Đang tải... (xem toàn văn)
Luận văn nghiên cứu các suy diễn trên mô hình bản thể học bằng cách xây dựng các tập quy tắc suy diễn, qua đó củng cố thêm sự mô tả mô hình bản thể học về một lĩnh vực, cuối cùng là việc xây dựng một ứng dụng trong đó sử dụng những nghiên cứu cho lý thuyết này, với tên: “Chương trình hỗ trợ cho người làm vườn”.
Phụ lục2: MẪU TRANG PHỤ BÌA LUẬN VĂN THẠC SĨ ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ NGUYỄN VĂN UY SUY DIỄN TRÊN MƠ HÌNH BẢN THỂ HỌC VÀ ỨNG DỤNG Ngành: Công nghệ thông tin Chuyên ngành: Truyền liệu Mạng máy tính LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƢỜI HƢỚNG DẪN KHOA HỌC: TS LÊ ĐÌNH THANH HÀ NỘI – 2016 MỤC LỤC MỞ ĐẦU CHƢƠNG MƠ HÌNH BẢN THỂ HỌC 1.1 GIỚI THIỆU .2 1.2 BẢN THỂ HỌC 1.3 CÁC THÀNH PHẦN CỦA BẢN THỂ HỌC 1.4 PHƢƠNG PHÁP XÂY DỰNG BẢN THỂ HỌC .5 1.5 THỂ HIỆN BẢN THỂ HỌC BẰNG OWL .5 1.5.1.Khái quát 1.5.2.Các thành phần tài liệu OWL .6 1.6 CÔNG CỤ HỖ TRỢ PHÁT TRIỂN BẢN THỂ HỌC CHƢƠNG SUY DIỄN TRÊN MƠ HÌNH BẢN THỂ HỌC 10 2.1 QUY TẮC SUY DIỄN 10 2.2 NGÔN NGỮ BIỂU DIỄN QUY TẮC SUY DIỄN 10 2.2.1 RuleML 10 2.2.2 SWRL 11 2.2.3 SPARQL .13 2.3 JENA FRAMEWORK .21 2.4 MỘT SỐ VÍ DỤ SUY DIỄN TRÊN MƠ HÌNH BẢN THỂ HỌC 22 2.4.1 Suy diễn lớp (Classes Inferences) .24 2.4.2 Suy diễn thể (Intence Inferences) 24 2.5 SỰ PHÂN PHỐI TRÊN NHỮNG QUY TẮC 25 CHƢƠNG PHÁT TRIỂN ỨNG DỤNG THỬ NGHIỆM .26 3.1 ĐẶT VẤN ĐỀ 26 3.2 GIẢI PHÁP THỰC HIỆN 26 3.3 XÂY DỰNG ỨNG DỤNG 27 3.3.1 Xây dựng thể học (Ontology) 27 3.3.2 Suy diễn phát triển hệ thống 30 3.4 ĐÁNH GIÁ KẾT QUẢ ỨNG DỤNG 34 KẾT LUẬN 34 TÀI LIỆU THAM KHẢO 35 MỞ ĐẦU Ngày nay, hầu nhƣ thông tin cần thiết mặt đời sống xã hội nhƣ y tế, giáo dục, kinh tế, trị, pháp luật,… dễ dàng tìm thấy môi trƣờng mạng Internet Ngƣời sử dụng Web tìm thơng tin cách địa URL theo liên kết để tìm tài nguyên mong đợi Với nhu cầu thông tin ngày lớn ngƣời, khả đáp ứng thông tin trở lên thiết Kỹ thuật Web tạo khó khăn việc rút trích, bảo trì phát triển thơng tin Máy tính đƣợc dùng nhƣ thiết bị gửi trả thông tin Chúng truy xuất khả thực cần thiết, chúng hỗ trợ mức giới hạn việc truy xuất xử lý thông tin Kết ngƣời sử dụng phải phải gánh vai trách nhiệm truy cập xử lý thơng tin mà cịn rút trích thơng dịch thơng tin Để khắc phục yếu điểm Web khái niệm “Semantic Web” đời Semantic Web mở rộng Web mà thơng tin đƣợc xử lý cách tự động máy tính, làm cho ngƣời máy tính hợp tác với Mơ hình thể học lĩnh vực chuyên môn cấu trúc liệu đƣợc xây dựng cách đơn giản, cô đọng, nhƣng phải đầy đủ Mục tiêu mô tả rõ ràng tri thức lĩnh vực chuyên môn Suy diễn mơ hình thể học thao tác giúp ta khai thác hiệu thể học này, khơng thực q trình suy diễn thể học có chức nhƣ kho chứa mà Suy diễn quy tắc suy kiến thức mới, kiến thức tiềm ẩn cần thiết dựa kiện đƣợc biết đến trƣớc mang lại hiệu to lớn cho hệ Web ngữ nghĩa Luận văn nghiên cứu suy diễn mơ hình thể học cách xây dựng tập quy tắc suy diễn, qua củng cố thêm mơ tả mơ hình thể học lĩnh vực, cuối việc xây dựng ứng dụng sử dụng nghiên cứu cho lý thuyết này, với tên: “Chƣơng trình hỗ trợ cho ngƣời làm vƣờn” Ngồi phần mở đầu kết luận, nội dung luận văn đƣợc chia làm chƣơng, đó: Chương Mơ hình thể học: Trình bày khái niệm đề tài, nhắc lại khái niệm Semantic Web Bản thể học Chƣơng giải đáp câu hỏi nhƣ Semantic Web gì, lợi ích nó, thành phần Semantic Web Đi sâu nghiên cứu Ontology, cấu trúc nó, cách thức xây dựng Ontology Chương Suy diễn mô hình thể học: Trong chƣơng chúng tơi trình bày nội dung xây dựng tập luật để suy diễn mơ hình ontology với ngơn ngữ RuleML, SWRL SPARQL Cấu trúc hỗ trợ máy suy diễn Jena Framework Ví dụ việc suy diễn mơ hình thể học cụ thể Chương Phát triển ứng dụng thử nghiệm: Xây dựng hệ thống Semantic Web bao gồm việc xây dựng mơ hình thể học (ontology model), Suy diễn mơ hình thể học cách xây dựng tập luật suy diễn cho chức hệ thống Cuối việc tổng kết kết đạt đƣợc mặt hạn chế đề tài, đồng thời phát triển hệ thống tƣơng lai CHƢƠNG MƠ HÌNH BẢN THỂ HỌC Sau chương trả lời