουν προβλήματα ασυνέπειας στην σχετική ορολογία και αποτυχία απομάκρυνσης πληροφοριών που δεν είναι α- ναβαθμισμένες. Ανακάλυψη πληροφοριών. Νέα γνώση υπάρχει στις βάσεις δεδομένων μιας εταιρείας η οποία εξάγεται με την χρήση εξόρυξης δεδομένων. Αλλά σε αυτήν την περίπτωση υπάρχει μια δυσκολία στην κατανομή αυτής της γνώσης. Όψεις πληροφοριών. Συνήθως είναι επιθυμητό να τεθούν περιορισμένες δυνατότητες πρόσβασης σε πληροφορίες σε συγκεκριμένο σύνολο εργαζομένων. Οι όψεις οι οποίες αποκρύπτουν κάποιες πληροφορίες είναι γνωστές από την περιοχή των βάσεων δεδομένων αλλά είναι πολύ δύσκολο να γίνουν αντιληπτές μέσω του intranet της επιχείρησης (ή μέσου του διαδικτύου). Σκοπός του Σημασιολογικού Ιστού είναι να επιτρέπει τη δημιουργία πιο εξελιγμένων συστημάτων διαχείρισης γνώσης: Η γνώση θα οργανώνεται σε εννοιολογικές περιοχές βάση της σημασίας τους. Ειδικά εργαλεία θα υποστηρίζουν την συντήρηση της γνώσης καθώς και την απομάκρυνση ασυνεπειών με σκοπό την εξαγωγή νέας γνώσης. 15

16 Αναζητήσεις προσανατολισμένες σε λέξεις-κλειδιά θα αντικατασταθούν με ένα σύστημα ερωταπαντήσεων: η αναζητήσιμη πληροφορία θα ανακαλείται, εξάγεται και παρουσιάζεται στον χρήστη σε φιλική προς τον άνθρωπο μορφή. Θα υποστηρίζονται ερωταπαντήσεις πάνω σε ένα σύνολο διαφορετικών εγγράφων. Καθορισμός ποιος και ποιο τμήμα της πληροφορίας θα έχει την δυνατότητα να βλέπει και να έχει πρόσβαση ο χρήστης. Ηλεκτρονικό Εμπόριο (E-Commerce) Το ηλεκτρονικό εμπόριο αποτελεί την πρωταρχική εμπορική εμπειρία των χρηστών του ιστού. Το πιο τυπικό σενάριο περιλαμβάνει την επίσκεψη ενός χρήστη σε κάποιο ηλεκτρονικό κατάστημα, ξεφύλλισμα των προσφορών τους, επιλογή και παραγγελιά προϊόντων. Βάσει του παραπάνω σεναρίου ο χρήστης συλλέγει πληροφορίες σχετικά με τις τιμές, τους όρους και τις συνθήκες από όλα ή τουλάχιστον τα μεγαλύτερα on-line καταστήματα και μετά την επισκόπηση όλων των πληροφοριών επιλέγει την καλύτερη προσφορά. Αλλά η συλλογή αυτών των πληροφοριών αποτελεί μια χρονοβόρα διαδικασία για να εκτελεστεί στο σύνολό της. Τυπικά δηλαδή ο χρήστης θα χρειαστεί να επισκεφθεί ένα ή τουλάχιστον κάποια on-line καταστήματα για να πάρει κάποια απόφαση[4]. Για να εξισορροπηθεί η κατάσταση, υπάρχουν εργαλεία υπό την μορφή πρακτορικών λογισμικών τα οποία μπορούν να εξάγουν προϊόντα, πληροφορίες τιμών και γενικότερα πληροφορίες σχετικές με την κατάσταση της αγοράς. Η λειτουργικότητά τους παρέχεται από ειδικά προγράμματα που ονομάζονται wrappers[3] και αντικειμενικός τους σκοπός είναι η εξαγωγή πληροφοριών από κάποιο διαδικτυακό κατάστημα. Αλλά και πάλι το πρόβλημα που υπάρχει είναι ότι πρέπει να υπάρχει ένα πρόγραμμα wrapper σε κάθε on-line κατάστημα. Λύση δηλαδή με πολλά προβλήματα. Ο Σημασιολογικός Ιστός θα επιτρέπει την ανάπτυξη πρακτόρων λογισμικού που θα μπορούν να ερμηνεύσουν τις πληροφορίες των προϊόντων και τους όρους των προσφερόμενων υπηρεσιών: Πληροφορίες για προϊόντα και τιμές θα εξάγονται σωστά καθώς επίσης οι όροι παράδοσης και άλλες σημαντικές πληροφορίες θα ερμηνεύονται και θα συγκρίνονται με τις απαιτήσεις του χρήστη. 16

17 Πρόσθετες πληροφορίες θα μπορούν να εξαχθούν για την φήμη του on-line καταστήματος από άλλες πηγές π.χ. από ανεξάρτητα πρακτορεία που ανήκουν σε υπηρεσίες καταναλωτών. Ο χαμηλού επιπέδου προγραμματισμός των wrappers θα μετατραπεί σε απαραίτητη προϋπόθεση Σημασιολογικός Ιστός: Μια Στρωματοποιημένη Προσέγγιση Η ανάπτυξη του σημασιολογικού ιστού προχωράει με βήματα, κάθε βήμα προσθέτει ένα επίπεδο πάνω από το άλλο. Η πραγματική επεξήγηση αυτής της προσέγγισης είναι ότι είναι ευκολότερο να επιτύχεις καλύτερα αποτελέσματα με μικρά βήματα ενώ είναι πολύ δύσκολο να συνδέσεις όλα αυτά τα επίπεδα μαζί ταυτόχρονα[3]. Συνήθως υπάρχουν πολλά ερευνητικά γκρουπ τα οποία κινούνται σε διαφορετικές κατευθύνσεις. Αυτός ο συναγωνισμός ιδεών αποτελεί την κινητήρια δύναμη για την επιστημονική ανάπτυξη. Αν όμως το δούμε από την πλευρά ενός μηχανικού θα πρέπει η όλη διαδικασία να προτοτυποποιηθεί. Η φύση του σημασιολογικού ιστού είναι τέτοια που δίνει την δυνατότητα σε επιχειρήσεις και χρήστες να αναπτύξουν εργαλεία, να προσθέσουν περιεχόμενο, και να χρησιμοποιήσουν αυτό το περιεχόμενο. Είναι σαφές ότι δεν μπορούμε να περιμένουμε άλλα 10 χρόνια για την πλήρη ανάπτυξη της ιδέας του σημασιολογικού ιστού[4]. Για να μπορέσουμε να αναπτύξουμε τον σημασιολογικό ιστό χρησιμοποιώντας επίπεδα το ένα πάνω στο άλλο δύο βασικές αρχές θα πρέπει να ακολουθηθούν[6]: Από κάτω προς τα πάνω συμβατότητα: Πράκτορες που αναγνωρίζουν κάποιο ε- πίπεδο θα πρέπει να ερμηνεύουν και να χρησιμοποιούν πληροφορίες γραμμένες για τα κατώτερα επίπεδα. Για παράδειγμα ένας πράκτορας που καταλαβαίνει την σημασιολογία της OWL θα πρέπει να είναι σε θέση να καταλάβει πλήρως τα πλεονεκτήματα που έχουν οι πληροφορίες που είναι γραμμένες σε RDF (θα αναλυθεί εκτενέστερα παρακάτω) και την RDF Schema. Από πάνω προς τα κάτω μερική κατανόηση. Η σχεδίαση θα πρέπει να είναι τέτοια έτσι ώστε ένας πράκτορας κάποιου επιπέδου θα μπορεί να κατανοήσει τουλάχιστον μερικώς τα πλεονεκτήματα στα ανώτερα επίπεδα. Για παράδειγμα, ένας πράκτορας που κατανοεί μόνο την σημασιολογία της RDF και RDF Schema θα πρέπει να ερμηνεύει μερικώς την γνώση που είναι γραμμένη σε 17

18 OWL, παραλείποντας εκείνα τα στοιχεία τα οποία ξεπερνούν την RDF και RDF Schema. Ενώ αυτές οι ιδέες είναι θεωρητικά εφαρμόσιμες και έχουν χρησιμοποιηθεί κατά καιρούς ως βασικές οδηγίες για την ανάπτυξη του σημασιολογικού ιστού, στη πραγματικότητα αποδείχθηκαν πολύ δύσκολα στην υλοποίησή τους - έπρεπε να γίνουν μερικές α- ποδοχές. Η εικόνα 3 παρακάτω απεικονίζει τα βασικά επίπεδα του σημασιολογικού ιστού[4] (όπως καταγράφηκαν από τον Tim-Berners Lee). Εικόνα 3 Η στρωματοποιημένη προσέγγιση του Σημασιολογικού Ιστού Στο κάτω μέρος βρίσκουμε την XML, μια γλώσσα με την χρήση της οποίας μπορούμε να γράψουμε δομημένα δικτυακά έγγραφα με καθορισμένο λεξιλόγιο από τον χρήστη. Η XML είναι αρκετά χρήσιμη για την αποστολή εγγράφων στο διαδίκτυο. Η RDF παρέχει ένα βασικό μοντέλο δεδομένων για την συγγραφή απλών προτάσεων σχετικά με πόρους του Web. Το μοντέλο RDF δε βρίσκεται πάνω στο επίπεδο της XML αλλά έχει ένα συντακτικό βασισμένο σε XML. Η RDF Schema παρέχει μια μοντελοποίηση για την οργάνωση των Web αντικειμένων σε ιεραρχίες. Τα βασικά της συστατικά είναι οι κλάσεις, οι ιδιότητες, οι υποκλάσεις και σχέσεις μεταξύ των ιδιοτήτων καθώς επίσης θεματικούς περιορισμούς και περιορισμούς πεδίου τιμών. Η RDF Schema αποτελεί μια γλώσσα με αρκετούς περιορισμούς όσον αφορά την συγγραφή οντολογιών. Πράγμα που σημαίνει ότι χρειαζόμαστε την ύπαρξη 18

19 ισχυρότερων γλωσσών οντολογιών για την περίπτωση που θέλουμε να περιγράψουμε πιο πολύπλοκες σχέσεις μεταξύ αντικειμένων του ιστού. Το επίπεδο της Λογικής(Logic) χρησιμοποιείται για την επέκταση της γλώσσας οντολογιών επιτρέποντας έτσι τη δημιουργία συγκεκριμένης δηλωτικής γνώσης[7]. Το επίπεδο της Απόδειξης (Proof) περιλαμβάνει την πραγματικά εκτελέσιμη επαγωγική διαδικασία καθώς επίσης την αναπαράσταση των αποδείξεων στις γλώσσες διαδικτύου και την εγκυρότητα των αποδείξεων αυτών. Τέλος το επίπεδο Εμπιστοσύνης (Trust) θα ενεργοποιηθεί μέσω της χρήσης ψηφιακών υπογραφών και άλλων ειδών γνώσης βασισμένης σε προτάσεις από πράκτορες εμπιστοσύνης[8]. Η παραπάνω δομή του σημασιολογικού ιστού αποτελεί ακόμα και σήμερα αντικείμενο συζήτησης. Η εικόνα 4 παρουσιάζει μια εναλλακτική σύσταση[2] του σημασιολογικού ιστού. Εικόνα 4 Μια διαφορετική προσέγγιση του Σημασιολογικού Ιστού Οι βασικές διαφορές συγκρίνοντας τις δύο δομές είναι οι εξής[9]: 19

20 Το επίπεδο των οντολογιών περιλαμβάνει 2 εναλλακτικές: την ήδη υπάρχουσα γλώσσα οντολογιών OWL καθώς επίσης και μια γλώσσα βασισμένη σε γεγονότα. DLP είναι η τομή της OWL και της λογικής του Horn. Η τελική αρχιτεκτονική του σημασιολογικού ιστού βρίσκεται υπό συζήτηση και σαφώς θα χρειαστεί να γίνουν κάποιες βελτιώσεις και τροποποιήσεις στο μέλλον Περιγράφοντας ιαδικτυακούς Πόρους (RDF) Παρακάτω περιγράφουμε μερικά από τα βασικότερα χαρακτηριστικά τις γλώσσας RDF δίνοντας ένα παράδειγμα για την καλύτερη κατανόηση των γραφομένων Εισαγωγή Η XML αποτελεί την παγκόσμια γλώσσα μεταδεδομένων για τον καθορισμό δόμησης. Παρέχει ένα ενιαίο πλαίσιο εργασίας και ένα σύνολο εργαλείων όπως parsers, για την ανταλλαγή δεδομένων και μεταδεδομένων μεταξύ εφαρμογών[10]. Παρόλα αυτά δεν παρέχει σε καμία περίπτωση τη δυνατότητα να συζητάμε για σημασιολογία των δεδομένων. Για να γίνει πιο αντιληπτό το παραπάνω παραθέτουμε ένα παράδειγμα. Ας υποθέσουμε ότι θέλουμε να εκφράσουμε το παρακάτω γεγονός: Nikos Vasiliadis is a lecturer of Knowledge Management Υπάρχουν αρκετοί τρόποι για να εκφράσουμε το παραπάνω ως μια πρόταση στην XML. Τρεις περιπτώσεις παρουσιάζονται παρακάτω: <course name = Knowledge Management > <lecturer>nikos Vasiliadis</lecturer> </course> <lecturer name= Nikos Vasiliadis > <teaches> Knowledge Management </teaches> </lecturer> <teachingoffering> <lecturer>nikos Vasiliadis</lecturer> <course>knowledge Management</course> </teachingoffering> 20

