5. ظهور وب معنایی 2.1
چرا کامپیوترها نمی توانند این کار را برای ما انجام دهند؟
• یکی از دلیلش این است که صفحات وب شامل
oاطلعاتی راجع به خودشان
oاطلعاتی راجع به محتویاتشان
oاطلعاتی راجع به موضوعی که حاوی مطلب در مورد آن هستند
oو ...
نیستند.
مثال: جستجوی کتاب TCP/IPدر یک کتابخانه
5
6. ظهور وب معنایی 2.1
این دقیقا همان وضعیتی است که در وب نحوی با آن روبرو هستیم.
نتيجه اينکه وب به عنوان ابزاري براي تبادل اطلعات بين افراد توسعه يافته است
تا براي ماشين ها.
بيه عنوان پياميد آين، محتواي معناييي، کيه معنيي اطلعات درون ييک صفحه وب
است، به گونه اي کد شده است که تنها براي انسان قابل استفاده است.
عبارت وب معنا یی بیانگر این ديدگاه است که کامپيوترها نيز بتوانند مانند انسان
داده هاي روي وب را پيدا کرده، خوانده، درک و استفاده کنند.
هدف وب معنايي توسعه استانداردها و تکنولوژي هاي تواناسازي است که براي
کمک به ماشين ها به منظور فهم بيشتر اطلعات روي وب طراحي شده اند.
12. 2.3 چارچوب وب معنایی
مراحل زیر مسیری را نشان می دهد که وب معنایی در پیش گرفته است:
فراهم کردن syntaxمشترک برای جملت قابل فهم توسط ماشین .1
ساختن لغات ) (vocabulariesمشترک .2
توافق بر روی یک زبان منطقی .3
استفاده از زبان برا ی تبادل اثبات ها .4
آقای برنرزلی مخترع وب کنونی و نیز وب معنایی یک ساختار لیه ای را برای وب
معنایی پیشنهاد کرد. این ساختار مراحلی که در بال لیست شد را منعکس می کند.
تکنولوژی های
تکمیل نشده
وب معنایی
تکنولوژی های
تکمیل شده وب
معنایی
تکنولوژی
های وب
14. 3. آنتولوژی
آنتولوژي ها در حوزه هاي مختلف علوم کامپيوتر مانند هوش مصنوعي، نمايش
دانش، پردازش زبان طبيعي، وب معنايي، مهندسي نرم افزار و... استفاده شده
اند. بنابرايين ايين انتظار وجود دارد کيه تعرييف هاي مختلفيي از آين وجود داشته
باشد.
اوشولد و جاسپر بيان مي کنند که اگرچه يک آنتولوژي ممکن است فرمت هاي
مختلفي به خود بگيرد اما در هر حال شامل:
مجموعه اي از اصطلحات، توصيفي از معني آنها، ویژگی ها و بيان اينکه •
چگونه اين اصطلحات با هم ارتباط دارند، است.
کنسرسيوم W3Cپيشنهاد مي کند که آنتولوژي ها بايد شامل توصيفاتي براي عناصر
زير باشند:
• کل س ها )يا چيزها( در حوزه مورد نظر
• ارتباطات بين اين چيزها
• مشخصات يا ويژگي هايي که اين چيزها بايد داشته باشند.
41
15. 3. آنتولوژی
یک آنتولوژی نمونه
در آنتولوژي همه روابط دنياي واقعي مي تواند وجود داشته
باشد
17. 3. آنتولوژی
آنتولوژی هسته وب معنایی را تشکیل می دهد.
آنتولوژی پیاده سازی عملی وب معنایی را به عهده دارد.
واسطه گری آنتولوژی
• به دنبال شناسايي شباهت ها
• غلبه بر اختلفات بين آنتولوژي ها
• بيه منظور اسيتفاده مجدد و بيه اشتراک گذاري آنهيا بيين سييستم هيا و برنامه
هايي است که از آنها استفاده مي کنند.
واسطه گري آنتولوژي به سه زير حوزه
• نگاشت آنتولوژي
• ادغام آنتولوژي
• انطباق آنتولوژي
تقسيم مي شود.
يک بحث اصلي در همه اين رويکردها، شنا سايي و تعي ين همپوشا ني بين
مفاهيم، روابط، ويژگي ها و نمونه ها در آنتولوژي هاي مختلف است.
