Applicazioni delle logiche descrittive
|
|
|
- Gustavo Pagano
- 6 anni fa
- Visualizzazioni
Transcript
1 Applicazioni delle logiche descrittive Dipartimento di Informatica e Comunicazione, Università degli Studi dell Insubria 28 marzo 2008
2 1 2 3
3 Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL 1 2 3
4 Logiche descrittive Struttura Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Logiche descrittive (DL) Formalismi logici per la rappresentazione della conoscenza Caratteristiche: Nate come formalizzazione dei sistemi network based Frammenti della FOL espressivi ma decidibili Implementazioni efficienti molte applicazioni
5 Logiche descrittive: descrizioni Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Elementi: Concetti: classi di oggetti Ruoli: relazioni binarie fra oggetti Human haschild Descrizioni complesse: Concept constructors (,, ) Role restrictions (,, ) Male Female haschild. Male
6 Logica descrittiva ALC: sintassi Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Linguaggio per ALC: costruito sugli insiemi (disgiunti): Se A NC e R NR: Concetto C NC: nomi di concetto NR: nomi di ruolo NI: nomi di individuo C ::= A C C C C C R.C R.C
7 Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Logica descrittiva ALC: semantica Interpretazione I: I = ( I,. I ) I : dominio dell interpretazione. I : funzione di valutazione Valutazione Individui: a I I Concetti atomici: A I I Ruoli: R I I I
8 Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Logica descrittiva ALC: semantica Interpretazione dei concetti non atomici: ( A) I = I \ A I (A B) I = A I B I (A B) I = A I B I ( R.A) I = { d I esiste d I t.c. (d, d ) R I e d A I } pizza_margherita I ( hasingredient.vegetable) I ( R.A) I = { d I per ogni d I, (d, d ) R I implica d A I } insalata_vegetariana I ( hasingredient.vegetable) I
9 DL Knowledge base Struttura Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Knowledge base K definito come: K = (T, A) Dove: TBox T : terminological knowledge (definizione dei concetti) ABox A: assertional knowledge (asserzioni sugli individui)
10 DL Knowledge base: TBox Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Componenti della TBox T : Definizioni di concetto: A C Inclusioni fra concetti: C D Human Male Female Father Parent Data un interpretazione I: I = A C sse A I = C I I = C D sse C I D I I = T sse I = α per ogni α T
11 DL Knowledge base: ABox Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Componenti della ABox A: Asserzioni di concetto: a : C Asserzioni di ruolo: (a, b) : R adam : Father (adam, abel) : haschild Data un interpretazione I: I = a : C sse a I C I I = (a, b) : R sse (a I, b I ) R I I = A sse I = α per ogni α A
12 Problemi sulle DL Struttura Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Problemi di inferenza sulle DL: TBox Concept satisfiability (consistency): esiste un modello di T in cui C I =? Concept subsumption: C I D I in tutti i modelli di T? TBox coherence check: per ogni C T, C è consistente? TBox classification: quali sono tutte le sussunzioni in T?
13 Problemi sulle DL Struttura Definizioni generali Logica descrittiva ALC DL knowledge base Problemi sulle DL Problemi di inferenza sulle DL: ABox ABox consistency: esiste un modello di A T? Instance check: a I C I in tutti i modelli di K? Direct types test: quali sono i concetti più specifici di cui a è istanza? Retrieval: quali sono tutte le istanze di C? Fillers retrieval: quali sono tutte le coppie istanze di R? Roles retrieval: dati a e b, quali ruoli li legano?
14 DL Knowledge Representation System Esempi di applicazioni 1 2 3
15 DL Knowledge Representation System Esempi di applicazioni Applicazioni delle logiche descrittive:
16 DL Knowledge Representation System Esempi di applicazioni Applicazioni delle logiche descrittive: Applicazioni classiche (Knowledge Representation) Software engineering: Software Information Systems, documentazione del software Configurazione: descrizione di parti e composizioni Medicina: definizione di vocabolari e concetti medici
17 DL Knowledge Representation System Esempi di applicazioni Applicazioni delle logiche descrittive: Applicazioni classiche (Knowledge Representation) Software engineering: Software Information Systems, documentazione del software Configurazione: descrizione di parti e composizioni Medicina: definizione di vocabolari e concetti medici Relazioni con altri settori dell informatica Database: modello dei dati, query, data integration Natural language processing: estrazione del contenuto semantico e generazione di frasi Relazioni con altri formalismi: form. logici e class-based
18 DL Knowledge Representation System Esempi di applicazioni Applicazioni delle logiche descrittive: Applicazioni classiche (Knowledge Representation) Software engineering: Software Information Systems, documentazione del software Configurazione: descrizione di parti e composizioni Medicina: definizione di vocabolari e concetti medici Relazioni con altri settori dell informatica Database: modello dei dati, query, data integration Natural language processing: estrazione del contenuto semantico e generazione di frasi Relazioni con altri formalismi: form. logici e class-based Web Semantico Linguaggi di rappresentazione di ontologia
19 Applicazioni classiche DL Knowledge Representation System Esempi di applicazioni Applicazioni classiche delle DL: Molte di queste basate sul modello del DL Knowledge Representation System (DLKRS)
20 DLKRS: introduzione DL Knowledge Representation System Esempi di applicazioni DLKRS: Knowledge Base: Rappresentazione della conoscenza tramite DL Reasoner: Servizi di inferenza sul KB Interfaccia: Accesso al sistema per utenti e applicazioni
21 DLKRS: interfaccia Struttura DL Knowledge Representation System Esempi di applicazioni Interfaccia: Basic Access: Interazione di base col sistema (ASK e TELL) Application Access: Standard di comunicazione con le applicazioni: DIG interface Human Access: Presentazione dei risultati delle query (spiegazione delle inferenze)
22 DLKRS: reasoner Struttura DL Knowledge Representation System Esempi di applicazioni Reasoner: a cosa serve? TELL: progettazione e manutenzione del KB: Consistenza: tutti i concetti possono avere istanze? Correttezza: la rappresentazione è coerente? Ridondanze: ci sono sinonimi non intesi? Ricchezza: rappresentazioni sufficientemente dettagliate? ASK: query rispetto a: Schema (TBox) Istanze (ABox)
23 DLKRS: reasoner Struttura DL Knowledge Representation System Esempi di applicazioni Reasoner: a cosa serve? TELL: progettazione e manutenzione del KB: Consistenza: tutti i concetti possono avere istanze? Correttezza: la rappresentazione è coerente? Ridondanze: ci sono sinonimi non intesi? Ricchezza: rappresentazioni sufficientemente dettagliate? ASK: query rispetto a: Schema (TBox) Istanze (ABox) Nota! Tutti i servizi ricondotti ai precedenti problemi sulle DL!
