Det semantiske internett - Et meningsfylt internett. Gruppe 3 - Roger H. Farstad - Pål Humborstad Ole Humborstad - Inge Rønstad

Transkript

1 Det semantiske internett - Et meningsfylt internett Gruppe 3 - Roger H. Farstad - Pål Humborstad Ole Humborstad - Inge Rønstad 23. november

2 Innhold 1 Innledning Stort internett [6] Hva det semantiske internett ikke er Kommunisering med dataen [8] Push og pull Pull Push Historie[2] 6 3 Metadata Standarder Dublin core (DC)[9] ID3[11] Exif[12] Beskrivelse av dokumenter Tekstdokumenter Video Bilder Metadata i forskjellige applikasjoner Problemer[7] Sikre kilder Semantexplorer[4] Extractor Parser Knowledge Base Table Builder

3 5.5 Graph Builder Lens Collector/Builder Triple Processor Collection Saver Cache Semantikk i hverdagen Konklusjon 17 8 Definisjoner Resource Description Framework (RDF) RDF-trippel[5] URI (Uniform Resource Identifyer) XML (extensible Markup Language) Attributt Element

4 Det semantiske internett - et meningsfylt internett semantikk tik k -en (fra gr betydningsvitenskap internett tegn ) vitenskapen om ordenes betydning. [1] 1 Innledning 1.1 Stort internett [6] Ifølge bladet pc-world var internett i 2002 over 7 milliarder sider. Dette er langt mer enn i verdens største bibliotek. Å kartlegge, finne frem og finne relasjoner er likevel noe enklere på et bibliotek enn på internett. I et bibliotek er alt kategorisert og systematisert. Du kan for eksempel lete etter en bestemt forfatter, sjanger eller tittel. Visjonene om et semantisk internett er å få det til å bli litt mer likt et bibliotek. Forskjellen er at i et bibliotek vil disse dataene bestemme den fysiske plasseringen av en bok og det er lite rom for sortering på de forskjellige elementene. 1.2 Hva det semantiske internett ikke er Kunstig intelligens Hensikten med Semantisk internett er at datamaskinen skal forstå hva vi mener. Det er ikke ensbetydende med at den skal tenke på egenhånd. Det de prøver å få til er at datamaskinen skjønner relasjoner. Som for eksempel at Urd er en hund. Maskinen skjønner da sammenhengen mellom hund og dyr og kan da konkludere med at Urd er et dyr. En erstatning for dagens internett. Når det semantiske nettet er ferdig utviklet. Vil det legge seg over internett. Altså ikke en erstatning men en supplering/utvidelse. 4

5 1.3 Kommunisering med dataen [8] Om vi bruker Google for å søke etter Hansen aner ikke Google om du mener Helly Hansen, Fritz Hansen eller Hansen Technologies. Det semantiske internett er en infrastruktur som har som mål å lette samarbeidet mellom tjenester og applikasjoner på internett. Man kan si at det semantiske internett er en utvidelse av det internettet vi har fra før. En viktig komponent i det semantiske internett vil være XML. Dette skal gjøre at informasjonen som utveksles er selvforklarende og maskinlesbar. Med andre ord vil informasjonen kunne leses av maskiner og ikke bare av mennesker. Et eksempel på dette kan være en besøksteller på hjemmesiden din. Slik det er nå oppfatter maskinen bare et tall uten å vite noe om hva det er mens mennesker forstår at tallet betyr antall besøkende. På denne måten kan mennesker lettere kommunisere med maskiner og de forskjellige applikasjonene kan operere ved gjenbruk av data. I XML bruker man merkelapper (tagger) til å fortelle hva noe er i stedet for å fortelle hvordan det skal se ut. I for eksempel Word sier du at en tekst skal være bold, mens i XML kan du bruke <viktig>dette er en viktig tekst.</viktig> Det som står i viktig-taggene blir beskrevet et annet sted i dokumentet. Dette gjør at man kan for eksempel søke etter viktige ord i en database. Om vi bruker strong-taggen i stedet for b-taggen vil Google vite at ordene i denne taggen er nøkkelord. Tilsvarende vil en tekstoppleser for blinde vite at dette ordet skal legges trykk på. Brukere kan lage sine egne tagger. Programmer som skrives må kunne bruke de samme data som et annet program. I fremtiden skal vi ha data som er definert og kan linkes sammen, ikke bare for fremvisning, men for at datamaskiner skal kunne utføre oppgaver på egen hånd. Det semantiske internett er per i dag ikke en virkelighet, men kun en visjon om 5

