ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΜΕ ΘΕΜΑ:

Transcript

1 ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΜΕ ΘΕΜΑ: Εφαρμογή τεχνολογιών του Σημασιολογικού Ιστού στη Διαχείριση Γνώσης στα πλαίσια του Ηλεκτρονικού Εμπορίου Επιμέλεια: Ιωάννης Καπαντζάκης (ΑΕΜ: 241) Επιβλέπων Καθηγητής: Βασιλειάδης Νικόλαος

2 ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗ & ΔΙΟΙΚΗΣΗ ΕΦΑΡΜΟΓΗ ΤΕΧΝΟΛΟΓΙΩΝ ΤΟΥ ΣΗΜΑΣΙΟΛΟΓΙΚΟΥ ΙΣΤΟΥ ΣΤΗ ΔΙΑΧΕΙΡΙΣΗ ΓΝΩΣΗΣ ΣΤΑ ΠΛΑΙΣΙΑ ΤΟΥ ΗΛΕΚΤΡΟΝΙΚΟΥ ΕΜΠΟΡΙΟΥ Διπλωματική Εργασία Του Ιωάννη Καπαντζάκη (ΑΕΜ: 241) Επιβλέπων Καθηγητής: ΒΑΣΙΛΕΙΑΔΗΣ ΝΙΚΟΛΑΟΣ ΘΕΣΣΑΛΟΝΙΚΗ ΜΑΡΤΙΟΣ 2010 I

3 Πρόλογος Ο τομέας του ηλεκτρονικού εμπορίου είναι ένας ταχύτατα αναπτυσσόμενος τομέας στον οποίο δραστηριοποιούνται όλο και περισσότερες επιχειρήσεις ανεξαρτήτου μεγέθους. Το ηλεκτρονικό εμπόριο βασίζεται στον Παγκόσμιο Ιστό, ο οποίος εξελίσσεται ραγδαία, από την εμφάνιση του www έως τον Κοινωνιολογικό Ιστό (Web 2.0) και το Σημασιολογικό Ιστό (Web 3.0). Η εξέλιξη αυτή έχει να κάνει, εκτός των άλλων, και με τον τρόπο με τον οποίο διαχειρίζονται τη γνώση οι επιχειρήσεις, προς όφελός τους. Στην παρούσα εργασία προσπαθούμε να αναπαραστήσουμε και να οργανώσουμε τις πληροφορίες και τη γνώση η οποία υπάρχει διασκορπισμένη στον Παγκόσμιο Ιστό, στα πλαίσια μίας εταιρίας ηλεκτρονικού εμπορίου. Η οργάνωση αυτής της γνώσης θα ωφελούσε, όχι μόνο τους άμεσους χρήστες του Διαδικτύου, αλλά και την κοινωνία, με έμμεσους τρόπους. Ένα εργαλείο για την επίτευξη μίας τέτοιας οργάνωσης είναι οι Οντολογίες. Με την ανάπτυξη μίας οντολογίας η οποία θα περιγράφει τις έννοιες μίας ηλεκτρονικής επιχείρησης, προσπαθούμε να αναδείξουμε τη σημασία του Σημασιολογικού Ιστού στην ανάπτυξη της ηλεκτρονικής επιχειρηματικότητας και γενικά της οικονομίας και, κατ επέκταση, της κοινωνίας. Θα ήθελα να εκφράσω τις θερμές μου ευχαριστίες στον κ. Νικόλαο Βασιλειάδη, Επίκουρο Καθηγητή του Τμήματος Πληροφορικής του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης για την βοήθεια και υποστήριξη που μου προσέφερε κατά τη διάρκεια εκπόνησης της συγκεκριμένης εργασίας. Ιωάννης Καπαντζάκης Μάρτιος 2010 II

4 Περιεχόμενα 1 Εισαγωγή Σκοπός της Εργασίας Δομή Εργασίας Ανάλυση Ορολογίας Σημασιολογικός Ιστός Διαχείριση Γνώσης Ηλεκτρονικό Εμπόριο Οντολογίες Κατηγορίες Οντολογιών Κατηγοριοποίηση κατά Mizoguchi Κατηγοριοποίηση κατά Van Heijst Κατηγοριοποίηση κατά Guarino Κατηγοριοποίηση κατά Lassila και McGuinness Τελική ταξινόμηση Ταξινόμηση σύμφωνα με την ποικιλότητα της εσωτερικής δομής Ταξινόμηση σύμφωνα με την περιγραφόμενη έννοια Μεθοδολογίες, Εργαλεία και Γλώσσες Μεθοδολογίες Ανάπτυξης Οντολογιών Cyc Knowledge Base Uschold and King's Gruninger and Fox's KACTUS project (Amaya Berneras et al.) SENSUS METHONTOLOGY Διαδικασία Ανάπτυξης Οντολογιών Διασταυρούμενοι κύκλοι ζωής οντολογιών Ανάλυση On-To-Knowledge CO DILIGENT HCOME Το περιβάλλον υποστήριξης HCONE Αξιολόγηση και Σύγκριση Μεθοδολογιών Συμπεράσματα αξιολόγησης Μεθοδολογία Επαναδημιουργίας Οντολογιών Εργαλεία Ανάπτυξης Οντολογιών Ontolingua Server Ontosaurus WebOnto Protege Protege-Frames Protege-OWL WebODE OntoEdit ΚΑΟΝ OilEd DUET Γλώσσες Ανάπτυξης Οντολογιών...50 III

5 3.4.1 Εμφάνιση των γλωσσών ανάπτυξης οντολογιών Η Γλώσσα OWL Τα είδη της OWL OWL-Lite OWL-DL OWL-Full Συστατικά μέρη της OWL Individuals Properties Classes Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός Διαχείριση Γνώσης Ο Ρόλος της Διαχείρισης Γνώσης στο Σχεδιασμό Στρατηγικών Ηλεκτρονικού Επιχειρείν Διαχείριση Γνώσης Πελατών Η Επίδραση του Σημασιολογικού Ιστού Καταναλωτές Μακροοικονομικές Επιπτώσεις Αναζήτηση και Διασπορά Τιμής Πράκτορες Εστιασμένη Αναζήτηση Ενοποίηση Ανάπτυξη Σύνθετων Συστημάτων Συλλογή Πολυμέσων Φιλτράρισμα Πληροφοριών Επικοινωνία Μεταξύ Μηχανών Εικονικές Κοινότητες Διαφήμιση Ανέλπιστα Οφέλη Προτυποποίηση και Ελαστικοποίηση Λεξιλογίου Μεθοδολογία Ανάπτυξης Οντολογίας Διαδικασία on-line πληρωμών Περιγραφή της Οντολογίας E-Shop_entity Κλάσεις και Υποκλάσεις Account Address Charge ContactInformation Delivery Document Individual Order Organization PaymentMethod Product UserAccount Στιγμιότυπα της Οντολογίας Individual_Kapantzakis Individual_Papadopoulos...94 IV

6 6.2.3 Manufacturer_Nike Retailer_Amazon Retailer_Plaisio - Retailer_eBay Λοιπά Στιγμιότυπα ShippingCarrier_FedEx AmericanExpress_SonyVaio OrderRequest_SonyVaio Συμπεράσματα Βιβλιογραφία Πηγές από το διαδίκτυο Παραρτήματα Παράρτημα I Παράρτημα II V

7 1 Εισαγωγή 1.1 Σκοπός της Εργασίας Σκοπός της εργασίας είναι η μελέτη της σχέσης της Διαχείρισης Γνώσης με το Ηλεκτρονικό Εμπόριο και των τρόπων με τους οποίους αυτή εφαρμόζεται σε επιχειρήσεις του ηλεκτρονικού εμπορίου. Επίσης, η μελέτη της δυνατότητας εφαρμογής τεχνολογιών του Σημασιολογικού Ιστού στα πλαίσια μίας εταιρίας ηλεκτρονικού εμπορίου και, συγκεκριμένα, ενός ηλεκτρονικού καταστήματος. Η εφαρμογή τεχνολογιών του Σημασιολογικού Ιστού σε εταιρίες του ηλεκτρονικού εμπορίου θα γίνει μέσω της ανάπτυξης μίας οντολογίας που θα περιγράφει το πεδίο του ηλεκτρονικού εμπορίου και πιο συγκεκριμένα, θα χρησιμοποιηθεί η γλώσσα OWL και το εργαλείο σύνταξης οντολογιών Protege. 1.2 Δομή Εργασίας Η εργασία αποτελείται από δύο κύρια μέρη. Το πρώτο μέρος, το οποίο περιλαμβάνει τα κεφάλαια 1 έως και 4 είναι το πιο θεωρητικό κομμάτι, ενώ το δεύτερο μέρος, το οποίο περιλαμβάνει τα κεφάλαια 5 έως και 7 είναι το πρακτικό κομμάτι. Στο κεφάλαιο 1 γίνεται μία εισαγωγή στην εργασία. Παρουσιάζουμε το σκοπό και τους στόχους της, καθώς επίσης και τη δομή της. Στο κεφάλαιο 2 γίνεται μία αναφορά στις σημαντικότερες έννοιες με τις οποίες θα ασχοληθούμε. Δίνονται ορισμοί, όπου αυτό είναι εφικτό, στους όρους Σημασιολογικός Ιστός, Διαχείριση Γνώσης, Ηλεκτρονικό Εμπόριο και Οντολογία. Το κεφάλαιο 3 ασχολείται αποκλειστικά και μόνο με τις οντολογίες. Πιο συγκεκριμένα, παρουσιάζονται οι κυριότερες μεθοδολογίες ανάπτυξης οντολογιών και τα σημαντικότερα εργαλεία και γλώσσες σύνταξης οντολογιών. Μέσα σε αυτά, ιδιαίτερη αναφορά γίνεται στη γλώσσα OWL και στο εργαλείο σύνταξης οντολογιών Protege, τα οποία θα χρησιμοποιήσουμε για να αναπτύξουμε την οντολογία μας. Στο κεφάλαιο 4 επιστρέφουμε στις τρεις υπόλοιπες έννοιες (Σημασιολογικός Ιστός - Διαχείριση Γνώσης - Ηλεκτρονικό Εμπόριο) που αναλύουμε στο κεφάλαιο 3 και προσπαθούμε να δούμε τη σχέση που έχουν μεταξύ τους μέσα από τη μελέτη σχετικής βιβλιογραφίας. Στο κεφάλαιο 5 παρουσιάζεται η μεθοδολογία την οποία ακολουθήσαμε προκειμένου να αναπτύξουμε την οντολογία την οποία αναλύουμε στο επόμενο κεφάλαιο. Το κεφάλαιο 6 παρουσιάζει με λεπτομέρειες την οντολογία που αναπτύσσουμε, αναλύοντας τη σημασία και το σκοπό κάθε κλάσης και ιδιότητας. Στη συνέχεια, παρουσιάζονται τα διάφορα στιγμιότυπα που δημιουργήθηκαν, καθώς και αντίστοιχες απεικονίσεις με το εργαλείο Jambalaya. Στο κεφάλαιο 7 αναφέρονται πιθανές εφαρμογές της οντολογίας που αναπτύξαμε καθώς και διάφορα συμπεράσματα σχετικά με την έρευνα που πραγματοποιήθηκε στη συγκεκριμένη εργασία. Τέλος, στο κεφάλαιο 8 παρατίθεται η σχετική βιβλιογραφία στην οποία ανατρέξαμε για του σκοπούς της έρευνας και της εργασίας, ενώ στο κεφάλαιο 9 παρατίθενται διάφορα παρατήματα με σχετικές πληροφορίες και στοιχεία για την εργασία. Στην εικόνα 1.1 μπορούμε να δούμε μία σύνοψη της δομής της εργασίας, χωρισμένη στα δύο κύρια μέρη, αριστερά το θεωρητικό και δεξιά το πρακτικό μέρος. Κεφάλαιο 1 Εισαγωγή 1

8 Εικόνα 1.1: Η δομή της εργασίας Κεφάλαιο 1 Εισαγωγή 2

9 2 Ανάλυση Ορολογίας Σε αυτό το κεφάλαιο γίνεται αναφορά σε κάθε έναν από τους σημαντικότερους όρους που θα συναντήσουμε στη συνέχεια. Οι έννοιες που αναλύονται παρακάτω αποτελούν τον κορμό του θέματος με το οποίο θα ασχοληθούμε, και είναι σημαντικό να γίνουν κατανοητές προκειμένου ο αναγνώστης να μπορέσει να ακολουθήσει τη ροή της εργασίας. 2.1 Σημασιολογικός Ιστός Ο Σημασιολογικός Ιστός (Semantic Web) είναι η εξέλιξη του World Wide Web (www) στην οποία τα δεδομένα και το περιεχόμενο του παγκόσμιου ιστού έχει καθοριστεί επακριβώς, επιτρέποντας στο www να κατανοεί καλύτερα τα αιτήματα των χρηστών και των μηχανών [e1]. Η ανάπτυξή του οφείλεται στη συνεργασία του W3C με πολλούς ερευνητές και ανθρώπους από τη βιομηχανία. Βασίζεται στο RDF (Resource Description Framework), μια μέθοδο περιγραφής ή μοντελοποίησης των πόρων που υπάρχουν στο διαδίκτυο [e4]. Πιο συγκεκριμένα, ο Σημασιολογικός Ιστός απαιτεί κοινή μορφή δεδομένων τα οποία προέρχονται από διαφορετικές πηγές του διαδικτύου. Επίσης, απαιτεί μία κοινή γλώσσα περιγραφής των δεδομένων του διαδικτύου και σύνδεσής τους με τα αντικείμενα του πραγματικού κόσμου τα οποία αντιπροσωπεύουν. Τα δύο αυτά στοιχεία επιτρέπουν σε ένα χρήστη ή μία μηχανή που χρησιμοποιεί το διαδίκτυο να μετακινείται από βάση δεδομένων σε βάση δεδομένων οι οποίες δεν επικοινωνούν επειδή είναι συνδεδεμένες με καλώδιο ή μέσω κάποιου δικτύου, αλλά επειδή αναφέρονται στο ίδιο αντικείμενο με τον ίδιο τρόπο. Στην εικόνα 2.1 παρουσιάζεται η ιεραρχία και η σχέση των στοιχείων που απαρτίζουν το Σημασιολογικό Ιστό, όπως προτείνει ο Tim Berners-Lee. Δεν θα αναλύσουμε κάθε ένα από αυτά τα στοιχεία ξεχωριστά, απλά θα αναφέρουμε ότι ο Σημασιολογικός Ιστός συνδυάζει τις δυνατότητες που του δίνουν εργαλεία όπως: η XML, XML Schema, RDF, RDF Schema και η OWL. Στο συγκεκριμένο σχήμα φαίνεται η τέταρτη έκδοση (V4) της αρχιτεκτονικής του Σημασιολογικού Ιστού από τις τέσσερις που έχει προτείνει ο Tim Berners-Lee σε διαλέξεις που έχει δώσει κατά καιρούς. Η πρώτη έκδοση (V1) παρουσιάστηκε το 2000, η V2 το 2003, η V3 το 2005 και η V4 τον Ιούλιο του 2006 [1]. Εικόνα 2.11: Η αρχιτεκτονική του Σημασιολογικού Ιστού 1 Πηγή: [ Κεφάλαιο 2 Ανάλυση Ορολογίας 3

10 Καμία από τις τέσσερις προαναφερθέντες εκδοχές της αρχιτεκτονικής του Σημασιολογικού Ιστού δεν έχουν παρουσιαστεί στη βιβλιογραφία, παρά μόνο σε διαλέξεις του Tim Berners-Lee. Για το λόγο αυτό δεν υπάρχει επαρκής τεκμηρίωση και πολλοί επιστήμονες δυσκολεύονται να κατανοήσουν πλήρως τον τρόπο λειτουργίας του Σημασιολογικού Ιστού. Κάποιοι επιστήμονες θέλησαν να παρουσιάσουν άλλα μοντέλα αρχιτεκτονικής τα οποία θα είναι περισσότερο κατανοητά και απλά. Μία τέτοια αρχιτεκτονική είναι η CFL η οποία παρουσιάστηκε το 2007 από τους Geber, van der Merwe και Barnard και φαίνεται στη εικόνα 2.2: Εικόνα 2.22: Η αρχιτεκτονική CFL 2.2 Διαχείριση Γνώσης Γνωστή και ως Knowledge Management, είναι μία έννοια στην οποία δεν μπορούμε να αποδώσουμε σαφή ορισμό. Θα μπορούσαμε να πούμε ότι η Διαχείριση Γνώσης είναι ο όρος που περιγράφει τις πρακτικές που εφαρμόζει μία επιχείρηση ή ένας οργανισμός με σκοπό να: Δημιουργήσει, Συλλέξει, Αναπαραστήσει, Βελτιώσει, Διανείμει, Ενδυναμώσει την υιοθέτηση νέας γνώσης, εμπειρίας και τεχνογνωσίας σε όλα τα άτομα που εργάζονται και αποτελούν αυτόν τον οργανισμό ή την επιχείρηση [e5]. Στη Διαχείριση Γνώσης εμπλέκονται οι άνθρωποι, οι οργανωτικές διαδικασίες και η τεχνολογία. Ο οργανισμός ή η επιχείρηση συλλέγει τη γνώση από τους πελάτες, τους προμηθευτές, τους ανταγωνιστές και γενικά από οποιονδήποτε με τον οποίο σχετίζεται. Η γνώση που λαμβάνει είναι άρρητη3, μετατρέπεται σε ρητή4 και αποθηκεύεται σε βάσεις δεδομένων γνώσης. Στη συνέχεια, οποιοσδήποτε έχει απορία για κάποιο θέμα, ανατρέχει στη βάση δεδομένων και αναζητά την 2 Πηγή: [ 3 Είναι η γνώση η οποία είναι δύσκολο να μεταφερθεί με την ομιλία ή τη γραφή από άνθρωπο σε άνθρωπο. 4 Είναι η γνώση η οποία μπορεί να μεταφερθεί με τη γλώσσα, να κωδικοποιηθεί και να αποθηκευθεί σε διάφορα μέσα αποθήκευσης (Βάσεις Δεδομένων κ.λ.π.) Κεφάλαιο 2 Ανάλυση Ορολογίας 4

11 κατάλληλη απάντηση. Η βάση γνώσης ενημερώνεται συνεχώς, είτε προσθέτοντας νέα γνώση, είτε βελτιώνοντας την ήδη υπάρχουσα. Σκοπός της Διαχείρισης Γνώσης είναι η διάχυση και ανταλλαγή της γνώσης ανάμεσα σε υπαλλήλους του ίδιου ή ακόμα και διαφορετικού τομέα της επιχείρησης ή του οργανισμού. Όλοι οι σύγχρονοι μεγάλοι οργανισμοί και οι επιχειρήσεις δαπανούν μεγάλα ποσά στη Διαχείριση Γνώσης ως μέρος της στρατηγικής τους. Με τη Διαχείριση Γνώσης επιτυγχάνουν βελτιωμένη απόδοση, συγκριτικά πλεονεκτήματα έναντι των ανταγωνιστών, δημιουργία καινοτομίας, διάχυση της υπάρχουσας γνώσης μέσα στον οργανισμό και συνεχή βελτίωση του ίδιου του οργανισμού. Ως αποτέλεσμα των παραπάνω, οι οργανισμοί που επενδύουν στη Διαχείριση Γνώσης απολαμβάνουν σημαντικά μακροπρόθεσμα οικονομικά κέρδη. Σε αντίθεση με όλα τα περιουσιακά στοιχεία, η γνώση αυξάνει την αξία της με το πέρασμα του χρόνου. 2.3 Ηλεκτρονικό Εμπόριο Με τον όρο Ηλεκτρονικό Εμπόριο, γνωστό και ως E-Commerce, εννοούμε την αγορά και πώληση αγαθών και υπηρεσιών με τη βοήθεια ηλεκτρονικών μέσων όπως το Διαδίκτυο [e9]. Ένα μεγάλο ποσοστό των ηλεκτρονικών συναλλαγών διεξάγεται πλήρως ηλεκτρονικά, για άυλα προϊόντα όπως τα δικαιώματα πρόσβασης στα άρθρα μιας ηλεκτρονικής βιβλιοθήκης, ενώ το μεγαλύτερο ποσοστό αφορά σε υλικά αγαθά, των οποίων μέρος της διαδικασίας πώλησης διεξάγεται ηλεκτρονικά. Ένας άλλος τρόπος διάκρισης του ηλεκτρονικού εμπορίου είναι η διάκριση ανάμεσα σε: Business to Business (B2B): εμπόριο μεταξύ επιχειρήσεων, κατά το οποίο μία επιχείρηση πουλά προϊόντα σε μία άλλη επιχείρηση, Business to Consumer (B2C): εμπόριο μεταξύ επιχειρήσεων και καταναλωτών, η πιο συνηθισμένη μορφή εμπορίου και Consumer to Consumer (C2C): εμπόριο μεταξύ καταναλωτών, κατά το οποίο ένα οποιοσδήποτε άτομο προσφέρει κάποια αγαθά μέσω του Διαδικτύου στους υπόλοιπους καταναλωτές. Η έννοια του ηλεκτρονικού εμπορίου δεν είναι πλέον ίδια με αυτή που είχε όταν πρωτοεμφανίστηκε στα τέλη του Αρχικά, ως ηλεκτρονικό εμπόριο θεωρούνταν η ανταλλαγή εμπορικών εγγράφων, όπως παραγγελίες ή τιμολόγια, μεταξύ των εταιριών σε ηλεκτρονική μορφή. Στη συνέχεια η εμφάνιση των πιστωτικών καρτών και των ATM, καθώς και η ηλεκτρονική κράτηση θέσεων σε αεροπορικές εταιρίες, τη δεκαετία του 1980 θα μπορούσε να χαρακτηριστεί ως μια νέα μορφή ηλεκτρονικού εμπορίου. Η on-line αγορά προϊόντων, η πιο αντιπροσωπευτική μορφή του ηλεκτρονικού εμπορίου, εμφανίστηκε το Με την εφεύρεση του παγκόσμιου ιστού (www) από τον Tim Berners-Lee το 1990 και έπειτα, το ηλεκτρονικό εμπόριο, από αποκλειστικό εργαλείο των μεγάλων επιχειρήσεων, έγινε προσιτό σε όλο και περισσότερους ανθρώπους. Κεφάλαιο 2 Ανάλυση Ορολογίας 5

12 2.4 Οντολογίες Όπως συμβαίνει με πάρα πολλούς όρους της επιστήμης της Πληροφορικής, δεν υπάρχει ένας και μοναδικός ορισμός για τις οντολογίες. Κατά τους [4], οντολογία είναι: η ρητή περιγραφή ενός συνόλου εννοιών στα πλαίσια ενός συγκεκριμένου πεδίου (κλάσεις (classes ή και concepts)),τα χαρακτηριστικά της κάθε κλάσης (σχισμές (slots ή roles ή properties)), και οι περιορισμοί στις σχισμές (όψεις (facets ή role restrictions)). Επίσης, κατά τους [5], οντολογία είναι μία τυπική δήλωση μιας θεωρητικής και αφηρημένης άποψης που έχουμε για το μέρος του κόσμου που θέλουμε να αναπαραστήσουμε, περιγεγραμμένη με μια γλώσσα που διαθέτει συγκεκριμένο λεξιλόγιο. Κατά την Wikipedia [e10], οντολογία είναι η επίσημη/τυπική περιγραφή ενός συνόλου εννοιών στα πλαίσια ενός πεδίου και η σχέσεις ανάμεσα σε αυτές τις έννοιες. Μία οντολογία μαζί με μερικά στιγμιότυπα (instances) των κλάσεων συνιστούν μία βάση γνώσης. Οι οντολογίες προσφέρουν ένα κοινό λεξιλόγιο το οποίο μπορεί να χρησιμοποιηθεί για τη μοντελοποίηση ενός πεδίου εννοιών. Αυτό το κοινό λεξιλόγιο απαιτεί και ο Σημασιολογικός Ιστός, όπως είδαμε και στο κεφάλαιο 2.1, για να λειτουργήσει σωστά και να περιγράψει το περιεχόμενο του Ιστού όσο καλύτερα γίνεται στις μηχανές και στους πράκτορες5 που αναζητούν δεδομένα σε αυτόν. Οι οντολογίες αποτελούνται κυρίως από [5]: Κλάσεις: σύνολα στοιχείων που περιγράφουν μια κατηγορία στην οποία ανήκουν συγκεκριμένα αντικείμενα. Για παράδειγμα, αν η έννοια όχημα αποτελεί μία κλάση, τότε το αντικείμενο αυτοκίνητο ανήκει στην κλάση αυτή και αποτελεί ένα στιγμιότυπο (instance) αυτής της κλάσης. Ιδιότητες: είναι δυαδικές σχέσεις μεταξύ των αντικειμένων των διαφόρων κλάσεων της εκάστοτε οντολογίας. Για παράδειγμα, η ιδιότητα ανήκει, μπορεί να συνδέει το αντικείμενο τροχός με το αντικείμενο αυτοκίνητο. Ιεραρχίες κλάσεων: περιγράφουν τις σχέσεις μεταξύ των κλάσεων. Για παράδειγμα, αν έχουμε τις εξής δύο κλάσεις, όχημα και τροχοφόρο, κάθε τροχοφόρο είναι και όχημα, έτσι λέμε ότι το τροχοφόρο είναι υποκλάση του οχήματος. Ιεραρχίες ιδιοτήτων: όπως και στις ιεραρχίες κλάσεων περιγράφουν σχέσεις, αλλά μεταξύ των ιδιοτήτων των κλάσεων. Εκτός των παραπάνω κύριων στοιχείων, οι οντολογίες περιέχουν και όρους λειτουργίας (function terms), περιορισμούς (restrictions), κανόνες (rules), αξιώματα (axioms) και γεγονότα (events), τη σημασία των οποίων δεν θα αναλύσουμε περαιτέρω [e12] Κατηγορίες Οντολογιών Οι οντολογίες μπορούν να διακριθούν και να κατηγοριοποιηθούν ανάλογα με το εννοιολογικό εύρος το οποίο καλύπτουν, το είδος της γνώσης το οποίο περιέχουν και διάφορα άλλα κριτήρια. Παρακάτω θα παρουσιάσουμε κάποιες από τις πιο σημαντικές κατηγοριοποιήσεις που έχουν προταθεί από διάφορους ερευνητές. 5 Πράκτορες (agents): Είναι προγράμματα τα οποία δρουν για λογαριασμό κάποιου χρήστη ή κάποιου άλλου προγράμματος. Δεν είναι προγραμματισμένα να εκτελούν συγκεκριμένες ενέργειες από πριν, αλλά αποφασίζουν ποια ενέργεια είναι προτιμότερη την κάθε δεδομένη στιγμή. Κεφάλαιο 2 Ανάλυση Ορολογίας 6

13 Κατηγοριοποίηση κατά Mizoguchi Ο Riichiro Mizoguchi6 πρότεινε, το 1995, τέσσερα είδη οντολογιών [11]: content ontologies οι οποίες περιέχουν ως υποκατηγορίες τις οντολογίες task ontologies, domain ontologies, general /common ontologies7, communication (tell & ask) ontologies (για διαμοίραση γνώσης), indexing ontologies (για ανάκτηση γνώσης) και meta-ontologies (οντολογίες αναπαράστασης γνώσης). Εικόνα 2.38: Κατηγορίες οντολογιών κατά Mizoruchi (1995) Κατηγοριοποίηση κατά Van Heijst Το 1997 ο Gertjan van Heijst κατηγοριοποιεί τις οντολογίες κατά δύο τρόπους, πρώτον, ανάλογα με την ποσότητα και δομή της αντίληψης και δεύτερον, ανάλογα με το θέμα τις αντίληψης. Κατά την πρώτη διάκριση υπάρχουν τρεις κατηγορίες οντολογιών: οντολογίες ορολογιών (terminological) όπως τα λεξικά, οντολογίες πληροφόρησης (informational) όπως οι ΒΔ και οντολογίες μοντελοποίησης της γνώσης (knowledge modeling). Κατά την δεύτερη διάκριση έχουμε τις παρακάτω τέσσερις κατηγορίες: representation, generic, domain, applicational [11]. Στην παρακάτω εικόνα φαίνεται σχηματικά η διάκριση που κάνει ο Van Heijst: 6 Καθηγητής στο Πανεπιστήμιο της Οσάκα [e24] 7 Οι domain και task ontologies αναλύονται στο Κεφ Κατηγοριοποίηση κατά Guarino 8 Πηγή: [11, pg 26] Κεφάλαιο 2 Ανάλυση Ορολογίας 7

