SlideShare ist ein Scribd-Unternehmen logo
Entscheidungsunterstützung im Semantic Web
Thomas Fischer
Lehrstuhl für Wirtschaftsinformatik
Friedrich-Schiller-Universität Jena
Agenda
• Motivation der Forschung
• Forschungsfragen und Hypothesen der Dissertation
• Vorgehensweise der Dissertation
• Identifikation von Integrationsansätzen von Inferenz und Methoden
  der Entscheidungsunterstützung
• Anwendungsbeispiel: Relationales Rucksackproblem
• Anwendungsbeispiel: Assembly Line Balancing Problem
• Zusammenfassung




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   2
Motivation des Forschungsthemas
•    EUS verarbeiten Daten mit
     Modellen um neue Informationen
     zur Entscheidungsfindung zu
     generieren
•    Modell: “The earliest, and perhaps
     predominant, DSS view of models is
     that they are procedures, auto-
     mated algorithms whereby data can
     be analyzed in response to stated
     problems.” (Chang,1993)
•    Daten:
       –    Internet (Web, Web Services,
            Semantic Web, …)
       –    Intranet (Unternehmensportale,
            Relationale Datenbanken, Flat Files
            etc.)
       –    …
•    Repräsentation des
     Hintergrundwissen
       –    Relationale Datenbank                            Eigene Grafik in Anlehnung an: (Bolloju,2002); (Bracke,2004);
       –    Taxonomie, Ontologie, …                          (Kosaka & Hirouchi,1982); (Dargam,1998); (Fedorowicz & Williams,1986)


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik    3
Motivation des Forschungsthemas
•    Generelle Fragestellungen eines EUS sind daher:
       –    Modellspezifikation
       –    Datenrepräsentation
       –    Repräsentation des Hintergrundwissens
       –    Design des Nutzerinterface
       –    Datenakquisition
       –    …
•    World Wide Web bietet eine Vielzahl von Informationen, die für betriebswirtschaftliche
     Entscheidungen eine Rolle spielen können
•     “… the more distributed and independently managed that resources on the Web
     become, the greater is their potential value, but the harder it is to extract value …“
     (Singh & Huhns, 2005).
•    Limitierte menschliche Aufnahmefähigkeit für Informationen (Edelmann, 2000) versus
     steigender Informationsüberfluss (Krcmar, 2004)
•    Eine weitergehende automatisierte Verarbeitung (Extraktion, Transformation etc.) von
     Daten aus dem Web ist daher wünschenswert und ist Teil der Bestrebungen der
     Semantic Web Forschung


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   4
Semantic Web und Description Logic
•    “The Semantic Web is not a separate Web but an extension of the current
     one, in which information is given well-defined meaning, better enabling
     computers and people to work in cooperation” (Berners-Lee et al., 2001b).
•    Ontologie: “conceptualization of the domain of discourse” (Gruber, 1993)
•    Basiert auf einer Schichtung von Standards:
       – Resource Description Framework (RDF) (Klyne et al., 2004)
       – Resource Description Framework Schema RDF(S) (Brickley et al., 2004)
       – Web Ontology Language (OWL) (Smith et al., 2004)
         (W3C OWL Working Group, 2009).
•    RDF Statements
       – Subjekt ������, Prädikat ������, Objekt ������
       – Tripel ������(������, ������)
•    RDF-S ist eine minimale Sprache für Ontologien
       – Definition von Klassen und Eigenschaften
       – Limitierte Expressivität


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   5
Semantic Web und Description Logic
• OWL 2 ist eine ausdrucksstarke Sprache für Ontologien mit
  verschiedenen Syntaxvarianten (z.B. RDF/XML)
       – Basiert auf der SROIQ description logic: “fragment of first order logic with
         useful computational properties” (W3C OWL Working Group, 2009)
• Description Logic ������������ = (������������������������, ������������������������)
• ������������������������: spezifiziert Konzepte und Eigenschaften - „intensional
  knowledge representation“ (Baader et al., 2003)
• ������������������������: spezifiziert Aussagen über Instanzen
• Komplexität der Inferenz ist abhängig von der Art der
  Beschreibungslogik bzw. der eingesetzten semantischen
  Konstrukte


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   6
Resultierende Forschungsfragen
• Grundfragestellung
       – Wie kann das Semantic Web in EUS genutzt werden?




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   7
Resultierende Forschungsfragen
• Applegate et al. postulierte schon 1986: “Complex system domains,
  however, require the use of more sophisticated representations to
  improve the efficiency and scope of the system.” (Applegate et al.,1986)
       – Steigert die höhere Ausdrucksstärke von Semantic Web Daten die Effizienz und
         den Anwendungsbereich von Entscheidungsunterstützungssystemen?
       – Mit welchen Methoden können Modelle der Entscheidungsunterstützung mit
         Semantic Web Ontologie Technologie integriert werden?
       – Wie können verschiedene Arten der Schlussfolgerung (engl. Reasoning) auf
         diesem Typ von Daten genutzt und integriert werden?
       – Ist die Integration sinnvoll in Bezug auf:
               •   Problemlösungsfähigkeit,
               •   Datenextraktion bzw. Datenrepräsentation,
               •   Komplexität von Suchräumen,
               •   Komplexität der Modellspezifikation?
       – Was sind geeignete Anwendungsgebiete?
       – Wie kann eine formale Modellierung erfolgen?


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   8
Hypothesen
• Hypothesen in Bezug auf Modellierung
        Die Weiterentwicklung der Datenkomplexität macht auch eine Weiterentwicklung
         der entsprechenden EUS Modelle notwendig, damit diese von der gesteigerten
         Repräsentation partizipieren können.
• Hypothesen in Bezug auf die Integration
        Es gibt verschiedene Möglichkeiten bzw. Ansatzpunkte für die Integration
        Die Art und die Flexibilität der Integration ist abhängig von den Anforderungen des
         jeweiligen Problems (Menge der Daten, Zeitvorgaben etc.)
• Hypothesen in Bezug auf Problemlösungsfähigkeit und Komplexität
        Durch eine ausdrucksstärkere Repräsentation der Daten steigt auch die
         Komplexität der jeweiligen Methoden und Lösungsräume etc., dies muss aber
         nicht zwingend in einer längeren Laufzeit der Algorithmen münden, insofern im
         Sinne eines „seperation of concerns“ verschiedene Inferenzen spezialisiert
         durchgeführt werden können
        Die Problemlösungsfähigkeit steigt durch die Extraktion von impliziten
         Informationen


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   9
Vorgehensweise der Dissertation




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   10
Identifikation von Varianten der Integration
•    Möglichkeit 1: Lösung eines Problems nur mit logischer Inferenz




•    Beispiel: EUS zur Landvergabe in Sambia (Abanda, Ng’ombe, Tah, & Keivani,
     2011
Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   11
Identifikation von Varianten der Integration
•    Möglichkeit 2: Logische Inferenz  Materialisierung der impliziten Informationen 
     Transformation der Daten  Aufruf einer Standardmethode
     (z.B. Optimierung, Data Mining, …)




•    Beispiel: Kim et al. (2009) präsentieren ein EUS zur Auswahl einer optimalen
     Kaufentscheidung basierend auf einer OWL Ontology, Regeln und einer neuen Sprache für
     Constraints. Aus der OWL Ontologie und den Nebenbedingungen wird dann das
     Optimierungsmodell generiert.
Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   12
Identifikation von Varianten der Integration
• Möglichkeit 3: Direkte logische Inferenz während der Ausführung der
  jeweiligen Methode zur Entscheidungsunterstützung




• Diese Variante hat bisher keine bzw. keine nennenswerte Beachtung
  gefunden.
Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   13
Identifikation von Varianten der Integration
•    Möglichkeit 4: Kombination von Deduktiver und Induktiver Inferenz in Methoden
     der Entscheidungsunterstützung




•    Beispiel: Stochastische Optimierung auf Basis eines „Statistical Relational Model“
     (siehe nachfolgende Folien)
Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   14
Anwendung: Relationales Rucksackproblem
• Standard 0-1 Rucksackproblem
• Programm:
                                                                             ������

                                             maximiere                              ������������ ������������
                                                                           ������=1
                                               ������

                                                      ������������ ������������ ≤ ������
                                             ������=1
     ������������ ∈ 0,1

Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   15
Anwendung: Relationales Rucksackproblem
• Relationales
  Rucksackproblem
• Beschreibung:
       – Objekte haben einen
         Typ
       – Typenhierarchie
       – Objekte können
         Beziehungen
         untereinander haben
       – Beziehungen der
         Objekte können einen
         Einfluss auf den Wert
         des Rucksacks haben
Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   16
Anwendung: Relationales Rucksackproblem
Spezifikation der DL TBox
                                                 ������������������������������������ ⊑ T                                        ≥ 1 ������������������������������������������������ ⊑ ������������������������������t

• TBox                                           ������������������������������������������������ ⊑ T
                                                                                                         ≥ 1 ������������������������������������������������������ ⊑ ������������������������������t
                                                                                                         ≥ 1 ������������������������������������������������������������������ ⊑ ������������������������������������������������
                                                 ������������������������������������������������������������ ⊑ T                                ≥ 0 ������������������������������������ ⊑ ������������������������������������
  Spezifikation                                  ������������������������ ⊑ ������������������������������������                                 ≥ 1 ������������������������������������������������������ ⊑ ������������������������������������������������������������
                                                                                                         ≥ 1 ������������������ ⊑ ������������������������������t
                                                 ������������������������������������������������������������������������������������������������ ⊑ ������������������������������������
• Siehe zur                                      ������������������������������������������������������ ⊑ ������������������������������������������������������������������������������������������������
                                                                                                         ≥ 0 ������������������ ⊑ ������������������������������t
                                                                                                         T ⊑ ∀ ������������������������������������������������. ������������������������������������
                                                                                                         T ⊑ ∀ ������������������������������������������������������. ������������������������������������
  Formalisierung                                 ������������������������������ ⊑ ������������������������������������������������������������������������������������������������           T ⊑ ∀ ������������������������������������������������������������������. ������������������������������������
                                                 ������������3������������������������������������ ⊑ ������������������������������������������������������������������������������������������������    T ⊑ ∀ ������������������. ������������������������������������������������
  Baader et al.                                  ������������������������������������������������������������������������������������������������������ ⊑ ������������������������������������       T ⊑ ∀ ������������������. ������������������������������������
                                                                                                         T ⊑ ∀ ������������������������������������. ������������������������������������������������������������
  (2003)                                         ������������������������������������������������ ⊑ ������������������������������������������������������������������������������������������������     T ⊑ ∀ ������������������������������������������������������. ������������������������������������
                                                 ������������������������������������������������ ⊑ ������������������������������������������������������������������������������������������������     T ⊑ ≤ 1 ������������������������������������������������

• Komplexität der                                ������������������������������������������������������ ⊑ ������������������������������������                       T ⊑ ≤ 1 ������������������������������������������������������
                                                                                                         T ⊑ ≤ 1 ������������������������������������������������������
                                                 ������������������������������������������������ ⊑ ������������������������������������������������������
  DL:������ℒℋℐℱ ������
                                                                                                         T ⊑ ≤ 1 ������������������������������������������������������������������
                                                 ������������������������������������������ ⊑ ������������������������������������������������������                     T ⊑ ≤ 1 ������������������
                                                 ������������������������������������������������ ⊑ ������������������������������������������������������                   T ⊑ ≤ 1 ������������������������������������
                                                                                                         ������������������ ≡ ������������������ −
                                                 ������������������������������ ⊑ ������������������������������������������������������



Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik                            17
Anwendung: Relationales Rucksackproblem
Spezifikation der DL ABox
                                                            ������������������������������������������������ ������1
 • ABox spezifiziert die                                    ������������������������ ������������                                ������������������������������������������������������������������ ������1,720
                                                            ������������������������ ������������������������������������������������                    ������������������������������������������������ ������������, 70
   Instanzen der                                            ������������������������������������������ ������������������������������������������������              ������������������������������������������������ ������������������������������������������������, 80
   Konzepte und                                             ������������������������������������������������ ������������������������������������                ������������������������������������������������(������������������������������������, 10)
                                                            ������������������������������(������������������������������������������������)                 ������������������������������������������������ ������������������������������������������������, 20
   Eigenschaften                                            ������������������������ ������������������������������������������������                    ������������������������������������������������ ������������������������������������������������, 10
                                                            ������������������������������������������������ ������������������������                    ������������������������������������������������ ������������������������, 1000
                                                            ������������������������������(������������������������������������)                     ������������������������������������������������ ������������������������������������, 150
                                                            ������������������������������������������������������������(������1)                    ������������������ ������������������������������������������������, ������������������������������������������������
                                                                                                         ������������������ ������������������������������������, ������������������������������������������������
                                                            ������������������������������������������������������   ������������, 200               ������������������������������������ ������������������������������������, ������1
                                                            ������������������������������������������������������   ������������������������������������������������, 150   ������������������������������������ ������������������������������������������������, ������1
                                                            ������������������������������������������������������   ������������������������������������������������, 50    ������������������������������������ ������������������������������������������������, ������1
                                                            ������������������������������������������������������   ������������������������������������, 20        ������������������������������������ ������������������������������������������������, ������1
                                                            ������������������������������������������������������   ������������������������������������������������, 50    ������������������������������������������������������ ������1,60
                                                            ������������������������������������������������������   ������������������������������������������������, 50
                                                            ������������������������������������������������������   ������������������������, 500
                                                            ������������������������������������������������������   ������������������������������������, 200
Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik                        18
Anwendung: Relationales Rucksackproblem
Abfragen
• Konjunktive Abfrage
              ������1 , ������2 , … , ������������ . ∃ ������������+1 , … , ������������ . ������1 , … , ������������
• Beispielabfrage 1
                      ������������1 . ∃ ������1 . ������������������������������������������������ ������1 , ������������1
       – Ergebnis: 70,80,50, …
• Beispielabfrage 2
            ∃ ������1 , ������2 , ������1 . ������������������ ������1 , ������2 ∧ ������������������ ������1 , ������1
       – Ergebnis: ������������������������������




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   19
Anwendung: Relationales Rucksackproblem
Regeln
• Zusätzliche Regeln können weitere implizite Informationen
  verfügbar machen, insofern die Inferenzmaschine die Regeln
  verarbeiten kann
• Beispiel:
            ������������������������������������������������������ ������ , ������������������������������������������������������ ������ ⟶ ������������������ ������, ������




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   20
Anwendung: Relationales Rucksackproblem
Standard Programm
• Relationales Rucksackproblem mit������einer Beziehung
                        ������            ������

                               maximiere                      ������������ ������������ +                 ������������ ������������ ������������������ ������������������
                                 ������                    ������=1                 ������=1 ������=1

                                      ������������ ������������ ≤ ������
                               ������=1
                   0,1         ������������ ∈
• Dieses quadratische Problem kann mit CPLEX etc. gelöst werden.
• Allerdings würde diese Modellierung keine logische Inferenz
  begünstigen.
• Was passiert bei noch mehr vorhandenen logischen Bedingungen
  u.U. auch in den Nebenbedingungen?
Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   21
Anwendung: Relationales Rucksackproblem
DL-Programm
• Anheben der Repräsentation von Variablen zu DL-Sprachelementen
       maximiere                    ������������1 . ������������������������������������������������ ������1 , ������������1 ∧ ������������������ ������1 , "K1"
                              ������1

                       +                 ������ . ∃ ������ . ������������������ ������1 , ������2 ∧ ������������������ ������1 , "������1" ∧ ������������������ ������2 , "������1"
                            ������1 ������2
                       ∧ ������������������������������������ ������1 , ������ ∧ ������������������������������������ ������2 , ������ ∧ ������������������������������������������������������ ������, ������

             ������ . ������������������������������������������������������ ������1 , ������ ∧ ������������������ ������1 , "������1"                      ≤ ������ . ������������������������������������������������������������������ "K1", ������
      ������1

                                                        ������1 , ������2 ∈ ������������������������������������

                                           ������������ = ������������������������, ������������������������ + ������������������������������
Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik    22
Anwendung: Relationales Rucksackproblem
Evolutionärer Algorithmus




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   23
Anwendung: Relationales Rucksackproblem
Ergebnisse
• Evaluation auf dem künstlichen Problem war erfolgreich.
• Algorithmus konnte das Problem in Durchläufen mit verschiedenen Seed-
  Werten immer lösen.
• DL-Problemspezifizierung erleichtert die Modellierung für
  Lösungsmethoden mit logischer Inferenz
• Einfachere Definition von komplexen Bewertungsfunktionen mit
  integrierter logischer Inferenz
• Standard Lösungsverfahren z.B. Genetische Algorithmen können auf die
  Anforderungen angepasst werden
• Vorstellung des Ansatzes auf der International Conference for Operations
  Research (2010) sowie Publikation in den Post Conference Proceedings
  (Fischer & Ruhland, 2011).


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   24
Anwendung: Assembly Line Balancing
•    Wie funktioniert der Ansatz auf einem komplexen Problem aus der Praxis?
•    Assembly Line Balancing (ALB) bietet sich als Testproblem an
       – ALB basiert auf:
               • Vorranggraph von Aufgaben, serieller Produktionslinie, Stationen haben gleiche Ressourcen
               • Taktzeit Restriktion
       – GALB Problem mit Zuweisungsrestriktionen:
               • Verlinkte Aufgaben, inkompatible Aufgaben, Stationstypen + Restriktionen, Ressourcen
                 Restriktionen




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   25
Anwendung: Assembly Line Balancing
Lösungsmethoden
• Übersicht über die Klassifikation und Lösungsmethoden von
  verschieden ALB Problemausprägungen (Becker & Scholl,
  2006)
• Referenzdatensatz für das GALB von Scholl et al. (2010)
       – Betrachtung von 268 ALB Problemen in 6 verschiedenen Varianten
         (siehe Evaluation)
• Transformation und Import der Daten auf Basis eines
  Generators in einen RDF Triple Store



Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   26
Anwendung: Assembly Line Balancing
Aufbau des EUS




