Knowledge Representation
Tsvetan Dimitrov, 201212015
-
Geshichte
-
Bauteile eines KR-Systems
-
Logik in KR
-
KR-Sprachen
-
Semantic Web
Geschichte
General Problem Solver
-
Software zur Realisierung einer allgemeinen Problemlösungsmethode
-
entwickelt von Herbert Simon und Allen Newell ab 1957
-
basiert auf Prinzip der Problemreduktion
-
Problem = Raum möglicher Zustände
-
Übergänge mittels Operationen herbeiführen
Si
Fig.1: Graph der Teilprobleme
Expertensysteme
-
Wissen hochspezialisierter Fachleute in einem Computersystem nachbilden
-
Wissensbasis + Inferenzmachine
-
Мenschliche Experten bei Routienaufgaben unterstützen
Semantic Web
-
Darstellung der Informationen im Internet mit ihrer Bedeutung in einer von Machinen lesbaren Form
-
Web 3.0 - Web von Dingen
Bauteile eines KR-Systems
-
Wissensbasis (knowledge base)
-
Inferenzmachine (inference engine)
Wissensbasis (knowledge base) / 1
-
Datenbank für Wissensmanagement
-
Grundlage für die Sammlung von Informationen
Wissensbasis (knowledge base) / 2
Hauptaufgaben:
-
Wissen anderen Personen zur Verfügung stellen
-
Ressourcen schnell finden
-
Informationen selektiv, exakt und selbsterklärend darstellen
Inferenzmachine (inference engine) / 1
-
Anwendung von logischen Regeln auf die Wissensbasis
-
Als Ergebnis neue Kenntnisse ableiten
-
Allgemeines Format der Regeln ist IF-THEN (Modus-Ponens)
Inferenzmachine (inference engine) / 2
-
2 Typen von Inferenzmachinen:
-
mit Forward-Chaining
-
mit Backward-Chaining
-
Logik in KR
Prädikatenlogik erster Stufe
(First order logic)
Definition
Modelliert die Welt in Bezug auf:
-
Eigenschaften: Merkmale von Objekten, die sie von anderen Objekten unterscheiden
-
Relationen: Verbindungen zwischen Mengen von Objekten
Funktionen: Teilmengen von Relationen, wo es nur einen Wert als Eingabe gibt
-
Objekte - Dinge mit individuellen Identitäten
Beispiele
-
Objekte: Studenten, Autos, Vorlesungen
-
Eigenschaften: blau, oval, gleich, groß
-
Relationen: Bruder-von, hat-Farbe, größer-als
-
Funktionen: Vater-von, bester-Freund
Beschreibungslogik
(Description logic)
Warum Beschrebungslogik?
-
Die Ausdruckskraft von FOL is zu groß, um effizient zu berechnen
-
FOL muss nicht direkt ohne irgendwelche Beschränkung verwendet werden
-
Andernfalls wird die Struktur der Information verloren (keine Variablen, Konzepte als Klassen und Rollen als Attributen)
Definition
-
entscheidbar Fragment von FOL mit einer Reihe von automatischen Argumentation Verfahren
-
Basische Strukturen:
-
Konzepte
-
Relationen
-
KR-Sprachen
-
Frame Sprachen
-
DL- und FOL-basierte Sprachen
Frame Sprachen
-
von objekt-orientierten Sprachen inspiriert
-
Frames:
-
kann man sich als Objekte ohne Methoden vorstellen
-
sind hierarchisch angeordnet
-
Closed World Assumption
-
-
Beispiel: F-Logic
DL- und FOL-basierte Sprachen
-
Verallgemeinerung von Frame Sprachen
-
DL:
-
KL-ONE
-
RACER
-
OWL
-
-
FOL:
-
Common logic
-
CycL
-
KIF
-
Semantic Web
Webseiten sind in HTML geschrieben
HTML beschreibt die Struktur der Information
Wenn die Computer lernen können,
was wir daran interessiert sind...
...dann können sie uns helfen, besser zu finden, was wir wollen!