14 Εικόνα 2.4: Κατηγορίες οντολογιών κατά Van Heijst (1997) Κατηγοριοποίηση κατά Guarino Ο Nicola Guarino9, το 1998, προτείνει τη διάκριση των οντολογιών ανάλογα με το περιγραφικό τους εύρος. Έτσι έχουμε τις ανώτερες (upper ή top-level ή foundation ontologies) και τις κατώτερες (domain) οντολογίες, καθώς και τις task και application ontologies [7], [11], [e10]. Στο παρακάτω σχήμα φαίνεται η σχέση μεταξύ των τεσσάρων προαναφερθέντων ειδών οντολογιών: Εικόνα 2.510: Κατηγορίες οντολογιών κατά Guarino Κατηγοριοποίηση κατά Lassila και McGuinness Τέλος, οι Lassila και McGuinness, το 2001, κατηγοριοποιούν τις οντολογίες ανάλογα με την πληροφορία που θέλουν αυτές να εκφράσουν και την πολυπλοκότητα της εσωτερικής τους δομής. Τα είδη τα οποία προτείνουν είναι τα εξής: controlled vocabularies, glossaries, thesauri, informational is-a hierarchies, formal is-a hierarchies, formal instances, frames, value restriction, general logical constraints, disjointness part-of hierarchies, όπως φαίνεται στην παρακάτω εικόνα: 9 Ο Nicola Guarino είναι υπεύθυνος του LOA (Laboratory for Applied Ontology), τομέα του Ινστιτούτου Γνωστικών Επιστημών και Τεχνολογιών του Ιταλικού Εθνικού Συμβουλίου Ερευνών στο Τρέντο [e21], [e22]. 10 Πηγή: [11, pg 27] Κεφάλαιο 2 Ανάλυση Ορολογίας 8

15 ικόνα 2.611: Κατηγορίες οντολογιών κατά Lassila και McCuinness Τελική ταξινόμηση Κατά τους [11, pg 28], μπορούν να συνδυαστούν οι προσεγγίσεις που παρουσιάστηκαν παραπάνω και να κατηγοριοποιηθούν οι οντολογίες σύμφωνα με δύο κύρια κριτήρια. Αρχικά ταξινομούνται σύμφωνα με την ποικιλότητα της εσωτερικής τους δομής και κατά δεύτερον σύμφωνα με το είδος της έννοιας που περιγράφουν Ταξινόμηση σύμφωνα με την ποικιλότητα της εσωτερικής δομής Σύμφωνα με αυτήν την ταξινόμηση, η οποία γίνεται σύμφωνα με την ομαδοποίηση που πρότειναν οι Lassila και McGuinness [βλ. Κεφ ], προκύπτουν οι κατηγορίες που παρουσιάζονται παρακάτω [11, pg 28-34]: Controlled vocabularies: για παράδειγμα ένας κατάλογος, Glossaries: μία λίστα με όρους και τις σημασίες τους εκφρασμένες σε φυσική γλώσσα, Thesauri: παρέχουν πρόσθετες πληροφορίες για όρους, όπως, για παράδειγμα, πληροφορίες για συνώνυμους όρους. Για παράδειγμα, οι όροι traveler και passenger μπορούν να θεωρηθούν συνώνυμοι εντός του γενικού πλαισίου που περιγράφει ο όρος travel. Informational is-a hierarchies: δεν αποτελούν αυστηρή εφαρμογή της ιεράρχησης is-a, για παράδειγμα οι όροι car rental και hotel δεν είναι είδη του όρου travel, αλλά μπορούν να συνδεθούν με την ιεράρχηση informational is-a υπό την έννοια ότι οι δύο πρώτοι όροι αποτελούν σημαντικά στοιχεία του τρίτου όρου. Formal is-a hierarchies: εδώ έχουμε τη σχέση του είδους, αν Β είναι υποκλάση του Α και ένα αντικείμενο είναι στιγμιότυπο (instance) του Β, τότε το ίδιο αντικείμενο είναι υποκλάση του Α. Στο ίδιο παράδειγμα, υποκλάσεις του όρου travel είναι οι flight και traintravel. Formal is-a hierarchies που περιλαμβάνουν στιγμιότυπα του πεδίου ορισμού (domain): μια τέτοια οντολογία θα μπορούσε να είναι η flight AA7462 arrives in Seattle, departs on February 8, costs 300$ ως στιγμιότυπο της οντολογίας flight. Frames (πλαίσια): Τα πλαίσια περιλαμβάνουν κλάσεις και τα χαρακτηριστικά τους, τα οποία κληρονομούνται από τις υποκλάσεις τους. Στο παράδειγμα με την οντολογία 11 Πηγή: [11, pg 28] Κεφάλαιο 2 Ανάλυση Ορολογίας 9

16 travel, υπάρχουν τα εξής χαρακτηριστικά: departure date, arrival date, company name και άλλα τα οποία κληρονομούνται από τις υποκλάσεις της οντολογίας travel. Οντολογίες που εκφράζουν περιορισμούς στις τιμές των χαρακτηριστικών. Για παράδειγμα, η τιμή του χαρακτηριστικού arrival date μπορεί να είναι μόνο του τύπου date. Οντολογίες που εκφράζουν γενικούς λογικούς περιορισμούς, όπως για παράδειγμα ότι η τιμή που λαμβάνει το χαρακτηριστικό departure date δεν μπορεί να είναι ημερομηνία μεταγενέστερη της τιμής που λαμβάνει το χαρακτηριστικό arrival date, για την ίδια πτήση Ταξινόμηση σύμφωνα με την περιγραφόμενη έννοια Knowledge Representation Ontologies (van Heijst, 1997): Είναι οι οντολογίες αναπαράστασης γνώσης, οι οποίες, κατά τους [11], συλλαμβάνουν τις αρχές αναπαράστασης που χρησιμοποιούνται στην τυποποίηση της γνώσης. Τα πιο αντιπροσωπευτικά παραδείγματα τέτοιων οντολογιών είναι οι Frame Ontology (FO) και η OKBC Ontology. Παρέχουν τα εργαλεία για την ανάπτυξη άλλων οντολογιών με τη λογική των πλαισίων (frame-based), και προσδιορίζουν τη βασική δομή που πρέπει να έχουν οι οντολογίες που πρόκειται να αναπτυχθούν. General (van Heijst, 1997) ή Common Ontologies (Mizoguchi, 1995): Αναπαριστούν γνώση κοινής λογικής η οποία επαναχρησιμοποιείται σε πολλές έννοιες. Μία αντιπροσωπευτική οντολογία αυτού του είδους είναι η Mereology12 η οποία καθορίζει τη σχέση part-of και τα χαρακτηριστικά της. Ο όρος mereology περιγράφει ένα σύνολο αξιωμάτων που σχετίζονται με τα μέρη και τα σύνολα στα οποία ανήκουν [e25], έτσι με την οντολογία Mereology μπορούμε να περιγράψουμε σχέσεις του τύπου: το εξάρτημα Α αποτελείται από κάποια άλλα εξαρτήματα τα οποία με τη σειρά τους μπορεί να αποτελούνται από άλλα υπο-εξαρτήματα. Top-level ή Upper-level Ontologies: Αυτές οι οντολογίες περιγράφουν πολύ γενικές έννοιες οι οποίες μπορούν να συμπεριλάβουν πολλές ειδικότερες περιπτώσεις οντολογιών. Η σημαντικότερη λειτουργία μιας ανώτερης οντολογίας είναι η υποστήριξη της διαλειτουργικότητας μεταξύ πολλών οντολογιών που ανήκουν στη συγκεκριμένη υπεροντολογία [11], [e16]. Λόγω της γενικής φύσης τους, οι ανώτερες οντολογίες προκαλούν πολλές διαμάχες και ανταγωνισμό μεταξύ των οργανισμών που προσπαθούν να τις αναπτύξουν. Κάθε οργανισμός έχει διαφορετική άποψη για τη σημασία της κάθε έννοιας, έτσι, οντολογίες που αναπτύσσονται από διαφορετικούς οργανισμούς, για την ίδια έννοια, είναι συνήθως διαφορετικές μεταξύ τους με αποτέλεσμα καμία από αυτές να μην μπορεί να καθιερωθεί ως πρότυπο. Καμία ανώτερη οντολογία ως τώρα δεν έχει καταφέρει να κερδίσει την ευρεία αποδοχή από την παγκόσμια κοινότητα και να καθιερωθεί ως de facto πρότυπο για την έννοια που περιγράφει [e16]. Μία γνωστή οντολογία με αρκετά μεγάλο περιγραφικό εύρος είναι η Cyc, η οποία αναπτύσσεται από το 1985 και αποτελείται από μία ανώτερη οντολογία και πολλές κατώτερες. Η Cyc προσπαθεί να περιγράψει την πολύ γενική έννοια της κοινής λογικής γνώσης (Commonsense Knowledge Base13) με σκοπό να εφαρμοστεί στο χώρο της τεχνητής νοημοσύνης, καθιστώντας δυνατή την επεξεργασία των πληροφοριών από τους υπολογιστές με τη χρήση της ανθρώπινης λογικής [e17]. Κατά τους υπεύθυνους ανάπτυξής της, η οντολογία Cyc περιέχει περίπου Borst, Είναι η συλλογή γεγονότων και πληροφοριών που αναμένεται να γνωρίζει ο μέσος άνθρωπος [e18] Κεφάλαιο 2 Ανάλυση Ορολογίας 10

17 όρους, εκατομμύρια λογικά αξιώματα, κανόνες και δηλώσεις, και ικανοποιεί τα δύο παρακάτω σημαντικά κριτήρια [e14]: Universal (καθολική) Κάθε έννοια που μπορεί να σκεφτεί ένας άνθρωπος μπορεί να περιγραφεί από την ανώτερη οντολογία Cyc. Articulate (έναρθρη): Οι διακρίσεις που έγιναν στην οντολογία είναι απαραίτητες και επαρκείς. Με τον όρο απαραίτητες εννοείται ότι καμία από αυτές δεν μπορούσε να παραληφθεί, ενώ με τον όρο επαρκείς, εννοείται ότι οι διακρίσεις που έγιναν αρκούν για την επίτευξη της σωστής λειτουργίας της οντολογίας. Παρακάτω παρουσιάζεται το διάγραμμα της ελεύθερης έκδοσης της οντολογίας OpenCyc, στο οποίο φαίνονται οι γενικοί όροι που περιγράφει και οι σχέσεις μεταξύ τους: Εικόνα 2.714: Το διάγραμμα της οντολογίας OpenCyc Domain Ontologies: Είναι οι οντολογίες που περιγράφουν συγκεκριμένες έννοιες. Αναπαριστούν τη συγκεκριμένη σημασία που μπορεί να έχει μία γενικότερη έννοια. Για παράδειγμα, αν μία ανώτερη οντολογία (top-level ontology) περιγράφει την έννοια κάρτα, μία κατώτερη οντολογία μπορεί να περιγράφει την έννοια κάρτα τραπεζικής ανάληψης, η οποία αποτελεί συγκεκριμένη περίπτωση της γενικότερης έννοιας κάρτα [e10]. Η διάκριση μεταξύ top-level και domain ontologies είναι το γεγονός ότι οι τελευταίες αποτελούν εξειδικεύσεις οντολογιών που έχουν ήδη καθοριστεί ως top-level ontologies [11]. Task Ontologies (Mizoguchi, Guarino, 1998): Περιγράφουν το λεξιλόγιο που σχετίζεται με γενικές ενέργειες (όπως για παράδειγμα: diagnosing, scheduling, 14 Πηγή: [ Κεφάλαιο 2 Ανάλυση Ορολογίας 11

18 selling) και μπορεί να μην ανήκουν στο ίδιο πεδίο (domain) [7], [11]. Οι task ontologies περιλαμβάνουν generic names, generic verbs, generic adjectives και άλλα, όπως φαίνεται και στην εικόνα 2.3. Domain Task Ontologies: Όπως φαίνεται και από την ονομασία τους, αυτές οι οντολογίες είναι task ontologies οι οποίες ανήκουν στο ίδιο πεδίο. Μία domain-task οντολογία σχετική με τον όρο trip schedules θα περιελάμβανε τους όρους next city, previous city κλπ [11]. Method Ontologies: Περιγράφουν τις αρχές που χρησιμοποιούνται από συγκεκριμένες διαδικασίες (μέθοδοι) για την επίτευξη συγκεκριμένου στόχου (task). Οι method ontologies βρίσκουν εφαρμογή στις Problem Solving Methods15 (PSMs) και αποτελούν μέρος της λειτουργίας τους όπως φαίνεται και στην εικόνα 2.8 [11], [12]. Εικόνα 2.816: Η λειτουργία μιας PSM και η θέση μιας Method Ontology μέσα σε αυτή. Application Ontologies: Είναι εξαρτημένες από τις εφαρμογές. Οι έννοιες που περιγράφουν αντιστοιχούν σε ρόλους που λαμβάνουν domain οντότητες17 όταν εκτελούν συγκεκριμένες ενέργειες. Στην ουσία, οι οντολογίες εφαρμογής είναι εξειδικεύσεις των domain και task οντολογιών [7], [11]. 15 PSMs: Είναι τεχνολογία διαμοίρασης γνώσης και επαναχρησιμοποίησής της [13]. 16 Πηγή: [12, pg 177] 17 Οι οντότητες που περιγράφονται από τις domain οντολογίες [βλ. Κεφ ] Κεφάλαιο 2 Ανάλυση Ορολογίας 12

19 3 Μεθοδολογίες, Εργαλεία και Γλώσσες Στο κεφάλαιο αυτό θα παρουσιάσουμε τις κυριότερες μεθοδολογίες και γλώσσες, καθώς και τα κυριότερα εργαλεία που μπορούν να χρησιμοποιηθούν για την κατασκευή μιας οντολογίας. Με τον όρο Μεθοδολογία εννοούμε ένα περιεκτικό ενοποιημένο σύνολο από τεχνικές ή μεθόδους που δημιουργούν ένα σύστημα θεωριών που περιγράφουν το πώς θα επιτευχθεί μία πνευματική εργασία [11, pg 108]. Εργαλεία καλούνται τα περιβάλλοντα εκείνα τα οποία παρέχουν τη δυνατότητα και την υποστήριξη στη διαδικασία ανάπτυξης των οντολογιών, από την αρχή έως το τέλος ανάπτυξής τους, αλλά και κατά την μετέπειτα χρήση τους [6]. Τέλος με τον όρο Γλώσσες εννοούμε το σύστημα κωδικοποίησης και αποκωδικοποίησης της γνώσης, που χρησιμοποιείται για την ανάπτυξη οντολογιών [e19], [e20]. 3.1 Μεθοδολογίες Ανάπτυξης Οντολογιών Κατά τους [11, pg 108] και ΙΕΕΕ, οι μέθοδοι και οι τεχνικές είναι μέρη των μεθοδολογιών. Η σχέση που ενώνει αυτές τις τρεις έννοιες μεταξύ τους περιγράφεται στην εικόνα 3.1. Κατά τον De Hoog, οι μεθοδολογίες αναφέρονται στη γνώση σχετικά με τις μεθόδους. Η διαφορά ανάμεσα στους όρους μέθοδος και τεχνική είναι η εξής: μέθοδος είναι μία γενική διαδικασία ενώ τεχνική είναι η συγκεκριμένη εφαρμογή μιας μεθόδου και ο τρόπος με τον οποίο αυτή εκτελείται. Σύμφωνα με την παρακάτω εικόνα, μία μεθοδολογία (methodology) αποτελείται από μεθόδους (methods) και τεχνικές (techniques), ενώ μία μέθοδος αποτελείται από διαδικασίες (processes). Μία διαδικασία αποτελείται από εργασίες (activities), οι οποίες με τη σειρά τους αποτελούνται από έργα (tasks) τα οποία είναι η μικρότερη μονάδα εργασίας στα πλαίσια της ανάπτυξης συστημάτων διαχείρισης γνώσης. Εικόνα : Μεθοδολογίες, μέθοδοι και τεχνικές 18 Πηγή: [11, pg 109] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 13

20 Αρχικά, το 1990, οι Lenat και Guha δημοσίευσαν κάποια βασικά βήματα σχετικά με την ανάπτυξη της οντολογίας Cyc [6]. Το 1995, με βάση την εμπειρία που αποκτήθηκε από την ανάπτυξη των Enterprise Ontology [14] και TOVE (Toronto Virtual Enterprise) project ontology [e27], προτάθηκαν από τους Uschold and King και Gruninger and Fox, αντίστοιχα, κάποια νέα πλαίσια μεθοδολογίας για την ανάπτυξη οντολογιών. Ένα χρόνο αργότερα, το 1996, στο 12ο Ευρωπαϊκό Συνέδριο Τεχνητής Νοημοσύνης παρουσιάστηκε μια μεθοδολογία ανάπτυξης οντολογιών στο πεδίο των ηλεκτρικών δικτύων ως μέρος του Esprit KACTUS project19. Την ίδια περίοδο εμφανίστηκε η METHONTOLOGY και στη συνέχεια εξελίχθηκε. Το 1997, βασισμένη στην ανάπτυξη της SENSUS ontology, εμφανίζεται μια νέα μεθοδολογία ανάπτυξης οντολογιών [10]. Οι μεθοδολογίες στις οποίες αναφερθήκαμε παραπάνω, καθώς και οι νεώτερες On-ToKnowledge (2000), DILIGENT (2004) και HCOME (2005) θα παρουσιαστούν στη συνέχεια Cyc Knowledge Base Η μεθοδολογία δημιουργίας της Cyc KB αποτελείται από τρεις φάσεις. Κατά την πρώτη φάση, η υπονοούμενη, άρρητη γνώση που περιέχεται σε άρθρα, βιβλία και άλλα μέσα αποτύπωσης γνώσης, εξάγεται με το χέρι. Στη συνέχεια, κατά τη δεύτερη και τρίτη φάση, λαμβάνει χώρα η απόκτηση γνώσης χρησιμοποιώντας φυσική γλώσσα και εργαλεία μάθησης. Η διαφορά μεταξύ δεύτερης και τρίτης φάσης είναι ότι στη δεύτερη φάση τα εργαλεία βοηθούν στην εξαγωγή της γνώσης, ενώ στην τρίτη φάση η εξαγωγή της γνώσης γίνεται κατά μεγάλο ποσοστό από αυτά τα εργαλεία. Εικόνα : Η μέθοδος Cyc 19 Knowledge About Complex technical systems for multiple Use (KACTUS) [e26] 20 Πηγή: [11, pg 114] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 14

21 3.1.2 Uschold and King's Εικόνα 3.3: Uschold and King's methodology Η μεθοδολογία που παρουσιάζουν οι Uschold και King βασίζεται στην εμπειρία από την ανάπτυξη της οντολογίας Enterprise Ontology η οποία επιχειρεί να μοντελοποιήσει τις επιχειρηματικές διεργασίες. Τα στάδια της μεθοδολογίας φαίνονται στην εικόνα 3.3 και είναι τα εξής [6], [10]: Αναγνώριση του σκοπού (Identify purpose) για τον οποίο αναπτύσσεται η οντολογία. Έτσι είναι πιθανότερο να αναπτυχθεί η σωστή οντολογία και όχι μία οντολογία που δεν χρησιμεύει πουθενά. Ανάπτυξη της οντολογίας (Building the ontology), μία φάση που χωρίζεται σε τρία μέρη: Σύλληψη της οντολογίας (Capture): Αναγνώριση των σημαντικότερων όρων που πρέπει να κωδικοποιηθούν, καθώς και των σχέσεων μεταξύ τους. Καθορισμός ακριβών και ξεκάθαρων ονομασιών αυτών των εννοιών και των σχέσεων. Οι Uschold και King προτείνουν μία ενδιάμεση προσέγγιση αυτού του βήματος και όχι την αναζήτηση των πιο γενικών ή των πιο ειδικών όρων που θα περιέχονται στην οντολογία. Κωδικοποίηση (Coding): Σε αυτή τη φάση, η γνώση που αποκτήθηκε κατά τη διάρκεια του προηγούμενου βήματος (capture) εκφράζεται μέσω κωδικοποιημένης γλώσσας. Ενοποίηση (Integrating) των ήδη υπαρχόντων οντολογιών. Αποτίμηση (Evaluation): Έλεγχος για το αν η οντολογία πληρεί κάποιες τεχνικές προδιαγραφές. Τεκμηρίωση (Documentation) Όπως αναφέρθηκε και στην αρχή της παρουσίασης, η πιο σημαντική οντολογία που αναπτύχθηκε με αυτή την μεθοδολογία είναι η Enterprise Ontology. Η οντολογία αναπτύχθηκε από το Ινστιτούτο Εφαρμογών Τεχνητής Νοημοσύνης στο Πανεπιστήμιο του Εδιμβούργου με τη συνεργασία των εταιριών IBM, Lloyd's Register, Logica UK Limited και Unilever. Το σημαντικότερο εργαλείο που αναπτύχθηκε με αυτή τη μεθοδολογία είναι το Enterprise Toolset [e28], [10]. Κατά τους [10], η μεθοδολογία αυτή δεν περιγράφει με λεπτομέρειες τις τεχνικές και τις δραστηριότητες που ακολουθήθηκαν κατά την ανάπτυξη της οντολογίας. Η διαδικασία που προτείνεται είναι ανεξάρτητη από το είδος της εφαρμογής της οντολογίας που πρόκειται να αναπτυχθεί. Οι κυριότεροι όροι καθορίζονται αναζητώντας τη σημαντικότερη και όχι την πιο γενική ή την πιο ειδική έννοια, στη συνέχεια, με γενίκευση και εξειδίκευση, εξάγονται και οι υπόλοιποι όροι Gruninger and Fox's Η ανάπτυξη του TOVE project και της αντίστοιχης οντολογίας είναι η βάση της μεθοδολογίας που παρουσιάζουν οι Gruninger και Fox. Το μοντέλο που αναπτύσσεται σύμφωνα με αυτή τη μεθοδολογία, αναπτύσσεται έμμεσα. Αρχικά, καθορίζονται οι πιθανές εφαρμογές της οντολογίας και στη συνέχεια χρησιμοποιούνται κάποιες ερωτήσεις για να εξαχθούν οι όροι που τελικά θα συμπεριλάβει η οντολογία. Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 15

22 Πιο συγκεκριμένα τα στάδια που ακολουθούνται είναι τα εξής [10]: Σύλληψη των κινήτρων (motivating scenarios): Σύμφωνα με τους Gruninger και Fox, τα motivating scenarios είναι προβλήματα που δεν μπορούν να αντιμετωπιστούν άμεσα από τις υπάρχουσες οντολογίες, έτσι δίνουν κίνητρο για την ανάπτυξη μιας νέας οντολογίας. Σχηματισμός των ερωτήσεων (Informal Competency Questions): Οι ερωτήσεις αυτές σχηματίζονται από τα σενάρια που καθορίστηκαν στο πρώτο στάδιο. Η οντολογία θα πρέπει να μπορεί να αντιπροσωπεύει αυτές τις ερωτήσεις μέσα από την ορολογία της. Αναφέρονται ως informal επειδή είναι εκφρασμένες σε φυσική και όχι σε επίσημη γλώσσα. Καθορισμός της ορολογίας της οντολογίας μέσω επίσημης γλώσσας (Formal Terminology): Αρχικά, εξάγεται, από τις ερωτήσεις του προηγούμενου μέρους, η ορολογία που θα χρησιμοποιηθεί στην οντολογία, εκφρασμένη όμως σε φυσική γλώσσα (informal). Στη συνέχεια, η ορολογία αυτή εκφράζεται μέσω επίσημης γλώσσας. Σχηματισμός επίσημων ερωτήσεων (Formal Competency Questions): Οι ερωτήσεις που σχηματίστηκαν στο δεύτερο μέρος με τη μορφή φυσικής γλώσσας, λαμβάνουν πλέον επίσημη μορφή μέσω της επίσημης ορολογίας (terminology) που καθορίστηκε στο προηγούμενο βήμα. Καθορισμός αξιωμάτων (Formal Axioms): Τα αξιώματα, που είναι απαραίτητα για τον καθορισμό της σημασίας των οντοτήτων και των σχέσεων μεταξύ τους μέσα σε μία οντολογία, εκφράζονται και αυτά σε επίσημη γλώσσα. Αν τα ήδη υπάρχοντα αξιώματα δεν επαρκούν για να αντιπροσωπεύσουν τις ερωτήσεις που έχουν τεθεί (competency questions), προστίθενται νέα. Καθορισμός όρων πληρότητας (Completeness Theorems): Μετά την πλήρη έκφραση των ερωτήσεων μέσα από την οντολογία, πρέπει να καθοριστούν οι όροι, κάτω από τους οποίους, οι απαντήσεις στις ερωτήσεις είναι πλήρεις. Εικόνα 3.421: Gruninger and Fox's methodology Όπως και στη μεθοδολογία που προτείνουν οι Uschold και King, έτσι κι εδώ δεν παρουσιάζονται λεπτομέρειες σχετικά με τις ενέργειες που πρέπει να γίνουν. Λόγω του ότι τα σενάρια λειτουργίας της οντολογίας καθορίζονται στην αρχή, η οντολογία που προκύπτει δεν είναι εντελώς ανεξάρτητη από τις εφαρμογές της. Οι όροι-κλειδιά (key-concepts) καθορίζονται, όπως και στην περίπτωση των Uschold και King, με την στρατηγική middle-out Πηγή: [ 22 Στρατηγική κατά την οποία αναζητείται ο σημαντικότερος όρος, και όχι κατ' ανάγκη ο πιο γενικός και ή πιο ειδικός. Αφού βρεθούν οι σημαντικότεροι όροι, οι υπόλοιποι όροι εξάγονται με γενίκευση και εξειδίκευση. Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 16

23 3.1.4 KACTUS project (Amaya Berneras et al.) Η συγκεκριμένη μεθοδολογία προέκυψε από την ανάπτυξη του έργου Esprit KACTUS project [e26], σκοπός του οποίου ήταν η διερεύνηση της επιτευξιμότητας της επαναχρησιμοποίησης της γνώσης στα πλαίσια σύνθετων τεχνικών συστημάτων, καθώς και ο ρόλος των οντολογιών στην υποστήριξη αυτής της λειτουργίας. Η ανάπτυξη οντολογιών σύμφωνα με αυτή τη μεθοδολογία προϋποθέτει την ταυτόχρονη ανάπτυξη εφαρμογών. Κάθε φορά που αναπτύσσεται μια εφαρμογή, αναπτύσσεται και η οντολογία που υποστηρίζει τη γνώση που περιέχεται στην εφαρμογή. Αυτή η οντολογία μπορεί να αναπτυχθεί από την επαναχρησιμοποίηση προγενέστερων οντολογιών και μπορεί, επίσης, να χρησιμοποιηθεί στην ανάπτυξη οντολογιών νέων εφαρμογών [10]. Εικόνα 3.5: Η επαναχρησιμοποίηση της γνώσης στην μέθοδο KACTUS Έτσι, κάθε φορά που αναπτύσσεται μία εφαρμογή ακολουθούνται τα παρακάτω βήματα: Καθορισμός της εφαρμογής (Specification of the application): Καθορίζεται το περιεχόμενο της εφαρμογής και τα στοιχεία που αυτή προσπαθεί να μοντελοποιήσει. Προκαταρκτικός σχεδιασμός (Preliminary design): Επισκόπηση του μοντέλου χρησιμοποιώντας τους όρους που αναπτύχθηκαν στο πρώτο βήμα. Σε αυτό το στάδιο αναζητούνται οντολογίες που αναπτύχθηκαν για παρόμοιες εφαρμογές έτσι ώστε να χρησιμοποιηθούν για την ανάπτυξη της οντολογίας της νέας εφαρμογής. Βελτίωση και δόμηση της οντολογίας (Refinement and structure): Ανάπτυξη της τελικής οντολογίας. Οι αρχή minimum coupling, μπορεί να χρησιμοποιηθεί για να εξασφαλιστεί ότι τα μέρη της οντολογίας δεν εξαρτώνται κατά μεγάλο βαθμό το ένα από το άλλο, ενώ ταυτόχρονα είναι όσο το δυνατό πιο σχετικά μεταξύ τους. Ακολουθώντας αυτή τη μεθοδολογία, αναπτύχθηκαν τρεις εφαρμογές με τις αντίστοιχες οντολογίες τους. Η πρώτη εφαρμογή έχει σκοπό τη διάγνωση βλαβών σε ηλεκτρικά δίκτυα, η δεύτερη προσπαθεί να προγραμματίσει τη συνέχιση των λειτουργιών μετά από μια βλάβη σε ένα ηλεκτρικό δίκτυο και η τρίτη ελέγχει το δίκτυο στα πλαίσια των δύο προηγούμενων εφαρμογών. Όπως και στις δύο προηγούμενες μεθοδολογίες, έτσι κι εδώ οι λεπτομέρειες που δίνονται για τη λειτουργία της είναι ελάχιστες. Η μεθοδολογία KACTUS εξαρτάται από τις εφαρμογές από την άποψη ότι κάθε οντολογία που αναπτύσσεται, αναπτύσσεται για μια νέα εφαρμογή. Η στρατηγική καθορισμού των όρων που ακολουθείται είναι η top-down Αρχικά αναζητείται ο γενικότερος όρος και στη συνέχεια, με εξειδίκευση, προκύπτουν και οι υπόλοιποι. Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 17