24 DLKRS: reasoner Struttura DL Knowledge Representation System Esempi di applicazioni Reasoner: quali sono oggi? IV fase: implementazioni mature su DL espressive Impl. di ricerca: FaCT++, Pellet, Kaon2, CEL Impl. commerciali: Racer, Cerebra
25 DLKRS: reasoner Struttura DL Knowledge Representation System Esempi di applicazioni Reasoner: quali sono oggi? IV fase: implementazioni mature su DL espressive Impl. di ricerca: FaCT++, Pellet, Kaon2, CEL Impl. commerciali: Racer, Cerebra Fasi precedenti: I fase ( ): algoritmi strutturali sistemi non completi o per DL limitate: BACK, LOOM, CLASSIC II fase ( ): tableaux, risultati di complessità e ottimizzazioni sistemi per DL non espressive: KRIS, CRACK III fase ( ): tableaux per logiche espressive, studio relazioni con altre logiche implementazioni ottimizzate: FaCT, Racer
26 DLKRS: reasoner Struttura DL Knowledge Representation System Esempi di applicazioni Reasoner: metodi di reasoning? Metodi di reasoning attuali:
27 DLKRS: reasoner Struttura DL Knowledge Representation System Esempi di applicazioni Reasoner: metodi di reasoning? Metodi di reasoning attuali: Tableau reasoning FaCT, FaCT++, Racer, Pellet, Cerebra Idea: ricerca di un modello per la soddisfacibilità di un concetto
28 DLKRS: reasoner Struttura DL Knowledge Representation System Esempi di applicazioni Reasoner: metodi di reasoning? Metodi di reasoning attuali: Tableau reasoning FaCT, FaCT++, Racer, Pellet, Cerebra Idea: ricerca di un modello per la soddisfacibilità di un concetto Altri metodi: KAON2: Riduzione a programmi Datalog + risoluzione CEL: Algoritmo polinomiale di sussunzione per EL +
29 DLKRS: note Struttura DL Knowledge Representation System Esempi di applicazioni Note! DLKRS prima come obiettivo, oggi come strumento DLKRS come componente di sistemi complessi Implementazioni: i reasoner non sono DLKRS! Ontology Information Systems (OIS): modello applicato alle ontologie
30 DLKRS: QuOnto Struttura DL Knowledge Representation System Esempi di applicazioni QuOnto: esempio di variante dello schema Sistema orientato alla ottimizzazione delle query Traduzione di ABox e query su DBS relazionale Basato sulla logica DL-Lite Reasoning ridotto a formulazione di query
31 DLKRS e DBS Struttura DL Knowledge Representation System Esempi di applicazioni Confronto DLKRS e DBS: Parallelo: TBox Schema ABox Dati Vantaggi Facile mantenere coerenza fra schema e dati Le query tengono conto anche della TBox Query anche su struttura TBox Svantaggi Semantica può non essere intuitiva (OWA e CWA) Query answering molto più complesso Problemi di scalabilità
32 Applicazioni classiche DL Knowledge Representation System Esempi di applicazioni Esempi di applicazioni classiche: Software Engineering: Software Information Systems: organizzazione delle informazioni riguardo un ampio sistema software Per rappresentare: Info sul dominio (contesto dell applicazione) Info sul sistema (files di codice, funzioni... )
33 Applicazioni classiche DL Knowledge Representation System Esempi di applicazioni Esempi di applicazioni classiche: Software Engineering: Software Information Systems: organizzazione delle informazioni riguardo un ampio sistema software Per rappresentare: Info sul dominio (contesto dell applicazione) Info sul sistema (files di codice, funzioni... ) Esempio: LaSSIE Basato su CLASSIC (1991) Costruzione di due diversi modelli: domain model, compilato a mano code model, compilato automaticamente Query: sui due modelli o loro unione Trova i files in cui si usa una funzione che modella A
34 Applicazioni classiche DL Knowledge Representation System Esempi di applicazioni Esempi di applicazioni classiche: Configurazione: Problema: trovare un insieme di componenti che rispetti requisiti e vincoli Applicazioni: telecomunicazioni, auto, costruzioni...
35 Applicazioni classiche DL Knowledge Representation System Esempi di applicazioni Esempi di applicazioni classiche: Configurazione: Problema: trovare un insieme di componenti che rispetti requisiti e vincoli Applicazioni: telecomunicazioni, auto, costruzioni... Vantaggi delle DL: Modellazione object-oriented: sistemi e dominio in termini di classi e proprietà Inferenza: deduzione di nuovi vincoli dagli elementi trovati Specifiche incomplete: deduzioni, verifica e estensioni Requisiti: Rappresentazione di regole: come sussunzione o nuovi elementi del KB Spiegazione inferenze: come si è arrivati al risultato? Esempi: PROSE, QUESTAR
36 Applicazioni classiche DL Knowledge Representation System Esempi di applicazioni Esempi di applicazioni classiche: Medicina: Uso: ontologie per terminologie e concetti medici (Interesse derivato dalla biologia: Gene Ontology (GO)) Applicazioni: OIS per dati clinici Integrazione e scambio di dati Indicizzazione di documenti...
37 Applicazioni classiche DL Knowledge Representation System Esempi di applicazioni Esempi di applicazioni classiche: Medicina: Uso: ontologie per terminologie e concetti medici (Interesse derivato dalla biologia: Gene Ontology (GO)) Applicazioni: OIS per dati clinici Integrazione e scambio di dati Indicizzazione di documenti... Esempio: SNOMED-CT Insieme di riferimento attuale basato su DL Rappresentazione e scambio di dati clinici Esempio: GALEN Studiato per medical information systems (info su pazienti) Tra le prime ontologie basate su DL (GRAIL)
38 Applicazioni classiche DL Knowledge Representation System Esempi di applicazioni Esempi di applicazioni classiche: Medicina: Caratteristiche: KB molto estesi: SNOMED: concetti! Problemi di rappresentazione tipici: parti (ispartof), vicinanza anatomica, anormalità Rilevanza di problemi più generali: scalabilità, espressività, granularità Ontologie come terminologie mediche ufficiali: SNOMED: adottato da US National Library of Medicine Altre ontologie note: NCI, MeSH, FMA, UMLS (Sviluppate o tradotte in logiche descrittive)
39 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Database: 1. Modellazione concettuale Traduzioni formali: e.g. tra schemi ER e DLR (preserva formalmente le informazioni!)
40 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Database: 1. Modellazione concettuale Traduzioni formali: e.g. tra schemi ER e DLR (preserva formalmente le informazioni!) Vantaggi: Reasoning per correttezza, consistenza, ridondanze Rappresentazione formale, non ambigua Più espressività: operazioni su entità, restrizioni su relazioni
41 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Database: 1. Modellazione concettuale Traduzioni formali: e.g. tra schemi ER e DLR (preserva formalmente le informazioni!) Vantaggi: Reasoning per correttezza, consistenza, ridondanze Rappresentazione formale, non ambigua Più espressività: operazioni su entità, restrizioni su relazioni Dati semistrutturati: definizione di schemi formali con DL
42 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Database: 2. Query
43 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Database: 2. Query DL come linguaggio di query: Reasoning per verifica correttezza con lo schema Classificazione delle query: - Per eseguire dalle più generali alle specifiche - Per ottimizzazione: per Q C, limitare ricerca a C - Per tassonomia di viste
44 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Database: 2. Query DL come linguaggio di query: Reasoning per verifica correttezza con lo schema Classificazione delle query: - Per eseguire dalle più generali alle specifiche - Per ottimizzazione: per Q C, limitare ricerca a C - Per tassonomia di viste Problema Approccio limitato: linguaggio povero e solo per ASK
45 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Database: 2. Query DL come linguaggio di query: Reasoning per verifica correttezza con lo schema Classificazione delle query: - Per eseguire dalle più generali alle specifiche - Per ottimizzazione: per Q C, limitare ricerca a C - Per tassonomia di viste Problema Approccio limitato: linguaggio povero e solo per ASK Alternative: DL per tipizzazione dei dati rispetto a TBox Query congiuntive: concetti e ruoli come predicati (DL-Lite) Traduzione in SQL con ABox in DBS (QuOnto)
46 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Database: 3. Data integration Idea: visione uniforme dei dati di più risorse differenti Descrizioni delle risorse: Schema globale dell integrazione Descrizione locale per ogni risorsa Query sull integrazione: Riformulazione delle query basata su viste
47 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Formalismi class-based: Relazioni con: Semantic networks, frame systems, conceptual graphs Modelli di database (schemi ER e Object Oriented) Object oriented programming languages Linguaggi di modellazione (UML)
48 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Formalismi class-based: Relazioni con: Semantic networks, frame systems, conceptual graphs Modelli di database (schemi ER e Object Oriented) Object oriented programming languages Linguaggi di modellazione (UML) Nota! Difficile dare un metodo generale per mapparli nelle DL: Si possono perdere caratteristiche nelle traduzioni Di contro, semantica formale e reasoning
49 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Altri formalismi logici: Logica (classica) dei predicati: Logiche modali:
50 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Altri formalismi logici: Logica (classica) dei predicati: DL come sott insiemi decidibili della FOL Restricted variable fragments: ALC L 2 Guarded fragments: R.A, R.A Logiche modali:
51 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Altri formalismi logici: Logica (classica) dei predicati: DL come sott insiemi decidibili della FOL Restricted variable fragments: ALC L 2 Guarded fragments: R.A, R.A Logiche modali: Ruoli e relazioni di accessibilità: ALC K m Studio relazioni per DL espressive: ALCR + = S S4 Risultati di complessità, tecniche di reasoning e costrutti
52 DL e altri settori Struttura DL Knowledge Representation System Esempi di applicazioni Relazioni con altri settori dell informatica: Altri formalismi logici: Logica (classica) dei predicati: DL come sott insiemi decidibili della FOL Restricted variable fragments: ALC L 2 Guarded fragments: R.A, R.A Logiche modali: Ruoli e relazioni di accessibilità: ALC K m Studio relazioni per DL espressive: ALCR + = S S4 Risultati di complessità, tecniche di reasoning e costrutti Molte altre relazioni ed estensioni: programmazione logica, logiche temporali, dinamiche, probabilistiche, fuzzy, costruttive...