21 Παρατηρούμε λοιπόν ότι οι πρώτες δύο προτάσεις περιλαμβάνουν ουσιαστικά μια αντίστροφη εμφώλευση αν και παρουσιάζουν την ίδια πληροφορία. Συμπεραίνουμε λοιπόν ότι δεν υπάρχει ένας προκαθορισμένος τρόπος για την ανάθεση σημασιολογίας στην εμφώλευση ετικετών. Αν και συχνά ονομάζεται γλώσσα, η RDF (Resource Description Framework) αποτελεί ουσιαστικά ένα μοντέλο δεδομένων[10]. Το βασικό της δομικό στοιχείο είναι μια τριπλέτα που αποτελείται από ένα αντικείμενο, μια ιδιότητα και μια τιμή, η οποία ονομάζεται πρόταση. Η προηγούμενη πρόταση για τον κ. Νίκο Βασιλειάδη αποτελεί μια τέτοια πρόταση. Φυσικά ένα αφηρημένο μοντέλο δεδομένων χρειάζεται μια συμπαγή σύνταξη για να μπορέσει να αναπαρασταθεί και να μεταδοθεί για αυτό και η RDF χρησιμοποιεί μια σύνταξη βασισμένη σε XML[8]. Σαν αποτέλεσμα έχουμε την συμπερίληψη των βασικότερων πλεονεκτημάτων της XML στην σύνταξη των RDF προτάσεων. Η RDF είναι ανεξάρτητη θεματολογίας με την έννοια ότι δεν περιλαμβάνει συμπεράσματα σχετικά με κάποια συγκεκριμένη θεματολογία αλλά είναι στο χέρι του χρήστη να καθορίσει τις ορολογίες που θα χρησιμοποιήσει κάνοντας χρήση μιας γλώσσας που θα παρέχει το κατάλληλο λεξιλόγιο για τέτοιου είδους δηλώσεις. Παράδειγμα τέτοιας γλώσσας αποτελεί η RDF Schema[8]. Συγκεκριμένα με την RDFS μπορούμε δηλώσουμε το λεξιλόγιο, να καθορίσουμε ποια ιδιότητα εφαρμόζεται σε τι είδους αντικείμενα και τι τιμές μπορούν να λάβουν καθώς επίσης να καθορίσουμε τις σχέσεις μεταξύ των αντικειμένων. Ακολουθεί παράδειγμα για την καλύτερη κατανόηση των παραπάνω εννοιών[10]: Lecturer is a subclass of academic staff member Η παραπάνω πρόταση σημαίνει ότι όλοι οι λέκτορες είναι επίσης και μέλη του ακαδημαϊκού προσωπικού. Πρέπει εδώ να τονιστεί ότι η έκφραση is a subclass of έχει ένα ξεχωριστό νόημα. Δεν είναι δουλειά της εφαρμογής να διερμηνεύσει αυτόν τον όρο. Μέσω της διόρθωσης της σημασιολογίας συγκεκριμένων συστατικών η RDF/RDFS μας δίνει τη δυνατότητα να μοντελοποιήσουμε συγκεκριμένα θέματα (οντότητες). Ας υποθέσουμε ότι έχουμε την παρακάτω XML πρόταση: <academicstaffmember> Stratos Kontopoulos </accademicstaffmember> <professor> Ioannis Vlahavas </professor> <course name = Knowledge Management > <istaughtby> Nikos Vasiliadis </istaughtby> 21

22 </course> Ας υποθέσουμε ότι θέλουμε να δούμε όλα τα μέλη του ακαδημαϊκού προσωπικού. Για να υποδείξουμε το μονοπάτι στην Xpath ii θα γράφαμε: //academicstaffmember Το αποτέλεσμα θα ήταν μόνο ο Stratos Kontopoulos. Αν και από την πλευρά της XML αυτό είναι σωστό η απάντηση όμως όσον αφορά τη σημασιολογία της είναι μη ικανοποιητική. Βάσει λογικής θα έπρεπε να εμφανιστούν επίσης και ο κ. Ιωάννης Βλαχάβας και ο κ. Νίκος Βασιλειάδης. Ο λόγος είναι απλός: Όλοι οι καθηγητές είναι μέλη του ακαδημαϊκού προσωπικού(γιατί οι καθηγητές είναι υποκλάση του ακαδημαϊκού προσωπικού) Όλα τα μαθήματα διδάσκονται από μέλη του ακαδημαϊκού προσωπικού RDF - Βασικά στοιχεία Τα βασικά στοιχεία της RDF είναι οι πόροι, οι ιδιότητες και οι προτάσεις(δηλώσεις)[10]. Πόροι Μπορούμε να δούμε τους πόρους ως ένα αντικείμενο που μπορούμε να συζητήσουμε για αυτό. Παραδείγματα πόρων μπορούν να θεωρηθούν εκδότες, βιβλία, συγγραφείς, ξενοδοχεία, δωμάτια κ.λ.π. Κάθε πόρος έχει ένα URI (Uniform Resource Identifier) ένα αναγνωριστικό δηλαδή το οποίο μπορεί να είναι ένα URL(Uniform Resource Locator) ή μια Web διεύθυνση ή ακόμα και κάποιου άλλου είδους μοναδικό αναγνωριστικό. Να σημειώσουμε εδώ ότι ένα αναγνωριστικό δεν είναι απαραίτητο να υποδηλώνει ότι έχουμε πρόσβαση σε αυτό. Τα URI έχουν καθοριστεί όχι μόνο ως τοποθεσίες Web αλλά και για αντικείμενα όπως τηλεφωνικοί αριθμοί, ISBN αριθμοί καθώς επίσης και γεωγραφικές τοποθεσίες[8]. Γενικότερα όμως θα δεχθούμε ότι πρόκειται για τοποθεσίες Ιστού. Ιδιότητες Οι ιδιότητες είναι ειδικού τύπου πόροι. Περιγράφουν σχέσεις μεταξύ πόρων, για παράδειγμα γράφτηκε από, ηλικία, τίτλος κ.λ.π. Οι ιδιότητες στην RDF επίσης αναγνωρίζονται από τα URI s. H ιδέα της χρήσης των URI για να αναγνωρίσουν αντικείμενα 22

23 και των σχέσεων μεταξύ τους είναι πολύ σημαντική. Αυτή η δυνατότητα μας παρέχει έναν παγκόσμιο μοναδικό τρόπο ονοματολογίας δομών. Η χρήση αυτής της δομής μειώνει δραστικά το πρόβλημα της κατανεμημένης αναπαράστασης δεδομένων. Προτάσεις(δηλώσεις) Οι προτάσεις όσον αφορά την δήλωση των ιδιοτήτων των πόρων. Μια πρόταση είναι μια τριπλέτα αντικείμενο ιδιότητα τιμή η οποία περιλαμβάνει ένα πόρο, μια ιδιότητα και μια τιμή. Οι τιμές μπορούν να είναι είτε πόροι είτε αλφαριθμητικά(strings). Παράδειγμα πρότασης(δήλωσης): Νikos Vasiliadis is the owner of the Web page Ο ευκολότερος τρόπος να διερμηνεύσουμε αυτήν την δήλωση είναι η χρήση μιας δήλωσης της παρακάτω μορφής: ( #Nikos Vasiliadis). Μπορούμε να μεταφράσουμε αυτήν την τριπλέτα (x, P, y) ως μια λογική φόρμουλα P(x,y) όπου το δυαδικό κατηγόρημα P συσχετίζει το αντικείμενο x με το αντικείμενο y. Στην πραγματικότητα η RDF προσφέρει αποκλειστικά μόνο δυαδικά κατηγορήματα (ιδιότητες). Να σημειώσουμε εδώ ότι η ιδιότητα site-owner και τα δύο αντικείμενα που εμπλέκονται μπορούν να αναγνωριστούν από ένα URL[9]. Ένας δεύτερος τρόπος αναπαράστασης σημασιολογίας είναι με την χρήση γράφων. Η παρακάτω εικόνα αναπαριστά την παραπάνω πρόταση(εικόνα 3). ople/nbassili site-owner #Nikos Vasiliadis Εικόνα 3 Γραφική Αναπαράσταση τριπλέτας Πρόκειται για ένα κατευθυνόμενο γράφο που περιέχει ετικέτες σε κάθε κόμβο καθώς επίσης και βέλη. Τα βέλη κατευθύνονται από τον πόρο(θέμα) στην σχετική τιμή (αντικείμενο). Αυτού το είδους γράφος αναφέρεται στην Τεχνητή Νοημοσύνη ως Σημασιολογικό Δίκτυο (Semantic net). Όπως αναφέραμε παραπάνω, η τιμή μιας πρότασης δήλωσης μπορεί να είναι και αυτή ένας πόρος. Άρα μπορεί να συνδεθεί με την σειρά της με άλλους πόρους. Παραδείγματός χάρη: 23

24 ( #NikosVasiliadis) (#NikosVasiliadis, ) (#NikosVasiliadis, ( AristotleUniversity ) Η γραφική αναπαράσταση των παραπάνω δηλώσεων φαίνεται παρακάτω(εικόνα 4): ople/nbassili site-owner #Nikos Vasiliadis uses phone AristotleUniversity site-owner gr/mtpx/km/index.htm Εικόνα 4 Ένα Σημασιολογικό Δίκτυο Μια τρίτη αναπαράσταση βασίζεται στην γλώσσα XML[9]. Βάσει της παραπάνω αναπαράστασης ένα έγγραφο RDF υλοποιείται από ένα στοιχείο της XML και πιο συγκεκριμένα από μια ετικέτα τύπου rdf:rdf. Το περιεχόμενο αυτού του στοιχείου είναι ένας αριθμός από περιγραφές (descriptions) που χρησιμοποιούν ετικέτες τύπου rdf:description. Κάθε περιγραφή δηλώνει μια πρόταση σχετικά με κάποιον πόρο, ο οποίος αναγνωρίζεται με έναν από τους παρακάτω τρεις τρόπους: Με μια ιδιότητα about, η οποία αναφέρεται σε έναν υπάρχοντα πόρο. Με μια ιδιότητα ID, για τη δημιουργία ενός νέου πόρου. Χωρίς κάποιο όνομα για τη δημιουργία ενός ανώνυμου πόρου. Συνεπώς, και βάσει των παραπάνω, η αναπαράσταση της πρώτης μας πρότασης δήλωσης έχει την εξής μορφή: <?xml version= 1.0 encoding= UTF-16?> <rdf:rdf xmlns: rdf= xmlns:hisdomain= 24

25 <rdf:description rdf about= > <hisdomain:site-owner red resource= Nikos Vasiliadis /> </rdf:description> </rdf:rdf> Το στοιχείο rdf:description κάνει μια δήλωση σχετικά με τον πόρο Μέσα στην περιγραφή η ιδιότητα χρησιμοποιείται ως ετικέτα, και το περιεχόμενο είναι η τιμή αυτής της ιδιότητας Τύποι εδομένων Ας σκεφτούμε το τηλεφωνικό νούμερο Όταν ένα πρόγραμμα διαβάζει το μοντέλο δεδομένων της RDF δεν γνωρίζει εάν το string θα διερμηνευτεί ως ακέραιος ή ως αλφαριθμητικός και εάν είναι ακέραιος σε ποια μορφή αναπαράστασης θα υλοποιηθεί δεκαδική ή δεκαεξαδική μορφή. Η κλασική πρακτική στις γλώσσες προγραμματισμού ή στις βάσεις δεδομένων είναι να προσφέρουν όλες τις απαραίτητες πληροφορίες για να ανατεθεί στο αλφαριθμητικό ο κατάλληλος τύπος δεδομένων, στην περίπτωση μας δηλαδή εάν είναι ακέραιος ή string. Έτσι στην περίπτωση της RDF μπορούμε να χρησιμοποιήσουμε ως τύπο δεδομένων τον τύπο string. Μπορούμε παραδείγματός χάρη να καθορίσουμε την ηλικία του κ. Βασιλειάδη ως ακέραιο αριθμό με την παρακάτω τριπλέτα: (#Nikos Vasiliadis, 35 ^ ) Το παραπάνω παράδειγμα μας δείχνει δύο πράγματα: τον συμβολισμό ^^ για την υπόδειξη ενός string, και την χρήση τύπων δεδομένων που είναι προκαθορισμένοι στην XML. Ουσιαστικά στην περίπτωση μας φαίνεται η εξωτερική χρήση προκαθορισμένων τύπων δεδομένων οι οποίοι επιτρέπονται στα RDF έγγραφα[10]. Τέλος να τονίσουμε εδώ ότι η XML υποστηρίζει ένα μεγάλο αριθμό τύπων δεδομένων όπως π.χ. λογικούς, ακέραιους, πραγματικούς αριθμούς καθώς επίσης και ημερομηνίες RDF: Ένα παράδειγμα βασισμένο σε σύνταξη XML Ένα RDF αρχείο περιλαμβάνει ένα rdf:rdf αντικείμενο που και αυτό με την σειρά του περιλαμβάνει ένα σύνολο από αντικείμενα description. Για την καλύτερη κα- 25

