Ontology and Semantic Web

VYSOKÉ U

Č

ENÍ TECHNICKÉ V BRN

Ě

FAKULTA INFORMA

Č

NÍCH TECHNOLOGIÍ

ÚSTAV INFORMA

Č

NÍCH SYSTÉM

Ů

FACULTY OF INFORMATION TECHNOLOGY DEPARTMENT OF INFORMATION SYSTEMS

ONTOLOGIE A SÉMANTICKÝ WEB

DIPLOMOVÁ PRÁCE

AUTOR PRÁCE

Radek Stuchlík

AUTHOR

VEDOUCÍ PRÁCE

Ing. Pavel O

č

enášek

Abstrakt

Diplomová práce s názvem Ontologie a Sémantický Web se snaží o vysvě_{tlení základních princip}ů

ontologií, které úzce souvisejí s tzv. novou generací webu: sémantickým webem. Diplomová práce je koncipována jako tutoriál a zaměř_{uje se tedy jak na teoretické základy, tak i na praktické p}ř_íklady

využití dosud vyvinutých technologií. Úč_{elem tutoriálu je p}ř_{edstavit základní myšlenky sémantického}

webu, technologií a datových formátů_{, které by m}ě_{ly umožnit jeho zavedení do praxe.}

Klí

č

ová slova

Sémantický web, sémantika, ontologie, metadata, RDF, OWL, URI.

Abstract

The purpose of the master’s thesis "Ontology and Semantic Web" is to give a description of general principles of ontologies, which are closely associated with so-called new generation of web: semantic web. The thesis is conceived as tutorial and it is focused on both theoretical basics and practical examples of the use of technologies developed recently. The aim of this tutorial is to present main ideas of semantic web, technologies and data formats, which should provide its implementation into standard practice.

Keywords

Semantic web, semantics, ontology, metadata, RDF, OWL, URI.

Ontologie a sémantický web

Prohlášení

Prohlašuji, že jsem tuto diplomovou práci vypracoval samostatně _{pod vedením Ing. Pavla O}č_enáška.

Uvedl jsem všechny literární prameny a publikace, ze kterých jsem č_erpal.

……… Radek Stuchlík V Brně_{, dne 10.5.2007}

Pod

ě

kování

Na tomto místě _{bych rád pod}ě_{koval vedoucímu práce za podn}ě_{tné p}ř_{ipomínky a nápady pro moji}

práci.

© Radek Stuchlík, 2007.

Tato práce vznikla jako školní dílo na Vysokém uč_{ení technickém v Brn}ě_{, Fakult}ě _informač_ních technologií. Práce je chráně_{na autorským zákonem a její užití bez ud}ě_{lení oprávn}ě_{ní autorem je} nezákonné, s výjimkou zákonem definovaných př_ípadů_.

Obsah

Obsah ...1

1 Úvod ...2

2 Tutoriál ...3

2.1 Koncepce sémantického webu...3

2.2 RDF ...3

2.3 Ontologie ...4

2.4 Ontologické jazyky ...4

2.5 OWL ...5

2.6 Editor ontologií Protégé-owl ...5

3 Webová verze tutoriálu...6

4 Závě_r...7

1

Úvod

Tato diplomová práce se zabývá dvě_{mi oblastmi, které úzce souvisejí se sou}č_{asnou celosv}ě_tovou

poč_ítač_{ovou sítí Internet. První z nich je oblast, která bývá n}ě_{kdy nazývána ontologickým}

inženýrstvím a týká se právě _{ontologií. Oblast ontologického inženýrství je známa již delší dobu,}

poč_{átky jejího vývoje sahají do 90. let minulého století. Ontologie a ontologické inženýrství poskytlo}

základ technologie potř_{ebné pro zrealizování myšlenky webu nové generace, jejímž autorem je Tim}

Barners-Lee, který je ř_{editelem konsorcia W3C a je také považován za zakladatele sou}č_asného

Internetu. Právě _{web nové generace, tedy sémantický web, je p}ř_edmě_{tem druhé} č_{ásti této diplomové}

práce. Pojem sémantický web spatř_{il sv}ě_{tlo sv}ě_{ta již p}ř_{ed n}ě_{kolika lety, ale ješt}ě _{stále se nepoda}ř_ilo

uvést do bě_{žné praxe všechny jeho výhody, které byly prezentovány vizioná}ř_{i této oblasti Internetu.}

Avšak po dobu vývoje sémantického webu vznikla ř_{ada nových technologií a n}ě_{které z nich jsou již}

prakticky využívány.

Struktura tohoto dokumentu je poně_{kud odlišná od standardu jiných diplomových prací.}

Hlavním dů_{vodem je fakt, že ú}č_{elem diplomové práce bylo vytvo}ř_{ení tutoriálu, který má být využit}

jako uč_{ební text pro výuku p}ř_edmě_{tu PIS – Pokro}č_{ilé Informa}č_{ní Systémy, vyu}č_{ovaného na fakult}ě

informač_{ních technologií VUT v Brn}ě_{. Vzhledem k tomu, že formát samotného tutoriálu je odlišný}

od př_{edepsaného formátu diplomové práce, tato obsahuje pouze shrnutí informací obsažených}

v tutoriálu. Samotný uč_{ební text je potom p}ř_{iložen jako jedna z p}ř_{íloh diplomové práce, avšak}

objemem textu odpovídá požadavků_{m na objem textu diplomové práce.}

První č_{ást diplomové práce s názvem Tutoriál se tedy v}ě_{nuje jednotlivým kapitolám}

př_{iloženého u}č_{ebního textu. V druhé} č_{ásti je p}ř_{edstavena interaktivní verze tutoriálu, která je jakousi}

alternativou k textovému dokumentu. Tuto verzi tutoriálu je možné spustit v bě_{žném internetovém}

2

Tutoriál

Jak již bylo naznač_{eno v úvodu, tato kapitola se zabývá jednotlivými} č_{ástmi u}č_{ebního textu. Každá}

následující podkapitola př_{edstavuje jednu hlavní kapitolu tutoriálu a popisuje hlavní myšlenky a}

informace o daném tématu, ř_{ešeném v rámci konkrétní} č_{ásti tutoriálu.}

2.1

Koncepce sémantického webu

Č_{ást tutoriálu v}ě_{novaná koncepci sémantického webu se snaží p}ř_{inést odpov}ěď _{na otázky: Co je to}

sémantický web? Proč _{vznikl? Jak má být implementován a pomocí jakých technologií? Dále jsou}

zde uvedeny základní stavební kameny sémantického webu. Je zde podrobně_{ji popsán problém}

sémantiky informace. Jakou vlastně _{známe sémantiku? Vysv}ě_{tluje se zde, jaký je rozdíl mezi}

sémantikou implicitní a explicitní, formální a neformální.

Mezi další základní stavební kameny sémantického webu patř_{í metadata. Jaká je definice}

pojmu metadata? Mimo jiné se zde uvádí, jak lze metadata kategorizovat a je zde také uvedena první zmínka o ontologiích. Následuje objasně_{ní pojmu zdroj. Co vše lze považovat za zdroj a jak jej lze}

identifikovat? V této č_{ásti kapitoly je také vysv}ě_{tlen rozdíl mezi URI (Uniform Resource}

Identifikator), URL (Uniform Resource Locator) a URN (Uniform Resource Name).

Poslední č_{ást kapitoly se zabývá jmennými prostory. Vysv}ě_{tluje princip deklarace nového}

jmenného prostoru a také obsahuje tabulku s popisem jmenných prostorů_{, které budou využity i}

v dalších č_{ástech tutoriálu.}

2.2

RDF

Kapitola tutoriálu s názvem RDF (Resource Description Framework), což lze volně _př_{eložit jako:}

„formát pro popis zdrojů_{“, p}ř_{edstavuje nový formát pro reprezentaci webových dat. P}ř_esně_{ji, podle}

definice konsorcia W3C, které stojí za vývojem tohoto formátu, jde o obecný rámec pro popis, výmě_{nu a znovupoužití metadat.}

