06 Beschreibungslogiken - Semantic Web Technologien WS 2011/12
-
Upload
harald-sack -
Category
Documents
-
view
1.233 -
download
5
description
Transcript of 06 Beschreibungslogiken - Semantic Web Technologien WS 2011/12
VorlesungDr. Harald Sack
Hasso-Plattner-Institut für SoftwaresystemtechnikUniversität Potsdam
Wintersemester 2011/12
Semantic Web Technologien
Blog zur Vorlesung: http://wwwsoup2011.blogspot.com/
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
2
Semantic Web Technologien Wiederholung
Aussa
genlog
ik &
Prädi
katen
logik
Semantic Web Technologien Wiederholung
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
1. Einführung 2. Semantic Web Basisarchitektur
Die Sprachen des Semantic Web - Teil 1
3. Wissensrepräsentation und LogikDie Sprachen des Semantic Web - Teil 2
4. Semantic Web Anwendungen
3
Semantic Web Technologien Vorlesungsinhalt
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
3. Wissensrepräsentation und LogikDie Sprachen des Semantic Web - Teil 2
3.1.Exkurs: Ontologien in Philosophie und Informatik
3.2.Wiederholung: Aussagenlogik und Prädikatenlogik
3.3.Beschreibungslogiken (Description Logics)3.4.RDF(S)-Semantik3.5.OWL und OWL-Semantik3.6.OWL 2 und Regeln
Semantic Web Technologien Vorlesungsinhalt
4
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
5
Beschr
eibung
s-
logike
n
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
6
3. Wissensrepräsentation und Logik3.3 Beschreibungslogiken
3.3 Beschreibungslogiken3.3.1 Motivation3.3.2 Beschreibungslogiken Überblick3.3.3 ALC - Syntax und Semantik3.3.4 Inferenz und Reasoning3.3.5 Tableau-Verfahren
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamTurmbau zu Babel, Pieter Brueghel, 1563
7
An Ontology is aformal specification
of a sharedconceptualization
of a domain of interest
Tom Gruber, 1993
⇒ machine understandable⇒ group of people/agents⇒ about concepts⇒ between general description and individual use
Ontologien in der Informatik
Donnerstag, 15. Dezember 11
Ontologien und Kommunikation
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
8
Person 1 Person 2
Symbol
Concept
Thing
exchange of symbols„Golf“
conceptH1
conceptH2
agreement
M1 M2
Agent 1 Agent 2
exchangeof symbols
OntologyDescription
Semantics
Ontology agreement
specific domain,e.g. sports
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
9
RDF und RDFS• Definition von Klassen,
Klassenhierarchien,Relationen,Individuen
• zur DefinitioneinfacherOntologiengeeignet
• für komplexereModellierungaber nicht geeignet
ISBN 0-00-651409-X
WWW
2004
a:titel
a:jahr
Springer
Heidelberg
a:verlagname
a:verlagort
a:verlag
Harald Sack
http://hpi-web.de/HaraldSack.html
a:autorname
a:autorhomepage
a:autor
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
10
Wir benötigen ein ausdrucksstärkeresMittel zur Wissensrepräsentation
Beschr
eibung
s-
logike
n
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
11
3.3 Beschreibungslogiken3.3.1 Motivation3.3.2 Beschreibungslogiken Überblick3.3.3 ALC - Syntax und Semantik3.3.4 Inferenz und Reasoning3.3.5 Tableau-Verfahren
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
12logic-basedformalisms
Wissensrepräsentation
non logic-based formalisms
• näher an der menschlichen Intuition
• daher einfacher zu verstehen
• besitzen meist keine konsistente Semantik
• Bsp.:• Semantic Networks• Frame-basierte
Repräsentationen• Regel-basierte
Repräsentationen
• komplexer und schwieriger zu verstehen
• basieren alle Grundlage der Prädikatenlogik
• konsistente Semantik• FOL Syntax• FOL Semantik• FOL Deduktionsregeln
• Bsp.:• Beschreibungslogiken
Donnerstag, 15. Dezember 11
FOLVorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
13
FOL als Semantic Web Sprache?
•Warum nicht einfach FOL für Ontologien hernehmen?•FOL kann alles...