26 τανόηση των όρων παραθέτουμε ένα παράδειγμα με θεματολογία το τμήμα πληροφορικής του Α.Π.Θ: <!DOCTYPE rdf:rdf [! ENTITY xsd ]> <rdf:rdf xmlns:rdf= xmlns:xsd= xmlns:uni= > <rdf:description rdf about= > <uni:name>ioannis Vlahavas</uni:name> <uni:title>professor</uni-title> </rdf:description> <rdf:description rdf about= > <uni:name>nikos Vasiliadis</uni:name> <uni:title>assistant Professor</uni:title> <uni:age rdf datatype= xsd;integer >35</uni:age> </rdf:description> <rdf:description rdf about= > <uni:name>stratos Kontopoulos</uni:name> <uni:title>lecturer</uni:title> </rdf:description> <rdf:description rdf about= CS1000 > <uni:coursename>decision Support Systems</uni:courseName> <uni:istaughyby>ioannis Vlahavas</uni:isTaughtBy> </rdf:description> <rdf:description rdf about= CS1001 > <uni:coursename>knowledge Management</uni:courseName> <uni:istaughyby>nikos Vasiliadis</uni:isTaughtBy> </rdf:description> <rdf:description rdf about= CS1002 > <uni:coursename>logic Programming</uni:courseName> <uni:istaughyby>stratos Kontopoulos</uni:isTaughtBy> </rdf:description> <rdf:description rdf about= CS1003 > <uni:coursename>programming I</uni:courseName> <uni:istaughyby>nikos Vasiliadis</uni:isTaughtBy> </rdf:description> <rdf:description rdf about= CS1004 > <uni:coursename>programming II</uni:courseName> <uni:istaughyby>stratos Kontopoulos</uni:isTaughtBy> </rdf:description> 26

27 </rdf:rdf> Σχολιάζοντας το παραπάνω παράδειγμα πρώτον, ο μηχανισμός των namespaces της XML χρησιμοποιείται αλλά μ έναν εκτεταμένο τρόπο. Στην XML τα namespaces χρησιμοποιούνται μόνο για ειδικές περιπτώσεις. Στην RDF τώρα τα εξωτερικά namespaces είναι αναμενόμενο να αποτελούν RDF αρχεία τα οποία περιγράφουν πόρους, και τα ο- ποία χρησιμοποιούνται για την εισαγωγή RDF αρχείων μέσα στο εκάστοτε έγγραφο. Αυτός ο μηχανισμός επιτρέπει την επαναχρησιμοποίηση των πόρων από άλλους ανθρώπους οι οποίοι θα αποφασίσουν να προσθέσουν επιπλέον χαρακτηριστικά μέσα στους ήδη υπάρχοντες πόρους. Το αποτέλεσμα είναι η δημιουργία μιας μεγάλης και κατανεμημένης συλλογής γνώσης. Δεύτερον, η ιδιότητα rdf:about του στοιχείου rdf:description είναι ισοδύναμη σε νόημα μιας ID ιδιότητας αλλά πολύ συχνά χρησιμοποιείται για να υποδηλώσει ότι το αντικείμενο του οποίου γίνεται η πρόταση-δήλωση έχει ήδη καθοριστεί κάπου αλλού. Θεωρητικά λοιπόν ένα σύνολο από RDF προτάσεις ουσιαστικά αναπαριστά ένα τεράστιο γράφο, που συσχετίζει πράγματα με άλλα πράγματα μέσω ιδιοτήτων και δεν υ- πάρχει κάποια διαδικασία η οποία να καθορίζει ένα αντικείμενο σε κάποιο σημείο και να αναφέρεται σε αυτό σε κάποιο άλλο σημείο [8]. Στην πραγματικότητα το προηγούμενο παράδειγμα είναι λίγο παραπλανητικό. Εάν θέλαμε να είμαστε απόλυτα σωστοί θα έπρεπε να αντικαταστήσουμε όλες τις αναφορές των μαθημάτων όπως π.χ CS1000 με εξωτερικές αναφορές σε namespaces,της μορφής: <rdf:description rdf:about= To περιεχόμενο των rdf:description στοιχείων ονομάζονται στοιχεία ιδιοτήτων. Έτσι για παράδειγμα η περιγραφή: <rdf:description rdf about= CS1001 > <uni:coursename>knowledge Management</uni:courseName> <uni:istaughyby>nikos Vasiliadis</uni:isTaughtBy> </rdf:description> Τα δύο στοιχεία uni:coursename και uni:istauhgtby καθορίζουν ζευγάρια τιμής ιδιοτήτων για το μάθημα CS

28 Τέλος, τα στοιχεία ιδιοτήτων μιας περιγραφής θα πρέπει να διαβάζονται συνεχόμενα. Δηλαδή στο παραπάνω παράδειγμα το μάθημα ονομάζεται ΔΙΑΧΕΙΡΙΣΗ ΓΝΩΣΗΣ και διδάσκεται από τον κ. ΝΙΚΟ ΒΑΣΙΛΕΙΑΔΗ. Η ιδιότητα rdf:resource Το προηγούμενο παράδειγμα δεν είναι ικανοποιητικό από μια άποψη: οι συσχετίσεις μεταξύ μαθημάτων και καθηγητών δεν είναι αυστηρά καθορισμένες αλλά υπάρχουν λόγω χρήσης του ίδιου ονόματος. Για έναν υπολογιστή, η χρήση του ίδιου ονόματος μπορεί να χαρακτηριστεί προβληματική. Για παράδειγμα, ο κ. Νίκος Βασιλειάδης που διδάσκει το μάθημα CS1001 μπορεί να μην είναι το ίδιο άτομο με κωδικό που τυχαίνει να ονομάζεται Νίκος Βασιλειάδης. Αυτό που χρειαζόμαστε είναι μία πιο αυστηρή περιγραφή για το γεγονός ότι ο καθηγητής του μαθήματος CS1001 είναι το μέλος του ακαδημαϊκού προσωπικού με κωδικό , που το όνομά του είναι Νίκος Βασιλειάδης. Μπορούμε να επιτύχουμε κάτι τέτοιο με τη χρήση της ιδιότητας rdf:resource : <rdf:description rdf about= CS1001 > <uni:coursename>knowledge Management</uni:courseName> <uni:istaughyby> rdf:resource= /> </rdf:description> <rdf:description rdf about= > <uni:name>nikos Vasiliadis</uni:name> <uni:title>assistant Professor</uni-title> </rdf:description> Να τονίσουμε εδώ ότι στην περίπτωση που είχαμε καθορίσει τον πόρο του μέλους ακαδημαϊκού προσωπικού με ID αριθμό στο αρχείο RDF χρησιμοποιώντας την ιδιότητα ID στην θέση της ιδιότητας about θα χρειαζόταν η χρήση του συμβόλου # πριν από τον αριθμό ως τιμή της rdf:resource : <rdf:description rdf about= CS1001 > <uni:coursename>knowledge Management</uni:courseName> <uni:istaughyby> rdf:resource= # /> </rdf:description> <rdf:description rdf ID= > <uni:name>nikos Vasiliadis</uni:name> <uni:title>assistant Professor</uni-title> </rdf:description> 28

29 Το ίδιο ακριβώς ισχύει και στην περίπτωση αναφοράς σε εξωτερικούς πόρους, δηλαδή όταν αναφερόμαστε στο μάθημα CS1001 θα πρέπει να γράψουμε: ως τιμή της rdf:about, όπου η διεύθυνση είναι το URI όπου υπάρχει ο ορισμός του μαθήματος CS1001. Συμπερασματικά δηλαδή, μια περιγραφή με τη χρήση της ιδιότητας ID, καθορίζει ένα κομμάτι του URI το οποίο χρησιμοποιείται για την αναφορά μας στην συγκεκριμένη περιγραφή. Η ιδιότητα rdf:type Στα μέχρι στιγμής παραδείγματα οι περιγραφές χωρίζονται σε δύο κατηγορίες: μαθήματα και καθηγητές. Αυτό το γεγονός μπορεί να γίνει εύκολα αντιληπτό από όλους τους αναγνώστες, αλλά δεν έχει αυστηρά καθοριστεί κάπου αλλού, έτσι δεν είναι προσβάσιμο από κάποιον υπολογιστή. Στην RDF είναι πιθανό να γίνουν τέτοιου είδους δηλώσεις προτάσεις χρησιμοποιώντας το στοιχείο rdf:type : <rdf:description rdf:about= CS1001 > <rdf:type rdf:resource= &uni;course /> <uni:coursename> Knowledge Management</uni:courseName> <uni:istaughtby rdf:resource= /> <rdf:description rdf:about= > <rdf:type rdf:resource= uni:lecturer /> <uni-name> Nikos Vasiliadis</uni:name> <uni-title> Associate Professor</uni:title> </rdf:description> Nα τονίσουμε εδώ ότι το στοιχείο rdf:type μας επιτρέπει την εισαγωγή μιας κάποιας δόμησης στο RDF αρχείο μας. Στοιχεία Container Τα στοιχεία Container[10] χρησιμοποιούνται για την συλλογή αριθμού πόρων ή ιδιοτήτων για τα οποία θέλουμε να κάνουμε μια δήλωση ως σύνολο. Στο παράδειγμά μας μπορεί να θέλουμε να αναφερθούμε σε κάποια μαθήματα που τα διδάσκει κάποιος συγκεκριμένος καθηγητής. Υπάρχουν τρία είδη containers στην RDF: 29

30 rdf:bag, ένα μη-διατάξιμο container, που μπορεί να περιλαμβάνει πολλαπλές εμφανίσεις. Τυπικά παραδείγματα περιλαμβάνουν μέλη κάποιου τμήματος και έγγραφα που βρίσκονται σε έναν φάκελο. rdf:seq, ένα διατάξιμο container, το οποίο μπορεί να περιλαμβάνει πολλαπλές εμφανίσεις. Τυπικά παραδείγματα περιλαμβάνουν τις θεματικές ενότητες ενός μαθήματος, στοιχεία κάποιας λίστας, μια αλφαβητική λίστα του προσωπικού των ακαδημαϊκών μελών. rdf:alt, ένα σύνολο εναλλακτικών. Τυπικά παραδείγματα περιλαμβάνουν μεταφράσεις ενός εγγράφου σε πολλές γλώσσες. Τα στοιχεία των containers είναι στοιχεία που συνήθως τα ονομάζουμε rdf:_1, rdf:_2 κ.ο.κ Με βάση τις παραπάνω νέες πληροφορίες μπορούμε να επαναδιαμορφώσουμε το RDF παράδειγμά μας όσον αφορά τον κ. Βασιλειάδη : <uni-lecturer rdf:about= uni-name= Nikos Vasiliadis uni-title= Associate Professor > <uni:coursestaught> <rdf:bag> <rdf:_1 rdf:resource = CS1001 /> <rdf:_2 rdf:resource = CS1003 /> </rdf:bag> </uni:coursestaught> </uni:lecturer> Σημασιολογικός Ιστός: Τεχνολογία εν Εξελίξει Ο Σημασιολογικός Ιστός δεν αποτελεί κάποιον ξεχωριστό Ιστό, αλλά επέκταση του ήδη υπάρχοντος, στον οποίο η πληροφορία αποκτά ένα καλά οριζόμενο νόημα, καλύτερα συσχετίζοντας υπολογιστές και ανθρώπους έτσι ώστε να συν-λειτουργήσουν[4]. Ο Παγκόσμιος Ιστός αποτέλεσε επιτυχημένο εγχείρημα γιατί λειτούργησε κλιμακωτά όσον αφορά τα συμπεράσματα στην συνάφεια των συνδέσμων και την ολοκλήρωση του και γιατί ήταν απλός. Για να φέρουμε τον σημασιολογικό ιστό στο επίπεδο του Παγκόσμιο Ιστού σημαίνει ότι πρέπει να καταφέρουμε μια τέτοιου είδους κλιμάκωση[3]. Ποιες όμως είναι οι προκλήσεις? 30