21. ادغام آنتولوژی 3.2
ادغام آنتولوژي سعي در ايجاد يک آنتولوژي جديد با ادغام کردن آنتولوژي هاي
موجود دارد.
دو رویکرد
جایگزینی آنتولوژی های ورودی با آنتولوژی جدید
برای مثال الگوریتم PROMPT
1O
ورود خروج
ادغام
ی ی
2O
22. ادغام آنتولوژی 3.2
در روش دوم آنتولوژي هاي اوليه با يک آنتولوژي جديد جايگزين نمي شوند .
بلکه يک آنتولوژي پل ايجاد مي شود که آنتولوژي هاي اوليه را به عنوان ورودي مي گيرد و
ادغام بين آنتولوژي ها را با استفاده قواعد پل نشيان مي دهد.
برای نمونه الگوریتم Onto-Merge
آنتولوژی پل
1O 2O
آنتولوژی قواعد پل آنتولوژی
ورودی ورودی
42. 4.2 الگوریتم ساختاری
بهبود ماتریس شباهت اولیه بدست آمده:
اگر دو ند از آنتولوژي مبدأ و مقصد با هم شبيه بودند ميزان شباهت همسايه هاي آنها •
به اندازه يک مقدار داده شده افزايش مي يابد.
اگير دو نيد از آنتولوژيي هاي مبدأ و مقصيد داراي همسيايه شيبيه بيه هيم باشند ميزان •
شباهت آنها به اندازه افزايش مي يابد.
اگر دو ند از آنتولوژي مبدأ و مقصد داراي ويژگي نوع داده اي مشترک باشند، ميزان •
شباهت آنها براي يک داده شده به اندازه افزايش مي يابد.
ارزیابی الگوریتم
# correct _ found _ alignmnets
= precision
# found _ alignments
# correct _ found _ alignmnets
= Recall
# existing _ alignments
2 × Precision × Recall
= F − Measure
Precision + Recall
47. 4.3 الگوریتم ترکیبی
ارزیابی الگوریتم
همانگونه که جدول پائین نشان مي دهد الگوريتم داراي مقادير precisionو recallي
بهتر از الگوريتم هاي MapPSO ،GeRoMeو SPIDERاست و recallي بهتر از هميه آنها
دارد.
48. پیشنهادات آتی 5.
ترکیب الگوريتم ساختاري پيشنهادي با الگوریتم های نحوی و معنایی دیگر.
ارائه الگوريتم هايي براي انطباق آنتولوژي به زبان فارسي و انطباق آنتولوژي بين
زبان فارسي و زبان انگليسي.
معرفی و توسعه ابزارهايي براي وب معنايي در زبان فارسي .
49. 6. مراجع
1. D. Fensel, "Ontologies: A Silver Bullet for Knowledge Management and Electronic Commerce", Springer, New
York, USA, 2001.
2. J. Davies, D. Fensel, and F. V. Harmelen, (Eds), "Towards the Semantic Web: Ontology Driven Knowledge
Management", John Wiley & Sons, New York, 2003.
3. G. Stumme, A. Hotho, and B. Berendt, "Semantic Web Mining State of the art and future directions", Web
Semantics: Science, Services and Agents on the World Wide Web, 4 (2006), pp. 124–143.
4. K. K. Breitman, M. A. Casanova, and W. Truszkowski, "Semantic Web: Concepts, Technologies and
Applications", Springer Verlag, 2007.
5. N. F. Noy, and M. A. Musen, "PROMPT: Algorithm and tool for automated ontology merging and alignment", in
Proc. 17th Natl. Conf. On Artificial Intelligence (AAAI2000), Austin, Texas, USA, 2000.
6. T. B. Passin, "Explorer’s Guide to the Semantic Web", Manning Publications Co: USA, 2004.
7. T. Berners-Lee, "Weaving the web: The Original Design and Ultimate Destiny of the World Wide Web by Its
Inventor", New York: HarperCollins, 2000.
8. T. Pedersen, and S. Patwardhan, "WordNet::Similarity – Measuring the Relatedness of Concepts", In
Proceedings of 19th National Conference on AI, San Jose, CA, 2004.
9. http://www.w3.org/2001/sw/.
10. www.w3.org/2001/sw/Activity.
11. R. S. Cost, et al, "ItTALKS: A Case Study in the Semantic Web and DAML", SWWS'01: The First Semantic Web
Working Symposium, 2001.