Web semântica e dados vinculados. Correções e adições

Quero apresentar ao público um fragmento deste livro recentemente lançado:

Modelagem ontológica de empresas: métodos e tecnologias [Texto]: monografia / [S. V. Gorshkov, S. S. Kralin, O. I. Mushtak e outros; editor executivo S. V. Gorshkov]. - Ecaterimburgo: Editora da Universidade de Ural, 2019 - 234 p .: Ill., Tab.; 20 cm - Aut. são indicados na parte de trás do tit. s - Bibliogr. no final do cap. - ISBN 978-5-7996-2580-1: 200 cópias.

O objetivo do cálculo deste fragmento em Habré é triplo:

• Colete perguntas e comentários para levá-los em consideração ao incluir este texto em um formulário revisado em outras publicações.
• Para fazer acréscimos que não são muito compatíveis com o formato da monografia impressa: notas de tópicos (abaixo estão os spoilers) e hiperlinks; bem como fazer correções (abaixo, elas não são destacadas de forma alguma).
• Muitos adeptos da Web Semântica e dos Dados Vinculados ainda acreditam que seu círculo é tão estreito, principalmente porque o público em geral ainda não foi bem explicado ao público o que são a Web Semântica e os Dados Vinculados. O autor do fragmento, apesar de pertencer a esse círculo, não adere a essa opinião, mas, no entanto, se considera obrigado a fazer outra tentativa.

Conteúdo do parágrafo

Web semântica
Dados vinculados
RDF
RDFS
SPARQL
Coruja
Vinculando dados corporativos
Conectando dados corporativos
Literatura

Web semântica

A evolução da Internet pode ser representada da seguinte forma (ou falar sobre seus segmentos, formados na seguinte ordem):

1. Documentos na Internet . Tecnologias principais - Gopher, FTP, etc.
   A Internet é uma rede global para compartilhar recursos locais.
2. Documentos da Internet . As principais tecnologias são HTML e HTTP.
   A natureza dos recursos expostos leva em consideração os recursos de seu meio de transmissão.
3. Dados na Internet . Tecnologias principais - API REST e SOAP, XHR, etc.
   Pode-se dizer que não apenas as pessoas se tornam consumidoras de recursos.
4. Dados da Internet . As principais tecnologias são tecnologias de dados vinculados.
   Essa quarta fase, prevista por Berners-Lee, criadora das principais tecnologias da segunda e diretora do W3C, é chamada de Web Semântica; As tecnologias de dados vinculados são projetadas para tornar os dados da Web não apenas legíveis por máquina, mas também “legíveis por máquina”.

A Web Semântica é mais uma visão sistêmica da Internet futura do que uma tendência espontânea ou de lobby específica, embora seja capaz de levar em consideração essas últimas. Por exemplo, uma característica importante do que é chamado de Web 2.0 é o "conteúdo gerado pelo usuário". A recomendação de Ontologia de Anotação da Web do W3C e uma iniciativa como a Solid são necessárias para levar em consideração.

A seguir, o leitor verá a correspondência dos principais conceitos do segundo e quarto estágios:

• Os equivalentes de URL são URIs,
• O equivalente do HTML é RDF,
• Os hiperlinks HTML são semelhantes às ocorrências de URIs em documentos RDF.

Dados vinculados

Berners-Lee definiu o Linked Data como uma rede semântica "bem feita": um conjunto de abordagens e tecnologias para atingir seus objetivos finais. Os princípios básicos do Linked Data Berners-Lee destacaram o seguinte.

Princípio 1 Usando um URI ( Identificador Uniforme de Recursos ) para nomear entidades.

URIs são identificadores globais de entidade, em oposição aos identificadores locais de registro de cadeia. Posteriormente, esse princípio foi melhor expresso no slogan do Google Knowledge Graph “ coisas, não seqüências de caracteres ”.

Princípio 2 Usando URIs em um esquema HTTP para que eles possam ser de-referenciados.