câu hỏi sau: - Bản thể học gì, mơ hình thể học gì? Cơng nghệ Semantic Web gì? Phương pháp xây dựng thể học? Ngơn ngữ OWL xây dựng thể học, công cụ hỗ trợ xây dựng thể học nào? 1.1 Giới thiệu Ngày nay, hầu nhƣ thông tin cần thiết mặt đời sống xã hội nhƣ y tế, giáo dục, kinh tế, trị, pháp luật,… dễ dàng tìm thấy mơi trƣờng mạng Internet Ngƣời sử dụng Web tìm thơng tin cách địa URL theo liên kết để tìm tài nguyên mong đợi Với nhu cầu thông tin ngày lớn ngƣời, khả đáp ứng thông tin trở lên thiết Kỹ thuật Web tạo khó khăn việc rút trích, bảo trì phát triển thơng tin Máy tính đƣợc dùng nhƣ thiết bị gửi trả thông tin Chúng truy xuất khả thực cần thiết, chúng hỗ trợ mức giới hạn việc truy xuất xử lý thơng tin Kết ngƣời sử dụng phải phải gánh vai trách nhiệm truy cập xử lý thơng tin mà cịn rút trích thơng dịch thông tin Để khắc phục yếu điểm Web khái niệm “Semantic Web” đời Semantic Web mở rộng Web mà thơng tin đƣợc xử lý cách tự động máy tính, làm cho ngƣời máy tính hợp tác với Hình 1-1: Cấu trúc Semantic Web [1] Công nghệ “Semantic Web” gắn liền với đời phát triển thể học (Ontology) ngƣời ta mơ tả liệu coi tài ngun ý tƣởng gắn tài nguyên với mơ tả gọi chung URI, qua mà định nghĩa siêu liệu RDF (Resource Description Framework), sau cho phép truy vấn suy diễn (inference), điều tạo tính ngữ nghĩa, thơng minh đáp ứng nhu cầu cần thiết mà hệ web yêu cầu Việc xây dựng thể học lĩnh vực chuyên môn sống yêu cầu phải thực đơn giản, cô đọng, nhƣng phải đầy đủ Mục tiêu mô tả rõ ràng tri thức lĩnh vực, giúp ngƣời dùng dùng khai thác thông tin cách dễ dàng hiệu Suy diễn mơ hình thể học thao tác giúp ta khai thác hiệu quan trọng cho công việc này, khơng có thể học có chức nhƣ kho chứa mà thơi Suy diễn với quy tắc suy kiến thức mới, kiến thức tiềm ẩn cần thiết dựa kiện đƣợc biết đến trƣớc mang lại hiệu to lớn cho hệ Web ngữ nghĩa 1.2 Bản thể học Bản thể học (ontology) tập từ vựng để mơ hình hóa giới bên ngồi [11] Nó đƣa khái niệm định nghĩa quan hệ khái niệm miền lĩnh vực Đồng thời ontology cịn cung cấp ràng buộc, giả định sở ý nghĩa mong muốn từ vựng Ontology đƣợc xây dựng nhằm mục đích sau: - Chia sẻ hiểu biết chung cấu trúc thông tin ngƣời phần mềm agent Sử dụng lại tri thức miền lĩnh vực đƣợc xây dựng từ trƣớc Hình 1-2: Chia sẻ thể học cho ứng dụng [2] Trong hình ta thấy ứng dụng khác nhau, muốn trao đổi thông tin với cần phải có tri thức chung, ứng dụng đểu sử dụng ontology để chia sẻ tri thức cho Ontology đƣợc sử dụng rộng rãi công nghệ tri thức, trí tuệ nhân tạo, khoa học máy tính ứng dụng liên quan đến quản lý tri thức, xử lý ngôn ngữ tự nhiên, thƣơng mại điện tử, tích hợp thơng tin, tìm kiếm thơng tin, thiết kế sở liệu… Một hình ảnh mơ hình Ontology: Hình 1-3:Một mơ hình thể học [3] Ngôn ngữ ontology cho phép ngƣời sử dụng viết rõ ràng, khái niệm hình thức mơ hình miền Các yêu cầu chính: - Cấu trúc rõ ràng: Đây điều kiện cần cho máy xử lý thơng tin - Ngữ nghĩa hình thức miêu tả ý nghĩa tri thức cách xác:Ý nghĩa ngữ nghĩa hình thức tồn thời gian dài miền toán logic Việc sử dụng ngữ nghĩa hình thức cho phép ngƣời suy diễn tri thức Với tri thức ontology suy diễn về: + Thành viên lớp: Nếu x thể lớp C C lớp lớp D suy x thể lớp D + Các lớp tương đương: Nếu lớp A tƣơng đƣơng với lớp B lớp B tƣơng đƣơng với lớp C, lớp A tƣơng đƣơng với lớp C + Tinh quán: Giả sử khai báo x thể lớp A A lớp B ∩ C, A lớp lớp D, Lớp B lớp D khơng có quan hệ với (disjoint) Thì khơng qn A nên rỗng nhƣng lại x Đây dấu hiệu lỗi ontology + Phân loại: Nếu khai báo cặp thuộc tính giá trị biết điều kiện đủ cho thành viên lớp A, cá thể x thỏa mãn điều kiện, kết luận x phải thể A + Ngữ nghĩa điều kiện tiên cho việc hỗ trợ suy diễn: Hỗ trợ suy diễn quan trọng cho phép kiểm tra tính quán ontology tri thức, kiểm tra quan hệ thừa lớp, tự động phân loại thể lớp Ngữ nghĩa hình thức hỗ trợ suy diễn thƣờng đƣợc cung cấp việc ánh xạ ngơn ngữ ontology đến hình thức logic sử dụng suy diễn tự động hình thức ln tồn OWL đƣợc ánh xạ logic miêu tả sử dụng suy diễn tồn nhƣ FaCT RACER Các logic mô tả tập logic vị từ nhằm hỗ trợ suy diễn hiệu 1.3 Các thành phần thể học Ontology đƣợc sử dụng nhƣ biểu mẫu trình bày tri thức giới hay phần Ontology thƣờng miêu tả: - Cá thể (Individual): Các đối tƣợng Ontology, tảng; Các cá thể Ontology bao gồm đối tƣợng rời rạc nhƣ: tên ngƣời, tên cây, xe ô tô,… - Lớp (Class): Các tập hợp, hay kiểu đối tƣợng Lớp nhóm, tập hợp đối tƣợng Một lớp gộp nhiều lớp đƣợc gộp vào lớp khác Một lớp gộp vào lớp khác đƣợc gọi lớp (subclass) lớp gộp Điều quan trọng quan hệ xếp gộp tính kế thừa - Thuộc tính (Property): Đó tính năng, đặc điểm, tính cách, hay thơng số mà đối tƣợng có đem chia sẻ - Mối liên hệ (Relationships): Cách mà đối tƣợng liên hệ tới đối tƣợng khác Tập hợp quan hệ mô tả ngữ nghĩa lĩnh vực (domain) Tập dạng quan hệ đƣợc sử dụng phân loại thứ bậc chúng thể sức mạnh diễn đạt ngôn ngữ dùng để biểu diễn ontology Ontology thƣờng phân biệt nhóm quan hệ khác Ví dụ: + Quan hệ lớp + Quan hệ thực thể + Quan hệ thực thể lớp + Quan hệ đối tƣợng đơn tập hợp + Quan hệ tập hợp Bộ từ vựng Ontology đƣợc xây dựng sở tầng RDF, RDFS, cung cấp khả biểu diễn ngữ nghĩa mềm dẻo cho tài nguyên Web có khả hỗ trợ lập luận 1.4 Phƣơng pháp xây dựng thể học Quy trình phát triển Ontology quy trình gồm nhiều bƣớc, nhiên chƣa có phƣơng pháp chuẩn hóa để phát triển ontology Quy trình phát triển gồm bảy bƣớc Stanford Center for Biomedical Informatics Research đƣa (đây nhóm phát triển phần mềm Protégé để trình diễn soạn thảo Ontology) - Bước 1: Xác định lĩnh vực phạm vi Ontology - Bước 2: Xem xét việc sử dụng lại Ontology có sẵn - Bước 3: Liệt kê thuật ngữ quan trọng - Bước 4: Xác định lớp phân cấp lớp - Bước 5: Xác định thuộc tính - Bước 6: Xác định ràng buộc thuộc tính - Bước 7: Tạo thể / thực thể 1.5 Thể thể học OWL 1.5.1 Khái quát OWL (The Web Ontology Language) [8] ngôn ngữ gần nhƣ XML dùng để mô tả hệ sở tri thức OWL ngôn ngữ đánh dấu dùng để xuất chia sẻ liệu Internet thơng qua mơ hình liệu gọi “ontology” Ontology mô tả lĩnh vực (domain) diễn tả đối tƣợng lĩnh vực mối quan hệ đối tƣợng OWL phần mở rộng từ vựng RDF đƣợc kế thừa từ ngôn ngữ DAML+OIL Web ontology – dự án đƣợc hỗ trợ W3C OWL biểu diễn ý nghĩa thuật ngữ từ vựng mối liên hệ thuật ngữ để đảm bảo phù hợp với trình xử lý phần mềm OWL đƣợc xem nhƣ kỹ thuật trọng yếu để cài đặt cho Semantic Web tƣơng lai OWL đƣợc thiết kế đặc biệt để cung cấp cách thức thông dụng việc xử lý nội dung thông tin Web Ngôn ngữ đƣợc kỳ vọng cho phép hệ thống máy tính đọc đƣợc thay cho ngƣời OWL đƣợc phát triển có nhiều tiện lợi để biểu diễn ý nghĩa ngữ nghĩa so với XML, RDF RDFS, OWL đời sau ngơn ngữ này, có khắc phục đƣợc thiếu sót tận dụng đƣợc nhiều tính ƣu việt, khả biểu diễn nội dung mà máy biểu diễn đƣợc Web Các phiên OWL: Hiện có ba loại OWL: OWL Lite, OWL DL (description logic), OWL Full 1.5.2 Các thành phần tài liệu OWL Các tiêu đề (titles): Tài liệu OWL thƣờng đƣợc gọi OWL ontologies tài liệu RDF Vì thế, yếu tố gốc Ontology thẻ rdf:RDF – chứa số lƣợng lớn không gian tên (namespace) Một Ontology cịn bắt đầu với tập hợp mô tả phiên bản, tài nguyên đƣợc thêm vào dƣới cặp thẻ: Ví dụ owl Ontology University Ontology Thẻ owl:imports dùng để thêm vào Ontology Ontology khác đƣợc định bên thẻ rdf:resource Owl:imports thuộc tính bắc cầu (transitive) mà ta nói đến phần sau Lớp (Class) Lớp nhân tố quan trọng Ontology Lớp tập hợp cá thể thuộc chúng chia sẻ thuộc tính chung Ngồi ra, cịn đƣợc tổ chức thành cấp bậc sử dụng subClassOf Chú ý rằng: lớp Thing lớp tổng quát coi cha lớp OWL Nothing ngƣợc lại Để định nghĩa lớp ta sử dụng thẻ owl:Class nhƣ ví dụ sau: Ở ta định nghĩa lớp có tên (id) sinh_vien Từ bây giờ, lớp sinh_vien đƣợc tham chiếu tới cách dùng ký hiệu #sinh_vien Một lớp đƣợc hoàn toàn phân biệt với lớp khác (disjointWith) hay với lớp khác (equivalentClass) Ví dụ: DisjointWith đảm bảo thành viên lớp đồng thời thành viên lớp khác EquivalentClass để hai lớp có