Representação do Conhecimento e Web Semântica

• Este documento aborda a Representação do Conhecimento e os Standards da Web Semântica.

Questões Base na Web Semântica

• Quais predicados usar.
• Que tipos de dados são encontrados (números, textos).
• Quais formatos usar para representar as entidades.
• Se esses formatos serão reconhecidos por outros sistemas.
• A melhor forma para guardar e partilhar dados semânticos será na forma de triplos separados por vírgulas.
• As questões levantadas relacionam-se com a gestão e partilha de grandes conjuntos de dados semânticos, existentes e futuros.
• A adoção de standards partilhados traz uniformidade ao tratamento da informação na web semântica.

Standards Essenciais da Web Semântica

• URIs (Uniform Resource Identifiers) são identificadores globais únicos para identificar entidades com certeza absoluta.
• RDF (Resource Description Framework) é uma norma formal para representar e partilhar dados semânticos.
• SPARQL (SPARQL Protocol and RDF Query Language) é uma linguagem standard de pesquisa para dados semânticos.

URIs (Uniform Resource Identifiers)

• Cada nó (entidade) em um grafo necessita de um identificador único para ser referenciado consistentemente.
• Símbolos como "ridley_scott" foram usados como identificadores, mas não garantem identificação unívoca absoluta.
• O standard RDF conceptualiza tudo no universo como um recurso (material ou imaterial) para evitar ambiguidades.
• Um URI é atribuído a qualquer recurso sobre o qual seja possível falar.
• Um URI identifica univocamente um recurso, não importa qual.

URIs e URLs

• URLs (Uniform Resource Locators) permitem localizar um determinado recurso, especificando a sua localização e protocolo de acesso na web.
• URLs são um subconjunto dos URIs.

RDF (Resource Description Framework)

• Um modelo padrão para expressar dados semânticos, usando declarações na forma de triplos (sujeito – predicado – objeto).
• Sujeitos e objetos podem ser recursos; predicados são sempre recursos.
• O URI de um recurso em uma declaração RDF é chamado URI Reference (URIref).

Representação abreviada de URIs em RDF

• Exemplo da referência do predicado "type":
  • URI total: http://www.w3.org/1999/02/22-rdf-syntax-ns#type
  • URI base: rdf = http://www.w3.org/1999/02/22-rdf-syntax-ns#
  • URI abreviada: rdf:type

Nós Anónimos (Vazios) em RDF

• Nem todos os sujeitos precisam ser recursos com URIs conhecidos.
• É possível fazer declarações sobre sujeitos com URIs desconhecidos utilizando nós anónimos ou vazios.
• Exemplo de grafo com nós anónimos, os nós Blank1 e Blank2 não precisam de URIs, mas Ids no formato "_:id".
• A maioria das bibliotecas RDF gera automaticamente um “id” interno que só é válido no grafo em questão.
• Exemplo de triplos:
  • (_:ax1, "weblog", "http://blog.kiwitobes.com")
  • (_:ax1, "surName", "Segaran")
  • (_:ax1, "givenName", "Toby")
  • (_:ax1, "knows", _:zb7)
  • (_:zb7, "surName", "Taylor")
  • (_:zb7, "givenName", "Jamie")
  • (_:zb7, "email", "[email protected]")
• Pode haver interesse na utilização de nós anónimos

Valores Literais em RDF

• Objetos podem ser valores literais
• Opcionalmente, pode-se associar uma língua (português, inglês) e/ou um tipo (integer, boolean, string etc.) ao valor.
  • Para tipos, usam-se os tipos especificados pelo XML Schema (ex: xsd:integer).
  • Para a língua, usam-se os códigos ISO 639 (ex: pt, en).

Formatos de Representação RDF

• Existem várias bibliotecas open source para a representação de RDF.
• É importante conhecer os formatos mais utilizados:
  • N-Triples: o mais simples.
  • N3: uma compactação da N-Triples.
  • RDF/XML: o mais utilizado inicialmente.
  • RDFa: permite embutir RDF em páginas web.
• Para estudar os formatos de representação, usam-se um grafo de amigos como cenário de aplicação.
• O grafo de amigos contém uma modelagem da rede social de Toby, com informações que ajudam a identificar a entidade de forma única;
• Essa informação, chamada informação de contexto, auxilia a identificação.
• Isso levará a um URI para o indivíduo, podendo ser usado a partir daí.

FOAF (Friend of a Friend)

• FOAF consiste num conjunto de vocábulos, bem conhecidos, que podem ser usados como predicados num grafo de conhecimento.
• Estes vocábulos permitem descrever pessoas, as suas atividades, assim como a sua relação com outras pessoas ou objetos, sendo muito usados no domínio das redes sociais
• Exemplos: foaf:name; foaf:nick; foaf:knows; foaf:interest; etc.