No URI, deve ser possível obter o significado por trás desse significante (aqui a analogia com o nome do operador “ * ” em C é clara); mais precisamente, para ter uma idéia disso, dependendo do valor do cabeçalho Accept: HTTP. Talvez com o advento da era AR / VR, seja possível obter o recurso em si, por enquanto, provavelmente, será um documento RDF que é o resultado da execução de uma consulta DESCRIBE SPARQL.

Princípio 3 Utilizando os padrões W3C - principalmente RDF (S) e SPARQL - em particular, ao fazer a referência a URI.

Essas "camadas" separadas da pilha da tecnologia Linked Data, também conhecida como o Semantic Web Layer Cake , serão descritas abaixo.

Princípio 4 O uso de referências a outros URIs ao descrever entidades.

O RDF permite que você se limite a uma descrição verbal do recurso em linguagem natural, e o quarto princípio incentiva isso a não ser feito. Com a observância geral do primeiro princípio, torna-se possível, ao descrever um recurso, fazer referência a outros, incluindo “estranhos”, razão pela qual os dados são chamados de relacionados. De fato, é quase inevitável usar URIs nomeados no dicionário RDFS.

RDF

RDF (Resource Description Framework) é um formalismo para descrever entidades relacionadas.

Declarações da forma "sujeito-predicado-objeto", chamados trigêmeos, são feitas sobre entidades e seus relacionamentos. No caso mais simples, o assunto, o predicado e o objeto são URIs. O mesmo URI pode estar em diferentes posições em diferentes trigêmeos: seja um sujeito, um predicado e um objeto; assim, os trigêmeos formam um tipo de gráfico chamado gráfico RDF.

Assuntos e objetos podem ser não apenas URIs, mas também os nós vazios , e os objetos também podem ser literais . Literais são instâncias de tipos primitivos que consistem em uma representação de sequência e uma declaração de tipo.

Exemplos de escrita de literais (na sintaxe do Turtle, veja abaixo): "5.0"^^xsd:float e "five"^^xsd:string . Os literais com o rdf:langString também podem ser fornecidos com uma tag de idioma, no Turtle está escrito assim: "five"@en e ""@ru .

Nós vazios são recursos "anônimos" sem identificadores globais, que, no entanto, podem ser reivindicados; um tipo de variável existencial.

Então (esse, de fato, é o ponto principal do RDF):

• assunto é um URI ou um nó vazio,
• um predicado é um URI,
• Um objeto é um URI, um nó vazio ou um literal.

RDF é um modelo abstrato. O RDF pode ser gravado (serializado) em várias sintaxes: RDF / XML , Turtle (mais legível por humanos), JSON-LD , HDT (binário).

O mesmo RDF pode ser serializado no RDF / XML de várias maneiras; portanto, por exemplo, o XML resultante não faz sentido validar com o XSD ou tentar recuperar dados usando o XPath. Da mesma forma, é improvável que JSON-LD satisfaça o desejo de um desenvolvedor Javascript comum de trabalhar com RDF usando a notação de ponto e colchete Javascript (embora o JSON-LD esteja se movendo nessa direção, sugerindo um mecanismo de enquadramento ).

A maioria das sintaxes oferece maneiras de reduzir URIs longos. Por exemplo, a declaração @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> no Turtle permitirá que você escreva em vez de <http://www.w3.org/1999/02/22-rdf-syntax-ns#type> apenas rdf:type .

RDFS

RDFS (RDF Schema) é um dicionário de modelagem básico que apresenta os conceitos de propriedade e classe e propriedades como rdf:type , rdfs:subClassOf , rdfs:domain e rdfs:range . Usando o dicionário RDFS, por exemplo, as seguintes expressões válidas podem ser gravadas:

 rdf:type rdf:type rdf:Property . rdf:Property rdf:type rdfs:Class . rdfs:Class rdfs:subClassOf rdfs:Resource . rdfs:subClassOf rdfs:domain rdfs:Class . rdfs:domain rdfs:domain rdf:Property . rdfs:domain rdfs:range rdfs:Class . rdfs:label rdfs:range rdfs:Literal . 