První č_{ást se v}ě_{nuje syntaxi formátu RDF. Vysv}ě_{tluje, že RDF nemá definovanou implicitní}

syntaxi pro reprezentaci dat. Je definována pouze jakási abstraktní syntaxe, která se vztahuje k RDF trojicím. Avšak existují konkrétní syntaxe, které lze pro reprezentaci dat v RDF použít. Jedná se o syntaxe N-Triples, N3 (Notation 3) a pravdě_podobně _nejč_astě_{ji využívanou RDF/XML. Ke každému}

typu syntaxe je doplně_{n p}ř_{íklad použití.}

Další č_{ást se v}ě_{nuje RDF graf}ů_{m. RDF graf je definován jako kone}č_{ná množina RDF trojic.}

objasň_{uje specifickou} č_{ást RDF graf}ů_{: prázdné uzly. Textový popis je dopln}ě_{n o spustitelné}

prezentace ve formátu pps (PowerPoint prezentace), které se snaží př_ehledně _vysvě_{tlit zp}ů_sob

vytvoř_{ení RDF grafu a také objasnit význam prázdných uzl}ů _{v RDF grafech.}

2.3

Ontologie

Tato č_{ást tutoriálu se v}ě_{nuje ontologiím. Snaží se o vymezení pojmu v mezích použitelnosti}

v prostř_{edí webu a jeho služeb. Jsou zde také uvedeny dv}ě _{základní definice od T.Grubera (1993) a}

W.Borsta (1997), které byly dále rozvíjeny a v souč_{asné dob}ě _{existují snad i desítky r}ů_zně _se

doplň_{ujících definicí tohoto pojmu.}

Dále se kapitola zabývá úč_{elem ontologií a definuje typy ontologií podle r}ů_zných č_leně_ní,

např_{íklad dle oborových oblastí na ontologie terminologické, informa}č_{ní a znalostní. Nebo} č_leně_ní

podle př_edmě_{tu formalizace na ontologie generické, doménové, úlohové a aplika}č_{ní. V poslední} č_ásti

této kapitoly je rozebrána struktura ontologií a jsou zde vysvě_{tleny významy jejích jednotlivých} č_ástí,

což jsou tř_{ídy, instance a individua, relace, omezení slot}ů_{, primitivní datové hodnoty a axiomy.}

2.4

Ontologické jazyky

Kapitola týkající se ontologických jazyků _{v úvodu p}ř_{edstavuje n}ě_{které významné, dnes již historické,}

ontologické jazyky. Snaží se objasnit, proč _vlastně _{ontologické jazyky vznikaly a jaký byl postup p}ř_i

jejich vývoji. Č_{astým jevem bylo, že po vzniku jazyka byl jeho vývoj záhy ukon}č_{en, ale dosavadní}

zkušenosti byly použity př_{i vývoji nového jazyka, založeného na principech jazyka p}ř_edchozího.

Podrobně_{ji jsou zde popsány dva významné historické jazyky: SHOE (Simple HTML Ontology}

Extension), který vznikl v roce 1996 na University of Maryland a jazyk Ontobroker, jež vznikal ve stejné době_{, ale na evropské univerzit}ě _{v Karlsruhe.}

Další č_{ást této kapitoly se zabývá RDF Schématem (zkrácen}ě _{RDFS). V tomto p}ř_ípadě _se

nejedná o klasický ontologický jazyk, jde spíše o sémantické rozšíř_{ení formátu RDF. Avšak RDFS je}

významnou souč_{ástí dalších ontologických jazyk}ů_{, zejména dnes nejpoužívan}ě_{jšího ontologického}

jazyka OWL, kterému je vyhrazena samostatná kapitola tutoriálu. RDFS totiž doplň_{uje do struktury}

RDF základní ontologické konstrukce, tř_{ídy a binární relace a umož}ň_{uje nad t}ě_{mito t}ř_{ídami a}

relacemi definovat hierarchické struktury. Ty pak lze využívat v ostatních ontologických jazycích, vč_etně _zmiň_{ovaného OWL.}

Následující č_{ást kapitoly se v}ě_{nuje deskrip}č_{ní logice. Deskrip}č_{ní logika je vlastn}ě _rodinou

logických formalismů_{, které se využívají pro reprezentaci znalostí. Jsou zde popsány základy syntaxe}

jsou zde uvedeny př_evážně _kvů_{li návaznosti na následující popisovaný ontologický jazyk}

DAML+OIL, jehož základy jsou vystavě_{ny práv}ě _{na deskrip}č_{ní logice.}

Poslední č_{ást této kapitoly se tedy v}ě_{nuje jazyku DAML+OIL, který vznikl spojením dvou}

rozdílných koncepcí: DAML (DARPA Agent Marku-up Language) a OIL (Ontology Inference Layer).

2.5

OWL

Pro ontologický jazyk OWL (Ontology Web Language) byla vyhrazena samostatná kapitola, protože v souč_{asné dob}ě _{je tento jazyk nejpoužívan}ě_{jším ontologickým jazykem. Za jeho vznikem a vývojem}

stojí konsorcium W3C. Velký význam na vzniku OWL mají př_{edchozí zkušenosti s jazykem}

DAML+OIL.

První č_{ást kapitoly o jazyce OWL p}ř_{edstavuje jeho další dv}ě _{verze OWL Light a OWL DL,}

které by mě_{ly rozlišit úrovn}ě _{použitelnosti jazyka ve vztahu k r}ů_{zné úrovni znalostí uživatele}

(vývojář_{e) a také ve vztahu k pot}ř_{ebám jednotlivých aplikací. Nejvyšší verzí je potom samotný jazyk}

OWL, ně_{kdy ozna}č_{ovaný jako OWL Full.}

Zbylá č_{ást kapitoly podrobn}ě _{rozebírá strukturu jazyka OWL. Zam}ěř_{uje se na reprezentaci}

ontologických tř_{íd, pomocí p}ř_íkladů _vysvě_{tluje možné zp}ů_{soby deklarací t}ř_{íd a jejich omezení. Jsou}

zde uvedeny př_{íklady t}ř_{íd definovaných identifikátorem, vý}č_{tem prvk}ů _{nebo omezením vlastností t}ř_íd

(sjednocením, prů_{nikem, dopl}ň_{kem). Stejným zp}ů_{sobem popisuje vlastnosti tvrzení. Vysv}ě_tluje

rozdíly mezi vlastnostmi objektovými a dato-typovými. Obsahuje výč_{et konstruktor}ů_{, které lze použít}

k definici vlastností a opě_{t, pomocí p}ř_íkladů_{, názorn}ě _{popisuje jejich použití.}

2.6

Editor ontologií Protégé-owl

Poslední kapitola tutoriálu je vě_{nována praktickým nástroj}ů_{m pro vytvá}ř_{ení a editaci ontologií, tedy}

konkrétně _{jednomu vybranému nástroji Protégé-owl. Jedná se o freeware software, který je možné}

legálně _{stáhnout ze sít}ě _{Internet a voln}ě _{používat. D}ů_{ležitým argumentem pro výb}ě_{r tohoto nástroje je}

fakt, že jako jeden z mála volně _{dostupných editor}ů _{je stále vyvíjen a nabízí edita}č_{ní funkce, které}

jsou bě_žně _{dostupné u komer}č_{ních editor}ů_.

Kapitola o editoru Protégé-owl obsahuje odkazy, odkud je možné editor stáhnout a popisuje postup instalace. Dále č_tenář_{e stru}č_ně _{seznamuje s uživatelským rozhraním, p}ř_{edstavuje jeho}

možnosti a také obsahuje postup př_{i vytvá}ř_{ení nové ontologie.}

3

Webová verze tutoriálu

Jako doplně_{k k textové verzi tutoriálu byla v rámci diplomové práce vytvo}ř_{ena webová verze}

tutoriálu. Hlavní nabídka obsahuje odkazy, které mají č_tenář_{i nabídnout efektivn}ě_{jší výb}ě_{r kapitol}

tutoriálu, možnost zobrazit si pouze př_{íklady se}ř_{azené podle p}ř_{íslušnosti ke kapitolám tutoriálu.}

Mimo to nabídka obsahuje seznam všech obrázků _{a spustitelných prezentací ve formátu pps}

(PowerPoint). Další položkou nabídky jsou odkazy na literaturu použitou pro vypracování tutoriálu. Odkazované dokumenty mohou č_tenář_{i nabídnout podrobn}ě_{jší informace o daném tématu}

zpracovaném v tutoriálu.

Webová verze tutoriálu byla implementována pouze pomocí XHTML, CSS a ně_{kolika Java}

skriptů_{. D}ů_{vodem k této form}ě _{implementace byl požadavek na možnost spušt}ě_{ní tutoriálu jak}

z webového, tak i z lokálního umístě_{ní. Tato verze tutoriálu je k diplomové práci p}ř_{iložena na CD.}

4

Záv

ě

r

Oblast ontologií a sémantického webu př_{edstavuje hlavní sm}ě_{r vývoje sou}č_{asného Internetu a jeho}

služeb. V této diplomové práci, resp. v př_{iloženém tutoriálu, jsem se snažil zachytit vznik a vývoj}

technologií potř_{ebných pro realizaci princip}ů _{a myšlenek sémantického webu a také popsat sou}č_asnou

úroveň _{poznání t}ě_{chto technologií vzhledem k možnostem jejich využití pro pot}ř_{eby sémantického}

webu. Avšak vzhledem k rychlosti, s jakou se objevují nové poznatky a př_{ibývá vývojá}řů_{, kte}ř_í

experimentují s uvedenými technologiemi, je dost dobř_{e možné, že n}ě_{které informace v tutoriálu již}

budou zastaralé a ně_{které služby, které jsou zde uvád}ě_{ny jako vizioná}ř_{ské, již budou prakticky}

použitelné.

