Web-сервис интеллектуальной обработки данных. Разработка семантического программного адаптера Терзиян А.В. Студент гр. ИСПР-00-1 Научный руководитель: доцент каф. ИИ Витько А.В Харьков, 2004

Мотивация и цель работы

Semantic Web: первоначальная концепция Ресурсы (Web-страницы, сервисы, БД, …) в Semantic Web Приложения (агенты) в Semantic Web Приложения Semantic Web понимают, используют, распределяют, интегрируют, и т. д. ресурсы Semantic Web

GUNGUN Новая концепция: Global Understanding eNvironment (GUN) Как сделать так, чтобы объекты окружающего мира (например, производственной сферы) стали доступными из WWW и «понимали» друг-друга в случае необходимости ?

Все GUN-ресурсы проактивны и используют семантические адаптеры для понимания друг-друга «Слой» объектов производственной сферы Слой семантических адаптеров Объект мира + + Адаптер + + Агент = GUN-ресурс = GUN-ресурс GUN Слой агентов Новое поколение Web-ресурсов (Семантический адаптер внутри)

Извлечение знаний из распределенных и разнородных массивов данных о ресурсах в Web- или GUN-среде – одна из основных задач Web- сервисов по интеллектуальной обработке данных Знания (например, модели диагностики) Распределенные и разнородные массивы данных Web-сервис по интеллектуальной обработке данных

Однако, если Web-сервис понимает только один формат входных данных, тогда ему необходим адаптер для работы с каждым новым массивом данных Знания Распределенные и разнородные массивы данных Формат данных внешнего источника Внутренний формат Web- сервиса … Адаптер

С другой стороны, данные могут браться из одного массива данных, но обрабатываться несколькими распределенными и разнородными Web- сервисами… Знания Web-массивы данных Сеть разнородных Web-сервисов по интеллектуальной обработке данных

… и это подразумевает, что нам необходимы адаптеры для работы с разными Web- сервисами Знания Web- массив данных Внутренний формат массива данных Формат внешнего Web-сервиса … Адаптер

В общем случае для оперирования с N разнородными массивами данных и M разнородными Web-сервисами нам необходимо M × N адаптеров Знания 3 разнородныx массива данных 2 разнородных Web-сервиса 6 адаптеров

Среда Semantic Web Для уменьшения стоимости адаптации решением может быть использование стандартных форматов данных (например, стандарты W3C для Semantic Web : RDF, RDFS, OWL) в качестве посредника между источниками данных и сервисами, что в худшем случае будет требовать M + N (семантических) адаптеров Знания 3 разнородных массива данных 2 разнородных Web-сервиса 3 адаптера для массивов данных 2 адаптера для сервисов

Таким образом, нам необходимо реализовать два типа семантической адаптации: (1) преобразование массивов данных в среду Semantic Web и (2) наоборот Формат Semantic Web (RDF + OWL) Семантический адаптер массива данных Внутренний формат массива данных Формат Semantic Web (RDF + OWL) Семантический адаптер Web- сервиса Среда Semantic Web Внутренний формат Web- сервиса Среда Semantic Web Задача бакалаврской работы

Основные цели работы §Разработка способов семантического представления обучающих выборок §Разработка программного адаптера, реализующего функции: l преобразования входных данных для Web-сервиса из стандартизованного формата OWL в массив данных, соответствующий внутреннему представлению информации в Web-сервисе; l преобразование выходных данных, полученных в результате работы Web-сервиса из внутреннего формата в стандартизованный; §Экспериментальное тестирование адаптера на примере данных, подготовленных в среде Protégé.

Описание обучающих выборок в семантическом формате §целевой атрибут представляется самым высшим классом в иерархии классов (owl:Class); §возможные значения целевого атрибута представляются подклассами (owl:SubClassOf) класса целевого атрибута; §атрибуты описываются свойствами класса целевого атрибута. Возможны два варианта: l использовать простые свойства (owl:DatatypeProperty), значения атрибутов задаются простыми значениями стандартных типов данных; l использовать объектные свойства (owl:ObjectProperty), значения атрибутов задаются экземплярами заранее определенных «дополнительных» классов значений; §примеры в выборке представляются в виде экземпляров класса целевого атрибута.