RDFS é um dicionário de descrição e modelagem, mas não é um idioma de restrições (embora a especificação oficial deixe a possibilidade de tal uso). A palavra "Esquema" não deve ser entendida no mesmo sentido que na expressão "Esquema XML". Por exemplo :author rdfs:range foaf:Person significa que rdf:type todos os valores da propriedade :author é foaf:Person , mas não significa que isso deve ser dito com antecedência.

SPARQL

SPARQL (protocolo SPARQL e linguagem de consulta RDF) é uma linguagem de consulta para dados RDF. No caso simples, uma consulta SPARQL é um conjunto de amostras com as quais os trigêmeos do gráfico são comparados. Variáveis ​​podem ser encontradas em amostras nas posições de sujeitos, predicados e objetos.

A consulta retornará esses valores de variáveis ​​que, quando substituídas em amostras, podem produzir um subgrafo do gráfico RDF interrogado (um subconjunto de seus trigêmeos). Variáveis ​​com o mesmo nome em diferentes amostras de trigêmeos devem ter o mesmo valor.

Por exemplo, no conjunto acima de sete axiomas RDFS, a seguinte consulta retornará rdfs:domain e rdfs:range como os valores de ?s e ?p respectivamente:

 SELECT * WHERE { ?s ?p rdfs:Class . ?p ?p rdf:Property . } 

Vale a pena notar que o SPARQL é declarativo e não é uma linguagem para descrever a passagem de gráfico (no entanto, alguns repositórios RDF oferecem maneiras de ajustar o plano de execução da consulta). Portanto, algumas tarefas padrão de gráfico, por exemplo, encontrar o caminho mais curto, não podem ser resolvidas no SPARQL, incluindo o uso do mecanismo de caminhos de propriedade (mas, novamente, repositórios RDF individuais oferecem extensões especiais para solucionar esses problemas).

O SPARQL não compartilha da presunção de abertura do mundo e segue a abordagem de "negação como falha", construções como FILTER NOT EXISTS {…} possíveis nele. A distribuição dos dados é levada em consideração usando o mecanismo de consulta federada .

O ponto de acesso SPARQL - um repositório RDF capaz de lidar com consultas SPARQL - não possui contrapartes diretas do segundo estágio (consulte o início desta seção). Pode ser comparado a um banco de dados com base no conteúdo de quais páginas HTML foram geradas, mas acessíveis externamente. O ponto de acesso SPARQL é análogo ao ponto de acesso da API do terceiro estágio, mas com duas diferenças principais. Primeiro, é possível combinar várias consultas "atômicas" em uma (que é considerada uma característica-chave do GraphQL) e, em segundo lugar, essa API é completamente auto-documentada (o que o HATEOAS tentou obter).

Existem maneiras menos funcionais de organizar o acesso aos dados RDF, por exemplo, Fragmentos de Dados Vinculados (LDF) e Plataforma de Dados Vinculados (LDP).

Coruja

OWL (Web Ontology Language) - formalismo da representação do conhecimento, versão sintática da lógica descritiva $$$\ mathcal {SROIQ (D)}$(em todo lugar abaixo, é mais correto dizer OWL 2, a primeira versão do OWL foi baseada em $$$\ mathcal {SHOIN (D)}$)

As classes correspondem a conceitos de lógicas descritivas em OWL, as propriedades correspondem a funções, os indivíduos mantêm seu nome anterior. Axiomas também são chamados axiomas.

Por exemplo, na chamada sintaxe de Manchester para escrever OWL, já sabemos o axioma $$$\ mathsf {Pai} \ equiv \ mathsf {Humano} \ sqcap \ existe \ mathsf {hasParent} ^ {-} \ mathsf {.Human}$será escrito assim:

 Class: Human Class: Parent EquivalentClass: Human and (inverse hasParent) some Human ObjectProperty: hasParent 

Existem outras sintaxes para escrever OWL, por exemplo, a sintaxe funcional usada na especificação oficial e OWL / XML . Além disso, o OWL pode ser serializado na sintaxe abstrata do RDF e posteriormente em qualquer uma das sintaxes específicas.