I př_{es tento fakt se domnívám, že informace obsažené v tutoriálu mohou být i nadále}

považovány za solidní zdroj základních informací o hlavních stavebních kamenech sémantického webu a ontologického inženýrství. Nepř_{ehlédnutelným p}ř_{ínosem tutoriálu je, že je vypracován}

kompletně _v č_eštině_{. Z vlastních zkušeností, kterých jsem nabyl p}ř_{i tvorb}ě _{tohoto tutoriálu, vím, že}

vě_{tšina relevantních materiál}ů _{týkajících se sémantického webu je dostupná p}ř_evážně _{v angli}č_tině_.

Možnosti dalšího pokrač_{ování tohoto, pon}ě_{kud specifického, projektu jsou vzhledem}

k př_{edchozím slov}ů_{m z}ř_{ejmé. Je t}ř_{eba dále sledovat vývoj technologií sémantického webu a snažit se}

zmapovat př_{ípadné zm}ě_{ny týkající se stávajících technologií nebo vzniku nových, nap}ř_íklad

Seznam p

ř

íloh

Př_{íloha 1. Tutoriál: Ontologie a sémantický web}

Ontologie a sémantický web

tutoriál

Obsah

1 Úvod ...3

1.1 Struktura dokumentu ...3

1.2 Př_{edpokládané znalosti ...3}

2 Koncepce sémantického webu...4

2.1 Proč _{sémantický web? ...4}

2.1.1 Idea sémantického webu...4

2.2 Základní prvky sémantického webu ...5

2.2.1 Sémantika ...5 2.2.2 Metadata ...7 2.2.3 Identifikace zdrojů_...8 2.2.4 Jmenné prostory...10 3 RDF ...12 3.1 Syntaxe RDF...12 3.2 RDF grafy ...12 3.2.1 Datové typy...13 3.2.2 Literály...14 3.2.3 Prázdné uzly ...14 3.3 Konkrétní syntaxe RDF ...15 3.3.1 N-Triples...15 3.3.2 N3 (Notation 3)...16 3.3.3 RDF/XML syntaxe ...17 4 Ontologie ...21 4.1 Vymezení pojmu...21 4.1.1 Definice ...21 4.1.2 Úč_{el ontologií ...21} 4.2 Č_leně_{ní ontologií ...22}

4.2.1 Č_leně_{ní podle oborových oblastí ...22}

4.2.2 Č_leně_{ní podle p}ř_edmě_{tu formalizace ...22}

4.3 Struktura ontologií ...23

4.3.1 Tř_{ídy, koncepty...23}

4.3.2 Instance, individua...24

4.3.3 Relace, sloty...24

4.3.5 Primitivní hodnoty a datové typy ...24

4.3.6 Axiomy, pravidla ...25

5 Ontologické jazyky...26

5.1 Historické ontologické jazyky ...26

5.1.1 SHOE...26 5.1.2 Ontobroker...27 5.2 RDF Schéma...28 5.2.1 Tř_{ídy ...28} 5.2.2 Vlastnosti ...29 5.3 Deskripč_{ní logika...31} 5.3.1 Syntaxe ...31 5.3.2 Sémantika ...31 5.4 DAML+OIL...32 5.4.1 Tř_{ídy a axiomy...32} 5.4.2 Struktura jazyka ...33 6 OWL ...35

6.1 Verze jazyka OWL - Light, DL, Full...35

6.1.1 OWL Full, DL ...35

6.1.2 OWL Light ...36

6.2 Syntaxe ...36

6.3 Struktura OWL dokumentu ...36

6.3.1 Hlavič_ka...36

6.3.2 Tř_{ídy ...37}

6.3.3 Vlastnosti ...41

7 Editor ontologií Protégé-owl ...43

7.1 Instalace ...43

7.2 Vytvoř_{ení nové ontologie ...43}

7.3 Popis funkcí uživatelského rozhraní ...46

7.3.1 Karta OWL Classes ...46

7.3.2 Karta Properties ...47

7.3.3 Karta OWLViz...48

Literatura ...49

1

Úvod

V tomto dokumentu jsem se snažil shrnout ně_{které základní informace o nov}ě

vznikající a neustále se vyvíjející oblasti informač_{ních technologií a sice}

sémantického webu a s ní př_{ímo související problematikou ontologií.}

Dokument je psán formou tutoriálu, snaží se tedy popsat jak teoretický základ dané problematiky, tak také př_{edstavit a vysv}ě_{tlit praktickou} č_{ást problému}

pomocí př_íkladů_{. První} č_{ást tutoriálu se zabývá základními principy a}

souč_{ástmi sémantického webu. Druhá} č_{ást tutoriálu vysv}ě_{tluje problematiku}

ontologií a jsou zde podrobně_{ji popsány n}ě_{které ontologické jazyky.}

1.1

Struktura dokumentu

Dokument je strukturován pomocí č_{íslovaných kapitol, které jej rozd}ě_{lují na}

ně_{kolik logických celk}ů_{. Formát dokumentu tutoriál rozd}ě_{luje na textovou} č_ást

a levý pomocný sloupec, ve kterém jsou umístě_{na pomocná hesla pro snazší}

orientaci v textu. Za úč_{elem vyhledávání je na konci dokumentu umíst}ě_n

rejstř_ík.

Tutoriál obsahuje také spustitelné prezentace ve formátu MS Office PowerPoint, které jsou v levém sloupci označ_{eny ikonou:}

1.2

P

ř

edpokládané znalosti

Vzhledem k omezenému rozsahu problematiky popisované v tomto tutoriálu se u č_tenář_{e p}ř_{edpokládají n}ě_{které základní znalosti z oblasti internetových}

technologií a aplikací, které zde nejsou vysvě_tleny.

Konkrétně _{se jedná o problematiku zna}č_{kovacích jazyk}ů_{. Naprostou}

nutností je znalost formátu HTML (HyperText Markup Language). Aby bylo možné pochopit nově_{jší datové formáty, které jsou vhodné pro sémantický}

web, je tř_{eba znát alespo}ň _{základní principy formátu XML (eXtended Markup}

Language) a způ_{soby zpracování XML dokument}ů_.

Struktura dokumentu

Př_{edpokládané}

2

Koncepce sémantického webu

2.1

Pro

č

sémantický web?

Abychom si mohli odpově_dě_{t na otázku: „Pro}č _{sémantický web?“, je t}ř_eba

zamyslet se nad tím, v jakém stavu se nyní nachází souč_{asný web. Je z}ř_ejmé,

že s rozšiř_{ováním internetových služeb a jejich dostupnosti pro širokou}

veř_{ejnost je na webu dostupné stále v}ě_{tší množství informací. S tím však}

souvisí problém, jak tyto informace vyhledávat a tř_{ídit tak, aby bylo možné}

webové služby efektivně _využívat.

Stávající způ_{sob, založený na textovém vyhledávání nebo vyhledávání}

pomocí klíč_{ových slov obsažených v dokumentech, již za}č_{al být velmi}

nedostač_{ující. Je pravdou, že sou}č_{asný web a jeho technologie se velice}

dynamicky rozvíjejí. Vznikají nové formáty pro uchovávání, zpracování a následnou prezentaci dat. Stále více se využívá databází a dynamicky generované internetové stránky nejsou žádnou zvláštností. S jistou mírou nadsázky však mů_žeme ř_{íci, že tyto technologie prozatím zlepšují pouze formát}

výstupu informací, které jsou prezentovány uživateli. Grafická úprava stránek, dynamicky generované obsahy vyhledané z databází, př_{ehledy stažené}

z rů_{zných web}ů_{, to vše vede stále k tomu, že jediný, kdo dokáže porozum}ě_t

obsahu informací prezentovaných na Internetu je č_lově_{k. Je tedy stále na onom}

uživateli, aby vyhledané informace vyhodnotil a na základě _{toho pokra}č_oval

dalším hledáním nebo jiným zpracováním výsledků_.