53 Componenti Struttura e linguaggi Applicazioni 1 2 3
54 Web Semantico: introduzione Componenti Struttura e linguaggi Applicazioni World Wide Web: caratteristiche (e problemi): Human readable Documenti connessi
55 Web Semantico: introduzione Componenti Struttura e linguaggi Applicazioni World Wide Web: caratteristiche (e problemi): Human readable Documenti connessi Web Semantico Un nuovo web composto da informazioni connesse tra loro in base al loro significato e comprensibile da macchine Caratteristiche: Machine understandable Informazioni connesse ( Data Web )
56 Web Semantico: esempio Componenti Struttura e linguaggi Applicazioni Esempio: informazioni bibliografiche Agente 1: ricerca Ricerca i libri di un dato autore, con edizioni, prezzi... Agente 2: pubblicazione Pubblica i libri disponibili su un e-commerce Agente 3: elaborazione Pubblica la classifica dei libri più venduti della settimana
57 Web Semantico: esempio Componenti Struttura e linguaggi Applicazioni Idea Unire informazioni coerenti da più fonti per: Eseguire ricerche consistenti sull unione Scoprire nuove relazioni fra i dati (e.g. classifica) Tim Berners-Lee: The SW is a technology designed to specifically do that: to open up the boundaries [... ] to look at how things connect in new combinations [... ].
58 Web Semantico: esempio Componenti Struttura e linguaggi Applicazioni Idea Unire informazioni coerenti da più fonti per: Eseguire ricerche consistenti sull unione Scoprire nuove relazioni fra i dati (e.g. classifica) Tim Berners-Lee: The SW is a technology designed to specifically do that: to open up the boundaries [... ] to look at how things connect in new combinations [... ]. Richieste Tutti gli agenti: devono capire cosa sono un autore, libro, prezzo... devono utilizzare lo stesso linguaggio per comunicare
59 Web Semantico: componenti Componenti Struttura e linguaggi Applicazioni Componenti: URI: identificazione degli oggetti
60 Web Semantico: componenti Componenti Struttura e linguaggi Applicazioni Componenti: URI: identificazione degli oggetti Statements (triple): relazioni fra oggetti ex:calvino ex:isauthorof ex:palomar
61 Web Semantico: componenti Componenti Struttura e linguaggi Applicazioni Componenti: URI: identificazione degli oggetti Statements (triple): relazioni fra oggetti ex:calvino ex:isauthorof ex:palomar Ontologie: semantica dei concetti e delle loro relazioni Autore subclassof Persona
62 Componenti Struttura e linguaggi Applicazioni Web Semantico: ontologie e logica Rappresentazione formale delle ontologie: Logiche descrittive
63 Componenti Struttura e linguaggi Applicazioni Web Semantico: ontologie e logica Rappresentazione formale delle ontologie: Logiche descrittive Linguaggi di rappresentazione di ontologie: basati su logiche descrittive espressive (famiglia SH)
64 Componenti Struttura e linguaggi Applicazioni Web Semantico: ontologie e logica Rappresentazione formale delle ontologie: Logiche descrittive Linguaggi di rappresentazione di ontologie: basati su logiche descrittive espressive (famiglia SH) Caratterizzazione logica indispensabile per: Condivisione della semantica dei concetti Reasoning (deduzione): Query Validazione delle ontologie...
65 Componenti Struttura e linguaggi Applicazioni Web Semantico: visione o realtà? Nota! Il Web Semantico è ancora una visione...
66 Componenti Struttura e linguaggi Applicazioni Web Semantico: visione o realtà? Nota! Il Web Semantico è ancora una visione... MA... I suoi strumenti e linguaggi sono già disponibili!
67 Web Semantico: struttura Componenti Struttura e linguaggi Applicazioni Struttura del Web Semantico: Unicode+URI, XML: formati di base RDF: linguaggio per triple RDFS: schema di classi e proprietà OWL: linguaggio di ontologia Applicazioni: reasoner, API, editor... Linguaggi: query, regole...
68 Web Semantico: RDF Componenti Struttura e linguaggi Applicazioni Resource Description Framework (RDF) Rappresentazione di triple di risorse: (soggetto, predicato, oggetto) Risorse identificate da URI Formati: N-Triples, Notation3, grafi RDF, RDF/XML rdf:type: predicato per tipizzazione delle risorse <rdf:description rdf:about= > <rdf:type rdf:resource= > </rdf:description>
69 Web Semantico: RDFS Componenti Struttura e linguaggi Applicazioni RDF Schema (RDFS) Definizione dello schema dei termini delle triple Elementi base: Classi: rdfs:class, rdfs:subclassof Proprietà: rdfs:property, rdfs:subpropertyof <rdfs:class rdf:id= Handbook > <rdfs:subclassof rdf:resource= #Book > </rdfs:class>
70 Web Semantico: nota Componenti Struttura e linguaggi Applicazioni Nota! SW DL Classi Concetti Proprietà Ruoli
71 Web Semantico: OWL Componenti Struttura e linguaggi Applicazioni Web Ontology Language (OWL) Rappresentazione di ontologie W3C Recommendation del 10/2/2004 (Standardizzato insieme a RDF e RDFS) Costruito a partire da DAML+OIL
72 Web Semantico: OWL Componenti Struttura e linguaggi Applicazioni Web Ontology Language (OWL) Rappresentazione di ontologie W3C Recommendation del 10/2/2004 (Standardizzato insieme a RDF e RDFS) Costruito a partire da DAML+OIL Sottolinguaggi OWL Lite OWL DL OWL Full
73 Web Semantico: OWL Componenti Struttura e linguaggi Applicazioni Elementi tipici: Definizione dello schema: Classi: owl:class, owl:thing, owl:nothing Proprietà: owl:objectproperty, owl:datatypeproperty Individui: owl:individual
74 Web Semantico: OWL Componenti Struttura e linguaggi Applicazioni Elementi tipici: Definizione dello schema: Classi: owl:class, owl:thing, owl:nothing Proprietà: owl:objectproperty, owl:datatypeproperty Individui: owl:individual Assiomi e costruttori: Equivalenze: owl:equivalentclass, owl:disjointform Uguaglianze: owl:sameas, owl:differentfrom Proprietà inverse: owl:inverseof Caratteristiche delle p.: owl:transitiveproperty Composizione di classi: owl:intersectionof Restrizioni: owl:allvaluesfrom, owl:mincardinality Classi enumerate: owl:oneof, owl:hasvalue
75 Web Semantico: OWL Componenti Struttura e linguaggi Applicazioni Elementi tipici: Definizione dello schema: Classi: owl:class, owl:thing, owl:nothing Proprietà: owl:objectproperty, owl:datatypeproperty Individui: owl:individual Assiomi e costruttori: Equivalenze: owl:equivalentclass, owl:disjointform Uguaglianze: owl:sameas, owl:differentfrom Proprietà inverse: owl:inverseof Caratteristiche delle p.: owl:transitiveproperty Composizione di classi: owl:intersectionof Restrizioni: owl:allvaluesfrom, owl:mincardinality Classi enumerate: owl:oneof, owl:hasvalue Altri: annotation properties, inclusioni di ontologie...