A CORUJA em relação à RDF atua em dois aspectos. Por um lado, pode ser considerado como um tipo de dicionário que estende o RDFS. Por outro lado, é um formalismo mais poderoso, para o qual o RDF é apenas um formato de serialização. Nem todas as construções elementares da OWL podem ser escritas usando um único trigêmeo RDF.

Dependendo de qual subconjunto das construções OWL é permitido usar, eles falam sobre os chamados perfis OWL . Os padronizados e mais famosos são OWL EL, OWL RL e OWL QL. A escolha do perfil afeta a complexidade computacional das tarefas típicas. Um conjunto completo de designs de coruja combinando $$$\ mathcal {SROIQ (D)}$, chamado OWL DL. Às vezes, eles também falam sobre OWL Full, no qual as construções OWL podem ser usadas com toda a liberdade inerente ao RDF, sem limitações semânticas e computacionais $$$\ mathcal {SROIQ (D)}$. Por exemplo, algo pode ser uma classe e uma propriedade. OWL Full é insolúvel.

Os princípios fundamentais para anexar efeitos à OWL são a aceitação da suposição de mundo aberto ( OWA ) e a rejeição da presunção de suposição de nome exclusivo ( UNA ). Abaixo, veremos o que esses princípios podem levar e se familiarizar com algumas construções de OWL.

Deixe a ontologia conter o seguinte fragmento (na sintaxe de Manchester):

 Class: manyChildren EquivalentTo: Human that hasChild min 3 Individual: John Types: Human Facts: hasChild Alice, hasChild Bob, hasChild Carol 

Do que foi dito acima, João é grande? A recusa da UNA forçará o mecanismo de saída a responder a essa pergunta de forma negativa, porque Alice e Bob podem muito bem ser a mesma pessoa. Para que ocorra o seguinte, é necessário adicionar o seguinte axioma:

 DifferentIndividuals: Alice, Bob, Carol, John 

Agora, o fragmento da ontologia tem a seguinte forma (João é declarado grande, mas ele tem apenas dois filhos indicados):

 Class: manyChildren EquivalentTo: Human that hasChild min 3 Individual: John Types: Human, manyChildren Facts: hasChild Alice, hasChild Bob DifferentIndividuals: Alice, Bob, Carol, John 

Essa ontologia será inconsistente (que pode ser interpretada como evidência de dados inválidos)? A adoção do OWA forçará o mecanismo de saída a responder negativamente: “em outro lugar” (em outra ontologia), pode-se dizer que Carol também é filha de John.

Para excluir a possibilidade disso, adicionamos um novo fato sobre John:

 Individual: John Facts: hasChild Alice, hasChild Bob, not hasChild Carol 

Para excluir a aparência de outras crianças, dizemos que todos os valores da propriedade "ter um filho" são pessoas, das quais temos apenas quatro:

 ObjectProperty: hasChild Domain: Human haracteristics: Irreflexive Class: Human EquivalentTo: { Alice, Bill, Carol, John } 

Agora, a ontologia se tornará controversa, que o mecanismo de saída não deixará de relatar. O último dos axiomas, em certo sentido, "fechamos" o mundo e observamos como a possibilidade de John ser um filho para si é excluída.

Vinculando dados corporativos

Um conjunto de abordagens e tecnologias Linked Data foi originalmente destinado à publicação de dados na Web. Seu uso no ambiente corporativo enfrenta uma série de dificuldades.

Por exemplo, em um ambiente corporativo fechado, o poder dedutivo da OWL, com base na adoção da OWA e na rejeição da UNA, decisões devido à natureza aberta e distribuída da Web, é muito fraco. E aqui as seguintes saídas são possíveis.

• Capacitação da semântica da OWL, envolvendo o abandono da OWA e a adoção da UNA, a implementação do mecanismo de saída correspondente. - Desta forma , o armazenamento Stardog RDF.
• O abandono das capacidades dedutivas da OWL em favor dos mecanismos de regras. - Stardog suporta SWRL ; Jena e GraphDB oferecem seus próprios idiomas de regra.
• Recusa de possibilidades dedutivas de OWL, use para modelagem de um ou outro subconjunto próximo ao RDFS. - Veja mais sobre isso mais tarde.