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   27
Anwendung: Assembly Line Balancing
Spezifikation der DL TBox ������ℒℐℱ(������)
������������������������������������������ ⊑ T                                        ≥ 0 ������������������������������������������������������������ ⊑ ������������������������������������������                T ⊑ ≤ 1������������������������������������������������������������������������
������������������������������������������ ⊑ T                                        ≥ 0 ������������������������������������������������������������������ ⊑ ������������������������                    T ⊑ ≤ 1 ������������������������������������������������������
������������������������ ⊑ T                                              T ⊑ ∀ ������������������������������������������������������. ������������������������                       T ⊑ ≤ 1 ������������������������������������������������������
������������������������ ⊑ ������������������������������������������                                 T ⊑ ∀ ������������������������������������������������������������������������������������. ������������������������             T ⊑ ≤ 1 ������������������������������������������������������������������������������������������������������
≥ 0 ������������������������������������������������������ ⊑ ������������������������                         T ⊑ ∀ ������������������������������������������������������������������. ������������������������                   T ⊑ ≤ 1 ������������������������������
≥ 0 ������������������������������������������������������������������������������������ ⊑ ������������������������               T ⊑ ∀ ������������������������������������������. ������������������������                           T ⊑ ≤ 1 ������������������������������������
≥ 0 ������������������������������������������������������������������������ ⊑ ������������������������                   T ⊑ ∀ ������������������������������������������������������������������������. ������������������������������������������           T ⊑ ≤ 1 ������������������������������������������������������������
≥ 0 ������������������������������������������ ⊑ ������������������������������������������                       T ⊑ ∀ ������������������������������������������������������������������������������������. ������������������������������������������
≥ 0 ������������������������������������������������������������������������ ⊑ ������������������������                   T ⊑ ∀ ������������������������������������������������������. ������������������������������������������                 ������������������������������������������������������������������������������������������������ ≡
≥ 0 ������������������������������������������������������������������������������������ ⊑ ������������������������               T ⊑ ∀ ������������������������������������������������������������������������������������������������. ������������������������         ������������������������������������������������������������������������������������������������ −
≥ 0 ������������������������������������������������������ ⊑ ������������������������                         T ⊑ ∀ ������������������������������������������������������������������������. ������������������������
≥ 0 ������������������������������������������������������������������������������������������������ ⊑ ������������������������           T ⊑ ∀ ������������������������������������������������������. ������������������������������������������                 ������������������������������������������������������ ≡ ������������������������������������������������������ −
≥ 0 ������������������������������������������������������������������������ ⊑ ������������������������������������������             T ⊑ ∀ ������������������������������������������������������������������������������������������������������. ������������������������������������
≥ 1 ������������������������������������������������������ ⊑ ������������������������������������������                   T ⊑ ∀ ������������������������������. ������������������������������������                           ������������������������������������������������������������������������������������ +
≥ 1 ������������������������������������������������������������������������������������������������������ ⊑ ������������������������������������������   T ⊑ ∀ ������������������������������������������. ������������������������������������                       ������������������������������������������������������������������������ +
≥ 1 ������������������������������ ⊑ ������������������������                                 T ⊑ ∀ ������������������������������������. ������������������������������������
≥ 1 ������������������������������������������ ⊑ ������������������������������������������                       T ⊑ ∀ ������������������������������������������������������������. ������������������������������������������
≥ 1 ������������������������������������ ⊑ ������������������������������������������                         T ⊑ ∀ ������������������������������������������. ������������������������������������
Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik                                   28
Anwendung: Assembly Line Balancing
Regelspezifikation
•    Inferenz mit Regeln [P1:                                  (?p rdf:type opt:GALP)
     basieren auf dem                                          (?p opt:cycleTime ?c)
     Jena                                                      (?t1 rdf:type opt:Task)
     GenericRuleReasoner
                                                               (?t2 rdf:type opt:Task)
•    Regel P1:
                                                               (?t1 opt:hasTaskTime ?time1)
                                                               (?t2 opt:hasTaskTime ?time2)
                                                               sum(?time1,?time2,?newTime)
                                                               greaterThan(?newTime, ?c)
                                                               noValue(?t1 opt:isIncompatibleTo ?t2)
                                                               notEqual(?t1,?t2)
                                                               ->
                                                               (?t1 opt:isIncompatibleTo ?t2)]

Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   29
Anwendung: Assembly Line Balancing
Regelspezifikation
                                                 [P2:          (?t1 opt:hasSuccessor ?t2)
                                                               (?t2 opt:hasSuccessor ?t3)
                                                               (?t1 opt:hasSuccessor ?t3)
                                                               (?t1 opt:isIncompatibleTo ?t2)
                                                               notEqual(?t1,?t2)
                                                               notEqual(?t2,?t3)
                                                               notEqual(?t1,?t3)
                                                               noValue(?t1 opt:isIncompatibleTo ?t3)
                                                               ->
                                                               (?t1 opt:isIncompatibleTo ?t3)]



Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   30
Anwendung: Assembly Line Balancing
Regelspezifikation
                                                                         [P3:            (T1 opt:isFixedTo M1)
                                                                                         (T2 opt:isFixedTo M2)
                                                                                         notEqual(M1,M2)
                                                                                         ->
                                                                                         (T1 isIncompatibelTo T2)]


                                                                         •     Erkenntnis: Restriktionen des GALB
                                                                               lassen sich in
                                                                               Inkompatibilitätsrestriktionen logisch
                                                                               umwandeln, während diese in
                                                                               Standardmodellierungen als
                                                                               verschiedene Restriktionen behandelt
                                                                               werden

Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   31
Anwendung: Assembly Line Balancing
Implementierte Lösungsalgorithmen
• Vorverarbeitung bzw. Extraktion von Informationen mit
  vordefinierten SPARQL Queries
      PREFIX opt: <http://www.semanticweb.org/ontologies/2011/0/OntologyALB.owl#>
      PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
      SELECT ?problem ?optimum
      WHERE { ?problem rdf:type opt:GALP .
                        ?problem opt:hasOptimum ?optimum . }


      PREFIX opt: <http://www.semanticweb.org/ontologies/2011/0/OntologyALB.owl#>
      PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>
      SELECT ?id ?sucid
      WHERE { ?task rdf:type opt:Task . ?task opt:hasID ?id .
                    OPTIONAL {       ?task opt:hasSuccessor ?sucTask .
                                     ?sucTask opt:hasID ?sucid . }}


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   32
Anwendung: Assembly Line Balancing
    Evaluation
•       Vergleichsdaten entnommen aus Scholl et al. (2010) (gleiche Ausgangsdaten)
•       ABSALOM – Branch & Bound Verfahren
•       AVALANCHE – Ameisenalgorithmus
•       FIS-PR-OR – Prioritätsregel mit OWL DL Inferenz, aber ohne Regeln
•       FIS-PR-MR - Prioritätsregel mit OWL DL Inferenz und Regeln
•       FIS-GA-OR – Genetischer Algorithmus mit OWL DL Inferenz, aber ohne Regeln
•       FIS-GA-MR – Genetischer Algorithmus mit OWL DL Inferenz und Regeln

                                                                                                                                          KG-    KG-
Zeile IR ABSALOM                   AVALANCHE            FIS-PR-OR            FIS-PR-MR            FIS-GA-OR          FIS-GA-MR            MR     OR
            rel.Abw.(%) opt        rel.Abw.(%) opt      rel.Abw.(%) opt      rel.Abw.(%) opt      rel.Abw.(%) opt    rel.Abw.(%) Opt

    0    0 0.05           263      2.19          162    3.7          136     4.54          120    3.24         128 3.34             126   6.17   4.57

    1    2 0.22           262      3.85          135    3.8          136     4.92          114    N/A          N/A N/A              N/A   6.89   4.75

    2    5 0.41           257      6.29          115    4.2          127     5.64          105    N/A          N/A N/A              N/A   8.90   6.18

    3    7 0.44           254      8.28          97     5.0          120     6.56          87     N/A          N/A N/A              N/A   10.22 6.95

    4   10 0.76           246      11.05         94     6.0          106     7.51          78     N/A          N/A N/A              N/A   12.25 9.12

    5   20 1.37           231      19.27         79     9.7          78      12.60         50     N/A          N/A N/A              N/A   19.81 15.12

    Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik                 33
Anwendung: Assembly Line Balancing
Erkenntnisse
• SALB und GALB besitzen in den meisten Fällen implizite
  Inkompatibilitätsrestriktionen zwischen Aufgaben, die eigentlich bisher
  nur das Merkmal von GALB definiert wurden.
• Weitere Restriktionen können durch logische Regeln in
  Inkompatibilitätsrestriktionen umgeformt werden.

                                    IR Ausgangsdaten    OR                           MR
                                     0                0                         0              222398
                                     2            39093                     78186              296100
                                     5            95565                    191416              404308
                                     7          132694                     265388              473982
                                    10          190529                     381058              582740
                                    20          379451                     759966              940886


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   34
Anwendung: Assembly Line Balancing
Erkenntnisse
•    Logikbasierte Kandidatengenerierung mit anschließender Prioritätsregel ist
     schneller und bietet z.T. bessere Ergebnisse als aktuell vorhandene GALP
     Heuristiken  NP harte Optimierungsprobleme können von integrierter
     logischer Inferenz profitieren
•    Die Ableitung von impliziten logischen Informationen führt aber nicht
     zwingend zu einem besseren Optimierungsergebnis, hierzu sind weitere
     Analysen notwendig. Zwar findet eine Einschränkung des Suchraumes statt,
     aber die implementierten Algorithmen müssen dies auch nutzen können.
•    SPARQL Abfragen ohne Inferenz sind auf Tripel Datenbanken performant
•    SPARQL-DL Abfragen mit Inferenz sind performant solange Subgraphen im
     Hauptspeicher gehalten werden können.
•    Schichtung von Inferenzmaschinen kann schnell zu Laufzeitproblemen
     führen


Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   35
Zusammenfassung
• Während in den letzten Jahren eine intensive Forschung zur weiteren
  Entwicklung des Semantic Web stattgefunden hat, ist die direkte
  Integration und Nutzung dieser Informationen in der
  Entscheidungsunterstützung nur teilweise durch Forschung adressiert

• Welchen Beitrag leistet die Arbeit?
       – Die Arbeit gibt eine Übersicht über Architekturen von Ontologie-basierten
         Entscheidungsunterstützungssystemen
       – Die Arbeit analysiert Vor- und Nachteile der Integration in Bezug auf:
               • Promblemlösungsfähigkeit
               • Zeitkomplexität
               • Vereinfachte Modellierung
       – Die Arbeit zeigt konkrete praktische Lösungsmöglichkeiten in verschiedenen
         Anwendungsgebieten auf  Methodische Weiterentwicklung

Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   36
Literaturverzeichnis
Abanda, H., Ng’ombe, A., Tah, J. H. M., & Keivani, R. (2011). An ontology-driven decision support system for land delivery in Zambia. Expert Systems with Applications,
38(9), 10896-10905. Elsevier Ltd. doi: 10.1016/j.eswa.2011.02.130.

Baader, F., Calvanese, D., McGuinness, D. L., Nardi, D. & Patel-Schneider, P. F., editors (2003). The Description Logic Handbook: Theory, Implementation, and
Applications. Cambridge University Press, first edition.

Berendt, B., Hotho, A., & Stumme, G. (2002). Towards Semantic Web Mining. In Horrocks, I. and Hendler, J. A., editors, The Semantic Web -ISWC 2002, First
International Semantic Web Conference, Sardinia, Italy, June 9-12, 2002, Proceedings, volume 2342 of Lecture Notes in Computer Science, pages 264–278. Springer.

Bolloju, N. (2002). Integrating knowledge management into enterprise environments for the next generation decision support. Decision Support Systems, 33(2), 163-176.
doi: 10.1016/S0167-9236(01)00142-7.

Bracke, M. (2004). Decision support system with semantic model to assess the risk of tail biting in pigs1. Modelling. Applied Animal Behaviour Science, 87(1-2), 31-44.
doi: 10.1016/j.applanim.2003.12.005.

