Ontologías y Agentes Máster “Ingeniería del Software, Métodos Formales y Sistemas de...

Ontologías y AgentesMáster “Ingeniería del Software, Métodos Formales

y Sistemas de Información”Universidad Politécnica de Valencia

Curso 2011-2012

Eduardo Menahttp://webdiis.unizar.es/~mena/

Dpto. de Informática e Ingeniería de Sistemas

Universidad de Zaragoza

Valencia, Mayo 2012

Eduardo Mena "Ontologías y Agentes"

Grupo de Sistemas de Información Distribuidos (SID)

• Desarrollo de proyectos I+D en el área de gestión de datos– Bases de datos distribuidas y heterogéneas– Sistemas de información globales, Web Semántica– Servicios de datos en entornos móviles

• Contacto: Eduardo Mena ([email protected])– http://sid.cps.unizar.es/– En cooperación con el Grupo de Bases de Datos

Interoperantes (BDI), Universidad del País Vasco, http://siul02.si.ehu.es/

mailto:[email protected]


Áreas de Aplicación (1/2)

• Bases de datos distribuidas y federadas

• Sistemas de información globales, Web semántica


Áreas de Aplicación (2/2)

• Servicios de datos en entornos móviles

• Sistemas de agentes inteligentes (móviles)


Índice (1/2)

• Ontologías– Representación del conocimiento

• Descripciones semánticas• Lenguajes de representación del conocimiento

– Sistemas Terminológicos• Lógica de descripciones• Ejemplos de sistemas

– Aplicación de las ontologías• Bases de datos federadas• Sistemas de información globales• Web Semántica


Índice (2/2)

• Sistemas de agentes inteligentes– Agentes inteligentes

• Características

• Agentes móviles

– Aplicación de los agentes a sistemas de información• A nivel de diseño

• A nivel de comunicaciones remotas

• Ejemplos de sistemas basados en agentes


Ontologías


¿De qué hablaremos?

• Ontologías: desde la IA y BD• Definiciones y estado del arte• Reglas prácticas para la creación de

ontologías• Ejemplos de aplicación de las ontologías

– Distintos campos de aplicación– Distintos sistemas

• Uso de ontologías: Problemas principales


Datos, Metadatos, Conocimiento

• Datos– (BD) Hechos, estado de las cosas

• Metadatos– Datos sobre los datos

• Información– Datos + semántica

• Conocimiento– (Epistemología, Chisholm 1977)

• C sabe k k es cierto C acepta k k es evidente para C

– (IA) Permite comportamiento inteligente


Metadatos

• Información semántica sobre los datos

• Objetivo– Describir contenidos– Separar datos de significado– Permitir comportamiento “inteligente”

• Problema– Su generación es difícil de automatizar


Información

• Es la representación del conocimiento, comunica la estructura del conocimiento a través de datos, la información es la forma tangible y comunicable del conocimiento

• Las escuelas y universidades tienen como actividad central propiciar el conocimiento a partir de la información


Conocimiento

• Es todo lo que se ha aprendido y organizado de acuerdo a aquellos conceptos, imágenes o relaciones que ha podido dominar; el conocimiento es una abstracción mental

• Supone cierto razonamiento y enjuiciamiento que organiza la información mediante su comparación y clasificación


También es: Conocimiento Descripciones semánticas Metainformación

¿ Base de conocimientos ? ¿ Taxonomía ? ¿ Jerarquía de clases ?

Sistema de gestión del conocimiento

Representación ¿ Expresividad ? ¿ Lenguaje interrogación ? ¿ Capacidades Deductivas ?

“Especificación de una conceptualización”

(T. Gruber)

¿Qué es una ontología?