xác thể giống nhau: Lớp (subClass) Để tạo phân cấp Ontology, ta định nghĩa lớp lớp lớp khác Sự định nghĩa mang tính bắc cầu: A lớp B B lớp C A lớp C Ở lớp sinh_vien đƣợc định nghĩa lớp lớp con_nguoi Cần phân biệt chút lớp (equivalentClass) lớp (subClassOf ) Với lớp thể lớp thể lớp kia, cịn với lớp thể lớp cha không thiết phải thể lớp Thuộc tính (properties) - Ví dụ ObjectProperty: - Ví dụ DataTypeProperty Thuộc tính đặc biệt Ta định nghĩa trực tiếp đặc trƣng thuộc tính nhƣ sau: owl:TransitiveProperty: hai thuộc tính gọi bắc cầu với cặp (x,y) thể thuộc tính P cặp (y,z) thể thuộc tính P (x,z) thể thuộc tính P owl:SymmetricProperty: dùng để thuộc tính thuộc tính đối xứng Với cặp (x,y) thể thuộc tính P (y,x) thể thuộc tính P owl:FunctionalProperty: thuộc tính đƣợc có giá trị Nó có nhiều giá trị cho cá thể owl: InverseFunctionalProperty: ngƣợc lại với FunctionalProperty Một ví dụ cú pháp cho đặc trƣng trên: Ngồi ra, thuộc tính định nghĩa thuộc tính thuộc tính khác sử dụng: Thể Thể lớp đƣợc khai báo thẻ Hay tƣơng đƣơng: 22 - ARQ – công cụ truy vấn, mà thực hai ngôn ngữ truy vấn SPARQL RDQL SPARQL ngôn ngữ truy vấn RDF giao thức đƣợc phát triển W3C (mà ta giới thiệu phần trên) Các cấu trúc máy suy diễn đƣợc minh họa dƣới đây: Hình 2-1: Cấu trúc máy suy diễn Jena Các ứng dụng thƣờng truy cập máy suy diễn cách sử dụng ModelFactory liên kết tập liệu với số suy luận để tạo mơ hình Truy vấn đến mơ hình (model) trả lại báo cáo (statements) mà có liệu ban đầu, nhƣng có báo cáo thêm bổ sung bắt nguồn từ liệu ban đầu cách sử dụng quy tắc chế suy diễn khác đƣợc thực suy luận Nhƣ minh họa máy suy diễn (inference machinery) đƣợc thực thực cấp độ Graph SPI, mà giao diện mơ hình (Model interfaces) khác đƣợc xây dựng xung quanh một inference Graph Đặc biệt Ontology API cung cấp phƣơng tiện để liên kết suy luận thích hợp vào OntModel S mà đƣợc xây dựng Là phần mở rộng chung RDF API, Jena cung cấp InfModel Đây mọt phần mở rộng giao diện Model bình thƣờng mà cung cấp điều khiển bổ sung truy cập vào mọt inference graph Để giữ cho thiết kết nhƣ kết thúc mở tốt Jena bao gồm ReasonerRegistry Đây lớp tĩnh tập reasoners đƣợc kiểm tra Có thể đăng ký loại suy luận tự động tìm kiếm suy luận kiểu định Việc ReasonerRegistry cung cấp truy cập thuận tiện để trƣờng hợp dựng sẵn reasoners cung cấp 2.4 Một số ví dụ suy diễn mơ hình thể học Phần trình bày số ví dụ đơn giản Ontology OWL thảo luận số suy diễn mà đƣợc thực lớp (class) cá thể (individuals) thể học Phần ta làm việc với Ontology đơn giản mục tiêu để minh họa trình suy diễn làm đƣợc rút mơ hình thể học chúng Mộ thể học people đƣợc đƣợc cung cấp sẵn dƣới dạng RDF/XML [1] Nó đƣợc thể cú pháp trừu tƣợng dạng: 23 Hình 2-2: Hình ảnh minh họa lớp thể học Hình ảnh thành phần khác thể học nhƣ thể hình dƣới: Hình 2-3: Những thuộc tính đối tượng (Object property) Mơ tả cá thể: 24 Hình 2-4: Mô tả cá thể Hai mục nhỏ dƣới trình bày vài ví dụ suy diễn mơ hình thể học đƣợc mơ tả 2.4.1 Suy diễn lớp (Classes Inferences) Một tính thể học đƣợc mơ tả OWL – DL chúng đƣợc xử lý suy diễn Một dịch vụ đƣợc cung cấp suy diễn suy đƣợc có hay khơng lớp (Class) lớp (subClass) lớp khác [10 – trang 48,86] cách thực kiểm tra để hệ thống tính tốn xem có phân cấp lớp khơng? Xét ví dụ đơn giản nhƣ sau: Ví dụ 1: Suy diễn kết quả: Chủ mèo ngƣời u thích mèo Ta có ba luật sau: 1) Class(a:cat_owner complete intersectionOf(a:person restriction(a:has_pet someValuesFrom (a:cat)))) 2) SubPropertyOf(a:has_pet a:likes) 3) Class(a:cat_liker complete intersectionOf(a:person restriction(a:likes someValuesFrom (a:cat)))) Trong ví dụ này, luật thứ phát biểu rằng: Chủ mèo có thú cƣng mèo, luật thứ ba nói rằng: Ngƣời u thích mèo chắn u thích vài đặc điểm mèo, luật thứ hai thú cƣng (has_pet) thuộc tính thuộc tính likes Do nhờ luật thứ hai mà ta suy đƣợc chủ mèo ngƣời yêu thích mèo Nói cách khác lớp ngƣời ni mèo (cat_owner) lớp lớp ngƣời yêu mèo (cat_liker) 2.4.2 Suy diễn thể (Intence Inferences) Suy diễn