Brickley, D., Guha, R., & McBride, B. (2004). RDF Vocabulary Description Language 1.0: RDF Schema. Webpage.

Chang, a. (1993). Model management issues and directions. Decision Support Systems, 9(1), 19-37. doi: 10.1016/0167-9236(93)90020-4.

Dzeroski, S. (2003). Multi-relational Data Mining: An Introduction. SIGKDD Explorations, 5(1):1–16.

Dzeroski, S. (2006). Inductive Logic Programming in a Nutshell. In Lise Getoor and Ben Taskar, editors, Introduction to Statistical Relational Learning (Adaptive
Computation and Machine Learning). The MIT Press.

Dzeroski, S. & Lavrac, N., editors (2001). Relational Data Mining. Springer, 1 edition.

Dargam, F. (1998). A decision support system for power plant design. European Journal of Operational Research, 109(2), 310-320. doi: 10.1016/S0377-2217(98)00059-9.

Edelmann, W. (2000). Lernpsychologie. Kösel-Verlag, Verlagsgruppe Beltz, 6 edition.




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik                                             37
Literaturverzeichnis
Fanizzi, N., d’Amato, C. & Esposito, F. (2008). Conceptual clustering and its application to concept drift and novelty detection. In Bechhofer, S.,
Hauswirth, M., Hoffmann, J., and Koubarakis, M., editors, The Semantic Web: Research and Applications, 5th European Semantic Web Conference,
ESWC 2008, Tenerife, Canary Islands, Spain, June 1-5, 2008, Proceedings, volume 5021 of Lecture Notes in Computer Science, pages 318–332.
Springer.

Fedorowicz, J., & Williams, G. B. (1986). Representing modeling knowledge in an intelligent decision support system. Decision Support Systems, 2(1), 3-
14. doi: 10.1016/0167-9236(86)90116-8.

Fischer, T. and Ruhland, J. (2011). A Genetic Algorithm for Optimization of a Relational Knapsack Problem with Respect to a Description Logic
Knowledge Base. In Hu, B., Morasch, K., Pickl, S., Siegle, M., editors, Operations Research Proceedings 2010. Springer Berlin Heidelberg.

Friedman, N., Getoor, L., Koller, D. & Pfeffer, A. (1999). Learning probabilistic relational models. In IJCAI, pages 1300-1309. Morgan Kaufmann.

Getoor, L. & Taskar, B. (2007). Introduction to Statistical Relational Learning. (Adaptive Computation and Machine Learning). The MIT Press.

Grimnes, G. A., Edwards, P. & Preece, A. D. (2008). Instance based clustering of semantic web resources. In Bechhofer, S., Hauswirth, M., Hoffmann, J.,
and Koubarakis, M., editors, The Semantic Web: Research and Applications, 5th European Semantic Web Conference, ESWC 2008, Tenerife, Canary
Islands, Spain, June 1-5, 2008, Proceedings, volume 5021 of Lecture Notes in Computer Science, pages 303–317. Springer.

Gruber, T. R. (1993). Toward principles for the design of ontologies used for knowledge sharing. In Guarino, N., Poli, R., Publishers, K. A., Substantial, I.
P., and Gruber, T. R., editors, In Formal Ontology in Conceptual Analysis and Knowledge Representation, Kluwer Academic Publishers, in press.
Substantial revision of paper presented at the International Workshop on Formal Ontology.




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik                               38
Literaturverzeichnis
Jung, J. (2009). Towards open decision support systems based on semantic focused crawling. Expert Systems with Applications, 36(2), 3914-3922. Elsevier Ltd. doi:
10.1016/j.eswa.2008.02.057.
Klyne, G., Carroll, J. J., & McBride, B. (2004). RDF Primer. Webpage.
Kim, H.-J., Kim, W., & Lee, M. (2009). Semantic Web Constraint Language and its application to an intelligent shopping agent. Decision Support Systems, 46(4), 882-894.
Elsevier B.V. doi: 10.1016/j.dss.2008.12.004.
Knobbe, A. (2006). Multi-Relational Data Mining: Volume 145 Frontiers in Artificial Intelligence and Applications. IOS Press.
Kosaka, T., & Hirouchi, T. (1982). An effective architecture for decision support systems. Information & Management, 5(1), 7–17. Elsevier. Retrieved July 12, 2011, from
http://linkinghub.elsevier.com/retrieve/pii/0378720682900143.
Maedche, A. & Zacharias, V. (2002). Clustering Ontology-Based Metadata in the Semantic Web. In (Elomaa et al., 2002]) pages 348–360.
Neville, J. & Jensen, D. (2007). Relational Dependency Networks. In Lise Getoor and Ben Taskar, editors, Introduction to Statistical Relational Learning (Adaptive
Computation and Machine Learning). The MIT Press.
Raedt, L. D. (2008). Logical and Relational Learning (Cognitive Technologies). Springer, 1 edition.
Becker, C., & Scholl, a. (2006). A survey on problems and methods in generalized assembly line balancing. European Journal of Operational Research, 168(3), 694-715.
doi: 10.1016/j.ejor.2004.07.023.
Scholl, A., Fliedner, M., & Boysen, N. (2010). Absalom: Balancing assembly lines with assignment restrictions. European Journal of Operational Research, 200(3), 688-
701. Elsevier B.V. doi: 10.1016/j.ejor.2009.01.049.
Singh, M. P. & Huhns, M. N. (2005). Service-Oriented Computing: Semantics, Processes, Agents. Wiley, 1 edition.
Smith, M. K., Welty, C., & McGuinness, D. L. (2004). OWL Web Ontology Language Guide. Webpage.
Stumme, G., Hotho, A. & Berendt, B. (2006). Semantic Web Mining -State of the Art and Future Directions. Journal of Web Semantics, 4(2):124–143.
Tresp, V., Bundschus, M., Rettinger, A. & Huang, Y. (2008). Towards Machine Learning on the Semantic Web. In Uncertainty Reasoning for the Semantic Web I, ISWC
International Workshops, URSW 2005-2007, Revised Selected and Invited Papers, volume 5327 of Lecture Notes in Computer Science, pages 282–314. Springer.




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik                                          39
Ende




Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik   40

Weitere ähnliche Inhalte

Ähnlich wie Entscheidungsunterstützung im Semantic Web

Gestaltungsmaßnahmen zur Förderung kollaborativer Wiki-Arbeit in der Hochschu...
Gestaltungsmaßnahmen zur Förderung kollaborativer Wiki-Arbeit in der Hochschu...Gestaltungsmaßnahmen zur Förderung kollaborativer Wiki-Arbeit in der Hochschu...
Gestaltungsmaßnahmen zur Förderung kollaborativer Wiki-Arbeit in der Hochschu...
Christian Kummer
 
DeLFI Doktorandenforum: Kooperationsunterstützung in einem LCMS
DeLFI Doktorandenforum: Kooperationsunterstützung in einem LCMSDeLFI Doktorandenforum: Kooperationsunterstützung in einem LCMS
DeLFI Doktorandenforum: Kooperationsunterstützung in einem LCMS
Anja Lorenz
 
Mathematik als Anwendungsfall und Herausforderung für das Semantic Web
Mathematik als Anwendungsfall und Herausforderung für das Semantic WebMathematik als Anwendungsfall und Herausforderung für das Semantic Web
Mathematik als Anwendungsfall und Herausforderung für das Semantic Web
Christoph Lange
 
Vernetzungstage 2011
Vernetzungstage 2011Vernetzungstage 2011
Vernetzungstage 2011
Stefan Buddenbohm
 
Web-2.0-Forschung der KWARC-Gruppe
Web-2.0-Forschung der KWARC-GruppeWeb-2.0-Forschung der KWARC-Gruppe
Web-2.0-Forschung der KWARC-Gruppe
Christoph Lange
 
Wissensrepräsentation im Social Semantic Web
Wissensrepräsentation im Social Semantic WebWissensrepräsentation im Social Semantic Web
Wissensrepräsentation im Social Semantic Web
Katrin Weller
 
Anforderungen an die Wissensrepräsentation im Social Semantic Web
Anforderungen an die Wissensrepräsentation im Social Semantic WebAnforderungen an die Wissensrepräsentation im Social Semantic Web
Anforderungen an die Wissensrepräsentation im Social Semantic Web
Katrin Weller
 
CCD 2012: Wissensmanagement @MPS - Sören Krasel, Daimler AG
CCD 2012: Wissensmanagement @MPS - Sören Krasel, Daimler AGCCD 2012: Wissensmanagement @MPS - Sören Krasel, Daimler AG
CCD 2012: Wissensmanagement @MPS - Sören Krasel, Daimler AG
Communardo GmbH
 
Information Mining zur semantischen Anreicherung von bestehenden Content-Mana...
Information Mining zur semantischen Anreicherung von bestehenden Content-Mana...Information Mining zur semantischen Anreicherung von bestehenden Content-Mana...
Information Mining zur semantischen Anreicherung von bestehenden Content-Mana...
bmake
 
Herausforderungen im Datenmanagement von Metadaten
Herausforderungen im Datenmanagement von MetadatenHerausforderungen im Datenmanagement von Metadaten
Herausforderungen im Datenmanagement von Metadaten
ETH-Bibliothek
 
Einführung in die semantische Suche in Massendaten
Einführung in die semantische Suche in MassendatenEinführung in die semantische Suche in Massendaten
Einführung in die semantische Suche in Massendaten
Martin Voigt
 
Präsentation zur Zwischenverteidigung
Präsentation zur ZwischenverteidigungPräsentation zur Zwischenverteidigung
Präsentation zur Zwischenverteidigung
alexanderdamm
 
Social Media Analytics – Aktuelle Herausforderung
Social Media Analytics – Aktuelle HerausforderungSocial Media Analytics – Aktuelle Herausforderung
Social Media Analytics – Aktuelle Herausforderung
Ralf Klamma
 
Digitale Nachhaltigkeit mit Open Clouds
Digitale Nachhaltigkeit mit Open CloudsDigitale Nachhaltigkeit mit Open Clouds
Digitale Nachhaltigkeit mit Open Clouds
Matthias Stürmer
 
