Maestría en Ingeniería Curso de Ingeniería Web Sesión 3: Web Semántica Fernando Barraza A. Ms.C. [email protected]

Sesión 3 •  Objetivo: Introducir los conceptos de la Web Semántica •  Temas: –  Conceptos básicos –  Campos de Aplicación –  La Arquitectura de la Web Semántica –  Lenguajes de la Web Semántica (RDF, RDFS, SPARQL) –  Introducción a las ontologías

Antecedentes •  Los actuales buscadores basados en palabras clave suelen devolver información irrelevante que usa una cierta palabra con un significado diferente del que se pretende en la búsqueda, y pierden información cuando no reconocen palabras diferentes pero con el mismo significado que la buscada. •  Actualmente se requiere lectura humana para extraer información relevante de un origen, dado que agentes automáticos no tienen el sentido común requerido para reconocer dicha información en representación textual.

Antecedentes (2) •  Mantener orígenes textuales débilmente estructurados representa una tarea dificultosa, y consumidora de tiempo cuando tales orígenes aumentan considerablemente de tamaño. Mantener esas colecciones consistentes y al día requiere de representación interpretable por computador, de semántica que ayude a detectar anomalías automáticamente. •  La utilidad de sitios Web adaptativos que permitan su reconfiguración dinámica de acuerdo al perfil del usuario u otros aspectos relevantes, requiere una representación computable de la semántica involucrada.

Caso Ejemplo: Biografía de Simón Bolívar

1
Búsqueda


6
Significados


Caso Ejemplo: Biografía Simón Bolívar (2)

Y
cuantos
de
estos
resultados?
 Refinamos
la
Búsqueda
 Aún
2
Significados
 Diferentes
tipos
de
recursos


Qué es la web semántica? •  Es una extensión de la web actual en la cual la información es suministrada con un significado bien definido, de tal forma que pueda ser entendido por las maquinas •  Es un área pujante en la confluencia de la Inteligencia Artificial y las tecnologías web para permitir que las máquinas puedan hacerse cargo del trabajo más costoso, rutinario, o físicamente inabarcable que actualmente realizan manualmente los usuarios que navegan e interactúan con la web.

Diferentes formas de ver lo mismo

La web profunda • 

• 

• 

La web profunda está constituida por las bases de datos cuyos contenidos, no directamente accesibles, se hacen visibles mediante páginas generadas dinámicamente Se estima puede contener un tamaño de información varios cientos de veces mayor, y de mucha mejor calidad, que la web superficial, y crece a un ritmo aún mayor que ésta. Se estima que el tamaño de la web profunda ha superado ya al volumen total de información impresa existente en todo el planeta.

La Web hoy (1) … un caso típico Año
2006


La Web hoy (2) … lo pensado Año
2010:
Un
niño
pregunta
a
su
asistente
persona
que
 lleva
puesto
en
su
chaqueta,
quien
marco
el
gol
del
 empate
de
Colombia
ante
Alemania
en
el
mundial
de
 fútbol
de
1990?.
El
asistente
personal
levanta
un
 proceso
en
background
y
busca
en
sitios
web
 pertinentes
y
en
poco
mas
de
un
minuto
el
niño
recibe
 la
respuesta:
Freddy
Rincón,
minuto
92,
pase
de
Carlos
 Valderrama,
video
disponible
en
www.videofutbol.com
,
 etc.,
etc.
….
 
 Aquí
el
asistente
es
un
Agente
Digital.


Enfoque de la solución al problema •  Una forma de resolver estos problemas es reducir o eliminar la confusión conceptual y terminología y acercarse a un entendimiento compartido: –  Reusabilidad: El entendimiento común es la base para una codificación formal de entidades, atributos, procesos y sus interrelaciones en el dominio de interés. Esta representación formal deberían ser un componente reusable o compartido en un sistema de software. –  Confiabilidad: Un representación formal también hace posible la automatización del cheque de la consistente resultando en software más confiable. –  Especificación: El entendimiento común puede asistir el proceso de identificación y definición de especificaciones para un sistema de información.