thể việc sử dụng thể cụ thể mối quan hệ thể mà ta suy đƣợc thể tƣơng ứng thuộc lớp Nói cách khác từ chi tiết ta suy tổng qt Xét ví dụ sau: 25 Ví dụ 2: Chỉ rằng: Pete ngƣời, Spike động vật thông qua bốn luật sau: 1) Individual(a:Spike type(owl:Thing) value(a:is_pet_of a:Pete)) 2) Individual(a:Pete type(owl:Thing)) 3) ObjectProperty(a:has_pet domain(a:person) range(a:animal)) 4) ObjectProperty(a:is_pet_of inverseOf(a:has_pet)) Luật thứ nói Spike đối tƣợng thú cƣng Pete Luật thứ hai nói rằng: Pete đối tƣợng, luật thứ ba có_thú_cƣng (has_pet) mối quan hệ hai đối tƣợng có chiều từ ngƣời (person) tới động vật (animal) Luật thứ bốn mối quan hệ là_thú_cƣng_của (is_pet_of) chiều ngƣợc lại với quan hệ luật ba Từ bốn luật suy luận Pete thể lớp ngƣời (people) Spike thể lớp động vật (animal) Hay nói cách khác Pete ngƣời, cịn Spkike động vật 2.5 Sự phân phối quy tắc Quy tắc phân phối để định lƣợng sinh (existentials) tƣơng tự nhƣ logic mệnh đề cho kết hợp phân ly, ví dụ nhƣ: Các sinh (existials) A ⊓ (B ⊔ C) ≡ (A ⊓ B) ⊔ (A ⊓ C) ∃p.(A ⊔ B) ≡ (∃p.A) ⊔ (∃p.B) Trong terms ngôn ngữ OWL, phiên dịch nhƣ sau: restriction(some p unionOf(A B)) ≡ unionOf(restriction(some (p A)) restriction(some (p B))) Ngồi cịn có số suy luận yếu so với tƣơng đƣơng, xét phép tốn mơ tả sau: ∃p.(A ⊓ B) ⊑ (∃p.A) ⊓ (∃p.B) (∃p.A) ⊓ (∃p.B) ⊑ (∃p.A) ⊔ (∃p.B) (∃p.A) ⊓ (∃p.B) ⊑∃p.(A ⊔ B) Những phép toán tƣơng đƣơng đƣợc mô tả ngôn ngữ OWL tƣơng ứng nhƣ sau: restriction(some p intersectionOf(A B) ⊑ intersectionOf(restriction(some (p A)) restriction(some (p B))) intersectionOf(restriction(some (p A)) restriction(some (p B))) ⊑ unionOf(restriction(some (p A)) restriction(some (p B))) intersectionOf(restriction(some (p A)) restriction(some (p B))) 26 ⊑ restriction(some p unionOf(A B) Ta suy phép toán Union phân phối existentials, intersection khơng CHƢƠNG PHÁT TRIỂN ỨNG DỤNG THỬ NGHIỆM Nội dung chương bao gồm: - Ứng dụng nghiên cứu vấn đề gì?, giải pháp thực nào? - Phân tích mơ hình thể học lĩnh vực chuyên ngành trồng - Phân tích chức xây dựng tập luật suy diễn cho hệ thống 3.1 Đặt vấn đề Những khó khăn vất vả ngƣời làm nông nghiệp trồng trọt, yếu tố việc tiếp nhận thơng tin hữu ích khoa học quy trình trồng nhƣ đặc tính: mùa vụ, loại trồng, thời gian dự kiến đƣợc thu hoạch… Trên tinh thần muốn hỗ trợ ngƣời trồng trọt khai thác thơng tin hữu ích vấn đề trên, xây dựng ứng dụng nhỏ nhằm khai thác số chức cần thiết cho ngƣời trồng trọt trồng vƣờn nhà Chƣơng trình ứng dụng có áp dụng suy diễn mơ hình thể học, có bao gồm việc xây dựng Ontology lĩnh vực trồng, việc xây dựng tập luật suy diễn nhằm đƣa chức thông minh hệ thống 3.2 Giải pháp thực Để thực việc xây dựng chƣơng trình ứng dụng, chúng tơi triển khai hƣớng ứng dụng Semantic Web, tức ứng dụng có khả khai thác Internet dựa việc đƣờng dẫn URL Những công việc thực bao gồm: Xây dựng thể học (Ontology) đặt tên là: ontology_caytrong.owl ; nghiên cứu xây dựng tập luật để hỗ trợ việc suy diễn để tạo chức cho hệ thống Trong chúng tơi sử dụng cơng cụ hỗ trợ nhƣ: Protégé 5.0 để xây dựng Ontology, công cụ Eclipse phiên neo để soạn thảo chƣơng trình, máy chủ Apache Tomcat để chạy ứng dụng web; sử dụng ngôn ngữ lập trình Java, JSP, Servlet, CSS… 27 Hình 3-1: Project Application_Theis Application_SemanticWeb Sử dụng Jena Framework đóng vai trò máy suy luận, với giao diện hoạt động ngƣời dùng hệ thống nhƣ hình sau: Hình 3-1-1: Cấu trúc mơ hình giao tiếp người dùng với hệ thống 3.3 Xây dựng ứng dụng 3.3.1 Xây dựng thể học (Ontology) Dƣới hình ảnh thu gọn thể học: 28 Hình 3-2: Hình ảnh mơ hình thể học ontology_caytrong.owl Bảng loại trồng mùa vụ (những thể – individuals ) ontology bao gồm: Loại trồng mùa vụ Các thể (individuals) Ghi Cay_cho_cu Dau_lac, Gieng, Gung, Hanh, Khoai_tay, San_day, San_tau, Toi,… Khoai_lang, Cay_cho_qua Bau, Bi, Cam, Buoi, Ngo, Tao, Xoai, Dau_xanh, Dau_tuong, Ot,… Cây cho Cay_gia_vi Gieng, Gung, Hat_tieu, La_lot, Ot, Hanh, Toi,… Cây làm gia vị Cay_thao_duoc