76 Web Semantico: OWL Componenti Struttura e linguaggi Applicazioni <owl:class rdf:id= Human > <owl:unionof rdf:parsetype= Collection > <owl:class rdf:about= #Male /> <owl:class rdf:about= #Female /> </owl:unionof> </owl:class>
77 Web Semantico: OWL Componenti Struttura e linguaggi Applicazioni <owl:class rdf:id= Human > <owl:unionof rdf:parsetype= Collection > <owl:class rdf:about= #Male /> <owl:class rdf:about= #Female /> </owl:unionof> </owl:class> <owl:objectproperty rdf:id= isautoreof > <owl:inverseof rdf:resource= #hasautore /> </owl:objectproperty>
78 Web Semantico: OWL Componenti Struttura e linguaggi Applicazioni <owl:class rdf:id= Human > <owl:unionof rdf:parsetype= Collection > <owl:class rdf:about= #Male /> <owl:class rdf:about= #Female /> </owl:unionof> </owl:class> <owl:objectproperty rdf:id= isautoreof > <owl:inverseof rdf:resource= #hasautore /> </owl:objectproperty> <owl:class rdf:id= WeekDays > <owl:oneof rdf:parsetype= Collection > <owl:thing rdf:about= #Monday > <owl:thing rdf:about= #Tuesday > <owl:thing rdf:about= #Wednesday >... </owl:oneof> </owl:class>
79 Web Semantico: OWL e DLs Componenti Struttura e linguaggi Applicazioni Relazioni tra OWL e DLs: OWL DL OWL Lite SHIF(D) OWL DL SHOIN (D) OWL Full??? (DAML+OIL) SHIQ
80 Web Semantico: OWL e DLs Componenti Struttura e linguaggi Applicazioni Relazioni tra OWL e DLs: OWL DL Concept SAT OWL Lite SHIF(D) ExpTime-complete OWL DL SHOIN (D) NExpTime-complete OWL Full??? (DAML+OIL) SHIQ ExpTime-complete
81 Web Semantico: OWL e DLs Componenti Struttura e linguaggi Applicazioni Sintassi OWL Sintassi DL Semantica A (Classe) A NC A I I owl:thing owl:thing I = I owl:nothing owl:nothing I = intersectionof(c 1, C 2 ) C 1 C 2 C I 1 CI 2 unionof(c 1, C 2 ) C 1 C 2 C I 1 CI 2 complementof(c) C I \ C I oneof(c 1,..., c n ) {c 1,..., c n } {c I 1,..., ci n } (R somevaluesfrom C) R.C { d d t.c. (d, d ) R I, d C I } (R allvaluesfrom C) R.C { d d, (d, d ) R I d C I } (R hasvalue c) R.{c} { d (d, c I ) R I } (R mincardinality n) n.r { d #(d (d, d ) R I ) n } (R maxcardinality n) n.r { d #(d (d, d ) R I ) n }
82 Web Semantico: OWL 1.1 Componenti Struttura e linguaggi Applicazioni OWL 1.1 Nato da discussioni su funzionalità di OWL (OWLED 05) Formalizzazione logica: proposta nel KR2006 Horrocks, Kutz, Sattler: The even more irresistible sroiq. W3C Submission del 19/12/2006 W3C Working Draft del 8/1/2008
83 Web Semantico: OWL 1.1 Componenti Struttura e linguaggi Applicazioni OWL 1.1 Nato da discussioni su funzionalità di OWL (OWLED 05) Formalizzazione logica: proposta nel KR2006 Horrocks, Kutz, Sattler: The even more irresistible sroiq. W3C Submission del 19/12/2006 W3C Working Draft del 8/1/2008 OWL 1.1 sroiq(d): Restrizioni di cardinalità qualificate (Q) Disgiunzioni di ruoli Ruoli simmetrici, antisimmetrici e riflessivi Ruolo universale Composizione di ruoli (R) Complemento su ruoli
84 Web Semantico: OWL 1.1 Componenti Struttura e linguaggi Applicazioni OWL 1.1 Nato da discussioni su funzionalità di OWL (OWLED 05) Formalizzazione logica: proposta nel KR2006 Horrocks, Kutz, Sattler: The even more irresistible sroiq. W3C Submission del 19/12/2006 W3C Working Draft del 8/1/2008 OWL 1.1 sroiq(d): Restrizioni di cardinalità qualificate (Q) Disgiunzioni di ruoli Ruoli simmetrici, antisimmetrici e riflessivi Ruolo universale Composizione di ruoli (R) Complemento su ruoli Supportato da tools e reasoners: Protégé, FaCT++, Pellet
85 Componenti Struttura e linguaggi Applicazioni Web Semantico: strumenti e linguaggi Strumenti e linguaggi per l uso delle ontologie: Strumenti: Editor di ontologie: Protégé, Oiled, Swoop Ambienti di sviluppo: HP Jena, Sesame, SWI-Prolog Reasoners: FaCT++, Racer, Pellet, KAON2, CEL RDF triple store: Oracle Spatial 10g, SDB Altri: validatori, browser, motori di ricerca per ontologie
86 Componenti Struttura e linguaggi Applicazioni Web Semantico: strumenti e linguaggi Strumenti e linguaggi per l uso delle ontologie: Strumenti: Editor di ontologie: Protégé, Oiled, Swoop Ambienti di sviluppo: HP Jena, Sesame, SWI-Prolog Reasoners: FaCT++, Racer, Pellet, KAON2, CEL RDF triple store: Oracle Spatial 10g, SDB Altri: validatori, browser, motori di ricerca per ontologie Nota! Già 100 strumenti elencati nel sito della W3C Semantic Web Activity
87 Componenti Struttura e linguaggi Applicazioni Web Semantico: strumenti e linguaggi Strumenti e linguaggi per l uso delle ontologie: Linguaggi: SPARQL: linguaggio di query per RDF/OWL RIF: rappresentazione di regole di inferenza GRDDL: estrazione di RDF da XML, XHTML... POWDER: metadati per insiemi di risorse SKOS: descrizione di (semplici) terminologie
88 Componenti Struttura e linguaggi Applicazioni Web Semantico: strumenti e linguaggi Strumenti e linguaggi per l uso delle ontologie: Linguaggi: SPARQL: linguaggio di query per RDF/OWL RIF: rappresentazione di regole di inferenza GRDDL: estrazione di RDF da XML, XHTML... POWDER: metadati per insiemi di risorse SKOS: descrizione di (semplici) terminologie Ontology Engineering: Metodologie di sviluppo Ontology matching e alignment Ontology evaluation
89 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico:
90 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: RDF/OWL formato per scambio dati:
91 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: RDF/OWL formato per scambio dati: RSS (RDF Site Summary) Fino alla versione 1.0 basato su RDF(S)
92 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: RDF/OWL formato per scambio dati: RSS (RDF Site Summary) Fino alla versione 1.0 basato su RDF(S) Creative Commons Licenze dei documenti come triple RDF e schema RDFS
93 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: RDF/OWL formato per scambio dati: RSS (RDF Site Summary) Fino alla versione 1.0 basato su RDF(S) Creative Commons Licenze dei documenti come triple RDF e schema RDFS Estensioni di Firefox Descrizione di ogni estensione in un file RDF
94 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: RDF/OWL formato per scambio dati: RSS (RDF Site Summary) Fino alla versione 1.0 basato su RDF(S) Creative Commons Licenze dei documenti come triple RDF e schema RDFS Estensioni di Firefox Descrizione di ogni estensione in un file RDF Molte ontologie note: Dublin Core, FOAF, MusicBrainz Pagine HTML + (meta)dati RDF: XHTML2 e RDFa
95 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: Ontology Information Systems (OIS):
96 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: Ontology Information Systems (OIS): Portali basati su ontologie: Vodafone Live Ricerca e descrizione di multimedia tramite metadati RDF Sun swordfish Ricerca di materiali di supporto ai prodotti (whitepapers)
97 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: Ontology Information Systems (OIS): Portali basati su ontologie: Vodafone Live Ricerca e descrizione di multimedia tramite metadati RDF Sun swordfish Ricerca di materiali di supporto ai prodotti (whitepapers) Assistenza alla ricerca documenti: GoPubMed Ricerca articoli di PubMed basata su ontologie Food, Nutrition and Agriculture Journal (FAO) (Simile, basata sull ontologia AGRIS)
98 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: Ontology Information Systems (OIS): Portali basati su ontologie: Vodafone Live Ricerca e descrizione di multimedia tramite metadati RDF Sun swordfish Ricerca di materiali di supporto ai prodotti (whitepapers) Assistenza alla ricerca documenti: GoPubMed Ricerca articoli di PubMed basata su ontologie Food, Nutrition and Agriculture Journal (FAO) (Simile, basata sull ontologia AGRIS) Integrazione dei dati: Renault Aggregazione di documenti per diagnosi e riparazione MuseoSuomi Aggregazione tra collezioni di più musei
