Semantic Web                                                     Technologien                                             ...
Semantic Web TechnologienSemantic Web TechnologienWiederholungWiederholung                                  &2            ...
Semantic Web Technologien    Vorlesungsinhalt3      1. Einführung      2. Semantic Web Basisarchitektur               Die ...
Semantic Web Technologien    Vorlesungsinhalt4    3. Wissensrepräsentation und Logik       Die Sprachen des Semantic Web -...
s -                                                                                                n g5                   ...
3. Wissensrepräsentation und Logik    3.3 Beschreibungslogiken6               3.3 Beschreibungslogiken                  3....
Ontologien in der Informatik7                                             An Ontology is a                                ...
Ontologien und Kommunikation8                                                                      Agent 1                ...
RDF und RDFS           • Definition von Klassen,9              Klassenhierarchien,               Relationen,         a:verl...
s -                                                                                                n g10                  ...
3.3 Beschreibungslogiken                       3.3.1 Motivation11                       3.3.2 Beschreibungslogiken Überbli...
Wissensrepräsentation12                                                      logic-based                                  ...
FO                                   FOL als Semantic Web Sprache?13                                    •Warum nicht einfa...
Beschreibungslogiken (DLs)14                                     • engl.: description logics (DLs)                        ...
Allgemeine DL Architektur15               Knowledge Base                  TBox         Terminological Knowledge           ...
Allgemeiner DL Aufbau16                                   • DLs sind eine Familie logikbasierter Formalismen zur          ...
Weitere DL Sprachmittel17                                        • Weitere Konstruktoren sind z.B.                        ...
18     3.3 Beschreibungslogiken          3.3.1 Motivation          3.3.2 Beschreibungslogiken Überblick          3.3.3 ALC...
ALC Grundbausteine19                                   •Grundbausteine:                                    •Klassen       ...
ALC Grundbausteine20                                      • Atomare Typen                                       • Konzeptn...
ALC Grundbausteine21                                  •Klasseninklusion                                   •Professor ⊑ Fak...
ALC - komplexe Klassenbeziehungen22                                 •Konjunktion ⊓                                   •Disj...
ALC - Quantoren auf Rollen23                                 •Strikte Bindung einer Klasse als Bildmenge (Range)          ...
ALC - Formale Syntax24                                •Folgende Syntaxregeln erzeugen Klassen in ALC:                     ...
ALC - Semantik (Interpretation)                                    •wir definieren eine modelltheoretische Semantik für25  ...
ALC - Semantik (Interpretation)26            Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität...
ALC - Semantik (Interpretation)27                                     • wird auf komplexe Klassen erweitert:              ...
ALC - Semantik (Interpretation)28                                   •...und auf Axiome:                                   ...
ALC - alternative Semantik29                                                                        • Übersetzung in die P...
ALC - Wissensbasis30                                  • Terminologisches Wissen (TBox)                                    ...
Beschreibungslogiken (Description Logics)                      Operator/Construktor                                       ...
Beschreibungslogiken (Description Logics)                                           • ALC: Attribute Language with Complem...
33     3.3 Beschreibungslogiken          3.3.1 Motivation          3.3.2 Beschreibungslogiken Überblick          3.3.3 ALC...
Open World vs. Closed World Assumption34          • OWA: Open World Assumption                Die Existenz von weiteren In...
Inferenzprobleme und Beschreibungslogiken35             • Sei D eine Terminologie (T-Box) und C und D                  Kon...
Inferenzprobleme und Beschreibungslogiken36             • Sei D eine Terminologie (T-Box) und A eine Menge von            ...
Wichtige Inferenzprobleme (1)37                                     • Globale (In)Konsistenz der Wissensbasis             ...
Wichtige Inferenzprobleme (2)38                                      • Klassendisjunktheit                                ...
Entscheidbarkeit und Beschreibungslogiken39                                   • Entscheidbarkeit:                         ...
Entscheidbarkeit und OWL DL40                                  • FOL-Inferenzverfahren (Tableauverfahren und Resolution)  ...
Rückführung auf Unerfüllbarkeit (1)41                                     (Reduction to Unsatisfiability)                  ...