Ac_ti_so, Ngai_cuu, Ngot, Tia_to, Toi,… Cây làm thảo dƣợc Hoa Cuc, Hong, Nhai,… Cây hoa Ngu_coc Dau_den, Dau_tuong, Dau_lac, Dau_xanh, Ngo,… Ngũ cốc Rau Bau, Bi, Cai_bap, Xu_hao, Muop, Ngai_cuu, Muong, Ngot,… Cây rau Mua_vu Mua_xuan, Mua_ha, Mua_thu, Mua_dong Các mùa năm Bảng 3-1: Những thể (individuals) ontology Những lớp (Classes) Ontology đƣợc thể phân cấp nhƣ sau: Cây cho củ 29 Hình 3-3: Mơ tả phân cấp lớp ontology Trong ý mơ tả lớp cây_gia_vi lớp cây_thảo_dƣợc Các Individuals thuộc tính đặc biệt loại trồng mùa vụ đƣợc thể nhƣ hình sau: Hình 3-4: Individual Mùa vụ thuộc tính mơ tả cho Hình 3-5: Individual trồng thuộc tính mơ tả cho Các thuộc tính Object Property Data Property bao gồm: - coThanhvien: có thành viên, dùng để mơ tả loại trồng có trồng - laThanhvienCua: thành viên của, dùng để mô tả trồng cụ thể thuộc loại trồng 30 - tieptheo: tiếp theo, dùng để mô tả mùa vụ sau mùa vụ, ví dụ tieptheo Mua_xuan Mua_ha,… Hình 3-6: Các thuộc tính đối tượng Các thuộc tính Data Property bao gồm: Các thuộc tính mùa vụ: - anhsang: mơ tả ánh sáng mùa vụ - cap_do_gio: mô tả cấp độ gió mùa vụ - do_am: mơ tả độ ẩm trung bình mùa vụ - nhiet_do: mơ tả nhiệt độ trung bình mùa vụ Các thuộc tính trồng: - anh_sang_ua_thich: mơ tả ánh sáng trung bình mà trồng ƣa thích - do_am_ua_thich: mơ tả độ ẩm trung bình mà trồng ƣa thích - kha_nang_chiu_gio: mơ tả khả chịu gió trồng - nhiet_do_ua_thich: mơ tả nhiệt độ ƣa thích trồng - suc_de_khang: mô tả sức đề kháng trồng - thoi_gian_sinh_truong: mô tả thời gian sinh trƣởng trồng Dƣới hình ảnh cho thuộc tính Data Property: Hình 3-7: Thuộc tính Data Property 3.3.2 Suy diễn phát triển hệ thống Để suy diễn chức hệ thống ta xây dựng tập luật suy diễn, tập luật suy diễn đƣợc xây dựng nhằm mục đích truy vấn suy luận mơ hình thể học nhằm đƣa kết 31 phù hợp với yêu cầu Một luật suy diễn bao gồm nhiều luật Ở ta sử dụng ngơn ngữ truy vấn SPARQL (đã đƣợc giới thiệu chƣơng trƣớc) Hình ảnh giao diện hệ thống, thực chức gợi ý trồng mà ngƣời dùng muốn trồng theo tiêu chí phù hợp Hình 3-8: Chức gợi ý trồng theo tiêu chí người làm vườn Những đặc tính quan trọng trồng lƣợng ánh sáng ƣa thích, điều đƣợc suy diễn với quy tắc ngữ nghĩa sau: String queryString = "PREFIX garden: " + "SELECT ?x ?z " + " WHERE { + "?x garden:sun_preference ?z " + "}"; 32 Hình 3-9: Suy diễn chức yếu tố ánh sáng ưa thích loại trồng Những dễ trồng mà có Sức đề kháng tốt thời gian thu hoạch ngắn Điều đƣợc suy diễn nhờ luật sau: String queryString = "PREFIX garden: " + "SELECT ?x ?z " + "WHERE {" + "{?x garden:hardiness_zone ?z " + " ?x garden:hardiness_zone \"" + "Tot" + "\" " + " ?x garden:harvest_duration \"" + "it_hon_3" + "\" " + "}" + + + + + "UNION" "{?x garden:hardiness_zone ?z " " ?x garden:hardiness_zone \"" + "Tot" + "\" " " ?x garden:harvest_duration \"" + "it_hon_6" + "\" " "}" + "}"; Hình 3-10: Suy diễn chức đưa dễ gieo, trồng Những khó gieo trồng có Sức đề kháng thời gian thu hoạch dài Điều đƣợc suy diễn nhờ luật sau: String queryString = "PREFIX garden: " + "SELECT ?x ?z " + "WHERE {" + "{?x garden:hardiness_zone ?z " + " ?x garden:hardiness_zone \"" + "Yeu" + "\" " + " ?x garden:harvest_duration \"" + "it_hon_24" + "\" " + "}" + + + + + + "UNION" "{?x garden:hardiness_zone ?z " " ?x garden:hardiness_zone \"" + "Yeu" + "\" " " ?x garden:harvest_duration \"" + "it_hon_12" + "\" " "}" "}"; 33 Hình 3-11: Suy luận khó gieo trồng Những trồng mà phù hợp với mùa vụ cụ thể đƣợc suy diễn nhờ vào luật suy diễn sau: String queryString = "PREFIX caytrong: " +"SELECT ?x ?as ?da ?gio ?nd ?sdk ?tgst " +"WHERE {" + "?x caytrong:anh_sang_ua_thich ?as " + "?x caytrong:do_am_ua_thich ?da " + "?x caytrong:kha_nang_chiu_gio ?gio " + "?x caytrong:nhiet_do_ua_thich ?nd " + "?x caytrong:suc_de_khang ?sdk " + "?x caytrong:thoi_gian_sinh_truong ?tgst " + "} " ; Sau lọc theo luật mùa vụ phù hợp: String queryString = "PREFIX muavu: " + "SELECT ?mua ?as ?cdgio ?da ?nd " + "WHERE {" + "?mua muavu:anh_sang ?as " + "?mua muavu:cap_do_gio ?cdgio " + "?mua muavu:do_am ?da " + "?mua muavu:nhiet_do ?nd " + "} "; Ví dụ với mùa xuân ta so sánh thuộc tính trồng thuộc tính mua vụ: if (anh_sang_ut_new.equals(as_mx) && do_am_ut_new.equals(da_mx) && nhiet_do_ut_new.equals(nd_mx) && kn_chiu_gio_new.equals(cd_gio_mx)) { // hiển thị kết System.out.print(i + ", " + mua + " -> "); System.out.print(caytrong_new + " -> "); System.out.print(as + " |"); System.out.print(da + " |"); System.out.print(gio + " |"); System.out.print(nd + " |"); System.out.print(sdk + " |"); System.out.println(tgst); } 34 Và kết nhận đƣợc là: Hình 3-12: Suy diễn trồng phù hợp với mùa xuân 3.4 Đánh giá kết ứng dụng Ứng dụng Semantic Web đƣợc xây dựng gồm hai thành phần là: Xây dựng Ontology lĩnh vực trồng đặc tính nó, việc xây dựng nhiều tập luật suy diễn mơ hình ontology Việc xây dựng Ontology mô tả đầy đủ, chi tiết nội dung yếu tố quan trọng trồng – đặc tính quan trọng trồng, đặc tính mùa vụ riêng biệt Những điều lý giải số trồng lại trồng mùa vụ này, số trồng khác lại trồng mùa vụ khác Việc xây dựng ứng dụng Semantic Web có sử dụng việc suy diễn mơ hình thể học trồng hiệu Mặt mạnh ứng dụng loại khả khai thác chức cần thiết hiệu thông minh, mềm dẻo nhờ vào việc xây dựng nhiều tập luật suy diễn cách dễ dàng Hệ thống trợ giúp cho ngƣời dùng khai thác chức giao diện Web Internet dễ dàng cách đƣờng dẫn URL nơi, nên dễ dàng hiệu KẾT LUẬN Suy diễn mơ hình thể học thao tác giúp ta khai thác hiệu thể học, khơng thực q trình suy diễn thể học có chức nhƣ kho chứa mà Suy diễn quy tắc suy kiến thức mới, kiến thức tiềm ẩn cần thiết dựa kiện đƣợc biết đến trƣớc mang lại hiệu to lớn cho hệ Web ngữ nghĩa Những điều mà luận văn làm đƣợc là: luận văn nghiên cứu suy diễn mơ hình thể học cách xây dựng tập quy tắc suy diễn, qua củng cố thêm mơ tả mơ hình thể học lĩnh vực, cuối việc xây dựng ứng dụng sử dụng nghiên cứu cho lý thuyết này, tạm đặt tên: “Chƣơng trình hỗ trợ cho ngƣời làm vƣờn” Trong việc nghiên cứu lý thuyết làm rõ số cơng nghệ nhƣ: - Nghiên cứu tìm hiểu công nghệ Semantic Web - Nghiên cứu thành phần cấu thành mơ hình thể học, từ chủ động xây dựng thể học - Nghiên cứu ngôn ngữ mô tả liệu OWL (Ontology Web Language) 35 - Nghiên cứu phƣơng pháp suy luận mơ hình thể học Xây dựng quy tắc suy diễn, truy vấn khai thác thông tin thể học - Nghiên cứu Framework Jena, việc hỗ trợ máy suy luận (Inference engine) Việc xây dựng ứng dụng mô tả bao gồm công việc nhƣ sau: - Xây dựng hoàn chỉnh thể học đặt tên là: ontology_caytrong.owl; làm rõ đƣợc chất tri thức trồng thuộc tính mùa vụ loại trồng - Phân tích thành phần chức trồng, đặc tính mùa vụ trồng - Xây dựng số tập luật suy diễn nhằm mục đích suy diễn chức mong muốn hệ thống nhƣ: đƣa trồng phù hợp với mùa vụ: mùa xuân, mùa hạ, mùa thu, mùa đông; khai thác đặc tính loại trồng; khai thác đặc tính mùa vụ; Tìm trồng theo tiêu chí ngƣời trồng cây,… Luận văn đạt đƣợc số kết mong muốn, thấy đƣợc ƣu việt hệ Semantic Web – hệ Web 3.0, ngôn ngữ truy vấn, khả suy diễn mà sinh thông tin dựa ontology, giúp cải thiện đáng kể khả khai thác thông tin môi trƣờng web Vì thực thể học(ontology) gắn liền với lĩnh vực cụ thể thực tiễn chun mơn, thực hệ chuyên gia, việc xây dựng đủ tốt để đáp ứng cho ứng dụng việc địi hỏi nhiều cơng sức nghiên cứu chuyên ngành Những mặt hạn chế luận văn: - Xây dựng thể học lĩnh vực chƣa hoàn chỉnh, chƣa đủ tốt để phục vụ ứng dụng - Xây dựng tập luật để hỗ trợ suy diễn chƣa hiệu việc sinh thông tin mới, thơng tin hữu ích Cơng việc nghiên cứu tiếp theo: Tìm hiểu lĩnh vực chun mơn, sâu ứng dụng thực tiễn qua xây dựng lên thể học lĩnh vực Sau xây dựng suy diễn nó, phục vụ mục đích sống nhƣ: y tế, giáo dục, kinh doanh, môi trƣờng,… TÀI LIỆU THAM KHẢO Tiếng Việt: [27] Hoàn Nguyễn Tuấn Minh, Hoàng Hữu Hạnh (2011) Tạp chí khoa học - Đại học Huế Các ngơn ngữ truy vấn RDF: Đánh giá tổng quan So sánh đặc tính ngơn ngữ [29] Vũ Bội Hằng (2005), Phát quan hệ ngữ nghĩa Nguyên nhân – kết từ văn