•vergleiche höhere Programmiersprachen und Assembler
•FOL ist•sehr ausdrucksstark•deshalb unhandlich bei der Modellierung•daher auch schlecht geeignet, um einen Konsens bei
der Modellierung zu finden•beweistheoretisch sehr komplex (semi-entscheidbar)
•FOL ist keine Markupsprache
Suche ein geeignetes Fragment von FOL
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
14 • engl.: description logics (DLs)• Fragmente von FOL• In DL werden mit Hilfe von Konstruktoren aus einfachen
Beschreibungen (descriptions) komplexere Beschreibungen aufgebaut
• DLs unterscheiden sich durch die Menge der verwendeten Konstruktoren (Ausdrucksmächtigkeit)
• DLs entwickelten sich aus „semantischen Netzwerken“• DLs sind meist entscheidbar• DLs sind vergleichsweise ausdrucksstark• DLs besitzen enge Verwandtschaft mit Modallogiken
• W3C Standard OWL 1 DL basiert auf der Beschreibungslogik SHOIN(D)
Beschreibungslogiken (DLs)
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
15
Allgemeine DL Architektur
Knowledge Base
TBox Terminological Knowledge Wissen über Konzepte einer Domäne (Klassen, Attribute, Eigenschaften,..)
EuroBook ≣ Book ⨅ PublishedInEurope
ABox Assertional Knowledge Wissen über Instanzen / Entitäten
EuroBook(“Semantic Web Grundlagen“)
Infe
renc
e E
ngin
e
Inte
rface
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
16 •DLs sind eine Familie logikbasierter Formalismen zur Wissensrepräsentation
•Spezielle Sprachen u.a. charakterisiert durch:•Konstruktoren für komplexe Konzepte und Rollen aus einfacheren Konzepten und Rollen
•Menge von Axiomen, um Fakten über Konzepte, Rollen und Individuen auszudrücken
•ALC (Attribute Language with Complement) ist die kleinste DL, die aussagenlogisch (deduktiv) abgeschlossen ist
•Konjunktion, Disjunktion, Negation sind Klassenkonstruktoren, geschrieben ⊓, ⊔ , ¬
•Quantoren schränken Rollenbereiche ein:
Man ⊓ ∃hasChild.Female ⊓ ∃hasChild.Male ⊓ ∀hasChild.(Rich ⊔ Happy)
Allgemeiner DL Aufbau
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
17
Weitere DL Sprachmittel
•Weitere Konstruktoren sind z.B.•Number restrictions (Kardinalitätseinschränkungen) für Rollen:≥3 hasChild, ≤1 hasMother
•Qualified number restrictions (klassenspezifische Kardinalitätseinschränkungen) für Rollen:≥2 hasChild.Female, ≤1 hasParent.Male
•Nominals (definition by extension, Aufzählungsklassen): {Italy, France, Spain}
•Concrete domains (datatypes): hasAge.(≥21)
•Inverse roles: hasChild– ≡ hasParent•Transitive roles: hasAncestor ⊑+ hasAncestor•Role composition: hasParent.hasBrother(uncle)
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
18 3.3 Beschreibungslogiken3.3.1 Motivation3.3.2 Beschreibungslogiken Überblick3.3.3 ALC - Syntax und Semantik3.3.4 Inferenz und Reasoning3.3.5 Tableau-Verfahren
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
19
ALC Grundbausteine
•Grundbausteine:•Klassen•Rollen•Individuen
•Student(Christian)Individuum Christian ist in Klasse Student
•Vorlesung(SemanticWebTechnologien)Individuum SemanticWebTechnologien ist eine Vorlesung
•nimmtTeilAn(Christian, SemanticWebTechnologien)Christian nimmt an der Vorlesung „Semantic Web Technologien“ teil
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
20
ALC Grundbausteine
• Atomare Typen• Konzeptnamen A, B, ... • Spezielle Konzepte
• ⊤ - Top (universelles Konzept)• ⊥ - Bottom Konzept
• Rollennamen R,S, ...
