Semantic Web Notes

提取Web Service的语义

本文所谓的语义是对机器而言。

关于对Web Service进行语义标注，已经有太多的论文了（访问）。一般都是利用本体描述语言根据WSDL对Web Service重新描述，比如，把WSDL转换到OWL-S。其实这样做法是比较简单的，比较有挑战性的是如何将WSDL中一些名字（关键字）转换成具有语义的概念。比如，WSDL中某个方法的参数是（温度，湿度，降水概率，风速风向）这样一个复杂类型，在将其转化成比如OWL-S时候，如何用一个识别并将其匹配到比如<weather>本体，进一步如何产生这个<weather>本体。都是很困难的事情，这件事情在很多论文中都被回避掉了。当然，这只是一个细节。

其实一件比较有趣的事情是还可以从WSDL中获得关于operation的描述（description），operation的名字（比如BookSalesRank），参数的名字等文本性信息中获得关于这个Web Service所具有功能的内容，分类信息。如果让我们人去看一个WSDL文件，即使不去看operation，message等等定义，就看自然语言描述的解释性，注释性的内容，也能大概的了解到这个Web Service是干什么的。显然，信息是存在的，既然存在，问题机器就成了如何从自然语言中去提取关于Web Service功能，分类信息。

关键字提取的方法其实有很多，首先就是解析出单个的词，比如BookSalesRank，可以解析成Book Sales Rank，解析出之后，去掉许多常用词，比如”the”, “a”, “accepts”, “returns”….因此要维护一个大概有700个词左右的这样一个StopWords的词典。然后根据关键词的词频，关键词出现的位置（这也很重要）对不同的关键字打分，取出一定数量分值较高的词汇。如何系统已经有一个分类标准，或者本体词典，就可以计算出各个关键词跟现有分类标准出语义上的相似度(通过WordNet)，从而可以给对Web Service的语义标注提供提示。

Posted in Semantic Web | No Comments »

OWL解惑（二）：关于Domain和Range

这是第二篇 。只是这篇文章有点名不副实，说是解惑，其实是谈惑，因此我也并不清楚我对domain和range的理解是否是完全正确的，或者只是我的一厢情愿，若有错误的，请回复或者mail我。

domain跟range是来自于rdf的语法，owl也继承了下来。在owl文件中使用domain和range是完全符合规范的。

domain和range，直观的理解就是定义域和值域，这样的理解也勉勉强强可以说是正确的。比如有一个谓词（property）: hasBeautifulHair，我们可以定义它的domain是PEOPLE，值域是HAIR。这样的定义跟我们的常识中对于定义域和值域的理解是一致的，不必多说。

在如上的定义下，我们如果加入了以下这样的声明：ASmallDog hasBeautifulHair Bluehair，其中，ASmallDog是类DOG的一个实例，Bulehair是HAIR的一个实例。如果从日常的观点，或者说从熟识的数学的角度理解，这样的陈述是假的，也就是说它违背了之前定义的公理，即hasBeautifulHair的定义域是PEOPLE，而不是DOG。但事实上，从RDF或者OWL的观点看来，这个陈述的真假是不知道的，它与之前的公理并没有发生冲突。

看到这里，就会有些疑问了，为什么会没有冲突？如果没有冲突，那么domain跟range的约束就根本没有意义，会什么还要加上呢？下面对此问题的解释是一些我自己的理解，正确与否尚待思考。:)

解释：为什么没有冲突？将hasBeautifulHair的domain（定义域）和range（值域）定义成PEOPLE和HAIR，从rdf的角度看来，这只是它（本体，知识库）增加了一条关于hasBeautifulHair的知识，而不是增加了一条约束。因为我们有个前提：OWA(Open Word Assumption，开放世界假设)：不能确定的陈述并不认为是假的。只是指明了hasBeautifulHair的定义域是PEOPLE，就不能认为其他的取值为假，除非显式的说明。就像一个小孩学到了一条知识：猫会叫。对他来说，狗能叫这样的陈述，他是不知道这句话是对的还是错的。如果将rdf想象中这样一个小孩，对这点的理解会容易得多。

那为什么还要加上约束呢？正如前面的分析，对这个知识库或者本体来说，这是一条关于它的知识，因此是有必要的。在实践中，这也是有意义的。因为，它可以利用这条知识来进行推理。还是举刚才那个小孩的例子，小孩学到了一条知识：猫会叫。如果这个小孩某天见到一个没见过的动物（可能是狗，可能是猫，可能是其他…）对着他叫，他根据他现有的知识，他会认为（infer）这个动物很有可能是猫。显然，我们可以认为这样的推理是合乎逻辑的。随着知识的增多，我们的推理可以更加准确（比如，知道猫的叫声，狗的叫声等等）。pellet等推理机支持这种类型的推理。这也是domain和range这样的语法存在的意义。增加知识，有益推理。

Posted in Semantic Web | 3 Comments »