Ventajas

Depende del contexto, en sistemas de información: Mejor consultar una ontología que los depósitos de

datos Visión homogénea de toda la información

(heterogénea) disponible Alto nivel semántico Conocimiento compartido

Metainformación sobre los datos Ej. Ontología biblioteca


Biblio-Thing

Document

Book

Edited-Book

Technical-Report

Periodical-Publication

Journal

Magazine

Newspaper

Miscellaneous-Publication

Technical-Manual

Computer-Program

Multimedia-DocumentArtwork

Cartographic-Map

Thesis

Doctoral-Thesis

Master-Thesis

Proceedings

Conference Agent

PersonAuthor Organization

Publisher University

http://www-ksl.stanford.edu/knowledge-sharing/ontologies/html/bibliographic-data/http://www-ksl.stanford.edu/knowledge-sharing/ontologies/html/bibliographic-data/

Ejemplo: Stanford-I


Print-Media

Press Publication Journalism

Newspaper MagazineBook

Periodical

Trade-Book Brochure TextBook

Reference-BookSongBook

PrayerBook

PictorialSeries

Journals

CookBook

Instruction-BookWordBook HandBook Directory Annual

Encyclopedia

Manual Bible GuideBook

Instructions Reference-Manual

http://www.cogsci.princeton.edu/~wn/w3wn.htmlhttp://www.cogsci.princeton.edu/~wn/w3wn.html

Ejemplo 2: subconjunto de WordNet 1.5


Problemas con las Ontologías

Fuerte carga filosófica No olvidar contexto aplicación

Difícil definición/explotación Elegir bien el sistema de representación del conocimiento

Ingeniería del conocimiento, no automatizable Experiencia

Complejidad del sistema ¿Realmente necesitamos una ontología?

Tamaño (Ej: Cyc) Conocimiento distribuido: ontologías especializadas en

dominios


Ontologías Distribuidas vs. Ontología Global

ontología

ontología

ontología

ontología

OntologíaGlobal


Construcción de ontologías

Lenguaje (signos + semántica)

Términos (conceptos, atributos), relaciones, reglas, instancias

Representan un punto de vista/dominio

No hay lugar para la redundancia


Sistemas de Representación del

conocimientoPermiten:

Crear ontologías/bases de conocimiento

Y algunos: Manipular/interrogar ontologías

Incluso otros: Introducir/recuperar instancias (datos)

Lenguajes Ontolingua, KIF, KQML, DL, DAML, OWL ¿Cuál necesitamos? ¿qué esperamos de él?

Expresividad Razonadores

Protégé : editor de ontologías (RDF, DAML, OWL)


Lenguajes de Representación del

Conocimiento• RDF (Resource Description Framework):– XML, herencia de clases (RDF-class, RDF-property)– Expresividad similar a OO

• OIL (Ontology Inference Layer)– No XML, API basado en Lisp

• DAML (DARPA Agent Markup Language)– RDF+OIL, XML, lógica SHOIQ (roles inversos, roles transitivos, cjtos.)– Pensado para Lógica Descriptiva (enlace con razonador)– DAML-S

• OWL (Ontology Web Language)– Pensado para la Web Semántica, estándar de W3C (Febrero 2004)– Nivel Lite (similar RDF), DL (SHOIN), OWL full (autoextensible)– OWL-S– OWL2 (2009): OWL2 EL (ptime), OWL2 QL (BDs), OWL2 RL (reglas)


Sistemas Basados en Lógica Descriptiva

(Sistemas Terminológicos)Distintas expresividades

Operadores muy expresivos: ALL, jerarquías de roles, roles inversos, roles transitivos, disjoint

Mundo abierto vs. mundo cerrado

Tbox (conceptos y roles)Términos primitivos (cond. necesarias)Términos definidos (cond. necesarias y suficientes)Subsumisión. Mecanismo de clasificación

detección de inconsistencias simplificación de expresiones

Abox (instancias)Rbox (reglas, C ⇒ D)Las preguntas son expresiones (clasificables)

Expresividad


AL ⊤, ⊥, , ⊓ ∀ (A, ∃R.⊤) PTime

ALC (=ALUE)

⊤, ⊥, , ⊓ ∀, , ∃, ⊔ ExpTime

SHIQ (S=) ALC + roles transitivos, jerarquías de roles (H), roles inversos (I) , restricciones numéricas cualificadas (Q)