2.1.1 Idea sémantického webu

Hlavním stvoř_{itelem myšlenky sémantického webu je Tim Barners-Lee, který}

je považován za zakladatele souč_{asného Internetu. Je také} ř_{editelem konsorcia}

W3C, které se mimo jiné zabývá právě _{vývojem sémantického webu.}

Na rozdíl od souč_{asného webu, který je zam}ěř_{en na prezentaci informací}

srozumitelných pro č_lově_{ka, se sémantický web snaží prezentovat informace}

takovým způ_{sobem, aby byly srozumitelné jak pro} č_lově_{ka, tak pro stroje. Pod}

pojmem „informace srozumitelné pro stroje“ je myšlena schopnost speciálních softwarových aplikací vyhledat a zpracovat obsah informace získané z webu. Př_eneseně ř_eč_{eno, takové aplikace by m}ě_{ly “v}ě_dě_{t“, co mají s nalezeným}

obsahem dě_{lat. Na} ř_{ešení takového problému bychom se mohli podívat ze dvou}

obecných hledisek.

Porozumění specifikaci sémantiky informace

Prvním pohledem je doplně_{ní informací prezentovaných na webu o sémantické}

informace, kterým by byly speciální softwarové aplikace schopny porozumě_t.

To by znamenalo vytvoř_{ení obecn}ě _{platné specifikace sémantiky všech}

informací, které by pak byly strojověč_{itelné. Taková aplikace by dokázala} č_íst

a automaticky zpracovat obsah webu. Díky tomu by bylo možné zpracovávat

Proč sémantický

web?

Idea

sémantického webu

mnohem složitě_{jší webové úlohy, nap}ř_{íklad kombinované vyhledávání}

informací s jejich vyhodnocením. Souč_{asná úrove}ň _{poznání webových}

technologií však prozatím podobné ř_{ešení problému neumož}ň_uje.

Př_{idání sémantiky do aplikací}

Druhou možností zanesení sémantiky do webu je př_{ímé zapracování znalostí}

do webových aplikací, které pak dokáží vyhledávat informace klasickými metodami a na základě _tě_{chto znalostí informace zpracovat. Tento zp}ů_sob

př_{edstavuje jakousi alternativní možnost k prozatím vizioná}ř_{ské p}ř_edstavě

sémanticky obohacených informací.

Aplikací, které pracují na takovém principu již existuje spousta. Např_{íklad webové aplikace, n}ě_{kdy ozna}č_{ované jako “obchodní agenti“, které}

dokáží vyhledávat informace z webů _{na základ}ě _ně_{kterých klí}č_{ových slov a}

najít tak nejlevně_{jší cenu požadovaného výrobku apod.}

2.2

Základní prvky sémantického webu

Abychom mohli lépe pochopit princip sémantického webu, je tř_{eba vysv}ě_{tlit si}

ně_{které základní pojmy a popsat základní prvky budoucí generace webu.}

2.2.1 Sémantika

Jak již sám název napovídá, nejpodstatně_{jší sou}č_{ástí sémantického webu je}

právě _{ona sémantika. Vzhledem k zam}ěř_{ení a rozsahu tohoto dokumentu se}

zaměř_{íme na objasn}ě_{ní tohoto pojmu pouze v souvislosti se sémantickým}

webem.

Základním a nejjednodušším výkladem slova sémantika je “význam“ (v ně_{kterých publikacích je sémantický web nazýván významovým webem).}

Jak již bylo ř_eč_{eno, významnou sou}č_{ástí sémantického webu budou programy,}

agenti, kteř_{í budou schopni vykonávat složité úlohy práv}ě _{na základ}ě

porozumě_{ní obsahu r}ů_{zných webových zdroj}ů_{, budou chápat jejich “význam“.}

Stejně _{tak bude t}ř_{eba, aby byly schopny vym}ěň_{ovat si informace mezi sebou.}

Jaký druh sémantiky bude tedy tř_{eba, v} č_{em bude obsažena a jak bude možné ji}

využívat? Obecně _{bychom mohli náhled na sémantiku ve vztahu}

k sémantickému webu rozdě_{lit do} č_tyř _skupin:

• Implicitní

• Explicitní (neformální)

• Formální pro zpracování č_lově_kem

• Formální pro strojové zpracování

Implicitní sémantika

V nejjednodušším př_ípadě _{se m}ů_{žeme na sémantiku dívat jako na implicitní.}

V takovém př_ípadě _{je význam založen na spole}č_{ném porozum}ě_{ní lidí danému}

termínu podle konvenč_{ních znalostí.}

Př_{edpokládejme, že existuje webová aplikace na bázi internetového}

obchodu a je implementována pomocí XML. Je bě_{žnou praxí, že jednotlivé}

Základní prvky sémantického webu

Implicitní sémantika

ceny zboží budou označ_{eny zna}č_{kami s názvem “cena“. V sou}č_{asné dob}ě

neexistuje způ_{sob, jak pomocí formátu XML definovat význam zna}č_{ky, ale} č_lově_{k tomuto termínu porozumí a m}ů_{že tak tuto “znalost“ zapracovat do}

webové aplikace. Na stejném principu fungují v souč_{asné dob}ě _{již zmi}ň_ovaní

obchodní agenti.

Je zř_{ejmé, že nevýhodou implicitní sémantiky je práv}ě _nejednoznač_nost

významu. Nejsou urč_{ena žádná pravidla pro zachycení sémantiky a tak i}

zdánlivě _jednoznač_{né termíny, jako nap}ř_{íklad zmi}ň_{ovaná “cena“, mohou mít}

v rů_{zných implementacích r}ů_{zné významy (r}ů_{zná m}ě_{na, obsažení dan}ě _apod.).

Explicitní (neformální) sémantika

Dalším př_{ípadem neformální sémantiky je explicitní sémantika. Na rozdíl od}

implicitní sémantiky je význam explicitně _vyjádř_{en, ale problém z}ů_stává

v neformálnosti tohoto vyjádř_ení.

Př_{edstavme si nap}ř_{íklad slovník cizích slov. Pro všechna hesla ve}

slovníku je zde neformálně _(př_{irozeným jazykem) explicitn}ě _vyjádř_{en význam,}

ale vzhledem ke složitosti př_{irozeného jazyka je v sou}č_{asné dob}ě _téměř

nemožné zpracovat tyto sémantické informace strojově_{. Je z}ř_{ejmé, že explicitní}

sémantika je urč_{ena p}ř_evážně _pro č_lově_ka.

Formální sémantika pro zpracování člověkem

Podobně _{jako u p}ř_{edchozího typu sémantiky je formální sémantika explicitní.}

Avšak, jak už plyne z názvu, jde o sémantiku urč_{enou pro zpracování} č_lově_{kem. M}ů_{žeme si ji p}ř_{edstavit jako dokumentaci psanou formálním}

jazykem nebo jako formální specifikaci významu.

Formální sémantika pro strojové zpracování

Formálně _{a explicitn}ě _vyjádř_{ená sémantika tak, aby byla pln}ě _automaticky

zpracovatelná, je prozatím vizí. Př_{edpokladem je, že aplikace (softwarový}

agent) bude schopna automaticky zpracovat i zcela nové pojmy, jejichž sémantiku by dokázala odvodit na základě _{jiných znalostí. Zde však nastává}

problém, jak toho lze dosáhnout.

Pomineme-li výše zmiň_{ovaný zp}ů_{sob zapracování znalostí p}ř_{ímo do}

aplikací, je další možností pouze formální deklarace sémantiky, která by umožň_{ovala dynamicky odhalovat význam obsahu a možnosti jeho zpracování.}

To však nemů_{že fungovat zcela obecn}ě_{, ale je t}ř_{eba znát syntaktická pravidla}

daného jazyka, rozumě_{t jeho symbol}ů_{m. Existuje n}ě_{kolik p}ř_edpokladů_{, které je}

tř_{eba brát v úvahu pro úsp}ě_{šné zavedení formální sémantiky do praxe:}

• Stejný jazyk reprezentace

- rů_{zné ontologické jazyky mají r}ů_{znou vyjad}ř_{ovací sílu,}

rů_{znou míru formální podpory pro zachycení sémantiky}

• Logicky kompatibilní konceptualizace

- stejný jazyk nezaruč_{uje “dorozum}ě_{ní“ dvou stran}

Explicitní sémantika

Formální sémantika

• Veř_ejně _{deklarované koncepty}

- ani př_{i dodržení p}ř_edpokladů _{stejného jazyka a}

kompatibilní konceptualizace nelze zaruč_{it, že dva lidé}

budou používat pro stejnou doménu stejnou ontologii - dva rů_{zné pojmy mohou mít stejný význam a zárove}ň

stejný pojem mů_{že mít dva r}ů_{zné významy}

2.2.2 Metadata

Pojem metadata zač_{al být p}ř_edmě_{tem zájmu odborné ve}ř_{ejnosti již v 90. letech}

minulého století. Vznik a rozvoj digitálních knihoven zapř_íč_{inil, že bylo t}ř_eba

nalézt způ_{sob jak efektivn}ě_{ji popisovat datové záznamy. Absolutní rozvoj této}

tématiky však zaznamenal až vznik a vývoj Internetu a jeho služeb.