Como ayuda la Web Semántica

–  Búsquedas avanzadas –  Integración de información de diferentes fuentes –  Ejecución de tareas automatizadas de forma inteligente –  Dispositivos de captura de información dinámicos y sensitivos al contexto –  Representación de información rica en medios

Diferentes formas de representación

XML no es suficiente

Para
un
humano,
es
intuitivamente
claro:
Las
 etiquetas
son
términos
de
un
dominio
 
 Para
un
computador
no
es
claro
(no
tiene
 intuición):
Las
etiquetas
no
tienen
semántica


Arquitectura de la Web Semántica

Semantic
Web
architecture
http://www.w3.org/2000/Talks/1206-xml2k-tbl/


Primera capa:

Identificador
unificado
de
recursos
es
 un
texto
corto
que
identifica
 unívocamente
cualquier
recurso



Proporciona
un
número
único
 para
cada
carácter,
sin
importar
la
 plataforma,
sin
importar
el
 programa,
sin
importar
el
idioma.



Semantic
Web
architecture
http://www.w3.org/2000/Talks/1206-xml2k-tbl/


Unicode y URI •  Unicode provee un número único por cada caracter, sin importar su plataforma, programa o idioma en que está representado. •  Un URI permite apuntar sin equivocación a un recurso en la Web que puede ser una página, una aplicación, en fín, cualquier elemento que pueda ser accedido a través de Internet.

http://www.puj.edu.co/portal

Segunda capa:

Ofrece
un
espacio
de
nombres
para
 intercambiar
datos
entre
fuentes
 heterogéneas
XML
 Define
restricciones
de
la
sintaxis
y
la
 estructura
de
documentos
XML
de
 forma
más
rica
que
un
DTD
 Lenguaje
de
marcado
que
 describe
y
homogeniza
los
 recursos



XML •  XML es el estándar más extendido hoy •  Representa una primera aproximación para clasificar datos en la Web semántica. •  Permite estructurar datos y documentos en forma de árboles de etiquetas con atributos.

Namespaces •  Los espacios de nombres complementan las referencias hechas por un URI proveyendo un método sencillo para calificar elementos y nombres de atributos usados en XML.

•  Esto permite identificar los elementos incluidos en XML en diferentes puntos de la Web.

XMLS •  Con XML Schema (XMLS) es posible definir estructuras más complejas basadas en XML donde se reflejen tipos de datos primitivos y derivados. •  Son una alternativa más estructurada a los DTD’s. •  El modelo de datos XML en árbol, que no distingue entre objetos y relaciones ni tiene noción de jerarquía de clases, no permite representar la semántica de los datos.

Tercera capa:

Framework
para
definir
 metadatos
a
través
de
jerarquía
 de
clases
de
recursos,
 especificando
propiedades
y
 relaciones



Por qué no usar solo XML? •  En XML el orden en el cual los elementos aparecen es significativo y muchas veces necesario. •  RDF provee más ventajas: –  Independencia. Podemos inventar una propiedad llamada "Autor" y otros pueden inventar una propiedad llamada "Director" que podría aplicarse, por ejemplo, a recursos asociados con películas. –  Intercambio. Dado que las sentencias RDF se escriben en XML pueden ser fácilmente usadas para intercambiar información. –  Escalabilidad. Las sentencias RDF son simples, registros con tres campos (Recurso, propiedad, valor) por lo que son fáciles de manejar y de usar para buscar objetos aun en volúmenes realmente grandes. –  Flexibilidad: Las propiedades, valores y sentencias puedes ser son recursos. Esto es importante porque tendremos muchísimos recursos que manejar. Demasiados como para buscarlos uno por uno.