ExpTime OIL

SHIF (D) S, jerarquías de roles (H), roles inversos (I) , roles funcionales (F )

ExpTime OWL Lite

SHOIN(D) SHIQ + restricciones numéricas no cualificadas (N) + dominios concretos (D)

NExpTime OWL DL

SHOIQ(D) SHIQ + nominales , objetos (O) + dominios concretos (D)

NExpTime DAML+OIL

SROIQ SHOIN + tipos de roles N2ExpTime OWL 2

EL++ ⊤, ⊥, ,⊓ ∃, jerarquías de roles, nominales, dominios

Ptime (ont. biomed.)

OWL 2 EL

Razonadores DL


ClásicosCLASSIC, BACK, FaCT, Loom

Primeros orientados a la Web SemánticaCORBA-FaCT, RACER (servicio web), enlace con DAML y OWL

ActualesPellet

SROIQ(D), SWRL, SPARQL, razonamiento incr., justificaciones, Java, open source & comercial (Clark&Parsia)

HermitSROIQ(D), SWRL, Java, academic (Univ. Oxford)

FaCT++SROIQ(D), C++, academic (Univ. Manchester)

SREL+, Java, gubernamental (CSIRO’s Health Informatics, Australia)

[Fuente: K. Dentler et al, “Comparison of Reasoners for large Ontologies in the OWL 2 EL Profile”, Semantic Web 1(5), 2011]


Ejemplo 1: Familia.pl (BACK)

:- backinit, backtell(personas:<anything), backtell(conoce_a:<domain(personas) and range(personas)), backtell(padre:<conoce_a), backtell(conocidos:=trans(conoce_a)), backtell(padre_conocidos:=conocidos.padre), backtell(conocidos_lejanos:=conocidos and trans(padre)), backtell(hijos:=inv(padre)). extension :-

backtell(edu::personas and conoce_a:(josito and jonni) and padre:papaedu),backtell(josito::personas and conoce_a:edu and padre:papajosito),backtell(jonni::personas and padre:papajonni),backtell(papajonni::personas and conoce_a:edu).


Ejemplo 2: Proyectos.pl (1/2)

:- backinit, backstate(verbosity=silent), backtell(personas:<anything), backtell(nombre:<domain(personas) and range(string)), backtell(ocupacion:<domain(personas) and range(string)), backtell(jefes:=personas and ocupacion:'jefe'), backtell(proyectos:<anything), backtell(titulo:<domain(proyectos) and range(string)), backtell(miembros:<domain(proyectos) and range(personas)), backtell(superpro:=proyectos and atleast(3,miembros)), backtell(jefe:=miembros and range(jefes)).


Ejemplo 2: Proyectos.pl (2/2)

extension :-

backtell(jonni::personas and nombre:jonni and ocupacion:currito),

backtell(josito::personas and nombre:josito and ocupacion:currito),

backtell(nestor::personas and nombre:nestor and ocupacion:especialista),

backtell(edu::personas and nombre:edu and ocupacion:jefe),

backtell(josemi::personas and nombre:josemi and ocupacion:encargado).

backtell(aims::proyectos and titulo:aims and

miembros:allknown(personas and nombre:(edu or josito or josemi))).


Algunos campos de aplicaciónde las ontologías

• Bases de datos federadas

• Sistemas de información globales

• Agentes inteligentes


Problema

Telnet

IP WWW FTP

Archie

C C++ Java

Formularios

Interfaces ad hoc

Oracle Sybase

Informix

Semántica, formatos,

etc.


Objetivo

SemánticaFormatos


Bases de Datos Federadas (BDF)

• Esquema global (ontología) Datos• Bases de datos autónomas, diseño bottom-up• Enlace BDs – Ontología (GAV vs. LAV)

?


BDF: Arquitectura de 5 niveles

Esquema BD 1

Esq. Exportado 1

Esquema integrado (ont. integrada)

Esquema BD n

Esq. Exportado n

Vista 1 Vista m

Esq. Export. canónico n (ont2)Esq. Export. canónico 1 (ont1)

. . . . .