Samotné slovo metadata vychází z ř_{eckého slova meta, které lze p}ř_eložit

jako “mezi“ a latinského slova data, tedy “to co je dáno“. Velmi č_{asto bývá}

obecně _{interpretováno jako data o datech, nebo také informace o informacích.}

V souč_{asné dob}ě _{je však tento popis naprosto nedosta}č_{ující a nevyjad}ř_uje

podstatu významu metadat ve vztahu k sémantickému webu.

Definice

Jedním z prvních tvrzení, které mů_{že být považováno za definici metadat}

souč_{asné doby je:}

„Metadata jsou stroji srozumitelné informace o webových zdrojích nebo dalších vě_cech“

,jejíž autorem je Tim Barners-Lee. Podle ně_{j existuje na metadata}

ně_{kolik pohled}ů_{. Hlavním p}ř_{edpokladem je, že metadata jsou stále data,}

z č_{ehož vyplývá, že mohou být sou}č_{ástí n}ě_{jakého zdroje (mohou v n}ě_{m být}

uloženy). Mohou tedy obsahovat informace o sobě _{samém nebo také o dalších}

zdrojích. Tyto informace mohou být rů_{zného charakteru. Mohou vypovídat o}

obsahu dat, o způ_{sobu uložení dat a jejich spravování. Na druhou stranu mohou}

obsahovat informace, které př_{ímo nesouvisí s obsahem dat, ale nap}ř_íklad

datum vytvoř_{ení dokumentu, umíst}ě_{ní apod.}

Použití metadat se sebou mimo jiné př_{ináší nespornou výhodu, kterou je}

redukce informač_{ního zahlcení a to p}ř_evážně _{díky dv}ě_{ma výhodám:}

• Umožň_{ují abstrahovat d}ů_{ležité informace (formát nebo}

organizace dat) a zachycují informač_{ní obsah nezávisle na}

pů_{vodní form}ě _dat.

• Umožň_{ují reprezentovat doménové znalosti popisem informa}č_ní

oblasti, k níž př_{ísluší výchozí data (je tedy možné ov}ěř_{it si}

relevanci dat bez nutnosti př_{istupovat k dat}ů_{m samotným).}

Podle úrovně _{abstrakce, s níž metadata popisují obsah, lze metadata}

rozdě_{lit od n}ě_{kolika kategorií:}

Metadata

Definice pojmu metadata

Kategorie metadat

• Syntaktická metadata obsahují podrobnosti o zdroji dat

(dokumentu). Tato skupina metadat slouží př_evážně _ke

katalogizaci nebo kategorizaci.

• Strukturální metadata se zaměř_{ují na strukturu dokumentu.}

Tyto informace lze využít př_{i ukládání, zpracování nebo}

prezentaci dokumentů_{. Zjednodušují vyhledávání.}

• Sémantická metadata popisují kontextově _{relevantní informace}

vzhledem k urč_{ité domén}ě_{. Užitím sémantických metadat lze}

získat smysluplnou interpretaci dat př_{i zachování možnosti}

efektivní spolupráce systému na vyšší úrovni.

• Ontologie př_{edstavují nejvyšší formu metadat a sou}č_asně _jsou

klíč_{ovým principem sémantického webu. Více viz samostatná}

kapitola.

2.2.3 Identifikace zdrojů

Souč_{asný web je založen na zdrojích a odkazech na n}ě_{. Za zdroj v tomto}

př_ípadě _{obvykle považujeme nap}ř_{íklad dokument, obrázek apod. Tyto odkazy}

jsou v souč_{asném webu zpravidla tvo}ř_{eny pomocí takzvaných URL (Uniform}

Resource Locator).

URL

URL mů_{žeme definovat jako} ř_etě_{zec znak}ů _{se stanovenou syntaxí}

[Barners-Lee94], který slouží ke specifikaci umístě_{ní požadovaného zdroje na Internetu.}

URL definuje doménovou adresu serveru, umístě_{ní zdroje na serveru a}

protokol, pomocí kterého je možné zdroj zpř_{ístupnit (viz následující p}ř_íklad).

Typy metadat Identifikace zdrojů URL DATA DATA DATA DATA DATA DATADATA DATA

strukturovaná, semi-strukturovaná, nestrukturovaná

SYNTAKTICK SYNTAKTICKSYNTAKTICK SYNTAKTICK SYNTAKTICK SYNTAKTICK SYNTAKTICK

SYNTAKTICKÁÁÁÁÁÁÁÁMETADATAMETADATAMETADATAMETADATAMETADATAMETADATAMETADATAMETADATA

jazyk, formát, délka dokumentu, datum vytvoření, zdroj, datum poslední aktualizace, autorizace, šifrování, apod.

STRUKTUR STRUKTUR STRUKTUR STRUKTUR STRUKTUR STRUKTUR STRUKTUR

STRUKTURÁÁÁÁÁÁÁÁLNLNLNLNLNLNLNLNÍÍÍÍÍÍÍÍMETADATAMETADATAMETADATAMETADATAMETADATAMETADATAMETADATAMETADATA

struktura dokumentu: DTD,XSL shlukování a podobnost: extrakce tématu

S SS S S S S

SÉÉÉÉÉÉÉÉMANTICKMANTICKMANTICKMANTICKMANTICKMANTICKMANTICKMANTICKÁÁÁÁÁÁÁÁMETADATAMETADATAMETADATAMETADATAMETADATAMETADATAMETADATAMETADATA

firma, e-mail, kontakt, produkt, cena, apod.

ONTOLOGIE ONTOLOGIEONTOLOGIE ONTOLOGIE ONTOLOGIE ONTOLOGIE ONTOLOGIE ONTOLOGIE Typy metadat

URL: http://www.server.cz/dokumenty/doc1.html protokol: http server: www.server.cz zdroj: /dokumenty/doc1.html Př_{íklad 2.1 URL}

Př_eneseněř_eč_{eno, pomocí URL lze identifikovat pouze zdroje, které jsou}

umístě_{ny na Internetu. Avšak idea sémantického webu se neomezuje pouze na}

takovéto zdroje, ale požaduje, aby bylo možné identifikovat jakékoliv zdroje z reálného svě_{ta (cokoliv abstraktního i skute}č_{ného) a k tomuto ú}č_{elu slouží}

URI.

URN

Dalším způ_{sobem jak identifikovat zdroj je pomocí URN (Uniform Resource}

Name), tedy jedineč_{ného názvu zdroje. Proti URL, které slouží k lokalizaci}

zdroje na Internetu, URN označ_{uje název zdroje, pomocí n}ě_{hož lze zdroj}

identifikovat nezávisle na umístě_{ní zdroje. P}ř_eneseně ř_eč_{eno, URN nám} ř_íká

“co“ hledáme a URL “kde“ to nalezneme.

Na URN jsou kladeny urč_{ité existen}č_{ní podmínky, jejichž spln}ě_ní

zajišť_{uje funk}č_{nost URN. Mezi nejd}ů_ležitě_{jší pat}ř_í:

• Zachování významu názvu v globálním měř_{ítku – název nesmí}

př_{edstavovat konkrétní umíst}ě_ní

• Jedineč_{nost – stejné URN nesmí být p}ř_iř_{azeno dv}ě_{ma r}ů_zným

zdrojů_m

• Stálá životnost – př_{edpokládá se, že význam URN bude trvalý a}

navždy jedineč_{ný. Je také t}ř_{eba brát ohled na životnost zdroje.}

Syntaxe URN je následující:

urn: <NID> : <NSS>

Kde <NID> př_{edstavuje Namespace Identificator, tedy identifikátor}

jmenného prostoru a <NSS> př_{edstavuje Namespace Specific String, tedy}

specifický ř_etě_{zec jmenného prostoru. N}ě_{které identifikátory jmenných}

prostorů _{jsou již rezervované a jsou} č_{asto využívány. Nap}ř_{íklad isbn, který}

souvisí se systémem ISBN (International Standard Book Number) pro jedineč_{nou identifikaci knih pomocí} č_{ísel. Následující} ř_{ádek ukazuje, jak by}

vypadalo URN např_{íklad pro knihu The Godfather od Maria Puza:} urn:isbn:0399103422

Příklad 2.1:

URL

URI

Zkratka URI (Uniform Resource Identificator) označ_{uje jedine}č_{ný identifikátor}

zdroje. URI je také ř_etě_{zec znak}ů_{, který odpovídá ur}č_{ité syntaxi}

[Barners-Lee05], ale v identifikaci zdroje se neomezuje pouze na jeho umístě_{ní nebo}

název. URL a URN jsou vlastně _urč_{itým typem URI nebo lépe} ř_eč_{eno, URL a}

URN tvoř_{í jakousi podmnožinu všech URI. Spole}č_{nou vlastností všech URI je,}

že mohou být vytvoř_{eny r}ů_{znými spole}č_{nostmi naprosto nezávisle a mohou být}

používány k identifikaci zdrojů _{dosažitelných pomocí Internetu, ale stejn}ě _tak

k identifikaci zdrojů_{, které prost}ř_{ednictvím Internetu dosažitelné nejsou. Za}

identifikovatelný zdroj mů_{žeme považovat konkrétní osobu, spole}č_{nost, ale i}

abstraktní pojmy, které nemají fyzickou podobu.

