RDF datový model

(nejen)

pro sémantický web

Alena Lukasová

syntaktický web sémantický web

Co to znamená? Přechod od strukturálně propojených datových

zdrojů na bázi klíčových slov k jejich propojení na bázi významových asociací.

Jak se realizuje? Potřeba sémanticky strukturovat data na webu

obrací pozornost ke konceptuální úrovni návrhů webových znalostních bází a aplikací. Sémantická struktura dat je reprezentována

konceptuálním datovým modelem RDF.

Propojení zdrojů podle významů

• Prostředek: model RDF (Resource Description Framework)

jako základní rámec reprezentace informací na webu.

• Realizace: RDF realizuje propojení webových zdrojů na

bázi významů dokumentů prostřednictvím speciálních informací (metadat) o těchto datových zdrojích.

Metadata = strukturovaná data o datech

Obecný význam RDF modelu

• Původní záměr: model základních metadat (název, autor, datum

vytvoření apod.) o webových zdrojích s využitím jazyka XML (eXtensible Markup Language),

• Nyní: obecná metoda konceptuálního modelování

znalostí obsažených v dokumentech webu, bez ohledu na formát jejich syntaxe.

RDF je obecný rámec pro výměnu dat, a to nejen těch, která jsou dostupná na webu.

Proč konceptuální model RDF

• RDF jako datový model je pro sémantický web základním reprezentačním prostředkem, podobně HTML a syntaktický web.

• RDF představuje bázi pro kódování, výměnu a používání strukturovaných metadat.

• Metadata neboli strukturovaná data o datech, na nichž je RDF model postaven, zlepšují významně možnost přístupu k informacím.

Dokumenty W3C o RDF modelu

• RDF model, který se týká metadat o datových zdrojích, je popsán v dokumentech konsorcia W3C, z nichž první (RDF) se týká syntaxe, druhý (RDFS) se týká adres slovníků (schémat), další pak sémantické stránky modelu.

• http://www.w3.org/1999/02/22-rdf-syntax-ns#• http://www.w3.org/XML/Schema• http://www.w3.org/TR/2004/REC-rdf-mt-20040

210/

Dva nové principy v konceptuálním modelování RDF

Jde o

• způsob popisu konceptů, jejich vlastností a vzájemných vztahů v termínech vlastností (atributů) a jejich hodnot a

• identifikaci prvků modelu, kterými jsou zde webové zdroje, pomocí uniformních identifikátorů zdrojů URI (Uniform Resource Identifier).

RDF a asociativní sítě

Model vychází z myšlenky známé již z asociativních (sémantických) sítí, spočívající v jednoduchých tvrzeních, týkajících se vztahů mezi objekty (zde zdroji), formou vektorů (trojic)

„subjekt - predikát – objekt“.

Dvojí syntax RDF jazyka

RDF má

• abstraktní syntax vycházející z reprezentace jednoduchých tvrzení prostřednictvím RDF trojic textovou formou i grafickou formou, a tomu odpovídající formální, na teorii modelů založenou, sémantiku,

• syntax v RDF XML.

Abstraktní syntax modelu RDF

Základním jednotkou modelu RDF je graficky reprezentovatelné tvrzení o zdrojích jako vektor (trojice), tj. tvrzení, že

"subjekt" "má vlastnost" určenou "objektem".

subjekt objekt

má_vlastnost

subjekt objekt

predikát

RDF-trojice a graf

RDF-trojice má tři komponenty:• Zdroj subjekt - pojmenovaný uzel, graficky

reprezentovaný elipsou, • spojený s jiným zdrojem objektem - pojmenovaným

uzlem, graficky reprezentovaným rovněž elipsou, • pomocí hrany - predikátu, který odkazuje též na zdroj.

RDF-trojice je uspořádaný graf reprezentující tvrzení subjekt má vlastnost predikát s hodnotou objekt.

RDF-graf je množina RDF-trojic.

Atributový centralismus RDF

Vlastnost (atribut) je prostředek vyjádření vlastností a vztahů mezi objekty (zdroji) v rámci modelu RDF.

Jádro modelu sestává z konceptů (množin objektů), reprezentovaných jedinečnými identifikátory, a binárních vztahů (tvrzení) vztahujících se k těmto konceptům.