Rückführung auf Unerfüllbarkeit (2)42                                  • Klassendisjunktheit                  C⊓D=        ...
43     3.3 Beschreibungslogiken          3.3.1 Motivation          3.3.2 Beschreibungslogiken Überblick          3.3.3 ALC...
Tableau Verfahren in der Aussagenlogik (PL)                                   • syntaktisches Verfahren zum Prüfen der Kon...
Tableau Verfahren in der Aussagenlogik (PL)                                   • Konstruiere Baum, in dem jeder Knoten mit ...
Tableau Verfahren in der Aussagenlogik (PL)                                   • Grundidee (Fortsetzung):46                ...
Tableau Erweiterungsregeln47                                   • für Aussagenlogik:                       ¬¬X             ...
Tableauverfahren (PL) Beispiel (1):48                                      zu zeigen: ((q ∧ r)               (¬q ∨ r))    ...
Tableauverfahren (PL) Beispiel(2):                                         zu zeigen : (p               (q         r))    ...
Tableauverfahren Erweiterung für FOL                                    • wie für Aussagenlogik - in den Regeln stehen X u...
Tableauverfahren (FOL) Beispiel(3):51            γ                  γ[t]                                                zu...
Tableauverfahren für Beschreibungslogiken52                                 •Transformation in Negationsnormalform notwend...
Tableautransformation in Negationsnormalform53                                   • NNF Transformationen                   ...
Tableautransformation in Negationsnormalform54                                      • Beispiel: P ⊑ (E ⊓ U) ⊔ ¬(¬E ⊔ D)   ...
Tableauerweiterungsregeln für DL  Auswahl                                 Aktion55C(a)∈W            (ABox)                ...
Tableauverfahren (DL) Beispiel(4):56                                        • P … Professor                               ...
Tableauverfahren (DL) Beispiel(4):57                                  • Wissensbasis: ¬P ⊔ (E ⊓ U) ⊔ (E ⊓ ¬D) (P ⊓ ¬E)(a) ...
Tableauverfahren (DL) Beispiel(5):             • Wissensbasis: ¬Person ⊔ ∃hasParent.Person58           • abzuleiten: ¬Pers...
Idee des Blockings59        • wir hatten folgendes konstruiert:          Person                                    Person ...
Tableauverfahren (DL) mit Blocking          • Wissensbasis: ¬Person ⊔ ∃hasParent.Person60        • abzuleiten: ¬Person(Bil...
Tableauverfahren (DL) mit Blocking61                                • Die Auswahl von (∃R.C)(a) im Tableauzweig A ist     ...
3. Wissensrepräsentation und Logik     3.3 Beschreibungslogiken62               3.3 Beschreibungslogiken                  ...
Semantic Web Technologien     Vorlesungsinhalt63     3. Wissensrepräsentation und Logik        Die Sprachen des Semantic W...
die nächste Vorlesung....64                                                                                               ...
3. Wissensrepräsentation und Logik     3.3 Beschreibungslogiken65                              • P. Hitzler, S. Roschke, Y...
3. Wissensrepräsentation und Logik     3.3 Beschreibungslogiken66         Materialien                                  □Bl...