24 3.1.5 SENSUS Σε αυτή τη μεθοδολογία, η στρατηγική που ακολουθείται για την ανάπτυξη οντολογιών είναι η στρατηγική top-down, όπως και στην προηγούμενη μεθοδολογία. Οι οντολογίες προκύπτουν από την εξειδίκευση της πολύ μεγάλης οντολογίας SENSUS24 η οποία περιέχει περισσότερους από όρους. Η μεθοδολογία προτείνει τη σύνδεση εξειδικευμένων όρων στην γενική οντολογία SENSUS και στη συνέχεια το κλάδεμα των άσχετων ορολογιών από το δέντρο που προκύπτει, με αποτέλεσμα να απομείνει ένας σκελετός με την ορολογία η οποία μας ενδιαφέρει [6, pg 45], [11, pg 142]. Σύμφωνα με αυτή τη μεθοδολογία, οι ακόλουθες διαδικασίες πρέπει να ακολουθηθούν προκειμένου να αναπτυχθεί μία νέα οντολογία [11, pg ]: 1. Seed terms: Στο πρώτο στάδιο καθορίζουμε όρους-κλειδιά ή όπως τους αναφέρει η μεθοδολογία, seed terms. Έστω ότι θέλουμε να αναπτύξουμε μία οντολογία σχετικά με την έννοια flight, τότε θα μπορούσαμε να επιλέξουμε τους όρους Europe-Africa flight, Europe-America flight, London-Liverpool flight και MadridBarcelona flight (Εικόνα 3.6). 2. Manual link: Σύνδεση των όρων που επιλέχθηκαν στο προηγούμενο στάδιο, χειροκίνητα, με την κύρια οντολογία (SENSUS). Στο παράδειγμά μας, οι δύο πρώτοι όροι θα χαρακτηριστούν ως υποκλάσεις του όρου international flight, ενώ οι δύο τελευταίοι ως υποκλάσεις του όρου domestic flight (Εικόνα 3.7). 3. Adding paths: Σύνδεση των αρχικών όρων (seed terms) μέσω διαδρόμων (paths) με την γενική οντολογία. Κατά την άνοδο από τους ειδικότερους όρους στη γενική οντολογία, προστίθενται και οι ενδιάμεσοι απαραίτητοι όροι, όπως φαίνεται και στην εικόνα Adding new domain terms: Όροι που είναι σχετικοί με την οντολογία που αναπτύσσεται και δεν έχουν συμπεριληφθεί έως τώρα, εισάγονται χειροκίνητα και επαναλαμβάνονται τα βήματα 2 και 3. Στο παράδειγμά μας μπορούμε να προσθέσουμε του όρους destination και origin, καθώς και τις υπερκλάσεις αυτών των όρων. (Εικόνα 3.9) 5. Subtrees: Σε αυτό το στάδιο οι ειδικοί ελέγχουν το δέντρο που έχει προκύψει, παρατηρούν τους κόμβους από του οποίους διέρχονται πολλά μονοπάτια (paths) και αποφασίζουν αν θα προσθέσουν ή όχι κάποιο κόμβο στον υπο-δέντρο που σχηματίζεται κάτω από αυτόν τον κόμβο. Στο παράδειγμα μπορούμε να προσθέσουμε τον κόμβο flight trip και τους όρους redeye (night flight) και nonstop flight, όπως φαίνεται στην εικόνα Εικόνα 3.6: Καθορισμός των seed terms 24 Για περισσότερες λεπτομέρειες [11, pg 84] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 18

25 Εικόνα 3.725: Σύνδεση των seed terms με την οντολογία SENSUS Εικόνα 3.826: Εισαγωγή διαδρομών (paths) έως την κορυφή 25 Πηγή: [11, pg 144] 26 Πηγή: [11, pg 144] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 19

26 Εικόνα 3.927: Εισαγωγή νέων όρων Εικόνα : Εισαγωγή υπο-δέντρων (subtrees) 27 Πηγή: [11, pg 145] 28 Πηγή: [11, pg 145] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 20

27 Η μεθοδολογία SENSUS δεν είναι πολύ λεπτομερής, ενώ είναι ημιεξαρτώμενη από τις εφαρμογές, αφού ο καθορισμός των seed terms γίνεται με βάση την εφαρμογή που θέλουμε να αναπτύξουμε. Εδώ η στρατηγική καθορισμού των όρων είναι η bottom-up29, αφού ξεκινούμε από τους πιο ειδικούς και καταλήγουμε στους πιο γενικούς όρους [10]. Η μεθοδολογία SENSUS έχει εφαρμοσθεί και στην ανάπτυξη μιας οντολογίας για το σχεδιασμό στρατιωτικού αεροπορικού εξοπλισμού. Αυτή περιέχει οντολογίες σχετικές με όπλα, συστήματα, καύσιμα κλπ [11, pg 146] METHONTOLOGY Η METHONTOLOGY αναπτύχθηκε στο Πολυτεχνείο της Μαδρίτης και περιλαμβάνει την αναγνώριση της διαδικασίας ανάπτυξης της οντολογίας (identification of the ontology development process), ένα κύκλο ζωής βασισμένο σε εξελισσόμενα πρωτότυπα ή αρχέτυπα30 (evolving prototypes), καθώς και τεχνικές για την εκτέλεση των διαχειριστικών (management), αναπτυξιακών (development-oriented) και υποστηρικτικών (support) εργασιών [11, pg 125] Διαδικασία Ανάπτυξης Οντολογιών Γνωστή ως Ontology Development Process, καθορίστηκε το 1997 από τον M. Fernández-López στα πλαίσια της ανάπτυξης της μεθοδολογίας METHONTOLOGY και αναφέρεται στο ποιες εργασίες γίνονται όταν αναπτύσσεται μια οντολογία [11, pg 109]. Οι εργασίες που πραγματοποιούνται είναι οι εξής: 1. Διαχειριστικές (management): Περιλαμβάνουν τον προγραμματισμό, τον έλεγχο και την διασφάλιση ποιότητας. Κατά τον προγραμματισμό (scheduling) καθορίζονται οι εργασίες που πρέπει να γίνουν, η σειρά με την οποία θα γίνουν, οι πόροι οι οποίοι είναι απαραίτητο να δεσμευτούν προκειμένου να εκτελεστούν αυτές οι εργασίες και φυσικά το χρονικό πλαίσιο εντός του οποίοι πρέπει να έχουν ολοκληρωθεί οι προγραμματισμένες εργασίες. Ο έλεγχος (control) εγγυάται ότι οι προγραμματισμένες εργασίες εκτελούνται κατά τον τρόπο που έχουν προγραμματιστεί. Τέλος, ο έλεγχος ποιότητας διασφαλίζει ότι κάθε προϊόν που παράγεται από την εκτέλεση των παραπάνω εργασιών πληροί κάποιες ποιοτικές προδιαγραφές [10], [11, pg 109]. 2. Εργασίες ανάπτυξης (development oriented): Αυτές οι εργασίες χωρίζονται σε τρία είδη, τις pre-development, development και post-development. Κατά τη διάρκεια πριν την ανάπτυξη της οντολογίας (pre-development), γίνεται μία έρευνα σχετικά με το που θα εφαρμοσθεί η οντολογία που πρόκειται να αναπτυχθεί καθώς και το αν είναι εφικτή η ανάπτυξη της οντολογίας. Κατά το στάδιο της ανάπτυξης (development) λαμβάνει χώρα ο καθορισμός των προδιαγραφών (specification) της οντολογίας, δηλαδή σε ποιους απευθύνεται, για ποιο λόγο αναπτύσσεται και σε τι αποσκοπεί. Επίσης, σε αυτό το στάδιο πραγματοποιείται η ενέργεια της αντίληψης (conceptualization) της οντολογίας που θέλουμε να αναπτύξουμε και στη συνέχεια ακολουθούν, η τυποποίηση (formalization) και εφαρμογή (implementation) κατά την οποία χτίζεται η οντολογία. Μετά την κατασκευή της οντολογίας ακολουθεί το στάδιο της συντήρησης (maintenance) και της χρήσης (use) τα οποία ανήκουν στην κατηγορία post-development [10], [11, pg ]. 29 Η αντίθετη στρατηγική από την top-down 30 Ο όρος evolving prototypes αναφέρεται σε πρωτότυπα να οποία δημιουργούνται σε τακτά χρονικά διαστήματα, κατά τη διάρκεια της ανάπτυξης ενός λογισμικού (στην περίπτωσή μας μιας οντολογίας), με σκοπό να παρουσιάσουν τη μορφή που έχει την κάθε δεδομένη στιγμή το λογισμικό που αναπτύσσεται. Τα πρωτότυπα δεν είναι ολοκληρωμένη μορφή του λογισμικού, αλλά παρουσιάζουν κάποια κομμάτια του και μπορεί να διαφέρουν εντελώς από την τελική μορφή που θα πάρει το έργο όταν ολοκληρωθεί [e29]. Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 21

28 3. Εργασίες υποστήριξης (support activities): Οι εργασίες υποστήριξης πραγματοποιούνται ταυτόχρονα με τις εργασίες ανάπτυξης της οντολογίας και, όπως δηλώνει και η ονομασία τους, υποστηρίζουν την κατασκευή της οντολογίας. Οι ενέργειες που γίνονται είναι η εκμαίευση γνώσης (knowledge acquisition) από τους ειδικούς στον τομέα με τον οποίο σχετίζεται η υπό ανάπτυξη οντολογία, η αποτίμηση (evaluation) της οντολογίας, της τεκμηρίωσής της κλπ, η ενοποίηση (integration) η οποία είναι απαραίτητη όταν η οντολογία αναπτύσσεται χρησιμοποιώντας μία άλλη οντολογία ως πρότυπο. Η συγχώνευση (merging) απαιτείται όταν ως πρότυπο ανάπτυξης απαιτούνται περισσότερες από μία υπάρχουσες οντολογίες. Τέλος, έχουμε τις εργασίες της συμμόρφωσης (alignment), της τεκμηρίωσης (documentation) και της τελικής διαμόρφωσης (configuration management) [10], [11, pg ]. Παρακάτω φαίνονται οι εργασίες που αναλύθηκαν παραπάνω και αποτελούν την διαδικασία ανάπτυξης των οντολογιών κατά τον M. Fernández-López. Εικόνα : Ontology development process Διασταυρούμενοι κύκλοι ζωής οντολογιών Η διαδικασία ανάπτυξης οντολογιών που περιγράφηκε παραπάνω δεν καθορίζει τη σειρά με την οποία θα πραγματοποιηθούν οι εργασίες που αναφέρει. Η σειρά αυτή καθορίζεται από τον κύκλο ζωής που προτείνει η METHONTOLOGY, ο οποίος βασίζεται σε εξελισσόμενα πρωτότυπα, όπως αναφέρθηκε στην αρχή του κεφαλαίου, και επιτρέπει την πρόσθεση, αφαίρεση και αλλαγή των όρων που περιέχονται σε κάθε νέα έκδοση (πρωτότυπο) [11, pg 126]. Στην εικόνα 3.12 παρουσιάζεται ο κύκλος ζωής του κάθε πρωτότυπου το οποίο προκύπτει κατά 31 Πηγή: [11, pg 110] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 22

29 τη διαδικασία ανάπτυξης μιας οντολογίας. Για το λόγο ότι κάθε πρωτότυπο αποτελεί από μόνο του μια οντολογία, μπορούμε να αναφέρουμε τον παρακάτω κύκλο ζωής ως διασταυρούμενους κύκλους ζωής οντολογιών (crossed life cycles). Εικόνα : Ο κύκλος ζωής των πρωτοτύπων κατά την μεθοδολογία METHONTOLOGY Η εικόνα 3.12 δείχνει τη σειρά με την οποία εκτελούνται οι εργασίες της εικόνας 3.11 (ontology development process) για κάθε πρωτότυπο. Για κάθε πρωτότυπο, η METHONTOLOGY προτείνει την εκκίνηση από την εργασία schedule (προγραμματισμός). Μετά τον προγραμματισμό, ξεκινά η εργασία specification και, ταυτόχρονα με αυτή, οι εργασίες control και quality assurance στο επίπεδο των διαχειριστικών εργασιών (management activities), καθώς και οι knowledge acquisition, integration, evaluation, documentation και configuration management στο επίπεδο των υποστηρικτικών εργασιών (support activities). Όλες οι εργασίες διαχείρισης και υποστήριξης, εκτελούνται παράλληλα με τις εργασίες ανάπτυξης (specification, conceptualization, formalization, implementation και maintenance) καθ' όλη τη διάρκεια του κύκλου ζωής της οντολογίας (πρωτότυπου) [11, pg 126]. Μετά το σχηματισμό του βασικού μοντέλου κατά τη φάση conceptualization, ξεκινά η τυποποίηση (formalization) και η εφαρμογή (implementation). Αν σε κάποια από αυτές τις φάσεις εντοπιστεί κάποια έλλειψη, μπορούμε να επιστρέψουμε σε οποιοδήποτε από τα προηγούμενα στάδια, να κάνουμε τις απαραίτητες αλλαγές και να δημιουργήσουμε ένα νέο πρωτότυπο. Έτσι έχουμε συνεχώς εξελισσόμενα πρωτότυπα [11, pg 126]. 32 Πηγή: [11, pg 127] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 23

30 Ανάλυση Πολλές οντολογίες έχουν αναπτυχθεί σύμφωνα με τη μεθοδολογία METHONTOLOGY. Οι σημαντικότερες από αυτές είναι [10]: 1. Η οντολογία CHEMICALS, η οποία περιέχει γνώση από το πεδίο των χημικών στοιχείων και των κρυσταλλικών δομών. 2. Οντολογίες για μολυσματικούς παράγοντες του περιβάλλοντος. Αντιπροσωπεύουν τις μεθόδους εντοπισμού των διαφορετικών μολυσματικών συστατικών των ποικίλων στοιχείων όπως: νερό, αέρας, απόβλητα κλπ. 3. Η οντολογία Reference-Ontology, μία οντολογία που παίζει το ρόλο του καταλόγου των οντολογιών. Συγκεντρώνει, οργανώνει και παρουσιάζει σε μια λογική διάταξη τις οντολογίες που υπάρχουν και τις συνδέει μεταξύ τους. 4. Η ανακατασκευασμένη οντολογία (KA)2, η οποία περιέχει γνώση σχετικά με την επιστημονική κοινότητα στο πεδίο της Απόκτησης Γνώσης (Knowledge Acquisition). Οι σημαντικότερες εφαρμογές που αναπτύχθηκαν με τη βοήθεια της METHONTOLOGY είναι η (Onto)2Agent, Chemical OntoAgent, Ontogeneration και άλλες. Ένα μεγάλο μέρος της μεθοδολογίας είναι αρκετά λεπτομερές, σε αντίθεση με τις προηγούμενες μεθοδολογίες. Η METHONTOLOGY είναι ανεξάρτητη από τις εφαρμογές και η στρατηγική καθορισμού των όρων είναι η middle-out (όπως και στις Uschold and King's και Gruninger and Fox's) [10] On-To-Knowledge Σκοπός του έργου On-To-Knowledge είναι η εφαρμογή οντολογιών σε πληροφορίες που είναι διαθέσιμες ηλεκτρονικά, έτσι ώστε να βελτιώσει την ποιότητα της διαχείρισης γνώσης σε μεγάλους κατανεμημένους οργανισμούς. Η μεθοδολογία αυτή προτείνει την ανάπτυξη των οντολογιών έχοντας στο μυαλό τις εφαρμογές στις οποίες θα λειτουργήσουν. Στην εικόνα 3.13 φαίνονται τα στάδια ανάπτυξης οντολογιών τα οποία προτείνει η συγκεκριμένη μεθοδολογία. Εικόνα : Τα στάδια της μεθοδολογίας On-To-Knowledge 33 Πηγή: [11, pg 147] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 24

31 1. Feasibility study: Αυτό το στάδιο λαμβάνει χώρα πριν την έναρξη ανάπτυξης της οντολογίας και εξετάζει το κατά πόσο είναι δυνατή η ανάπτυξη της οντολογίας που πρόκειται να αναπτυχθεί. 2. Kickoff: Εδώ καθορίζονται οι απαιτήσεις, ο στόχος, οι τελικοί χρήστες και οι βασικές γραμμές σχεδιασμού της οντολογίας. Όλα τα προηγούμενα αναφέρονται στα έγγραφα απαιτήσεων (requirements specification documents) που συντάσσονται σε αυτό το στάδιο. Επίσης, εξετάζεται και η πιθανότητα ύπαρξης οντολογιών που έχουν ήδη αναπτυχθεί και μπορούν να επαναχρησιμοποιηθούν για την ανάπτυξη της νέας οντολογίας. 3. Refinement: Στόχος είναι η παραγωγή μιας οντολογίας λειτουργικής η οποία θα εκπληρώνει τοις προδιαγραφές που τέθηκαν στο προηγούμενο στάδιο. Δύο είναι οι ενέργειες που πρέπει να γίνουν σε αυτό το στάδιο: Εκμαίευση γνώσης (knowledge elicitation) από τους ειδικούς στο πεδίο στο οποίο θέλουμε να εφαρμοστεί η υπό ανάπτυξη οντολογία, Τυποποίηση (formalization) της γνώσης που έχει εξαχθεί στην προηγούμενη ενέργεια. Στην ουσία εδώ συντάσσεται η οντολογία χρησιμοποιώντας μία γλώσσα σύνταξης οντολογιών. 4. Evaluation: Κατά το στάδιο της αξιολόγησης δύο ενέργειες λαμβάνουν χώρα: ο έλεγχος για το αν η παραχθείσα οντολογία εκπληρώνει τις προδιαγραφές οι οποίες καθορίστηκαν στο δεύτερο στάδιο, και ο έλεγχος λειτουργίας της οντολογίας στο περιβάλλον εφαρμογής για το οποίο αναπτύχθηκε. 5. Maintenance: Η συντήρηση της οντολογίας που έχει αναπτυχθεί. Η μεθοδολογία αυτή έχει εφαρμοστεί στην ανάπτυξη οντολογιών για εικονικές επιχειρήσεις (virtual enterprises), για εφαρμογές σε μεγάλα τηλεφωνικά κέντρα και άλλα. Η On-To-Knowledge εξαρτάται από τις εφαρμογές, αφού, όπως αναφέραμε προηγουμένως, οι οντολογίες αναπτύσσονται με γνώμονα τις εφαρμογές στις οποίες θα χρησιμοποιηθούν [11, pg ] CO4 Έως τώρα, οι μεθοδολογίες που παρουσιάσαμε αναφέρονταν στην ανάπτυξη οντολογιών από ένα κέντρο. Το CO4 είναι ένα πρωτόκολλο συνεργατικής ανάπτυξης οντολογιών. Αυτό που προσπαθεί να επιτύχει το CO4 είναι η ομοφωνία (consensus) μεταξύ των μερών που αναπτύσσουν μία οντολογία [6]. Το πρωτόκολλο CO4 υποθέτει την ύπαρξη ενός συνόλου βάσεων γνώσης που από εδώ και πέρα θα αναφέρονται ως KB (Knowledge Base), οργανωμένες σε ένα δέντρο. Τα φύλλα αυτού του δέντρου αναφέρονται ως user KB και οι ενδιάμεσοι κόμβοι ως group KB. Οι user KB δεν χρειάζεται να έχουν ομοφωνία, σε αντίθεση με τους group KB για τους οποίους είναι απαραίτητη. Επιπλέον, ένας user KB μπορεί να ανήκει μόνο σε έναν group KB [11, pg 175]. Έστω ότι υπάρχουν δύο ομάδες στην Ευρώπη και δύο ομάδες στην Αμερική οι οποίες αναπτύσσουν μία οντολογία. Το δέντρο που σχηματίζεται φαίνεται στην εικόνα Οι ευρωπαϊκές ομάδες πρέπει να φτάσουν σε ομοφωνία στον κόμβο KB1, ενώ οι αμερικάνικες στον κόμβο KB2, έπειτα, οι KB1 και KB2 πρέπει να έχουν ομοφωνία στον κεντρικό κόμβο KB0. Κάθε φορά που μια ομάδα προτείνει μία αλλαγή στην οντολογία που αναπτύσσεται, πρέπει να την υποβάλει την πρότασή της στον κόμβο στον οποίο ανήκει. Έστω ότι η ομάδα KB1.1 προτείνει μία αλλαγή, η οποία για να εφαρμοσθεί, πρέπει να γίνει δεκτή από όλες τις ομάδες του δέντρου. Η πορεία που ακολουθεί η πρόταση από την υποβολή της έως την τελική αποδοχή ή απόρριψή της, φαίνεται στην εικόνα 3.15 [11, pg ]. Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 25

32 Εικόνα : Δέντρο βάσεων γνώσης (KB) σύμφωνα με το πρωτόκολλο CO4 Εικόνα : Υποβολή πρότασης από την ομάδα KB Πηγή: [11, pg176] 35 Πηγή: [11, pg 177] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 26

33 3.1.9 DILIGENT Η DILIGENT, η οποία εμφανίστηκε το 2004 και βασίζεται στη Θεωρία Ρητορικής Δομής (Rhetorical Structure Theory36), είναι μία μεθοδολογία κατανεμημένης, συνεργατικής και ελάχιστα ελεγχόμενης, ανάπτυξης οντολογιών. Αυτή η μεθοδολογία δεν υποθέτει ότι η οντολογία που θα αναπτυχθεί θα καλύπτει εξ αρχής όλο το εύρος του πεδίου στο οποίο αναφέρεται. Αντιθέτως, υποθέτει ότι η οντολογία θα εξελιχθεί με το χρόνο και θα εφαρμοσθεί στις ανάγκες του κάθε χρήστη [17], [e30]. Η DILIGENT περιλαμβάνει πέντε κύριες εργασίες [15, pg ]: 1. Build: Οι ρόλοι που λαμβάνουν μέρος σε αυτό το στάδιο είναι οι ειδικοί στο πεδίο37 (domain experts), οι χρήστες (users), οι μηχανικοί γνώσης (knowledge engineers) και οι μηχανικοί οντολογιών (ontology engineers). Σε αυτή τη μεθοδολογία επικεντρωνόμαστε στην κατανεμημένη ανάπτυξη (distributed development) στην οποία συμμετέχουν άτομα με διαφορετικούς στόχους και ανάγκες, και συνήθως βρίσκονται σε διαφορετικές τοποθεσίες. Η ομάδα αυτή πρέπει να είναι σχετικά μικρή και μπορούν τα μέλη της να επικοινωνούν εύκολα μεταξύ τους. Η οντολογία που θα αναπτυχθεί σε αυτό το στάδιο δεν είναι απαραίτητο να καλύπτει όλο το εύρος γνώσης για το οποίο προορίζεται. 2. Local adaption: Μετά την ανάπτυξη της αρχικής οντολογίας, οι χρήστες είναι ελεύθεροι να την προσαρμόσουν ο καθένας στις δικές του ανάγκες. Η προσαρμογές και οι αλλαγές που ενδεχομένως να κάνει ένας χρήστης γίνονται τοπικά, στο μέρος της οντολογίας που χρησιμοποιεί ο ίδιος και δεν του επιτρέπεται να παρέμβει στην οντολογία που χρησιμοποιούν όλοι οι χρήστες. Η ομάδα που ελέγχει κεντρικά την οντολογία συλλέγει αιτήματα για αλλαγές στην κοινή οντολογία. 3. Analysis: Κατά τη φάση της ανάλυσης, η ομάδα ελέγχου της οντολογίας, αναλύει τις παρεμβάσεις που έχει κάνει ο κάθε χρήστης ξεχωριστά, καθώς και τα αιτήματα για αλλαγές στην κοινή οντολογία. Έπειτα καταλήγουν σε μία απόφαση για το ποιες από αυτές τις μετατροπές θα εφαρμοστούν στην κοινή οντολογία για να προκύψει η νέα έκδοσή της. 4. Revision: Η ομάδα ελέγχου πρέπει να αναθεωρεί συχνά τις αλλαγές που γίνονται, έτσι ώστε οι τοπικές οντολογίες να μην απομακρυνθούν κατά πολύ από την κοινή οντολογία. 5. Local update: Μετά την άφιξη της νέας έκδοσης της κοινής οντολογίας, οι χρήστες μπορούν να ενημερώσουν τις τοπικές τους οντολογίες. Στην εικόνα 3.16 φαίνονται οι ρόλοι που συμμετέχουν στην ανάπτυξη της οντολογίας με τη μεθοδολογία DILIGENT, καθώς και τα στάδια από τα οποία περνάει η οντολογία. Τα νούμερα που εμφανίζονται στην εικόνα αναφέρονται στα αντίστοιχα στάδια που παρουσιάστηκαν παραπάνω. Στην εικόνα 3.17 εμφανίζεται η αναθεωρημένη έκδοση της DILIGENT. 36 [e31] 37 Το πεδίο γνώσης στο οποίο θα αναφέρεται η οντολογία που θέλουμε να αναπτύξουμε Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 27

34 Εικόνα : Ρόλοι και λειτουργίες στην DILIGENT Εικόνα 3.17: Αναθεωρημένη έκδοση της DILIGENT (2006) 38 Πηγή: [15, pg 305] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 28

35 HCOME Η HCOME (Human -Centered Ontology Engineering Methodology) αναπτύχθηκε από τον Κωνσταντίνο Κώτη39 το 2005 στα πλαίσια της Διδακτορικής του Διατριβής στο Τμήμα Μηχανικών Πληροφοριακών και Επικοινωνιακών Συστημάτων στο Πανεπιστήμιο του Αιγαίου στη Σάμο, σε συνεργασία με τον αναπληρωτή καθηγητή του Πανεπιστημίου του Αιγαίου, Γεώργιο Βούρο. Η μεθοδολογία HCOME υποστηρίζει την αποκεντρωμένη ανάπτυξη οντολογιών και προτείνει τρία επίπεδα (spaces) αποθήκευσης των οντολογιών. Το πρώτο είναι το προσωπικό επίπεδο (Personal Space), στο οποίο οι χρήστες μπορούν να δημιουργήσουν και να συγχωνεύσουν οντολογίες, να ελέγξουν τις εκδόσεις των οντολογιών τους κλπ. Οι αναπτυσσόμενες προσωπικές οντολογίες μπορούν να μοιραστούν στο συνεργατικό επίπεδο (Shared Space) στο οποίο έχουν πρόσβαση όλοι οι χρήστες. Οι χρήστες συζητούν και αποφασίζουν μετατροπές στις οντολογίες που βρίσκονται στο Shared Space. Μετά τη συζήτηση και την απόφαση, οι οντολογίες μεταφέρονται στο τρίτο επίπεδο, το Agreed Space [e32]. Η εφαρμογή της μεθοδολογίας HCOME υποστηρίζεται από ένα περιβάλλον που αναπτύχθηκε ειδικά γι' αυτή, το HCONE40, στο οποίο θα αναφερθούμε μετά την ανάλυση της μεθοδολογίας. Εικόνα : Τα επίπεδα στα οποία εργάζονται οι εργάτες γνώσης στην HCOME Στην εικόνα 3.19 φαίνονται οι εργασίες που λαμβάνουν χώρα κατά την εφαρμογή της HCOME. Αυτές οι εργασίες διεξάγονται επαναληπτικά έως ότου επέλθει συμφωνία μεταξύ των εργατών γνώσης42. Οι εργασίες που διεξάγονται ατομικά, λαμβάνουν χώρα στο προσωπικό επίπεδο (Personal Space), όπως αναφέρθηκε στην αρχή της ανάλυσης την μεθοδολογίας, και στην εικόνα 3.19 είναι σημειωμένες με (P). Οι εργασίες που διεξάγονται ομαδικά, λαμβάνουν χώρα στο συμμετοχικό επίπεδο (Shared Space) και είναι σημειωμένες με (S) [16, pg 8]. 39 Κωνσταντίνος Κώτης: Ερευνητής στο Εργαστήριο Τεχνητής Νοημοσύνης του Πανεπιστημίου του Αιγαίου. Για περισσότερες πληροφορίες σχετικά με το βιογραφικό του στο [e36] 40 Περισσότερες πληροφορίες στις εξής τοποθεσίες: [e33], [e34] 41 Πηγή: [9, διαφάνεια 23] 42 Ως εργάτες γνώσης αναφέρονται οι εμπλεκόμενοι στην ανάπτυξη οντολογιών στην μεθοδολογία HCOME. Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 29