URI reference

S pojmem URI úzce souvisí pojem URI reference, který označ_{uje b}ě_žné

použití identifikátoru zdroje. Je to další typ ř_etě_{zce, kterým lze reprezentovat}

URI, nebo lépe ř_eč_{eno, reprezentovat zdroj identifikovaný pomocí URI.}

Př_{i b}ě_{žném neformálním použití se rozdíl mezi URI a URI referencí p}ř_íliš

neprojevuje. Je však tř_eba ř_{íct, že URI reference mohou p}ř_{edstavovat jak plnou}

URI, v takovém př_ípadě _hovoř_{íme o absolutní URI referenci, tak i jen její} č_ást

specifickou pro dané schéma, tedy jde o relativní URI referenci.

Absolutní URI reference identifikuje zdroj bez ohledu na kontext, ve kterém se URI reference nachází. Naproti tomu relativní URI reference je zkrácenou formou absolutní URI reference, kde č_{ást (prefix) m}ů_{že chyb}ě_{t. URI}

reference mů_{že navíc k absolutní} č_{ásti URI obsahovat takzvaný identifikátor}

fragmentu, který se od hlavní č_{ásti URI odd}ě_{luje znakem #. Tento identifikátor}

fragmentu má význam pro zpř_esně_{ní identifikace zdroje, nebo n}ě_{které jeho} č_{ásti. Následující p}ř_{íklad názorn}ě _{ukazuje rozdíly mezi absolutními a}

relativními URI referencemi.

Absolutní URI reference:

http://www.server.cz/dokumenty/doc1.html#odstavec1 http://www.server.cz/dokumenty/doc1.html

Relativní URI reference:

/dokumenty/doc1.html #odstavec1

Př_{íklad 2.2 URI a URI reference}

2.2.4 Jmenné prostory

Dále je tř_{eba vysv}ě_{tlit pojem, který úzce souvisí s datovými formáty na bázi}

XML. Vzhledem k tomu, že tyto formáty dovolují vytvář_{et si vlastní zna}č_ky,

bylo tř_{eba n}ě_{jakým zp}ů_{sobem zabezpe}č_{it jedine}č_{nost významu jednotlivých}

jmen znač_{ek a práv}ě _{k tomuto ú}č_{elu slouží jmenné prostory. Jmenné prostory}

jsou jakési množiny jmen, které jsou si ně_{jak významov}ě _{blízké. Každý}

jmenný prostor je identifikován vlastním URI. Vzhledem k faktu, že ně_která

URI

URI reference

Př_{íklad 2.2:}

URI reference

URI mohou být velmi dlouhá, používá se takzvaných prefixů_{, které jsou}

danému URI př_iř_{azeny (deklarace jmenného prostoru). V dokumentu potom}

stač_{í p}ř_{ed názvem zna}č_{ky uvést daný prefix jmenného prostoru, do kterého}

název znač_{ky spadá. K deklaraci jmenného prostoru slouží atribut zna}č_ky

xmlns. Syntaxe použití atributu je následující:

xmlns:označení_prefixu_jmenného_prostoru = "URI obsahující jmenný prostor"

Existují jmenné prostory, jejichž prefixy jsou již rezervovány a nelze je deklarovat. Vlastně _{i samotný atribut xmlns je sám prefixem jmenného}

prostoru, který je identifikován pomocí URI "http://www.w3.org/2000/xmlns" a slouží k definici prefixů _{jmenných prostor}ů_{. Následující tabulka zobrazuje}

ně_{které další p}ř_{eddefinované prefixy jmenných prostor}ů _{a jejich význam.}

Prefix URI Význam

xml "http://www.w3.org /XML/1998/namespace"

jmenný prostor pro znač_ky,

používané k obecnému popisu XML dokumentu nebo jeho č_ástí

rdf "http://www.w3.org

/1999/02/22-rdf-syntax-ns#"

jmenný prostor pro znač_ky

formátu RDF rdfs "http://www.w3.org

/2000/01/rdf-schema#"

jmenný prostor pro znač_ky

formátu RDFS

Tabulka 2.1 Rezervované prefixy jmenných prostorů

Deklarovaný prefix a s ním spojený jmenný prostor lze použít již ve znač_{ce, která jej deklaruje a také ve všech potomcích této zna}č_{ky ve struktu}ř_e

dokumentu. Následující př_{íklad ukazuje deklaraci a použití smyšleného}

jmenného prostoru mjp (mů_{j jmenný prostor). V p}ř_{íkladu je vid}ě_{t již}

zmiň_{ovaný fakt, že prefix jmenného prostoru lze použít již ve zna}č_{ce, ve které}

je teprve deklarován. <mjp:hlavni xmlns:mjp="http://radek.stuchlik/namespaces/mjp"> <mjp:vedlejsi> ... </mjp:vedlejsi> ... </mjp:html>

Př_{íklad 2.3 Deklarace jmenného prostoru a jeho použití} Př_{íklad 2.3:}

Deklarace jmenného prostoru

3

RDF

Standard RDF (Resource Description Framework), tedy volně _př_{eloženo jako}

formát pro popis zdrojů_{. Podle definice konsorcia W3C je to: „obecný rámec}

pro popis, výmě_{nu a znovupoužití metadat“.}

Hlavním úč_{elem vzniku formátu RDF, byla pot}ř_{eba vytvo}ř_{it obecný}

jazyk, kterým by bylo možné reprezentovat informace o webových zdrojích, tedy př_eneseněř_eč_{eno o metadatech webových zdroj}ů_.

3.1

Syntaxe RDF

V prvé ř_adě _{je t}ř_{eba zd}ů_{raznit, že formát RDF nemá p}ř_{ímo definovanou syntaxi}

jako ostatní logické jazyky. RDF disponuje jakousi abstraktní syntaxí, která př_{edpokládá, že každý webový zdroj má ur}č_{ité vlastnosti, které m}ů_žeme

ně_{jakým zp}ů_{sobem popsat, a na základ}ě _{kterých m}ů_{žeme o zdrojích utvá}ř_et

jednoduchá tvrzení ve formě _{takzvaných trojic. Každá taková trojice (tvrzení)}

se skládá ze subjektu, predikátu a objektu.

• Subjekt př_{edstavuje v}ě_{c, kterou chceme pomocí RDF popsat.}

Mů_{že jí být jakýkoliv zdroj, kterému lze p}ř_iř_{adit URI a m}ů_že

tedy být identifikován pomocí URI reference.

• Predikát se ně_{kdy ozna}č_{uje jako vlastnost tvrzení a popisuje}

vztah mezi subjektem a objektem.

• Objekt potom př_{edstavuje hodnotu dané vlastnosti tvrzení.}

Existuje více možných způ_sobů_{, jak lze reprezentovat tuto abstraktní}

syntaxi RDF. Vzhledem k potř_{ebám sémantického webu je již ve specifikaci}

formátu RDF doporuč_{ená syntaxe pomocí zna}č_{ek XML (více viz kapitola}

3.3.3).

3.2

RDF grafy

Základem RDF jsou tedy uspoř_{ádané trojice: <subjekt, predikát, objekt>.}

Množina takových trojic se nazývá RDF grafem. Jinými slovy RDF graf je definován jako koneč_{ná množina RDF trojic. RDF graf se zobrazuje pomocí}

orientovaného grafu propojených uzlů_.