Nächste SlideShare
Wird geladen in …5
×

06 Beschreibungslogiken - Semantic Web Technologien WS 2011/12

1.629 Aufrufe

Veröffentlicht am

Folien zur Vorlesung 'Beschreibungslogiken' (Description Logics) der Vorlesungsreihe 'Semantic Web Technologien' am Hasso-Plattner-Institut Potsdam, 29.11.2011

0 Kommentare
1 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
1.629
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
357
Aktionen
Geteilt
0
Downloads
55
Kommentare
0
Gefällt mir
1
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

06 Beschreibungslogiken - Semantic Web Technologien WS 2011/12

  1. 1. Semantic Web Technologien Vorlesung Dr. Harald Sack Hasso-Plattner-Institut für Softwaresystemtechnik Universität Potsdam Wintersemester 2011/12 Blog zur Vorlesung: http://wwwsoup2011.blogspot.com/Donnerstag, 15. Dezember 11
  2. 2. Semantic Web TechnologienSemantic Web TechnologienWiederholungWiederholung &2 i k o g ik n l o g g e l s a e n u s a t A i k ä d P r Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  3. 3. Semantic Web Technologien Vorlesungsinhalt3 1. Einführung 2. Semantic Web Basisarchitektur Die Sprachen des Semantic Web - Teil 1 3. Wissensrepräsentation und Logik Die Sprachen des Semantic Web - Teil 2 4. Semantic Web Anwendungen Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  4. 4. Semantic Web Technologien Vorlesungsinhalt4 3. Wissensrepräsentation und Logik Die 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)-Semantik 3.5. OWL und OWL-Semantik 3.6. OWL 2 und Regeln Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  5. 5. s - n g5 bu i n e e r k h i c g s o e l B Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  6. 6. 3. Wissensrepräsentation und Logik 3.3 Beschreibungslogiken6 3.3 Beschreibungslogiken 3.3.1 Motivation 3.3.2 Beschreibungslogiken Überblick 3.3.3 ALC - Syntax und Semantik 3.3.4 Inferenz und Reasoning 3.3.5 Tableau-Verfahren Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  7. 7. Ontologien in der Informatik7 An Ontology is a formal specification machine understandable of a shared group of people/agents conceptualization about concepts of a domain of interest between general description and individual use Tom Gruber, 1993 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11 Turmbau zu Babel, Pieter Brueghel, 1563
  8. 8. Ontologien und Kommunikation8 Agent 1 Agent 2 Person 1 Person 2 Ontology exchange exchange of symbols Symbol Description of symbols „Golf“ H1 H2 Semantics M1 M2 concept concept Concept agreement Ontology agreement specific domain, Thing e.g. sports Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  9. 9. RDF und RDFS • Definition von Klassen,9 Klassenhierarchien, Relationen, a:verlagname Springer Individuen Heidelberg • zur Definition a:verlagort einfacher a:titel Ontologien a:verlag WWW geeignet ISBN 0-00-651409-X a:jahr • für komplexere 2004 a:autor Modellierung a:autorname Harald Sack aber nicht geeignet http://hpi-web.de/HaraldSack.html a:autorhomepage Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  10. 10. s - n g10 bu i n e e r k h i c g s o e l B Wir benötigen ein ausdrucksstärkeres Mittel zur Wissensrepräsentation Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  11. 11. 3.3 Beschreibungslogiken 3.3.1 Motivation11 3.3.2 Beschreibungslogiken Überblick 3.3.3 ALC - Syntax und Semantik 3.3.4 Inferenz und Reasoning 3.3.5 Tableau-Verfahren Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  12. 12. Wissensrepräsentation12 logic-based non logic-based formalisms formalisms • komplexer und schwieriger • näher an der menschlichen zu verstehen Intuition • basieren alle Grundlage der • daher einfacher zu Prädikatenlogik verstehen • konsistente Semantik • besitzen meist keine • FOL Syntax konsistente Semantik • FOL Semantik • FOL Deduktionsregeln • Bsp.: • Semantic Networks • Bsp.: • Frame-basierte Repräsentationen • Beschreibungslogiken • Regel-basierte Repräsentationen Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  13. 13. FO FOL als Semantic Web Sprache?13 •Warum nicht einfach FOL für Ontologien hernehmen? •FOL kann alles... L •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 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  14. 