6 hvordan det burde være. 1.4 Push og pull Informasjonen vi henter og mottar på internett er delt inn i to kategorier. Disse kalles push og pull og definerer om informajonen oppsøkes eller om den blir automatisk levert. I dag er det mest vanlig å aktivt oppsøke informasjonen vi vil ha. Dette kan beskrives ved at vi leser en artikkel hos VG eller bestiller beef jerkey fra USA. 1.5 Pull Om du går på en hjemmeside for å hente ut informasjon blir dette kalt pull. Enten du bruker en søkemotor eller skal bestille en sydentur på internett er det du som drar informasjonen ned til din maskin. Pull er den vanligste måten å bruke internett på i dag. Eksempler på Pull er et søk hos google, bestilling av flybilleter, lese nyheter på dagbladet. 1.6 Push Eksempel på push kan være når du mottar en e-post. E-posten sendes til deg uten at du trenger å gjøre noe for å oppsøke informasjonen. Så lenge det er en automatikk i informasjonen vi mottar vil det kalles push. 2 Historie[2] Når Internett ble oppfunnet skulle det være som et meget stort bibliotek og meningen var at det skulle være bra for kommunikasjon mellom mennesker, men det skulle også datamaskiner være med, de skulle være med for å kunne gjøre kommunikasjonen mellom mennesker bedre. Maskinene skulle blandt annet kommunisere med hverandre og utveksle informasjon slik at mennesker skulle slippe dette selv. Men det som har vært problemet for å kunne realisere denne visjonen er blant annet at størsteparten av den informasjonen som 6

7 ligger på Internettet er kun laget slik at mennesker skal forstå, denne informasjonen blir rett og slett for komplisert/uforståelig for datamaskiner som skal samle inn informasjon og behandle denne. For å kunne bøte på dette kom man frem til visjonen om det semantiske nettet, hvor det er lagt inn fra grunnen av at den informasjonen som blir lagt ut skal være leseligfor både datamaskiner og mennesker. Det semantiske nettet er ment å være en videreutvikling fra det Internettet man har i dag. For å gjøre få til dette vil man innføre diverse standarder på hvordan den informasjonen som legges ut skal skrives. Oppfunnet den 14.oktober 1998 av Tim Berners-Lee, mannen bak WWW, URL, HTTP og HTML. 3 Metadata Metadata brukes for å beskrive et dokument og er enkelt og greit data som beskriver data. Dette gjør dokumentene blant annet lettere å søke i og de samme dataene kan brukes i flere applikasjoner. Filens metadata kan inneholde all slags informasjon. En mp3-fil kan inneholde tittel, artist, album, år, sjanger, kommentar, komponist og så videre. Dette betyr at du ved hjelp av å følge den gitte standarden kan skrive en applikasjon som søker gjennom mp3-filer etter et gitt årstall. Metadata kan også brukes i bildefiler. Tenk deg å få listet opp bilder fra julen 2001 der både mor og onkel er på samme bilde og få de sortert etter lukkeråpning. 3.1 Standarder Dublin core (DC)[9] Fikk navnet fra plassen det ble utviklet (Dublin Ohio, USA). Dublin Core brukes blandt annet til å beskrive sider på internett ved hjelp av metadata. Blir ofte skrevet i XML. Dublin Core - mulige felt[10] 7

8 Tittel Subjekt Utgiver Type Identifikator Språk Dekning Forfatter Beskrivelse Dato Format Kilde Relasjon Rettigheter 8

9 3.1.2 ID3[11] Dette er en standard for å beskrive Mp3-filer.[11] ID3v1.1 Identifikatorstreng Artist År Kommentar Sangtittel Album Kommentar spor sjanger ID3v1 definerer sjanger nummer fra 0 til Exif[12] Brukes til å beskrive digitale bilder og wav-filer. Tag Manufacturer Model Orientation Software Date and Time YCbCr Positioning Compression x-resolution y-resolution Resolution Unit Exposure Time FNumber ExposureProgram Exif Version Date and Time (original) Date and Time (digitized) ComponentsConfiguration Compressed Bits per Pixel Exposure Bias MaxApertureValue Metering Mode Flash Focal Length Maker Note FlashPixVersion Color Space PixelXDimension PixelYDimension File Source InteroperabilityIndex InteroperabilityVersion 9