Схема преобразования OWL-Table I Вариант 1: значения атрибутов в онтологии являются символьными строками Проиллюстрировано в среде Protégé-2000

Задание атрибутов в Protégé 2000

Задание типов и возможных значений атрибутов

Задание примеров из обучающей выборки

… sunny hot high false … overcast hot high false … Преобразование из OWL в таблицу

Схема преобразования OWL-Table II Вариант 2: значения атрибутов в онтологии являются элементами некоторых классов Проиллюстрировано в среде Protégé-2000

Создание дополнительных классов для возможных значений атрибутов

Задание примеров со значениями атрибутов, являющимися экземплярами классов

Преобразование из OWL в таблицу … …

Добавление классифицированного примера в онтологию

Укрупненный алгоритм работы семантического адаптера Шаг 1. Создаем онтологическую модель для подаваемого на вход адаптера OWL-документа. Шаг 2. Обрабатываем свойства модели Цикл по всем свойствам: { если свойство типа данных или объектное свойство, то свойство является атрибутом; если атрибут типа данных, то обрабатываем возможные значения; если атрибут объектный, то находим класс возможных значений, переходим к этому классу и обрабатываем его экземпляры как возможные значения атрибута }

Укрупненный алгоритм работы семантического адаптера (продолжение) Шаг 3. Обрабатываем классы и экземпляры модели Цикл по всем классам: { если класс неабстрактный и не является классом значений, то класс соответствует значению целевого атрибута; Цикл по всем экземплярам класса:{ заполняем выборку, представленную во внутреннем формате Web-сервиса: - класс экземпляра заносим в целевой атрибут; - значения всех свойств заносим в определяющие атрибуты.} }

Задания, выполненные адаптером (1): преобразование OWL-файла в массив OWL онтология с обучающими примерами Выборка в табличной форме

Задания, выполненные адаптером (2): Обновление OWL-файла классифицированными примерами Классифицированный пример в OWL формате расширенная OWL онтология Классифицированный пример в табличной форме +

Результаты работы (1) §Исследованы современные Интернет-технологии, связанные с Semantic Web, Web-сервисами, мультиагентными системами, интеллектуальной обработкой данных, автоматизированным промышленным мониторингом и удаленной диагностикой. §Взята за основу концепция GUN, предполагающая проактивность Web-ресурсов и адаптеры для привязки ресурсов к Web. §Был обоснован выбор стандартов представления информации в глобальных информационных системах, определенные W3C-консорциумом, таких как RDF, RDFS и OWL.

Результаты работы (2) §Был предложен способ универсального представления обучающих и тестирующих выборок для Web-сервиса в формате онтологий, закодированных средствами языка OWL. §Был разработан механизм семантической адаптации, реализующий преобразование данных из OWL в табличное представление и обратно и позволяющий в перспективе совместно использовать (интегрировать) разнородные сервисы диагностики.

Результаты работы (3) §Был разработан семантический адаптер как программный модуль на языке Java TM 2 SDK Standard Edition Version 1.4.2_03 в среде NetBeansTM IDE 3.6. Была использована библиотека JENA Semantic Web Framework Version 2.1. §Адаптер был экспериментально протестирован на примерах данных, подготовленных в Protégé §Работа выполнялась как часть комплексной работы (5 человек). §По результатам работы были опубликованы тезисы доклада на 8-м Международном Молодежном Форуме «Радиоэлектроника и молодежь в XXI веке» и готовится статья.

Спасибо за внимание ! Устройство Эксперт Web-сервис Удаленная диагностика Обучение и удаленная диагностика Web- сервисом Обучающая выборка Модель диагностики Размеченные состояния Web-сервис Хранилище истории состояний Устройство Встроенный аларм-сервис Локальнаяплатформа Состояние устройства Удаленная диагностика