• Každá trojice je reprezentována dvojicí uzlů _{(nebo dvojicí uzel a}

list) a orientovanou spojnicí (hranou).

• Hrana je vždy orientována smě_{rem od subjektu k objektu a}

vyjadř_{uje vztah mezi subjektem a objektem.}

• Objekty tvrzení mohou vystupovat jako subjekty jiného tvrzení nebo mohou být listem grafu.

• Každou trojici RDF mů_{žeme spojit s jinou trojicí, aniž by se}

změ_{nil její význam, bez ohledu na celkovou složitost grafu.}

Syntaxe RDF

Obrázek 3.1 RDF trojice

Každá č_{ást RDF trojice m}ů_{že být v grafu reprezentována pomocí URI}

reference. Ale subjekt a objekt, které tvoř_{í uzly grafu, mají ješt}ě _{jiné možnosti}

reprezentace.

Subjekt mů_{že být reprezentován také prázdným uzlem. Objekt m}ů_{že být}

kromě _{URI reference reprezentován prázdným uzlem, nebo} ř_etě_{zcem literál}ů_.

3.2.1 Datové typy

RDF používá datové typy pro reprezentaci hodnot, např_{íklad celých} č_ísel, č_ísel

s plovoucí desetinnou č_{árkou a dat. Datové typy se skládají z lexikálního}

prostoru, prostoru hodnot a lexikálně_{-hodnotového p}ř_iř_azení.

Lexikální prostor datového typu je množina ř_etě_zců _{kódovaných pomocí}

Unicode.

Lexikálně_{-hodnotové p}ř_iř_{azení datového typu je množina uspo}ř_ádaných

dvojic, kde první č_{ást dvojice pat}ř_{í do lexikálního prostoru datového typu a}

druhá č_{ást dvojice pat}ř_{í do prostoru hodnot datového typu. Dále platí:}

• Každý prvek lexikálního prostoru mů_{že být p}ř_iř_{azen pouze k jednomu}

prvku z prostoru hodnot.

• Každý prvek z prostoru hodnot mů_{že být p}ř_iř_{azen k jakémukoliv po}č_tu

prvků _{(i žádnému) z lexikálního prostoru (lexikální reprezentace}

hodnoty).

Např_{íklad v lexikáln}ě_{-hodnotovém p}ř_iř_{azení datového typu XML}

Schématu xsd:boolean má každý prvek prostoru hodnot dvě _lexikální

reprezentace:

• Prostor hodnot:

{T,F}

• Lexikální prostor:

{“0”,”1”,”true”,”false”} • Lexikálně_{-hodnotové p}ř_iř_azení:

{(“false”,F),(“0”,F),(“true”,T),(“1“,T)}

RDF nemá definovaný žádný vnitř_{ní koncept pro reprezentaci} č_{ísel a}

dalších bě_{žných hodnot, ale využívá datové typy definované odd}ě_leně_{, které}

jsou identifikovány pomocí URI reference. Bě_žně _{se využívá datových typ}ů

př_{eddefinovaných pro XML Schéma. N}ě_{které datové typy používané v XML}

Schématu však nejsou vhodné pro použití v RDF.

Uvnitř _{RDF neexistuje ani žádný standardní postup pro definování}

nových datových typů_{, ale díky XML Schématu je možné rozši}ř_{ovat stávající}

datové typy. RDF má př_{eddefinovaný pouze jediný datový typ rdf:XMLLiteral,}

který se používá ke vkládání znač_{ek XML do RDF.}

3.2.2 Literály

Literály slouží k identifikování hodnot (č_{ísel, dat) prost}ř_{ednictvím lexikální}

reprezentace. Cokoli reprezentovatelného pomocí literálu mů_{že být}

reprezentováno pomocí URI reference. Literál mů_{že v RDF tvrzení vystupovat}

pouze jako objekt, nikoli jako subjekt nebo predikát. Rozlišujeme dva typy literálů_{: jednoduchý literál a typovaný literál.}

• Jednoduchý literál je ř_etě_{zec znak}ů _{Unicode, ke kterému m}ů_že

být př_{idána zna}č_{ka konkrétního jazyka.}

• Typovaný literál je také ř_etě_{zec znak}ů _{Unicode, za kterým však}

musí být povinně _{uvedena URI reference datového typu.}

Označ_{uje prvek identifikovaného prostoru hodnot datového typu}

získaného pomocí lexikálně_{-hodnotového p}ř_iř_{azení k} ř_etě_zci

literálu.

Typované literály, které mohou být definovány pomocí datového typu

xsd:boolean XML Schématu jsou uvedeny v následující tabulce:

Typovaný literál Lexikálně-hodnotové přiřazení Hodnota

<xsd:boolean, "0"> <"0", F> F <xsd:boolean, "false"> <"false", F> F <xsd:boolean, "1"> <"1", T> T <xsd:boolean, "true"> <"true", T> T

Tabulka 3.1

3.2.3 Prázdné uzly

Prázdný uzel je speciální variantou uzlu v RDF grafu. Hlavním rozdílem proti uzlů_{m, které p}ř_{edstavují objekty a subjekty, je to, že k t}ě_{mto uzl}ů_{m není}

př_iř_{azena žádná URI reference. Vnit}ř_{ní struktura RDF neup}ř_esň_{uje, jak mají}

být prázdné uzly označ_{eny. Mohou být zcela neozna}č_{ené, ale obecn}ě _se

doporuč_{uje n}ě_{jak tyto uzly v grafu ozna}č_{ovat, aby byly identifikovatelné.}

Př_{íkladem vhodného použití prázdného uzlu m}ů_{že být RDF graf,}

zachycující informaci o adrese osoby. Pro zjiště_{ní pot}ř_{ebných informací není}

dů_{ležitý pojem “adresa“ jako taková. Je t}ř_{eba znát ulici, m}ě_{sto a poštovní}

smě_rovací č_{íslo. Na následujícím obrázku je pomocí RDF grafu}

reprezentováno tvrzení v př_{irozeném jazyce: „Pan Novák bydlí v Brn}ě _{na ulici} Č_{eská 10 a jeho PS}Č _{je 62100“.}

Literály

Obrázek 3.2 RDF graf s prázdným uzlem

3.3

Konkrétní syntaxe RDF

Jak již bylo uvedeno, RDF nemá implicitně _{definovanou konkrétní syntaxi, ale}

pouze jakousi abstraktní syntaxi. V souč_{asné dob}ě _{existuje n}ě_{kolik konkrétních}

syntaxí používaných k zápisu RDF tvrzení. 3.3.1 N-Triples

Jednou z možností zápisu RDF trojic je syntaxe N-Triples. Jejím základem je

ř_{ádkový textový formát. Na každém} ř_{ádku je zapsána jedna trojice ve formátu:} <subjekt> <predikát> <objekt> .

Pokud je objekt tvoř_{en literálem, zapisuje se tento do uvozovek místo}

mezi závorky < >. K literálu lze př_iř_{adit také typ, který se od názvu literálu}

oddě_{luje pomocí znak}ů _{^^. Pokud bychom cht}ě_{li zapsat jako objekt} č_{íslo 15 a}

označ_{it, že se jedná o} č_{íslo typu integer, vypadalo by to následovn}ě_:

<subjekt> <predikát> “15“^^xsd:integer .

Nevýhodou této syntaxe je obvykle velký objem dat a také menší př_{ehlednost pro uživatele. Každý subjekt a predikát je identifikován pomocí}

URI reference, což mohou být dlouhé ř_etě_{zce. Subjekt tvrzení musí být uveden}

na každém ř_{ádku, ve kterém vystupuje, i když je subjektem pro více tvrzení.}

Výhodou pak mů_{že být jednoduché strojové zpracování a generování.}

Následující př_{íklad obsahuje RDF trojice z obrázku 3.2 zapsané pomocí}

syntaxe N-Triples. RDF graf Prázdný uzel Konkrétní syntaxe RDF N-Triples http://www.vip.cz/novak _adresa http://www.pojmy.cz/adresa Č_{eská 5} Brno 621 00 http://www.pojmy.cz/psc http://www.pojmy.cz/mesto http://www.pojmy.cz/ulice Uzel př_{edstavující} SUBJEKT tvrzení „budeme popisovat osobu p. Nováka, která

je reprezentována URI referencí uvedenou

v uzlu“ Prázdný uzel, který představuje OBJEKT tvrzení Hrana př_{edstavující} PREDIKÁT tvrzení Je reprezentována URI referencí Př_{idávají se další tvrzení,}

jejichž SUBJEKTEM je prázdný uzel “_adresa“

PREDIKÁTY jsou

č_{ásti adresy a}

OBJEKTY tvrzení jsou jejich hodnoty reprezentované literály

<http://www.vip.cz/novak>

<http://www.pojmy.cz/adresa> <_adresa> . <_adresa> <http://www.pojmy.cz/mesto> “Brno“ . <_adresa> <http://www.pojmy.cz/ulice> “Česká 5“ . <_adresa> <http://www.pojmy.cz/psc> “621 00“ .