Ontologien für Fachportale - Voraussetzungen und Nutzenpotentiale
Ontologien für Fachportale - Voraussetzungen und NutzenpotentialeOntologien für Fachportale - Voraussetzungen und Nutzenpotentiale
Ontologien für Fachportale - Voraussetzungen und Nutzenpotentiale
Andreas Schmidt
 
Suche ein effizientes Mittel zur Datenintegration
Suche ein effizientes Mittel zur DatenintegrationSuche ein effizientes Mittel zur Datenintegration
Suche ein effizientes Mittel zur Datenintegration
Thomas Kurz
 
Personal Learning Environment
Personal Learning EnvironmentPersonal Learning Environment
Personal Learning Environment
Martin Ebner
 
Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?
Semantic Web Company
 
Wissensmanagement und E-Learning für Industrie 4.0
Wissensmanagement und E-Learning für Industrie 4.0Wissensmanagement und E-Learning für Industrie 4.0
Wissensmanagement und E-Learning für Industrie 4.0
rene_peinl
 
Semantic Web für Menschen wie du und ich
Semantic Web für Menschen wie du und ichSemantic Web für Menschen wie du und ich
Semantic Web für Menschen wie du und ich
Tobias Kuhn
 

Ähnlich wie Entscheidungsunterstützung im Semantic Web (20)

Gestaltungsmaßnahmen zur Förderung kollaborativer Wiki-Arbeit in der Hochschu...
Gestaltungsmaßnahmen zur Förderung kollaborativer Wiki-Arbeit in der Hochschu...Gestaltungsmaßnahmen zur Förderung kollaborativer Wiki-Arbeit in der Hochschu...
Gestaltungsmaßnahmen zur Förderung kollaborativer Wiki-Arbeit in der Hochschu...
 
DeLFI Doktorandenforum: Kooperationsunterstützung in einem LCMS
DeLFI Doktorandenforum: Kooperationsunterstützung in einem LCMSDeLFI Doktorandenforum: Kooperationsunterstützung in einem LCMS
DeLFI Doktorandenforum: Kooperationsunterstützung in einem LCMS
 
Mathematik als Anwendungsfall und Herausforderung für das Semantic Web
Mathematik als Anwendungsfall und Herausforderung für das Semantic WebMathematik als Anwendungsfall und Herausforderung für das Semantic Web
Mathematik als Anwendungsfall und Herausforderung für das Semantic Web
 
Vernetzungstage 2011
Vernetzungstage 2011Vernetzungstage 2011
Vernetzungstage 2011
 
Web-2.0-Forschung der KWARC-Gruppe
Web-2.0-Forschung der KWARC-GruppeWeb-2.0-Forschung der KWARC-Gruppe
Web-2.0-Forschung der KWARC-Gruppe
 
Wissensrepräsentation im Social Semantic Web
Wissensrepräsentation im Social Semantic WebWissensrepräsentation im Social Semantic Web
Wissensrepräsentation im Social Semantic Web
 
Anforderungen an die Wissensrepräsentation im Social Semantic Web
Anforderungen an die Wissensrepräsentation im Social Semantic WebAnforderungen an die Wissensrepräsentation im Social Semantic Web
Anforderungen an die Wissensrepräsentation im Social Semantic Web
 
CCD 2012: Wissensmanagement @MPS - Sören Krasel, Daimler AG
CCD 2012: Wissensmanagement @MPS - Sören Krasel, Daimler AGCCD 2012: Wissensmanagement @MPS - Sören Krasel, Daimler AG
CCD 2012: Wissensmanagement @MPS - Sören Krasel, Daimler AG
 
Information Mining zur semantischen Anreicherung von bestehenden Content-Mana...
Information Mining zur semantischen Anreicherung von bestehenden Content-Mana...Information Mining zur semantischen Anreicherung von bestehenden Content-Mana...
Information Mining zur semantischen Anreicherung von bestehenden Content-Mana...
 
Herausforderungen im Datenmanagement von Metadaten
Herausforderungen im Datenmanagement von MetadatenHerausforderungen im Datenmanagement von Metadaten
Herausforderungen im Datenmanagement von Metadaten
 
Einführung in die semantische Suche in Massendaten
Einführung in die semantische Suche in MassendatenEinführung in die semantische Suche in Massendaten
Einführung in die semantische Suche in Massendaten
 
Präsentation zur Zwischenverteidigung
Präsentation zur ZwischenverteidigungPräsentation zur Zwischenverteidigung
Präsentation zur Zwischenverteidigung
 
Social Media Analytics – Aktuelle Herausforderung
Social Media Analytics – Aktuelle HerausforderungSocial Media Analytics – Aktuelle Herausforderung
Social Media Analytics – Aktuelle Herausforderung
 
Digitale Nachhaltigkeit mit Open Clouds
Digitale Nachhaltigkeit mit Open CloudsDigitale Nachhaltigkeit mit Open Clouds
Digitale Nachhaltigkeit mit Open Clouds
 
Ontologien für Fachportale - Voraussetzungen und Nutzenpotentiale
Ontologien für Fachportale - Voraussetzungen und NutzenpotentialeOntologien für Fachportale - Voraussetzungen und Nutzenpotentiale
Ontologien für Fachportale - Voraussetzungen und Nutzenpotentiale
 
Suche ein effizientes Mittel zur Datenintegration
Suche ein effizientes Mittel zur DatenintegrationSuche ein effizientes Mittel zur Datenintegration
Suche ein effizientes Mittel zur Datenintegration
 
Personal Learning Environment
Personal Learning EnvironmentPersonal Learning Environment
Personal Learning Environment
 
Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?Linked Data - Das Ende des Dokuments?
Linked Data - Das Ende des Dokuments?
 
Wissensmanagement und E-Learning für Industrie 4.0
Wissensmanagement und E-Learning für Industrie 4.0Wissensmanagement und E-Learning für Industrie 4.0
Wissensmanagement und E-Learning für Industrie 4.0
 
Semantic Web für Menschen wie du und ich
Semantic Web für Menschen wie du und ichSemantic Web für Menschen wie du und ich
Semantic Web für Menschen wie du und ich
 