bản, Luận văn cao học, Trƣờng Đại học Công nghệ Tiếng Anh: [1] https://www.w3.org/2000/Talks/1206-xml2k-tbl/slide10-0.html [2] Vagan Terziyan (2010) AI Department, Kharkov National University of Radioelectronics /MIT Department, University of Jyvaskyla Advanced It from multiagents to Semantic Web http://www.cs.jyu.fi/ai/Advanced_IT-2010.pdf [3] Christian Bizer, Freie Universität Berlin, Germany Tom Heath, Talis Information Ltd, United Kingdom Tim Berners-Lee, Massachusetts Institute of Technology, USA Special Issue on Linked Data, International Journal on Semantic Web and Information Systems (IJSWIS) http://linkeddata.org/docs/ijswis-special-issue 36 [4] D Lenat and R Guha (1990) Building Large Knowledge Based Systems: Representation and Inference in the Cyc Project Addison-Wesley Publishing http://www.jimdavies.org/summaries/lenat1990-1.html [5] Jean Vincent Fonou-Dombeu and Magda Huisman (2011) Semantic-Driven e-Government: Application of Uschold and King Ontology Building Methodology for Semantic Ontology Models Development [6] Fox, M.S and Gruninger, M (1994) Ontologies for enterprise integration, Proceedings of the Second International Conference on Cooperative Information Systems, pages 82-89 [7] http://owl.man.ac.uk/2003/why/latest/ [8] Seongwook Youn, Dennis McLeod (2006) University of Southern California, Los Angeles, USA Dennis McLeod University of Southern California, Los Angeles, USA Ontology Development Tools for Ontology – based Knowledge Management [9] SWRL: A Semantic Web Rule Language Combining OWL and RuleML W3C Member Submission 21 May 2004 http://www.w3.org/Submission/SWRL/ [10] Matthew Horridge (2011) A Practical Guide To Building OWL Ontologies Using Protégé4 and CO-ODE Tools Edition 1.3 The University Of Manchester [20] Jena - A Semantic Web Framework for Java Project homepage http://jena.sourceforge.net [21] Dave Beckett, R.V Guha (2004), RDF Vocabulary Description Language 1.0: RDF Schema, W3C Recommendation 10 February 2004, http://www.w3.org/TR/rdf-schema/ [22] Frank Manola, Eric Miller(2004), RDF Primer, W3C Recommendation 10 February2004, http://www.w3.org/TR/rdf-primer/ [23] Harold Boley, Said Tabet, and Gerd Wagner Design Rationale of RuleML(2001): A Markup Language for Semantic Web Rules In Proc Semantic Web Working Symposium (SWWS‟01) Stanford University, July/August 2001 [24] OWL 2: Proflles, http://www.w3.org/TR/owl2-profiles (2009) [25] G Meditskos, N Bassiliades (2009), Rule-based OWL Reasoning Systems: Implementations, Strengths and Weaknesses, Handbook of Research on Emerging Rule-Based Languages and Technologies: Open Solutions and Approaches, IGI Global, ISBN Number 978-1-60566-402-6, 2009 [26] G Meditskos, N Bassiliades(2008), Combining a DL Reasoner and a Rule Engine for Improving Entailment-Based OWL Reasoning, in: 7th International Semantic Web Conference (ISWC 2008), Karlsruhe, Germany, 2008 Website: [11] http://www.w3.org/People/Berners-Lee/Weaving/Overview.html [12] http://www.semanticweb.org [13] https://jena.apache.org/index.html [14] https://www.w3.org/TR/rdf-sparql-query/ [15] http://dior.ics.muni.cz/~makub/owl/ [16] https://docs.marklogic.com/guide/semantics/inferencing [17] http://owl.man.ac.uk/2003/why/latest/ [18] http://webprotege.stanford.edu/#List:coll=Home; [19] http://protegewiki.stanford.edu/wiki/Protege_Ontology_Library ... sau: - Suy diễn thể học với quy tắc suy diễn nào? - Các ngôn ngữ biểu diễn quy tắc suy diễn mơ hình thể học? - Máy suy diễn hỗ trợ Jena Framework? - Phân tích suy diễn thể học với ví dụ cụ thể? ... điều mà luận văn làm đƣợc là: luận văn nghiên cứu suy diễn mơ hình thể học cách xây dựng tập quy tắc suy diễn, qua củng cố thêm mơ tả mơ hình thể học lĩnh vực, cuối việc xây dựng ứng dụng sử dụng. .. dụ việc suy diễn mơ hình thể học cụ thể Chương Phát triển ứng dụng thử nghiệm: Xây dựng hệ thống Semantic Web bao gồm việc xây dựng mơ hình thể học (ontology model), Suy diễn mơ hình thể học cách