10 10

11 3.2 Beskrivelse av dokumenter Når vi skal søke etter for eksempel et bilde søker vil vi ha muligheten til å søke etter helt andre ting enn filnavnet. Dagen søkemetoder begrenser seg til nettopp dette og the semantic gap er et faktum når vi vil utføre søk på et mye høyere semantisk nivå Tekstdokumenter Metadataene inneholder keywords som er stikkordsform av teksten slik at den blir søkbar, hvem har skrevet teksten, hva skrives det om og sjanger Video Metadata om videofiler kan inneholde teknisk informasjon som hvilket utstyr som ble brukt, hvor filmen ble tatt, hvem som er med på filmen og hvem som har produsert den. Det kan også inneholde et lite sammendrag (keyword) av filmen. 11

12 3.2.3 Bilder Her blir det lagret informasjon om lukkeråpning, kameratype, oppløsning og mye annen teknisk informasjon. Det er også mulighet for å legge til informasjon om tittel, subjekt, keyword og kommentarer. I de fleste bildevisnings programmer som for eksempel ACDSee er disse søkbare. 3.3 Metadata i forskjellige applikasjoner Om du bruker disse dataene konsekvent og hadde en applikasjon som søkte gjennom disse dataene kunne hverdagen blitt noe enklere. Tenk deg metadataene i to filer på denne måten: Tenk om du nå søkte i metadataene dine etter fugledansen. Da hadde du fått opp både bilde fra festen og sjansen til å høre fugledansen. All informasjon på internett skal ha metadata for beskrivelse. Derfor er det viktig at det lages applikasjoner som kan brukes til å surfe og finne fram i disse dataene. 4 Problemer[7] Om du bruker Google til å søke etter Hansen vil det bli søkt gjennom milliarder sider og Google finner resultater i løpet av 0,19 sekund. Allerede har det blitt laget søkeverktøy som søker i metadata men det tar flere timer å gjennomføre søket. 4.1 Sikre kilder Hvorfor trenger vi sikre kilder? Vi trenger sikre kilder for å kunne være sikker på at den informasjonen vi får er korrekt. 12

13 For å kunne verifisere at en kilde er sikker må man sjekk om de andre kildene som man har tilgjengelig sier det samme. Det som er problemet med å sammenligne kilder er at veldig ofte omhandler de samme temaene, men benytter ulike termologier og har ulik skrivemåte. Det er deler av dette at det semantiske nettet skal fikse på. 5 Semantexplorer[4] Programmer som skal brukes på det semantiske internettet benytter seg av RDF. Alle dokumenter på internett er forbedret med informasjon som gir mening til blandt annet nettlesere ved hjelp av RDF. Semantexplorer er en nettleser som for tiden er under planlegging og skal støtte surfing på det semantiske internett. Semantexplorer består av flere komponenter. Blant disse finner vi extractor, parser, knowledge base, table builder, graph builder, lens collector, triple processor, collection saver og cache. 13

14 5.1 Extractor Denne brukes for å lese HEAD-elementet fra et HTML-dokument. Om det finnes RDFbeskrivelser i HEAD blir disse sendt til parseren. 5.2 Parser Denne deler opp RDF-beskrivelsen og finner antallet namespaces og så videre. 5.3 Knowledge Base Dette er en unik database som ikke ligger lokalt. Brukerne kan legge til nye RDF-triples eller oppdatere de. Når parseren får en slik triple blir de lagret i databasen. 5.4 Table Builder Denne komponenten samler informasjon fra et dokument som omhandler en enkel ressurs, og forsyner brukeren med en forenklet utgave av informasjonen. 5.5 Graph Builder Denne prosesserer informasjon på samme måte som table builder og sender den til en graf-renderer. Deretter blir den koblet til en visualiseringsenhet for å vise informasjon til brukeren som en graf. 5.6 Lens Collector/Builder Denne tar seg av ekstrakteringen av data som er relatert til ressursen som er interessant fra nåværende dokument. Disse dataene bli så vist frem som en samling av linser og brukeren kan se hver av disse linsene som en graf. 14

15 5.7 Triple Processor De fleste triplene vil kunne være mangelfulle og mangle en eller flere av komponentene. Brukeren kan derfor velge å fjerne én eller flere av disse før de sendes til table, graph eller lens builder. På denne måten kan brukeren få akkurat den utskriften som ønskes. 5.8 Collection Saver Denne brukes til å lagre ressurser for framtidig bruk. 5.9 Cache Prosesseringen går raskere ved at dokumenter som allerede har blitt åpnet lagres på harddisken sammen med RDF parsefilene. 15

