Progetto e realizzazione di un client per un server di ragionamento automatico su ontologie del Semantic Web
Autore
Giuseppe Morgese - Università degli Studi di Bari - [2006-07]
Documenti
Abstract
Lo sviluppo frenetico e disordinato del World Wide Web, a cui abbiamo assistito negli ultimi anni, ha prodotto degli inconvenienti ai fruitori dei servizi offerti dalla rete, inconvenienti dovuti soprattutto all’enorme mole di dati, alla irraggiungibilità di gran parte di essi e al fatto che tali dati siano comprensibili solo all’agente umano.
Ad esempio, la ricerca che un utente avvia, attraverso un motore di ricerca, non sempre dà i risultati attesi: molto di frequente non vengono estratti tutti i documenti attinenti alla ricerca, mentre vengono estratti numerosi documenti di scarsa rilevanza; ciò è dovuto essenzialmente all’esistenza di polisemie e sinonimi. Inoltre il risultato di una ricerca è sempre un insieme di documenti e non l’informazione di cui un utente ha bisogno; quindi, per individuare l’informazione desiderata, l’utente deve esaminare l’intero documento che dovrebbe contenerla o, eventualmente, integrare le informazioni presenti su documenti differenti.
Il Semantic Web, teorizzato da Tim Berners Lee, si propone di porre rimedio a questi problemi. In quest’ottica, l’obiettivo è rendere l’informazione “comprensibile” alle macchine, consentendo ad agenti software di “comprendere” le informazioni e di manipolarle, integrarle e renderle disponibili ad altre applicazioni. Per fare ciò è necessario introdurre uno strato concettuale, posto al di sotto del web attuale che leghi i concetti fra loro, evidenziandone le caratteristiche e le relazioni. Questo compito è svolto dalle ontologie.
Il Semantic Web si basa fondamentalmente su un insieme di dati, le ontologie, da cui inferire (rendere esplicite) informazioni tramite reasoning. I sistemi che si occupano di reasoning sono i reasoner. Il Semantic Web dipende da sistemi diversi come tool per la gestione delle ontologie e reasoner.
L’obiettivo che ci siamo proposti in questo lavoro è quello di sviluppare uno strato software che collega un tool per la gestione di ontologie e un reasoner che miri ad effettuare un task di Levelwise Instance Retrieval e ad esportarne i risultati in file con sintassi Datalog. Tale strato software di collegamento è chiamato middleware.
In altre parole, un middleware è uno strato software che collega due o più applicazioni in modo tale da potersi scambiare i dati e produrre i risultati attesi.
L’applicazione, che in questo lavoro è stata sviluppata è detta LIRe (Levelwise Instance Retrieval), e rappresenta uno strato middleware fra un tool per la creazione e la gestione di ontologie, ovvero Protégé 3.1, e un reasoner che supporti l’interfaccia DIG che permette di interfacciare tutti i reasoner che la supportano allo stesso modo. In questo caso, in base ai reasoner esistenti, è stato scelto Pellet che è comunque sostituibile proprio in virtù dei vantaggi offerti dall’interfaccia DIG. Lo scopo è effettuare il task di Levelwise Instance Retrieval e rendere disponibili i risultati in file con sintassi Datalog da poter utilizzare su altri sistemi.
Il task di Levelwise Instance Retrieval consiste nel ricavare tutte le istanze (gli individui) inferite dalle classi appartenenti a ciascun livello della gerarchia dichiarata nell’ontologia a partire da un nodo radice a scelta fino alle foglie.
Il Levelwise Instance Retrieval è un task di reasoning non standard per i reasoner. Ad ogni modo, questo task si compone di alcuni task comunemente offerti da alcuni reasoner, tra cui Pellet.
Questa tesi si struttura in quattro capitoli. Il primo capitolo introduce i concetti fondamenti del Semantic Web e delle ontologie. Il secondo capitolo descrive gli aspetti architetturali e funzionali di Protégé 3.1 (editor di ontologie) e del plugin OWL di Protégé 3.1 (editor di ontologie OWL). Il terzo capitolo presenta l’interfaccia DIG e i reasoner focalizzando l’attenzione su Pellet, descrivendone in particolare l’architettura e i task supportati. Il quarto capitolo documenta la progettazione e la realizzazione del middleware LIRe. Infine, viene fornita, in appendice, la documentazione riguardante la progettazione dell’architettura di LIRe.