31 Ο ιστός είναι απεριόριστος, συνεπώς οι λύσεις θα πρέπει να κλιμακώνονται. Οι μηχανές αναζήτησης βασισμένες σε λογική θα πρέπει να εργάζονται γρήγορα και αποτελεσματικά. Ο ιστός είναι εδώ. Έτσι έχουμε ένα μικτό περιβάλλον όπου μερικοί πόροι είναι σημασιολογικοί και μερικοί είναι απλά πόροι ιστού. Θα πρέπει να υπάρχει μια καθαρή και εφικτή λύση που να οδεύει από μη-σημασιολογικές σε σημασιολογικές πληροφορίες. Ο ιστός γιγαντώθηκε από τα κατώτερα επίπεδα. Οι περισσότεροι άνθρωποι γράφουν το πρώτο έγγραφο HTML χρησιμοποιώντας λογισμικό τρίτων. Ο σημασιολογικός ιστός θα προκύψει από τμήματα μεταδεδομένων και οντολογιών τα οποία θα αντιγράφονται με τον ίδιο τρόπο. Ο ιστός είναι προσαρμόσιμος και μπορεί να αλλάξει εύκολα. Πόροι εμφανίζονται και εξαφανίζονται, πόροι αλλάζουν. Οι οντολογίες αλλάζουν. Ο ιστός είναι ετερογενής. Καμία λύση ή τεχνολογία δε θα υιοθετηθεί. Καμία οντολογία δεν θα ξεχωρίσει. Κανένα σύνολο μεταδεδομένων δεν θα εφαρμοστεί σε κάποιον πόρο. Οι συμφωνίες είναι δύσκολες, αλλά μεταφράσεις και χαρτογραφήσεις θα γίνονται σε κοινή βάση. Για να επιτύχουμε κλιμάκωση τεχνολογιών και διαχείριση θα πρέπει να αναγνωρίσουμε ότι δε θα υπάρχει μόνο ένας σημασιολογικός ιστός. Θα υπάρχουν πολύ σημασιολογικοί ιστοί[3] Εφαρμογές σημασιολογικού ιστού θα υπάρχουν λίγες, συνήθως ενσωματωμένες σε ενδοδίκτυα εταιρειών δημιουργώντας έτσι νησίδες ποιοτικών σημασιολογικών πληροφοριών, καθώς επίσης σωστών και καλής ποιότητας οντολογιών με συμπαγή και ολοκληρωμένη λογική. 2.2 Οντολογίες (Ontologies) Στο παρόν κεφάλαιο γίνεται μια όσο το δυνατόν πρώτη παρουσίαση των οντολογιών. Θα δοθούν κάποιοι γνωστοί ορισμοί που υπάρχουν στην υπάρχουσα βιβλιογραφία. 31

32 2.2.1 Εισαγωγή Τα τελευταία χρόνια η ανάπτυξη των οντολογιών έχει να κάνει με την αυστηρά καθορισμένη σχέση που υπάρχει σε κάποιο πεδίο γνώσης και τις σχέσεις που υπάρχουν σε αυτό. Οι οντολογίες άρχισαν να γίνονται ευρέως γνωστές από την στιγμή που έφυγαν από τα εργαστήρια της Τεχνητής νοημοσύνης και πλασαρίστηκαν στο πεδίο εργασίας των ειδικών σε θέματα γνώσης[11]. Αν θέλουμε να δώσουμε ένα πρώτο ορισμό για το τι είναι οντολογία θα μπορούσαμε να πούμε ότι πρόκειται για ένα ενοποιημένο λεξικό όρων για ερευνητές ώστε να μπορούν να μοιραστούν πληροφορίες σε ένα πεδίο-περιοχή γνώσης[11]. Πρόκειται δηλαδή για ένα καλά ορισμένο σύνολο όρων μεταφράσιμο από υπολογιστές σχετικό με την περιγραφή μιας περιοχής και των σχέσεων που υπάρχουν και διέπουν την περιοχή αυτή. Στην περίπτωση βέβαια που θέλουμε να απλοποιήσουμε τα πράγματα υπάρχουν και ποιο απλοί ορισμοί που δίνουν μια πρώτη ιδέα για το τι είναι οντολογία: 1. Οντολογία είναι ένα όρος της φιλοσοφίας και σημαίνει η Θεωρία της Ύπαρξης 2. Όσον αφορά την Τεχνητή Νοημοσύνη πρόκειται για μια Αυστηρά καθορισμένη περιγραφή της πραγματικότητας [15] 32

33 3. Όσον αφορά τώρα την επιστημονική κοινότητα των βάσεων γνώσης πρόκειται για μια θεωρία που περιλαμβάνει θέματα όρους που χρησιμοποιούνται για να αναπτύξουμε ένα σύστημα γνώσης [16] Τι είναι οντολογία; Μια οντολογία, σε επίπεδο επιστήμης υπολογιστών και πληροφοριακών συστημάτων, είναι μια αυστηρά καθορισμένη αναπαράσταση ενός συνόλου ιδιοτήτων μιας περιοχής γνώσης και των σχέσεων που αυτές έχουν μεταξύ τους και χρησιμοποιούνται για να καθορίσουν αυτήν την περιοχή[19]. Ένας πιο αυστηρά καθορισμένος ορισμός ο ο- ποίος είναι πιο σχετικός με την παρούσα εργασία είναι: Οντολογία είναι μια αυστηρά καθορισμένη περιγραφή θεμάτων μιας περιοχής γνώσης ενδιαφέροντος που ονομάζονται τάξεις (classes) που περιέχουν κάποιες ιδιότητες, οι ο- ποίες περιγράφουν διάφορες πτυχές και χαρακτηριστικά αυτών των θεμάτων που ονομάζονται ρόλοι-ιδιότητες (roles) καθώς και ένα σύνολο περιορισμών αυτών των ρόλων που συνήθως ονομάζονται περιορισμοί ρόλων-ιδιοτήτων (role restrictions). Μια οντολογία μαζί με ένα σύνολο στιγμών (Instances) των κλάσεων αυτών σχηματίζουν μια βάση γνώσης(knowledge Base). Μια τάξη μπορεί να έχει ένα σύνολο υποκλάσεων (subclasses) οι οποίες στην ουσία περιγράφουν πιο συγκεκριμένα χαρακτηριστικά της κλάσης τους[11]. Συνοπτικά λοιπόν μια οντολογία είναι: Ένα λεξικό κοινών λέξεων και περιγραφών που χρησιμοποιούνται στην περιγραφή και αναπαράσταση μια περιοχής γνώσης Ένα προϊόν λογισμικού που περιλαμβάνει ένα συγκεκριμένο λεξιλόγιο που χρησιμοποιείται για να περιγράψει μέρος μια πραγματικότητας, όπως επίσης ένα σύνολο υποθέσεων σχετικά με το αναμενόμενο νόημα αυτού του λεξιλογίου Γιατί οντολογίες; Τα Έμπειρα Συστήματα ανέδειξαν την σημασία μιας βάσης γνώσης η οποία συσσωρεύει την γνώση ειδικών για την επίλυση πραγματικών προβλημάτων. Ήταν πραγματικά μια συγκλονιστική ανακάλυψη το γεγονός ότι τα συστήματα αυτά κατάφεραν να αποδείξουν την σημασία μιας βάσης γνώσης με εφαρμογή σε προβλήματα της πραγματικότη- 33

34 τας κάτι που η Τεχνητή Νοημοσύνη δεν κατάφερε[20]. Μέχρι εκείνη την στιγμή η βασική τεχνολογία σε θέματα γνώσης περιοριζόταν σε ένα σύνολο if-then κανόνων οι ο- ποίοι δημιουργούσαν μια τεράστια βάση κανόνων η οποία όπως αποδείχτηκε ήταν πολύ δύσκολη στην αναβάθμιση και επέκτασή της[22]. Επίσης παρατηρήθηκε ότι η χρήση και επαναχρησιμοποίηση αυτής της γνώσης καθώς και ο διαμοιρασμός της έπρεπε να χτίζετε πάντα από το μηδέν. Την λύση ήρθε να δώσει η Τεχνολογία Γνώσης η οποία άρχισε να αναπτύσσετε και η οποία υποστήριζε όχι την δημιουργία βάσεων κανόνων αλλά την μοντελοποίηση της γνώσης για να μπορέσουμε να αντιμετωπίσουμε τις οποίες δυσκολίες. Βασικά χαρακτηριστικά της Τεχνολογίας Γνώσης ήταν η επικέντρωση στην μοντελοποίηση της δομής που επιλύει ένα πρόβλημα ανεξάρτητα από την περιοχή γνώσης η οποία πρότεινε απλά κάποια βασική δομή κάθε διεργασίας που έπρεπε να γίνει όπως π.χ η διάγνωση, η σχεδίαση και ο προγραμματισμός[21]. Πρότεινε λοιπόν την μοντελοποίηση και επεξήγηση διεργασιών που υπάρχουν στην πραγματικότητα κάνοντας την όλη διαδικασία ευκολότερη όσον αφορά την κατασκευή και διαχείριση μιας βάσης γνώσης. Αν και η Τεχνολογία Γνώσης έχει εξελιχθεί με γοργούς ρυθμούς στις μέρες μας, και πάλι δεν έχουν βρεθεί ικανοποιητικές μεθοδολογίες ανάπτυξης μιας βάσης γνώσης. Πάλι υπάρχουν προβλήματα στην ανάπτυξη ενός ευφυούς συστήματος καθώς επίσης και ενός συστήματος που να κάνει άριστη χρήση της τεχνολογίας των βάσεων γνώσης. Οι βασικοί λόγοι αναφέρονται παρακάτω[20]: 1. Οι βασικές παραδοχές ενός συστήματος βάσης γνώσης παραμένουν ημιτελής απαγορεύοντας τον διαμοιρασμό και την επαναχρησιμοποίηση της γνώσης. 2. Δεν υπάρχει μια κοινή βάση γνώσης πάνω στην οποία μπορούμε να χτίσουμε μία ακόμη βάση εάν χρειαστεί. 3. Δεν υπάρχουν ικανοποιητικοί τρόποι υπολογισμού του μεγέθους της γνώσης. Προφανώς η επόμενη τεχνολογία επεξεργασίας της γνώσης να επιλύει όλες αυτές της δυσκολίες. Επίσης αξίζει να σημειωθεί οι αλλαγές οι οποίες γίνονται σε τεχνολογικό επίπεδο. Ως τώρα σκοπός των έμπειρων συστημάτων ήταν η δημιουργία ενός συστήματος ενός χρήστη για την επίλυση προβλημάτων. Με τις σαρωτικές όμως αλλαγές που γίνονται σε επίπεδο Διαδικτύου, μηχανών αναζήτησης σε αυτό, η δυνατότητα δημιουργίας ενός συστήματος με παγκόσμια απήχηση σε θέματα γνώσης, κοινής βάσης αναζήτησης πλη- 34

35 ροφοριών καθώς και η ανάπτυξη του σημασιολογικού Ιστού, καθιστούν τα έμπειρα συστήματα ακατάλληλα [23] Τεχνολογία Οντολογιών Για να μπορέσουνε να ανταποκριθούμε σε αυτές τις νέες προκλήσεις και να ξεπεράσουμε τα παραπάνω προβλήματα περνάμε από την Τεχνολογία Γνώσης στην Τεχνολογία Οντολογιών, και τις οντολογίες γενικότερα. Περισσότερη ανάλυση της τεχνολογίας αυτής στο επόμενο κεφάλαιο. Για λόγους πληρότητας ας δώσουμε και ένα ορισμό της οντολογίας η οποία ουσιαστικά είναι η απάντηση στα παραπάνω προβλήματα.: Οντολογία είναι ένα σύστημα βασικών αρχών δηλαδή ένα σύστημα που παρέχει το υπόβαθρο βάση οποιαδήποτε βάσης γνώσης, επεξηγεί την αναπαράσταση μιας θεματικής περιοχής και μας παρέχει την δυνατότητα ανάπτυξης διαμοιραζόμενων βάσεων γνώσης για μια πιο ευρύτερη χρήση της γνώσης αυτής[24]. 35