• Konstruktoren • Negation: ¬C • Konjunktion: C ⊓ D• Disjunktion: C ⊔ D• Existenzquantor: ∃R.C• Allquantor: ∀R.C
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
21
ALC Grundbausteine
•Klasseninklusion•Professor ⊑ Fakultaetsmitglied
•jeder Professor ist ein Fakultätsmitglied•entspricht (∀x)(Professor(x) → Fakultaetsmitglied(x))
•Klassenäquivalenz•Professor ≡ Fakultaetsmitglied
•Die Fakultätsmitglieder sind genau die Professoren•entspricht (∀x)(Professor(x) ↔ Fakultaetsmitglied(x))
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
22 •Konjunktion ⊓
•Disjunktion ⊔
•Negation ¬
(∀x)(Professor(x) → ((Person(x) Λ Universitaetsangehoeriger(x)) V (Person(x) Λ ¬Student(x)))
Professor ⊑ (Person ⊓ Unversitaetsangehoeriger) ⊔ (Person ⊓ ¬Student)
ALC - komplexe Klassenbeziehungen
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
23
ALC - Quantoren auf Rollen
•Strikte Bindung einer Klasse als Bildmenge (Range) einer Rolle•Pruefung ⊑ ∀hatPruefer.Professor•Eine Prüfung wird immer nur von einem Professor abgenommen
•(∀x)(Pruefung(x) → (∀y)(hatPruefer(x,y) → Professor(y)))
•Offene Bindung einer Klasse als Bildmenge einer Rolle•Pruefung ⊑ ∃hatPruefer.Person•Jede Prüfung hat mindestens einen Prüfer (der eine Person ist)
•(∀x)(Pruefung(x) → (∃y)(hatPruefer(x,y) Λ Person(y)))
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
24
ALC - Formale Syntax
•Folgende Syntaxregeln erzeugen Klassen in ALC:(dabei ist A eine atomare Klasse, C und D komplexe Klassen und R eine Rolle)
•C,D ::= A | ⊤ | ┴ | ¬C | C ⊓ D | C ⊔ D | ∃R.C | ∀R.C
•Eine ALC TBox besteht aus Aussagen der Form C ⊑ D und C ≡ D, wobei C, D komplexe Klassen sind.
•Eine ALC ABox besteht aus Aussagen der Form C(a) und R(a,b), wobei C eine komplexe Klasse, R eine Rolle und a,b Individuen sind.
•Eine ALC-Wissensbasis besteht aus einer ABox und einer TBox.
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
25
ALC - Semantik (Interpretation)•wir definieren eine modelltheoretische Semantik für ALC (d.h. Folgerung wird über Interpretationen definiert)
•eine Interpretation I=(ΔI,.I) besteht aus•einer Menge ΔI (Domäne) aus Individuen und•einer Interpretationsfunktion .I, die abbildet von
•Individuennamen a auf Domänenelemente aI ∈ ΔI
•Klassennamen C auf Mengen von Domänenelementen CI ⊆ ΔI
•Rollennamen R auf Mengen von Paaren von Domänenelementen RI ⊆ ΔI × ΔI
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
26
ALC - Semantik (Interpretation)
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
27
ALC - Semantik (Interpretation)
•wird auf komplexe Klassen erweitert:
•⊤I = ΔI und ⊥I = ∅
•(C ⊔ D)I = CI ∪ DI und (C ⊓ D)I = CI ∩ DI
•(¬C)I = ΔI \ CI
•∀R.C = { a∈ΔI | (∀b∈ΔI) ( (a,b)∈RI → b∈CI )}
•∃R.C = { a∈ΔI | (∃b∈ΔI) ( (a,b)∈RI ∧ b∈CI )}
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
28
ALC - Semantik (Interpretation)
•...und auf Axiome:
•C(a) gilt, wenn aI ∈ CI
•R(a,b) gilt, wenn (aI,bI) ∈ RI
•C ⊑ D gilt, wenn CI ⊆ DI
•C ≡ D gilt, wenn CI = DI
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
29
ALC - alternative Semantik
•Übersetzung in die Prädikatenlogik mittels der Abbildung π
•ABox: π (C(a))=C(a)π (R(a,b))=R(a,b)
•TBox:rekursive Definition
•Dabei sind C,D komplexe Klassen, R eine Rolle und A eine atomare Klasse.
