تعاونی نیرومندسازی تحقیقات جامع ترین مرجع دانلود تحقیق، مقاله، سمینار و پایان نامه
Semantic Web Primer (2nd Edition)
Chapter 4: Web Ontology Language (OWL)
فصل چهارم: زبان هستی شناسی وب
قالب فایل: Word
تعداد صفحات: 40 صفحه
فهرست مطالب
فصل چهارم 1
4. زبان آنتولوژی وب: OWL 1
4.1 مقدمه 1
4.2 OWL و RDF/RDFS 1
4.2.1 نیازمندی ها برای زبان های آنتولوژی 1
4.2.2 محدودیت قدرت بیان شمای RDF 3
4.2.3 تطابق OWL با RDF/RDFS 3
4.3 سه زیر زبان OWL 4
4.3.1 OWL Full 4
4.3.2 OWL DL 4
4.3.3 OWL Lite 4
4.4 توصیف زبان OWL 6
4.4.1 نحو 6
4.4.2 سرآيند 6
4.4.3 عناصر کلاس 7
4.4.4 عناصر خصيصه 7
4.4.5 محدوديتهاي خصيصه 9
4.4.6 خصيصههاي خاص 11
4.4.7 ترکيبهاي بولي 11
4.4.8 شمارش 13
4.4.9 نمونهها 13
4.4.10 نوع دادهها 14
4.4.11 اطلاعات نسخه 14
4.5 لایه بندی OWL 15
4.5.1 OWL Full 15
4.5.2 OWL DL 15
4.5.3 OWL Lite 16
4.5.4 OWL DLP 16
4.6 مثال ها 18
4.6.1 آنتولوژی حیات وحش آفریقایی 18
4.6.2 آنتولوژی چاپگر 22
4.7 OWL در OWL 27
4.7.1 فضاهای نام 27
4.7.2 کلاس های کلاسها (Metaclasses) 28
4.7.3 تساوی کلاس 29
4.7.4 ساختن کلاس ها از سایر کلاس ها : 30
4.7.5 محدود کردن صفات کلاس : 30
4.8 الحاقات و بسط هایی برای آینده 33
4.8.1 ماژول ها و ورودی ها 33
4.8.2 پیشفرض ها 33
4.8.3 فرضیه حهان بسته 33
4.8.4 فرضیه نام های منحصر بفرد 34
4.8.5 پیوست رویه 34
4.8.6 قوانین برای زنجیر کردن صفات 34
4.9 خلاصه فصل 34
مطالعات پیشنهادی : 35
نمونه ای از متن:
گویایی RDF و شمای RDF که در فصل قبل بیان کردیم، بسیار محدود می باشد. RDF کاملا به مسندهای دوتایی شناخته شده محدود شده است و RDFS به یک سلسله مراتب کلاسی و سلسله مراتب خصیصه ها که دامنه و برد هرکدام از این خصیصه ها از قبل مشخص شده است، محدود شده است.
به هر حال گروه کاری آنتولوژی وب W3C تعدادی مورد کاربرد پایه ای برای وب معنایی تعریف کرده است که تعریفی بسیار بیشتر از آنچه RDF و شمای RDF پیشنهاد می کنند می باشد.
قبلاً تعدادی گروه تحقیقاتی در ایالات متحده و در اروپا نیاز به یک زبان مدلسازی آنتولوژی قدرتمندتر را بیان کرده بودند. این امر سبب ایجاد یک زبان فنی تر به نام DAML+OIL شد (نام این زبان ترکیبی از نام های پیشنهادی ایالات متحده DAML-ONT و زبان اروپایی OIL می باشد).
DAML+OIL به نوبه خود به عنوان نقطه شروع گروه کاری W3C در معرفی OWL (زبانی که هدف آن استاندارد شدن و فراگیر شدن برای زبان آنتولوژی می باشد) به شمار می رود.
در این فصل هدف OWL را از دیدگاه نیازمندی هایش و رابطه ی منتجش با شمای RDF بیان می نماییم. سپس به شرح دقیق اجزای مختلف OWL خواهیم پرداخت.
خلاصه فصل
قسمت 4.2هدف OWL را از دیدگاه نیازمندی هایش و رابطه ی منتجش با شمای RDF بیان می نماید. قسمت 4.3 سه زیر زبان OWL را معرفی می نماید. قسمت 4.4 انواع قسمت های زبان را شرح می دهد و قسمت 4.5 مشخص می نماید کدام جنبه ها در کدام زیر زبان استقاده می شود. مثال های زیادی در قسمت 4.6 آورده شده است. توضیح خود OWL در قسمت 4.7 آورده شده است. قسمت 4.8 به بسط های آینده زبان های آنتولوژی می پردازند.