Traducción

Integración

. . . . .


Sistemas de Información Globales

Muchos depósitos de datos (miles, millones)Gran heterogeneidad a todos los nivelesAltamente dinámico y cambianteUn ejemplo: La Web

Adaptación de las técnicas conocidas a dicho contextoAún es objeto de investigación


Aproximaciones de los 90’s: clasificaciónSistemas de

Acceso a Información

Basados en Ontologías

Basados en palabras clave

Altavista,Yahoo!,Google

Basados en Agentes

TSIMMIS, DISCO

Una Ontología GlobalCarnot,

Information Manifold

Varias Ontologías

SIMS, InfoSleuth,

OBSERVER


Aprox. relevantes de los 90’s

SIMS (Univ. de California del Sur, 1992)

TSIMMIS (Univ. de Stanford & IBM, 1993)

Information Manifold (AT&T Bell Lab., 1994)

OBSERVER (Univ. Pais Vasco & UGA, 1995)

InfoSleuth (MCC, 1996)


Aproximaciones: Comparativa

Depósitos heterogéneos

Generación de wrappers

Capacidad de respuesta

Descr. semántica de datos

Interop. entre ontologías

Vocabulario compartido

Respuestas imprecisas

TSIMMIS

InfoSleuth

IM

OBSERVER

SIMS


Ejemplo: El sistema OBSERVER

• Sistema de Información Global– gran numero de fuentes de datos (con cualquier

organización de datos)

– múltiples ontologías (indepen. del sistema DL)

– depósitos de datos y ontologías reales

• Interoperación entre ontologías (división del espacio de información)– relaciones semánticas interontología

– traducción de preguntas con o sin cambio de semántica

– estimación del cambio de semántica


Arquitectura de OBSERVER

Ontology

Based

System

Enhanced with

Relationships for

Vocabulary

hEterogeneity

Resolution

Query Processor

Ontology Server

IRM

Relaciones Interontología

Ontology ServerOntology Server

Enlaces

EnlacesEnlacesEnlaces


Si

Expansión incremental a otra ontología

Acceso a los datos

Construcción de la pregunta

Procesamiento de Preguntas (Query Processor)

Seleccionar Ontología Usuario

Editar pregunta

Acceder datos subyacentes

Correlacionar ymostrar respuesta

Seleccionar ontología destino

Integrar nueva ont. y ont. usuario

Elegir plan con menor pérdida

Generar Planes

Más datos?

Comienzo

FinalNo


Multiples ontologías: Transformaciones de la

pregunta

Pregunta del usuario expresada en términos de la Ontología Usuario

Pregunta expresada en términos de la Ontología Destino

Pregunta expresada en Enlaces Respuesta expresada según la semántica de los depósitos

Respuesta expresada según la semántica de la Ontología Destino

Respuesta expresada según la semántica de la Ontología Usuario

Acceso a los datos subyacentes

Rel. del IRMF. Trans. Inv. del IRM

Traducción a EnlacesF. Trans. Inv. de enlaces

CorrelaciónF. Trans. de enlaces

CorrelaciónF. Trans. del IRM

Query Processor

Ontology Server


Pérdida semántica en respuestas

Respuesta relevante

Pérdida semántica

Pérdida en Precision

Pérdida en Recall

Respuesta obtenida

Respuesta relevante y obtenida


OBSERVER: aportaciones

• Uso de ontologías pre-existentes

Descripción de los depósitos de datos

• Manejo de relaciones interontología

Manejo de distintos vocabularios

• Procesamiento incremental

Acceso a gran número de depósitos

• Respuestas con pérdida de información

Estimación de la pérdida


Problemas de los sistemas de los 90’s• Integración estática de fuentes de datos

– La traducción e integración se hace “a mano” por humanos y cuesta bastante tiempo

– Generación no automática de la información de enlace• Hay que definir a mano el camino hacia los datos

– Generación no automática de las relaciones interontología• Hay que definir a mano las propiedades semánticas entre ontologías

– Sensible a nuevas ontologías/depósitos de datos• No relaciones entre los datos (constantes)

– Ej. (tema=“Marte”) (tema=“sistema solar”)

• Métodos de interrogación no adecuados para usuarios finales– Selección de la(s) ontología(s) para preguntar– Pregunta en DL ¿palabras clave, lenguaje natural?