16 6 Semantikk i hverdagen. Se for deg en tidlig morgen, du er trøtt og skal på jobb. Du hopper i bilen og starter den. Bilen kan meddele at du har lagt igjen mobilen på nattbordet samt at du ikke har tatt med kofferten. Du haster tilbake i huset og rasker med deg det du har glemt pluss litt frukt til turen. På vei til jobb innser du at du ikke har det så veldig travelt fordi det er fint vær og nesten ingen kø. Agenten minner deg atter en gang på at det er bursdagen til din bestemor og du har fått i ansvar å kjøpe kake. Du aktiverer semantikk-agenten din og spør den om nærmeste baker. Den foreslår 10 bakere på vei til jobb. Du velger den nærmeste, 16

17 agenten aksepterer valget og du kjører videre. Etter en stund når du begynner å nærme deg bakeren kommer det opp en advarsel. Det er agenten din som har funnet ut at det har oppstått kø lenger fremme og legger opp alternativ rute for deg. Du blir samtidig spurt om du vil bytte baker siden denne nå ikke lenger ligger innen din vanlige kjørerute. Siden trafikkulykken som du måtte kjøre utenom har selvfølgelig dine sjefer fått melding om at du blir et par minutter for sen til jobb denne dagen. Dette er et eksempel på push og pull i aksjon. Her blir informasjon om forskjellige bakeri tilsendt deg (push) når du trenger det, istedet for at det er du som oppsøker informasjonen (pull). 7 Konklusjon Det kan se ut til at det semantiske internett blir en realitet i fremtiden og mye tyder på at internett som vi kjenner det i dag vil kollapse på grunn av for store datamengder om ikke noe blir gjort. Problemene som må løses for å komme i mål er mange, men hvem kunne spådd utviklingen internett har hatt så langt? Vi ser med forventning frem til det nye internett hvor datamaskinen sier: Jeg skjønner hva du mener og jeg vil gi deg det du vil ha. Det semantiske internett åpner for mange nye muligheter og vil gjøre hverdagen vår mye enklere. Om du for eksempel skal til frisøren kan du velge å få listet opp frisørsalonger innenfor en radius på tre kilometer som har ledig time akkurat nå eller om et legebesøk skal være nødvendig kan du be mobilen din finne ledig time basert på hvordan kalenderen din ser ut. Om du mener at legetimen er viktigere enn frisørtimen kan du enkelt erstatte den ene avtalen med den andre. Om de som lager forskjellige innretninger for bruk i hjemmet blir enige om å bruke semantikk på samme måte vil vi kunne ha stor nytte av det. Innretningene kan enkelt snakke sammen på et felles språk og ta beslutninger mer eller mindre på egen hånd. For eksempel kan stolen du sitter i gå i en forhåndsdefinert posisjon når yndlingsprogrammet ditt går på fjernsynet samtidig som lyset dempes og telefonen velger lydløs profil. 17

18 8 Definisjoner 8.1 Resource Description Framework (RDF) er en ramme for hvordan metadataene skal skrives og består av subjekt, predikat og objekt. Disse tre kalles en trippel. Subjektet beskriver hvilket objekt det er, objektet er hva det dreier seg om og predikatet beskriver forholdet mellom subjektet og objektet. 8.2 RDF-trippel[5] En RDF-trippel består av tre komponenter. Subjekt Predikant Objekt Predikatet er egenskapen og beskriver forholdet mellom subjekt og objekt 8.3 URI (Uniform Resource Identifyer) Dette er en referanseprotokoll og blir brukt til å identifisere elementer på internett. Dette er for å sikre at for eksempel temperatur betyr den samme i Amerika som i Norge. URL er en type URI. 8.4 XML (extensible Markup Language) Kan leses og forståes av mennesker og maskiner. 8.5 Attributt <Person født= 1820 død= 1920 > 18

19 8.6 Element <heimelding>dette er min velkomsmelding</heimelding> 19

20 20

21 Litteraturliste [1] - Dokpro.uio.no, [2] - w3.org, [3] - w3.org, [4] - staff.um.edu.mt, undergraduate/swbrowsing/semantexplorer.html [5] - w3.org, [6] - Gisle Hannemyr, [7] - olf.no, [8] - Wikipedia, [9] - Dublincore.no [10] -Wikipedia, [11] -Wikipedia, [12] -Wikipedia, [13] -En student ved universitetet i Buffalo index/semanticweb.jpg 21