OWL解惑(一)–AllValuesFrom与Range的区别

这篇文章是最近打算写的关于owl系列的第一篇。

AllValuesFrom这样的约束是OWL语言新加的，也是OWL比RDF表达能力更加的证据。初学者，特别是对规范还不熟悉的情况下直接用Protege做东西的朋友们常常会遇到这样的问题：

• only（AllValuesFrom）跟some(SomeValuesFrom)有什么区别？
• only, some的作用跟domain,range有什么区别？

先说第一个问题，举个例子:有个类tree，有个类leaves，有个属性has，tree has some leaves这样的句子或者说tree has SomeValuesFrom leaves，它的意思其实是很直观的：如果有一样东西(individual)是tree，对于has这个属性而言，那么它至少有一片叶子的实例(individual)(>=1)。由于开放世界的假设，这个陈述并不暗示着它只能有叶子（而不能有其他的）。
但如果是这样的陈述: tree has only(AllValuesFrom) leaves的意思是指如果有一样东西(individual)，它是tree，它只能has leaves，不能has其他的，比如根，茎什么的，都是不合法的。
AllValuesFrom还隐含着一点小trick，即如果has的leaves是空，对它来说也是合法的。这点可能有些不好理解，稍做下解释：比如这样一个陈述：P的孩子只能是女孩，那么如果p有一个男孩子，自然与之前的陈述违背，但是p如果没有孩子，逻辑上并没有违背前面的陈述，因此是合法的（没有违背就是合法的是owl的世界观之一）。

接下来是第二个问题。AllValuesFrom与Range的区别。其实这两者表示的逻辑含义有很多相似之处。都可以表达某属性的客体取值能且只能取某个范围。两者很重要的区别在于作用域不同，并且AllValuesFrom看起来意义更加的清晰。
Range的作用范围是全局的，domain:people peroperty:hasChild range: Child，表示hasChild这个属性，不管在哪，都只能有客体是Child，而AllValuesFrom的表达是local的，people hasChild AllValuesFrom Child仅对people这样一个主体有效，同样可以定义monkey hasChild AllValuesFrom BabyMonkey这样的陈述。当然，我们可以通过创建谓词hasChild的子谓词来使得range达到与AllValuesFrom一样的表达效果，但是太不直观。

Posted in Semantic Web | 2 Comments »

两篇语义网入门文章

如果刚接触语义网，有许多疑惑，可以先看看这两篇文章。
1 Where are the semantics in the semantic web? （pdf, download）
2 XML+RDF, 实现web数据基于语义的描述（via）

尽管语义与语法在概念上有着巨大的区别，但其实是很容易让人感到困惑的。这两篇文章有助于理想这两概念之间的区别。

Posted in Days of Our Life, Semantic Web | No Comments »

语义网方面的中文参考书

国内关于语义网的书籍仅有三本，两本是大致的介绍，一本是侧重于本体论的。
第一本出版的比较早，好像是华裔写的，英国的一个学校的，书名叫语义网简明教程，大致的描述了语义网及相关技术，连OWL-S也提到了。

第二本是我导师出的，主要关于本体论方面的：本体论工程及其应用。比较的抽象，比较的难以看懂。

第三本是今年刚出的，叫语义网原理与技术。今天去实验室的时候看到的，书其实只是相关知识的堆积，没有很系统的组织内容——大家都清楚这些书的格式的吧，不过做为难得一见的中文参考书，也是不错的。该介绍的知识基本都提到了。

国外有本A Semantic Web Primer很久前就出了，可惜一直都没有中文译本。

Posted in Semantic Web | 4 Comments »

OwlSight

an ontology browser, or a sementic web browser, java-based, using pellet as its reasoner.

lunch it from here.

Great Work! Thinks Michael Grove a lot.

Posted in Semantic Web | No Comments »

OWL性能相关

有种恐惧称为OWL-performance-fear，OWL性能恐惧。研究者们正致力于将这种恐惧变成历史（……）。
今天在Think clearly上看到相关的消息，比较振奋。

On the TBox side of things: Boris Motik and Rob Shearer (with Ian Horrocks) have developed a new reasoning calculus that is very effective with the notorious Galen ontology, and, indeed, with all the OBO ontologies. They tackle both non-determinism and tableau size with stunning results. It should also have positive implications for DL Safe rules. They have a prototype reasoner using the technique, HermiT, available for download.

On the ABox side of things: IBM Research (Watson Research Center, NY) have recently posted information about their summarization technique for scaling ABoxes. They have a reasoner, SHER, which will be available in one form or another at some point. Their case study is quite inspiring.