Vlastnost je určena: • jménem• významem• možnými hodnotami, kterých nabývá• typy zdrojů, které má popisovat • vztahy k jiným vlastnostem

Identifikace zdrojů

Základem koncepce modelu RDF je 1) způsob popisu zdrojů v termínech

vlastností a jejich hodnot a2) idea identifikace věcí pomocí

uniformních identifikátorů zdrojů URI (Uniform Resource Identifier).

Model RDF pracuje uniformně pouze s URI odkazy, které stojí jak na místě subjektu a objektu, tak i na místě predikátu.

Zdroj

Zdroj je entita, kterou lze popsat RDF výrazem.

Zdrojem může být

• Webovská stránka nebo její část

• Soubor webových stránek

• Element XML ve zdrojovém dokumentu

• Objekt,dostupný přímo pomocí webu – kniha, obrázek,…

Jmenné prostory

• RDF model poskytuje slovníky jak ve formě čitelné člověkem, tak i strojově zpracovatelné formě.

• Model jednoznačně identifikuje vlastnosti s použitím jmenných prostorů jejich slovníků.

• Pro stručnější způsob zápisu se používají pro jmenné prostory jejich kvalifikovaná jména (QNames) tvořící prefixy popisovaných prvků trojic.Např. jmenný prostor Dublin Core (dc:), jehož

jmenný prostor dc: má URI http://purl.org/dc/elements/1.1/

RDFS

• Model RDF neposkytuje mechanismus pro deklarování konceptů - tříd, vlastností ani vztahů.

• To je úkolem RDF Schema (RDFS).

• RDF model tedy má dvě komponenty, z nichž první -RDF se týká syntaxe, druhý -RDFS se týká adres slovníků (schémat), určujících sémantickou stránku modelu.

Tvrzení o datu vytvoření webovské stránky, reprezentované

a) grafickými prostředky RDF, b) RDF XML kódem • Příklad

V RDF/XML jazyce:1. <?xml version=“1.0“?>2. <rdf:RDF xmlns:rdf=“http://www.w3.org/1999/02/22-rdf-syntax-ns#“3. xmlns:exterms=“ http://www.example.org/terms/“>.4. <rdf:Description rdf:about=“ http://www.example.org/index.html“>5. <exterms:creation-date>August 16 2006>6. </rdf:Description>7. </rdf:RDF>

http://www.example.org/index.html

http://www.example.org/terms/creation-date

August 16, 2006

a)

b)

Anonymní zdrojezde „publikace … má nějakou kapitolu…“

• Příklad

urn:ISBN:..

Handbook on Ont.

dc:title eg:chapter

dc:creator

xsd:decimal 21

Brian McBride nospam@hp.com

eg:age

vcard:FNvcard:email

totéž v RDF XML• <rdf:description rdf:about=”urn:ISBN:…”>• <dc:Title>Handbook on Ontologies/<dc:Title>• <eg:chapter>• <rdf:Description>• <dc:Creator>• <rdf:Description>• <vcard:FN>Brian McBride/<vcard:FN>• <vcard:email>nospam@hp.com/<vcard:email>• <eg:age rdf:datatype=”&xsd:decimal:”>21</eg:age>• </rdf:Description>• </dc:Creator>• </rdf:Description> • </eg:chapter> • </rdf:description>

• Prázdný uzel je reprezentován elementem rdf:Description bez atributu rdf:about.

RDF kontejnér bag• Příklad kontejnéru bag – dokument má více autorů

dokument

autor

rdf:bag

autor X

autor Y

autor Z

RDF kontejnér sekvence

Příklad kontejnéru sekvence – zde sekvence odstavců

dokument

část

rdf:seq

1. Úvod

2. Základní pojmy

3. Metody

RDF kontejnér alternativa• Příklad kontejnéru alternativa – několik možných zástupců firmy

firma

zástupce

rdf:alt

představitel X

představitel Y

představitel Z

.....

.....

Mechanismus typování v RDFS

RDFS datový model na rozdíl od databázových systémů nemá žádný „vestavěný“ soubor datových typů, pouze poskytuje způsob explicitního určení, jakého typu má literál být.