Entscheidungsunterstützung im Semantic Web

  • 1. Entscheidungsunterstützung im Semantic Web Thomas Fischer Lehrstuhl für Wirtschaftsinformatik Friedrich-Schiller-Universität Jena
  • 2. Agenda • Motivation der Forschung • Forschungsfragen und Hypothesen der Dissertation • Vorgehensweise der Dissertation • Identifikation von Integrationsansätzen von Inferenz und Methoden der Entscheidungsunterstützung • Anwendungsbeispiel: Relationales Rucksackproblem • Anwendungsbeispiel: Assembly Line Balancing Problem • Zusammenfassung Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 2
  • 3. Motivation des Forschungsthemas • EUS verarbeiten Daten mit Modellen um neue Informationen zur Entscheidungsfindung zu generieren • Modell: “The earliest, and perhaps predominant, DSS view of models is that they are procedures, auto- mated algorithms whereby data can be analyzed in response to stated problems.” (Chang,1993) • Daten: – Internet (Web, Web Services, Semantic Web, …) – Intranet (Unternehmensportale, Relationale Datenbanken, Flat Files etc.) – … • Repräsentation des Hintergrundwissen – Relationale Datenbank Eigene Grafik in Anlehnung an: (Bolloju,2002); (Bracke,2004); – Taxonomie, Ontologie, … (Kosaka & Hirouchi,1982); (Dargam,1998); (Fedorowicz & Williams,1986) Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 3
  • 4. Motivation des Forschungsthemas • Generelle Fragestellungen eines EUS sind daher: – Modellspezifikation – Datenrepräsentation – Repräsentation des Hintergrundwissens – Design des Nutzerinterface – Datenakquisition – … • World Wide Web bietet eine Vielzahl von Informationen, die für betriebswirtschaftliche Entscheidungen eine Rolle spielen können • “… the more distributed and independently managed that resources on the Web become, the greater is their potential value, but the harder it is to extract value …“ (Singh & Huhns, 2005). • Limitierte menschliche Aufnahmefähigkeit für Informationen (Edelmann, 2000) versus steigender Informationsüberfluss (Krcmar, 2004) • Eine weitergehende automatisierte Verarbeitung (Extraktion, Transformation etc.) von Daten aus dem Web ist daher wünschenswert und ist Teil der Bestrebungen der Semantic Web Forschung Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 4
  • 5. Semantic Web und Description Logic • “The Semantic Web is not a separate Web but an extension of the current one, in which information is given well-defined meaning, better enabling computers and people to work in cooperation” (Berners-Lee et al., 2001b). • Ontologie: “conceptualization of the domain of discourse” (Gruber, 1993) • Basiert auf einer Schichtung von Standards: – Resource Description Framework (RDF) (Klyne et al., 2004) – Resource Description Framework Schema RDF(S) (Brickley et al., 2004) – Web Ontology Language (OWL) (Smith et al., 2004) (W3C OWL Working Group, 2009). • RDF Statements – Subjekt ������, Prädikat ������, Objekt ������ – Tripel ������(������, ������) • RDF-S ist eine minimale Sprache für Ontologien – Definition von Klassen und Eigenschaften – Limitierte Expressivität Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 5
  • 6. Semantic Web und Description Logic • OWL 2 ist eine ausdrucksstarke Sprache für Ontologien mit verschiedenen Syntaxvarianten (z.B. RDF/XML) – Basiert auf der SROIQ description logic: “fragment of first order logic with useful computational properties” (W3C OWL Working Group, 2009) • Description Logic ������������ = (������������������������, ������������������������) • ������������������������: spezifiziert Konzepte und Eigenschaften - „intensional knowledge representation“ (Baader et al., 2003) • ������������������������: spezifiziert Aussagen über Instanzen • Komplexität der Inferenz ist abhängig von der Art der Beschreibungslogik bzw. der eingesetzten semantischen Konstrukte Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 6
  • 7. Resultierende Forschungsfragen • Grundfragestellung – Wie kann das Semantic Web in EUS genutzt werden? Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 7
  • 8. Resultierende Forschungsfragen • Applegate et al. postulierte schon 1986: “Complex system domains, however, require the use of more sophisticated representations to improve the efficiency and scope of the system.” (Applegate et al.,1986) – Steigert die höhere Ausdrucksstärke von Semantic Web Daten die Effizienz und den Anwendungsbereich von Entscheidungsunterstützungssystemen? – Mit welchen Methoden können Modelle der Entscheidungsunterstützung mit Semantic Web Ontologie Technologie integriert werden? – Wie können verschiedene Arten der Schlussfolgerung (engl. Reasoning) auf diesem Typ von Daten genutzt und integriert werden? – Ist die Integration sinnvoll in Bezug auf: • Problemlösungsfähigkeit, • Datenextraktion bzw. Datenrepräsentation, • Komplexität von Suchräumen, • Komplexität der Modellspezifikation? – Was sind geeignete Anwendungsgebiete? – Wie kann eine formale Modellierung erfolgen? Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 8
  • 9. Hypothesen • Hypothesen in Bezug auf Modellierung  Die Weiterentwicklung der Datenkomplexität macht auch eine Weiterentwicklung der entsprechenden EUS Modelle notwendig, damit diese von der gesteigerten Repräsentation partizipieren können. • Hypothesen in Bezug auf die Integration  Es gibt verschiedene Möglichkeiten bzw. Ansatzpunkte für die Integration  Die Art und die Flexibilität der Integration ist abhängig von den Anforderungen des jeweiligen Problems (Menge der Daten, Zeitvorgaben etc.) • Hypothesen in Bezug auf Problemlösungsfähigkeit und Komplexität  Durch eine ausdrucksstärkere Repräsentation der Daten steigt auch die Komplexität der jeweiligen Methoden und Lösungsräume etc., dies muss aber nicht zwingend in einer längeren Laufzeit der Algorithmen münden, insofern im Sinne eines „seperation of concerns“ verschiedene Inferenzen spezialisiert durchgeführt werden können  Die Problemlösungsfähigkeit steigt durch die Extraktion von impliziten Informationen Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 9
  • 10. Vorgehensweise der Dissertation Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 10
  • 11. Identifikation von Varianten der Integration • Möglichkeit 1: Lösung eines Problems nur mit logischer Inferenz • Beispiel: EUS zur Landvergabe in Sambia (Abanda, Ng’ombe, Tah, & Keivani, 2011 Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 11
  • 12. Identifikation von Varianten der Integration • Möglichkeit 2: Logische Inferenz  Materialisierung der impliziten Informationen  Transformation der Daten  Aufruf einer Standardmethode (z.B. Optimierung, Data Mining, …) • Beispiel: Kim et al. (2009) präsentieren ein EUS zur Auswahl einer optimalen Kaufentscheidung basierend auf einer OWL Ontology, Regeln und einer neuen Sprache für Constraints. Aus der OWL Ontologie und den Nebenbedingungen wird dann das Optimierungsmodell generiert. Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 12
  • 13. Identifikation von Varianten der Integration • Möglichkeit 3: Direkte logische Inferenz während der Ausführung der jeweiligen Methode zur Entscheidungsunterstützung • Diese Variante hat bisher keine bzw. keine nennenswerte Beachtung gefunden. Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 13
  • 14. Identifikation von Varianten der Integration • Möglichkeit 4: Kombination von Deduktiver und Induktiver Inferenz in Methoden der Entscheidungsunterstützung • Beispiel: Stochastische Optimierung auf Basis eines „Statistical Relational Model“ (siehe nachfolgende Folien) Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 14
  • 15. Anwendung: Relationales Rucksackproblem • Standard 0-1 Rucksackproblem • Programm: ������ maximiere ������������ ������������ ������=1 ������ ������������ ������������ ≤ ������ ������=1 ������������ ∈ 0,1 Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 15
  • 16. Anwendung: Relationales Rucksackproblem • Relationales Rucksackproblem • Beschreibung: – Objekte haben einen Typ – Typenhierarchie – Objekte können Beziehungen untereinander haben – Beziehungen der Objekte können einen Einfluss auf den Wert des Rucksacks haben Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 16
  • 17. Anwendung: Relationales Rucksackproblem Spezifikation der DL TBox ������������������������������������ ⊑ T ≥ 1 ������������������������������������������������ ⊑ ������������������������������t • TBox ������������������������������������������������ ⊑ T ≥ 1 ������������������������������������������������������ ⊑ ������������������������������t ≥ 1 ������������������������������������������������������������������ ⊑ ������������������������������������������������ ������������������������������������������������������������ ⊑ T ≥ 0 ������������������������������������ ⊑ ������������������������������������ Spezifikation ������������������������ ⊑ ������������������������������������ ≥ 1 ������������������������������������������������������ ⊑ ������������������������������������������������������������ ≥ 1 ������������������ ⊑ ������������������������������t ������������������������������������������������������������������������������������������������ ⊑ ������������������������������������ • Siehe zur ������������������������������������������������������ ⊑ ������������������������������������������������������������������������������������������������ ≥ 0 ������������������ ⊑ ������������������������������t T ⊑ ∀ ������������������������������������������������. ������������������������������������ T ⊑ ∀ ������������������������������������������������������. ������������������������������������ Formalisierung ������������������������������ ⊑ ������������������������������������������������������������������������������������������������ T ⊑ ∀ ������������������������������������������������������������������. ������������������������������������ ������������3������������������������������������ ⊑ ������������������������������������������������������������������������������������������������ T ⊑ ∀ ������������������. ������������������������������������������������ Baader et al. ������������������������������������������������������������������������������������������������������ ⊑ ������������������������������������ T ⊑ ∀ ������������������. ������������������������������������ T ⊑ ∀ ������������������������������������. ������������������������������������������������������������ (2003) ������������������������������������������������ ⊑ ������������������������������������������������������������������������������������������������ T ⊑ ∀ ������������������������������������������������������. ������������������������������������ ������������������������������������������������ ⊑ ������������������������������������������������������������������������������������������������ T ⊑ ≤ 1 ������������������������������������������������ • Komplexität der ������������������������������������������������������ ⊑ ������������������������������������ T ⊑ ≤ 1 ������������������������������������������������������ T ⊑ ≤ 1 ������������������������������������������������������ ������������������������������������������������ ⊑ ������������������������������������������������������ DL:������ℒℋℐℱ ������ T ⊑ ≤ 1 ������������������������������������������������������������������ ������������������������������������������ ⊑ ������������������������������������������������������ T ⊑ ≤ 1 ������������������ ������������������������������������������������ ⊑ ������������������������������������������������������ T ⊑ ≤ 1 ������������������������������������ ������������������ ≡ ������������������ − ������������������������������ ⊑ ������������������������������������������������������ Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 17