14. Beschreibungslogiken (DLs)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) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  15. 15. Allgemeine DL Architektur15 Knowledge Base TBox Terminological Knowledge Wissen über Konzepte einer Domäne (Klassen, Attribute, Eigenschaften,..) Inference Engine EuroBook ≣ Book ⨅ PublishedInEurope Interface ABox Assertional Knowledge Wissen über Instanzen / Entitäten EuroBook(“Semantic Web Grundlagen“) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  16. 16. Allgemeiner DL Aufbau16 • 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) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  17. 17. Weitere DL Sprachmittel17 • 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) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  18. 18. 18 3.3 Beschreibungslogiken 3.3.1 Motivation 3.3.2 Beschreibungslogiken Überblick 3.3.3 ALC - Syntax und Semantik 3.3.4 Inferenz und Reasoning 3.3.5 Tableau-Verfahren Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  19. 19. ALC Grundbausteine19 •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 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  20. 20. ALC Grundbausteine20 • 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 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  21. 21. ALC Grundbausteine21 •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)) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  22. 22. ALC - komplexe Klassenbeziehungen22 •Konjunktion ⊓ •Disjunktion ⊔ •Negation ¬ Professor ⊑ (Person ⊓ Unversitaetsangehoeriger) ⊔ (Person ⊓ ¬Student) (∀x)(Professor(x) → ((Person(x) Λ Universitaetsangehoeriger(x)) V (Person(x) Λ ¬Student(x))) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  23. 23. ALC - Quantoren auf Rollen23 •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))) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  24. 24. ALC - Formale Syntax24 •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. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  25. 25. ALC - Semantik (Interpretation) •wir definieren eine modelltheoretische Semantik für25 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 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  26. 26. ALC - Semantik (Interpretation)26 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  27. 27. ALC - Semantik (Interpretation)27 • 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 )} Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  28. 28. ALC - Semantik (Interpretation)28 •...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 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  29. 29. ALC - alternative Semantik29 • 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. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  30. 30. ALC - Wissensbasis30 • 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) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  31. 31. Beschreibungslogiken (Description Logics) Operator/Construktor Syntax Sprache31 Konjunktion A⊓B Wertrestriktion ∀R.C FL Existenzquantor ∃R Top ⊤ Bottom ⊥ S* Negation ¬A Disjunktion A⊔B AL* Existentielle Restriktion ∃R.C Zahlenrestriktion (≤nR) (≥nR) Menge von Individuen {a1,...,a2} Beziehungshierarchie R⊑S H inverse Beziehung R-1 I Qualifizierte Zahlenrestriktion (≤nR.C) (≥nR.C) Q Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  32. 32. Beschreibungslogiken (Description Logics) • ALC: Attribute Language with Complement32 • 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) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  33. 33. 33 3.3 Beschreibungslogiken 3.3.1 Motivation 3.3.2 Beschreibungslogiken Überblick 3.3.3 ALC - Syntax und Semantik 3.3.4 Inferenz und Reasoning 3.3.5 Tableau-Verfahren Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  34. 34. Open World vs. Closed World Assumption34 • OWA: Open World Assumption Die Existenz von weiteren Individuen ist möglich, sofern sie nicht explizit ausgeschlossen wird. • CWA: Closed World Assumption Es wird angenommen, dass die Wissensbasis alle Individuen enthält. if we assume that we know no idea since everything about are all children we do not know Bill then all of his of Bill male? all children of Bill children are male child(Bill,Bob) DL answers PROLOG answers ? ⊨ ∀child.Man(Bill) Man(Bob) don‘t know yes now we know ≤ 1 child.