Das ist die Idee vom Semantic Web!
Web 3.0
SW W3C Standard
-
RDF
-
OWL
-
SPARQL
RDF (Resource Description Framework) / 1
-
Datenmodell mit einer wohldefinierten formalen Semantik
-
basiert auf gerichteten Graphen
-
Aussagen werden dabei als Tripel modelliert
„Ariel produziert Waschpulver“
Ariel
Waschpulver
produziert
Subjekt
Objekt
Prädikat
RDF (Resource Description Framework) / 2
-
Die Menge der Tripel bildet einen Graphen
-
Ressource - etwas, das eindeutig bezeichnet ist und worüber man etwas aussagen möchte
-
Subjekt und Prädikat sind immer Ressourcen
-
Das Objekt kann entweder eine Ressource oder nur ein Literal sein
-
Literale - sind dabei Zeichenketten oder auch andere Datentypen (Zahlen, Datumsangaben)
RDF (Resource Description Framework) / 3
-
Ressourcen werden durch eindeutige Bezeichner (URIs) identifiziert
-
URIs erlauben es, Aussagen aus verschiedenen Quellen zu verbinden
http://en.wikipedia.org/wiki/Resource_Description_Framework
http://www.w3.org/TR/2003/PR-owl-guide-20031209/food#Grape
RDF (Resource Description Framework) / 4
-
RDF ist unabhängig von einer speziellen (textuellen) Repräsentation
-
XML, N3, Turtle
# this is a complete turtle document
@prefix foo: <http://example.org/ns#> .
@prefix : <http://other.example.org/ns#> .
foo:bar foo: : .
:bar : foo:bar .
RDF (Resource Description Framework) / 5
<?xml version="1.0"?>
<rdf:RDF
xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
xmlns:cd="http://www.recshop.fake/cd#">
<rdf:Description
rdf:about="http://www.recshop.fake/cd/Empire Burlesque">
<cd:artist>Bob Dylan</cd:artist>
<cd:country>USA</cd:country>
<cd:company>Columbia</cd:company>
<cd:price>10.90</cd:price>
<cd:year>1985</cd:year>
</rdf:Description>
OWL (Web Ontology Language) / 1
-
formalen Beschreibungssprache zur Erstellung von Ontologien
-
Begriffe einer Domäne und deren Beziehungen formal so zu beschreiben, dass auch Software die Bedeutung „verstehen“ kann
-
3 Typen:
-
OWL Lite
-
OWL DL
-
OWL Full
-
OWL (Web Ontology Language) / 2
-
Die Spezifikation erweitert die Bedeutung von RDF und RDF-Schema um weitere Konstrukte, um die Ausdrucksmächtigkeit zu steigern
-
Open World Assumption
OWL unterscheidet Klassen, Eigenschaften (properties) und Instanzen
OWL (Web Ontology Language) / 3
-
Klassen
-
Eigenschaften
-
Instanzen
<owl:class>
<owl:oneOf>
<owl:unionOf>
<owl:intersectionOf>
<owl:Restriction>
<owl:allValuesFrom>
<owl:someValuesFrom>
<owl:sameAs>
SPARQL
-
SPARQL Protocol and RDF Query Language
-
eine graphenbasierte Abfragesprache für RDF
PREFIX abc: <http://example.com/exampleOntology#>
SELECT ?capital ?country
WHERE {
?x abc:cityname ?capital ;
abc:isCapitalOf ?y .
?y abc:countryname ?country ;
abc:isInContinent abc:Africa .
}
Variable
Prädikat
Subjekt
Objekt
Triple Pattern
RDF Datenquellen
RDF Triplestores / 1
-
Graph-Datenbanken, die RDF Tripel bestehen
-
benutzen SPARQL als Abfragesprache
-
2 Typen:
-
auf Basis einer relationalen Datenbank
-
native Implementierung
-
RDF Triplestores / 2
Fragen?!
Knowledge Representation
By Tsvetan Dimitrov
Knowledge Representation
- 216