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
30
ALC - Wissensbasis
•Terminologisches Wissen (TBox)Axiome, die die Struktur der zu modellierenden Domäne beschreiben (konzeptionelles Schema):•Human ⊑ ∃parentOf.Human
•Orphan ≡ Human ⊓ ¬∃hasParent.Alive
•Assertionales Wissen (ABox)Axiome, die konkrete Situationen (Daten) beschreiben:•Orphan(harrypotter)•hasParent(harrypotter,jamespotter)
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
31
Beschreibungslogiken (Description Logics)
Operator/Construktor Syntax SpracheSprache
Konjunktion A ⊓ B
FLWertrestriktion ∀R.C FL
Existenzquantor ∃R
Top ⊤
Bottom ⊥
S*Negation ¬A
S*
Disjunktion A ⊔ B AL*
Existentielle Restriktion ∃R.C
Zahlenrestriktion (≤nR) (≥nR)
Menge von Individuen {a1,...,a2}
Beziehungshierarchie R ⊑ S HH
inverse Beziehung R-1 II
Qualifizierte Zahlenrestriktion (≤nR.C) (≥nR.C) QQ
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
32
Beschreibungslogiken (Description Logics)•ALC: Attribute Language with Complement
•S: ALC + Rollentransitivität
•H: Subrollenbeziehung
•O: abgeschlossene Klassen
•I: inverse Rollen
•N: Zahlenrestriktionen ≤n R etc.
•Q: Qualifizierende Zahlenrestriktionen ≤n R.C etc.
•(D): Datentypen
•F: Funktionale Rollen
•R: Rollenkonstruktoren
•OWL 1 DL ist SHOIN(D) / OWL 2 DL ist SHROIQ(D)
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
33 3.3 Beschreibungslogiken3.3.1 Motivation3.3.2 Beschreibungslogiken Überblick3.3.3 ALC - Syntax und Semantik3.3.4 Inferenz und Reasoning3.3.5 Tableau-Verfahren
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
34
Open World vs. Closed World Assumption
• OWA: Open World AssumptionDie Existenz von weiteren Individuen ist möglich, sofern sie nicht explizit ausgeschlossen wird.
• CWA: Closed World AssumptionEs wird angenommen, dass die Wissensbasis alle Individuen enthält.
if we assume that we know everything about Bill then all of his children are male
child(Bill,Bob)Man(Bob)
are all childrenof Bill male?
? ⊨ ∀child.Man(Bill)
no idea sincewe do not knowall children of Bill
DL answersdon‘t know
PROLOG answersyes
≤ 1 child.⊤(Bill) ? ⊨ ∀child.Man(Bill) yesnow we knoweverything aboutBill‘s children
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
35
Inferenzprobleme und Beschreibungslogiken
• Sei D eine Terminologie (T-Box) und C und D Konzeptbeschreibungen in einer Sprache (Beschreibungslogik) L
• C ist erfüllbar bzgl. D genau dann, wenn es ein Modell I für D gibt, so dass gilt CI≠∅
anderenfalls ist C unerfüllbar bzgl. D
• C wird von D subsumiert bzgl. D, C ⊑D D bzw. D ⊨ C ⊑ D, genau dann, wenn für jedes Modell I von D gilt CI ⊆ DI
• C und D sind äquivalent bzgl. D, C ≣D D bzw. D ⊨ C ≣ D, genau dann, wenn für jedes Modell I von D gilt CI = DI
• C und D sind disjunkt bzgl. D, genau dann, wenn für jedes Modell I von D gilt CI ∩ DI = ∅
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
36
Inferenzprobleme und Beschreibungslogiken
• Sei D eine Terminologie (T-Box) und A eine Menge von Behauptungen (A-Box) in einer Sprache (Beschreibungslogik) L Sei α eine Behauptung, C eine Konzeptbeschreibung und a eine Konstante in L
• A ist konsistent bzgl. D genau dann, wenn es eine Interpretation I für L gibt, die gleichzeitig ein Modell für D und A ist
• a folgt aus A und D, A ∪ D ⊨ a, genau dann, für jede Interpretation I für L gilt, dass wenn I gleichzeitig ein Modell für D und A ist, das erfüllt I die Behauptung a
• a ist eine Instanz von C bzgl. D und A, genau dann, wenn A ∪ D ⊨ C(a)
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
37
Wichtige Inferenzprobleme (1)
• Globale (In)Konsistenz der Wissensbasis KB ⊨ ┴?
• ist Wissensbasis sinnvoll?
• Klassen(in)konsistenz C ≡ ┴ ?• Muss Klasse C leer sein?
• Klasseninklusion (Subsumption) C ⊑ D?• Strukturierung der Wissensbasis
• Klassenäquivalenz C ≡ D?• Sind zwei Klassen eigentlich dieselbe?