Outro problema é a atenção mais significativa que no mundo corporativo é possível dedicar a problemas de qualidade dos dados e a falta de ferramentas de validação de dados na pilha de dados vinculados. As saídas são as seguintes.

• Novamente, o uso de OWL constrói com a semântica de um mundo fechado e a exclusividade de nomes na presença de um mecanismo de saída apropriado para validação.
• Usando o SHACL , padronizado após a correção da lista de camadas do Bolo de Camadas da Web Semântica (no entanto, ele também pode ser usado como um mecanismo de regras) ou ShEx .
• A percepção de que tudo é feito em última instância por consultas SPARQL, a criação de nosso próprio mecanismo simples para validação de dados usando-as.

No entanto, mesmo uma rejeição completa dos recursos dedutivos e das ferramentas de validação deixa a pilha de Dados vinculados incomparável em tarefas com um cenário semelhante às tarefas de integração de dados abertas e distribuídas na Web.

A prática mostra que a pilha é usada com mais frequência em tarefas relacionadas à distribuição e heterogeneidade de dados, por exemplo, ao criar sistemas da classe MDM (Master Data Management) ou DWH (Data Warehouse). Essas tarefas estão disponíveis em qualquer setor.

Quanto aos aplicativos específicos do setor, as tecnologias do Linked Data são atualmente as mais populares nos seguintes setores.

• tecnologias biomédicas (onde sua popularidade está aparentemente relacionada à complexidade da área de atuação);

• a fabricação e operação de produtos complexos (engenharia em larga escala, produção de petróleo e gás; na maioria das vezes estamos falando da norma ISO 15926 );

• organizações financeiras (até o XBRL pode ser considerado um híbrido do SDMX e do ontológico RDF Data Cube);

• sistemas de perguntas e respostas que possuem aplicativos comerciais (IBM Watson, Apple Siri, Google Knowledge Graph);

• publicação de dados estruturados (com razão, isso já pode ser atribuído ao Linked Open Data).

Também recomendamos que você se familiarize com a lista de usuários da loja Stardog RDF no site da Stardog na seção Clientes.

Seja como for, no Gartner Hype Cycle de 2016 para o gerenciamento emergencial de taxonomia e ontologia de empresas emergentes foi colocado no meio da descida para o vale da decepção, com a perspectiva de atingir o "platô da produtividade" não antes de dez anos depois.

Conectando dados corporativos

No entanto, já no “Hype Cycle ...” de 2018, outra tendência de alta apareceu - Knowledge Graphs. Houve uma certa reencarnação: os DBMSs gráficos, que chamaram a atenção dos usuários e a força dos desenvolvedores, sob a influência das solicitações do primeiro e dos hábitos do último, começaram a tomar forma e posicionar seus concorrentes.

Quase todo gráfico DBMS agora se proclama uma plataforma adequada para a construção de um “gráfico de conhecimento” corporativo (“dados vinculados” às vezes são substituídos por “dados conectados”), mas quão justificadas são essas alegações?

Os bancos de dados de gráfico ainda são semânticos, os dados no DBMS do gráfico ainda são o mesmo silo de dados. URI , RDF- RDF-. — LPG, .

, . , SQL.

, RDF- LPG. , Blazegraph: RDF*, RDF LPG.

Literatura

1. Halpin, H., Monnin, A. (eds.) (2014) Philosophical Engineering: Toward a Philosophy of the Web
2. Allemang, D., Hendler, J. (2011) Semantic Web for the Working Ontologist (2nd ed.)
3. Staab, S., Studer, R. (eds.) (2009) Handbook on Ontologies (2nd ed.)
4. Wood, D. (ed.). (2011) Linking Enterprise Data
5. Uschold M. (2018) Demystifying OWL for the Enterprise
6. Keet, M. (2018) An Introduction to Ontology Engineering