RDF •  Con RDF se puede darle significado semántico a los recursos de la Web. •  Es considerado un lenguaje para la definición de metadatos en la Web. •  Es el estándar más popular y extendido en la comunidad de la Web semántica.

Construcción RDF •  El elemento de construcción básica en RDF es el “triple” o sentencia, que consiste en: –  Dos nodos (sujeto y objeto) que representan recursos: •  Un sujeto, que es identificado por un URI y que apunta al recurso a ser descrito •  Un objeto el cual puede ser un recurso o un literal, tal como un numero o una cadena de caracteres

–  Unidos por un arco (predicado), que representa una propiedad del recurso

Ejemplo RDF •  Sentencia: El escritor Gabriel García Márquez (sujeto) es el autor (predicado) de un libro con título “Cien años de soledad” (objeto).

Extensión del grafo •  Se pueden agregar sentencias al grafo •  Ej.; El autor de libro “Cien años de soledad” nació en una ciudad colombiana de nombre Aracataca.

•  Para identificar univocamente los recursos del grafo utilizamos entonces URI’s

Modelo RDF

Serialización del grafo RDF

namespace xmlns:body="http://www.algo.com/libro#’’ Cien Anos de Soledad

Y RDF-Schema? •  Con RDFS tenemos la posibilidad de expresar las características de los datos •  Se pueden definir jerarquías de clases de recursos incluyendo: –  Generalizaciones y herencia, –  Especificación de las propiedades –  Relaciones que se admiten entre propiedades.

•  Todo esto permite entonces construir ontologías sencillas.

Modelo gráfico RFDS

RDF le da mas expresividad semántica al lenguaje de marcado sin cambiar el modelo grafico de RDF.

Ejemplo RDFS

Ejemplo RDF(S)

Representación serializada de grafos RDF(S)

Serialización de Grafos RDF(S)

Serialización de Grafos RDF(S)

Serialización de Grafos RDF(S)

Consulta de grafos RDF •  Una de las prestaciones más importantes para cualquier modelo de representación de información es la posibilidad de ser consultado. •  Se logra utilizando un lenguaje de consulta semántico, los cuales permiten expresar consultas tanto sencillas como búsquedas complejas sobre un grafo RDF mediante una sintaxis declarativa sencilla.

Lenguajes semánticos •  La mayoría fueron construidos con SQL en mente y por lo tanto tienen un cierto grado de similaridad en su estructura •  En la Web semántica existen diferentes propuestas que se han ido convirtiendo en un estándar “de facto”: –  SeRQL (lenguaje principal de Sesame) –  RDQL (lenguaje principal de Jena) –  SPARQL (recomendación de W3C)

Consulta en RDQL select where

?y from (?x, , ?z), (?x, , ?y) and ?z > 50”

•  Devuelve la propiedad “nombre” de todos los recursos del grafo definido en “escritores.rdf” cuya propiedad “edad” tiene un valor mayor que 50.

Consulta en SPARQL SELECT ?libro ?escritor ?editorial FROM WHERE { ?name ?editorial} ORDER BY DESC (?editorial)

•  Devuelve los nombres de los libros escritos por Gabriel García Márquez ordenados por la editorial del libro.

Cuarta capa:

Define
como
un
conjunto
de
 términos
de
conocimiento,
 incluyendo
el
vocabulario,
las
 interconexiones
semánticas
y
 algunas
reglas
simples
de
 inferencia
y
lógica


Créditos •  Carole Goble. Semantic Grid, Part 4: Pioneers and Examples, The University of Manchester, 2005. •  Jun Zhao, Carole Goble, Robert Stevens. An Identity Crisis in the Life Sciences. The University of Manchester, 2005. •  Alexander Garcia C. Interoperabilidad e integración de información en Bioinformática. The University of Queensland, 2004. •  Pablo Castells. La Web Semántica. Escuela Politécnica Superior, Universidad Autónoma de Madrid, 2004.