36 3. Τεχνολογία Οντολογιών Στον παρόν κεφάλαιο θα προσπαθήσουμε να αναλύσουμε όσο το δυνατόν την Τεχνολογία Οντολογιών, τις βασικές αρχές που την διέπουν, τον ρόλο της και τον σκοπό ύ- παρξης, τους τύπους οντολογιών που υπάρχουν, καθώς επίσης θα παρουσιάσω και ένα σύνολο από βήματα που απαιτούνται για τον σχεδιασμό μιας οντολογίας, διαδικασία που θα χρησιμοποιηθεί για την μοντελοποίηση της οντολογίας που θα υλοποιηθεί στην παρούσα εργασία. Τέλος θα αναφερθώ σε κάποια παραδείγματα της Τεχνολογίας Οντολογιών. 3.1 Εισαγωγή Οι οντολογίες έχουν γίνει αντικείμενο έρευνας εδώ και αρκετά χρόνια ιδίως τα τελευταία χρόνια με την παράλληλη ανάπτυξη του σημασιολογικού ιστού. Έτσι ένα μεγάλο μέρος των ανθρώπων που ασχολούνται με την γνώση κα την μοντελοποίηση αυτής αποτέλεσαν τον κορμό αυτού που ονομάζουμε Τεχνολογία Οντολογιών. 3.2 Τι είναι Τεχνολογία Οντολογιών Στην ιστορία της έρευνας των τεχνολογιών τεχνητής νοημοσύνης συναντάμε δύο είδη ερευνητικής δραστηριότητας. Την προσανατολισμένη σε φόρμες έρευνα και την προσανατολισμένη στο περιεχόμενο[25]. Στην πρώτη περίπτωση έχουμε την έρευνα που βασίζεται στην ενασχόληση με την λογική και την αναπαράσταση της γνώσης. Αν και αυτό το είδος έρευνας παρέμεινε αρκετά χρόνια να μονοπωλεί τις δραστηριότητες της Τεχνητής Νοημοσύνης η έρευνα προσανατολισμένη στο περιεχόμενο φάνηκε να γίνεται πιο δημοφιλής τελευταία επειδή οι βασικές της αρχές είχαν να κάνουν με την επίλυση ρεαλιστικών πραγματικών προβλημάτων όπως η επαναχρησιμοποίηση της γνώσης, η ε- παρκή επικοινωνία μεταξύ εφαρμογών πρακτόρων, μεγάλης κλίμακας βάσεις γνώσεων, δηλαδή όχι με απλές μορφές και θεωρίες λογικής αλλά με εξελιγμένη αντιμετώπιση των περιεχομένων της γνώσης[26]. Τυπικές θεωρίες όπως η κατηγορηματική λογική μας προσφέρουν ένα εργαλείο για να μπορέσουμε να καταλάβουμε την λογική και την σκέψη σε διάφορα θεματικά πεδία. Από την άλλη όμως δεν μπορεί να απαντήσει σε ερωτήματα όπως τι γνώση πρέπει να 36

37 έχουμε όταν μας δίνεται ένα πρόβλημα, τι πραγματικά είναι η γνώση και τι ιδιότητες πρέπει να έχει αυτή η γνώση ώστε να μας είναι χρήσιμη. Αν και η έρευνα που είναι προσανατολισμένη στο περιεχόμενο μιας βάσης γνώσης υ- λοποιήθηκε και ενσωματώθηκε σε ορισμένα Έμπειρα συστήματα υπήρξαν και πάλι προβλήματα που είχαν να κάνουν με τον υπολογισμό του μεγέθους της γνώσης που πρέπει να υπάρχει στην βάση έτσι ώστε να μας αποδοθεί μια σωστή λύση. Άρα συμπερασματικά και αυτή η προσέγγιση δεν μας προσφέρει μια επαρκή μεθοδολογία για την α- νάπτυξη συστημάτων με ουσιαστικά αποτελέσματα πέραν της απλής σχεδίασης μιας βάσης γνώσης[27]. Για να μπορέσουμε να ξεπεράσουμε αυτά τα προβλήματα εμφανίστηκε και ένα άλλο είδος ερευνητικής δραστηριότητας η λεγόμενη Τεχνολογία Οντολογιών. Πρόκειται για μια ερευνητική μεθοδολογία η οποία μας δίνει την δυνατότητα σχεδίασης της λογικής μιας βάσης γνώσης, τον πυρήνα για την σύλληψη διαφόρων θεματικών περιοχών που μας ενδιαφέρουν, αυστηρά καθορισμένες ορολογίες οι οποίες μαζί με ένα σύνολο θεωριών και τεχνολογιών μας δίνουν την δυνατότητα να υπολογίσουμε το μέγεθος της γνώσης η οποία είναι ικανή να μας βοηθήσει στην μοντελοποίηση του πραγματικού κόσμου[25]. 3.3 Σκοπός της Τεχνολογίας Οντολογιών Καταρχάς να ξεκινήσουμε με τον βασικό σκοπό της Τεχνολογίας Οντολογιών: Ο σκοπός της είναι να παρέχει την βάση πάνω στην οποία θα χτίζουμε μοντέλα όλων των πραγμάτων τα οποία ενδιαφέρουν την επιστήμη υπολογιστών, στα οποία μοντέλα οι οντολογίες θα είναι κατανοητές αντιληπτές και στους ανθρώπους και στους υπολογιστές[25]. Όταν προσπαθούμε να σχεδιάσουμε ένα μηχανικό μέρος συνήθως βασίζουμε τον σχεδιασμό αυτό σε προηγούμενα σχετικά σχέδια με σκοπό την ανάδειξη ενός καινούργιου. Ένα από τα βασικά ερωτήματα εδώ είναι ποιες είναι οι παραδοχές και οι επιλογές που βασίστηκαν αυτές οι παραδοχές για τον σχεδιασμό του καινούργιου μοντέλου. Κάπου εδώ υπεισέρχεται η Λογική Σχεδίαση (ΛΣ). Οι πληροφορίες σχετικά με την ΛΣ είναι συνήθως διφορούμενες και για αυτό αποτελεί πρόβλημα στην επανασχεδίαση του μηχανικού μοντέλου μας[25]. 37

38 Μια οντολογία παίζει ακριβώς τον ίδιο ρόλο με την ΛΣ όσον αφορά την επαναχρησιμοποίηση μιας βάσης γνώσης. Για να μπορέσουμε δηλαδή να επαναχρησιμοποιήσουμε την βάση γνώσης θα πρέπει να γνωρίζουμε το παρασκήνιο της συλλεγόμενης πληροφορίας για να καταλάβουμε τις παραδοχές που έγιναν, και τις απαιτήσεις που χρειαζόμαστε κατά την διάρκεια επίλυσης ενός προβλήματος χρησιμοποιώντας την βάση γνώσης[27]. Συμπερασματικά λοιπόν μπορούμε να πούμε ότι οι οντολογίες ως πληροφορίες ΛΣ θα συνεισφέρουν στην επαναχρησιμοποίηση της βάσης γνώσης αποτελώντας τον ακρογωνιαίο λίθο στην αναπαράσταση της γνώσης αυτής. 3.4 Ποιοι είναι οι ρόλοι μιας οντολογίας; Πρόκειται για μια πολύ σημαντική ερώτηση. Παρακάτω παρατίθεται ένα σύνολο από βασικούς ρόλους τους οποίους υλοποιεί μια οντολογία[20]: Α) Κοινό λεξιλόγιο: Για να περιγράψουμε μια κοινή γλώσσα πρέπει να υπάρχει ένα λεξιλόγιο το οποίο πρέπει να γίνει αποδεκτό από τους ανθρώπους που εμπλέκονται. Β) Δομή Δεδομένων: Μια οντολογία είναι μια βάση δεδομένων που απεικονίζει το εννοιολογικό της τμήμα. Δηλαδή μια οντολογία μας προσφέρει μια δομή δεδομένων κατάλληλη για την περιγραφή πληροφοριών. Γ) Ερμηνεία όρων που είναι διφορούμενοι: Στις περισσότερες ανθρώπινες δραστηριότητες βρίσκουμε υποθέσεις οι οποίες δεν εξηγούνται επαρκώς. Τυπικά παραδείγματα είναι ορισμοί βασικών και κοινών όρων, σχέσεις και περιορισμοί μεταξύ τους οι οποίοι μεταφράζουν φαινόμενα και δομές κοινές με τις δραστηριότητες που ενέχονται. Σε αυτήν την περίπτωση οι οντολογίες έχουν τη δυνατότητα να μεταφράζουν αυτούς τους όρους και τις σχέσεις μεταξύ τους σε ρητή γνώση. Δ) Σημασιολογική Διαλειτουργικότητα: Τα μεταδεδομένα που χρησιμοποιούνται στο Σημασιολογικό Ιστό είναι χτισμένα πάνω σε μια οντολογία οι οποία περιορίζει και μερικώς ορίζει το νόημα κάθε ετικέτας και τιμής. Η μετάφραση και η επεξήγηση των μεταδεδομένων μπορεί να γίνει με την χρήση οντολογιών. Ε) Συστηματοποίηση της γνώσης: Η συστηματοποίηση της γνώσης απαιτεί ένα σωστά καθιερωμένο λεξιλόγιο όρων όσον αφορά τον τρόπο με τον οποίο περιγράφει ο άνθρωπος μια θεματική περιοχή, την θεωρία και τις καταστάσεις που εμπλέκονται σε αυτή την περιοχή. Μια οντολογία συμβάλει στην δημιουργία της ραχοκοκαλιάς αυτής της συστηματοποίησης της γνώσης. 38

39 ΣΤ) Θεωρία περιεχομένου: Συμπερασματικά λοιπόν μια οντολογία μας προσφέρει μια θεωρία περιεχομένου έτσι ώστε τα αποτελέσματα μιας έρευνας προσανατολισμένης στο περιεχόμενο να είναι μετρήσιμα και να μπορούν να εξαχθούν χρήσιμα αποτελέσματα. 3.5 Τύποι οντολογιών Υπάρχουν κάποιες οντολογίες που έχουν διαφορετικούς ρόλους η καθεμιά. Έτσι μπορούμε να χωρίσουμε τις οντολογίες σε διαφορετικούς τύπους: Ανώτερη Οντολογία Οι φιλόσοφοι προσπαθούσαν να την εξηγήσουν εδώ και περίπου 2000 χρόνια. Η έρευνα που υλοποίησαν περιλαμβάνει υψηλά επίπεδα κατηγοριών τα οποία προσπαθούν να εξηγήσουν τι υπάρχει στον κόσμο, και έτσι καταλήξαμε σε αυτό που ονομάζεται ανώτερη οντολογία[28]. Ο Αριστοτέλης αρίθμησε 10 τέτοιες κατηγορίες όπως θέμα, ποσότητα, ποιότητα, σχέση, τοποθεσία, χρόνος κλπ. Καθώς προχωράμε στον χρόνο και άλλες κατηγορίες προστέθηκαν στην λίστα του Αριστοτέλη έτσι ώστε να καταλήξουμε σε μια στάνταρτ ανώτερη οντολογία η οποία σχεδιάστηκε από το ΙΕΕΕ P160. Αυτή η οντολογία αποτέλεσε και αποτελεί την πιο περιεκτική ανώτερη οντολογία στις τάξεις της ακαδημαϊκής κοινότητας της Τεχνητής Νοημοσύνης Οντολογία Στόχος & Οντολογία Περιοχής Μια οντολογία στόχος[26] χαρακτηρίζει την αρχιτεκτονική δομή ενός συστήματος που βασίζεται στην γνώση η οποία εκτελεί μια διεργασία, ενώ μια οντολογία περιοχής[26] περιγράφει την γνώση της περιοχής στην οποία διαδραματίζεται η διεργασία αυτή. Λέγοντας διεργασία εννοούμε μια διαδικασία επίλυσης ενός προβλήματος όπως π.χ. διάγνωση, επιτήρηση, σχεδιασμός, προγραμματισμός κ.λ.π. Η ιδέα μιας οντολογίας στόχος η οποία λειτουργεί ως ένα σύστημα του λεξιλογίου όρων που χρησιμοποιούνται ως δομικά στοιχεία για την δημιουργία του επιθυμητού συστήματος μας προσφέρει μια αποτελεσματική μεθοδολογία και το απαραίτητο λεξικό όρων για να μπορέσουμε και να αναλύσουμε και να συνθέσουμε συστήματα βασισμένα στην γνώση. 39

40 Μια οντολογία στόχος είναι χρήσιμη για την περιγραφή μιας δομής επίλυσης υπαρκτών προβλημάτων τα οποία είναι ανεξάρτητα της περιοχής υλοποίησης. Μπορούμε να την αποκτήσουμε αναλύοντας δομές διεργασιών από πραγματικά προβλήματα. Ο βασικός ρόλος της οντολογίας στόχος είναι να προσφέρει μια θεώρηση όλων των λέξεων - όρων απαραίτητων για την δόμηση ενός μοντέλου επίλυσης προβλημάτων των ανθρώπινων δραστηριοτήτων[27]. 3.6 Παραδείγματα Οντολογιών Σε αυτήν την ενότητα παραθέτω ορισμένες γνωστές οντολογίες που υπάρχουν βάση της παγκόσμιας βιβλιογραφίας: KIF & PIF: Πρόκειται για μια εργασία του ΜΙΤ σχετικά με την ανάπτυξη ενός συστήματος που ανταλλάσει αυτόματα περιγραφές διεργασιών από ένα σύνολο επιχειρηματικών διεργασιών και υποστηρίζει συστήματα σχεδίασης διαγραμμάτων και λογισμικά προσομοίωσης διεργασιών. SENSUS: Πρόκειται για την δημιουργία και χρήση πάνω από θεματικών ταξινομιών και οντολογιών επεξεργασίας φυσικής γλώσσας συνδυάζοντας διαδικτυακούς πόρους όπως λεξικά, στατιστικές μεθόδους πάνω σε κείμενα κλπ. EngMath: Μαθηματική μοντελοποίηση. Η οντολογία περιλαμβάνει εννοιολογικές θεωρήσεις σχετικά με κλιμακωτές και διανυσματικές πληροφορίες καθώς επίσης φυσικές διαστάσεις, μονάδες μέτρησης, συναρτήσεις κλπ. CHEMICALS: Οντολογία που περιγράφει χημικά αντικείμενα και τις σχέσεις μεταξύ τους. TOVE ontology project: Σκοπός του έργου TOVE είναι η δημιουργία ενός συνόλου ε- νοποιημένων οντολογιών για την μοντελοποίηση μικρομεσαίων αλλά και μεγάλων επιχειρήσεων. 40