99 Web Semantico: applicazioni Componenti Struttura e linguaggi Applicazioni Applicazioni degli strumenti del Web Semantico: Semantic Web Services: Descrizione semantica delle proprietà dei Web Services W3C Semantic Web Services Interest Group: Gruppo attivo per i Semantic WS del W3C Linguaggi di descrizione: SAWSDL, OWL-S Progetti su SWS: LUISA, SUPER, IRS-III
100 Web Semantico: ultimi sviluppi Componenti Struttura e linguaggi Applicazioni Ultimi sviluppi del Web Semantico: interesse sul lato: Teorico: Conferenze: ISWC, OWLED, Semantic Technology Conference, SWAP Pubblicazioni: Journal of Web Semantics Applicativo: Aziende: Racer Systems, Cerebra, HP (Jena), IBM (SNOBASE) Associazioni e progetti: STI international, Ontology Engineering Group, OKKAM
101 Web Semantico: ultimi sviluppi Componenti Struttura e linguaggi Applicazioni Ultimi sviluppi del Web Semantico: interesse sul lato: Teorico: Conferenze: ISWC, OWLED, Semantic Technology Conference, SWAP Pubblicazioni: Journal of Web Semantics Applicativo: Aziende: Racer Systems, Cerebra, HP (Jena), IBM (SNOBASE) Associazioni e progetti: STI international, Ontology Engineering Group, OKKAM Direzioni di sviluppo Teoria Applicazioni Algoritmi di reasoning, espressività delle DL Strumenti, applicazioni, linguaggi, metodologie
102 Web Semantico: conclusione Componenti Struttura e linguaggi Applicazioni Web Semantico e logiche descrittive: Semantic Web come impulso per: Standardizzazione dei linguaggi Sviluppo di strumenti e implementazioni Sviluppo di applicazioni reali di DL e reasoning
103 Web Semantico: conclusione Componenti Struttura e linguaggi Applicazioni Web Semantico e logiche descrittive: Semantic Web come impulso per: Standardizzazione dei linguaggi Sviluppo di strumenti e implementazioni Sviluppo di applicazioni reali di DL e reasoning Sviluppo di linguaggi e strumenti del SW di pari passo allo sviluppo teorico delle DL
104 Web Semantico: conclusione Componenti Struttura e linguaggi Applicazioni Web Semantico e logiche descrittive: Semantic Web come impulso per: Standardizzazione dei linguaggi Sviluppo di strumenti e implementazioni Sviluppo di applicazioni reali di DL e reasoning Sviluppo di linguaggi e strumenti del SW di pari passo allo sviluppo teorico delle DL Esempi Dalla teoria alla pratica: KAON2 Dalla pratica alla teoria: OWL 1.1 e sroiq
Creare ontologie ONTOLOGIE, DESCRIPTION LOGIC, PROTÉGÉ STEFANO DE LUCA
Creare ontologie ONTOLOGIE, DESCRIPTION LOGIC, PROTÉGÉ STEFANO DE LUCA Punto di partenza: materia per ragionare Gli agenti intelligenti possono usare tecniche deduttive per raggiungere il goal Per fare
Knowledge Management and Protection Systems (KMaPS) Corso di Laurea in Ingegneria
Knowledge Management and Protection Systems (KMaPS) Corso di Laurea in Ingegneria Part 4 (2015) -- Knowledge modeling, Ontology and OWL Michela Paolucci, Gianni Pantaleo, Paolo Nesi DISIT Lab http://www.disit.dinfo.unifi.it/
Logiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è
Logiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è noto in un dominio di applicazione definendo i concetti
Rappresentazione della Conoscenza. Lezione 10. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0
Rappresentazione della Conoscenza Lezione 10 Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0 Sistemi ed applicazioni Sistemi di rappresentazione della conoscenza basati su logiche descrittive.
Categorie e oggetti. Il Web semantico. Ontologie di dominio. Le motivazioni del web semantico. Web semantico e logiche descrittive
Categorie e oggetti Web semantico e logiche descrittive M. Simi, 2014-2015 Cap 2 del "Description Logic Handbook" Lezioni di U.Straccia Molti dei ragionamenti che si fanno sono sulle categorie piuttosto
Web semantico e logiche descrittive
Web semantico e logiche descrittive M. Simi, 2015-2016 Cap 2 del "Description Logic Handbook Documenti del W3C Lezioni di U.Straccia Categorie e oggetti Molti dei ragionamenti che si fanno sono sulle categorie
Informatica Applicata 3.3 OWL. Antonella Poggi. Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE
Informatica Applicata 3.3 OWL Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE The Semantic Web Tower Antonella Poggi Pagina 2 Le ontologie
Logiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è
Logiche descrittive Le logiche descrittive sono una famiglia di formalismi per la rappresentazione della conoscenza (KR) che descrivono ciò che è noto in un dominio di applicazione definendo i concetti
LA KB delle logiche descrittive. Che tipo di ragionamenti? Problemi decisionali per DL. Sussunzione. Soddisfacilità di concetti (CS)
Ragionamento nelle logiche descrittive M. Simi, 2014-2015 LA KB delle logiche descrittive K = (T, A) T (T-BOX), componente terminologica A (A-BOX), componente asserzionale Una interpretazione I soddisfa
RDF. Resource Description Framework
RDF Resource Description Framework turbati@info.uniroma2.it Caratteristiche Independenza Condivisibilità Scalabilità Ogni cosa è una risorsa Le proprietà sono risorse I valori possono essere risorse Le
Intelligenza Artificiale. Description Logics
Intelligenza Artificiale Description Logics Marco Piastra Description Logics - 1 1 Semantic Web e Ontologie Description Logics - 2 Origini del Semantic Web Il Web è stato inventato da Tim Berners-Lee (et
Università della Calabria, Corso di Laurea Specialistica in Ingegneria Gestionale Progettazione di Sistemi Informativi Docente: Alfredo Cuzzocrea
La gestione della conoscenza Dati, Informazioni, Conoscenza DATI Estrazione Trasformazione Integrazione Storicizzazione INFORMAZIONI Derivazione Analisi CONOSCENZA Il DATO è un rozzo numero o fatto es:
Ontologie e World Wide Web: la diffusione della conoscenza.
Università degli Studi dell Insubria Facoltà di Scienze Matematiche, Fisiche, Naturali Sede di Como Corso di Laurea in Scienze e Tecnologie dell Informazione Ontologie e World Wide Web: la diffusione della
Corso di Laurea in Informatica Basi di Dati a.a
Corso di Laurea in Informatica Basi di Dati a.a. 2012-2013 Laboratorio 31B Esercitatori : Ing. G. Laboccetta Dott.ssa V. Policicchio Progetto Didattico Durante le lezioni saranno realizzate tutte le fasi
Rappresentazione della Conoscenza. Lezione 8. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 8 0
Rappresentazione della Conoscenza Lezione 8 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 8 0 Nomenclatura FL (Frame Language) include: concept conjunction universal quantification unqualified
Introduzione al Semantic Web
Corso di Laurea Specialistica in Ingegneria Gestionale Corso di Sistemi Informativi Modulo II A. A. 2013-2014 Giuseppe Loseto Dal Web al Semantic Web 2 Dal Web al Semantic Web: Motivazioni Il Web dovrebbe
Rappresentazione della conoscenza e ragionamento. I sistemi di rappresentazione della conoscenza
Rappresentazione della conoscenza e ragionamento I sistemi di rappresentazione della conoscenza Formalizzazione della conoscenza Le prime discussioni all interno di IA tendevano a focalizzarsi sulla rappresentazione
Ontologie e rappresentazione della conoscenza
Ontologie e rappresentazione della conoscenza Overview Come nascono le ontologie Motivazioni per il loro uso Definizioni di ontologie Ontologie e concettualizzazioni Tipi di ontologie Proprietà delle ontologie
Argomenti XML JSON. Linguaggi per la definizione e lo scambio di dati strutturati, semi-strutturati, non strutturati. XML Data Model JSON
XML JSON Argomenti 2 Linguaggi per la definizione e lo scambio di dati strutturati, semi-strutturati, non strutturati XML Data Model JSON 3 XML XML extensible Markup Language 4 Modello di dati XML Nato
Corso di Laurea Specialistica in Ingegneria Informatica. Corso di Linguaggi e Tecnologie Web A. A. 2011-2012. Real world Semantics.