Posted in Semantic Web | No Comments »

关于语义网，你想知道什么？

作为一个初学的菜鸟——如我这般，或者是作为一个爱看热闹的人，关于语义网，你最想知道什么？
我从Dan Zambonini 的这篇文章上看到这个有趣的话题。您可以认为这篇post是Dan Zambonini那篇的扩展，或者也可以认为是某种形式的上的翻译。

如果是我的话，当然我会先问一下：什么是语义网？这个问题比较好，证明问的人有好奇心，对生活，对世界充满热爱。
对这个问题，我先要说明一下语义网是Semantic Web的翻译，而不是Semantic Network的翻译，对于后者，可以称之为语义网络。语义网是有语义的WEB，而不是其他什么乱七八糟的东西。我对于Web的理解很狭隘，从外面看来就是许多张网页连成的网。语义网是一种愿景，目标是把分散在整个internet的数据整合在一起。类似于目前的Web把网页做为基本单位，通过超链接整合在一起，以后的（如果有以后的话）语义Web是以数据作为基本单位，通过URL将他们关联在一起。语义网可以说是数据的网。好吧，再形象一点，就是把整个internet当成一个巨大的关系型数据库就可以了。目前也有一些基于语义网相关理论的应用，都是较小范的。

第二个问题：好吧，说几个关于语义网的名词以及工具吧。老实说，这确实是我刚接触语义网就想问的问题，马上就问这个问题证明这个人不适合搞科研，因为第一个问题明明还有许多漏洞，许多疑问啊没解决啊。关于名词和工具，我就开始列举了：XML, RDF/RDFS, Ontology, OWL, SPARQL, Jena, Protege, RacePro，TopBraid Composer（Eclipse插件，没用过），另外W3C的人说正在搞本体跟关系数据库的自动映射工具…

第三个问题：对于一个开发者而言，语义网技术太令人迷惑和痛苦了，怎么办？其实如果你能忽悠的话没有什么好痛苦的。确实，文档不全，又方便又能用的代码库几乎不存在（Jena真不是那么好用）。还有那么多听起来玄乎的名词概念需要理解。其实，对于一个单纯的开发者而言，Dan Zambonini认为懂得RDF模型，RDF/XML语法，以及RDFS就够用了。而这三种概念是那么的容易学。

第四个问题：语义网的愿景有可能实现么？真是不知道，真是不大可能啊。但是，语义网大的愿景难以实现，可是相关技术已经越来越成熟了，甚至越来越多的应用到实践中去，这并不是一种空中楼阁的技术，虽然它的大目标看起来是那么夸张。就像马克思的共产主义目标看起来遥遥不可及，但是他这种理论的存在促使了西方发达国家工人地位的极大提高，他们有代表他们利益的工会，有休假，一周5天8小时工作制，高福利，有那么多的反歧视条款保护，这就是马克思主义带来的善果。

如果还有想知道的，可以写在留言里。

Posted in Semantic Web | 1 Comment »

几个语义搜索站点和一些想法

从Read/Write Web上看到几个语义搜索的实践者。Cognition Search， PowerSet，和 Lexxe。我第一个感觉是在忽悠。因为网络上靠忽悠，炒概念的人实在是太多了。这样的忽悠者，米国不比中国少。毕竟骗子处处有，被骗的傻子也处处有。

试了这几个站点， PowerSet并没有公开的发布它的搜索框，而是需要申请才有机会去体验一下它号称的Natural Language Search。据体验过的人说，搜索的时候词汇是限定的，而且其收录的站点也只是那些具有超高质量文章的站点。老实说，我看到Natural Language Search几个字的时候真是忍不住想笑，罢了罢了，还是要对实践者表示致敬。虽然不前不清楚它是在实践还是在忽悠。

Cognition Search有些低调，也提供了搜索框，但仅限于某几个特定的领域，Case Study ，Goverment, Political Blogs，能搜索的网站也是固定的而且及其有限。有一点比较有意思的是，当你搜完之后，它会试着给出一些你搜的关键词（往往搜索串的是谓语和宾语）的意义的备选项。你可以根据它给定的备选项来明确某个关键词的背后涵义，以帮助系统准确的理解搜索者的真正意图。Cognition Search做的工作蛮有意思的。

Lexxe给出了类似于Google的简洁的搜索界面，号称Powered By Advanced Natural Language Technology。我试了几个超简单英文疑问句，它的理解能力还是比较低下的，至于搜索结果，可能是索引量太少的缘故，惨不忍睹。有意思的是这个站点的图标是一个中文的“猎”字。

其实自然语言处理这回事，要一下子出来一个完全的解决方案是不现实的，但是在某一个小的领域，某一个小的应用还是不断的在发展的。当然了，如果目前的Web是语义Web了，我们理解网络上的文本信息也用不着自然语言处理这么麻烦。许多人在争论，哪一个成本更低一点，更加现实一点。这样的争论看来有些好笑，不管怎么看，这两个都是那么的不现实。但是，如果深入到其中的领域，你兴许就能体会到里面发生的深刻的变化和巨大的进步。类似于我这类的井底之蛙就只能坐着看看热闹了。

Posted in Semantic Web, Techs | 1 Comment »