• Imposibles de aplicar a contextos altamente dinámicos (como la Web)


Web Semántica

• Problemas con la Web actual– HTML

– Orientado a humanos

– Búsquedas sintácticas (palabras clave)

• Objetivos– Separar contenido de visualización

– Orientado a humanos y a programas (servicios)

– Búsquedas semánticas (expresar qué se está buscando)


Web Semántica• Definición

– Proyecto W3C desde aprox. 1999– Nueva filosofía– Red de ordenadores Espacio compartido– Documentos autodescritos– Procesable por máquinas (ni lenguaje natural, ni GUIs)– Enlaces indirectos (independencia de la localización)

• Claves– XML– Ontologías– Servicios Web


Objetivos de la Web Semántica

• Permitir un procesamiento de preguntas guiado por la semántica– Obtener sólo lo que el usuario busca

• Descubrir automáticamente información semántica en las ontologías disponibles en el sistema de información

• Descubrir automáticamente fuentes de datos relevantes


Web Semántica


Ejemplo de líneas de trabajo:Acceso a datos guiado por la semántica

• Cjto. de palabras clave pregunta formal (semántica bien definida)– ¿Significados de cada palabra? pool de ontologías– ¿Desambiguación de una palabra? contexto (el resto de palabras)– ¿Traducción a un lenguaje de representación del conocimiento?

combinaciones según operadores del lenguaje

• Pregunta formal datos– Descubrimiento de ontologías relevantes – Descubrimiento de fuentes de datos – Aplicación técnicas de sistemas de información federados

• Procesamiento incremental• Aproximación peer to peer?


Futuro Inmediato

• Sólo se ha comenzado a caminar– Aún tenemos mucho que aprender

• Muchos problemas por resolver– Equipos multidisciplinares

• Contexto complejo tecnológicamente– Dificultad para quien empieza

• La clave para conseguir algunos objetivos: balance entre velocidad y calidad


Sistemas de Agentes Inteligentes


Agentes inteligentes

• Son programas:– Autónomos– Actúan en representación de alguien– Tienen una agenda de objetivos– “Inteligentes”, aprenden

• Pueden también ser:– Cooperativos– Móviles

• Nuevo paradigma de diseño de software


Agentes móviles• Programa que se ejecuta en un cierto contexto de ejecución

o place, y viaja de place a place– Capaces de transportarse a sí mismos entre ordenadores– Necesita cierta infraestructura (plataforma de agentes)– Agentes móviles código móvil

• Alternativa a RPC


Movilidad: cómo funciona

• Los agentes móviles se crean en places– Viajan entre places

• moveTo(newHost)– Se interrumpe la ejecución del thread– Se serializa el código y el estado del agente– El agente se reconstruye en el place destino– Se continúa la ejecución a partir de donde se

interrumpió


Movilidad fuerte vs. Movilidad débil

• Movilidad fuerte– moveTo(newHost)

– En el destino se continúa con la siguiente instrucción

– La JVM no permite continuar a mitad de un método• Alternativa: cambiar la JVM incompatibilidad con otras JVM

• Movilidad débil– moveTo(newHost, callback)

– En el destino se continúa con el método callback• Se recomienda que el moveTo sea la última instr. del método

– Permitido por la JVM


Control de los saltos

• Problemas con el moveTo (red, permisos, etc.)– excepción place origen (política de reintento)

• Notificación de movimiento (Ej: Voyager)– preDeparture()

• En el origen, antes de iniciar el viaje

– preArrival()• En el destino, antes de la reconstrucción

– postArrival()• En el destino, agente reconstruido correctamente, justo antes del

callback

– postDeparture()• En el origen, en paralelo con el callback del destino


Utilizando agentes móviles

Robustez frente a desconexionesMejor diseño: delegación de tareasFacilidad de programación Plataformas de agentes