36 Εικόνα : Οι φάσεις της μεθοδολογίας HCOME Η HCOME αποτελείται από τρεις κύριες φάσεις. Η πρώτη είναι η Specification phase, η δεύτερη είναι η Conceptualization phase και η τρίτη είναι η Exploitation phase. Στη συνέχεια αναλύονται οι τρεις προαναφερθείσες φάσεις [16, pg 8-10]: 1. Specification phase: Κατά το πρώτο στάδιο, οι εργάτες γνώσης σχηματίζουν ομάδες εργασίας με σκοπό τη συνεργατική ανάπτυξη οντολογιών. Μετά το σχηματισμό των ομάδων, τα μέλη συζητούν σχετικά με τις απαιτήσεις και τα χαρακτηριστικά, καθώς και για τον σκοπό για τον οποίο θα αναπτυχθεί η οντολογία. Ποιο συγκεκριμένα, οι εργασίες τις οποίες περιλαμβάνει η συγκεκριμένη φάση είναι: Ο καθορισμός του αντικειμένου και του στόχου της οντολογίας Η συζήτηση μεταξύ των εργατών γνώσης με σκοπό να εξαχθούν κοινώς αποδεκτές προδιαγραφές για την οντολογία Η καταγραφή των αυτών των προδιαγραφών σε κατάλληλα έγγραφα. Οι εργασίες της συγκεκριμένη φάσης διεξάγονται στα πλαίσια του Shared Space (S), όπως φαίνεται στην εικόνα Conceptualization phase: Μετά τον από κοινού καθορισμό του σκοπού και των προδιαγραφών της οντολογίας, οι χρήστες μπορούν αν αναπτύξουν, ο καθένας στο Personal Space (P), την οντολογία που έχουν σκεφτεί. Η φάση αυτή περιλαμβάνει τις εξής εργασίες: Εισαγωγή ήδη υπαρχόντων οντολογιών για επαναχρησιμοποίηση Συμβουλή των ανώτερων οντολογιών (generic top ontologies) για καλύτερη κατανόηση και επιβεβαίωση του πεδίου της οντολογίας Αυτοσχεδιασμός, για την εξ αρχής δημιουργία οντολογιών, βασισμένες στην αντίληψη 43 Πηγή: [16, pg 8] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 30

37 του εργάτη γνώσης για το περιγραφόμενο πεδίο Σχεδίαση, συγχώνευση, διαχείριση πολλαπλών εκδόσεων οντολογιών Σύγκριση διαφορετικών εκδόσεων οντολογιών για τον εντοπισμό διαφορών και τη διερεύνηση της πιθανότητας συγχώνευσής τους Επισύναψη σχολίων, λεπτομερειών, παραδειγμάτων στην οντολογία 3. Exploitation phase: Η φάση της εκμετάλλευσης (exploitation) της οντολογίας περιλαμβάνει τις εξής εργασίες: Επιθεώρηση των συμφωνηθέντων οντολογιών (Agreed ή Shared), είτε στο προσωπικό, είτε στο συνεργατικό επίπεδο Σύγκριση των εκδόσεων των shared versions μίας οντολογίας για τον εντοπισμό διαφορών μεταξύ τους Η δημοσίευση επιχειρημάτων, διαφωνιών, προτάσεων σχετικά με τις εκδόσεις των οντολογιών Το περιβάλλον υποστήριξης HCONE Σκοπός της ανάπτυξης το περιβάλλοντος HCONE είναι η παροχή των κατάλληλων εργαλείων στους εργάτες γνώσης για την ανάπτυξη οντολογιών με τη μεθοδολογία HCOME. Το HCONE αναπτύχθηκε από τα μέλη του AI-Lab44 (Artificial Intelligence Laboratory) με επικεφαλής τον καθηγητή Γεώργιο Βούρο και ερευνητές τον Κωνσταντίνο Κώτη και τον Χαλκιόπουλο Χρήστο, στο Πανεπιστήμιο Αιγαίου. Εικόνα : Η αρχιτεκτονική HCONE 44 Ιστοσελίδα: [e35] 45 Πηγή: [16, pg10] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 31

38 Στην εικόνα 3.20 φαίνεται η αρχιτεκτονική του HCONE. Το εργαλείο αυτό παρέχει στους χρήστες τα περιβάλλοντα στα οποία αναφερθήκαμε προηγουμένως (Personal, Shared and Agreed Space), επιτρέποντας την ανάπτυξη οντολογιών σύμφωνα με την μεθοδολογία HCOME. Το HCONE παρέχει στους χρήστες του τις εξής δυνατότητες [16, pg 11]: Να αποφασίζουν για το αντικείμενο και τους στόχους της οντολογίας Να αυτοσχεδιάζουν δημιουργώντας προσωπικές οντολογίες Να συμβουλεύονται ανώτερες οντολογίες Να διαχειρίζονται διαφορετικές εκδόσεις οντολογιών Να συγχωνεύουν οντολογίες και να τις διαχειρίζονται Να μοιράζονται τις οντολογίες τους με συνεργάτες Να συζητούν με τους υπόλοιπους χρήστες για της εξέλιξη των οντολογιών Στην εικόνα 3.21 εμφανίζεται μία από τις οθόνες του HCONE. Στο μέρος της οθόνης με τη σήμανση (1) έχουμε έκφραση με φυσική γλώσσα, στο σημείο (2) με επίσημη (formal) και στο (3) έχουμε γραφική αναπαράσταση [16, pg 13]. Εικόνα :Μία από τις οθόνες του περιβάλλοντος HCONE 46 Πηγή: [16, pg 13] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 32

39 Αξιολόγηση και Σύγκριση Μεθοδολογιών Η αξιολόγηση των μεθοδολογιών που παρουσιάστηκαν παραπάνω γίνεται με την ανάλυση τριών κύριων χαρακτηριστικών, σύμφωνα με το πλαίσιο εργασίας που έχουν προτείνει οι Gómez-Pérez και Fernández-López (2002) [11, pg 148]. Σύμφωνα με αυτό το πλαίσιο, πρέπει να συγκρίνουμε τη στρατηγική δόμησης των οντολογιών, την υποστήριξη από κατάλληλα εργαλεία, τις διαδικασίες ανάπτυξης και τέλος, την εφαρμογή τους για την ανάπτυξη οντολογιών. Οι μεθοδολογίες στις οποίες εφαρμόζεται το πλαίσιο αξιολόγησης είναι οι Cyc, Uschold and King's, Gruninger and Fox's, KACTUS, METHONTOLGY, SENSUS και On-To-Knowledge. Οι μεθοδολογίες που παρουσιάστηκαν στα τρία τελευταία υποκεφάλαια, CO4, DILIGENT και HCOME αντίστοιχα, αφορούν στην συνεργατική ανάπτυξη οντολογιών, σε αντίθεση με τις επτά πρώτες, οι οποίες ασχολούνται με την παραδοσιακή ανάπτυξη οντολογιών. Για το λόγο αυτό δεν συγκρίνονται μεταξύ τους. Η λεπτομερής ανάλυση και σύνοψη, σε ειδικούς πίνακες, των χαρακτηριστικών που αναφέρθηκαν στην αρχή, υπάρχει στο [11, pg ] και αφορά στην αξιολόγηση των επτά πρώτων μεθοδολογιών. Εδώ θα αρκεστούμε στην παρουσίαση των συμπερασμάτων που προκύπτουν από την προηγούμενη ανάλυση Συμπεράσματα αξιολόγησης Τα συμπεράσματα που προκύπτουν μετά την αξιολόγηση των μεθοδολογιών που παρουσιάστηκαν είναι τα εξής [11, pg ], [10]: Το επικρατέστερο μοντέλο του κύκλου ζωής είναι αυτό των εξελισσόμενων πρωτοτύπων (evolving prototypes), αν και υπάρχουν μεθοδολογίες που δεν προτείνουν κανένα μοντέλο. Όσον αφορά στις στρατηγικές ανάπτυξης, υπάρχει μεγάλη ποικιλία. Κάποιες μεθοδολογίες ακολουθούν τη στρατηγική application-dependent, άλλες την application-semidependent και άλλες την application-independent. Σχετικά με την στρατηγική καθορισμού της ορολογίας, η επικρατέστερη είναι η middle-out. Καμία από τις εξεταζόμενες μεθοδολογίες δεν είναι πλήρης. Ωστόσο, μπορούμε να τις κατατάξουμε σύμφωνα με το βαθμό πληρότητάς τους, ξεκινώντας από την πιο πλήρη και καταλήγοντας στην λιγότερο πλήρη: 1. METHONTOLOGY 2. On-To-Knowledge 3. Gruninger and Fox's 4. Uschold and King's 5. SENSUS 6. KACTUS Οι περισσότερες μεθοδολογίες επικεντρώνονται στις διεργασίες ανάπτυξης των οντολογιών και δεν δίνουν ιδιαίτερο βάρος στη διαχείριση, την εξέλιξη και την αξιολόγησή τους. Οι περισσότερες μεθοδολογίες δεν υποστηρίζονται από κάποιο εξειδικευμένο εργαλείο και, εκτός αυτού, κανένα από τα εργαλεία που υπάρχουν δεν καλύπτει όλες τις απαραίτητες εργασίες. Υπάρχει μία μεθοδολογία η οποία είναι εντελώς διαφορετική από τις άλλες, η SENSUS. Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 33

40 3.2 Μεθοδολογία Επαναδημιουργίας Οντολογιών Η μεθοδολογία επαναδημιουργίας οντολογιών (ontological re-engineering) ορίζεται από τους Gómez-Pérez και Rojas (Ontological Reengineering for Reuse, 1999) ως μία διαδικασία ανάκτησης ενός μοντέλου μιας εφαρμοσμένης οντολογίας και ο μετασχηματισμός του σε ένα πιο κατάλληλο μοντέλο, το οποίο στη συνέχεια εφαρμόζεται ξανά με την ίδια ή διαφορετική γλώσσα οντολογιών. Στην εικόνα 3.22 φαίνεται η διαδικασία επαναδημιουργίας οντολογιών με τις φάσεις της αντίστροφης μηχανικής (reverse engineering), κατά την οποία γίνεται η ανάκτηση του εφαρμοσμένου μοντέλου, και της ευθείας μηχανικής (forward engineering), κατά την οποία το βελτιωμένο μοντέλο εφαρμόζεται ξανά, αφού έχει προηγηθεί η επαναδόμηση (restructuring) της οντολογίας [11, pg ]. Εικόνα : Διαδικασία επαναδημιουργίας οντολογιών Αναλυτικά, οι τρεις φάσεις της μεθοδολογίας της επαναδημιουργίας οντολογιών είναι οι εξής: 1. Reverse engineering: Σκοπός αυτής της φάσης είναι η εξαγωγή του νοητικού μοντέλου (conceptual model) από τον κώδικα της εφαρμοσμένης μεθοδολογίας, όπως φαίνεται και στην εικόνα Restructuring: Η φάση της επαναδόμησης αποτελείται από δύο στάδια, το στάδιο της ανάλυσης (analysis) και το στάδιο της σύνθεσης (synthesis). Κατά το πρώτο στάδιο, γίνεται μία αξιολόγηση της οντολογίας από τεχνική σκοπιά, ενώ στο δεύτερο στάδιο, η οντολογία διορθώνεται με βάση τα αποτελέσματα της ανάλυσης του πρώτου σταδίου. Στη συνέχεια, οι αλλαγές που έχουν γίνει στην οντολογία, αναγράφονται σε ειδικά έγγραφα (documents). Ένα τέτοιο έγγραφο φαίνεται στην εικόνα Forward engineering: Το στάδιο της ευθείας μηχανικής είναι το αντίστροφο της αυτού της αντίστροφης μηχανικής. Εδώ τυποποιούμε το νοητικό μοντέλο που αναπτύχθηκε στο δεύτερο στάδιο (restructuring) με μία γλώσσα οντολογιών, έτσι ώστε η νέα οντολογία να μπορεί να εφαρμοσθεί. 47 Πηγή: [11, pg 154] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 34

41 Εικόνα : Η φάση της αντίστροφης μηχανικής (reverse engineering) Εικόνα : Αναφορά αλλαγών στην οντολογία κατά τη φάση της επαναδόμησής της 48 Πηγή: [11, pg 155] 49 Πηγή: [11, pg 155] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 35

42 3.3 Εργαλεία Ανάπτυξης Οντολογιών Για την ανάπτυξη των οντολογιών δεν αρκεί απλά μία μεθοδολογία, απαραίτητη είναι και η ύπαρξη ενός εργαλείου το οποίο θα υποστηρίζει τις εργασίες που υποδεικνύει η εκάστοτε μεθοδολογία ανάπτυξης οντολογιών. Σε αυτό το κεφάλαιο θα παρουσιάσουμε, επιγραμματικά, τα κυριότερα εργαλεία που έχουν αναπτυχθεί γι' αυτό το σκοπό [6, pg 47-53] Ontolingua Server Ο Ontolingua Server ήταν το πρώτο εργαλείο, το οποίο αναπτύχθηκε από το Εργαστήριο Συστημάτων Γνώσης (Knowledge System Laboratory) στο Πανεπιστήμιο του Στάνφοντ, στις αρχές του Σκοπός της ανάπτυξής του ήταν η διευκόλυνση στη δημιουργία οντολογιών με τη γλώσσα Ontolingua. Αρχικά, η κύρια λειτουργία μέσα στον Ontolingua Server ήταν ο Ontolingua Editor, το εργαλείο σύνταξης οντολογιών. Στη συνέχεια, προστέθηκαν και άλλες λειτουργίες, όπως το Webster (εργαλείο επίλυσης εξισώσεων), το OKBC (Open Knowledge Based Connectivity) server, το Chimaera (ένα εργαλείο συγχώνευσης οντολογιών και άλλα [6]. Εικόνα : Η αρχιτεκτονική του Ontolingua Server 50 Πηγή: [18, pg 3] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 36

43 Η αρχιτεκτονική51 του Ontolingua Server, όπως παρουσιάζεται στην εικόνα 3.25, επιτρέπει την συνεργατική ανάπτυξη οντολογιών από ειδικούς οι οποίοι είναι γεωγραφικά διασκορπισμένοι. Όσο περισσότεροι ειδικοί συμμετέχουν στην ανάπτυξη μιας οντολογίας, τόσο πιθανότερο είναι, αυτή, να προκύψει πιο πλήρης. Το περιβάλλον ανάπτυξης Ontolingua δίνει τη δυνατότητα στο χρήστη να διεξάγει τις κυριότερες εργασίες ανάπτυξης μιας οντολογίας, οι οποίες είναι οι εξής [18, pg 11-15]: Browsing: Η λειτουργία αυτή επιτρέπει στο χρήστη να μετακινείται από έναν όρο σε έναν άλλο, μέσα στην οντολογία, χρησιμοποιώντας υπερσυνδέσμους. Επιλέγοντας έναν όρο, ο χρήστης μετακινείται σε μία σελίδα που περιέχει τη σημασία του όρου, σε τυπική και μη τυπική έκφραση. Building: Κατά τη λειτουργία της κατασκευής οντολογιών, στην οθόνη του χρήστη εμφανίζονται κατάλληλα εργαλεία με τα οποία μπορεί να δημιουργήσει και να επεξεργαστεί την οντολογία. Maintaining: Η συντήρηση των οντολογιών υποστηρίζεται από λειτουργίες που επιτρέπουν τη σύγκριση μεταξύ οντολογιών, την καταγραφή των αλλαγών στις οντολογίες, τον έλεγχο για ασυνέπειες κλπ. Sharing: Ο διαμοιρασμός οντολογιών επιτυγχάνεται με τη δημοσίευσή τους σε μία κεντρική αποθήκη (repository) του Ontolingua Server. Μετά τη δημοσίευση μιας οντολογίας στην κεντρική αποθήκη, ο οποιοδήποτε χρήστης μπορεί να την χρησιμοποιήσει ως βάση για τη δημιουργία μιας νέας οντολογίας. Collaborativelly developing: Ο Ontolingua Server υποστηρίζει τη δυνατότητα συνεργατικής ανάπτυξης οντολογιών μέσω ειδικών ομάδων χρηστών (groups) και συνεδριάσεις πολλαπλών χρηστών (multi-user sessions). Using: Ένας τρόπος χρήσης των οντολογιών που αναπτύχθηκαν με τον Ontolingua Server είναι η μετάφρασή τους σε άλλη γλώσσα όπως: CLIPS, LOOM ή Prolog. Η μεταφρασμένη οντολογία μπορεί, στη συνέχεια, να προωθηθεί μέσω Ontosaurus Το Ontosaurus αναπτύχθηκε από το Ινστιτούτο Πληροφορικής (Information Sciences Institute) του Πανεπιστημίου της Βόρειας Καλιφόρνιας. Αποτελείται από δύο μέρη: έναν εξυπηρετητή (server), ο οποίος χρησιμοποιεί τη γλώσσα LOOM για την αναπαράσταση της γνώσης, και έναν φυλλομετρητή και συντάκτη οντολογιών (web ontology editor-browser), ο οποίος παράγει δυναμικές HTML ιστοσελίδες από τις οντολογίες που είναι αποθηκευμένες στον server. Αυτές οι οντολογίες είναι αποθηκευμένες σε μορφή αρχείων Lisp LOOM και μπορούν να προσπελαστούν από οποιονδήποτε χρήστη διαμέσου του web editor and browser ή διαμέσου ενός OKBC52 Server, από κάποιον απομακρυσμένο χρήστη [6], [11, pg ]. Παρακάτω παρουσιάζεται ένα στιγμιότυπο οθόνης του Ontosaurus στο οποίο εμφανίζεται η έννοια FIXED-WING-AIRCRAFT. Όταν το Ontosaurus εμφανίζει μία έννοια (concept), εμφανίζει και τον ορισμό του, την τεκμηρίωση (documentation), υπέρ-έννοιες (superconcepts) και υπόέννοιες (subconcepts), έννοιες του ίδιου επιπέδου (siblings), ρόλους και στιγμιότυπα της έννοιας [e38]. 51 Για περισσότερες λεπτομέρειες: [18] 52 Open Knowledge Base Connectivity Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 37

44 Εικόνα : Στιγμιότυπο οθόνης του Ontosaurus WebOnto Το WebOnto αναπτύχθηκε από το KMI (Knowledge Media Institute) στο Ανοικτό Πανεπιστήμιο (Open University) στην Αγγλία. Εμφανίστηκε το 1997 ως διαδικτυακή εφαρμογή για την προσπέλαση και συνεργατική ανάπτυξη OCML οντολογιών. Αποτελείται, όπως και το Ontosaurus, από δύο μέρη, τον server και τον συντάκτη οντολογιών (ontology editor). Ο server χρησιμοποιεί την γλώσσα OCML για την αναπαράσταση της γνώσης. Το WebOnto επιτρέπει τη γραφική απεικόνιση της γνώσης μέσω Java Applets. Απεικονίζονται οντολογίες που έχουν δημιουργηθεί και αποθηκευθεί στον server και, επιπλέον, η επεξεργασία των ήδη αποθηκευμένων οντολογιών μπορεί να γίνει γραφικά, όπως φαίνεται και στην εικόνα 3.27 [11, pg ]. 53 Πηγή: [e38] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 38

45 Εικόνα : Στιγμιότυπο οθόνης με γραφική απεικόνιση οντολογίας Protege Το Protege αναπτύχθηκε από το Stanford Center for Biomedical Informatics Research του Πανεπιστημίου του Στάνφορντ. Αρχικά, σκοπό είχε την απλοποίηση της απόκτησης γνώσης από έξυπνα συστήματα (expert systems). Από την πρώτη έκδοση, το 1987, έως σήμερα, εμφανίστηκαν πολλές εκδόσεις του Protege, οι οποίες στόχευαν σε διαφορετικά είδη απόκτησης γνώσης (βάσεις γνώσης, μέθοδοι επίλυσης προβλημάτων, οντολογίες, κλπ). Το Protege διανέμεται ελεύθερα με την άδεια Mozilla open-source στην ιστοσελίδα του Stanford University ( Η πιο πρόσφατη έκδοση είναι η η οποία είναι διαθέσιμη από τις 3 Δεκεμβρίου Το Protege υποστηρίζεται από μία κοινότητα προγραμματιστών, ακαδημαϊκών, κυβερνητικών και εταιρικών χρηστών, με εγγεγραμμένα μέλη έως τώρα [e41], [6], [11, pg 313]. Είναι βασισμένο στη Java, είναι επεκτάσιμο και παρέχει τη δυνατότητα προσθήκης plug-ins. Η πλατφόρμα Protege υποστηρίζει δύο κύριους τρόπους ανάπτυξης οντολογιών: την Protege-Frames και την Protege-OWL [e41] Protege-Frames Ο συντάκτης Protege-Frames παρέχει τη δυνατότητα ανάπτυξης και αποθήκευσης οντολογιών βασισμένες σε πλαίσια, καθώς και της δημιουργίας στιγμιοτύπων, στου χρήστες του. Η ανάπτυξη οντολογιών με το Protege-Frames δημιουργεί ένα μοντέλο γνώσης που είναι συμβατό με το πρωτόκολλο OKBC55. Σε αυτό το μοντέλο γνώσης, μία οντολογία αποτελείται από ένα σύνολο 54 Πηγή: [11, pg 308] 55 Το OKBC (Open Knowledge Base Connectivity) είναι μία εφαρμογή προσπέλασης βάσεων γνώσης οι οποίες είναι Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 39

46 κλάσεων, οργανωμένες σε συγκεκριμένη ιεραρχία έτσι ώστε να αναπαριστούν τα κυριότερα στοιχεία της έννοιας που αναπαριστά η οντολογία, ένα σύνολο σχισμών (slots) οι οποίες συνδέονται με τις κλάσεις και περιγράφουν τις ιδιότητες και τις σχέσεις που τις συνδέουν, και ένα σύνολο στιγμιοτύπων (instances) αυτών των κλάσεων [e41]. Τα κυριότερα χαρακτηριστικά του Protege-Frames είναι τα παρακάτω [e41]: Προσαρμοζόμενα στοιχεία στο περιβάλλον εργασίας που βοηθούν το χρήστη να κάνει το περιβάλλον πιο φιλικό σε αυτόν. Αρχιτεκτονική plug-in που επεκτείνει την εφαρμογή με την πρόσθεση νέων στοιχείων στην επιφάνεια εργασίας, νέων μορφών αποθήκευσης (RDF, XML, HTML) και επιπλέον εργαλεία υποστήριξης (για διαχείριση οντολογιών, οπτικοποίηση οντολογιών, εξαγωγή συμπερασμάτων κ.λπ.). Αρχιτεκτονική βασισμένη σε Java (Java-based API) που επιτρέπει στα πρόσθετα (plug-ins) και σε άλλες εφαρμογές να προσπελάσουν και να χρησιμοποιήσουν οντολογίες που δημιουργήθηκαν με το Protege-Frames. Παρακάτω παρουσιάζονται διάφορα στιγμιότυπα οθόνης από το Protege-Frames. Στην πρώτη εικόνα (3.28) φαίνεται η καρτέλα των κλάσεων στην οποία ο χρήστης καθορίζει τις κλάσεις, τις σχισμές, τις σχέσεις μεταξύ των κλάσεων και τις ιδιότητες αυτών των σχέσεων. Στην δεύτερη εικόνα (3.29) παρουσιάζεται η οθόνη με τις φόρμες (forms) εισαγωγής δεδομένων και στην τελευταία εικόνα (3.30) φαίνεται το στιγμιότυπο μιας κλάσης. Εικόνα : Οθόνη κλάσεων (Classes Tab) αποθηκευμένες σε διαφορετικά συστήματα αναπαράστασης γνώσης. [ 56 Πηγή: [e41] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 40

47 Εικόνα : Οθόνη εισαγωγής δεδομένων σε φόρμες (Forms Tab) Εικόνα : Οθόνη στιγμιοτύπων (Instances Tab) 57 Πηγή: [e41] 58 Πηγή: [e41] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 41

48 Protege-OWL Ο συντάκτης Protege-OWL είναι μία επέκταση του Protege η οποία υποστηρίζει τη γλώσσα OWL. Μία οντολογία OWL αποτελείται από κλάσεις, ιδιότητες, αντικείμενα και στιγμιότυπα. Το Protege-OWL επιτρέπει στο χρήστη [e41]: Να φορτώσει και να αποθηκεύσει OWL και RDF οντολογίες, Να συντάξει και να οπτικοποιήσει κλάσεις, ιδιότητες και κανόνες SWRL59, Να καθορίσει λογικά χαρακτηριστικά κλάσεων, Να εκτελέσει reasoners60, Να συντάξει αντικείμενα OWL για το Σημασιολογικό Ιστό. Παρακάτω παρουσιάζονται τρία στιγμιότυπα οθόνης του Protege-OWL. Στην πρώτη εικόνα (3.31) φαίνεται η οθόνη σύνταξης κλάσεων, στην δεύτερη εικόνα (3.32) φαίνεται η οθόνη σύνταξης των ιδιοτήτων και στην τρίτη εικόνα (3.33) παρουσιάζεται η επέκταση του Protege-OWL, OWLViz με την οποία ο χρήστης οπτικοποιεί τις οντολογίες. Εικόνα : Οθόνη σύνταξης κλάσεων (OWLClasses) 59 SWRL: Semantic Web Rule Language, γλώσσα που συνδυάζει OWL και RuleML [ SWRL/] 60 Εφαρμογές ικανές για εξαγωγή συμπερασμάτων μετά από επεξεργασία δεδομένων γεγονότων ή αξιωμάτων [e50] 61 Πηγή: [e41] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 42

49 Εικόνα : Οθόνη σύνταξης ιδιοτήτων (Properties Tab) Εικόνα : Οπτικοποίηση μέσω του OWLViz 62 Πηγή: [e41] 63 Πηγή: [e41] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 43

50 Το Protege-OWL είναι το εργαλείο που θα χρησιμοποιήσουμε για την ανάπτυξη της οντολογίας σε αυτή την εργασία. Ειδικότερα, η έκδοση του Protege που θα χρησιμοποιηθεί είναι η Protege WebODE Το WebODE αναπτύχθηκε από το Πολυτεχνείο του Πανεπιστημίου της Μαδρίτης (UPM). Είναι ο διάδοχος του ODE, μίας εφαρμογής κατασκευής οντολογιών βασισμένη σε πίνακες και γραφικά. Το WebODE δεν χρησιμοποιείται ως μία αυτόνομη εφαρμογή, αλλά ως ένας Web server με ένα περιβάλλον Web (Web interface) και υποστηρίζει τη δημιουργία οντολογιών με τη μεθοδολογία METHONTOLOGY [6], [11, pg 319]. Το WebODE είναι διαπλατφορμικό (platform-independent) επειδή χρησιμοποιεί εξολοκλήρου τη Java. Στην εικόνα 3.34 φαίνεται η αρχιτεκτονική και οι υπηρεσίες που είναι διαθέσιμες μέσω του WebODE. Εικόνα : Αρχιτεκτονική και υπηρεσίες του WebODE Ο πυρήνας του WebODE είναι οι υπηρεσίες Cache, Consistensy, Axiom και η υπηρεσία προσπέλασης οντολογιών, ODE API. Οι WebODE οντολογίες αποθηκεύονται σε μία σχεσιακή βάση δεδομένων επιτυγχάνοντας καλύτερη διαχείριση μεγάλου όγκου οντολογιών. Οι παραπάνω υπηρεσίες μπορούν να εισάγουν οντολογίες σε μορφή DAML+OIL, OWL, RDF(S), XCARIN και XML, ενώ μπορούν να τις εξάγουν σε μορφή DAML+OIL, OIL, OWL, RDF(S), XCARIN, Flogic, XML και άλλες γλώσσες οι οποίες δεν είναι σχεδιασμένες για την αναπαράσταση οντολογιών (Jess, Java, Prolog), όπως φαίνεται και στην παραπάνω εικόνα. Άλλες υπηρεσίες, όπως οι WebPicker, ODEClean και ODEMerge, χρησιμοποιούν το WebODE 64 Πηγή: [11, pg 320] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 44