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
38
Wichtige Inferenzprobleme (2)
• Klassendisjunktheit C ⊓ D = ┴?• Sind zwei Klassen disjunkt?
• Klassenzugehörigkeit C(a)?• Ist Individuum a in der Klasse C enthalten?
• Instanzgenerierung (Retrieval) „alle x mit C(x) finden“• Finde alle (bekannten!) Individuen zur Klasse C.
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
39
Entscheidbarkeit und Beschreibungslogiken
• Entscheidbarkeit: zu jedem Inferenzproblem gibt es einen immer terminierenden Algorithmus• DLs sind Fragment von FOL, also könnten (im Prinzip)
FOL-Inferenzalgorithmen (Resolution, Tableau) verwendet werden.
• Diese terminieren aber nicht immer!
• Problem: Finde immer terminierende Algorithmen!• Keine „naiven“ Lösungen in Sicht!
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
40
Entscheidbarkeit und OWL DL
• FOL-Inferenzverfahren (Tableauverfahren und Resolution) müssen für DLs abgewandelt werden
• Wir werden uns auf ALC beschränken
• Tableau- und Resolutionsverfahren zeigen Unerfüllbarkeit einer Theorie
• Rückführung der Inferenzprobleme auf das Finden von Inkonsistenzen in der Wissensbasis, d.h. zeigen der Unerfüllbarkeit der Wissensbasis!
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
41
Rückführung auf Unerfüllbarkeit (1)
(Reduction to Unsatisfiability)
• Klassen(in)konsistenz C ≡ ┴• gdw, KB ⋃ {C(a)} unerfüllbar (a neu)
• Klasseninklusion (Subsumption) C ⊑ D• gdw, KB ⋃ {(C ⊓ ¬D)(a)} unerfüllbar (a neu)
• Klassenäquivalenz C ≡ D• gdw, C ⊑ D und D ⊑ C
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
42
Rückführung auf Unerfüllbarkeit (2)
• Klassendisjunktheit C ⊓ D = ┴• gdw, KB ⋃ {(C ⊓ D)(a)} unerfüllbar (a neu)
• Klassenzugehörigkeit C(a)• gdw, KB ⋃ {¬C(a)} unerfüllbar
• Instanzgenerierung (Retrieval) „alle C(X) finden“• Prüfe Klassenzugehörigkeit für alle Individuen.• effiziente Implementation problematisch….
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
43 3.3 Beschreibungslogiken3.3.1 Motivation3.3.2 Beschreibungslogiken Überblick3.3.3 ALC - Syntax und Semantik3.3.4 Inferenz und Reasoning3.3.5 Tableau-Verfahren
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
44
Tableau Verfahren in der Aussagenlogik (PL)
•syntaktisches Verfahren zum Prüfen der Konsistenz logischer Ausdrücke
•Grundidee (ähnlich Resolution):•Beweisverfahren, mit dem eine Formel dadurch bewiesen wird, dass ihre Negation als widersprüchlich abgeleitet wird (proof by refutation).
•Tableau basieren auf einer Darstellung von Formeln in disjunktiver Normalform (Resolution: konjunktive Normalform)
•Konstruiere Baum, in dem jeder Knoten mit einer Formel markiert ist. Ein Pfad von der Wurzel zu einem Blatt stellt die Konjunktion aller Formeln der Knoten entlang des Pfads dar; eine Verzweigung stellt eine Disjunktion dar.
•Der Baum wird durch sukzessive Anwendung der Tableau-Erweiterungsregeln aufgebaut.
•Ein Pfad in einem Tableau ist abgeschlossen, wenn entlang des Pfads sowohl X wie ¬X für eine Formel X auftreten, oder wenn F auftritt (X muss nicht atomar sein.).
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
45
Tableau Verfahren in der Aussagenlogik (PL)
•Konstruiere Baum, in dem jeder Knoten mit einer Formel markiert ist. Ein Pfad von der Wurzel zu einem Blatt stellt die Konjunktion aller Formeln der Knoten entlang des Pfads dar; eine Verzweigung stellt eine Disjunktion dar.
