Was sind eigentlich semantische Technologien

9.257 Aufrufe

Veröffentlicht am

Veröffentlicht in: Reisen, Business
0 Kommentare
1 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

Keine Downloads
Aufrufe
Aufrufe insgesamt
9.257
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
77
Aktionen
Geteilt
0
Downloads
0
Kommentare
0
Gefällt mir
1
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie

Was sind eigentlich semantische Technologien

  1. 1. Was sind eigentlich  g semantische Technologien? Eine Definition in vier Beispielen Eine Definition in vier Beispielen Eine Annäherung in fünf Beispielen STI Industrietag 2009 Industrietag 2009 Dr. Valentin Zacharias, FZI 
  2. 2. Semantische Technologien Verbesserte Informationsverarbeitung  Verbesserte Informationsverarbeitung durch stärkere Berücksichtigung  des expliziten Bedeutungskontexts d li it B d t ktt 2
  3. 3. Expliziter Bedeutungskontext Expliziter Bedeutungskontext • Modell der Realität – Partiell/Vereinfacht / STI Germany – Computerverständlich hat Mitglied •Otl i Ontologie,  IAIS FZI Domänenmodell hat Abteilung IPE hat Mitarbeiter Valentin 3
  4. 4. Agenda • Verbesserung durch expliziten  Bedeutungskontext für g 1) Text 2) Bilder 1 3) Terminologie 4) Datenaustausch 5) ) Agile Software g 4
  5. 5. Lebanon,  Ohio Lebanon,  Lebanon Country Lebanon,  Lb Lebanon,  Lb Capital: Beirut Oklahoma Indiana Maine Population: 4 Million Lebanon,  Illinois Lebanon Lebanon,  Lebanon Nebraska Lebanon,  Lebanon Lebanon,  Lebanon, New Hampshire Population:  12568 Kansas Oregon Lebanon,  Lb Lebanon,  Conneticut a Picture 5
  6. 6. Beirut, hat Hauptstadt City Cit Lebanon,  hat Einwohner hat Einwohner Country C t 4 Million bezeichnet Lebanon USA in Land in Land bezeichnet Lebanon,  NH enthält Dartmouth Medical S. Medical S 6
  7. 7. Durch Identifikation des  Durch Identifikation des Bedeutungskontexts von  Wörtern im Text bessere  Suchergebnisse erzielen g 7
  8. 8. 8
  9. 9. Zusammenfassung • Präzisere Suchergebnisse  durch intelligente  Textverarbeitung und  Bedeutungskontext 13
  10. 10. • Open Calais – Reuters Semantic Metadata Service Service  http://www.opencalais.com/  • Alecra – Semantic Filtering für  Business Intelligence i lli http://www.techcrunch.com/2009/02/18/alacra‐pulse‐ sifts‐through‐the‐chatter‐for‐business‐intelligence/ • Evri http://www.evri.com/ • Ontoprise Semantic Miner http://www.ontoprise.de/en/home/products/semantic htt // t i d / /h / d t/ ti miner/ Mehr: • 13:30 Dr. Hoppe: „... Nutzen  semantischer Suche“ • 15:30 Hr. Fröhlich:  „Ontologien für die Suche“ 14
  11. 11. Agenda • Verbesserung durch expliziten  Bedeutungskontext für g 1) Text 2) Bilder 2 3) Terminologie 4) Datenaustausch 5) ) Agile Software g 15
  12. 12. Wall‐E ‐ Der letzte räumt die Erde auf Blu‐Ray y IMDB  Rating: 8,6 40. bester Film  16
  13. 13. Durch Identifikation des  Durch Identifikation des Bedeutungskontexts von  Produktbildern mobilen  Preisvergleich ermöglichen g g 17
  14. 14. SnapTell – iPhone / Android Applikation www.snaptell.com 18