51 API ή τις XML export/import υπηρεσίες [11, pg ]. Στην εικόνα 5... παρουσιάζεται ένα στιγμιότυπο οθόνης σε HTML (web-based), στο οποίο συντάσσονται τα χαρακτηριστικά ενός στιγμιότυπου (instance attributes) μιας οντολογίας. Εικόνα : Στιγμιότυπο οθόνης του WebODE OntoEdit Το OntoEdit αναπτύχθηκε από το AIFB στο Πανεπιστήμιο της Καρλσρούης και διατίθεται σε ελεύθερες και επαγγελματικές εκδόσεις. Είναι αυτόνομη εφαρμογή Java και μπορεί να εγκατασταθεί και να λειτουργήσει τοπικά σε έναν υπολογιστή. Η αρχιτεκτονική του είναι παρόμοια με αυτή του Protege και μπορεί να επεκταθεί με plug-ins, αν και δεν είναι ανοικτού κώδικα. Οι OntoEdit οντολογίες αποθηκεύονται, στην ελεύθερη έκδοση ως αρχεία XML, ενώ στην επαγγελματική έκδοση σε σχεσιακή βάση δεδομένων [6], [11, pg 328]. Τα plug-ins που είναι διαθέσιμα για την επέκταση του OntoEdit διαφέρουν στις δύο εκδόσεις (ελεύθερη και επαγγελματική) και μπορούν να ταξινομηθούν σε δύο κατηγορίες: Φίλτρα εισαγωγής-εξαγωγής: Για την εισαγωγή και εξαγωγή οντολογιών σε διαφορετικές γλώσσες όπως: RDF(S), OXML, DAML+OIL και Flogic. Στην επαγγελματική έκδοση υπάρχει η δυνατότητα εισαγωγής και εξαγωγής σε SQL. 65 Πηγή: [11, pg 322] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 45

52 Γενικά plug-ins: Για την εκτέλεση άλλων λειτουργιών όπως τη διαχείριση λεξικών και τη σύνταξη στιγμιοτύπων. Στην επαγγελματική έκδοση, εκτός των παραπάνω, περιλαμβάνονται plug-ins για την γραφική αναπαράσταση κανόνων, γραφικά εργαλεία σύνταξης ερωτημάτων και χαρτογράφηση οντολογιών και τη μηχανή OntoBroker [e43], [11, pg 329]. Εικόνα : Στιγμιότυπο οθόνης του OntoEdit στο οποίο απεικονίζεται γραφικά μία οντολογία 66 Πηγή: [11, pg 331] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 46

53 3.3.7 ΚΑΟΝ Το KAON (KArlsruhe Ontology) αναπτύχθηκε από τα ιδρύματα AIFB και FZI67 στο Πανεπιστήμιο της Καρλσρούης και αποτέλεσε διάδοχο του OntoEdit. Διατίθεται δωρεάν μέσω του Sourceforge68 [6]. Η αρχιτεκτονική του KAON, όπως αναπαριστάται και στην εικόνα 3.37 αποτελείται από τρία επίπεδα [11, pg ]: 1. Backend: για την αποθήκευση των οντολογιών σε μορφή RDF(S) αρχείων, RDF(S) μοντέλων, αποθηκευμένα σε μία σχεσιακή βάση δεδομένων (με έναν KAON RDF Server), και σε RDF(S) μοντέλα, αποθηκευμένα σε μία σχεσιακή βάση δεδομένων (με έναν KAON Engineering Server). 2. Ontology middleware: σε αυτό το επίπεδο βρίσκονται οι σημαντικότερες υπηρεσίες του KAON, όπως το KAON API, για την προσπέλαση των οντολογιών. 3. Client applications: επίπεδο το οποίο φιλοξενεί εφαρμογές για το χρήστη, όπως την OImodeler, μία εφαρμογή σύνταξης οντολογιών KAON. Εικόνα : Η αρχιτεκτονική του KAON OilEd Αρχικά, το OilEd εξελίχθηκε ως εργαλείο σύνταξης οντολογιών OIL στα πλαίσια του European IST On-To-Knowledge project70 και στη συνέχεια εξελίχθηκε ως συντάκτης οντολογιών DAML+OIL [6]. Ο σχεδιασμός του OilEd επηρεάστηκε από το Protege και το OntoEdit. Το Oiled προσφέρει μεγαλύτερες δυνατότητες έκφρασης από τα προαναφερθέντα εργαλεία, αλλά δεν αναπτύχθηκε για να τα αντικαταστήσει εφόσον δεν διαθέτει άλλα χαρακτηριστικά. Για παράδειγμα, δεν προσφέρει λειτουργίες που διευκολύνουν τη συνεργατική ανάπτυξη οντολογιών, όπως ανάπτυξη πολλών εκδόσεων των οντολογιών (versioning), ενοποίηση (integration) και συγχώνευση (merging) [24] Forschungszentrum Informatik [ Sourceforge: ιστοχώρος εξέλιξης και διανομής λογισμικού ανοικτού κώδικα [ Πηγή: [11, pg 333] Welcome to OIL - [ Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 47

54 Το OilEd είναι ελεύθερο λογισμικό. Ο χρήστης συντάσσει οντολογίες με τη χρήση της γλώσσας OIL και του δίνεται η δυνατότητα χρήσης του FaCT (Fast Classification of Terminologies) για τον έλεγχο της συνέπειας των οντολογιών και της εξαγωγής αυτών σε διάφορες μορφές (OIL-RDF, DAML-RDF). Το OilEd δεν είναι σχεδιασμένο για την ανάπτυξη μεγάλης κλίμακας οντολογιών, αλλά χρησιμεύει ως ένα σημειωματάριο για τους συντάκτες οντολογιών [e44]. Εικόνα 3.38: Στιγμιότυπο οθόνης του OilEd Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 48

55 3.3.9 DUET Το DUET (DAML UML Enhanced Tool) αναπτύχθηκε από το GRCI International Inc. Διαφέρει από τα άλλα εργαλεία γιατί δεν αποτελεί μία αυτόνομη εφαρμογή, αλλά ένα πρόσθετο στο Rational Rose και στο ArgoUML, τα οποία είναι εργαλεία ανάπτυξης λογισμικού και όχι εργαλεία ανάπτυξης οντολογιών. Το DUET εισάγει οντολογίες DAML+OIL και τις μετατρέπει σε διαγράμματα UML και το αντίστροφο. Η εικόνα 3.39 δείχνει τη μετατροπή της οντολογίας Travel σε διάγραμμα UML [11, pg 337]. Εικόνα 3.39: Η οντολογία Travel σε διάγραμμα UML Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 49

56 3.4 Γλώσσες Ανάπτυξης Οντολογιών Στο κεφάλαιο αυτό θα παρουσιάσουμε συνοπτικά ιστορικά στοιχεία για την εμφάνιση και εξέλιξη διάφορων γλωσσών ανάπτυξης οντολογιών. Στη συνέχεια θα παρουσιάσουμε την OWL, γλώσσα στην οποία βασίζεται η οντολογία που θα αναπτύξουμε στο κεφάλαιο Εμφάνιση των γλωσσών ανάπτυξης οντολογιών Οι πρώτες γλώσσες ανάπτυξης οντολογιών άρχισαν να εμφανίζονται στις αρχές του 1990 και βασίζονταν σε μοντέλα αναπαράστασης γνώσης τα οποία με τη σειρά τους βασίζονταν στην λογική πρώτης τάξης (first-order logic71), σε πλαίσια (frames) συνδυασμένα με λογική πρώτης τάξης, και στην περιγραφική λογική (description logic). Το OKBC πρωτόκολλο δημιουργήθηκε για την προσπέλαση οντολογιών που είχαν αναπτυχθεί με διαφορετικές γλώσσες. Η σχέση μεταξύ των πρώτων γλωσσών ανάπτυξης οντολογιών και του OKBC φαίνεται στην εικόνα Εικόνα : Παραδοσιακές γλώσσες ανάπτυξης οντολογιών Από τις γλώσσες που αναφέρονται στην εικόνα 3.40, η CycL είναι η πρώτη που εμφανίστηκε, το Βασίζεται σε πλαίσια και στη λογική πρώτης τάξης και χρησιμοποιούνταν για την ανάπτυξη της Cyc Ontology. Το 1992 δημιουργήθηκε η KIF ως ένα μέσο ανταλλαγής γνώσης (Knowledge Interchange Format) και βασιζόταν στην λογική πρώτης τάξης. Η δημιουργία οντολογιών με της χρήση της KIF ήταν δύσκολη, για το λόγο αυτό δημιουργήθηκε η Ontolingua που ήταν βασισμένη στα πλαίσια και τη λογική πρώτης τάξης. Την ίδια περίοδο εμφανίζεται η LOOM (1991) η οποία δεν προοριζόταν για ανάπτυξη οντολογιών αλλά, γενικά, για αναπαράσταση γνώσης. Το 1993 εμφανίζεται η OCML και το 1995 η Flogic η οποία συνδύαζε πλαίσια και λογική πρώτης τάξης. Το πρωτόκολλο OKBC προέκυψε ως αποτέλεσμα του προγράμματος High Performance Knowledge Base (HPKB) το 1997 [11, pg ]. 71 First-order logic: Λογική περιγραφής του κόσμου η οποία υποθέτει ότι ο κόσμος αποτελείται από Αντικείμενα, Σχέσεις και Συναρτήσεις. Το αντίθετο της Λογικής Πρώτης Τάξης είναι ο Προτασιακός Λογισμός (propositional logic), ο οποίος υποθέτει ότι ο κόσμος αποτελείται μόνο από γεγονότα (facts) με συνέπεια να μην είναι εκφραστικός [e46]. 72 Πηγή: [11, pg 200] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 50

57 Η KL-ONE είναι μία γλώσσα πλαισίων που δεν φαίνεται στην προηγούμενη εικόνα. Πρωτοεμφανίστηκε το 1977 ως ένα σύστημα αναπαράστασης γνώσης από τον R.J. Brachman [25, pg ]. Η ανάπτυξη του Internet οδήγησε στην ανάπτυξη περιγραφικών (markup) γλωσσών σύνταξης οντολογιών οι οποίες αναφέρονται ως web-based ontology languages ή ontology markup languages. Η σύνταξή τους βασίζεται σε ήδη υπάρχουσες γλώσσες όπως η HTML και η XML. Στην εικόνα 3.41 φαίνεται η σχέση μεταξύ των γλωσσών σύνταξης οντολογιών με τις HTML και XML. Εικόνα : Περιγραφικές (markup) γλώσσες ανάπτυξης οντολογιών Η πρώτη περιγραφική γλώσσα που εμφανίστηκε ήταν η SHOE το 1996 και αποτελούσε μία επέκταση της HTML (SHOE-HTML). Επέτρεπε την εισαγωγή οντολογιών σε HTML έγγραφα και αργότερα προσαρμόστηκε στην XML (SHOE-XML). Οι υπόλοιπες γλώσσες βασίζονται στην XML. Το 1999 εμφανίστηκε η XOL και αποτελούσε μία προσαρμογή στην XML ενός μικρού υποσυνόλου αρχών του πρωτοκόλλου OKBC. Η RDF αναπτύχθηκε το 1997 από την W3C με σκοπό την περιγραφή των πόρων στο διαδίκτυο και προτάθηκε από την W3C ως σύσταση (recommendation) το Το 1998 η W3C ανέπτυξε την RDF Schema ως μία προέκταση της RDF με πλαίσια. Ο συνδυασμός των RDF και RDF Schema μας δίνει την RDF(S) [11, pg ]. Το 1999 εμφανίζεται η KM (Knowledge Machine), μία γλώσσα πλαισίων που βασίζεται στη λογική πρώτης τάξης [e47]. Ως επεκτάσεις της RDF(S), εμφανίστηκαν άλλες τρεις γλώσσες: OIL, DAML+OIL και OWL. Η OIL άρχισε να αναπτύσσεται το 2000 στα πλαίσια του προγράμματος On-To-Knowledge, με σκοπό την πρόσθεση αρχών πλαισίων στην RDF(S). Αργότερα, ανάμεσα στα τέλη του 2000 και στις αρχές του 2001, αναπτύχθηκε η DAML+OIL. Το 2001 η W3C δημιούργησε μία ομάδα, την Web-Ontology Working Group με σκοπό την ανάπτυξη μίας οντολογίας για το Σημασιολογικό Ιστό. Το αποτέλεσμα της δουλειάς τους ήταν η ανάπτυξη της OWL [11, pg 202], γλώσσα την οποία θα χρησιμοποιήσουμε στη συνέχεια της εργασίας για την ανάπτυξη της οντολογίας μας. Συνοπτικά, οι σημαντικότερες γλώσσες σύνταξης οντολογιών είναι οι παρακάτω [e20]: Παραδοσιακές γλώσσες CycL FLogic (Frame Logic) KIF (Knowledge Interchange Format) Ontolongua KL-ONE KM (Knowledge Machine) 73 Πηγή: [11, pg 201] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 51

58 LOOM OCML (Operational Conceptual Modeling Language) OKBC (Open Knowledge Base Connectivity) Περιγραφικές γλώσσες DAML+OIL OIL (Ontology Inference Layer) OWL (Web Ontology Language) RDF (Resource Description Framework) SHOE Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 52

59 Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 53

60 3.4.2 Η Γλώσσα OWL Όπως αναφέρθηκε προηγουμένως, η γλώσσα OWL προέκυψε από τη δουλειά της ομάδας WebOntology Working Group την οποία δημιούργησε η W3C με σκοπό την ανάπτυξη μιας γλώσσας για το Σημασιολογικό Ιστό. Στις 27 Οκτωβρίου 2009 η W3C ανακοίνωσε την νέα έκδοση της OWL, την OWL 274, μία επέκταση και ανασκόπηση της αρχικής έκδοσης [e49] Τα είδη της OWL Η OWL κατηγοριοποιείται σε τρεις υπό-γλώσσες, με διαφορετικό επίπεδο έκφρασης: OWL-Lite, OWL-DL και OWL-Full OWL-Lite Είναι το συντακτικά απλούστερο και με λιγότερη εκφραστική ικανότητα είδος της OWL. Σκοπός του είναι η χρησιμοποίηση σε περιπτώσεις όπου απαιτείται μόνο μία απλή ιεραρχία κλάσεων και απλοί περιορισμοί. Η ανάπτυξη οντολογιών με τη χρήση της OWL-Lite έχει αποδειχθεί εξίσου δύσκολη με την ανάπτυξη οντολογιών με τη χρήση της OWL-DL. Για το λόγο αυτό η χρήση της OWL-Lite δεν είναι ιδιαίτερα διαδεδομένη [26], [e49] OWL-DL Η OWL-DL είναι πολύ πιο εκφραστική από την OWL-Lite και βασίζεται στη περιγραφική λογική (Description Logic), εξ ου και τα αρχικά DL. Σχεδιάστηκε για να παρέχει τη μέγιστη δυνατή εκφραστικότητα ενώ εξασφαλίζει υπολογιστική πληρότητα (computational completeness), δυνατότητα απόφασης (decidability) και διαθεσιμότητα (availability) των αλγορίθμων πρακτικού συλλογισμού (practical reasoning algorithms). Στην OWL-DL είναι δυνατόν να υπολογισθεί αυτόματα η ιεραρχία κλάσεων (classification hierarchy) και να γίνει έλεγχος ασυνέπειας οντολογιών OWL-DL. Η OWL-DL μπορεί να χρησιμοποιηθεί μόνο κάτω από συγκεκριμένους περιορισμούς [26], [e49] OWL-Full Είναι η πιο εκφραστική γλώσσα από τα τρία είδη της OWL. Σκοπός της είναι η χρησιμοποίηση σε περιπτώσεις όπου η πολύ υψηλή εκφραστικότητα είναι πιο σημαντική από την υπολογιστική πληρότητα της γλώσσας. Σχεδιάστηκε για να διατηρεί μία συμβατότητα με την RDF Schema. Δεν είναι δυνατόν να εκτελεσθεί αυτόματος λογισμός (automated reasoning) σε οντολογίες OWL-Full [26], [e49]. Κάθε ένα από τα τρία είδη της OWL που παρουσιάστηκαν παραπάνω, αποτελεί συντακτική επέκταση της απλούστερης γλώσσας. Αυτή η σχέση παρουσιάζεται στην εικόνα W3C Recommendation: [ Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 54

61 Εικόνα 3.42: Τα είδη της OWL και η συντακτική σχέση μεταξύ τους Συστατικά μέρη της OWL Individuals Τα άτομα αντιπροσωπεύουν τα αντικείμενα της έννοιας που ενδιαφερόμαστε να αναπαραστήσουμε. Η OWL δεν χρησιμοποιεί την UNA (Unique Name Assumption), σε αντίθεση με το Protege, έτσι ένα αντικείμενο μπορεί να έχει πάνω από ένα όνομα. Στην περίπτωση της OWL πρέπει να δηλωθεί ότι τα αντικείμενα με διαφορετικό όνομα είναι το ίδιο αντικείμενο ή διαφορετικά. Τα αντικείμενα χρησιμεύουν στον προσδιορισμό των σχέσεων μεταξύ των κλάσεων στις οποίες ανήκουν [26], [e49]. Εικόνα : Αντικείμενα στην OWL Properties Οι ιδιότητες είναι δυαδικές σχέσεις μεταξύ των αντικειμένων. Οι ιδιότητες μπορεί να έχουν και αντίστροφες ιδιότητες, για παράδειγμα, η αντίστροφη ιδιότητα της hasowner είναι η isownedby. Υπάρχουν δύο είδη απλών ιδιοτήτων: ιδίοτητες δεδομένων (datatype) και ιδιότητες αντικειμένων (object). Ένα παράδειγμα ιδιότητας τύπου datatype είναι η modelname, η οποία λαμβάνει αλφαριθμητικές τιμές. Από την άλλη μεριά, η ιδιότητα hasowner είναι μία odject ιδιότητα η οποία περιγράφει σχέση μεταξύ δύο αντικειμένων [26], [e49]. 75 Πηγή: [26, pg 13] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 55

62 Οι ιδιότητες στην OWL χρησιμοποιούνται για να δημιουργήσουν περιορισμούς (restrictions). Αυτοί οι περιορισμοί μπορούν να διακριθούν σε τρεις κύριες κατηγορίες [26]: Ποσοτικοί περιορισμοί (Quantifier restrictions) Existential (τουλάχιστον ένα) Universal (μόνο) Περιορισμοί στοιχείων συνόλου (Cardinality restrictions) Περιορισμοί τύπου hasvalue Εικόνα : Ιδιότητες στην OWL Classes Οι κλάσεις μπορούν να θεωρηθούν ως σύνολα αντικειμένων. Κάθε κλάση περιγράφεται από τυπική περιγραφή που δηλώνει επακριβώς τις απαιτήσεις που πρέπει να πληρεί ένα αντικείμενο για να ανήκει στην αντίστοιχη κλάση. Οι κλάσεις μπορούν να οργανωθούν σε υπό-κλάσεις και υπέρκλάσεις, γνωστή και ως ταξονομία (taxonomy). Οι υπό-κλάσεις εξειδικεύουν τις υπέρ-κλάσεις τους. Για παράδειγμα, η υπό-κλάση Cat εξειδικεύει την υπέρ-κλάση Animal στην οποία ανήκει. Όπως αναφέρθηκε προηγουμένως, η OWL-DL μπορεί να υπολογίζει αυτόματα τις σχέσεις υπό και υπέρ-κλάσεων [26]. Εικόνα : Οι κλάσεις στην OWL 76 Πηγή: [26, pg 14] 77 Πηγή: [26, pg 14] Κεφάλαιο 3 Μεθοδολογίες, Εργαλεία και Γλώσσες 56

63 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός Στο κεφάλαιο αυτό αναλύεται η σχέση μεταξύ ηλεκτρονικού εμπορίου, διαχείρισης γνώσης και σημασιολογικού ιστού. Πιο συγκεκριμένα, θα προσπαθήσουμε να παρουσιάσουμε το ρόλο που παίζει η διαχείριση γνώσης στην λειτουργία των ηλεκτρονικών καταστημάτων και τα αποτελέσματα της εφαρμογής τεχνολογιών του σημασιολογικού ιστού στο ηλεκτρονικό εμπόριο. 4.1 Διαχείριση Γνώσης Κατά τους [30], η διαχείριση γνώσης είναι ένα από τα τρία σημαντικότερα στοιχεία τα οποία διαχειρίζονται τις σχέσεις μεταξύ των ατόμων που κινούνται στο περιβάλλον της επιχείρισης (stakeholders78). Η διαχείριση γνώσης διατηρεί όλα τα άτομα ενωμένα και συμβάλει στην εύρυθμη λειτουργία της επιχείρισης. Εικόνα 4.179: e-business Stakeholder Model 78 Stakeholder: Ο οποιοσδήποτε επηρεάζει ή επηρεάζεται από τη λειτουργία της επιχείρησης (εργαζόμενος, ιδοκτήτης, στέλεχος, προμηθευτής, πελάτης κλπ) [e59]. 79 Πηγή: [30] Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 57

64 4.1.1 Ο Ρόλος της Διαχείρισης Γνώσης στο Σχεδιασμό Στρατηγικών Ηλεκτρονικού Επιχειρείν Στρατηγική Ηλεκτρονικού Επιχειρείν (e-business strategy) θεωρείται ο τρόπος με τον οποίο, εφαρμογές του διαδικτύου και τεχνολογίες μεταφοράς πληροφοριών, μπορούν να υποστηρίξουν και να επηρεάσουν την εταιρική στρατηγική [29, pg 259]. Στην εικόνα 4.2 φαίνονται τα διαφορετικά επίπεδα στρατηγικών τα οποία υπάρχουν και διαφέρουν από οργανισμό σε οργανισμό: Corporate strategy: αφορά σε όλον τον οργανισμό, Business unit strategy: αφορά στη στρατηγική για επιβίωση σε συγκεκριμένη αγορά, Regional strategy: αφορά στην επίτευξη corporate και business unit στρατηγικών, Functional strategy: αναφέρονται στο marketing, supply chain management, human resources, καθώς και σε στρατηγικές οικονομικών και πληροφοριακών συστημάτων. Εικόνα 4.280: Είδη οργανωτικών στρατηγικών Η στρατηγική ηλεκτρονικού επιχειρείν μπορεί να ανήκει σε διάφορα επίπεδα, ανάλογα με το είδος και το μέγεθος του κάθε οργανισμού. Υπάρχει η τάση να ενσωματώνεται η στρατηγική ηλεκτρονικού εμπορίου στις λειτουργικές στρατηγικές (functional) ως μέρος ενός συστήματος logistics, ή ενός πληροφοριακού συστήματος. Για εταιρίες, όμως, που είναι πρωτοπόρες στην ηλεκτρονική επιχειρηματικότητα, όπως η Cisco, Dell, easyjet και άλλες, η στρατηγική ηλεκτρονικού εμπορίου είναι μέρος της εταιρικής (corporate) στρατηγικής [29]. Κατά τους [43], η εικόνα 4.3 δείχνει τη σχέση που υπάρχει μεταξύ της Διαχείρισης Γνώσης και της Στρατηγικής Ηλεκτρονικού Επιχειρείν. Εικόνα 4.381: Διαχείριση Γνώσης και Στρατηγική Ηλεκτρονικού Επιχειρείν 80 Πηγή: [29, pg 260] 81 Πηγή: [43] Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 58

65 Ο ανθρώπινος παράγοντας, η δημιουργικότητα και η καινοτομία είναι απαραίτητα στοιχεία για την ανανέωση και διαχείριση της υπάρχουσας, καθώς και της δημιουργίας νέας γνώσης. Η δημιουργία νέας γνώσης η οποία εφαρμόζεται σε νέα προϊόντα επιτρέπει στην επιχείρηση να αναπτύξει στρατηγικές ηλεκτρονικού επιχειρείν. Οι Kalacota και Robinson (2000) προτείνουν το δυναμικό μοντέλο στρατηγικής ηλεκτρονικού επιχειρείν (dynamic e-business strategy model) ως ένα μοντέλο σύλληψης γνώσης, σχεδιασμού στρατηγικής ηλεκτρονικού επιχειρείν και αναθεώρησης των υπαρχουσών εφαρμογών ηλεκτρονικού επιχειρείν [29]. Όπως φαίνεται και στην εικόνα 4.4, η διαχείριση γνώσης εφαρμόζεται στο στάδιο κατά το οποίο η επιχείρηση λαμβάνει πληροφορίες από το περιβάλλον, τις οποίες καλείται να αναλύσει προκειμένου να σχεδιάσει τις μελλοντικές της κινήσεις. Εικόνα 4.482: Δυναμικό μοντέλο στρατηγικής ηλεκτρονικού επιχειρείν Γενικά, τα σημαντικότερα πλεονεκτήματα των εργαλείων διαχείρισης γνώσης83 είναι, κατά τους [30], τα παρακάτω: 1. Οργάνωση και αξιολόγηση των απαιτήσεων των πελατών και των προμηθευτών, καθώς και της σχέσης με αυτούς, 2. Υποστήριξη της διαδικασίας λήψης αποφάσεων, 3. Κατηγοριοποίηση και αποθήκευση όλης της γνώσης που διαθέτη η επιχείρηση σε κατάλληλες βάσεις γνώσης, 82 Πηγή: [29, pg 269] 83 Με τον όρο εργαλεία διαχείρισης γνώσης δεν εννοούμε μόνο εφαρμογές που βασίζονται στους Η/Υ, αλλά κάθε τεχνολογία και πόρο που επιτρέπει τη μεταφορά γνώσης (τηλέφωνο, fax και άλλα) [30]. Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 59

66 4.1.2 Διαχείριση Γνώσης Πελατών Η διαχείριση γνώσης πελατών, γνωστή και ως CKM (Customer Knowledge Management), είναι η γνώση που κατέχει η επιχείρηση και σχετίζεται με τον πελάτη. H CKM, εκ πρώτης όψεως, φαίνεται να είναι το ίδιο με το CRM84 και τη Διαχείριση Γνώσης. Στην πραγματικότητα υπάρχουν ουσιώδεις διαφορές ανάμεσα στους τρεις αυτούς όρους. Ενώ στο CRM, οι managers επικεντρώνονται στην πληροφορία για τον πελάτη, στο CKM, επικεντρώνονται στη γνώση από τον πελάτη. Στο CKM ο πελάτης είναι ενεργός και συνεργάτης γνώσης, κατά μία έννοια, με την επιχείρηση [33]. Στην εικόνα 4.5 παρουσιάζονται οι κυριότερες διαφορές ανάμεσα στις τρεις έννοιες (KM, CRM και CKM). Εικόνα 4.585: Διαφορές μεταξύ KM, CRM και CKM 84 Customer Relationship Management 85 Πηγή: [33] Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 60