(q ∧ r) ∨ (p ∧ ¬ r) ∨ r
(q ∧ r) (p ∧ ¬ r) ∨ r
(p ∧ ¬ r) rq
r p
¬ r
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
46
Tableau Verfahren in der Aussagenlogik (PL)
•Grundidee (Fortsetzung):•Ein Tableau heißt abgeschlossen, wenn alle seine Pfade abgeschlossen sind.
•Ein Tableau-Beweis für eine Formel X ist ein abgeschlossenes Tableau für ¬X.
•Die Auswahl der Regeln bei der Erweiterung eines Tableaus ist nichtdeterministisch.
•Für aussagenlogische Tableau kann die Auswahl etwas eingeschränkt werden
Donnerstag, 15. Dezember 11
•für Aussagenlogik:
•für konjunktive Formeln (α-Regeln):
•für disjunktive Formeln (β-Regeln):
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
47
Tableau Erweiterungsregeln
¬¬XX
¬WF
¬FW
α α1α2
X∧YXY
¬(X∨Y)¬X¬Y
¬(X⇒Y)X
¬Y
β β1 | β2
X∨YX | Y
¬(X∧Y)¬X | ¬Y
(X⇒Y)¬X | Y
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
48
Tableauverfahren (PL) Beispiel (1):
zu zeigen: ((q ∧ r) ⇒ (¬q ∨ r))
(1) ¬((q ∧ r) ⇒ (¬q ∨ r)) = ¬(¬(q ∧ r) ∨ (¬q ∨ r)) = (q ∧ r) ∧ ¬(¬q ∨ r))
(2) α,1: (q ∧ r)
(3) α,1: ¬(¬q ∨ r) = q ∧ ¬r(4) α,2: q(5) α,2: r(6) α,3: q(7) α,3: ¬r
¬(X⇒Y)X
¬Y
α-Regel
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
49
Tableauverfahren (PL) Beispiel(2):
¬(X⇒Y)X
¬Y
α-Regel
zu zeigen : (p ⇒ (q ⇒ r)) ⇒ ((p ⇒ q) ⇒ (p ⇒ r))
(10|β aus 9) ¬q | (11|β aus 9) r(12|β aus 4) ¬p | (13|β aus 4) q
(1) ¬((p ⇒ (q ⇒ r)) ⇒ ((p ⇒ q) ⇒ (p ⇒ r)))(2|α aus 1) (p ⇒ (q ⇒ r))(3|α aus 1) ¬((p ⇒ q) ⇒ (p ⇒ r))(4|α aus 3) (p ⇒ q)(5|α aus 3) ¬(p ⇒ r)(6|α aus 5) p(7|α aus 5) ¬r(8|β aus 2) ¬p | (9|β aus 2) (q ⇒ r)
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
50
Tableauverfahren Erweiterung für FOL
•wie für Aussagenlogik - in den Regeln stehen X und Y dann für beliebige (prädikatenlogische) Formeln
•Zusätzlich folgende Regeln für die Behandlung quantifizierter Formeln :
• für γ universell quantifizierte Formel, δ existenziell quantifizierte Formel, mit:
• t ist Grundterm (d.h. enthält keine in Φ gebundenen Variablen), c ist eine „neue“ Konstante
γ γ[t]
δ δ[c]
γ γ[t]
∀x.Φ Φ[x←t]
¬∃x.Φ ¬Φ[x←t]
δ δ[c]
∃x.Φ Φ[x←c]
¬∀x.Φ ¬Φ[x←c]
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
51zu zeigen: (∀x.P(x)∨Q(x)) ⇒ (∃x.P(x))∨(∀x.Q(x))
(9|β aus 8) P(c) | (10|β aus 8) Q(c)
(1) ¬((∀x.P(x)∨Q(x)) ⇒ (∃x.P(x))∨(∀x.Q(x)))(2|α aus 1) (∀x.P(x)∨Q(x))(3|α aus 1) ¬((∃x.P(x))∨(∀x.Q(x)))(4|α aus 3) ¬(∃x.P(x))(5|α aus 3) ¬(∀x.Q(x))(6|δ aus 5) ¬Q(c)(7|γ aus 4) ¬P(c)(8|γ aus 2) P(c)∨Q(c)
γ γ[t]
∀x.Φ Φ[x←t]
¬∃x.Φ ¬Φ[x←t]
δ δ[c]
∃x.Φ Φ[x←c]
¬∀x.Φ ¬Φ[x←c]
Tableauverfahren (FOL) Beispiel(3):
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
52
Tableauverfahren für Beschreibungslogiken
•Transformation in Negationsnormalform notwendig
•Gegeben eine Wissensbasis W.•Ersetze C ≡ D durch C ⊑ D und D ⊑ C•Ersetze C ⊑ D durch ¬C ⊔ D.•Wende die NNF-Transformationen auf der nächsten Seite an
•Resultierende Wissensbasis: NNF(W)•Negationsnormalform von W.•Negation steht nur noch direkt vor atomaren Klassen
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
53
Tableautransformation in Negationsnormalform
• NNF Transformationen
• W und NNF(W) sind logisch äquivalent.