• Interoperabilidad• Fiabilidad• Escalabilidad

Eficiencia? RPC

0,1 M 0,2 M 0,45 M 1 M 2 M 4 M 8 M 16 M 33 M


Plataformas de agentes móviles• Aglets

– Buen API para agentes móviles– JDK 1.1 código abierto Java 2

• Voyager– CORBA + movilidad + activación + agentes– Problemas con los clones

• Grasshopper– Problemas de escalabilidad en el modelo de comunicación

• Tryllian– Miles de agentes (en la misma máquina)– Más lento

• SPRINGS– Alta escalabilidad (miles de agentes en distintas máquinas)


Referencias

• S. Franklin et al, “Is it an Agent or just a Program?: a Taxonomy for Autonomous Agents”, 3rd Workshop on Agent Theories, Architectures and Languages, 1996

• C. Harrison et al, “Mobile Agents: Are They a good idea?”, research report IBM (desclasificado como confidencial en 1995)

• J. Altman et al, “Using Mobile Agents in Real World: A Survey and Evaluation of Agent Platforms”.


Ejemplos de sistemasbasados en agentes

• Servicio de obtención de Software (SRS)

• Procesamiento de preguntas dependientes de la localización

• Generación adaptativa de interfaces gráficos

• Recopilación de citas bibliográficas


Servicio de Obtención de Software

• Alternativa a sistemas tipo Tucows

• Uso de una ontología de software– Construida automáticamente

• Vista común al usuario del software disponible

• Sensible a las necesidades de distintos usuarios

• Tecnología de agentes: creación, explotación (gestión del conocimiento)


Servicio de Obtención de Software


Procesamiento de preguntas dependientes de la localización

• El usuario se mueve

• Los objetos relevantes se mueven

• Ej: “Muestrame los taxis más cercanos” (formulada mientras andamos por la ciudad)

• La pregunta depende de la posición de algunos objetos móviles

• La respuesta se debe actualizar periodicamente


Despliegue de la red de agentes

BS2BS5

BS6

BS4 BS3

BS1

Monitor

BS0

(1)

(3)(3)

(2)

(2)

(3)

(3)

(3)


Generación adaptativa de interfaces gráficos

• GUI’s distintos para dispositivos distintos

• Descripciones XML del GUI

• Prototipo: agente móvil que genera GUI’s Java Swing, HTML, y WML


GUIs en Java Swing, HTML y WML

Recopilación de citas bibliográficas

SIUL02.SI.EHU.ES

SIPL17.SI.EHU.ES

VIERNES.CPS.UNIZAR.ESSISF00.SI.EHU.ES

BibTeX

BibTeX

BibTeX

San Sebastián

Zaragoza

BDpublications

ORDENADOR DEL USUARIO

Almagro

Voyager:9900

Voyager:9900

Voyager:9900

Navegador web

Apache Tomcat

Bib2DB

PostScript

ShowPubShowBibTeX


Carta a los reyes

• Necesitamos herramientas para– Especificación formal de sistemas móviles– Especificación de comportamiento complejo y sensible a

distintos entornos (imprevisibles)

• Mejores plataformas de agentes– Más robustas– Para dispositivos móviles– Para redes inalámbricas (Bluetooth, WiFi)– Interoperables


¿Futuro?

• Mucho trabajo por hacer– Mejorar aproximaciones tipo SIMS, OBSERVER

– Papel de las ontologías– DAML OWL ???

– Considerando:– La Web– Nuevos dominios (computación móvil)– Nueva tecnología software (agentes, OWL, etc.)

– Nuevo gran objetivo: Web semántica


Fin de la presentación

Graciaspor su atención

http://www.cps.unizar.es/~mena/

Ontologías y Agentes Máster “Ingeniería del Software, Métodos Formales y Sistemas de...

Documents

Transcript of Ontologías y Agentes Máster “Ingeniería del Software, Métodos Formales y Sistemas de...