Př_{íklad 3.1 Syntaxe N-Triples}

3.3.2 N3 (Notation 3)

Další syntaxí, kterou lze použít pro reprezentování RDF trojic je tzv. notace 3. Tato syntaxe je na první pohled podobná výše zmiň_{ované syntaxi N-Triples.}

Každá trojice je opě_{t zaznamenávána textov}ě _{ve formátu:}

<subjekt> <predikát> <objekt> .

Zde se však mohou používat prefixy jmenných prostorů _{s relativními}

URI referencemi (viz kapitola 2.2.3). Prefix lze k URI referenci př_iř_adit

pomocí klíč_{ového slova: @prefix. Za klí}č_{ové slovo se obecn}ě _{považuje každé}

slovo, zač_{ínající znakem @ (zaviná}č_{). Relativní URI reference potom}

zapisujeme ve formátu: prefix:URI reference. Je tř_{eba zd}ů_{raznit, že v p}ř_ípadě

použití zkráceného zápisu č_{ásti trojice pomocí prefixu se již tyto} č_ásti

neuzavírají do závorek < >.

Prázdné uzly se označ_{ují podobn}ě_{, jako relativní URI reference, ale}

namísto prefixu se uvádí pouze znak _ (podtržítko). Tedy formát zápisu prázdného uzlu je: _:název uzlu.

Dalším dů_{ležitým rozdílem N3 syntaxe od N-Triples je možnost}

zapisovat predikáty a objekty patř_{ící k jednomu subjektu tak, že se pouze}

jednou uvede subjekt, následuje seznam uspoř_{ádaných dvojic: predikát objekt,}

oddě_{lených st}ř_{edníkem. Podobn}ě _{je možné zkrácen}ě _{zapsat tvrzení, ve kterých}

vystupuje více objektů _{pro stejný subjekt a predikát. V tomto p}ř_ípadě _se

objekty od sebe oddě_lují č_árkami.

Následující př_{íklad op}ě_{t zachycuje zápis RDF trojic z obrázku 3.2,}

tentokrát pomocí syntaxe N3. V první č_{ásti jsou deklarovány jmenné prostory a}

jejich prefixy. V druhé č_{ásti jsou zaznamenány samotné trojice.} @prefix vip: <http://www.vip.cz#>

@prefix poj: <http://www.pojmy.cz#>

vip:novak poj:adresa _:adresa . _:adresa poj:mesto “Brno” ;

poj:ulice “Česká 5” ; poj:psc “621 00” .

Př_{íklad 3.2 Syntaxe N3} Př_{íklad 3.1:} Syntaxe N-Triples N3 (Notation 3) Př_{íklad 3.2:} Syntaxe N3

3.3.3 RDF/XML syntaxe

Pro potř_{eby sémantického webu je velmi vhodnou reprezentací tzv. XML}

syntaxe RDF, ně_{kdy ozna}č_{ovaná jako RDF/XML. K zapsání tvrzení}

reprezentovaných pomocí RDF grafu se využívá jak elementů _{a jejich obsah}ů

tak atributů _{a jejich hodnot.}

RDF graf si mů_{žeme p}ř_{edstavit jako kone}č_{nou množinu cest od ko}ř_ene

k listů_{m. Tuto množinu je t}ř_{eba zapsat pomocí XML jako vno}ř_{ené elementy,}

které vytvoř_{í stejnou strukturu. (Dokument ve formátu XML lze jednoduše}

transformovat na uspoř_{ádaný strom). Hlavní uzel, subjekt tvrzení, se stane}

hlavním elementem XML dokumentu. Jeho predikátová hrana bude prvním vnoř_{eným elementem jehož hodnota m}ů_{že být objekt tohoto tvrzení. Tento}

objekt se stane subjektem dalšího tvrzení a stejným způ_{sobem lze pokra}č_ovat

dále.

Základní princip

Nejdř_{íve vysv}ě_{tlíme základní p}ř_{evedení jedné trojice RDF grafu do}

syntaxe RDF/XML. Jako tvrzení použijeme vě_{tu, která m}ů_{že být v p}ř_irozeném

jazyce zapsána: „Dokument http://www.spolecnost.cz/cenik.html byl vytvoř_en 20.bř_{ezna 2007“. Následující obrázek zachycuje RDF graf tohoto tvrzení:}

Obrázek 3.3 RDF graf – datum vytvoř_{ení dokumentu}

Pomocí syntaxe RDF/XML by stejné tvrzení vypadalo následovně_: <?xml version="1.0"?> <rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:poj="http://www.pojmy.cz/"> <rdf:Description rdf:about="http://www.spolecnost.cz/cenik.html"> <poj:datum-vytvoreni>20.Března 2007</poj:datum-vytvoreni> </rdf:Description> </rdf:RDF> Př_{íklad 3.3 RDF/XML syntaxe} RDF/XML syntaxe Př_{íklad 3.3:} RDF/XML syntaxe SPUSTIT

• Na prvním ř_{ádku je uvedeno povinné ozna}č_{ení XML dokumentu a}

jeho verze.

• Na dalším ř_{ádku za}č_{íná obsah elementu <rdf:RDF>, který} ř_{íká, že}

následující obsah XML dokumentu se bude týkat RDF. Prvním z atributů _{tohoto elementu je deklarace jmenného prostoru xmlns:rdf}

označ_{ující, že všechny odkazy dopln}ě_{né o prefix rdf jsou sou}č_ástí

jmenného prostoru definovaného URI referencí, která je hodnotou tohoto atributu. Následuje deklarace smyšleného jmenného prostoru

xmlns:poj.

• Další element <rdf:Description> je základní element, který označ_uje

popis ně_{jakého zdroje definovaného pomocí atributu rdf:about.}

Hodnota tohoto atributu př_{edstavuje subjekt tvrzení.}

• Následující vnoř_{ený element <poj:datum-vytvoreni> p}ř_edstavuje

vlastnost (predikát) tvrzení a jeho hodnota “20.bř_{ezna 2007“}

př_{edstavuje objekt tvrzení.}

Pro doplně_{ní dodejme, že p}ř_{i použití syntaxe N3 bychom takové tvrzení zapsali}

takto:

<http://www.spolecnost.cz/cenik.html>

poj:datum-vytvoreni “20.března 2007“ .

RDF graf s prázdným uzlem

V dalším př_{íkladu popíšeme RDF/XML syntaxi o n}ě_{co složit}ě_{jšího RDF grafu,}

který obsahuje také prázdný uzel. Jak již bylo ř_eč_{eno v úvodu této kapitoly, je}

tř_{eba vyhledat všechny cesty v grafu od hlavního uzlu (ko}ř_{ene) ke všem list}ů_m.

Obrázek 3.4 RDF graf

Složitější RDF

graf s prázdným uzlem

Obrázek 3.4 obsahuje RDF graf zachycující ně_{kolik tvrzení o zdroji,}

dokumentu, reprezentovaném pomocí URI reference

“http://www.spolecnost.cz/cenik.html“. Tvrzení zaznamenávají, že dokument

je opatř_{en titulkem, a že byl editován editorem, který je identifikován URI}

referencí na osobní webové stránky a jménem. Osoba editora je v grafu reprezentována prázdným uzlem.

Pro úplnost tato tvrzení zapíšeme nejdř_{íve pomocí N3 (využíváme}

zkráceného zápisu pomocí prefixů _{jmenných prostor}ů_{, definovaných na}

zač_{átku p}ř_íkladu:

@prefix poj: <http://www.pojmy.cz/> @prefix sp: <http://www.spolecnost.cz/>

sp:cenik.html poj:editor _:uzel .

sp:cenik.html poj:titulek “Ceník služeb” . _uzel poj:osobni_stranky sp:pnovak.html . _uzel poj:jmeno “Pavel Novák” .

Př_{íklad 3.4 N3 syntaxe RDF grafu z obrázku 3.4}

Př_{i pr}ů_{chodu grafem za ú}č_{elem jeho zapsání pomocí syntaxe RDF/XML}

zjistíme, že grafem vedou celkem tř_{i cesty od ko}ř_{ene k list}ů_{m. Pokud bychom}

tedy chtě_{li zapsat všechny tyto cesty, byla by struktura výsledného doku}