41 3.7 Σχεδιασμός μιας οντολογίας Πρακτικά ο σχεδιασμός μιας οντολογίας περιλαμβάνει τα εξής βήματα: 1. ορισμός των κλάσεων και υποκλάσεων της οντολογίας 2. ταξινόμηση των κλάσεων και υποκλάσεων σε μια λογική ιεραρχία (ταξινομία) 3. ορισμός των ρόλων-ιδιοτήτων και των περιορισμών των ρόλων που θα ισχύουν 4. καταχώρηση των τιμών που θα λαμβάνουν οι ρόλοι-ιδιότητες των στιγμιότυπων που θα δημιουργηθούν Μετά από αυτά τα βήματα θα είμαστε σε θέση να δημιουργήσουμε μια βάση γνώσης ορίζοντας στιγμιότυπα των κλάσεων που καθορίσαμε καταχωρώντας ταυτόχρονα και τις τιμές που μας ενδιαφέρουν για κάθε ιδιότητα και των περιορισμών της[11]. 41

42 Εικόνα 5 Μερικές κλάσεις, στιγμιότυπα, και σχέσεις μεταξύ της περιοχής γνώσης ΚΡΑΣΙΑ Μεθοδολογία σχεδιασμού μιας οντολογίας Πριν ξεκινήσουμε την ανάλυση μιας απλής μεθοδολογίας σχεδιασμού μιας οντολογίας υπάρχουν κάποιες παραδοχές που πρέπει να γίνουν[12]: 1. Δεν υπάρχει ένας σωστός τρόπος να αναπτυχθεί μια οντολογία ή καλύτερα δεν υπάρχει λάθος σχεδιασμός μιας οντολογίας. Η σωστή λύση είναι αυτή που είναι πιο κοντά στο σκεπτικό του σχεδιαστή της οντολογίας. 2. Η ανάπτυξη μιας οντολογίας είναι μια επαναληπτική διαδικασία. 3. Τα θέματα που θα διαπραγματεύονται μέσα στην οντολογία πρέπει να είναι όσο το δυνατόν πιο κοντά στην περιγραφή της πραγματικής τους διάστασης. Τα αντικείμενα να είναι ρεαλιστικά καθώς και οι σχέσεις μεταξύ τους να είναι υπαρκτές και να περιγράφονται με ρήματα που περιγράφουν την πραγματική σχέση που υπάρχει μεταξύ τους. Η διαδικασία που θα παρουσιάσω αναλύεται σε 7 βήματα, βήματα που στο κεφάλαιο της υλοποίησης της οντολογίας ΦΡΟΝΤΙΣΤΗΡΙΑ που διαπραγματεύεται η εργασία θα ακολουθηθούν ακριβώς[11]: 42

43 ΒΗΜΑ 1 Καθορισμός της περιοχής γνώσης και του σκοπού της σχεδίασης της οντολογίας Πρέπει να διασαφηνιστεί εξ αρχής η περιοχής γνώσης που θα καλύψει η οντολογία μας και για ποιον σκοπό θα σχεδιαστεί. Τι είδους πληροφορίες θα μας προσφέρει και σε τι επίπεδο θα φτάνουν αυτές. Οπότε ξεκινώντας στον σχεδιασμό καλό θα ήταν να απαντηθούν οι παρακάτω ερωτήσεις: Ποια θα είναι η γνωστική περιοχή που θα καλύψει η οντολογία? Ποιος ο λόγος που θα χρησιμοποιηθεί η οντολογία? Για ποιο είδους πληροφορίες και τι είδους ερωτήσεις θα είναι σε θέση να προσφέρει η οντολογία? Όσον αφορά την τελευταία ερώτηση καλό θα ήταν να σχεδιαστεί ένα ερωτηματολόγιο με τις πιθανές ερωτήσεις που θέλουμε να απαντάει η οντολογία. Σκοπός αυτού του ερωτηματολογίου είναι να περιορίσουμε όσο το δυνατό το μέγεθος της οντολογία μας. ΒΗΜΑ 2 Επαναχρησιμοποίηση ήδη υπάρχουσας σχετικής με την θεματολογία μας οντολογίας Στο δεύτερο αυτό βήμα καλό θα ήταν, εάν και αυτό δεν είναι πάντα εφικτό, να χρησιμοποιήσουμε την οντολογία που έχει ήδη σχεδιαστεί από κάποιον άλλο με σχετική θεματολογία με σκοπό την αναβάθμιση των υπαρχόντων πληροφοριών. ΒΗΜΑ 3 Καθορισμός μιας λίστας όρων που είναι ζωτικής σημασίας για την οντολογία Είναι πολύ χρήσιμο πριν ξεκινήσουμε την διαδικασία υλοποίησης της οντολογίας να καταστρώσουμε μια λίστα όρων για τις οποίες θέλουμε να κάνουμε αναφορά σε αυτές. Έτσι θα μπορέσουμε να βοηθήσουμε τον χρήστη να καταλάβει την χρήση της οντολογίας. Επίσης καλό θα ήταν να δημιουργήσομε μια λίστα ιδιοτήτων που έχει κάθε όρος που θα περιγράφουμε. ΒΗΜΑ 4 Καθορισμός κλάσεων και ιεραρχίας των κλάσεων και υποκλάσεων (ταξινομία) 43

44 Πρόκειται για μια από-πάνω προς τα κάτω διαδικασία περιγραφής των γενικών κλάσεων της οντολογίας η οποία όπως ξεδιπλώνεται περιγράφει πιο ειδικά την κάθε κλάση που περιγράφεται παραπάνω (υποκλάσεις) εξειδικεύοντας έτσι την γνώση που προσπαθούμε να καταγράψουμε στην γνωσιακή μας βάση. Εικόνα 6 Διαφορετικά επίπεδα ταξινομίας μιας οντολογίας Κρασιών Χρησιμοποιώντας τώρα την λίστα που δημιουργήσαμε στο βήμα 3 ακολουθούμε την εξής τακτική: επιλέγουμε τους όρους που έχουν μια πιο γενικευμένη ύπαρξη και όχι αυτούς που περιγράφουν ακριβώς τα αντικείμενα. Αυτούς τους όρους τους θέτουμε ως κλάσεις. Οργανώνουμε τώρα τις κλάσεις αυτές σε μια ιεραρχική ταξινόμηση ρωτώντας εάν το γεγονός ότι πρόκειται για ένα στιγμιότυπο της κλάσης το αντικείμενο αυτό θα πρέπει απαραιτήτως να είναι το στιγμιότυπο και κάποιων άλλων κλάσεων επίσης. Εάν η κλάση Α είναι μια υπερτάξη της κλάσης Β, τότε κάθε στιγμιότυπο της τάξης Β είναι επίσης ένα στιγμιότυπο της τάξης Α. Εικόνα 6 Μερικές ιδιότητες κλάσεων και των χαρακτηριστικών τους 44

45 ΒΗΜΑ 5 Καθορισμός ιδιοτήτων των κλάσεων Από την στιγμή που έχουμε καθορίσει τις κλάσεις μας σειρά έχει ο καθορισμός των ιδιοτήτων των κλάσεων μας. Ουσιαστικά θα πρέπει να περιγράψουμε την εσωτερική δομή της οντολογίας μας και να γίνουμε πιο συγκεκριμένοι στις περιγραφές μας. Έτσι χρησιμοποιώντας την λίστα του βήματος 3 και αφού έχουμε αφαιρέσει τους όρους που θα αποτελέσουν τις κλάσεις μας το πιο πιθανό είναι οι όροι που απομένουν να αποτελούν τις ιδιότητες των κλάσεων μας. Για κάθε ιδιότητα στην λίστα μας καθορίζουμε ποια επακριβώς κλάση περιγράφει. Είναι αυτονόητο ότι οι υποκλάσεις μιας κλάσης κληρονομούν αυτομάτως τις ιδιότητες των κλάσεων τους ΒΗΜΑ 6 Καθορισμός χαρακτηριστικών των ιδιοτήτων Σε κάθε ιδιότητα μιας κλάσης έχουμε την δυνατότητα να καθορίσουμε ένα σύνολο χαρακτηριστικών που περιγράφουν ακόμα περισσότερο την ιδιότητα αυτή. Χαρακτηριστικά όπως τον τύπο δεδομένων, τις επιτρεπόμενες τιμές και το πλήθος των τιμών (cardinality) που θα μπορεί να έχει μια ιδιότητα. Σε αυτό το βήμα καθορίζουμε λοιπόν όλα τα χαρακτηριστικά που θέλουμε να έχει κάθε ιδιότητα των κλάσεων μας. Επίσης σε αυτό το βήμα μπορούμε να καθορίσουμε την περιοχή γνώσης που περιγράφει μια ιδιότητα (domain) καθώς και το πεδίο τιμών (range) από το οποίο θα δέχεται τιμές αυτή η περιοχή. Εικόνα 7 Χαρακτηριστικά ιδιοτήτων 45

46 ΒΗΜΑ 7 Δημιουργία στιγμιότυπων Στο τελευταίο βήμα της διαδικασίας δημιουργούμε στιγμιότυπα των κλάσεων μας από την ιεραρχία που έχουμε καθορίσει. Πιο συγκεκριμένα: 1) επιλέγουμε μια κλάση, 2) δημιουργούμε ένα στιγμιότυπο και 3) καταχωρούμε τα χαρακτηριστικά των ιδιοτήτων της κλάσης. Εικόνα 8 Ορισμός ενός στιγμιότυπου 46

47 4. Εργαλεία Ανάπτυξης Στο παρόν κεφάλαιο θα γίνει μια παρουσίαση των εργαλείων ανάπτυξης που θα χρησιμοποιηθούν στην διπλωματική. Θα ξεκινήσουμε με μια αναφορά στην γλώσσα προγραμματισμού Java και πιο συγκεκριμένα στην συγγραφή JSP σελίδων, θα προχωρήσουμε με μια συνοπτική αναφορά του εργαλείου PROTÉGÉ που θα χρησιμοποιηθεί στην μοντελοποίηση της οντολογίας μας και τέλος θα γίνει λόγος για το πλαίσιο εργασίας Jena το οποίο θα αποτελέσει τη διεπαφή σύνδεσης της οντολογίας μας με την JSP σελίδας που θα αναπτυχθεί. 4.1 Java & JavaServerPages(JSP) Σε όλους είναι γνωστές οι δυνατότητες που προσφέρει η γλώσσα προγραμματισμού Java στην ανάπτυξη εφαρμογών και πιο συγκεκριμένα στις διαδικτυακές εφαρμογές. Θα αναπτυχθεί μια εφαρμογή η οποία μέσω μιας ιστοσελίδας JSP θα αποτελέσει τον κορμό του κώδικα που θα αναπτυχθεί. Η τεχνολογία JSP έχει γίνει η πλέον δημοφιλής τεχνολογία για ανάπτυξη online καταστημάτων, αλληλεπιδραστικών εφαρμογών Ιστού και άλλων δυναμικών τοποθεσιών Ιστού. Δουλειά μιας JSP σελίδας είναι: 1. Ανάγνωση των συγκεκριμένων δεδομένων που έχουν σταλεί από την εφαρμογήπελάτη. 2. Ανάγνωση των έμμεσων δεδομένων αιτήσεων HTTP που έχουν σταλεί από τον φυλλομετρητή. 3. Παραγωγή αποτελεσμάτων 4. Αποστολή των ρητών δεδομένων στον πελάτη. 5. Αποστολή έμμεσων δεδομένων απάντησης HTTP. Ουσιαστικά μια JSP σελίδα είναι ένα έγγραφο HTML με ενσωματωμένο κώδικα JAVA στο εσωτερικό του. Η ιστοσελίδα HTML εμφανίζεται στο φυλλομετρητή και ο κώδικάς JAVA που περιλαμβάνεται σε αυτή μεταγλωττίζεται και εκτελείται στο παρασκήνιο δίνοντας στην ιστοσελίδας τη δυναμική της πλέον μορφή. Παρακάτω παρατίθεται ένα παράδειγμα για τον τρόπο λειτουργίας Java και JSP[1]: 47