NNF(C) = C, falls C atomar istNNF(¬C) = ¬C, falls C atomar istNNF(¬¬C) = NNF(C)NNF(C ⊔ D) = NNF(C) ⊔ NNF(D)NNF(C ⊓ D) = NNF(C) ⊓ NNF(D)NNF(¬(C ⊔ D)) = NNF(¬C) ⊓ NNF(¬D)NNF(¬(C ⊓ D)) = NNF(¬C) ⊔ NNF(¬D)NNF(∀R.C) = ∀ R.NNF(C)NNF(∃R.C) = ∃ R.NNF(C)NNF(¬∀R.C) = ∃R.NNF(¬C)NNF(¬∃R.C) = ∀R.NNF(¬C)
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
54
Tableautransformation in Negationsnormalform
• Beispiel: P ⊑ (E ⊓ U) ⊔ ¬(¬E ⊔ D)
• In NNF: ¬P ⊔ (E ⊓ U) ⊔ (E ⊓ ¬D).
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
55
Tableauerweiterungsregeln für DL
• Ist das resultierende Tableau abgeschlossen, so ist die ursprüngliche Wissensbasis unerfüllbar.
• Man wählt dabei immer nur solche Elemente aus, die auch wirklich zu neuen Elementen im Tableau führen. Ist dies nicht möglich, so terminiert der Algorithmus und die Wissensbasis ist erfüllbar.
Auswahl Aktion
C(a)∈W (ABox) Füge C(a) hinzu
R(a,b)∈W (ABox) Füge R(a,b) hinzu
C∈W (TBox) Füge C(a) für ein bekanntes Individuum a hinzu
(C⊓D)(a)∈A Füge C(a) und D(a) hinzu
(C⊔D)(a)∈A Splitte den Zweig. Füge zu (1) C(a) und zu (2) D(a) hinzu
(∃R.C)(a)∈A Füge R(a,b) und C(b) für neues Individuum b hinzu
(∀R.C)(a)∈A Falls R(a,b)∈A, dann füge C(b) hinzu
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
56
Tableauverfahren (DL) Beispiel(4):
• P … Professor• E … Person• U … Universitätsangehöriger• D … Doktorand
• Wissensbasis: P ⊑ (E ⊓ U) ⊔ (E ⊓ ¬D)• Ist P ⊑ E logische Konsequenz?