⊤(Bill) ? ⊨ ∀child.Man(Bill) yes everything about Bill‘s children Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  35. 35. Inferenzprobleme und Beschreibungslogiken35 • 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 = ∅ Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  36. 36. Inferenzprobleme und Beschreibungslogiken36 • 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) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  37. 37. Wichtige Inferenzprobleme (1)37 • 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? Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  38. 38. Wichtige Inferenzprobleme (2)38 • 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. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  39. 39. Entscheidbarkeit und Beschreibungslogiken39 • 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! Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  40. 40. Entscheidbarkeit und OWL DL40 • 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! Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  41. 41. Rückführung auf Unerfüllbarkeit (1)41 (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 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  42. 42. Rückführung auf Unerfüllbarkeit (2)42 • 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…. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  43. 43. 43 3.3 Beschreibungslogiken 3.3.1 Motivation 3.3.2 Beschreibungslogiken Überblick 3.3.3 ALC - Syntax und Semantik 3.3.4 Inferenz und Reasoning 3.3.5 Tableau-Verfahren Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  44. 44. Tableau Verfahren in der Aussagenlogik (PL) • syntaktisches Verfahren zum Prüfen der Konsistenz logischer44 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.). Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  45. 45. Tableau Verfahren in der Aussagenlogik (PL) • Konstruiere Baum, in dem jeder Knoten mit einer Formel45 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 q (p ∧ ¬ r) r r p ¬r Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  46. 46. Tableau Verfahren in der Aussagenlogik (PL) • Grundidee (Fortsetzung):46 • 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 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  47. 47. Tableau Erweiterungsregeln47 • für Aussagenlogik: ¬¬X ¬W ¬F X F W • für konjunktive Formeln (α-Regeln): α X∧Y ¬(X∨Y) ¬(X Y) α1 X ¬X X α2 Y ¬Y ¬Y • für disjunktive Formeln (β-Regeln): β X∨Y ¬(X∧Y) (X Y) β1 | β2 X|Y ¬X | ¬Y ¬X | Y Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  48. 48. Tableauverfahren (PL) Beispiel (1):48 zu zeigen: ((q ∧ r) (¬q ∨ r)) α-Regel (1) ¬((q ∧ r) (¬q ∨ r)) = ¬(¬(q ∧ r) ∨ (¬q ∨ r)) = (q ∧ r) ∧ ¬(¬q ∨ r)) ¬(X Y) X (2) α,1: (q ∧ r) ¬Y (3) α,1: ¬(¬q ∨ r) = q ∧ ¬r (4) α,2: q (5) α,2: r (6) α,3: q (7) α,3: ¬r Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  49. 49. Tableauverfahren (PL) Beispiel(2): zu zeigen : (p (q r)) ((p q) (p r))49 α-Regel ¬(X Y) (1) ¬((p (q r)) ((p q) (p r))) X (2|α aus 1) (p (q r)) ¬Y (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) (10|β aus 9) ¬q | (11|β aus 9) r (12|β aus 4) ¬p | (13|β aus 4) q Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  50. 50. Tableauverfahren Erweiterung für FOL • wie für Aussagenlogik - in den Regeln stehen X und Y dann für50 beliebige (prädikatenlogische) Formeln • Zusätzlich folgende Regeln für die Behandlung quantifizierter Formeln : γ δ γ[t] δ[c] • für γ universell quantifizierte Formel, δ existenziell quantifizierte Formel, mit: γ γ[t] δ δ[c] ∀x.Φ Φ[x←t] ∃x.Φ Φ[x←c] ¬∃x.Φ ¬Φ[x←t] ¬∀x.Φ ¬Φ[x←c] • t ist Grundterm (d.h. enthält keine in Φ gebundenen Variablen), c ist eine „neue“ Konstante Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  51. 51. Tableauverfahren (FOL) Beispiel(3):51 γ γ[t] zu zeigen: (∀x.P(x)∨Q(x)) (∃x.P(x))∨(∀x.Q(x)) ∀x.Φ Φ[x←t] (1) ¬((∀x.P(x)∨Q(x)) (∃x.P(x))∨(∀x.Q(x))) ¬∃x.Φ ¬Φ[x←t] (2|α aus 1) (∀x.P(x)∨Q(x)) (3|α aus 1) ¬((∃x.P(x))∨(∀x.Q(x))) δ δ[c] (4|α aus 3) ¬(∃x.P(x)) ∃x.Φ Φ[x←c] (5|α aus 3) ¬(∀x.Q(x)) ¬∀x.Φ ¬Φ[x←c] (6|δ aus 5) ¬Q(c) (7|γ aus 4) ¬P(c) (8|γ aus 2) P(c)∨Q(c) (9|β aus 8) P(c) | (10|β aus 8) Q(c) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  52. 