48 import java.io.*; import javax.servlet.*; import javax.servlet.http.*; public class HelloWorld extents HttpServlet { public void doget(httpservletrequest request, HttpServletResponse response) throws ServletException, IOException{ PrinterWriter out = response.getwriter( ); Out.println( Hello World ); } } Πρόκειται για τον κώδικα που θα εκτελεστεί κατά την εμφάνιση της ιστοσελίδας που θα υλοποιηθεί. Ενώ ο πλήρης κώδικας που θα εκτελεστεί και θα εμφανίσει και το αποτέλεσμα της ιστοσελίδας παρατίθεται εδώ: import java.io.*; import javax.servlet.*; import javax.servlet.http.*; public class HelloWorld extents HttpServlet { public void doget(httpservletrequest request, HttpServletResponse response) throws ServletException, IOException{ response.setcontenttype( text/html ); PrinterWriter out = response.getwriter( ); String doctype = <!DOCTYPE HTML PUBLIC \ -W3C//DTD HTML Transitional//EN\ >\N out.println(doctype+ <HTML>\n + 48

49 } } <HEAD><TITLE>Thisis an example</title></head>\n + <BODY BGCOLOR=\ #FDF5E6\ >\n + <H1>HELLO WORLD</H1>\n + /BODY></HTML> ); 4.2 Γλώσσα Σημασιολογικού Ιστού OWL Το PROTÉGÉ Οι οντολογίες χρησιμοποιούνται για τη σύλληψη γνώσης για κάποιο πεδίο ενδιαφέροντος. Μια οντολογία περιγράφει διαφορετικές καταστάσεις σε ένα θεματικό πεδίο και τις σχέσεις που υπάρχουν μεταξύ των καταστάσεων αυτών. Διαφορετικές γλώσσες οντολογιών προσφέρουν διαφορετικές δυνατότητες. Η τελευταία γλώσσα οντολογιών που αναπτύχθηκε από το World Wide Web Consortium είναι η γλώσσα OWL. To πρόγραμμα PROTÉGÉ δημιουργήθηκε για να μπορέσουμε να διαχειριστούμε αυτού του είδους τις οντολογίες, τις οντολογίες που υλοποιούνται με την γλώσσα OWL.(εικόνα 1 ) Εικόνα 1 Το περιβάλλον εργασίας του PROTÉGÉ 49

50 Το PROTÉGÉ αποτελεί ένα πρόγραμμα ανοιχτού κώδικα και χρησιμοποιείται ως συντάκτης οντολογιών OWL και ως πλαίσιο εργασίας για τη δημιουργία βάσεων γνώσης. Η πλατφόρμα PROTÉGÉ που είναι υλοποιημένη σε γλώσσα προγραμματισμού JAVA περιλαμβάνει 2 διαφορετικούς τρόπους μοντελοποίησης μιας οντολογίας: τα πλαίσια OWL και το PROTÉGÉ OWL. Οι οντολογίες που μοντελοποιούνται σε PROTÉGÉ OWL μπορούν να εξαχθούν σε διαφορετικές μορφές όπως πχ σε RDF αρχεία, σε XML καθώς και σε μορφή OWL(εικόνα 2). Εικόνα 2 Το PROTÉGÉ σε πλήρη ανάπτυξη Τα δομικά στοιχεία που περιλαμβάνει το PROTÉGÉ όσον αφορά τις οντολογίες είναι: Στιγμιότυπα, Κλάσεις και Ιδιότητες(εικόνα 3). Μόλις μοντελοποιηθεί η οντολογία μας, θα δημιουργηθεί δηλαδή η ταξινομία μας κάνοντας χρήση του reasoner fact++ της εφαρμογής θα μας προκύψουν τα πιθανά λάθη της ταξινομίας μας και αφού διορθωθούν θα περάσουμε στο επόμενο στάδιο υλοποίησης. 50

51 Εικόνα 3 Οι ιδιότητες στο PROTÉGÉ Συμπερασματικά το εργαλείο PROTÉGÉ θα χρησιμοποιηθεί για να μοντελοποιήσουμε την οντολογία που θα αποτελέσει την βάση της διπλωματικής. Αφού καθοριστούν οι κλάσεις, υποκλάσεις, οι ιδιότητες τα χαρακτηριστικά και τα στιγμιότυπα της οντολογίας μας, θα εξάγουμε το τελικό αποτέλεσμα σε μορφή RDF. Το αρχείο RDF που θα ε- ξαχθεί θα χρησιμοποιηθεί ως είσοδος στη διεπαφή του Jena. 4.3 Πλαίσιο Εργασίας Jena To Jena είναι ένα πλαίσιο εργασίας υλοποιημένο σε γλώσσα προγραμματισμού JAVA το οποίο χρησιμοποιείται για την ανάπτυξη εφαρμογών Σημασιολογικού Ιστού[29]. Ουσιαστικά θα αποτελέσει τη διεπαφή επικοινωνίας (εικόνα 4) μεταξύ της JSP σελίδας (JAVA κώδικας) και της οντολογίας που θα αναπτυχθεί. Ουσιαστικά προσφέρει ένα προγραμματιστικό περιβάλλον για εφαρμογές που χρησιμοποιούν RDF και OWL πόρους για την ανάπτυξη εφαρμογών που τα χρησιμοποιούν. Επίσης περιλαμβάνει μια μηχανή εξαγωγής συμπερασμάτων που βασίζονται σε κανόνες. 51

52 Εικόνα 4 Τρόπος λειτουργίας του Jena Πιο συγκεκριμένα το πλαίσιο εργασίας Jena ανοιχτού κώδικα, υλοποιημένο από τα εργαστήρια της Hewlett Packard, περιλαμβάνει: Μια διεπαφή για RDF αρχεία Την δυνατότητα ανάγνωσης και εγγραφής σε RDF αρχείο. Μια διεπαφή για OWL αρχεία Μια μηχανή ερωτοαπαντήσεων τύπου βάσης δεδομένων που ονομάζεται SPARQL. Η συμβολή του Jena στην προς υλοποίηση εφαρμογή είναι να χρησιμοποιηθεί για να μπορέσουμε να διαχειριστούμε το RDF αρχείο που θα εξαχθεί από την μοντελοποίηση της οντολογίας μας από το PROTÉGÉ(εικόνα 5) Εικόνα 5 Πλαίσιο εργασίας Jena 52

53 Παρακάτω θα παραθέσουμε ορισμένα τμήματα κώδικα υλοποίησης Jena για λόγους πληρότητας της διπλωματικής. Το Jena χρησιμοποιείται κυρίως για την περιγραφή πόρων και την μοντελοποίηση τους σε μορφή RDF. Μια πρώτη δήλωση ενός πόρου μιας ιδιότητας αυτού, σε ένα παράδειγμα για την μοντελοποίηση μιας επαγγελματικής κάρτας (VCARD) που περιλαμβάνει τις κλασσικές πληροφορίες θα μπορούσε να ήταν[29]: static String personuri = ; static String fullname = SinopidisEvripidis ; Για να δημιουργήσουμε ένα κενό μοντέλο το οποίο θα δεχθεί τον πόρο που δημιουργήσαμε: Model model = ModelFactory.createDefaultModel( ); Για να δημιουργήσουμε τώρα τον πόρο σε Jena γράφουμε: Resource EvripidisSinopidis = model.createresource(personuri); και να προσθέσουμε την ιδιότητα fullname: EvripidisSinopidis.addProperty(VCARD. FN, fullname); Να τονίσουμε εδώ ότι όλες οι κλάσεις Java που χρησιμοποιήθηκαν στο παραπάνω παράδειγμα είναι υλοποιημένες στην διεπαφή του Jena όσον αφορά την διαχείριση των RDF αρχείων. Το δε παρακάτω παράδειγμα μας δείχνει με ποιο τρόπο το Jena διαβάζει πληροφορίες από ένα RDF αρχείο(τμήμα κώδικα που θα χρησιμοποιηθεί και στην φάση υλοποίησης της εφαρμογής μας): Model model = ModelFactory.createDefaultModel( ); InputStream in = FileManager.get().open(inputFileName); if (in==null) { throws new IllegalArgumentException( File: inputfilename + Not Found } model.read(in, ); model.write(system.out); 53

54 5. Μοντελοποίηση & Λειτουργικές Προδιαγραφές Ε- φαρμογής Αντικειμενικός σκοπός του παρόντος κεφαλαίου είναι η παρουσίαση βήμα προς βήμα της μοντελοποίησης της οντότητας, της εφαρμογής, που περιγράφηκε στα προηγούμενα κεφάλαια. Χρησιμοποιώντας το εργαλείο PROTÉGÉ θα παρουσιαστεί ο τρόπος σχεδίασης μιας οντότητας. Τέλος θα παρατεθούν, μετά το πέρας της μοντελοποίησης και κάποιες λειτουργικές προδιαγραφές ως προς την πιθανή χρήση της οντολογίας από κάποιο software. 5.1 Μοντελοποίηση ΒΗΜΑ 1: Καθορισμός της περιοχής γνώσης και του σκοπού της σχεδίασης της οντολογίας Η γνωστική περιοχή που θα καλύψει η οντολογία μας είναι τα ΦΡΟΝΤΙΣΤΗΡΙΑ ΠΛΗ- ΡΟΦΟΡΙΚΗΣ. Πιο συγκεκριμένα όλες οι πληροφορίες που διέπουν ένα τέτοιου είδους φορέα εκπαίδευσης. Ο λόγος που θα δημιουργηθεί η οντολογία μας είναι η χρήση τους από το κατάλληλο λογισμικό ως βάση γνώσης για την ανάκληση πληροφοριών σημασιολογικού χαρακτήρα. Δηλαδή θα χρησιμοποιηθεί από κάποια π.χ μηχανή αναζήτησης για την εξόρυξη γνώσης σχετικής με το θεματικό της πεδίο. Πληροφορίες όπως η διεύθυνση, η υλικοτεχνική υποδομή, το πρόγραμμα σπουδών, το προσωπικό κάθε φροντιστηρίου, τα τμήματα που υλοποιούνται είναι οι ερωτήσεις που θα είναι σε θέση να απαντήσει η οντολογία που θα μοντελοποιηθεί. Παρακάτω παρατίθεται ένα ερωτηματολόγιο που θα μπορεί να απαντάει η οντολογία: Ποια είναι η επωνυμία και ποιες οι πληροφορίες επικοινωνίας του φροντιστηρίου; Ποια τμήματα λειτουργούν; Πόσοι σπουδαστές απαρτίζουν τα τμήματα αυτά; Ποιοι είναι οι καθηγητές και τι μαθήματα γίνονται στα τμήματα αυτά; Πως και ποιοι είναι οι χώροι εκπαίδευσης; Ποιες ώρες γίνονται τα μαθήματα; 54

55 ΒΗΜΑ 2: Καθορισμός μιας λίστας όρων που είναι ζωτικής σημασίας για την οντολογία Είναι πολύ χρήσιμο πριν ξεκινήσουμε την διαδικασία υλοποίησης της οντολογίας να καταστρώσουμε μια λίστα όρων για τις οποίες θέλουμε να κάνουμε αναφορά σε αυτές. Έτσι θα μπορέσουμε να βοηθήσουμε τον χρήστη να καταλάβει την χρήση της οντολογίας. Επομένως όροι που θα χρησιμοποιηθούν μπορεί να είναι: ΦΡΟΝΤΙΣΤΗΡΙΟ ΤΜΗΜΑΤΑ ΜΑΘΗΜΑΤΑ ΚΑΘΗΓΗΤΕΣ ΣΠΟΥΔΑΣΤΕΣ ΕΝΗΛΙΚΕΣ ΑΝΗΛΙΚΟΙ ΧΩΡΟΙ ΦΡΟΝΤΙΣΤΗΡΙΟΥ ΠΡΟΣΩΠΙΚΟ ΩΡΕΣ ΜΑΘΗΜΑΤΩΝ ΕΠΑΓΓΕΛΜΑΤΙΕΣ ΠΡΟΓΡΑΜΜΑ ΒΗΜΑ 3: Καθορισμός κλάσεων και υποκλάσεων (ταξινομία) Σε αυτό το βήμα ξεκινάει στην ουσία η μοντελοποίηση της οντολογίας μας χρησιμοποιώντας το PROTÉGÉ με την δημιουργία ενός κενού έργου(εικόνα 1) 55

56 Εικόνα 1: Έναρξη Όλα Τα Προγράμματα PROTÉGÉ New Project OWL/RDF Files Αμέσως μετά ακολουθεί η αποθήκευση του έργου και εμφανίζεται η πρώτη οθόνη του PROTÉGÉ (εικόνα 2) Εικόνα 2 Το περιβάλλον εργασίας του PROTÉGÉ 56