Corso di Laurea Specialistica in Ingegneria Informatica Corso di Linguaggi e Tecnologie Web A. A. 2011-2012 Real world Semantics Eufemia TINELLI Pubblicare metadati su Web Pubblicare file RDF sul web MIME-type
Formalizzazione ontologica di terminologie e sistemi di classificazione in ambito biomedico: Il caso ICPC2-ICD10
Formalizzazione ontologica di terminologie e sistemi di classificazione in ambito biomedico: Il caso ICPC2-ICD10 Elena Cardillo cardillo@fbk.eu May 26, 2011 logo Agenda 1 Introduzione 2 Ontologie biomediche
Strumenti per lo sviluppo e la gestione di Ontologie
Strumenti per lo sviluppo e la gestione di Ontologie Armando Stellato stellato@info.uniroma2.it Ontology Editors Protégé Link al sito dello strumento http://protege.stanford.edu/ (scaricare Protege-OWL
Rappresentazione della Conoscenza. Lezione 1. Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 1 0
Rappresentazione della Conoscenza Lezione 1 Rappresentazione della Conoscenza Daniele Nardi, 2008Lezione 1 0 Sommario La rappresentazione della conoscenza (BL 1) Sistemi basati sulla conoscenza (BL 1)
Enrico Fagnoni <e.fagnoni@e-artspace.com> BOTK IN A NUTSHELL
Enrico Fagnoni BOTK IN A NUTSHELL 20/01/2011 1 Business Ontology ToolKit Business Ontology Toolkit (BOTK) è un insieme estensibile di strumenti per realizzare applicazioni basate
PANORAMICA SUL SEMANTIC WEB, ONTOLOGIE, LINGUAGGIO OWL
PANORAMICA SUL SEMANTIC WEB, ONTOLOGIE, LINGUAGGIO OWL WEB SEMANTICO Attualmente il web è costituito da un insieme di informazioni di vario tipo in cui l utente filtra le informazioni con un meccanismo
Le ontologie nell integrazione dei dati
Le ontologie nell integrazione dei dati Prof. Letizia Tanca 1 Ontologie Definizione formale e condivisa di un vocabolario di termini e delle relazioni tra essi Relazioni possibili: sinonimia omonimia iponimia
Introduzione al Semantic Web
Corso di Laurea Specialistica in Ingegneria Informatica Corso di Linguaggi e Tecnologie Web A. A. 2011 - Introduzione al Semantic Web Eufemia TINELLI Dal Web al Semantic Web: Motivazioni Il Web dovrebbe
Code Architects S.r.l. SWOP Semantic web-service Opened Platform B2SO201
UNIONE EUROPEA FONDO EUROPEO DI SVILUPPO REGIONALE. REGIONE PUGLIA AREA POLITICHE PER LO SVILUPPO IL LAVORO E L INNOVAZIONE Modello M14 Allegati RTA POR PUGLIA 2007-2013 - Asse I Linea 1.1 Azione 1.1.2
13-03-2013. Introduzione al Semantic Web Linguaggi per la rappresentazione di ontologie. L idea del Semantic Web.
Corso di Ontologie e Semantic Web Linguaggi per la rappresentazione di ontologie Prof. Alfio Ferrara, Prof. Stefano Montanelli Definizioni di Semantic Web Rilievi critici Un esempio Tecnologie e linguaggi
Sistemi con vincoli. Docente: Francesca Rossi.
E-mail: frossi@math.unipd.it Scopo del corso Dare le nozioni di base della programmazione con vincoli Come rappresentare un problema reale con un insieme di vincoli Tecniche principali per risolverlo Approccio
Descrizione Formale Esplicita Dominio
Ontologia Abbiamo visto che tassonomie e tesauri fissano una semantica. Per arricchire la semantica si deve passare a modelli concettuali e teorie logiche. Un modello concettuale è il modello di una particolare
III test di autovalutazione (Esercizi su ontologie e ripasso prolog)
III test di autovalutazione (Esercizi su ontologie e ripasso prolog) Teoria: alcune domande: 1. Per indicare la strutturazione delle categorie in sottoclassi si usa il termine: tassonomia sinonimia iperonimia
Linked Open Data Introduzione e nuovi punti di vista Silvia Mazzini Antonella Pagliarulo smazzini@regesta.com apagliarulo@regesta.
Linked Open Data Introduzione e nuovi punti di vista Silvia Mazzini Antonella Pagliarulo smazzini@regesta.com apagliarulo@regesta.com Library Library Data Linked Data Library Linked Data W3C Incubator
RDF. Resource Description Framework
RDF Resource Description Framework 1 Sommario 1) Cos è l RDF RDF Model and Syntax RDF Schema 2) Il data model RDF definizione di risorsa, proprietà e statement esempio 1 esempio 2 2 3) Combinazione RDF
Corso di Laurea in Informatica Basi di Dati a.a
Corso di Laurea in Informatica Basi di Dati a.a. 2010-2011 Laboratorio 31B Esercitatori : Ing. G. Laboccetta Dott.ssa V. Policicchio Presentazione delle lezioni di laboratorio: finalità del corso modalità
RDF RDFS RDF/XML. Dott.sa Vincenza Anna Leano vincenzaanna.leano@unina.it. Basi di Dati II mod. B Prof. F. Cutugno A.A. 2010/2011
RDF RDFS RDF/XML Dott.sa Vincenza Anna Leano vincenzaanna.leano@unina.it Basi di Dati II mod. B Prof. F. Cutugno A.A. 2010/2011 ESEMPIO Concetto Il prof Cutugno insegna Basi di Dati II Rappresentazione
Il Sistema Integrato dei Istat
Il Sistema Integrato dei Registri @ Istat Progettazione e realizzazione di una architettura Ontology-Based Mauro Bruno, Roberta Radini, Laura Tosco Istituto Nazionale di Statistica - Istat Sommario Il
Estrattore Semantico di Ontologie da DB Relazionali. Luca Macagnino
Estrattore Semantico di Ontologie da DB Relazionali Luca Macagnino 1 Obiettivi Estrarre un ontologia da una sorgente di dati relazionale, al fine di rendere disponibili e dotate di semantica le informazioni
Ingegneria del Software 4. Introduzione a UML. Dipartimento di Informatica Università di Pisa A.A. 2014/15
Ingegneria del Software 4. Introduzione a UML Dipartimento di Informatica Università di Pisa A.A. 2014/15 e per i modelli iterativi analisi peliminare analisi e progettazione realizzazione Necessità di
3.1 Introduzione al Web Semantico
Informatica Applicata 3.1 Introduzione al Web Semantico Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE LINGUISTICO FILOLOGICHE E GEOGRAFICHE 3.1 Introduzione al Web Semantico*
Introduzione a Semantic Web. Informazione semantica (I): RDF e RDFS Informazione semantica (II): OWL Logiche, proof e trust
Ing. Federico Chesani SEMANTIC WEB Outline Outline Introduzione a Semantic Web Caratterizzazione del World Wide Web odierno La proposta Semantic Web Architettura del Semantic Web Informazione semantica
Un portale semantico per i Beni Culturali
Un portale semantico per i Beni Culturali A. Ciapetti, D. Berardi, A. Donnini, M. Lorenzini, M.E. Masci, D. Merlitti, S. Norcia, F. Piro (Etcware) M. De Vizia Guerriero, O. Signore (CNR W3C Italia) EVA
Linked Open Data: pubblicazione, arricchimento semantico e linking di dataset pubblici attraverso il sistema MOMIS
Università degli Studi di Modena e Reggio Emilia Ingegneria Enzo Ferrari Corso di Laurea Magistrale (D. M. 270/04) in Ingegneria Informatica Linked Open Data: pubblicazione, arricchimento semantico e linking
Gestione della Conoscenza
Gestione della Conoscenza Corso di Laurea Specialistica in Informatica Massimo Ruffolo E-mail: ruffolo@icar.cnr.it Web: http://www.icar.cnr.it/ruffolo Istituto di CAlcolo e Reti ad alte prestazioni del
Introduzione alla logica
Corso di Intelligenza Artificiale 2011/12 Introduzione alla logica iola Schiaffonati Dipartimento di Elettronica e Informazione Sommario 2 Logica proposizionale (logica di Boole) Logica del primo ordine
Linee di programmazione
Ministero dell Istruzione, dell Università e della Ricerca Ufficio Scolastico regionale per il Lazio Istituto Tecnico Industriale A. Pacinotti ISTITUTO TECNICO TECNOLOGICO - LICEO SCIENTIFICO DELLE SCIENZE