  15. 15. Zusammenfassung g • Suche mit Bildern  durch intelligente  g Bildverarbeitung und  Bedeutungskontext 19
  16. 16. • ImageNotion – Semantische  Bilddatenbank http://www.imagenotion.com/ • Der Stern‐Erkennende Flickr Agent  http://code.flickr.com/blog/2009/02/18/found‐in‐space/ • Gesichtserkennung in Picasa http://news.cnet.com/8301‐13580_3‐10026577‐39.html • Machines that can see – The  Economist http://www.economist.com/science/tq/displaystory.cfm ?story_id=13174409 Mehr: • In der Mittagspause: Andreas  Walter mit ImageNotion 20
  17. 17. Agenda • Verbesserung durch expliziten  Bedeutungskontext für g 1) Text 2) Bilder 3 3) Terminologie 4) Datenaustausch 5) ) Agile Software g 21
  18. 18. Grippe  pp Influenza A • Influenza B • H5N1 • Flu • J10 (ICD‐10) J10 (ICD 10) • J11 (ICD‐9) • 6791 (DiseaseDB ) • 000080 (Medline 000080 (Medline Plus) • D007281 (MeSH) • ... • 22
  19. 19. SNOMED‐CT SNOMED CT • Einheitliches  Domänenmodell  als  Voraussetzung für  Interoperabilität • Verwaltung große  Herausforderung: – 280 000 Konzepte – 700 000 Begriffe / Codes – 900 000 Beziehungen  23
  20. 20. Formale Semantik ‐ Formale Semantik OWL • W3C W3C standardisierte formale  d di i f l Sprache zur Beschreibung von  Terminologien • Unterstützt Management von  Terminologien durch Terminologien durch – Interoperabilität und  Investitionssicherheit durch  Investitionssicherheit durch Standardisierung – Validier‐ und Verifizierbarkeit durch  formale Semantik – Automatische Schlussfolgerungen – Sk li b k it Skalierbarkeit  24
  21. 21. Zusammenfassung • Interoperabilität und  Verifizierbarkeit durch  formale Sprachen zur  Beschreibung des  Beschreibung des Bedeutungskontexts 25
  22. 22. • OWL Primer OWL Primer  http://www.w3.org/TR/2008/WD‐owl2‐primer‐ 20080411/ 26
  23. 23. Agenda • Verbesserung durch expliziten  Bedeutungskontext für g 1) Text 2) Bilder 4 3) Terminologie 4) Datenaustausch 5) ) Agile Software g 27
  24. 24. Wie veröffentlicht man eine  Datenbank im Web? Veranstaltung Beginn Ende  Ort Cirque Du Soleil Du Soleil‐ 5.4.09 5 4 09 5.4.09 The Mirage, 3400 L 5 4 09 The Mirage 3400 L Love 19:00 20:00 Fall Out Boy ‐ 5.4.09 5.4.09 Pearl Concert Hall Concert 18:00 20:00 V – The Ultimate  5.4.09 5.4.09 Planet Hollywood R Variety Show 19:00 22:00 Adventures with 5.4.09 5.4.09 Lied Discovery Chil 28 Cliff d th bi R d 19 00 22 39
  25. 25. So? Problem:  •Im Web verlieren  Daten ihren  Bedeutungskontext •Web =  Web  unstrukturiert 29
  26. 26. Semantic Web • Ei f h HTML Einfache HTML  Erweiterungen erlauben  Bedeutungskontext von  Bedeutungskontext von Daten im Web zu  transportieren • Bereits auf 100  Millionen Webseiten zu  Millionen Webseiten zu finden, unterstützt von  Yahoo • Getrieben von Sir Tim  Berners‐Lee 30
  27. 27. Firefox Operator Plugin 31
  28. 28. 32
  29. 29. Zusammenfassung g • Durch semantisches  Markup Daten mit  p Bedeutungskontext  austauschen • Datenweb vergleichbare  l hb Revolution zu  Dokumentenweb 33