RDF – Representação em N-Triples

• É muito simples e aproxima-se muito do formato usado nos ficheiros CSV.
• Este formato é mais utilizado em situações de teste e depuração de conjuntos de dados em que há necessidade de intervenção manual.
• Cada linha neste formato, representa uma única declaração (triplo), contendo sempre sujeito, predicado e objeto
• É finalizada por ponto final ;

RDF – N-Triples

• Sujeitos, predicados e objetos são sempre expressos com URIs absolutos entre parêntesis angulares “< >”
• A exceção fica para os nós anónimos, que aparecem na forma _:name, sendo name uma palavra alfanumérica começada por uma letra.
• Objetos literais aparecem como strings entre aspas – ex: “Manuel Maria”
• Opcionalmente, pode ter associado:
• Uma língua – ex: “Manuel Maria”@pt
• Ou um tipo – ex: “27”^^xsd:integer

Exemplo N-Triples

RDF - N3

• A representação N-Triples é muito simples mas também muito custosa, pois a muita repetição leva a maior tempo de transmissão e de processamento.
• A representação N3 consegue condensar muita da repetição imposta pela N-Triples usando:
  • Um URI prefixo para encurtar o URI de cada nó.
  • Um reaproveitamento dos nós que participam em múltiplos triplos.

RDF - N3 - URIs prefixo

• Usando no início: @prefix semp: .
• Pode-se substituir: http://semprog.com/people/colin
• Por: semp:colin

RDF - N3 - Reaproveitamento de Nós

• Sujeito:
  • Podem ser representados adicionando duplos (predicado, objeto) separados por ponto e vírgula (;) Exemplo:
    • semp:colin foaf:knows <http://kiwitobes.com/toby.rdf#ts>; foaf:mbox "[email protected]".
• Predicado:
  • Podem ser representados adicionando apenas objetos, separados por vírgula (,); Exemplo:
    • semp:colin rdf:type foaf:person, dc:author.

RDF - N3 Abreviadas

• Entidades anónimas como Objetos:
  • Na qual tem um exemplo.
  • foaf:knows [ <http://www.w3.org/2006/vcard/ns#street-address> "1005 Gravenstein Hwy North" ; <http://www.w3.org/2006/vcard/ns#locality> "Sebastopol, California" ].
• Alguns predicados mais usados podem ser abreviados por exemplos como:
  • a para
  • = para
  • => para
  • <= para = http://www.w3.org/2000/10/swap/log#implies > (inverso)

A Linguagem SPARQL

• SPARQL é a linguagem padrão pelo W3C para pesquisa de RDF (Simple Protocol and RDF Query Language);
• Ele consiste num conjunto de especificações, entre as quais:
  • SPARQL 1.1 Query Language ;
  • SPARQL Query Results XML Format (Second Edition);
  • SPARQL 1.1 Graph Store HTTP Protocol

Estrutura de uma pesquisa SELECT

• Diretiva “base” (só pode haver uma), lista de prefixos (podem existir múltiplos)
• Seleção das variáveis resultado, grafo a pesquisar (opcional).
• Padrão de pesquisa e modificadores.

As 4 Formas da Linguagem SPARQL

• SELECT;
• ASK;
• DESCRIBE;
• CONSTRUCT.

Funções da Linguagem SPARQL

• A forma mais usada é a SELECT e todas elas são baseadas em padrões de triplos
• Partindo da união de resultados de 2 grupos de padrões:
  • Filmes com data superior a 2002;

Pesquisa com múltiplos grupos padrão

• Nomes de realizadores e atores na qual faz uma conjunção entre os resultados dos grupos.
• Nos nomes de realizadores e atores é feita uma união entre os resultados dos grupos.

SPARQL - CONSTRUCT

• Esta forma de pesquisa devolve como resultado a criação de novos grafos, em vez do resultado de uma coleção de variáveis.

SPARQL - ASK

• Esta forma de pesquisa verifica a validade de uma determinada declaração.

SPARQL - DESCRIBE

• Esta forma de pesquisa também devolve novos grafos como resultado.

SPARQL - SINTAXE

• Pedir uma descrição de todos os atores que participaram no filme "Blade Runner".

SPARQL 1.1 Update

• A função Insert e a Delete para inserção e remoção de dados.

A Triplestore GraphDB

• É uma base de dados orientada a grafos (triplestore)
• Suporta um conjunto significativo de standards e tecnologias que são a base da web semântica.
• Tem como caracteristicas a Elevada eficiência, robusta e escalável.
• Consegue lidar com carregamentos, pesquisas e inferências, em tempo real, de modo massivo.
• Implementa e reconhece standards como: RDF, RDFS, OWL, SPARQL;
• Permite efetuar pesquisas a repositórios federados com uma boa integração com ferramentas exteriores de pesquisa como o Lucene, SOLR e Elasticsearch.
• É apresentado nas seguintes edições;
• Free – comercial; baseada em ficheiros; escalável até dezenas de biliões de triplos RDF; executa num único servidor; apresenta a limitação de 2 queries concorrentes.
• Standard Edition (SE) – igual à anterior, mas sem limitação de queries concorrentes.
• Enterprise Edition (EE) – baseada num cluster de alta disponibilidade, com uma implementação Master-Slave, para resiliência e alta performance em queries paralelas.

Funções do GraphDB

• Workbench Interface
• Gestão da base de dados a partir de uma interface gráfica.
• Permite Gerir repositórios, Carregar e exportar dados
• Ver e editar recursos RDF e Executar queries SPARQL.
• Fazer monitorização de queries, recursos e utilizadores;
• Oferece uma API REST para acesso programático, com acesso por defeito.

GraphDB – s4api

• Para o desenvolvimento mais fácil de uma aplicação que usa a API REST da GraphDB, é possível usar a biblioteca python "s4api"
• Esta biblioteca implementa as operações básicas de acesso, via REST, não sendo necessário ter em conta os detalhes técnicos desse acesso.