  • 18. Anwendung: Relationales Rucksackproblem Spezifikation der DL ABox ������������������������������������������������ ������1 • ABox spezifiziert die ������������������������ ������������ ������������������������������������������������������������������ ������1,720 ������������������������ ������������������������������������������������ ������������������������������������������������ ������������, 70 Instanzen der ������������������������������������������ ������������������������������������������������ ������������������������������������������������ ������������������������������������������������, 80 Konzepte und ������������������������������������������������ ������������������������������������ ������������������������������������������������(������������������������������������, 10) ������������������������������(������������������������������������������������) ������������������������������������������������ ������������������������������������������������, 20 Eigenschaften ������������������������ ������������������������������������������������ ������������������������������������������������ ������������������������������������������������, 10 ������������������������������������������������ ������������������������ ������������������������������������������������ ������������������������, 1000 ������������������������������(������������������������������������) ������������������������������������������������ ������������������������������������, 150 ������������������������������������������������������������(������1) ������������������ ������������������������������������������������, ������������������������������������������������ ������������������ ������������������������������������, ������������������������������������������������ ������������������������������������������������������ ������������, 200 ������������������������������������ ������������������������������������, ������1 ������������������������������������������������������ ������������������������������������������������, 150 ������������������������������������ ������������������������������������������������, ������1 ������������������������������������������������������ ������������������������������������������������, 50 ������������������������������������ ������������������������������������������������, ������1 ������������������������������������������������������ ������������������������������������, 20 ������������������������������������ ������������������������������������������������, ������1 ������������������������������������������������������ ������������������������������������������������, 50 ������������������������������������������������������ ������1,60 ������������������������������������������������������ ������������������������������������������������, 50 ������������������������������������������������������ ������������������������, 500 ������������������������������������������������������ ������������������������������������, 200 Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 18
  • 19. Anwendung: Relationales Rucksackproblem Abfragen • Konjunktive Abfrage ������1 , ������2 , … , ������������ . ∃ ������������+1 , … , ������������ . ������1 , … , ������������ • Beispielabfrage 1 ������������1 . ∃ ������1 . ������������������������������������������������ ������1 , ������������1 – Ergebnis: 70,80,50, … • Beispielabfrage 2 ∃ ������1 , ������2 , ������1 . ������������������ ������1 , ������2 ∧ ������������������ ������1 , ������1 – Ergebnis: ������������������������������ Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 19
  • 20. Anwendung: Relationales Rucksackproblem Regeln • Zusätzliche Regeln können weitere implizite Informationen verfügbar machen, insofern die Inferenzmaschine die Regeln verarbeiten kann • Beispiel: ������������������������������������������������������ ������ , ������������������������������������������������������ ������ ⟶ ������������������ ������, ������ Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 20
  • 21. Anwendung: Relationales Rucksackproblem Standard Programm • Relationales Rucksackproblem mit������einer Beziehung ������ ������ maximiere ������������ ������������ + ������������ ������������ ������������������ ������������������ ������ ������=1 ������=1 ������=1 ������������ ������������ ≤ ������ ������=1 0,1 ������������ ∈ • Dieses quadratische Problem kann mit CPLEX etc. gelöst werden. • Allerdings würde diese Modellierung keine logische Inferenz begünstigen. • Was passiert bei noch mehr vorhandenen logischen Bedingungen u.U. auch in den Nebenbedingungen? Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 21
  • 22. Anwendung: Relationales Rucksackproblem DL-Programm • Anheben der Repräsentation von Variablen zu DL-Sprachelementen maximiere ������������1 . ������������������������������������������������ ������1 , ������������1 ∧ ������������������ ������1 , "K1" ������1 + ������ . ∃ ������ . ������������������ ������1 , ������2 ∧ ������������������ ������1 , "������1" ∧ ������������������ ������2 , "������1" ������1 ������2 ∧ ������������������������������������ ������1 , ������ ∧ ������������������������������������ ������2 , ������ ∧ ������������������������������������������������������ ������, ������ ������ . ������������������������������������������������������ ������1 , ������ ∧ ������������������ ������1 , "������1" ≤ ������ . ������������������������������������������������������������������ "K1", ������ ������1 ������1 , ������2 ∈ ������������������������������������ ������������ = ������������������������, ������������������������ + ������������������������������ Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 22
  • 23. Anwendung: Relationales Rucksackproblem Evolutionärer Algorithmus Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 23
  • 24. Anwendung: Relationales Rucksackproblem Ergebnisse • Evaluation auf dem künstlichen Problem war erfolgreich. • Algorithmus konnte das Problem in Durchläufen mit verschiedenen Seed- Werten immer lösen. • DL-Problemspezifizierung erleichtert die Modellierung für Lösungsmethoden mit logischer Inferenz • Einfachere Definition von komplexen Bewertungsfunktionen mit integrierter logischer Inferenz • Standard Lösungsverfahren z.B. Genetische Algorithmen können auf die Anforderungen angepasst werden • Vorstellung des Ansatzes auf der International Conference for Operations Research (2010) sowie Publikation in den Post Conference Proceedings (Fischer & Ruhland, 2011). Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 24
  • 25. Anwendung: Assembly Line Balancing • Wie funktioniert der Ansatz auf einem komplexen Problem aus der Praxis? • Assembly Line Balancing (ALB) bietet sich als Testproblem an – ALB basiert auf: • Vorranggraph von Aufgaben, serieller Produktionslinie, Stationen haben gleiche Ressourcen • Taktzeit Restriktion – GALB Problem mit Zuweisungsrestriktionen: • Verlinkte Aufgaben, inkompatible Aufgaben, Stationstypen + Restriktionen, Ressourcen Restriktionen Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 25
  • 26. Anwendung: Assembly Line Balancing Lösungsmethoden • Übersicht über die Klassifikation und Lösungsmethoden von verschieden ALB Problemausprägungen (Becker & Scholl, 2006) • Referenzdatensatz für das GALB von Scholl et al. (2010) – Betrachtung von 268 ALB Problemen in 6 verschiedenen Varianten (siehe Evaluation) • Transformation und Import der Daten auf Basis eines Generators in einen RDF Triple Store Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 26
  • 27. Anwendung: Assembly Line Balancing Aufbau des EUS Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 27
  • 28. Anwendung: Assembly Line Balancing Spezifikation der DL TBox ������ℒℐℱ(������) ������������������������������������������ ⊑ T ≥ 0 ������������������������������������������������������������ ⊑ ������������������������������������������ T ⊑ ≤ 1������������������������������������������������������������������������ ������������������������������������������ ⊑ T ≥ 0 ������������������������������������������������������������������ ⊑ ������������������������ T ⊑ ≤ 1 ������������������������������������������������������ ������������������������ ⊑ T T ⊑ ∀ ������������������������������������������������������. ������������������������ T ⊑ ≤ 1 ������������������������������������������������������ ������������������������ ⊑ ������������������������������������������ T ⊑ ∀ ������������������������������������������������������������������������������������. ������������������������ T ⊑ ≤ 1 ������������������������������������������������������������������������������������������������������ ≥ 0 ������������������������������������������������������ ⊑ ������������������������ T ⊑ ∀ ������������������������������������������������������������������. ������������������������ T ⊑ ≤ 1 ������������������������������ ≥ 0 ������������������������������������������������������������������������������������ ⊑ ������������������������ T ⊑ ∀ ������������������������������������������. ������������������������ T ⊑ ≤ 1 ������������������������������������ ≥ 0 ������������������������������������������������������������������������ ⊑ ������������������������ T ⊑ ∀ ������������������������������������������������������������������������. ������������������������������������������ T ⊑ ≤ 1 ������������������������������������������������������������ ≥ 0 ������������������������������������������ ⊑ ������������������������������������������ T ⊑ ∀ ������������������������������������������������������������������������������������. ������������������������������������������ ≥ 0 ������������������������������������������������������������������������ ⊑ ������������������������ T ⊑ ∀ ������������������������������������������������������. ������������������������������������������ ������������������������������������������������������������������������������������������������ ≡ ≥ 0 ������������������������������������������������������������������������������������ ⊑ ������������������������ T ⊑ ∀ ������������������������������������������������������������������������������������������������. ������������������������ ������������������������������������������������������������������������������������������������ − ≥ 0 ������������������������������������������������������ ⊑ ������������������������ T ⊑ ∀ ������������������������������������������������������������������������. ������������������������ ≥ 0 ������������������������������������������������������������������������������������������������ ⊑ ������������������������ T ⊑ ∀ ������������������������������������������������������. ������������������������������������������ ������������������������������������������������������ ≡ ������������������������������������������������������ − ≥ 0 ������������������������������������������������������������������������ ⊑ ������������������������������������������ T ⊑ ∀ ������������������������������������������������������������������������������������������������������. ������������������������������������ ≥ 1 ������������������������������������������������������ ⊑ ������������������������������������������ T ⊑ ∀ ������������������������������. ������������������������������������ ������������������������������������������������������������������������������������ + ≥ 1 ������������������������������������������������������������������������������������������������������ ⊑ ������������������������������������������ T ⊑ ∀ ������������������������������������������. ������������������������������������ ������������������������������������������������������������������������ + ≥ 1 ������������������������������ ⊑ ������������������������ T ⊑ ∀ ������������������������������������. ������������������������������������ ≥ 1 ������������������������������������������ ⊑ ������������������������������������������ T ⊑ ∀ ������������������������������������������������������������. ������������������������������������������ ≥ 1 ������������������������������������ ⊑ ������������������������������������������ T ⊑ ∀ ������������������������������������������. ������������������������������������ Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 28