4.2 OWL و RDF/RDFS
4.2.1 نیازمندی ها برای زبان های آنتولوژی
زبانهای آنتولوژی به کاربران اجازه می دهد تا مفهومی¬سازی¬های صریح و رسمی از مدلهای دامنه را بنویسند. نیازمندی های اصلی عبارتند از یک نحو خوش¬تعریف، پشتیبانی از عمل استنتاج، یک معانی رسمی ، قدرت بیان بالا و بیان آسان.
اهمیت نحو خوش¬تعریف در زمینه زبانهای برنامه نویسی کاملاً واضح و مشخص است. این برای پردازش اطلاعات ماشین یک شرط لازم است. تمام زبانهایی که ما تا کنون تعریف نموده ایم یک نحو خوش تعریف داشته اند. DAML+OIL و OWL بر مبنای RDF و شمای RDF ساخته شده اند و همان نحو را دارند.
البته نحو مبنتی بر XML چندان کاربر پسند نیست و جایگزین هایی بهتر برای کاربران وجود دارد (به عنوان مثال نحو OIL را ببینید). به هر حال این مشکل چندان مهم نیست، زیرا کاربران حرفه ای تر آنتولوژی های خود را با استفاده از ابزارهای نویسندگی یا به طور کلی تر از ابزار¬های توسعه آنتولوژی می نویسند، به جای اینکه مستقیماً آنها را در DAML یا DAML+OIL بنویسند.
یک معانی رسمی معنای دانش را به صورت “کاملاً مشخص” تعریف می¬نماید.”کاملاً مشخص” در اینجا به این معنی است که معانی به ادراکات ذهنی اشاره نمی کنند، همچنین برای افراد یا ماشین های مختلف باز نمی باشند. یکی از جنبه های اهمیت معانی رسمی ساخت خوب آن در حوزه منطق ریاضی می باشد.
یکی از استفاده های معانی رسمی این است که به افراد اجازه می دهیم تا در مورد دانش استدلال کنند. مواردی که امکان دارد برای دانش مبنی بر آنتولوژی استدلال نماییم عبارتند از:
• عضویت کلاسی. اگر x یک نمونه از کلاس C باشد و C یک زیرکلاس از D باشد، آنگاه می توان نتیجه گرفت که x یک نمونه از D است.
• معادل بودن کلاس ها. اگر کلاس A معادل کلاس B و کلاس B معادل کلاس C باشد آنگاه A با C نیز معادل است.
• سازگاری. فرض کنید ما x را به عنوان نمونه ای از کلاس A تعریف کرده ایم. A هم زیرکلاسی از B∩C می باشد. A زیرکلاسی از D است و B و D مجموعه های جدا از هم هستند. در اینجا ما یک ناسازگاری خواهیم داشت زیرا A باید خالی باشد در حالیکه نمونه ای مانند x دارد. این نشانه ای از یک خطا در یک آنتولوژی می باشد.
• کلاسه بندی. اگر ما اعلان کرده باشیم جفت های خصیصه-مقدار خاصی شرط کافی برای عضویت در یک در کلاس A باشند، آنگاه اگر x این شرط را برآورده نماید می توان نتیجه گرفت x باید نمونه ای ازA باشد.
معانی یک پیش نیاز پشتیبانی از استنتاج می باشند. اشتقاق هایی مانند آنچه در بالا ذکر شد را می توان به جای ساخت دستی به شکل مکانیکی ساخت. پشتیبانی از استنتاج مهم است زیرا به کاربر اجازه می دهد:
• سازگاری دانش و آنتولوژی را بررسی نماید.
• روابط ناخواسته و پیش بینی نشده بین کلاس ها را بررسی نماید.
• نمونه ها را به شکل اتوماتیک کلاسه بندی نماید.
پشتیبانی از استنتاج خودکار اجازه می دهد موارد بسیار بیشتری نسبت به حالت دستی بررسی شود. بررسی هایی مثل آنچه در بالا ذکر شد برای طراحی آنتولوژی های بزرگ، جایی که نویسندگان زیادی در کارند و همچنین برای مجتمع سازی و به اشتراک گذاری آنتولوژی های مختلف، ارزشمند اند.