Ad esempio, la ricerca che un utente avvia, attraverso un motore di ricerca, non sempre dà i risultati attesi: molto di frequente non vengono estratti tutti i documenti attinenti alla ricerca, mentre vengono estratti numerosi documenti di scarsa rilevanza; ciò è dovuto essenzialmente all’esistenza di polisemie e sinonimi. Inoltre il risultato di una ricerca è sempre un insieme di documenti e non l’informazione di cui un utente ha bisogno; quindi, per individuare l’informazione desiderata, l’utente deve esaminare l’intero documento che dovrebbe contenerla o, eventualmente, integrare le informazioni presenti su documenti differenti.
Il Semantic Web, teorizzato da Tim Berners Lee, si propone di porre rimedio a questi problemi. In quest’ottica, l’obiettivo è rendere l’informazione “comprensibile” alle macchine, consentendo ad agenti software di “comprendere” le informazioni e di manipolarle, integrarle e renderle disponibili ad altre applicazioni. Per fare ciò è necessario introdurre uno strato concettuale, posto al di sotto del web attuale che leghi i concetti fra loro, evidenziandone le caratteristiche e le relazioni. Questo compito è svolto dalle ontologie.
Il Semantic Web si basa fondamentalmente su un insieme di dati, le ontologie, da cui inferire (rendere esplicite) informazioni tramite reasoning. I sistemi che si occupano di reasoning sono i reasoner. Il Semantic Web dipende da sistemi diversi come tool per la gestione delle ontologie e reasoner.
L’obiettivo che ci siamo proposti in questo lavoro è quello di sviluppare uno strato software che collega un tool per la gestione di ontologie e un reasoner che miri ad effettuare un task di Levelwise Instance Retrieval e ad esportarne i risultati in file con sintassi Datalog. Tale strato software di collegamento è chiamato middleware.
In altre parole, un middleware è uno strato software che collega due o più applicazioni in modo tale da potersi scambiare i dati e produrre i risultati attesi.
L’applicazione, che in questo lavoro è stata sviluppata è detta LIRe (Levelwise Instance Retrieval), e rappresenta uno strato middleware fra un tool per la creazione e la gestione di ontologie, ovvero Protégé 3.1, e un reasoner che supporti l’interfaccia DIG che permette di interfacciare tutti i reasoner che la supportano allo stesso modo. In questo caso, in base ai reasoner esistenti, è stato scelto Pellet che è comunque sostituibile proprio in virtù dei vantaggi offerti dall’interfaccia DIG. Lo scopo è effettuare il task di Levelwise Instance Retrieval e rendere disponibili i risultati in file con sintassi Datalog da poter utilizzare su altri sistemi.
Il task di Levelwise Instance Retrieval consiste nel ricavare tutte le istanze (gli individui) inferite dalle classi appartenenti a ciascun livello della gerarchia dichiarata nell’ontologia a partire da un nodo radice a scelta fino alle foglie.
Il Levelwise Instance Retrieval è un task di reasoning non standard per i reasoner. Ad ogni modo, questo task si compone di alcuni task comunemente offerti da alcuni reasoner, tra cui Pellet.
Questa tesi si struttura in quattro capitoli. Il primo capitolo introduce i concetti fondamenti del Semantic Web e delle ontologie. Il secondo capitolo descrive gli aspetti architetturali e funzionali di Protégé 3.1 (editor di ontologie) e del plugin OWL di Protégé 3.1 (editor di ontologie OWL). Il terzo capitolo presenta l’interfaccia DIG e i reasoner focalizzando l’attenzione su Pellet, descrivendone in particolare l’architettura e i task supportati. Il quarto capitolo documenta la progettazione e la realizzazione del middleware LIRe. Infine, viene fornita, in appendice, la documentazione riguardante la progettazione dell’architettura di LIRe.
Questa tesi è correlata alla categoria
segnala questa pagina ::.