  30. 30. • Linked Data  http://linkeddata.org/ • Sindice http://www.sindice.com • Tim Berners‐Lee über Open Tim Berners‐Lee über Open,  Linked Data (Video)  http://www.ted.com/index.php/talks/tim_berners_lee_ on_the_next_web.html on the next web html • Hans Rosling über die  Möglichkeit und die  Notwendigkeit des offenen  Datennetzes (Video) http://www.ted.com/index.php/talks/hans_rosling sho p // / p p/ / g_ ws_the_best_stats_you_ve_ever_seen.html • Microformats http://microformats.org/ • Yahoo Semantic Web  Unterstützung http://ebiquity.umbc.edu/blogger/2009/02/12/yahoo http://ebiquity.umbc.edu/blogger/2009/02/12/yahoo‐ adds‐rdf‐support‐to‐searchmonkey‐and‐boss/ 34
  31. 31. Agenda • Verbesserung durch expliziten  Bedeutungskontext für g 1) Text 2) Bilder 5 3) Terminologie 4) Datenaustausch 5) ) Agile Software g 35
  32. 32. Band 1988 gegründet ist eine Nirvana inspiration für hat wichtiges Album Soundgarden Pearl Jam Nine Black Alps Black Alps Nevermind N id Bleach Bl h hat Lied hat Lied Smells Like Teen Spirit Teen Spirit In Bloom Come As You Are Breed 36
  33. 33. 37
  34. 34. • Domänenmodell konnte Domänenmodell konnte  nicht im Programm‐Code  realisiert werden, da  Obje t ode e c t Objektmodelle nicht in  der Lage sind: 38
  35. 35. • Domänenmodell wurde  getrennt vom Code  Cd g gehalten, für: , • einfache Änderung des  Domänenmodells  Domänenmodells • einfachen Austausch des  Domänenmodells • Domänenunabhängige Domänenunabhängige  Portal Software 39
  36. 36. • Agilität und  g Wiederverwendung2 durch Trennung von  durch Trennung von Code und  Domänenmodell Dä d ll 40
  37. 37. • Soboleo http://www.soboleo.com •S Semantic Media Wiki  i di iki http://semantic‐ mediawiki.org/wiki/Semantic_MediaWiki • BBC‘s Semantic Music Projekt Music Projekt  http://www.readwriteweb.com/archives/bbcs_semantic _music_project.php  • Building Coherence At BBC http://blogs.talis.com/nodalities/2009/01/building‐ coherence‐at‐bbccouk.php • Freebase http://www.freebase.com Mehr: • 10:15 Hr. Dengler:   „Kollaborative  Kollaborative Prozesserstellung mit  semantischen Wikis semantischen Wikis“ • 11:15 Hr. Hansch: „SMW+ “ 41
  38. 38. Zusammenfassung Verbesserte Informationsverarbeitung  durch stärkere Berücksichtigung  dh k kh des expliziten Bedeutungskontexts 42
  39. 39. Zusammenfassung 1) Text • Präzisere Suchergebnisse  durch intelligente  Textverarbeitung und  Bedeutungskontext 43
  40. 40. Zusammenfassung 1) Text • Suche mit Bildern durch  intelligente  2) Bilder Bildverarbeitung und  Bedeutungskontext 44
  41. 41. Zusammenfassung 1) Text • Interoperabilität und  Verifizierbarkeit durch  2) Bilder formale Sprachen zur  3) Terminologie Beschreibung des  Bedeutungskontexts 45
  42. 42. Zusammenfassung 1) Text • Durch semantisches  Markup Daten mit  2) Bilder Bedeutungskontext  3) Terminologie austauschen 4) Datenaustausch 46
  43. 43. Zusammenfassung 1) Text • Agilität und  Wiederverwendung2 2) Bilder durch Trennung von  3) Terminologie Code und  4) Datenaustausch Domänenmodell 5) Agile Software 47
  44. 44. Vielen Dank für Ihre  Aufmerksamkeit Dr. Valentin Zacharias, FZI zach@fzi.de zach@fzi de http://vzach.de/blog

×