67 Κατά τους [33], υπάρχουν πέντε είδη CKM: Prosumerism: Ο όρος αυτός προκύπτει από τη συνένωση των όρων producer και consumer, θέλοντας να τονίσει τον ενεργό χαρακτήρα του καταναλωτή και τη συμμετοχή του στην παραγωγική διαδικασία του προϊόντος [e52]. Παράδειγμα συνεργατικής παραγωγής προϊόντων είναι η ανάπτυξη του συστήματος διαχείρισης του κινητήρα από την Bosch σε συνεργασία με τη Mercedes-Benz. Team-based co-learning: Αφορά στη δημιουργία εταιρικού συμμαχικού κεφαλαίου (corporate social capital)86. Παραδείγματα δημιουργίας εταιρικού συμμαχικού κεφαλαίου είναι η Amazon.com και η Xerox Corporation. Mutual innovation: Στηρίζεται στην άποψη ότι οι περισσότερες καινοτομίες σε προϊόντα δεν προέρχονται από την εταιρία που τα παράγει, αλλά από τους τελικούς τους χρήστες. Έτσι πολλές εταιρίες, ανάμεσά τους και η Silicon Graphics, στέλνει άτομα του τμήματος έρευνας και ανάπτυξης για να μελετήσουν τον τρόπο χρήσης των προϊόντων τους από έμπειρους χρήστες και να προσπαθήσουν να προβλέψουν τι απαιτήσεις θα έχουν στο μέλλον από αυτά τα προϊόντα. Communities of creation: Είναι ομάδες ανθρώπων που δουλεύουν μαζί για μεγάλο χρονικό διάστημα, έχουν κοινά ενδιαφέροντα και επιθυμούν να διαμοιράσουν τη γνώση τους. Οι Microsoft και Netscape διαθέτουν προς ελεύθερη χρήση εκδόσεις beta των προϊόντων τους, προκειμένου να τις ελέγξουν οι τελικοί χρήστες, να σχολιάσουν και να προτείνουν βελτιώσεις. Joint intellectual property: Είναι η πιο έντονη μορφή εμπλοκής μεταξύ του πελάτη και της εταιρίας. Εταιρίες όπως η Skandia Insurance και η Kooperativa Förbundet (KF), θεωρούν ότι, εν μέρει, ανήκουν στους πελάτες τους. Έτσι, το πνευματικό κεφάλαιο δεν ανήκει αποκλειστικά στην εταιρία, αλλά και στους πελάτες της. Η εφαρμογή του CKM από τις περισσότερες εταιρίες ηλεκτρονικού εμπορίου είναι δύσκολη. Παρακάτω παρουσιάζεται το μοντέλο μηχανισμού διαχείρισης γνώσης πελατών CKM3, γνωστό και ως μοντέλο του αστερία (sea star model). Το μοντέλο αυτό προέκυψε από έρευνα που διεξήγαγαν οι [27] τους τελευταίους πέντε μήνες του Η έρευνα εμπλουτίζει τους μηχανισμούς διαχείρισης γνώσης πελατών που επικρατούσαν έως τότε με περισσότερες τεχνικές CKM οι οποίες αναγνωρίστηκαν σε πολλά ηλεκτρονικά καταστήματα. 86 Το εταιρικό συμμαχικό κεφάλαιο αφορά στις υλικές και άυλες πηγές τις οποίες έχει στη διάθεσή του, ένα μέλος μίας συμμαχίας, μέσω των κοινωνικών του σχέσεων [34]. Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 61

68 Εικόνα4.687: Μοντέλο του αστερία (CKM3) 87 Πηγή: [27, pg 89] Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 62

69 4.2 Η Επίδραση του Σημασιολογικού Ιστού Οι τεχνολογίες του Σημασιολογικού Ιστού σκοπεύουν στο να καταστήσουν την αναζήτηση στο διαδίκτυο ταχύτερη και ακριβέστερη, οργανώνοντας τις πληροφορίες που υπάρχουν ήδη στο διαδίκτυο και κάνοντάς τες να ακολουθούν κάποια πρότυπα. Οι σημαντικότερες επιπτώσεις του Σημασιολογικού Ιστού στη μορφή του διαδικτύου και ειδικότερα στο ηλεκτρονικό εμπόριο παρουσιάζονται παρακάτω Καταναλωτές Έως τώρα οι καταναλωτές χρησιμοποιούν πλατφόρμες όπως το ebay για να συγκρίνουν τιμές προϊόντων από διαφορετικούς προμηθευτές. Αυτές οι πλατφόρμες όμως δεν παρέχουν στον καταναλωτή τη μέγιστη δυνατή ποσότητα πληροφορίας για το προϊόν που ψάχνει, αλλά μόνο ένα μέρος αυτής. Η εφαρμογή των τεχνολογιών του Σημασιολογικού Ιστού επιτρέπουν στις μηχανές αναζήτησης να συγκεντρώσουν μόνο τις πληροφορίες που ανταποκρίνονται στο αίτημα του χρήστη και, ταυτόχρονα, χωρίς να παραλείψουν καμία από αυτές. Έτσι, ο καταναλωτής μπορεί να προμηθευτεί το προϊόν που πληρεί τις προδιαγραφές που έχει θέση στην χαμηλότερη τιμή [36] Μακροοικονομικές Επιπτώσεις Στο παρελθόν, πολλές καινοτομίες οδήγησαν στην καλύτερη συγκέντρωση της προσφοράς και της ζήτησης. Καινοτομίες όπως το διαδίκτυο και πλατφόρμες συγκέντρωσης εμπορικών δραστηριοτήτων (ebay,com) έδωσαν τη δυνατότητα στους συμμετέχοντες στην παγκόσμια αγορά, μία καλύτερη εικόνα για την κατάστασή της. Η επόμενη γενιά την αγοράς, η οποία θα βασίζεται σε τεχνολογίες του Σημασιολογικού Ιστού, θα επιτρέψει στους καταναλωτές να έχουν μία συνολική εικόνα της εκάστοτε αγοράς. Σε πολλούς τομείς η σημασία που δίνεται τώρα στη διαφήμιση θα ελαττωθεί, καθώς οι επιχειρήσεις θα μπορούν να αναδεικνύουν καλύτερα τα πλεονεκτήματα των προϊόντων τους μέσω της δομημένης περιγραφής των χαρακτηριστικών τους από τις οντολογίες. Αυτό θα ωφελήσει κυρίως τις μικρές και τις μεσαίες επιχειρήσεις οι οποίες μέχρι πρότινος δεν είχαν την οικονομική δυνατότητα για έντονη διαφήμιση. Οι προμηθευτές εξειδικευμένων προϊόντων (niche88-suppliers) αναμένεται να έχουν μεγαλύτερο περιθώριο κέρδους καθώς οι πελάτες είναι πρόθυμοι να πληρώσουν περισσότερα για ένα προϊόν που ταιριάζει περισσότερο στις ανάγκες τους. Ταυτόχρονα, η ισχυρότερη κατάτμηση της αγοράς αναμένεται να οδηγήσει σε ένα υψηλότερο επίπεδο απασχόλησης σε αυτές τις επιχειρήσεις καθώς οι οικονομίες κλίμακας θα επιτευχθούν σε μικρότερο βαθμό. Σημαντική επίδραση αναμένεται να υπάρχει και στις εξαγωγές καθώς οι εξαγωγείς, πολλές φορές δυσκολεύονται στην προβολή των προϊόντων τους σε δυνητικούς πελάτες στο εξωτερικό. Οι τεχνολογίες του Σημασιολογικού Ιστού έχουν τη δυνατότητα μετατροπής των οδηγούμενων από την προσφορά, σε οδηγούμενες από τη ζήτηση αγορές [36]. 88 Αγορά Niche: Είναι το υποσύνολο μίας μεγαλύτερης αγοράς η οποία προμηθεύει εξειδικευμένα προϊόντα [e53]. Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 63

70 4.2.3 Αναζήτηση και Διασπορά Τιμής Η υλοποίηση του Σημασιολογικού Ιστού θα βοηθήσει στη μείωση του φαινομένου της ασύμμετρης πληροφόρησης, και κατ επέκταση, στην προσέγγιση του μοντέλου τέλειας πληροφόρησης και, συνεπώς, τέλειου ανταγωνισμού. Οι [35] μελετούν τις οικονομικές επιπτώσεις του Σημασιολογικού Ιστού και προσπαθούν να προβλέψουν το μελλοντικό μοντέλο ηλεκτρονικού εμπορίου. Η ασύμμετρη πληροφόρηση δημιουργεί καταστάσεις κατά τις οποίες ο καλύτερα πληροφορημένος καταναλωτής λαμβάνει την καλύτερη τιμή. Η διασπορά τιμής είναι το φαινόμενο κατά το οποίο, το ίδιο προϊόν πωλείται σε διαφορετική τιμή, από δύο ή περισσότερους πωλητές. Για να εντοπιστεί αυτή η διασπορά τιμής απαιτείται αναζήτηση στο διαδίκτυο από μέρους του καταναλωτή. Η αναζήτηση θεωρείται μία σημαντική και δαπανηρή οικονομική δραστηριότητα και, συνήθως, σταματά πριν ο καταναλωτής συγκεντρώσει την απαραίτητη γνώση προκειμένου να προχωρήσει στην πιο συμφέρουσα αγορά. Η εφαρμογή τεχνολογιών του Σημασιολογικού Ιστού μπορεί να μειώσει το χρόνο αναζήτησης αυξάνοντας το οριακό κόστος αναζήτησης στο διαδίκτυο (εικόνα 4.7). Στο παρακάτω διάγραμμα βλέπουμε ότι όσο αυξάνεται η διασπορά της τιμής, τόσο αυξάνεται ο χρόνος αναζήτησης και, συνεπώς, το κόστος αναζήτησης. Εικόνα 4.789: Αναζήτηση στο διαδίκτυο και Διασπορά Τιμής Πράκτορες Οι πράκτορες είναι προγράμματα που δρουν για λογαριασμό του χρήστη. Δουλειά των πρακτόρων είναι να αναζητούν και να συγκεντρώνουν πληροφορίες, μετά από συγκεκριμένη εντολή του χρήστη. Στο πρώτο μέρος της εικόνας 4.8 φαίνεται ο τρόπος λειτουργίας των πρακτόρων σήμερα. Στο Σημασιολογικό Ιστό θα δίνεται η δυνατότητα στο χρήστη να ρυθμίζει τον πράκτορα να αναζητά συγκεκριμένες πληροφορίες. Ο πράκτορας θα πραγματοποιεί αναζήτηση στο διαδίκτυο, θα επικοινωνεί με άλλους πράκτορες, θα συγκρίνει πληροφορίες, θα επιλέγει ορισμένες εναλλακτικές και θα απαντά στο αίτημα του χρήστη [39], [41]. Οι πράκτορες, στο Σημασιολογικό Ιστό, δεν θα αντικαταστήσουν τους χρήστες. Ρόλος τους θα είναι να συγκεντρώνουν πληροφορίες και να παρουσιάζουν στο χρήστη διάφορες εναλλακτικές λύσεις. 89 Πηγή: [35] Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 64

71 Εικόνα 4.890: Προσωπικοί Πράκτορες Εστιασμένη Αναζήτηση Οι [40] προτείνουν την εστιασμένη αναζήτηση (semantic focused crawling) ως μία αποδοτικότερη μέθοδο αναζήτησης πληροφοριών στο διαδίκτυο. Κατά την εστιασμένη αναζήτηση πραγματοποιείται αναζήτηση σελίδων, σχετικών με συγκεκριμένο θέμα, χωρίς να φορτώνονται όλες οι σελίδες από το διαδίκτυο. Η μελέτη αυτή επικεντρώνεται στην αναζήτηση πληροφοριών σχετικές με το ηλεκτρονικό εμπόριο. Στην μελέτη προτείνεται η αναζήτηση να γίνεται με βάση έξυπνες οντολογίες οι οποίες θα περιλαμβάνουν έναν μηχανισμό αυτόματης προσαρμογής στο εκάστοτε θέμα αναζήτησης. Η προσαρμογή αυτή θα γίνεται με μηχανισμούς μηχανικής μάθησης. Εμπειρική μελέτη που πραγματοποίησαν οι συντάκτες της συγκεκριμένης μελέτης έδειξε ότι η εστιασμένη αναζήτηση υπερτερεί της αναζήτησης βάσει όρων (keyword-based crawling), της αναζήτησης με βάση το εύρος (breadth-first crawling) και της αναζήτησης με βάση την κατάταξη της σελίδας (pagerank crawling), όσον αφορά στη συγκομιδή πληροφοριών. Από την άλλη μεριά, η εστιασμένη αναζήτηση απαιτεί περισσότερο χρόνο από τα άλλα είδη αναζήτησης, λόγω της προσαρμογής που πραγματοποιείται στο εκάστοτε περιεχόμενο αναζήτησης. Τα αποτελέσματα της εμπειρικής μελέτης παρουσιάζονται στις εικόνες 4.9 και Πηγή: [39] Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 65

72 Εικόνα 4.991: Σύγκριση με βάση το ρυθμό συγκομιδής πληροφοριών (harvest rate) Εικόνα : Σύγκριση με βάση τον απαιτούμενο χρόνο αναζήτησης (time cost) Ενοποίηση Ο Σημασιολογικός Ιστός μπορεί να διευκολύνει την ενοποίηση συστημάτων μεταξύ εταιριών. Οι οντολογίες μπορούν να χρησιμοποιηθούν στον καθορισμό της ορολογίας διαφορετικών συστημάτων, η χαρτογράφηση οντολογιών (ontology mapping) μπορεί να καταστήσει δυνατή την επικοινωνία αυτών των συστημάτων και, κατ επέκταση, να αυτοματοποιηθεί το Β2Β ηλεκτρονικό εμπόριο [41]. 91 Πηγή: [40] 92 Πηγή: [40] Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 66

73 4.2.6 Ανάπτυξη Σύνθετων Συστημάτων Η σύνθεση διάφορων υπηρεσιών του διαδικτύου σε ένα μεγαλύτερο και πολυπλοκότερο σύστημα γίνεται εφικτή με τη χρήση των τεχνολογιών του Σημασιολογικού Ιστού. Το νέο σύστημα θα συνδέει πολλές και διαφορετικές λειτουργίες του διαδικτύου, αυτοματοποιώντας πολύπλοκες διεργασίες όπως, για παράδειγμα, η διαχείριση μιας παραγγελίας, από το αρχικό στάδιο έως και την έκδοση του τιμολογίου [41]. Έως τώρα υπάρχουν δύο κύριες γλώσσες σύνδεσης εφαρμογών του διαδικτύου, η DAML-S και η BPEL4WS (Business Process Execution Language for Web Service). Η υλοποίηση τέτοιων συγχωνεύσεων θα διευκόλυνε την διεξαγωγή των επιχειρηματικών διεργασιών στις επιχειρήσεις του ηλεκτρονικού εμπορίου και όχι μόνο, καθιστώντας τες ταχύτερες και φθηνότερες [41], [42] Συλλογή Πολυμέσων Η αναζήτηση και συλλογή αντικειμένων που δεν βασίζονται σε κείμενο, όπως εικόνες, βίντεο ή ήχοι, δεν είναι εύκολη. Ο Σημασιολογικός Ιστός, μέσω των οντολογιών, δίνει τη δυνατότητα σχολιασμού αυτών των αντικειμένων κάνοντάς τα ορατά και κατανοητά στους πράκτορες αναζήτησης. Έτσι, αντικείμενα πολυμέσων μπορούν να οργανωθούν και να ανακτηθούν εύκολα [41] Φιλτράρισμα Πληροφοριών Σε περιπτώσεις που συμβαίνει διαχείριση μεγάλου όγκου πληροφοριών, όπως για παράδειγμα η διαχείριση στοιχείων πελατών που διαθέτουν επιχειρήσεις ηλεκτρονικού εμπορίου, απαιτείται το βέλτιστο φιλτράρισμα αυτών στον ελάχιστο δυνατό χρόνο. Οι οντολογίες μπορούν να βοηθήσουν στην καλύτερη οργάνωση αυτών των πληροφοριών έτσι ώστε να γίνεται αυτόματα η αποθήκευσή τους σε συγκεκριμένα σημεία, η ανάκτησή τους να είναι ευκολότερη και ταχύτερη όπως και η διαχείρισή τους [41] Επικοινωνία Μεταξύ Μηχανών Οι οντολογίες καθιστούν τις πληροφορίες που υπάρχουν στο διαδίκτυο κατανοητές στις μηχανές. Επιπλέον, οι μεταφράσεις και οι χαρτογραφήσεις των οντολογιών μπορούν να γεφυρώσουν το χάσμα μεταξύ διαφορετικών εννοιολογικών τομέων, καθιστώντας δυνατή της επικοινωνία μεταξύ διαφορετικών θεμάτων. Το ηλεκτρονικό εμπόριο απαιτεί διάλογο και διαπραγματεύσεις μεταξύ διαφορετικών μηχανών πάνω σε διαφορετικά θέματα. Οι τεχνολογίες του Σημασιολογικού Ιστού μπορούν να συνεισφέρουν στην υλοποίηση τέτοιου είδους επικοινωνίας και στην ταχύτερη επεξεργασία μεγάλου όγκου πληροφοριών [41]. Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 67

74 Εικονικές Κοινότητες Κάποιες επιχειρήσεις μπορούν να δημιουργήσουν ένα είδος εικονικής κοινότητας στο διαδίκτυο μέσο της οποίας θα ανταλλάσσουν απόψεις και γνώσεις για θέματα κοινού ενδιαφέροντος προς κοινό όφελος. Οι οντολογίες μπορούν να βοηθήσουν σε θέματα οργάνωσης και καθορισμού ιεραρχίας ανάμεσα στα μέλη της κοινότητας. Επίσης, θέματα σχέσεων μεταξύ των μελών μπορούν να καθοριστούν μέσω των κλάσεων και των ιδιοτήτων των οντολογιών [41] Διαφήμιση Οι εταιρίες που θέλουν να προβληθούν μέσω του διαδικτύου μπορούν να άχουν μεγαλύτερη προβολή. Πλέον, δεν περιμένουν μόνο τους ανθρώπους να κάνουν κλικ πάνω στον αντίστοιχο σύνδεσμο, αλλά και του πράκτορες αναζήτησης να πέσουν πάνω τους κατά την αναζήτηση σχετικών προϊόντων και υπηρεσιών. Οι τεχνολογίες του Σημασιολογικού Ιστού καθιστούν τις διαφημίσεις ορατές στις μηχανές αναζήτησης και, ταυτόχρονα, η αναζήτηση γίνεται πιο αποτελεσματική αποκλείοντας αποτελέσματα με άσχετο περιεχόμενο [41] Ανέλπιστα Οφέλη Οι επιχειρήσεις τείνουν να έχουν μία σταθερή και μακροχρόνια, σχετικά, σχέση με συγκεκριμένους πελάτες και προϊόντα, μη έχοντας το χρόνο αναζήτησης νέων συνεργατών και πελατών. Ο Σημασιολογικός Ιστός και η οργάνωσή του αυξάνουν την πιθανότητα μία εταιρία ή ένας άνθρωπος να βρει τυχαία αυτό που ψάχνει, είτε αυτό είναι ένα νέο προϊόν, είτε ένας καλύτερος συνεργάτης ή πελάτες που δεν είχε εντοπίσει πριν [41] Προτυποποίηση και Ελαστικοποίηση Λεξιλογίου Η ιδέα του Σημασιολογικού Ιστού προτείνει την υιοθέτηση σταθερών και καθολικών προτύπων τα οποία θα ακολουθούνται από όλους, έτσι ώστε να υπάρχει μία ομοιομορφία στο διαδίκτυο. Από την άλλη μεριά, είναι δύσκολο όλοι οι χρήστες να γνωρίζουν μία συγκεκριμένη ορολογία για όλες τις θεματικές ενότητες. Οι μεταφράσεις των οντολογιών μπορούν να βοηθήσουν σε αυτό το πρόβλημα επιτρέποντας στον χρήστη να χρησιμοποιεί όχι αυστηρά έναν, αλλά ένα πλήθος ορισμών για κάθε έννοια. Στη συνέχεια, η χαρτογράφηση των οντολογιών μπορεί να συνδράμει στην επικοινωνία μεταξύ διαφορετικών οντολογιών. Η προτυποποίηση και η ελαστικοποίηση του λεξιλογίου στον Σημασιολογικό Ιστό φαίνεται να είναι δύο συγκρουόμενες έννοιες, αλλά στην πραγματικότητα είναι δύο διαφορετικές φάσεις στην ανάπτυξη του Σημασιολογικού Ιστού. Στα αρχικά στάδια της ανάπτυξής του, προτεραιότητα θα δοθεί στην προτυποποίηση του λεξιλογίου, ενώ σε δεύτερο στάδιο, εξέλιξη της χαρτογράφησης των οντολογιών και η ανάπτυξη εργαλείων μετάφρασης αυτών θα βοηθήσουν στην ελαστικοποίηση του λεξιλογίου [41]. Κεφάλαιο 4 Ηλεκτρονικό Εμπόριο, Διαχείριση Γνώσης και Σημασιολογικός Ιστός 68

75 5 Μεθοδολογία Ανάπτυξης Οντολογίας Η οντολογία που θα αναπτύξουμε στο κεφάλαιο 6 βασίζεται στην οντολογία E-Commerce [e51] η οποία παρουσιάζεται αναλυτικότερα στο παράρτημα I. Πιο συγκεκριμένα, θα χρησιμοποιήσουμε την έκδοση ecommerceu, η οποία είναι μετάφραση της αρχικής οντολογίας. Οι κυριότερες κλάσεις της οντολογίας E-Commerce φαίνονται στην εικόνα 5.1 με απεικόνιση μέσω του Protege. Εικόνα 5.1: Η οντολογία ecommerceu Λαμβάνοντας ως βάση τις κλάσεις και τις αντίστοιχες υποκλάσεις της οντολογίας ecommerceu, σε συνδυασμό με το υπόδειγμα λειτουργίας μίας τυπικής ηλεκτρονικής συναλλαγής, το οποίο αναλύουμε στο κεφάλαιο 5.1, προσπαθούμε να δούμε ποιες από τις παραπάνω κλάσεις θα πρέπει να κρατήσουμε, ποιες πρέπει να συγχωνεύσουμε ή ακόμα και να διαγράψουμε, όπως επίσης, και πόσες ακόμα θα χρειαστεί να δημιουργήσουμε. Κλάσεις, όπως για παράδειγμα, οι κλάσεις LanguageUK, CountryUK, CurrencyUK, StatusUK και Account_InformationUK, μετατράπηκαν σε ιδιότητες δεδομένων άλλων κλάσεων για το λόγο ότι η διατήρησή τους αποτελεί πλεονασμό, αφού μπορούν να ενσωματωθούν ως ιδιότητες σε κάποιες άλλες κλάσεις. Οι υπόλοιπες κλάσεις παραμένουν στη νέα οντολογία και περιγράφονται αναλυτικά στο κεφάλαιο 6. Η τελική μορφή της οντολογίας e-shop_entity προκύπτει μετά από τη δημιουργία διάφορων στιγμιοτύπων, διαδικασία η οποία αναδεικνύει πιθανές ελλείψεις ή πλεονασμούς στην οργάνωση της οντολογίας. Στην εικόνα 5.2 φαίνεται η δομή της αρχικής οντολογίας ecommerceu, με απεικόνιση με τη χρήση του εργαλείου Jambalaya. Κεφάλαιο 5 Μεθοδολογία Ανάπτυξης Οντολογίας 69

76 Εικόνα 5.2: Απεικόνιση της οντολογίας ecommerceu με τη χρήση του εργαλείου Jambalaya 5.1 Διαδικασία on-line πληρωμών Η διαδικασία πληρωμής και αποστολής του προϊόντος στον πελάτη περιλαμβάνει όλα τα εμπλεκόμενα μέρη που πρέπει να περιγραφούν στην οντολογία μας. Μέσα από την ανάλυση αυτής της διαδικασίας θα εξάγουμε όλες σχεδόν τις οντότητες που λαμβάνουν μέρος στο ηλεκτρονικό εμπόριο (στην περίπτωσή μας, ένα ηλεκτρονικό κατάστημα), καθώς και τις σχέσεις που υπάρχουν μεταξύ τους. Στην εικόνα 5.3 περιγράφονται όλες εκείνες οι ενέργειες που πραγματοποιούνται, από τη στιγμή που ο πελάτης επιβεβαιώνει την αγορά ενός προϊόντος, έως τη στιγμή της αποστολής του προϊόντος ή την απόρριψη του συγκεκριμένου πελάτη από τον πωλητή για διάφορους λόγους (αδυναμία πληρωμής). Οι οντότητες που λαμβάνουν μέρος στην παραπάνω περιγραφόμενη διαδικασία είναι οι εξής: Customer /Buyer: Ο πελάτης /αγοραστής, ο οποίος μπορεί να είναι είτε φυσικό πρόσωπο, είτε ένας οργανισμός ή επιχείρηση, Merchant: Ο πωλητής (έμπορος), διαχειριστής του ηλεκτρονικού καταστήματος, Payment Gateway /Payment Processor: Είναι μία υπηρεσία παροχής εφαρμογών ηλεκτρονικού εμπορίου, η οποία εξουσιοδοτεί πληρωμές μέσω διαδικτύου [e60], Processor: Είναι εταιρίες οι οποίες διαχειρίζονται συναλλαγές με πιστωτικές κάρτες για λογαριασμό της τράπεζας του πωλητή (Merchant's Acquiring Bank) [e63], Merchant's Acquiring Bank: Είναι η τράπεζα η οποία αντικαθιστά τον πωλητή στις συναλλαγές του με όλες τις τράπεζες που εκδίδουν πιστωτικές κάρτες στους καταναλωτές (Issuing Banks). Επιπλέον, καταθέτει στο λογαριασμό του πωλητή το ποσό της αγοράς, πριν αυτό καταβληθεί από την τράπεζα του πελάτη σε αυτή [e63] [e64], Κεφάλαιο 5 Μεθοδολογία Ανάπτυξης Οντολογίας 70

77 Merchant's Bank: Υφίσταται μόνο στην περίπτωση στην οποία ο πωλητής διατηρεί το λογαριασμό του σε διαφορετική τράπεζα από αυτή που διαχειρίζεται τις σχέσεις με τις τράπεζες των πελατών [e63], Card Association: Είναι οργανισμοί, όπως η Visa και η MasterCard, οι οποίες, μαζί με τις κυβερνήσεις, καθορίζουν τους κανόνες αποδοχής των πιστωτικών καρτών [e63], Card Issuing Bank: Είναι οι τράπεζες οι οποίες εκδίδουν τις πιστωτικές κάρτες στους καταναλωτές [e63], Shipping Carrier: Είναι οι εταιρίες οι οποίες αναλαμβάνουν την μεταφορά και παράδοση των προϊόντων στους πελάτες (Courier, μεταφορικές και άλλες) Certificate Authority: Είναι αρχή η οποία εκδίδει ηλεκτρονικά πιστοποιητικά. Τα πιστοποιητικά αυτά χρησιμοποιούνται για την ταυτοποίηση του αποστολέα ενός μηνύματος από το χρήστη, έτσι ώστε ο τελευταίος να είναι σίγουρος για την προέλευση του μηνύματος [e61]. Εικόνα 5.3: Η διαδικασία των online πληρωμών στο ηλεκτρονικό εμπόριο και τα εμπλεκόμενα μέρη Κεφάλαιο 5 Μεθοδολογία Ανάπτυξης Οντολογίας 71