• Wissensbasis (mit [negierter] Anfrage) in NNF:{¬P⊔ (E ⊓ U) ⊔ (E ⊓ ¬D), (P ⊓ ¬E)(a)}
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
57
Tableauverfahren (DL) Beispiel(4):
• Wissensbasis: ¬P ⊔ (E ⊓ U) ⊔ (E ⊓ ¬D) (P ⊓ ¬E)(a)• Tableau:
(1) (P ⊓ ¬E)(a) (aus Wissensbasis)(2|α aus 1) P(a)(3|α aus 1) ¬E(a)(4) (¬P ⊔ (E ⊓ U) ⊔ (E ⊓ ¬D))(a) (aus Wissensbasis)(5) ¬P(a) | (6) ((E ⊓ U) ⊔ (E ⊓ ¬D))(a) (7) (E ⊓ U)(a) | (8) (E ⊓ ¬D)(a) (9) E(a) (10) E(a) (11) U(a) (12) ¬D(a)
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
58
Tableauverfahren (DL) Beispiel(5):
• Wissensbasis: ¬Person ⊔ ∃hasParent.Person
• abzuleiten: ¬Person(Bill)
Person(Bill)
(¬Person ⊔ ∃hasParent.Person)(Bill)
(¬Person ⊔ ∃hasParent.Person)(x1)
(¬Person ⊔ ∃hasParent.Person)(x2)
¬Person(Bill) ⊔∃hasParent.Person(Bill)
hasParent(Bill,x1)
Person(x1)∃
¬Person(x1) ∃hasParent.Person(x1) ⊔
hasParent(x1,x2)
Person(x2)∃
¬Person(x2) ∃hasParent.Person(x2) ⊔
Problem tritt bei Existenzquantoren aufbzw. bei OWL:minCardinality
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
59
Idee des Blockings
• wir hatten folgendes konstruiert:
• Idee: Wiederverwendung alter Knoten
Person∃hasParent.Person
Person∃hasParent.Person
Person∃hasParent.Person
hasParent hasParent hasParent
Person∃hasParent.Person
hasParent
Person∃hasParent.Person
Blocking
Korrektheit muss natürlichbewiesen werden...hasParent
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
60
Tableauverfahren (DL) mit Blocking
• Wissensbasis: ¬Person ⊔ ∃hasParent.Person
• abzuleiten: ¬Person(Bill)
Person(Bill)
(¬Person ⊔ ∃hasParent.Person)(Bill)
¬Person(Bill)
hasParent(Bill,x1)
Person(x1)
⊔
∃
(¬Person ⊔ ∃hasParent.Person)(x1)
¬Person(x1) ∃hasParent.Person(x1)
∃hasParent.Person(Bill)
⊔
σ(Βill) = {Person, ¬Person ⊔ ∃hasParent.Person, ∃hasParent.Person}σ(x1) = { Person, ¬Person ⊔ ∃hasParent.Person, ∃hasParent.Person}σ(x1) ⊆ σ(Bill), so Bill blocks x1
Person∃hasParent.Person
hasParent
hasParent
Person∃hasParent.Person
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
61 • Die Auswahl von (∃R.C)(a) im Tableauzweig A ist blockiert, falls es bereits ein Individuum b gibt, so dass {C | C(a) ∈ A} ⊆ {C | C(b) ∈ A} ist.
• Zwei Möglichkeiten der Terminierung:
1. Abschluss des Tableaus.Dann Wissensbasis unerfüllbar.
2. Keine ungeblockte Auswahl führt zu einer weiteren Erweiterung des Tableaus.Dann Wissensbasis erfüllbar.
Tableauverfahren (DL) mit Blocking
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
62
3. Wissensrepräsentation und Logik3.3 Beschreibungslogiken
3.3 Beschreibungslogiken3.3.1 Motivation3.3.2 Beschreibungslogiken Überblick3.3.3 ALC - Syntax und Semantik3.3.4 Inferenz und Reasoning3.3.5 Tableau-Verfahren
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
3. Wissensrepräsentation und LogikDie Sprachen des Semantic Web - Teil 2
3.1.Exkurs: Ontologien in Philosophie und Informatik
3.2.Wiederholung: Aussagenlogik und Prädikatenlogik
3.3.Beschreibungslogiken (Description Logics)3.4.RDF(S)-Semantik3.5.OWL und OWL-Semantik3.6.OWL 2 und Regeln
Semantic Web Technologien Vorlesungsinhalt
63
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
Formal
e Sema
ntik
für RD
F(S)
Rembrandt van Rijn, Die Anatomie des Dr. Tulp, 1632
64
die nächste Vorlesung....
Donnerstag, 15. Dezember 11
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
65
• P. Hitzler, S. Roschke, Y. Sure: Semantic Web Grundlagen, Springer, 2007.
» F. Baader, D. McGuinness, D. Nardi, P. Patel-Schneider (eds.)The Description Logic Handbook - Theory, Implementation, and Application, 2nd ed. (2010).(siehe online-Materialien)
3. Wissensrepräsentation und Logik3.3 Beschreibungslogiken
Donnerstag, 15. Dezember 11
Materialien
□Bloghttp://wwwsoup2011.blogspot.com/
□Webseitehttp://www.hpi.uni-potsdam.de/studium/lehrangebot/veranstaltung/semantic_web_technologien.html
□bibsonomy - Bookmarkshttp://www.bibsonomy.org/user/lysander07/swt1112_06
Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam
66
3. Wissensrepräsentation und Logik3.3 Beschreibungslogiken
Donnerstag, 15. Dezember 11