Basi di Dati e Sistemi Informativi su Web
Basi di Dati e Sistemi Informativi su Web Corso di Laurea Specialistica in Ingegneria Informatica Massimo Ruffolo E-mail: ruffolo@icar.cnr.it Web: http://www.icar.cnr.it/ruffolo Istituto di CAlcolo e Reti
Lez. 5 La Programmazione. Prof. Salvatore CUOMO
Lez. 5 La Programmazione Prof. Salvatore CUOMO 1 2 Programma di utilità: Bootstrap All accensione dell elaboratore (Bootsrap), parte l esecuzione del BIOS (Basic Input Output System), un programma residente
Tecnologie semantiche per lo sviluppo di conoscenza e servizi Evento W3C LOD 2014
Tecnologie semantiche per lo sviluppo di conoscenza e servizi Evento W3C LOD 2014 dagli inizi In seguito alla direttiva del Parlamento Europeo 2003/98/CE, nel Marzo 2012, INPS crea la Sezione Open Data
Prima Parte. Università degli Studi di Napoli -- Classi, proprietà, individui e restrizioni. Gennaro Gambardella
Università degli Studi di Napoli -- CDL in Informatica Basi di dati Multimediali Prima Parte Classi, proprietà, individui e restrizioni Gennaro Gambardella Tratto da Ontologie OWL: Teoria e Pratica di
PIANO DI LAVORO. Programmazione Didattica per Competenze. Indirizzo Informatica e Telecomunicazioni. Articolazione Informatica DOCENTE:
PIANO DI LAVORO Programmazione Didattica per Competenze Indirizzo Informatica e Telecomunicazioni Articolazione Informatica DOCENTE: ITP: MATERIA: CLASSE: ORE SETTINALI: CANTARELLA ALFREDO NATALE LUIGI
Le basi di dati. Definizione 1. Lezione 2. Bisogna garantire. Definizione 2 DBMS. Differenza
Definizione 1 Lezione 2 Le basi di dati Gli archivi di dati Organizzato in modo integrato attraverso tecniche di modellazione di dati Gestiti su memorie di massa Con l obiettivo Efficienza trattamento
INTELLIGENZA ARTIFICIALE (elementi) 6 cfu
INTELLIGENZA ARTIFICIALE (elementi) 6 cfu Docente: prof.ssa Stefania Bandini Esercitatore: dr. Matteo Palmonari Dipartimento di Informatica, Sistemistica e Comunicazione Università di Milano-Bicocca www.lintar.disco.unimib.it
Comunicazione Digitale
Comunicazione Digitale Schema didattico di riferimento 1 1. Internet e le reti locali 1. Qual è la storia della rete Internet dagli albori ai giorni nostri 2. I tipi di rete, come si organizzano e agglomerano
World Wide Web Consortium
World Wide Web Consortium Il W3C e la standardizzazione del Web W3C nasce nell'ottobre del 1994 W3C fu creato da Tim Berners-Lee (Inventore del Web) W3C è un un'organizzazione composta da vari membri W3C
Informatica 3. LEZIONE 1: Introduzione. Modulo 1: Introduzione al corso Modulo 2: Introduzione ai linguaggi di programmazione
Informatica 3 LEZIONE 1: Introduzione Modulo 1: Introduzione al corso Modulo 2: Introduzione ai linguaggi di Informatica 3 Lezione 1- Modulo 1 Introduzione al corso Introduzione Corso di Informatica 3
JSON for Linked Data JSON-LD
JSON for Linked Data JSON-LD Giuseppe Santaniello Giuseppe Pietravalle Web Semantico A.A. 2015/2016 Linked Data Insiemi di dati interconnessi sul Web Esempio: DBpedia DBpedia contiene i dati di Wikipedia
21/03/2015. Architettura del Web. RDF in due parole. Un grafo RDF (WorldWide!) Una tripla RDF (s,p,o)
Workshop ODINet OnLine Data Integration Network Pisa, 24 marzo 2015 Linked Open Data, Semantic Web, SKOS: questi (s)conosciuti Oreste Signore (W3C Italy) Slide a: http://www.w3c.it/talks/2015/odinet/ Nascita
INTELLIGENZA ARTIFICIALE (elementi) 6 cfu
INTELLIGENZA ARTIFICIALE (elementi) 6 cfu Prof.ssa Stefania Bandini Dott. Alessandro Mosca Dipartimento di Informatica, Sistemistica e Comunicazione Università di Milano-Bicocca www.lintar.disco.unimib.it
CREAZIONE DI FRAMEWORK PER LO SCAMBIO DATI FRA IMPRESE: DIZIONARIO E GENERATORE DI XML SCHEMA IN MODA-ML
UNIVERSITA DEGLI STUDI DI FERRARA Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica CREAZIONE DI FRAMEWORK PER LO SCAMBIO DATI FRA IMPRESE: DIZIONARIO E GENERATORE DI XML
Basi di dati Modelli e linguaggi di interrogazione
Paolo Atzeni Stefano Ceri Stefano Paraboschi Riccardo Torlone Basi di dati Modelli e linguaggi di interrogazione web site McGraw-Hill IUAV - VENEZIA H 9882 BIBLIOTECA CENTRALE Paolo Atzeni Stefano Ceri
Intelligenza Artificiale. Logiche Descrittive. Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 0
Intelligenza Artificiale Logiche Descrittive Intelligenza Artificiale Daniele Nardi, 2003 Logiche Descrittive 0 Sommario 1. Motivazioni 2. Logiche Descrittive: Linguaggi per la descrizione di concetti
Syllabus A042 Insegnamenti disciplinari
Syllabus A042 Insegnamenti disciplinari Università di Verona TFA A.A. 2014/15 Obiettivi e competenze generali per gli insegnamenti disciplinari Come richiesto dalla normativa di riferimento gli abilitandi
APPENDICE 4 AL CAPITOLATO TECNICO
APPENDICE 4 AL CAPITOLATO TECNICO Descrizione dei profili professionali INDICE 1 PROFILI PROFESSIONALI RICHIESTI 3 1.1 CAPO PROGETTO 3 1.2 ANALISTA FUNZIONALE 4 1.3 ANALISTA PROGRAMMATORE 5 1.4 PROGRAMMATORE
DOCENTE PROF. ALBERTO BELUSSI. Anno accademico 2010/11
Basi di dati DOCENTE PROF. ALBERTO BELUSSI Anno accademico 2010/11 Informazioni generali sull organizzazione Insegnamento annuale su due semestri Orario I Semestre Lunedì 11.30 13.30 (aula B) Martedì 11.30
Informatica 3. Informatica 3. Lezione 1- Modulo 1. LEZIONE 1: Introduzione. Concetti di linguaggi di programmazione. Introduzione
Informatica 3 Informatica 3 LEZIONE 1: Introduzione Lezione 1- Modulo 1 Modulo 1: Introduzione al corso Modulo 2: Introduzione ai linguaggi di Introduzione al corso Politecnico di Milano - Prof. Sara Comai
Indice. Prefazione. 3 Oggetti e Java 53
Prefazione xv 1 Architettura dei calcolatori 1 1.1 Calcolatori e applicazioni 1 1.1.1 Alcuni esempi di applicazioni 3 1.1.2 Applicazioni e interfacce 4 1.2 Architettura dei calcolatori 7 1.2.1 Hardware
Basi di Dati. Concetti e Principi Generali. Maria Mirto
Basi di Dati Concetti e Principi Generali Maria Mirto Organizzazione dei Dati Archivi o file Procedure di accesso in qualunque linguaggio di programmazione Duplicazione dati: ridondanza incoerenza formati
Vittorio Di Tomaso CELI Language & Information Technology
Linked Open Data L esperienza piemontese Vittorio Di Tomaso CELI Language & Information Technology Quest' opera è distribuita con licenza Creative Commons Attribuzione - Non commerciale - Non opere derivate
trasmissione unidirezionale dei contenuti condivisione e collaborazione: approccio costruttivista sociale, e learning 2.0 e web 2.
Social Semantic Web & Folksontologie: prospettive didattiche M. Gervasoni, M. Ventura, G. Vercelli e G. Vivanet Università degli Studi di Genova Scenario trasmissione unidirezionale dei contenuti condivisione
I DATI E LA LORO INTEGRAZIONE 63 4/001.0
I DATI E LA LORO INTEGRAZIONE 63 4/001.0 L INTEGRAZIONE DEI DATI INTEGRAZIONE DEI DATI SIGNIFICA LA CONDIVISIONE DEGLI ARCHIVI DA PARTE DI PIÙ AREE FUNZIONALI, PROCESSI E PROCEDURE AUTOMATIZZATE NELL AMBITO
Costruire un' ontologia: perché e come farlo
Costruire un' ontologia: perché e come farlo Oreste Signore, Responsabile Ufficio Italiano W3C Area della Ricerca CNR - via Moruzzi, 1-56124 Pisa KNOWLEDGE MANAGEMENT UNIVERSITY Olbia,
Corso di Laurea Specialistica in Ingegneria Informatica. Corso di Ingegneria del Software A. A Introduzione ad UML E.
Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Introduzione ad UML E. TINELLI UML È un linguaggio (e notazione) universale per rappresentare qualunque
DatiOpen: il portale Linked Open Data dell Istat
DatiOpen: il portale Linked Open Data dell Istat Relatore: Raffaella M. Aracri Stefano De Francisci, Andrea Pagano, Monica Scannapieco, Laura Tosco, Luca Valentino 25 Maggio 2017 Indice INTRODUZIONE Strategie
Creare un ontologia per una base di conoscenza
Creare un ontologia per una base di conoscenza 1 S T E F A N O D E L U C A Creazione di un ontologia 2 La creazione di un ontologia è operazione complessa; è spesso il frutto di un elaborazione tra più
Tesina I.A. - Alessia Candido 1 INTRODUZIONE INTRODUZIONE DESCRIPTION LOGIC FOR DATABASES. DATABASE vs Knowledge Base CHE COS E UN DATABASE?
INTRODUZIONE DESCRIPTION LOGIC FOR DATABASES Tesina di Intelligenza Artificiale di Prof. Daniele Nardi 1.modellazione concettuale/semantica di sorgenti di dati 2.uso della DL nell esprimere e valutare/processare
Caratteristiche desiderabili individuabili per un Web Ontology Language: Estende gli standard Web esistenti Come XML, RDF(S) Semplice da capire e da
OWL e SPARQL Caratteristiche desiderabili individuabili per un Web Ontology Language: Estende gli standard Web esistenti Come XML, RDF(S) Semplice da capire e da utilizzare Dovrebbe essere basato su formalismi
Lez. 8 La Programmazione. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 8 La Programmazione Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
Semantic Web: linguaggi e tecnologie
Corso di Laurea Specialistica in Ingegneria Gestionale Corso di Sistemi Informativi A. A. 2012-2013 Semantic Web: linguaggi e tecnologie Eufemia TINELLI Dal Web al Semantic Web: Motivazioni Il Web dovrebbe
Programma didattico. Sviluppare Applicazioni Distribuite in ambiente. Spring MVC
Programma didattico Sviluppare Applicazioni Distribuite in ambiente Spring MVC Programma del corso 1.Progettazione e Sviluppo Database Relazionali Questa competenza permette di Progettare e Sviluppare
RAPPRESENTAZIONE DELLA CONOSCENZA (1)
RAPPRESENTAZIONE DELLA CONOSCENZA (1) Ci sono 30 caselle NERE e 32 caselle BIANCHE (a) (b) È un insieme di CONVENZIONI e FORMALISMI per esprimere la conoscenza; Una buona Rappresentazione della Conoscenza
Introduzione al Corso di Verifica Automatica dei Sistemi: Teoria e Applicazioni
Introduzione al Corso di Verifica Automatica Anno Accademico 2010/11 1 Introduzione al Corso di Verifica Automatica dei Sistemi: Teoria e Applicazioni Angelo Montanari Dipartimento di Matematica e Informatica
CORSO DI PROGRAMMAZIONE JAVA STANDARD + ENTERPRISE EDITION
CORSO DI PROGRAMMAZIONE JAVA STANDARD + ENTERPRISE EDITION 0 DURATA 200 ore CONTENUTI Oracle PL/SQL Introduzione al PL/SQL Cenni su SQL con utilizzo di SQL*PLUS Configurazione ambiente Developer DB Classi,
Progettazione di basi di dati
Progettazione di basi di dati Sistemi Informativi L-B Home Page del corso: http://www-db.deis.unibo.it/courses/sil-b/ Versione elettronica: progettazionedb.pdf Sistemi Informativi L-B Progettazione di
Questa presentazione è basata in gran parte sul materiale di presentazioni tenute da Ivan Herman, W3C Semantic Web Activity Lead
Oreste Signore, Responsabile Ufficio Italiano W3C Area della Ricerca CNR - via Moruzzi, 1-56124 Pisa Cultura Senza Barriere Università degli Studi di Padova Padova, 18-20 febbraio 2010
Ministero della Pubblica Istruzione Ufficio Scolastico Regionale per la Sicilia Direzione Generale
Unione Europea Regione Sicilia Ministero della Pubblica Istruzione Ufficio Scolastico Regionale per la Sicilia Direzione Generale ISTITUTO TECNICO INDUSTRIALE STATALE G. MARCONI EDILIZIA ELETTRONICA e
Semantic Web, un deep insight tra idee, realizzazioni e prospettive
Semantic Web, un deep insight tra idee, realizzazioni e prospettive Dr. Ing. Giovanni Tummarello Copyright 2005 Digital Enterprise Research Institute. All rights reserved. www.deri.org 1 DERI: Digital
Università di Bergamo Facoltà di Ingegneria INGEGNERIA DEL SOFTWARE. Paolo Salvaneschi A4_3 V2.1. Progettazione. Metodi e Linguaggi
Università di Bergamo Facoltà di Ingegneria INGEGNERIA DEL SOFTWARE Paolo Salvaneschi A4_3 V2.1 Progettazione Metodi e Linguaggi Il contenuto del documento è liberamente utilizzabile dagli studenti, per
RAPPRESENTAZIONE DELLA CONOSCENZA. È un insieme di CONVENZIONI e FORMALISMI per esprimere la conoscenza;
RAPPRESENTAZIONE DELLA CONOSCENZA È un insieme di CONVENZIONI e FORMALISMI per esprimere la conoscenza; Una buona Rappresentazione della Conoscenza può FACILITARE la SOLUZIONE di un Problema riducendone
Traduzione e interpretazione
Traduzione e interpretazione Parte dei lucidi sono stati gentilmente forniti dal Prof. Salza VII.1 Linguaggi di programmazione Linguaggi ad alto livello Maggiore espressività Maggiore produttività Migliore
In passato, occuparsi di informatica era sinonimo di programmare computer
Programmare =? In passato, occuparsi di informatica era sinonimo di programmare computer attività poco stimolante, atto finale di un processo dove le fasi creative - analisi e progetto - sono già avvenute
Librerie digitali. Cos è una libreria digitale? Introduzione. Cos è una libreria digitale? Cos è una libreria digitale? Cos è una libreria digitale?
Librerie digitali Introduzione William Arms "An informal definition of a digital library is a managed collection of information, with associated services, where the information is stored in digital formats
Rappresentazione della Conoscenza nel Semantic Web. Semantic Web
Rappresentazione della Conoscenza nel Semantic Web seminario di Laera Loredana Semantic Web The Semantic Web is an extension of the current web in which information is given well-defined meaning, better
Le tecnologie del semantic web per la gestione di documenti in ambito distribuito
Le tecnologie del semantic web per la gestione di documenti in ambito distribuito Riccardo Albertoni Istituto di Matematica Applicata e Tecnologie Informatiche - Sezione Genova Consiglio Nazionale delle
INDICE. Introduzione. 3 Capitolo 1 Cenni di geodesia
INDICE XI Introduzione 3 Capitolo 1 Cenni di geodesia 4 1.1 Le superfici di riferimento: definizioni e caratteristiche 1.1.1 La sfera come superficie di riferimento della Terra, p. 6 1.1.2 L ellissoide
Esperienze di linked data e web semantico in BNCF
Esperienze di linked data e web semantico in BNCF Anna Lucarelli anna.lucarelli@beniculturali.it 6' Incontro ISKO Italia Firenze 20 maggio 2013 Biblioteca nazionale centrale Firenze Da Tim Berners Lee
Una proposta di ontologia per gli Open Data Inail sugli infortuni: dalla numerosità dei dati alla gestione della conoscenza
Quaderni di ricerca n. 8, gennaio 2016 Quaderni di ricerca Una proposta di ontologia per gli Open Data Inail sugli infortuni: dalla numerosità dei dati alla gestione della conoscenza Patrizia Agnello,
POLITECNICO DI MILANO
POLITECNICO DI MILANO Facoltà di Ingegneria dell'informazione Corso di Laurea di Ingegneria Informatica SISTEMA DI TEMPLATE PER VISUALIZZARE RISORSE IN UN WIKI SEMANTICO Relatore: Prof. Marco Colombetti
Introduzione alle Basi di Dati
Introduzione alle Basi di Dati Angelo Chianese, Vincenzo Moscato, Antonio Picariello, Lucio Sansone Basi di dati per la gestione dell'informazione 2/ed McGraw-Hill Capitolo 1 Appunti dalle lezioni SQL
Indice INTRODUZIONE I sistemi di rappresentazione della conoscenza La logica descrittiva
Indice INTRODUZIONE 4 Obiettivi della tesi................................. 4 La Logica Descrittiva ALCQHI R+ (D) ed il sistema RACER...... 6 Il sistema ODB-Tools............................ 6 Il prototipo