78 Η διαδικασία η οποία περιγράφεται στην εικόνα 5.3 περιλαμβάνει τα εξής βήματα: 1. Ο πελάτης (Customer) επιβεβαιώνει την αγορά συγκεκριμένου προϊόντος, αφού πρώτα έχει εισάγει τα στοιχεία της πιστωτικής του κάρτας, μέσω συγκεκριμένου ηλεκτρονικού καταστήματος, 2. Ο φυλλομετρητής (browser) του πελάτη κρυπτογραφεί τα στοιχεία της πιστωτικής κάρτας και τα αποστέλλει με τη χρήση SSL93 στον εξυπηρετητή του ηλεκτρονικού καταστήματος (E-Shop). Η κρυπτογράφηση των δεδομένων γίνεται με τη χρήση των ψηφιακών υπογραφών και των ψηφιακών κλειδιών τα οποία παρέχουν οι αρχές πιστοποίησης (certificate authority) στα εμπλεκόμενα, στην επικοινωνία, μέρη, 3. Πάλι με τη χρήση SSL, τα κρυπτογραφημένα δεδομένα προωθούνται από τον εξυπηρετητή του E-Shop στον επεξεργαστή πληρωμών (Payment processor), 4. Ο διαχειριστής πληρωμών προωθεί τις πληροφορίες στον επεξεργαστή (Processor) που χρησιμοποιεί η τράπεζα του πωλητή, 5. Στην περίπτωση που η πιστωτική κάρτα είναι Visa ή MasterCard, ο επεξεργαστής μεταφέρει τις πληροφορίες στην αντίστοιχη ένωση (Card Association). Αν η κάρτα είναι American Express ή Discover Card, ο επεξεργαστής ενεργεί ως εκδότρια τράπεζα και παρέχει άμεσα απάντηση στο αίτημα του επεξεργαστή πληρωμών. Στην πρώτη περίπτωση, η Card Association προωθεί το αίτημα στην αντίστοιχη εκδότρια τράπεζα (Card Issuing Bank), 6. Η εκδότρια τράπεζα εξετάζει το αίτημα και δίνει την ανάλογη απάντηση, εγκρίνοντας ή απορρίπτοντας το αίτημα, 7. Η ένωση απαντά στον επεξεργαστή, 8. Ο επεξεργαστής απαντά στον επεξεργαστή πληρωμών, 9. Ο επεξεργαστής πληρωμών απαντά στον πωλητή, 10. Ο πωλητής αποστέλλει, με , επιβεβαίωση της παραγγελίας στον πελάτη, αν η εκδότρια τράπεζα εγκρίνει την αγορά, ενώ απαντά με ανάλογο μήνυμα στον πελάτη αν η απάντηση της τράπεζα είναι αρνητική. Σε περίπτωση επιβεβαίωσης της παραγγελίας, ο πωλητής ενημερώνει, ταυτόχρονα, την μεταφορική εταιρία (Shipping Carrier) με την οποία συνεργάζεται, για την αποστολή του προϊόντος στον πελάτη, 11. Η διαδικασία, έως αυτό το σημείο, διαρκεί συνήθως 2 με 3 δευτερόλεπτα, 12. Ο πωλητής αποστέλλει όλες τις πληροφορίες στην τράπεζά του (Acquiring Bank), 13. Αυτή, με τη σειρά της, καταθέτει το ποσό της αγοράς στο λογαριασμό του πωλητή (τον οποίο μπορεί να διατηρεί σε άλλη τράπεζα (Merchant's Bank)), πριν αυτό αναληφθεί από την τράπεζα του πελάτη. Η διαδικασία, από την έγκριση της πληρωμής, έως την κατάθεση του ποσού, διαρκεί, συνήθως 3 ημέρες [e60]. 93 Secure Socket Layer: πρωτόκολλο επικοινωνίας για την ασφαλή μεταφορά δεδομένων μέσω του διαδικτύου [e67] Κεφάλαιο 5 Μεθοδολογία Ανάπτυξης Οντολογίας 72

79 6 Περιγραφή της Οντολογίας E-Shop_entity 6.1 Κλάσεις και Υποκλάσεις Ακολουθεί αναλυτική παρουσίαση των κλάσεων και των αντίστοιχων υποκλάσεων της οντολογίας E-Shop_entity, καθώς και περιγραφή των ιδιοτήτων (δεδομένων και αντικειμένων) που αντιστοιχούν σε κάθε κλάση. Οι διάφορες υποκλάσεις κληρονομούν τις ιδιότητες της αντίστοιχης υπερκλάσης. Ωστόσο, κάποια υποκλάση μπορεί να διαθέτει κάποια ιδιότητα την οποία δεν διαθέτει η υπερκλάση της. Σε κάθε ιδιότητα θα δίνονται κάποια από τα παρακάτω χαρακτηριστικά: single: μπορεί να λάβει μόνο μία τιμή, multiple: μπορεί να λάβει πάνω από μία τιμή string: λαμβάνει αλφαριθμητικά δεδομένα, boolean: λαμβάνει λογικές τιμές τύπου 0 ή 1, int (integer): ακέραιος αριθμός float: δεκαδικός αριθμός Επίσης, κάποιες από τις ιδιότητες αντικειμένων μπορεί να λάβουν το χαρακτηριστικό Functional, το οποίο σημαίνει ότι το αντικείμενο που συνδέει η συγκεκριμένη ιδιότητα μπορεί να συνδέεται με όχι πάνω από ένα άλλα αντικείμενα. Αντίστροφα, η ιδιότητα Inverse Functional δηλώνει ότι η αντίστροφη ιδιότητά της είναι Functional. Όλες οι κλάσεις του ίδιου επιπέδου είναι ανεξάρτητες μεταξύ τους (disjoint), πράγμα που σημαίνει ότι ένα αντικείμενο δεν μπορεί να ανήκει, ταυτόχρονα, σε πάνω από μία κλάσεις Account Η κλάση Account αφορά στους τραπεζικούς λογαριασμούς των οργανισμών και των ιδιωτών που συμμετέχουν στην οντολογία. Ιδιότητες Δεδομένων 1. accountnumber: Είναι ο αριθμός λογαριασμού, ο οποίος χαρακτηρίζεται ως single string. 2. expirationdate: Είναι η ημερομηνία λήξης του εκάστοτε λογαριασμού και χαρακτηρίζεται ως single date. Ιδιότητες Αντικειμένων 1. belongstobank: Συνδέει τις κλάσεις Account και Bank και χαρακτηρίζεται ως single γιατί ένας λογαριασμός δεν μπορεί να ανήκει σε περισσότερες της μίας τράπεζας. 2. isaccountof: Συνδέει την κλάση Account με τις κλάσεις Individual και Organization και χαρακτηρίζεται ως single γιατί δεν μπορεί ο ίδιος λογαριασμός να ανήκει σε πάνω από έναν ιδιώτη ή οργανισμό. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 73

80 Υποκλάσεις 1. BankAccount: Είναι ο τραπεζικός λογαριασμός που διατηρεί ένας οργανισμός ή ιδιώτης σε οποιαδήποτε τράπεζα. 2. CreditCardAccount: Είναι ο λογαριασμός με τον οποίο συνδέεται μία πιστωτική κάρτα, χωρίς ο ιδιοκτήτης της κάρτας να διατηρεί απαραίτητα τραπεζικό λογαριασμό καταθέσεων στη συγκεκριμένη τράπεζα Address Η κλάση Address περιλαμβάνει τις διευθύνσεις των ιδιωτών ή των οργανισμών που συμμετέχουν στην οντολογία. Ιδιότητες Δεδομένων street: Είναι η οδός και χαρακτηρίζεται ως single string. streetnumber: Είναι ο αριθμός της οδού και χαρακτηρίζεται ως single int. zipcode: Είναι ο ταχυδρομικός κωδικός της διεύθυνσης και χαρακτηρίζεται ως single string. city: Είναι η πόλη και χαρακτηρίζεται ως single string. country: Είναι η χώρα και χαρακτηρίζεται ως single string. Ιδιότητες Αντικειμένων 1. isaddressof: Συνδέει την κλάση Address με τις κλάσεις Individual και Organization και χαρακτηρίζεται ως multiple γιατί μπορεί δύο ή περισσότεροι ιδιώτες ή οργανισμοί να έχουν την ίδια διεύθυνση Charge Η κλάση Charge αφορά σε οποιοδήποτε είδος χρέωσης94, εκτός της αρχικής τιμής του προϊόντος95, εμφανίζεται κατά τη διαδικασία αγοραπωλησίας μέσω του διαδικτύου. Ιδιότητες Δεδομένων 1. chargeamount: Είναι το ποσό της εκάστοτε χρέωσης και χαρακτηρίζεται ως single float. 2. chargecurrency: Είναι το νόμισμα με το οποίο μετράται η συγκεκριμένη χρέωση. Ιδιότητες Αντικειμένων 1. chargerecordedon: Συνδέει την κλάση Charge με την κλάση Document και χαρακτηρίζεται ως multiple γιατί, μία χρέωση, μπορεί να αναγράφεται σε περισσότερα από ένα έγγραφα. 2. haspaymentmethod: Συνδέει την κλάση Charge με την κλάση PaymentMethod και χαρακτηρίζεται ως single γιατί, μία χρέωση, δεν μπορεί να εξοφληθεί με περισσότερους από έναν τρόπους πληρωμής. Επιπλέον, υπάρχει ο περιορισμός που υποχρεώνει την ύπαρξη ενός τουλάχιστον τρόπου πληρωμής. 94 Η χρέωση μπορεί να είναι είτε θετική, είτε αρνητική (για παράδειγμα όταν υπάρχει έκπτωση στην τιμή του προϊόντος). 95 Η αρχική, καθώς και η τελική τιμή του κάθε προϊόντος υπάρχουν ως ιδιότητες δεδομένων στην κλάση Product. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 74

81 3. isfeeof: Συνδέει την κλάση Charge με τις κλάσεις Product και Delivery και χαρακτηρίζεται ως multiple. Υποκλάσεις 1 ChargeBack: Είναι η επιστροφή χρημάτων (πιστωτικό τιμολόγιο) και είναι αρνητική χρέωση. 2 CustomhouseFee: Είναι τα έξοδα τελωνείου. 3 Discount: Είναι η έκπτωση (αρνητική χρέωση) και διακρίνεται σε διάφορα είδη. 3.1 Coupon: Η έκπτωση με τη χρήση κουπονιών τα οποία προμηθεύεται ο καταναλωτής από διάφορα σημεία. 3.2 Rebate: Είναι η επιστροφή χρημάτων από την αγορά κάποιου προϊόντος [e54] InstantRebate: Η έκπτωση εφαρμόζεται κατά τη στιγμή της αγοράς του προϊόντος MailInRebate: Αυτή η μορφή έκπτωσης ενθαρρύνει τον καταναλωτή να αποστείλει ένα κουπόνι και στη συνέχεια να λάβει δωροεπιταγή συγκεκριμένου ποσού για συγκεκριμένα καταστήματα. 4 HandlingFee: Είναι τα έξοδα εργασίας. 5 PackingFee: Είναι τα έξοδα συσκευασίας. 6 Shipping: Είναι τα μεταφορικά έξοδα. 7 Tax: Είναι ο φόρος που πληρώνεται για την αγορά του κάθε προϊόντος. 8 TransactionFee: Είναι τα διάφορα έξοδα συναλλαγών (κυρίως για προϊόντα μεγάλης αξίας). 9 OtherCharge: Διάφορα άλλα έξοδα ContactInformation Η κλάση ContactInformation περιέχει τα στοιχεία επικοινωνίας, εκτός από τη διεύθυνση, κάθε ιδιώτη ή οργανισμού. Ιδιότητες Δεδομένων 1. Χαρακτηρίζεται ως multiple string 2. faxnumber: Χαρακτηρίζεται ως multiple string 3. phonenumber: Χαρακτηρίζεται ως multiple string Ιδιότητες Αντικειμένων 1. iscontactinformationof: Συνδέει την κλάση ContactInformation με τις κλάσεις Organization και Individual και χαρακτηρίζεται ως single. Επίσης, υπάρχει ο περιορισμός some values from Organization or Individual. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 75

82 6.1.5 Delivery Η κλάση Delivery περιλαμβάνει όλους τους τρόπους παράδοσης των προϊόντων στον πελάτη. Ιδιότητες Δεδομένων 1. deliverydate: Είναι η ημερομηνία παράδοσης του προϊόντος και χαρακτηρίζεται ως single date γιατί δεν μπορεί, η παράδοση, να διεξαχθεί σε περισσότερες από μία ημερομηνίες. Ιδιότητες Αντικειμένων 1. conductedby: Συνδέει την κλάση Delivery με την κλάση ShippingCarrier και χαρακτηρίζεται ως multiple γιατί μπορεί, ένα προϊόν, να μεταφερθεί με πάνω από μία μεταφορική εταιρία, διαδοχικά. 2. delivers: Συνδέει την κλάση Delivery με την κλάση Product και χαρακτηρίζεται ως multiple γιατί, με μία μεταφορά, μπορούν να παραδοθούν περισσότερα του ενός προίόντα. 3. hasfee: Συνδέει τις κλάσεις Delivery και Product με την κλάση Charge και χαρακτηρίζεται ως multiple. Επιπλέον, η ιδιότητα hasfee είναι αντίστροφη ιδιότητα της isfeeof, της κλάσης Charge. Υποκλάσεις Courier: Η παράδοση διεξάγεται μέσω εταιρίας ταχυμεταφορών. DropShipping: Η παράδοση του προϊόντος γίνεται με μεταφορική εταιρία. LocalPickup: Ο πελάτης παραλαμβάνει το προϊόν από το σημείο πώλησης. PostOffice: Παράδοση του προϊόντος μέσω ταχυδρομείου. OtherDelivery: Άλλοι τρόποι παράδοσης του προϊόντος Document Η κλάση Document αφορά σε οποιοδήποτε είδος εγγράφου μπορεί να διακινείται κατά τη διεξαγωγή μίας ηλεκτρονικής αγοραπωλησίας. Ιδιότητες Δεδομένων 1. documentdate: Ημερομηνία έκδοσης του εγγράφου. Χαρακτηρίζεται ως single date. 2. documentnumber: Ο αύξων αριθμός κάθε εγγράφου. Χαρακτηρίζεται ως single string γιατί δεν μπορεί να αντιστοιχούν περισσότεροι από ένας αριθμοί στο ίδιο έγγραφο. 3. documenttype: Είναι η μορφή του εγγράφου και λαμβάνει μία ή και τις δύο από τις τιμές και paper, γι' αυτό χαρακτηρίζεται και ως multiple. Ο λόγος για τον οποίο η ιδιότητα documenttype χαρακτηρίζεται ως multiple, είναι ότι ένα έγγραφο μπορεί, αρχικά να αποσταλεί με ηλεκτρονική μορφή ( ) και μετά να αποσταλεί και σε έγγραφη μορφή (όπως γίνεται συνήθως με τα τιμολόγια πώλησης). 4. productquantity: Είναι η ποσότητα του προϊόντος που πωλείται, και χαρακτηρίζεται ως single int. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 76

83 Ιδιότητες Αντικειμένων 1. documentaddressedto: Συνδέει την κλάση Document με τις κλάσεις Individual και Organization και χαρακτηρίζεται ως single γιατί ένα έγγραφο δεν μπορεί να εκδοθεί στο όνομα περισσότερων του ενός ιδιώτη ή οργανισμού. 2. isissuedby: Συνδέει την κλάση Document με τις κλάσεις Organization και Individual και χαρακτηρίζεται ως single γιατί, το ίδιο έγγραφο, δεν μπορεί να εκδοθεί από περισσότερους του ενός οργανισμού ή άτομα. Επιπλέον, υπάρχει περιορισμός που υποχρεώνει την ύπαρξη ενός οργανισμού από την κλάση Organization ή ενός ατόμου από την κλάση Individual. 3. recordscharge: Συνδέει την κλάση Document με την κλάση Charge και χαρακτηρίζεται ως multiple γιατί, σε ένα έγγραφο, μπορούν να αναγράφονται περισσότερες της μίας χρέωσης (για παράδειγμα, η τιμή και τα έξοδα μεταφοράς, καθώς και ο φόρος). 4. recordsproduct: Συνδέει την κλάση Document με την κλάση Product και χαρακτηρίζεται ως multiple γιατί, σε ένα έγγραφο, μπορούν να αναγράφονται περισσότερα του ενός προϊόντος. Υποκλάσεις 1. DeliveryConfirmation: Εκδίδεται από τον εκάστοτε υπεύθυνο μεταφοράς του προϊόντος, επιβεβαιώνοντας τη συμφωνία μεταξύ μεταφορικής εταιρίας και της εταιρίας που πουλά το προϊόν. 2. Invoice: Τιμολόγιο πώλησης. 3. OrderConfirmation: Επιβεβαίωση παραγγελίας, η οποία εκδίδεται από τον πωλητή και αποστέλλεται στον πελάτη, επιβεβαιώνοντας χρόνο και τόπο παράδοσης του προϊόντος, ενδεχομένως και τρόπο πληρωμής (κυρίως για αγαθά μεγάλης αξίας). 4. OrderDocument: Έγγραφο το οποίο διακινείται στα πλαίσια του οργανισμού που πουλά το προϊόν. Σκοπός του είναι η ενημέρωση των διάφορων τμημάτων της επιχείρησης, σχετικά με την κάθε παραγγελία. 5. OrderRequest: Αίτηση παραγγελίας. Συντάσσεται από τον πελάτη και αποστέλλεται στον πωλητή, συνήθως μέσω ειδικής φόρμας στην ιστοσελίδα του πωλητή. 6. Quote: Προσφορά, η οποία συντάσσεται από τον πωλητή και αποστέλλεται στον πελάτη (συνήθως για αγαθά μεγάλης αξίας). 7. Receipt: Απόδειξη για συγκεκριμένη πώληση. 8. Response: Έγγραφο το οποίο απαντά σε οποιοδήποτε αίτημα πελάτη σχετικά με τα προϊόντα που διαθέτει ο πωλητής Individual Η κλάση Individual περιλαμβάνει όλα τα φυσικά πρόσωπα που λαμβάνουν μέρος στη διαδικασία της ηλεκτρονικής αγοραπωλησίας. Στην ουσία, το μόνο φυσικό πρόσωπο το οποίο υφίσταται σε αυτή τη διαδικασία είναι ο αγοραστής του προϊόντος, ενώ όλα τα υπόλοιπα μέρη είναι είτε εταιρίες, είτε τραπεζικά ιδρύματα και διάφοροι άλλοι οργανισμοί νομικής φύσης. Ιδιότητες Δεδομένων 1. firstname: Το μικρό όνομα του προσώπου. Χαρακτηρίζεται ως single string. 2. lastname: Το επίθετο του προσώπου. Χαρακτηρίζεται ως single string. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 77

84 Ιδιότητες Αντικειμένων 1. buysproduct: Συνδέει την κλάση Individual και OrganizationBuyer96 με την κλάση Product και χαρακτηρίζεται ως multiple γιατί ένα άτομο ή εταιρία μπορεί να αγοράσει περισσότερα του ενός προίόντα. 2. hasaccount: Συνδέει την κλάση Individual και OrganizationBuyer με την κλάση Account και χαρακτηρίζεται ως multiple γιατί ένα άτομο ή οργανισμός μπορεί να διατηρεί περισσότερους του ενός τραπεζικούς λογαριασμούς σε πάνω από μία τράπεζες. 3. hasaddress: Συνδέει την κλάση Individual και OrganizationBuyer με την κλάση Address και χαρακτηρίζεται ως multiple γιατί ένα άτομο ή οργανισμός μπορεί να δηλώσει πάνω μία διευθύνσεις. Επίσης, υπάρχει περιορισμός που υποχρεώνει την ύπαρξη μίας τουλάχιστον διεύθυνσης. Είναι αντίστροφη της ιδιότητας isaddressof [βλ. Κεφ ]. 4. hascontactinformation: Συνδέει την κλάση Individual και OrganizationBuyer με την κλάση ContactInformation και χαρακτηρίζεται ως multiple γιατί ένα άτομο ή οργανισμός μπορεί να δηλώσει πολλαπλά στοιχεία επικοινωνίας. Επιπλέον, υπάρχει περιορισμός που υποχρεώνει την ύπαρξη ενός τουλάχιστον συνόλου στοιχείων επικοινωνίας. Είναι αντίστροφη της ιδιότητας iscontactinformationof [βλ. Κεφ ]. 5. hasuseraccount: Συνδέει την κλάση Individual και OrganizationBuyer με την κλάση UserAccount και χαρακτηρίζεται ως multiple γιατί ένα άτομο ή οργανισμός μπορεί να διατηρεί περισσότερους του ενός λογαριασμούς χρήστη σε πάνω από ένα ηλεκτρονικά καταστήματα. 6. makesorder: Συνδέει την κλάση Individual και OrganizationBuyer με την κλάση Order και χαρακτηρίζεται ως multiple γιατί ένα άτομο ή οργανισμός μπορεί να πραγματοποιήσει περισσότερες από μία παραγγελίες. 7. receivesdocument: Συνδέει την κλάση Individual και OrganizationBuyer με την κλάση Document και χαρακτηρίζεται ως multiple γιατί ένα άτομο ή οργανισμός μπορεί να λάβει πάνω από ένα έγγραφα, κατά τη διάρκεια της ηλεκτρονικής αγοραπωλησίας Order Η κλάση Order περιλαμβάνει όλες τις παραγγελίες που γίνονται κατά τη διαδικασία της ηλεκτρονικής αγοραπωλησίας. Ιδιότητες Δεδομένων 1. orderdate: Η ημερομηνία επιβεβαίωσης της παραγγελίας. Χαρακτηρίζεται ως single date. 2. ordernumber: Ο αριθμός παραγγελίας. Χαρακτηρίζεται ως single string γιατί πρέπει να είναι μοναδικός. 3. orderstatus: Είναι η κατάσταση της παραγγελίας και χαρακτηρίζεται ως single. Μπορεί να λάβει μία από τις εξής τιμές: Denial (απόρριψη), Pending (εκκρεμεί), Cancellation (ακύρωση), PartialFinish (μερικώς ολοκληρωμένη), Approval (έγκριση), Completed (ολοκληρωμένη). 96 Υποκλάση της υπερκλάσης OrganizationTradePartner και Organization [βλ. Κεφ ] Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 78

85 Ιδιότητες Αντικειμένων 1. ordermadeby: Συνδέει την κλάση Order με τις κλάσεις Individual και OrganizationBuyer και χαρακτηρίζεται ως single γιατί, μία παραγγελία, δεν μπορεί να αντιστοιχεί σε περισσότερους του ενός πελάτες. 2. ordertoseller: Συνδέει την κλάση Order με την κλάση EShop και χαρακτηρίζεται ως single γιατί, μία παραγγελία, δεν μπορεί να αντιστοιχεί σε περισσότερους του ενός πωλητές. 3. requestsproduct: Συνδέει την κλάση Order με την κλάση Product και χαρακτηρίζεται ως multiple γιατί, μία παραγγελία, μπορεί να αφορά σε περισσότερα του ενός προϊόντα Organization Στην κλάση Organization περιλαμβάνονται όλα τα νομικά πρόσωπα που δρουν με οποιοδήποτε τρόπο κατά τη διάρκεια μίας συναλλαγής μεταξύ του ηλεκτρονικού καταστήματος και του αγοραστή. Ιδιότητες Δεδομένων 1. brandname: Η επωνυμία της εταιρίας ή του οργανισμού. Χαρακτηρίζεται ως single string. 2. countryname: Η χώρα στην οποία εδρεύει η εταιρία ή ο οργανισμός. Χαρακτηρίζεται ως single string. Ιδιότητες Αντικειμένων hasaccount: [βλ. Κεφ ] hasaddress: [βλ. Κεφ ] hascontactinformation: [βλ. Κεφ ] issues: Συνδέει την κλάση Organization με την κλάση Document και χαρακτηρίζεται ως multiple γιατί, ένας οργανισμός μπορεί να εκδίδει περισσότερα του ενός έγγραφα. 5. receivesdocument: [βλ. Κεφ ] Υποκλάσεις 1 Bank: Περιλαμβάνει όλα τα τραπεζικά ιδρύματα που λαμβάνουν μέρος στη διαδικασία της ηλεκτρονικής αγοραπωλησίας. Η κλάση Bank διαθέτει τέσσερις, επιπλέον, ιδιότητες αντικειμένων: Ιδιότητες Αντικειμένων collaborateswithprocessor: Συνδέει την κλάση Bank με την κλάση Processor και χαρακτηρίζεται ως single. isacquiringbankof: Συνδέει την κλάση Bank με την κλάση E-Shop και χαρακτηρίζεται ως multiple γιατί, μία τράπεζα, μπορεί να συνεργάζεται με περισσότερα του ενός E-Shops. issuescreditcard: Συνδέει την κλάση Bank με τις κλάσεις CreditCard και GiftCard και χαρακτηρίζεται ως multiple γιατί, μία τράπεζα, μπορεί να εκδίδει περισσότερες της μίας πιστωτικές ή χρεωστικές κάρτες. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 79

86 opensbankaccount: Συνδέει την κλάση Bank με την κλάση Accont και χαρακτηρίζεται ως multiple γιατί, μία τράπεζα, μπορεί να ανοίγει περισσότερους του ενός τραπεζικούς λογαριασμούς, στο όνομα ιδιωτών ή οργανισμών. 2 CardAssociation: Χρηματοπιστωτικό ίδρυμα (Visa, Mastercard) το οποίο εξουσιοδοτεί τα τραπεζικά ιδρύματα να εκδίδουν πιστωτικές κάρτες. 3 OrganizationTradePartner: Οι άμεσοι εμπλεκόμενοι (νομικά πρόσωπα) στη διαδικασία της ηλεκτρονικής αγοραπωλησίας. 3.1 E-Shop: Είναι το ηλεκτρονικό κατάστημα (πωλητής). Διαθέτει, επιπλέον, τρεις ιδιότητες δεδομένων και πέντε ιδιότητες αντικειμένων: Ιδιότητες Δεδομένων e-shoptype: Είναι ο τύπος του ηλεκτρονικού καταστήματος και χαρακτηρίζεται ως multiple. Μπορεί να λάβει μία ή και παραπάνω από τις εξής τιμές: B2C, B2B, C2C. e-shopwebsite: Η ηλεκτρονική διεύθυνση του ηλεκτρονικού καταστήματος. Χαρακτηρίζεται ως single string γιατί, ένα e-shop δεν μπορεί να διαθέται περισσότερες από μία επίσημες ηλεκτρονικές διευθύνσεις (ως κεντρικό web site). e-shoplanguage: Είναι η γλώσσα την οποία χρησιμοποιεί το εκάστοτε e-shop και χαρακτηρίζεται ως multiple. Μπορεί να λάβει μία ή και παραπάνω από τις εξής τιμές: English, Greek, Japanese, OtherLanguage. Ιδιότητες Αντικειμένων hasacquiringbank: Συνδέει την κλάση E-Shop με την κλάση Bank και χαρακτηρίζεται ως single γιατί, ένα E-Shop, δεν μπορεί να συνεργάζεται, ταυτόχρονα, με πάνω από μία AcquiringBank. Η ιδιότητα hasacquiringbank είναι αντίστροφη της isacquiringbankof [βλ. κλάση Bank]. hascustomeraccounts: Συνδέει την κλάση E-Shop με την κλάση UserAccount και χαρακτηρίζεται ως multiple γιατί, ένα E-Shop, μπορεί να διατηρεί περισσότερους του ενός λογαριασμούς χρηστών. receivesorder: Συνδέει την κλάση E-Shop με την κλάση Order και χαρακτηρίζεται ως multiple γιατί, ένα E-Shop, μπορεί να λαμβάνει περισσότερες της μίας παραγγελίες. sells: Συνδέει την κλάση E-Shop με την κλάση Product και χαρακτηρίζεται ως multiple γιατί, ένα E-Shop, μπορεί να πουλά περισσότερα του ενός προϊόντα. haspaymentprocessor: Συνδέει την κλάση E-Shop με την κλάση PaymentProcessor και χαρακτηρίζεται ως single Manufacturer: Είναι το ηλεκτρονικό κατάστημα που πουλά προϊόντα τα οποία έχει κατασκευάσει Retailer: Είναι το ηλεκτρονικό κατάστημα το οποίο εμπορεύεται προϊόντα. 3.2 OrganizationBuyer: Είναι το νομικό πρόσωπο το οποίο αγοράζει προϊόντα από το ηλεκτρονικό κατάστημα. Διαθέτει, επιπλέον, τρεις ιδιότητες αντικειμένων: Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 80

87 Ιδιότητες Αντικειμένων buysproduct: [βλ. Κεφ ] hasuseraccount: [βλ. Κεφ ] makesorder: [βλ. Κεφ ] 4 PaymentProcessor: Γνωστός και ως Payment Gateway, είναι ένας παροχέας υπηρεσιών εφαρμογών ηλεκτρονικού εμπορίου [e60]. Διαθέτει, επιπλέον, μία ιδιότητα αντικειμένων. Για περισσότερες λεπτομέρειες σχετικά με τη λειτουργία του βλ. Κεφ Ιδιότητες Αντικειμένων collaborateswitheshop: Συνδέει την κλάση PaymentProcessor με την κλάση E-Shop και χαρακτηρίζεται ως multiple. Επίσης, είναι αντίστροφη της ιδιότητας haspaymentprocessor. 5 Processor: Οργανισμός που συμμετέχει στη διαδικασία περάτωσης των πληρωμών σε κάθε ηλεκτρονική αγοραπωλησία [βλ. Κεφ. 5.1]. Διαθέτει, επιπλέον, μία ιδιότητα αντικειμένων: Ιδιότητες Αντικειμένων collaborateswithacquiringbank: Συνδέει την κλάση Processor με την κλάση Bank και χαρακτηρίζεται ως multiple. Είναι αντίστροφη της ιδιότητας collaborateswithprocessor (κλάση Bank). 6 ShippingCarrier: Η μεταφορική εταιρία. Διαθέτει, επιπλέον, μία ιδιότητα αντικειμένων: Ιδιότητες Αντικειμένων conducts: Συνδέει την κλάση ShippingCarrier με την κλάση Delivery και χαρακτηρίζεται ως multiple. Είναι αντίστροφη της ιδιότητας conductedby (κλάση Delivery). Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 81