  • 29. Anwendung: Assembly Line Balancing Regelspezifikation • Inferenz mit Regeln [P1: (?p rdf:type opt:GALP) basieren auf dem (?p opt:cycleTime ?c) Jena (?t1 rdf:type opt:Task) GenericRuleReasoner (?t2 rdf:type opt:Task) • Regel P1: (?t1 opt:hasTaskTime ?time1) (?t2 opt:hasTaskTime ?time2) sum(?time1,?time2,?newTime) greaterThan(?newTime, ?c) noValue(?t1 opt:isIncompatibleTo ?t2) notEqual(?t1,?t2) -> (?t1 opt:isIncompatibleTo ?t2)] Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 29
  • 30. Anwendung: Assembly Line Balancing Regelspezifikation [P2: (?t1 opt:hasSuccessor ?t2) (?t2 opt:hasSuccessor ?t3) (?t1 opt:hasSuccessor ?t3) (?t1 opt:isIncompatibleTo ?t2) notEqual(?t1,?t2) notEqual(?t2,?t3) notEqual(?t1,?t3) noValue(?t1 opt:isIncompatibleTo ?t3) -> (?t1 opt:isIncompatibleTo ?t3)] Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 30
  • 31. Anwendung: Assembly Line Balancing Regelspezifikation [P3: (T1 opt:isFixedTo M1) (T2 opt:isFixedTo M2) notEqual(M1,M2) -> (T1 isIncompatibelTo T2)] • Erkenntnis: Restriktionen des GALB lassen sich in Inkompatibilitätsrestriktionen logisch umwandeln, während diese in Standardmodellierungen als verschiedene Restriktionen behandelt werden Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 31
  • 32. Anwendung: Assembly Line Balancing Implementierte Lösungsalgorithmen • Vorverarbeitung bzw. Extraktion von Informationen mit vordefinierten SPARQL Queries PREFIX opt: <http://www.semanticweb.org/ontologies/2011/0/OntologyALB.owl#> PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> SELECT ?problem ?optimum WHERE { ?problem rdf:type opt:GALP . ?problem opt:hasOptimum ?optimum . } PREFIX opt: <http://www.semanticweb.org/ontologies/2011/0/OntologyALB.owl#> PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> SELECT ?id ?sucid WHERE { ?task rdf:type opt:Task . ?task opt:hasID ?id . OPTIONAL { ?task opt:hasSuccessor ?sucTask . ?sucTask opt:hasID ?sucid . }} Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 32
  • 33. Anwendung: Assembly Line Balancing Evaluation • Vergleichsdaten entnommen aus Scholl et al. (2010) (gleiche Ausgangsdaten) • ABSALOM – Branch & Bound Verfahren • AVALANCHE – Ameisenalgorithmus • FIS-PR-OR – Prioritätsregel mit OWL DL Inferenz, aber ohne Regeln • FIS-PR-MR - Prioritätsregel mit OWL DL Inferenz und Regeln • FIS-GA-OR – Genetischer Algorithmus mit OWL DL Inferenz, aber ohne Regeln • FIS-GA-MR – Genetischer Algorithmus mit OWL DL Inferenz und Regeln KG- KG- Zeile IR ABSALOM AVALANCHE FIS-PR-OR FIS-PR-MR FIS-GA-OR FIS-GA-MR MR OR rel.Abw.(%) opt rel.Abw.(%) opt rel.Abw.(%) opt rel.Abw.(%) opt rel.Abw.(%) opt rel.Abw.(%) Opt 0 0 0.05 263 2.19 162 3.7 136 4.54 120 3.24 128 3.34 126 6.17 4.57 1 2 0.22 262 3.85 135 3.8 136 4.92 114 N/A N/A N/A N/A 6.89 4.75 2 5 0.41 257 6.29 115 4.2 127 5.64 105 N/A N/A N/A N/A 8.90 6.18 3 7 0.44 254 8.28 97 5.0 120 6.56 87 N/A N/A N/A N/A 10.22 6.95 4 10 0.76 246 11.05 94 6.0 106 7.51 78 N/A N/A N/A N/A 12.25 9.12 5 20 1.37 231 19.27 79 9.7 78 12.60 50 N/A N/A N/A N/A 19.81 15.12 Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 33
  • 34. Anwendung: Assembly Line Balancing Erkenntnisse • SALB und GALB besitzen in den meisten Fällen implizite Inkompatibilitätsrestriktionen zwischen Aufgaben, die eigentlich bisher nur das Merkmal von GALB definiert wurden. • Weitere Restriktionen können durch logische Regeln in Inkompatibilitätsrestriktionen umgeformt werden. IR Ausgangsdaten OR MR 0 0 0 222398 2 39093 78186 296100 5 95565 191416 404308 7 132694 265388 473982 10 190529 381058 582740 20 379451 759966 940886 Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 34
  • 35. Anwendung: Assembly Line Balancing Erkenntnisse • Logikbasierte Kandidatengenerierung mit anschließender Prioritätsregel ist schneller und bietet z.T. bessere Ergebnisse als aktuell vorhandene GALP Heuristiken  NP harte Optimierungsprobleme können von integrierter logischer Inferenz profitieren • Die Ableitung von impliziten logischen Informationen führt aber nicht zwingend zu einem besseren Optimierungsergebnis, hierzu sind weitere Analysen notwendig. Zwar findet eine Einschränkung des Suchraumes statt, aber die implementierten Algorithmen müssen dies auch nutzen können. • SPARQL Abfragen ohne Inferenz sind auf Tripel Datenbanken performant • SPARQL-DL Abfragen mit Inferenz sind performant solange Subgraphen im Hauptspeicher gehalten werden können. • Schichtung von Inferenzmaschinen kann schnell zu Laufzeitproblemen führen Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 35
  • 36. Zusammenfassung • Während in den letzten Jahren eine intensive Forschung zur weiteren Entwicklung des Semantic Web stattgefunden hat, ist die direkte Integration und Nutzung dieser Informationen in der Entscheidungsunterstützung nur teilweise durch Forschung adressiert • Welchen Beitrag leistet die Arbeit? – Die Arbeit gibt eine Übersicht über Architekturen von Ontologie-basierten Entscheidungsunterstützungssystemen – Die Arbeit analysiert Vor- und Nachteile der Integration in Bezug auf: • Promblemlösungsfähigkeit • Zeitkomplexität • Vereinfachte Modellierung – Die Arbeit zeigt konkrete praktische Lösungsmöglichkeiten in verschiedenen Anwendungsgebieten auf  Methodische Weiterentwicklung Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 36
  • 37. Literaturverzeichnis Abanda, H., Ng’ombe, A., Tah, J. H. M., & Keivani, R. (2011). An ontology-driven decision support system for land delivery in Zambia. Expert Systems with Applications, 38(9), 10896-10905. Elsevier Ltd. doi: 10.1016/j.eswa.2011.02.130. Baader, F., Calvanese, D., McGuinness, D. L., Nardi, D. & Patel-Schneider, P. F., editors (2003). The Description Logic Handbook: Theory, Implementation, and Applications. Cambridge University Press, first edition. Berendt, B., Hotho, A., & Stumme, G. (2002). Towards Semantic Web Mining. In Horrocks, I. and Hendler, J. A., editors, The Semantic Web -ISWC 2002, First International Semantic Web Conference, Sardinia, Italy, June 9-12, 2002, Proceedings, volume 2342 of Lecture Notes in Computer Science, pages 264–278. Springer. Bolloju, N. (2002). Integrating knowledge management into enterprise environments for the next generation decision support. Decision Support Systems, 33(2), 163-176. doi: 10.1016/S0167-9236(01)00142-7. Bracke, M. (2004). Decision support system with semantic model to assess the risk of tail biting in pigs1. Modelling. Applied Animal Behaviour Science, 87(1-2), 31-44. doi: 10.1016/j.applanim.2003.12.005. Brickley, D., Guha, R., & McBride, B. (2004). RDF Vocabulary Description Language 1.0: RDF Schema. Webpage. Chang, a. (1993). Model management issues and directions. Decision Support Systems, 9(1), 19-37. doi: 10.1016/0167-9236(93)90020-4. Dzeroski, S. (2003). Multi-relational Data Mining: An Introduction. SIGKDD Explorations, 5(1):1–16. Dzeroski, S. (2006). Inductive Logic Programming in a Nutshell. In Lise Getoor and Ben Taskar, editors, Introduction to Statistical Relational Learning (Adaptive Computation and Machine Learning). The MIT Press. Dzeroski, S. & Lavrac, N., editors (2001). Relational Data Mining. Springer, 1 edition. Dargam, F. (1998). A decision support system for power plant design. European Journal of Operational Research, 109(2), 310-320. doi: 10.1016/S0377-2217(98)00059-9. Edelmann, W. (2000). Lernpsychologie. Kösel-Verlag, Verlagsgruppe Beltz, 6 edition. Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 37
  • 38. Literaturverzeichnis Fanizzi, N., d’Amato, C. & Esposito, F. (2008). Conceptual clustering and its application to concept drift and novelty detection. In Bechhofer, S., Hauswirth, M., Hoffmann, J., and Koubarakis, M., editors, The Semantic Web: Research and Applications, 5th European Semantic Web Conference, ESWC 2008, Tenerife, Canary Islands, Spain, June 1-5, 2008, Proceedings, volume 5021 of Lecture Notes in Computer Science, pages 318–332. Springer. Fedorowicz, J., & Williams, G. B. (1986). Representing modeling knowledge in an intelligent decision support system. Decision Support Systems, 2(1), 3- 14. doi: 10.1016/0167-9236(86)90116-8. Fischer, T. and Ruhland, J. (2011). A Genetic Algorithm for Optimization of a Relational Knapsack Problem with Respect to a Description Logic Knowledge Base. In Hu, B., Morasch, K., Pickl, S., Siegle, M., editors, Operations Research Proceedings 2010. Springer Berlin Heidelberg. Friedman, N., Getoor, L., Koller, D. & Pfeffer, A. (1999). Learning probabilistic relational models. In IJCAI, pages 1300-1309. Morgan Kaufmann. Getoor, L. & Taskar, B. (2007). Introduction to Statistical Relational Learning. (Adaptive Computation and Machine Learning). The MIT Press. Grimnes, G. A., Edwards, P. & Preece, A. D. (2008). Instance based clustering of semantic web resources. In Bechhofer, S., Hauswirth, M., Hoffmann, J., and Koubarakis, M., editors, The Semantic Web: Research and Applications, 5th European Semantic Web Conference, ESWC 2008, Tenerife, Canary Islands, Spain, June 1-5, 2008, Proceedings, volume 5021 of Lecture Notes in Computer Science, pages 303–317. Springer. Gruber, T. R. (1993). Toward principles for the design of ontologies used for knowledge sharing. In Guarino, N., Poli, R., Publishers, K. A., Substantial, I. P., and Gruber, T. R., editors, In Formal Ontology in Conceptual Analysis and Knowledge Representation, Kluwer Academic Publishers, in press. Substantial revision of paper presented at the International Workshop on Formal Ontology. Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 38
  • 39. Literaturverzeichnis Jung, J. (2009). Towards open decision support systems based on semantic focused crawling. Expert Systems with Applications, 36(2), 3914-3922. Elsevier Ltd. doi: 10.1016/j.eswa.2008.02.057. Klyne, G., Carroll, J. J., & McBride, B. (2004). RDF Primer. Webpage. Kim, H.-J., Kim, W., & Lee, M. (2009). Semantic Web Constraint Language and its application to an intelligent shopping agent. Decision Support Systems, 46(4), 882-894. Elsevier B.V. doi: 10.1016/j.dss.2008.12.004. Knobbe, A. (2006). Multi-Relational Data Mining: Volume 145 Frontiers in Artificial Intelligence and Applications. IOS Press. Kosaka, T., & Hirouchi, T. (1982). An effective architecture for decision support systems. Information & Management, 5(1), 7–17. Elsevier. Retrieved July 12, 2011, from http://linkinghub.elsevier.com/retrieve/pii/0378720682900143. Maedche, A. & Zacharias, V. (2002). Clustering Ontology-Based Metadata in the Semantic Web. In (Elomaa et al., 2002]) pages 348–360. Neville, J. & Jensen, D. (2007). Relational Dependency Networks. In Lise Getoor and Ben Taskar, editors, Introduction to Statistical Relational Learning (Adaptive Computation and Machine Learning). The MIT Press. Raedt, L. D. (2008). Logical and Relational Learning (Cognitive Technologies). Springer, 1 edition. Becker, C., & Scholl, a. (2006). A survey on problems and methods in generalized assembly line balancing. European Journal of Operational Research, 168(3), 694-715. doi: 10.1016/j.ejor.2004.07.023. Scholl, A., Fliedner, M., & Boysen, N. (2010). Absalom: Balancing assembly lines with assignment restrictions. European Journal of Operational Research, 200(3), 688- 701. Elsevier B.V. doi: 10.1016/j.ejor.2009.01.049. Singh, M. P. & Huhns, M. N. (2005). Service-Oriented Computing: Semantics, Processes, Agents. Wiley, 1 edition. Smith, M. K., Welty, C., & McGuinness, D. L. (2004). OWL Web Ontology Language Guide. Webpage. Stumme, G., Hotho, A. & Berendt, B. (2006). Semantic Web Mining -State of the Art and Future Directions. Journal of Web Semantics, 4(2):124–143. Tresp, V., Bundschus, M., Rettinger, A. & Huang, Y. (2008). Towards Machine Learning on the Semantic Web. In Uncertainty Reasoning for the Semantic Web I, ISWC International Workshops, URSW 2005-2007, Revised Selected and Invited Papers, volume 5327 of Lecture Notes in Computer Science, pages 282–314. Springer. Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 39
  • 40. Ende Entscheidungsunterstützung im Semantic Web | Thomas Fischer | 14. Interuniversitäres Doktorandenseminar Wirtschaftsinformatik 40