Prostředky, kterými definuje termíny zdrojů, resp. konceptů (tříd) v RDFS jsou

• Typování - individuum náleží určité třídě rdfs:Class

• Podtřídy - instance jedné třídy je zároveň instancí jiné třídy rdfs:subClassOf

Typový systém tříd a vlastností

• RDF Schéma (RDFS) poskytuje pro RDF model typový systém, který dává možnost, aby zdroj byl definován jako instance jedné nebo více tříd (konceptů). Tím umožňuje jejich hierarchické uspořádání.

• Jména tříd začínají velkým písmenem, jména vlastností malým.

Zdroje jsou v RDFS popisovány pomocí slovníků, které mají vždy prefix rdfs: Třídy (koncepty) jsou popsány s použitím rdfs:Class a rdfs:Ressource, vlastnosti pomocí rdf:type a rdfs:subClassOf.

Příklad - převzato z W3C dokumentu RDF Primer

a) Třída motorových vozidel a její podtřídy nákladních, osobních a dalších motorových vozidel popsaná trojicemi, kde prefix ex: zastupuje URI odkaz ( zde URL): http://www.example.org/schemas/vehicles.

ex:MotorVehicle rdf:type rdfs:Class .ex:PassengerVehicle rdf:type rdfs:Class . ex:Van rdf:type rdfs:Class .ex:Truck rdf:type rdfs:Class .ex: PassengerVehicle rdf:subClassOf rdfs:MotorVehicle .ex: Van rdf:subClassOf rdfs:MotorVehicle .ex: Truck rdf:subClassOf rdfs:MotorVehicle .

Příklad - převzato z W3C dokumentu RDF Primer

b) Zápis v jazyce RDF/XML:

<?xml version=“1.0“?><!DOCTYPE rdf:RDF [<?ENTITY xsd http://www.w3.org/2001/01/

XMLSchema#>]><rdf:RDF xmlns:rdf=“http://www.w3.org/1999/02/22-rdf-syntax-ns#“ xmlns:rdfs=“http://www.w3.org/2000/01/rdf-schema#“ xml:base=“http://www.example.org/schemas/vehicles#><rdfs:Class rdf:ID=“MotorVehicle“/><rdfs:Class rdf:ID=“Truck“> <rdfs:subClassOf rdf:ressource=“#Motorvehicle“/><rdfs:Class>….

Příklad - převzato z W3C dokumentu RDF Primer

c) RDF grafem

http://www.w3.org/2000/01/rdf-schema#subClassOf *

http://www.example.org/schemas/Vehicles#Van

http://www.example.org/schemas/Vehicles#Truck

*

http://www.example.org/schemas/Vehicles#MiniVan

*

*

http://www.example.org/schemas/vehicles#MotorVehicle

RDF model rozlišuje tři typy konceptu

• fundamentální koncepty

• koncepty definující schéma (pro definování nových slovníků)

• koncepty utilit (užitečné pro některé aplikační domény)

Fundamentální koncepty

rdf:Resource rdf:Property Jde o zdroje, které se používají v trojici jako

predikáty.

rdf:Statement Statement je zdrojem, který reprezentuje trojici.

Zhmotnění (reification) trojice deklaruje rdf:subject, rdf:predicate a rdf:object s  hodnotami danými příslušnými zdroji.

Koncepty definující schéma

• Třídy (koncepty) specifikující zdroje jsou popsány s použitím rdf:type, rdfs:Class a rdfs:subClassOf.

• Vlastnosti jsou popsány pomocí rdf:type a rdfs:subPropertyOf.

• Jména tříd začínají velkým písmenem, jména vlastností malým.

• Vlastnost type indikuje instanci třídy/vlastnosti.

Slovníky

• Prostředky RDFS jsou poskytovány ve formě slovníků.

Slovníky (schémata), zapsané v RDFS jazyce, mají vždy prefix rdfs: a jsou

řádnými RDF grafy.

• Třída v RDFS odpovídá generickému pojmu typ nebo kategorie.

Vlastnosti v RDF modelu

Vlastnosti tvoří speciální třídu rdf:Property.

Vlastnosti jsou omezovány

doménou (domain) a oborem hodnot (range).