52. Tableauverfahren für Beschreibungslogiken52 •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 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  53. 53. Tableautransformation in Negationsnormalform53 • NNF Transformationen NNF(C) = C, falls C atomar ist NNF(¬C) = ¬C, falls C atomar ist NNF(¬¬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) • W und NNF(W) sind logisch äquivalent. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  54. 54. Tableautransformation in Negationsnormalform54 • Beispiel: P ⊑ (E ⊓ U) ⊔ ¬(¬E ⊔ D) • In NNF: ¬P ⊔ (E ⊓ U) ⊔ (E ⊓ ¬D). Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  55. 55. Tableauerweiterungsregeln für DL Auswahl Aktion55C(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 • 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. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  56. 56. Tableauverfahren (DL) Beispiel(4):56 • 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)} Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  57. 57. Tableauverfahren (DL) Beispiel(4):57 • 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) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  58. 58. Tableauverfahren (DL) Beispiel(5): • Wissensbasis: ¬Person ⊔ ∃hasParent.Person58 • abzuleiten: ¬Person(Bill) Person(Bill) (¬Person ⊔ ∃hasParent.Person)(Bill) ¬Person(Bill) ∃hasParent.Person(Bill) ⊔ hasParent(Bill,x1) ∃ Person(x1) (¬Person ⊔ ∃hasParent.Person)(x1) ¬Person(x1) ∃hasParent.Person(x1) ⊔ hasParent(x1,x2) ∃ Person(x2) Problem tritt bei (¬Person ⊔ ∃hasParent.Person)(x2) Existenzquantoren auf ¬Person(x2) ∃hasParent.Person(x2) ⊔ bzw. bei OWL:minCardinality Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  59. 59. Idee des Blockings59 • wir hatten folgendes konstruiert: Person Person Person ∃hasParent.Person ∃hasParent.Person ∃hasParent.Person hasParent hasParent hasParent • Idee: Wiederverwendung alter Knoten Person Person ∃hasParent.Person ∃hasParent.Person hasParent Blocking Korrektheit muss natürlich hasParent bewiesen werden... Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  60. 60. Tableauverfahren (DL) mit Blocking • Wissensbasis: ¬Person ⊔ ∃hasParent.Person60 • abzuleiten: ¬Person(Bill) Person(Bill) (¬Person ⊔ ∃hasParent.Person)(Bill) ¬Person(Bill) ∃hasParent.Person(Bill) ⊔ hasParent(Bill,x1) ∃ Person(x1) (¬Person ⊔ ∃hasParent.Person)(x1) ¬Person(x1) ∃hasParent.Person(x1) ⊔ Person Person σ(Βill) = {Person, ∃hasParent.Person ∃hasParent.Person ¬Person ⊔ ∃hasParent.Person, ∃hasParent.Person} hasParent σ(x1) = { Person, ¬Person ⊔ ∃hasParent.Person, hasParent ∃hasParent.Person} σ(x1) ⊆ σ(Bill), so Bill blocks x1 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  61. 61. Tableauverfahren (DL) mit Blocking61 • 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. Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  62. 62. 3. Wissensrepräsentation und Logik 3.3 Beschreibungslogiken62 3.3 Beschreibungslogiken 3.3.1 Motivation 3.3.2 Beschreibungslogiken Überblick 3.3.3 ALC - Syntax und Semantik 3.3.4 Inferenz und Reasoning 3.3.5 Tableau-Verfahren Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  63. 63. Semantic Web Technologien Vorlesungsinhalt63 3. Wissensrepräsentation und Logik Die 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)-Semantik 3.5. OWL und OWL-Semantik 3.6. OWL 2 und Regeln Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  64. 64. die nächste Vorlesung....64 t i k a n S m ) e S l e DF( a m r R r ü o f F Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität Potsdam Rembrandt van Rijn, Die Anatomie des Dr. Tulp, 1632Donnerstag, 15. Dezember 11
  65. 65. 3. Wissensrepräsentation und Logik 3.3 Beschreibungslogiken65 • 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) Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11
  66. 66. 3. Wissensrepräsentation und Logik 3.3 Beschreibungslogiken66 Materialien □Blog http://wwwsoup2011.blogspot.com/ □Webseite http://www.hpi.uni-potsdam.de/studium/lehrangebot/veranstaltung/ semantic_web_technologien.html □bibsonomy - Bookmarks http://www.bibsonomy.org/user/lysander07/swt1112_06 Vorlesung Semantic Web, Dr. Harald Sack, Hasso-Plattner-Institut, Universität PotsdamDonnerstag, 15. Dezember 11

×