57 Μια από τις πολλές καρτέλες που έχει το PROTÉGÉ είναι και η καρτέλα OWL Classes πρόκειται για την καρτέλα όπου θα δημιουργήσουμε τις κλάσεις και τις υποκλάσεις της οντολογίας μας, δηλαδή την ταξινομία(εικόνα 3). Εικόνα 3 Η καρτέλα OWL Classes Ας ξεκινήσουμε με την δημιουργία της πρώτης μας κλάσης. Να τονίσουμε εδώ ότι όλες οι κλάσεις θεωρούνται από το PROTÉGÉ ως υποκλάσεις μιας γενικότερης κλάσης, της κλάσης Thing. Με επιλεγμένη την κλάση Thing πατάμε το πλήκτρο Create Subclasses (εικόνα 4) ενέργεια η οποία εμφανίζει ένα πλαίσιο διαλόγου για να ονομάσουμε την κλάση μας, στην περίπτωση μας frontistirio(εικόνα 5). 57

58 Εικόνα 4 Επιλογή του πλήκτρου Create Subclasses Εικόνα 5 Δημιουργία της κλάσης Frontistirio 58

59 Με την ίδια διαδικασία θα δημιουργήσουμε τις κλάσεις spoudasths, lessons, schedule, prosopiko, tmima, xoros(εικόνα 6). Εικόνα 6 Δημιουργία υπολοίπων κλάσεων Οι κλάσεις είναι disjoint μεταξύ τους Να παρατηρήσουμε εδώ ότι καθορίσαμε κάτι την διαδικασία δημιουργίας των κλάσεων οι κλάσεις μιας να είναι disjoint μεταξύ τους, δήλωση η οποία σημαίνει ότι ένα στιγμιότυπο της κλάσης αυτής μπορεί να περιλαμβάνει μόνο μια κλάση από κάθε άλλη κλάση της παρούσας οντολογίας. Στην παραπάνω εικόνα (εικόνα 6) φαίνονται σε πλαίσιο οι disjoint κλάσεις της επιλεγμένης κλάσης. 59

60 Εικόνα 7 Jambalaya Γραφική απεικόνιση της ταξινομίας μας Κάνοντας χρήση του εργαλείου απεικόνισης της μέχρις στιγμής οντολογίας μας, Jambalaya φαίνεται μια πρώτη εικόνα της ταξινομίας μας (εικόνα 7). Συνεχίζουμε με τη δημιουργία των υποκλάσεων. Καταρχάς θα κάνουμε 2 υποκλάσεις για την κλάση Prosopiko, την υποκλάση Dioikitiko και Kathgites. Επιλέγοντας την κλάση Psosopiko και με δεξί κλικ πάνω της επιλέγουμε Create SubClasses και αφού ονομάσουμε τις υποκλάσεις μας και καθορίσουμε να είναι disjoint μεταξύ τους έχουμε το παρακάτω αποτέλεσμα(εικόνα 8) 60

61 Εικόνα 8 Δημιουργία υποκλάσεων Dioikitiko & Kathigites Κατόπιν δημιουργούμε τις υποκλάσεις Enilikes και Anilikes της κλάσης Spoudasths, ακολουθώντας την ίδια διαδικασία(εικόνα 9). Εικόνα 9 Δημιουργία των υποκλάσεων Enilikes και Anilikes 61

62 Η κλάση Tmima θα περιλαμβάνει 3 υποκλάσεις οι οποίες δημιουργούνται με την παραπάνω διαδικασία(tmimaenilikon, TmimaAnilikon, TmimaEpaggelmation (εικόνα 10). Εικόνα 10 Δημιουργία των υποκλάσεων TmimaEnilikon, TmimaAnilikon και Tmima- Epaggelmation Η κλάση Xoros περιλαμβάνει και αυτή με την σειρά της 3 υποκλάσεις την κλάση Ergastiria, Aithouses και Doikisi(Εικόνα 11). 62

63 Εικόνα 11 Υποκλάσεις της κλάσης Xoros Εξειδικεύουμε την κλάση Enilikes δηλώνοντας ως υποκλάση αυτής την κλάση Epaggelmatias, καθώς επίσης το ίδιο εφαρμόζουμε για την κλάση Anilikes με τις κλάσεις Lykeio, Gymnasio, Dimotiko(Εικόνα 12). Εικόνα 12 Υποκλάσεις των κλάσεων Enilikes και Anilikes 63

64 Όσον αφορά την κλάση TmimaEpaggelmation τώρα θα περιλαμβάνει 3 υποκλάσεις ο- νομαστικά TmimaEpaggelmationTaxirithmoXrisi, TmimaEpaggelmationGrafistiki και TmimaEpaggelmationMhxLogistiki όπως μας δείχνει η εικόνα 13. Εικόνα 13 Υποκλάσεις της κλάσης TmimaEpagglmation Στην κλάση TmimaAnilikon θα προσθέσουμε 3 κλάσεις: TmimaAnilikonLykeio, TmimaAnilikonGymnasio, TmimaAnilikonDimotiko. Τέλος στην κλάση TmimaEnilikon θα προσθέσουμε 3 υποκλάσεις: την κλάση TmimaEnilikonProgrammatismos, TmimaEnilikonDiktya και TmimaEnilikonPistopoihseis(εικόνα 14). 64

65 Εικόνα 14 Υποκλάσεις των κλάσεων TmimaAnilikon και TmimaEnilikon Συνεπώς η τελική ταξινομία μας έχει ως εξής(εικόνα 15): Εικόνα 15 Η ταξινομία μας 65

66 ΒΗΜΑ 4 Καθορισμός ιδιοτήτων των κλάσεων Περιορισμών Στο παρόν βήμα της μοντελοποίησης θα καθορίσουμε τις ιδιότητες που έχουν οι κλάσεις του αναπτύξαμε στο προηγούμενο βήμα. Συνήθως οι όροι τις λίστας των θεμάτων που αναπτύξαμε στο βήμα 2 που απέμειναν αποτελούν τις ιδιότητες των κλάσεων μας. Συνεπώς και όσον αφορά την κλάση frontistirio θα καθορίσουμε τις εξής ιδιότητες: hastmima (κάθε φροντιστήριο έχει δημιουργημένα τμήματα), hasxoro (κάθε φροντιστήριο αποτελείται από ένα σύνολο χώρων), hasprosospiko (σε κάθε φροντιστήριο έχει ένα σύνολο από εργατικό δυναμικό). Επίσης καθορίζουμε τις ιδιότητες hasschedule (κάθε τμήμα θα έχει και ένα πρόγραμμα μαθημάτων), την ιδιότητα aithousa (η οποία καθορίζει ότι κάθε μάθημα είναι απαραίτητο να γίνεται σε μία αίθουσα), την ιδιότητα hasspoudastes (κάθε τμήμα θα περιλαμβάνει ένα σύνολο σπουδαστών) καθώς επίσης και την ιδιότητα hasclass η οποία θα συνδέει τους καθηγητές της σχολής με κάποια τμήματα. Με κλικ στην καρτέλα Properties και πατώντας στην προσθήκη Create Object Property καθορίζουμε τις παραπάνω ιδιότητες(εικόνα16) Εικόνα 16 Δημιουργία ιδιοτήτων για την κλάση frontisitrio 66

67 Να σημειώσουμε εδώ ότι σημαντικό ρόλο στις παραπάνω ιδιότητες είναι ο καθορισμός του domain και του range. Πρόκειται για τον καθορισμό ουσιαστικά του πεδίου τιμών που κυμαίνεται κάθε ιδιότητα που καθορίσαμε καθώς και από ποια κλάση θα παίρνει τις τιμές της. Λεπτομέρεια που πολλές φορές είναι και ένα είδος περιορισμού όσον α- φορά τις κλάσεις και υποκλάσεις της οντολογίας. Για να εξειδικεύσουμε περισσότερο τις ιδιότητές μας και σε ποιες κλάσεις αναφέρονται και θα λαμβάνουν τιμές από αυτές καθορίζουμε κάποιους περιορισμούς οι οποίοι αναφέρονται στο γεγονός ότι οι ιδιότητες που αναπτύξαμε θα λαμβάνουν συγκεκριμένες τιμές από συγκεκριμένες κλάσεις. Στην κλάση φροντιστήριο, η ιδιότητα hasprosopiko αναφέρεται στο γεγονός ότι το προσωπικό θα πρέπει να επιλέγεται αποκλειστικά και μόνο από το προσωπικό της σχολής. Η σχολή θα έχει κάποια τμήματα και επίσης τουλάχιστον ένα χώρο για να γίνονται τα μαθήματα αυτά. (εικόνα 17) Εικόνα 17 Δημιουργία των πρώτων μας περιορισμών σχετικών με την κλάση frontisitrio Σειρά έχει η κλάση Tmima. Σε αυτήν την περίπτωση η ιδιότητες που θα καθορίσουμε είναι: hasspoudastes, haslessons, hasschedule. Κάθε τμήμα έχει Σπουδαστές, πρόγ- 67

68 ραμμα σπουδών μαθήματα δηλαδή, καθώς και ένα ωρολόγιο πρόγραμμα πότε και που γίνονται τα μαθήματα. Οι περιορισμοί που θα θέσουμε εδώ έχουν ως εξής: Οι σπουδαστές που θα παρακολουθούν το κάθε τμήμα θα είναι το πολύ 10, όσον αφορά το προσωπικό που θα διδάσκει σε αυτό το τμήμα θα είναι 1 καθηγητής την φορά, τα μαθήματα-ενότητες που θα διδάσκονται θα είναι τουλάχιστον 3 ενώ θα υπάρχει τουλάχιστον 1 ωρολόγιο πρόγραμμα.(εικόνα 18). Εικόνα 18 Περιορισμοί της κλάσης Tmima Όσον αφορά την ιδιότητα hasenilikes τη δημιουργήσαμε για να καθορίσουμε το γεγονός ότι ένα τμήμα ενηλίκων μπορεί να περιλαμβάνει μόνο σπουδαστές ενήλικες και ε- παγγελματίες(εικόνα 19). Να τονίσουμε εδώ ότι στην εικόνα 19 φαίνονται επίσης και οι ιδιότητες που κληρονομήθηκαν από την κλάση Tmima. 68

69 Εικόνα 19 Ο περιορισμός σχετικά με την ιδιότητα hasenilikes Με την ίδια λογική η ιδιότητα hasanilikes θα συνδέει την κλάση TmimaAnilikon με μια σχέση (has only) με την κλάση Anilikes υποδηλώνοντας ότι η κλάση TmimaAnilikon θα παίρνει όλες της, τις τιμές από την κλάση Anilikes(εικόνα 20). 69

70 Εικόνα 20 Ιδιότητα hasanilikes και ο σχετικός περιορισμός της. Κληρονόμηση των περιορισμών από την προϊστάμενη κλάση. Κάθε φροντιστήριο έχει 1 διευθυντή και το πολύ 2 γραμματείς όσον αφορά το διοικητικό προσωπικό του(εικόνα 21). Εικόνα 21 Περιορισμοί σχετικοί με την κλάση Dioikitiko προσωπικό 70

71 ΒΗΜΑ 5 Καθορισμός χαρακτηριστικών ιδιοτήτων Σε αυτό το βήμα καθορίζουμε κάποια ιδιαίτερα χαρακτηριστικά των ιδιοτήτων μας. Ξεκινάμε με τον καθορισμό των χαρακτηριστικών(datatypes) της κλάσης frontistirio. Θα καθορίσουμε τα χαρακτηριστικά NameOfInstitution, Address, TelephoneNumber, & WebSite. Ενδεικτικά επίσης αναφέρουμε ότι υπάρχουν ιδιότητες για τις κλάσεις Spoudasths, Enillikes, Prosopiko και Lessons. Κάνοντας κλικ στην καρτέλα DataType των ιδιοτήτων και πατώντας στην σχετική επιλογή Create Datatype Property. Επίσης εδώ θα καθορίσουμε το είδος των τιμών που θα δέχεται κάθε χαρακτηριστικό. Το αποτέλεσμα της διαδικασίας εμφανίζεται στην εικόνα 23. Εικόνα 22 Δημιουργία datatype properties των κλάσεων ΒΗΜΑ 6 Δημιουργία στιγμιότυπων Στο τελικό αυτό βήμα της μοντελοποίησης της οντολογίας μας, με την βοήθεια των φορμών που παρέχει το PROTÉGÉ, μπορούμε να καταχωρήσουμε τιμές στα χαρακτηριστικά των ιδιοτήτων μας και να δημιουργήσουμε στιγμιότυπα των κλάσεων μας(εικόνα 24-25). 71

72 Εικόνα 23 Δημιουργία μας φόρμας για την καταχώρηση στοιχείων στην κλάση frontistirio Εικόνα 24 Καταχώρηση ενός στιγμιότυπου 72