88 Εικόνα 6.1: Η κλάση Organization και οι σχέσεις των υποκλάσεων μεταξύ τους Στην εικόνα 6.1 βλέπουμε τη σχέση μεταξύ των υποκλάσεων της κλάσης Organization, και, στην ουσία, μία άλλη απεικόνιση της διαδικασίας διεξαγωγής των πληρωμών στο ηλεκτρονικό εμπόριο, ανάλογη με αυτή της εικόνας 5.3. Στην κατηγορία Trade Partner (υποκλάση OrganizationTradePartner), ανήκουν οι οργανισμοί οι οποίοι δρουν άμεσα στην διαδικασία αγοραπωλησίας μέσω ενός ηλεκτρονικού καταστήματος. Αυτοί οι οργανισμοί είναι, ο πωλητής (το εκάστοτε e-shop) και ο αγοραστής (όταν είναι νομικό πρόσωπο). Στην ευρύτερη κατηγορία, Organizations, ανήκουν οι οργανισμοί οι οποίοι συμμετέχουν έμμεσα στην διαδικασία της αγοραπωλησίας με οποιοδήποτε τρόπο. Τέτοιοι οργανισμοί είναι όλες οι τράπεζες (Merchant's Bank, Card Issuing Bank, Merchant's Acquiring Bank, οι οποίες περιλαμβάνονται στην κλάση Bank), οι μεταφορικές εταιρίες (Shipping Carrier), οι διάφοροι οργανισμοί έκδοσης πιστωτικών καρτών (Visa, MasterCard), γνωστές ως Card Associations, και βοηθητικούς οργανισμούς οι οποίοι διεξάγουν τις πληρωμές για λογαριασμό των τραπεζών (Processors) PaymentMethod Η κλάση PaymentMethod περιλαμβάνει όλους του τρόπους με του οποίους μπορούν να εξοφληθούν οι διάφορες χρεώσεις που προκύπτουν κατά τη διάρκεια της διαδικασίας της ηλεκτρονικής αγοραπωλησίας. Ιδιότητες Δεδομένων 1. paymentdate: Είναι η ημερομηνία πληρωμής και χαρακτηρίζεται ως single date. Ιδιότητες Αντικειμένων 1. ispaymentmethodof: Συνδέει την κλάση PaymentMethod με την κλάση Charge και χαρακτηρίζεται ως multiple. Είναι αντίστροφη της ιδιότητας haspaymentmethod της κλάσης Charge. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 82

89 Υποκλάσεις 1 Cash: Πληρωμή με μετρητά. 2 Check: Πληρωμή με επιταγή. 3 CreditCard: Πληρωμή μέσω πιστωτικής κάρτας. Περιλαμβάνει μία επιπλέον ιδιότητα αντικειμένων: Ιδιότητες Αντικειμένων cardissuedby: Συνδέει τις κλάσεις CreditCard και GiftCard με την κλάση Bank και χαρακτηρίζεται ως single γιατί, μία κάρτα δεν μπορεί να έχει εκδοθεί από πάνω από μία τράπεζα. 3.1 AmericanExpress 3.2 DiscoverCard 3.3 MasterCard 3.4 Visa 3.5 OtherCreditCard: Άλλη πιστωτική κάρτα. DirectTransfer: Άμεση κατάθεση χρημάτων σε τραπεζικό λογαριασμό. ECheck: Ηλεκτρονική επιταγή. ElectronicWallet: Μηχανισμός ηλεκτρονικών πληρωμών ο οποίος κρυπτογραφεί τα στοιχεία των πιστωτικών καρτών. 6.1 PayDirect 6.2 Paypal 6.3 OtherElectronicWallet GiftCard: Προπληρωμένες κάρτες. Ιδιότητες Αντικειμένων cardissuedby: [βλ. Κλάση CreditCard] 8 MoneyOrder: Τύπος τραπεζικής επιταγής στην οποία το ποσό έχει ήδη πληρωθεί [e68]. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 83

90 Product Η κλάση Product περιλαμβάνει τα προϊόντα ή τις υπηρεσίες οι οποίες πωλούνται σε μία ηλεκτρονική αγοραπωλησία. Ιδιότητες Δεδομένων 1. pricecurrency: Το νόμισμα στο οποίο είναι εκφρασμένη η τιμή του προϊόντος. Χαρακτηρίζεται ως single string. 2. productdescription: Περιγραφή του προϊόντος. Χαρακτηρίζεται ως multiple string. 3. productfinalprice: Η τελική τιμή του προίόντος (μετά από έκπτωση, φόρους, μεταφορικά κλπ). Χαρακτηρίζεται ως single float. 4. productinitialprice: Η αρχική τιμή του προϊόντος. Χαρακτηρίζεται ως single float. 5. productserialnumber: Ο σειριακός αριθμός του προϊόντος, ή, γενικά, ένας αριθμός ο οποίος ταυτοποιεί με μοναδικό τρόπο το κάθε προϊόν. Χαρακτηρίζεται ως single string. 6. producttitle: Το όνομα ή η εμπορική ονομασία του προϊόντος. Χαρακτηρίζεται ως single string. 7. productunit: Η μονάδα μέτρησης του προϊόντος. Χαρακτηρίζεται ως single και μπορεί να λάβει μία εκ των τιμών: Unit, Meter, Hour, Kilos. Ιδιότητες Αντικειμένων 1. hasfee: [βλ. Κεφ ] 2. isboughtby: Συνδέει την κλάση Product με τις κλάσεις OrganizationBuyer και Individual και χαρακτηρίζεται ως single. Επίσης, είναι αντίστροφη της ιδιότητας buysproduct [βλ. Κλάση OrganizationBuyer ή Individual]. 3. isdeliveredby: Συνδέει την κλάση Product με την κλάση Delivery και χαρακτηρίζεται ως single. Επίσης, είναι αντίστροφη της ιδιότητας Delivers [βλ. Κλάση Delivery]. 4. issoldby: Συνδέει την κλάση Product με την κλάση E-Shop, χαρακτηρίζεται ως single και είναι αντίστροφη της ιδιότητας sells. Επίσης, υπάρχει περιορισμός που υποχρεώνει την ύπαρξη ενός E-Shop [βλ. Κλάση E-Shop]. 5. productrecordedon: Συνδέει την κλάση Product και την κλάση Document, χαρακτηρίζεται ως multiple και είναι αντίστροφη της ιδιότητας recordsproduct [βλ. Κλάση Document]. 6. productrequestedby: Συνδέει την κλάση Product με την κλάση Order, χαρακτηρίζεται ως single και είναι αντίστροφη της ιδιότητας requestsproduct [βλ. Κλάση Order]. Υποκλάσεις 1 HardGoods: Τα υλικά αγαθά. 2 Service: Υπηρεσίες. 3 SoftGoods: Άυλα αγαθά. 3.1 Movies 3.2 Music 3.3 Software 3.4 Text 3.5 OtherSoftGoods Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 84

91 UserAccount Η κλάση UserAccount περιλαμβάνει τους λογαριασμούς χρηστών που διατηρούν τα διάφορα φυσικά ή νομικά πρόσωπα στα διάφορα ηλεκτρονικά κατασήματα. Ιδιότητες Δεδομένων 1. password: Χαρακτηρίζεται ως single string. 2. username: Χαρακτηρίζεται ως single string. Ιδιότητες Αντικειμένων 1. customeraccountbelongsto: Συνδέει την κλάση UserAccount με την κλάση E-Shop, χαρακτηρίζεται ως single και είναι αντίστροφη της ιδιότητας hascustomeraccounts [βλ. Κλάση E-Shop] 2. isuseraccountof: Συνδέει την κλάση UserAccount με τις κλάσεις OrganizationBuyer και Individual, χαρακτηρίζεται ως single και είναι αντίστροφη της ιδιότητας hasuseraccount [βλ. Κλάση OrganizationBuyer ή Individual] Στην εικόνα 6.2 η οντολογία E-Shop απεικονίζεται με όλες τις κλάσεις και υποκλάσεις τις, με τη βοήθεια του εργαλείου Jambalaya. Εικόνα 6.2: Η οντολογία E-Shop με απεικόνιση μέσω του Jambalaya Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 85

92 6.2 Στιγμιότυπα της Οντολογίας Μετά την παρουσίαση των κλάσεων, των υποκλάσεων και των σχέσεων που αποτελούν την οντολογία E-Shop, θα παρουσιάσουμε κάποια στιγμιότυπα τα οποία περιέχει αυτή η οντολογία. Τα στοιχεία τα οποία αναφέρονται (διευθύνσεις, τηλέφωνα, αριθμοί πιστωτικών καρτών κλπ) δεν είναι πραγματικά, αλλά παρουσιάζονται προκειμένου να γίνει ευκολότερα αντιληπτή η δομή της οντολογίας. Για την ανάλυση των στιγμιοτύπων της οντολογίας E-Shop θα χρησιμοποιήσουμε έξι βασικά στιγμιότυπα από τις κλάσεις E-Shop και Individual, δηλαδή τα μέρη τα οποία συμμετέχουν άμεσα στη διαδικασία του ηλεκτρονικού εμπορίου. Τα στιγμιότυπα αυτά είναι τα εξής: Από την κλάση Individual: Individual_Kapantzakis Individual_Papadopoulos Από την κλάση E-Shop: Retailer_Amazon Retailer_eBay Retailer_Plaisio Manufacturer_Nike Εικόνα 6.3: Τα έξι βασικά στιγμιότυπα Αρχίζοντας την ανάλυση των παραπάνω στιγμιοτύπων, και χρησιμοποιώντας τα ως βασικό κορμό, θα επεκταθούμε και στην ανάλυση των υπόλοιπων στιγμιοτύπων που συνδέονται με αυτά. Στην εικόνα 6.4 φαίνονται οι σχέσεις που υπάρχουν ανάμεσα στα έξι βασικά στιγμιότυπα και δίνεται μία αρχική εικόνα για την κατάσταση την οποία περιγράφουν τα στιγμιότυπα που έχουμε αναπτύξει. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 86

93 Εικόνα 6.4: Οι σχέσεις μεταξύ των έξι βασικών στιγμιοτύπων Individual_Kapantzakis Το στιγμιότυπο Individual_Kapantzakis ανήκει στην κλάση Individual και είναι φυσικό πρόσωπο με όνομα Γιάννης και επίθετο Καπαντζάκης. Έχει συγκεκριμένη διεύθυνση (Address_Kapantzakis) και πληροφορίες επικοινωνίας (ContactInformation_Kapantzakis). Στην εικόνα 6.5 παρουσιάζονται τα στοιχεία του στιγμιότυπου μέσω του Protege. Εικόνα 6.5: Individual_Kapantzakis Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 87

94 Ο Γιάννης Καπαντζάκης διατηρεί τραπεζικό λογαριασμό BankAccount_KapantzakisAlpha, έχει αγοράσει δύο προϊόντα (Nike Mercurial και Sony Vaio), επίσης, έχει παραλάβει τρία έγγραφα (δύο τιμολόγια και μία επιβεβαίωση παράδοσης) και έχει πραγματοποιήσει δύο παραγγελίες (Order_Nike και Order_SonyVaio). Παρακάτω θα παρουσιάσουμε τα στιγμιότυπα τα οποία συνδέονται άμεσα με το στιγμιότυπο Individual_Kapantzakis. BankAccount_KapantzakisAlpha Το στιγμιότυπο BankAccount_KapantzakisAlpha είναι ο τραπεζικός λογαριασμός που διατηρεί ο Καπαντζάκης στην τράπεζα Alpha και έχει συγκεκριμένα χαρακτηριστικά, όπως φαίνονται και στην εικόνα 6.6: Εικόνα 6.6: Account_KapantzakisAlpha Ο λογαριασμός αυτός έχει συγκεκριμένο αριθμό, συγκεκριμένη ημερομηνία λήξης και ανήκει στην τράπεζα Bank_AlphaBankSindos. Συνολικά, υπάρχουν 16 τραπεζικοί λογαριασμοί, ως στιγμιότυπα, στην οντολογία μας. Οι υπόλοιποι λογαριασμοί έχουν παραπλήσια χαρακτηριστικά, για το λόγο αυτό δεν θα αναλυθούν ξεχωριστά. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 88

95 Address_Kapantzakis Το συγκεκριμένο στιγμιότυπο είναι η διεύθυνση του Καπαντζάκη. Η εικόνα 6.7 δείχνει τα χαρακτηριστικά που περιέχει αυτό το στιγμιότυπο. Εικόνα 6.7: Address_Kapantzakis Τα χαρακτηριστικά τα οποία περιέχει αυτό το στιγμιότυπο είναι: Οδός, Αριθμός, Ταχυδρομικός Κωδικός, Χώρα. Συνολικά υπάρχουν 16 διευθύνσεις οι οποίες ανήκουν σε συγκεκριμένα φυσικά ή νομικά πρόσωπα. ContactInformation_Kapantzakis Το στιγμιότυπο ContactInformation_Kapantzakis περιέχει όλα τα στοιχεία επικοινωνίας του Καπαντζάκη, εκτός από τη διεύθυνση. Πιο συγκεκριμένα, το στιγμιότυπο αυτό περιέχει το, αριθμό τηλεφώνου, τον αριθμό φαξ, καθώς και το του εκάστοτε προσώπου ή εταιρίας. Συνολικά, υπάρχουν 16 στιγμιότυπα με στοιχεία επικοινωνίας των φυσικών ή νομικών προσώπων τα οποία υπάρχουν στην οντολογία μας. Στην εικόνα 6.8 βλέπουμε τα στοιχεία επικοινωνίας του στιγμιοτύπου Individual_Kapantzakis. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 89

96 Εικόνα 6.8: ContactInformation_Kapantzakis HardGoods_NikeMercurial Το στιγμιότυπο HardGoods_NikeMercurial είναι ένα από τα δύο προϊόντα τα οποία έχει αγοράσει ο Καπαντζάκης από συγκεκριμένο ηλεκτρονικό κατάστημα. Πιο συγκεκριμένα, τα χαρακτηριστικά του προϊόντος, τα οποία φαίνονται στην εικόνα 6.9 περιλαμβάνουν: Συγκεκριμένο τίτλο προϊόντος (Nike Mercurial Vapor V FG) Περιγραφή του προϊόντος (productdescription) Σειριακό αριθμό προϊόντος (Οποιοσδήποτε αλφαριθμητικός συνδυασμός τον οποίο χρησιμοποιεί το εκάστοτε ηλεκτρονικό κατάστημα για να ταυτοποιήσει τα προϊόντα του) Αρχική τιμή Τελική τιμή Νόμισμα συναλλαγής Πωλητής (issoldby) Αγοραστής (isboughtby) Σχετική παραγγελία (productrequestedby: OrderNike) Τρόπο παράδοσης (Courier_UPS_01) Μονάδα μέτρησης (unit) Διάφορα έξοδα (hasfee) Σχετικά παραστατικά (Invoice_Nike1) Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 90

97 Εικόνα 6.9: HardGoods_NikeMercurial Συνολικά υπάρχουν 5 προϊόντα ως στιγμιότυπα στην οντολογία μας. Όλα διαθέτουν τις ίδιες κατηγορίες χαρακτηριστικών, έτσι δεν θα αναφερθούμε σε άλλο στιγμιότυπο προϊόντος. Order_Nike Το στιγμιότυπο Order_Nike είναι η παραγγελία την οποία έκανε ο αγοραστής (Individual_Kapantzakis) στο ηλεκτρονικό κατάστημα (Manufacturer-Nike) προκειμένου να προμηθευτεί το προϊόν HardGoods_NikeMercurial. Κάθε παραγγελία έχει συγκεκριμένο αριθμό παραγγελίας, ημερομηνία, καθώς και μία ένδειξη για την κατάσταση της εκάστοτε παραγγελίας. Συνολικά υπάρχουν 5 παραγγελίες, μία για κάθε προϊόν για το οποίο ενδιαφέρθηκε ο εκάστοτε αγοραστής. Η εικόνα 6.10 δείχνει τα χαρακτηριστικά της παραγγελίας Order_Nike. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 91

98 Εικόνα 6.10: Order_Nike UserAccount_KapantzakisNike Το στιγμιότυπο UserAccount_KapantzakisNike είναι ο λογαριασμός χρήστη τον οποίο διατηρεί ο Καπαντζάκης στο ηλεκτρονικό κατάστημα της Nike. Εικόνα 6.11: UserAccount_KapantzakisAmazon Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 92

99 Ο συγκεκριμένος λογαριασμός χρήστη έχει συγκεκριμένο όνομα χρήστη (username) και κωδικό πρόσβασης (password). Συνολικά, υπάρχουν 8 λογαριασμοί χρηστών τους οποίους διατηρούν τα 2 φυσικά πρόσωπα στα 4 ηλεκτρονικά καταστήματα της οντολογίας μας. DeliveryConfirmation_SonyVaio Το στιγμιότυπο DeliveryConfirmation_SonyVaio είναι η μοναδική επιβεβαίωση παραγγελίας η οποία υπάρχει στην οντολογία μας. Εκδόθηκε από το ηλεκτρικό κατάστημα Retailer_Plaisio και απεστάλη στον Individual_Kapantzakis ως επιβεβαίωση παραγγελίας για το προϊόν HardGoods_SonyVaio. Η συγκεκριμένη επιβεβαίωση απεστάλη ηλεκτρονικά, όπως υποδεικνύει το χαρακτηριστικό documenttype: . Εικόνα 6.12: DeliveryConfirmation_SonyVaio Invoice_Nike1 Το στιγμιότυπο Invoice_Nike1 είναι το τιμολόγιο πώλησης το οποίο απεστάλη ως παραστατικό πώλησης από τον πωλητή στον αγοραστή, για την πώληση του προϊόντος HardGoods_NikeMercurial. Συνολικά υπάρχουν 4 τιμολόγια πώλησης στην οντολογία. Η εικόνα 6.13 παρουσιάζει τα χαρακτηριστικά του τιμολογίου Invoice_Nike1. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 93

100 Εικόνα 6.13: Invoice_Nike Individual_Papadopoulos Όπως και το προηγούμενο στιγμιότυπο, το στιγμιότυπο Individual_Papadopoulos ανήκει στην κλάση Individual και είναι φυσικό πρόσωπο με όνομα Κώστας και επίθετο Παπαδόπουλος. Διατηρεί τραπεζικό λογαριασμό Account_PapadopoulosAlpha, έχει αγοράσει δύο προϊόντα και έχει πραγματοποιήσει τρεις παραγγελίες. Τα χαρακτηριστικά του συγκεκριμένου στιγμιότυπου είναι παραπλήσια με αυτά του Individual_Kapantzakis και η ανάλυσή τους δεν θα παρουσίαζε κάποιο νέο στοιχείο. Για το λόγο αυτό δεν θα προχωρήσουμε στην ανάλυση κανενός από τα χαρακτηριστικά του, εφόσον, παρόμοια χαρακτηριστικά, έχουν παρουσιαστεί στο κεφάλαιο Το μόνο στιγμιότυπο το οποίο διαφοροποιείται ίσως από αυτά που παρουσιάσαμε παραπάνω, είναι η παραγγελία Order_Book2 την οποία έκανε ο Παπαδόπουλος, όπως φαίνεται στην εικόνα Η διαφοροποίηση έγκειται στο γεγονός ότι αυτή η παραγγελία, σε αντίθεση με τις υπόλοιπες τέσσερις, δεν έχει ολοκληρωθεί, αλλά εκκρεμεί ακόμη, έτσι στο πεδίο orderstatus υπάρχει η ένδειξη Pending (εικόνα 6.15). Στην εικόνα 6.14 βλέπουμε τα χαρακτηριστικά του στιγμιότυπου Individual_Papadopoulos, καθώς και τα στιγμιότυπα με τα οποία συνδέεται. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 94

101 Εικόνα 6.14: Individual_Papadopoulos Εικόνα 6.15: Order_Book2 Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 95

102 6.2.3 Manufacturer_Nike Το στιγμιότυπο Manufacturer_Nike είναι το ένα από τα τέσσερα ηλεκτρονικά καταστήματα που υπάρχουν στην οντολογία μας και, μάλιστα, είναι ο μόνος κατασκευαστής των προϊόντων που πουλά. Η εικόνα 6.16 μας δείχνει τα χαρακτηριστικά του στιγμιότυπου, καθώς και τη δομή (αριστερά) των κλάσεων και των υποκλάσεων της οντολογίας. Εικόνα 6.16: Manufacturer_Nike Το ηλεκτρονικό κατάστημα με την επωνυμία (brandname) Nike έχει συγκεκριμένη ιστοσελίδα ( δραστηριοποιείται σε όλον τον κόσμο (countryname: Global), διεξάγει ηλεκτρονικό εμπόριο τύπου B2B και B2C και η κύρια γλώσσα είναι τα Αγγλικά. Όπως και τα στιγμιότυπα στα κεφάλαια και 6.2.2, έτσι και το κατάστημα Nike διαθέτει τραπεζικό λογαριασμό (BankAccount_Nike) έχει διεύθυνση Address_Nike και στοιχεία επικοινωνίας ContactInformation_Nike. Κάποιου νέου τύπου στιγμιότυπα, τα οποία δεν παρουσιάστηκαν προηγουμένως είναι τα εξής: Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 96

103 PaymentProcessor_AuthorizeNet Το στιγμιότυπο PaymentProcessor_AuthorizeNet είναι ένας οργανισμός με τον οποίο συνεργάζεται το ηλεκτρονικό κατάστημα της Nike. Έχει συγκεκριμένη επωνυμία (Authorize.Net), διεύθυνση και πληροφορίες επικοινωνίας. Συνολικά υπάρχουν 2 οργανισμοί αυτού του είδους στην οντολογία μας. Ο έτερος οργανισμός με την επωνυμία I'mGlobal συνεργάζεται με τα υπόλοιπα 3 ηλεκτρονικά καταστήματα που υπάρχουν στην οντολογία μας. Εικόνα 6.17: PaymentProcessor_AuthorieNet Bank_BankOfAmerica Η τράπεζα Bank_BankOfAmerica αναφέρεται εδώ για το λόγο ότι, για το ηλεκτρονικό κατάστημα της Nike, η συγκεκριμένη τράπεζα αντιπροσωπεύει το ηλεκτρονικό κατάστημα σε όλες τις συναλλαγές του με τρίτα μέρη [βλ. Κεφ. 5.1], κατά τη διάρκεια της ηλεκτρονικής αγοραπωλησίας, και δεν αποτελεί απλά την τράπεζα στην οποία το συγκεκριμένο κατάστημα διατηρεί τους τραπεζικούς του λογαριασμούς. Η τράπεζα Bank_BankOfAmerica, όπως όλοι οι οργανισμοί, έχει συγκεκριμένη επωνυμία, διεύθυνση, στοιχεία επικοινωνίας και κάποιο τραπεζικό λογαριασμό. Όπως φαίνεται στην εικόνα 6.18, η συγκεκριμένη τράπεζα, εκτός από το ηλεκτρονικό κατάστημα της Nike, συνεργάζεται και με τα ηλεκτρονικά καταστήματα Retailer_Amazon και Retailer_eBay (isacquiringbankof). Επίσης, στη συγκεκριμένη τράπεζα διατηρούν τραπεζικούς λογαριασμούς (opensbankaccount) οι οργανισμοί AOneBill, Amazon, AuthorizeNet, BankOfAmerica, ImGlobal, MasterCard, Nike, Visa, FedEx, UPS και ebay. Τέλος, η τράπεζα συνεργάζεται με τον οργανισμό Processor_AOneBill, ο οποίος διαχειρίζεται τις συναλλαγές της τράπεζας με τους οργανισμούς έκδοσης πιστωτικών καρτών (Visa, MasterCard). Συνολικά υπάρχουν 3 τράπεζες ως στιγμιότυπα στην οντολογία μας, οι οποίες συνεργάζονται με τα διάφορα ηλεκτρονικά καταστήματα και φυσικά πρόσωπα. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 97

104 Εικόνα 6.18: Bank_BankOfAmerica Processor_AOneBill Ο οργανισμός Processor_AOneBill συνεργάζεται με τις τράπεζες BankOfAmerica και EmporikiAthens, κατά τις συναλλαγές των τελευταίων με τις ενώσεις πιστωτικών καρτών [βλ. Κεφ. 5.1]. Εικόνα 6.19: Processor_AOneBill Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 98

105 Ως οργανισμός, διαθέτει μία επωνυμία, μία διεύθυνση και κάποια στοιχεία επικοινωνίας και είναι ο μοναδικός οργανισμός αυτού του είδους στην οντολογία μας Retailer_Amazon Retailer_Plaisio - Retailer_eBay Τα στιγμιότυπα Retailer_Amazon, Retailer_Plaisio και Retailer_eBay είναι τα υπόλοιπα τρία ηλεκτρονικά καταστήματα της οντολογίας μας και είναι απλά έμποροι (Retailer) των προϊόντων που πουλάνε. Τα χαρακτηριστικά τους είναι παραπλήσια με αυτά του ηλεκτρονικού καταστήματος Manufacturer_Nike το οποίο αναλύθηκε παραπάνω, και για το λόγο αυτό δεν θα επεκταθούμε στην παρουσίασή τους. Οι εικόνες 6.20, 6.21 και 6.22 παρουσιάζουν τα παραπάνω τρία ηλεκτρονικά καταστήματα. Εικόνα 6.20: Retailer_Amazon Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 99

106 Εικόνα 6.21: Retailer_Plaisio Εικόνα 6.22: Retailer_eBay Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 100

107 6.2.5 Λοιπά Στιγμιότυπα Στην ενότητα αυτή θα παρουσιάσουμε κάποια στιγμιότυπα τα οποία δεν αναφέρθηκαν στην παραπάνω ανάλυση. Αυτά τα στιγμιότυπα ανήκουν σε διάφορες κλάσεις όπως: ShippingCarrier, CreditCard και OrderRequest ShippingCarrier_FedEx Το στιγμιότυπο ShippingCarrier_FedEx είναι η μεταφορική εταιρία η οποία έχει διεξάγει τις μεταφορές των δύο εκ των τεσσάρων προϊόντων που περιγράφονται στην οντολογία μας. Όπως φαίνεται και στην εικόνα 6.23, η συγκεκριμένη μεταφορική εταιρία έχει διεξάγει τις μεταφορές Courier_FedEx_01 και Courier_FedEx_02. Εικόνα 6.23: ShippingCarrier_FedEx Η μεταφορά Courier_FedEx_01 αφορά στη μεταφορά του προϊόντος HardGoods_SonyVaio, το οποίο αγόρασε ο Καπαντζάκης από το ηλεκτρονικό κατάστημα Retailer_Plaisio. Συνολικά υπάρχουν 4 μεταφορές τις οποίες έχουν διεξάγει δύο μεταφορικές εταιρίες. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 101

108 Εικόνα 6.24: Courier_FedEx_ AmericanExpress_SonyVaio Μία άλλη κλάση, στιγμιότυπο της οποίας δεν αναλύσαμε παραπάνω, είναι η κλάση PaymentMethod. Πιο συγκεκριμένα, θα παρουσιάσουμε το στιγμιότυπο AmericanExpress_SonyVaio, το οποίο ανήκει στην υποκλάση CreditCard /AmericanExpress. Εικόνα 6.25: AmericanExpress_SonyVaio Το συγκεκριμένο στιγμιότυπο αφορά στην πληρωμή της αγοράς του προϊόντος HardGoods_SonyVaio και του κόστους μεταφοράς του. Η ημερομηνία πληρωμής είναι 09/02/2010 και διεξήχθη μέσω της τράπεζας Bank_AlphaBankSindos. Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 102

109 OrderRequest_SonyVaio Τέλος, θα αναφέρουμε το στιγμιότυπο OrderRequest_SonyVaio το οποίο ανήκει στην κλάση Document και αφορά στην παραγγελία που έκανε ο Καπαντζάκης στο ηλεκτρονικό κατάστημα Retailer_Plaisio για την προμήθεια του προϊόντος HardGoods_SonyVaio. Εικόνα 6.26: OrderRequest_SonyVaio Κεφάλαιο 6 Περιγραφή της Οντολογίας E-Shop_entity 103