Výraz

P rdfs:range C

reprezentuje RDF tvrzení, jehož subjektem je P, objektem C a vlastnost je rdfs:range.

P je vlastnost, C je třída (koncept). Při použití vlastnosti P musí objekt být prvkem C.

Popis vlastností

V RDFS jsou vlastnosti popisovány jako instance třídy rdf:Property a RDFS vlastnostmi rdfs:domain, rdfs:range rdfs:subPropertyOf.

Např.

ex:weightInKg rdf:type rdf:Property .

ex:Person rdf:type rdfs:Class .

ex:author rdf:type rdfs:Property .

ex:author rdfs:range ex:Person .

ex:Book rdf:type rdfs:Class .

ex:author rdf:type rdfs:Property .

ex:author rdfs:domain ex:Book .

Sémantika jazyka RDF

je (obdobně jako v případě jazyka logiky prvního řádu) definována jako denotační sémantika, založená na přístupu teorie modelů. Předpokládá se, že jazyk je určen k tomu, aby formalizoval tvrzení o modelované doméně (světě).

Modelovaný svět určuje tedy zamýšlenou interpretaci formálního jazyka RDF a poskytuje základní fakta o tomto světě.

Interpretační pravidla pak poskytují předpis, jak stanovit pravdivostní hodnotu dalších odvozených tvrzení.

Definice interpretace jazyka

Jednoduchá interpretace I slovníku V jazyka RDF (RDFS) je dána:

• Neprázdnou množinou IR zdrojů, zvanou doménou, resp. universem diskursu interpretace I.

• Množinou IP vlastností interpretace I.• Zobrazením IEXT z IP do podmnožiny kartézského

součinu IRIR, tj. množinou dvojic x, y, x,y IR.• Zobrazení IS z množiny URI odkazů slovníku V do

sjednocení IR IP.• Zobrazení IL z množiny typovaných literálů z V do IR.• Zvláštní podmnožinou LV množiny IR, nazývanou

množinou literálních hodnot, která obsahuje všechny prosté literály z V.

Denotáty v RDF

V rámci RDF je třeba uvažovat dva typy denotace:

• denotáty jmen jsou objekty universa diskursu (zdroje) a

• denotáty trojic jsou pravdivostní hodnoty.

Interpretace bázového grafu

• Je-li E prostý literál "aaa" z V, potom je I(E) = aaa.• Je-li E prostý literál "aaa"@ttt z V, potom je I(E) = aaa,

ttt (@ttt je jazykový ukazatel).• Je-li E typovaný literál z V, potom je I(E) = IL(E).• Je-li E URI odkaz z V, potom I(E) = IS(E).• Je-li E bázová trojice s p o, potom I(E) = true, jestliže s a

p je z V, I(p) je z IP a dvojice I(s), I(o) náleží extenzi IEXT(I(p)). Jinak je I(E) = false.

• Je-li E bázový graf RDF, potom I(E) = false, jestliže pro některou trojici E´ platí I(E´) = false. Jinak je I(E) = true.

Prázdné uzly jako existenční proměnné

Pro množinu prázdných uzlů blank(E) je třeba rozšířit interpretační pravidla následující definicí.

Definice Nechť I je interpretace a A je zobrazení z množiny

blank(E) prázdných uzlů z E do universa diskursu IR, které přiřazuje každému prázdnému uzlu prvek z IR. Potom platí:

• Je-li E prázdný uzel a A(E) je definováno, potom v rozšířené interpretaci [I+A](E) = A(E).

• Je-li E RDF graf, potom je I(E) = true, jestliže platí pro nějaké zobrazení A´ z blank(E) do IR [I+A´](E) = true. V opačném případě je I(E) = false.

Logické důsledky RDF grafů

Definice Graf E je logickým důsledkem množiny S grafů, právě

když pro všechny modely množiny S platí, že graf E je v nich splněn.

Podobně jako v logice prvního řádu též platí• každý jednotlivý graf množiny S je jejím logickým

důsledkem, • logickým důsledkem grafu s prázdnými uzly je jeho

instance a Věta (o kompaktnosti) Je-li konečný graf E logickým důsledkem grafu S, potom

je E logickým důsledkem nějakého subgrafu S' grafu S.

Děkuji za pozornost

Alena Lukasová