R. TURCO 1

NUOVE METODOLOGIE

La Knowledge Base e le Ontologie possono rappresentare una efficace

metodologia di progettazione , che può sfruttare facili componenti

ontologici da implementare oppure implementati e disponibili come

palette sugli editor (esempio su Eclipse).

Disporre di strumenti di tal genere consente una facile progettazione,

soprattutto concettuale, rendendo lo sviluppo light e con pochi errori e

anomalie

E’ una metodologia da vedersi collocata nell’ambito della progettazione a

componenti e dei framework.

2

ONTOLOGIE E KNOWLEDGE BASE Definizione

Quella più pratica è che una ontologia permette di classificare/raggruppare oggetti di

un dominio ed ottenere inferenze su essi, attraverso un «reasoner» (un engine di

inferenza)

Una Ontologia è costituita da:

Classi

Individuals (Istanze di Classi, la valorizzazione della Classe)

Object Property (relazioni binarie tra Individui)

Data Property (relazioni binarie tra Individuo e dato)

Una definizione pratica di Knowledge Base, è, invece, quella che la indica come un

insieme di ontologie; dietro ci sono i concetti del filosofo Russel e degli assiomi della

Matematica, gli insiemi di insiemi etc, ricordate Peano etc?

Anche il DB relazionale è un concetto matematico. La Knowledge base punta agli stessi

concetti del Prolog e del RDF: Soggetto, Predicato ed Oggetto.

3

ONTOLOGIE

Non sono esclusiva del Semantic Web 2.0.

Sono un paradigma di programmazione potente quanto l’Object Oriented e

permette la realizzazione di componenti e framework intelligenti, palette

sotto Eclipse per componenti Ontologici.

Sono già diffuse ed esistono molti strumenti tecnologici standard e stabili:

RDF, OWL2 , SPARQL-DL, protocollo SPARQL su http/https SOAP etc

Permettono ad esempio creazione di:

dynamic registry (fornire la lista degli IP di un web service, di abitanti di un

palazzo, di dipendenti di una unità di azienda, mappe geografiche etc)

rules engine o mapper dinamici (fornire la lista di regole di business a fronte di

un evento o di mapping XSLT),

Information Retrieval: Dati/Image/Video/Voce (accoppiabile anche a Lucene)

Crawler per Social Network (per FOAF etc)

Servizi domotici per creare una interfaccia sw che mette d’accordo vari

dispositivi su rete

Regole ontologiche per fare deduzioni (SWRL con Jena e plug-in) nell’ambito di

applicazioni

4

ONTOLOGIE

5

ONTOLOGIE

6

ONTOLOGIE

7

KNOWLEDGE BASE VS DATA BASE

Quand’è che la Knowledge base è superiore ad un Data base?

Se si fa leva sulla generalizzazione e si riesce con uno stesso «engine» a

trattare una stessa «Classe di Problemi». Una Knowledge Base è in

grado di trattare N ontologie, indipendentemente da nomi di schema

DB, tabelle, colonne e indipendentemente dalla lunghezza delle

colonne, riuscendo a interrogarle simultaneamente, anche

condividendone i dati.

Le Ontologie inoltre sono utili a creare metadati e annotations anche

collaborative.

8

CLASSE DI PROBLEMI - ENGINE ONE WAY

Spesso in un’azienda ciò che serve al cliente è progettabile con una sola astrazione concettuale.

In molte aziende, piccole o grandi, indipendentemente dal processo di management, spesso serve una sola cosa:

«Dato un argomento e una informazione chiave, determinare una lista di informazioni correlate anche non omogenee, di qualsiasi tipo (voce, video, e-mail, immagine, fax, numero di telefono etc) e dove ha importanza la relazione».

Questa classe di problemi se si progettano correttamente le ontologie sono trattabili con un solo engine di Knowledge Base.

La lista delle persone che abitano nel palazzo e che sono dipendenti che lavorano a via Depretis e che sono abbonati a Sky e al Napoli calcio sono ricerche su almeno 4 ontologie incrociate da un solo engine.

9

PARTIZIONAMENTO DI UNA ONTOLOGIA

Una ontologia può essere realizzata anche con m file, ognuno dei quali costituisce una partizione, ordinata secondo la informazione chiave di ricerca o più informazioni, rendendo possibile a monte dell’engine di Information Retrieval, una pre-ricerca B-tree, sui nomi dei file, con un algoritmo che dipende dal logaritmo.

Ad esempio un elenco pagine bianche ordina per tipo di lavoro e per ordine alfabetico del cognome

Il partizionamento di un’ontologia è un fenomeno concettuale, ed è un errore demandarlo al partizionamento fisico del software ovvero a suddivisioni di engine successivi: basta un solo engine con pre-ricerca dei file (un index sostanzialmente) ed un partizionamento della ontologia.

E’ un aspetto importante quando occorre lavorare con grandi numeri; rispetto a più engine c’è risparmio di memoria.

Si possono realizzare Regole di Partizionamento (con altre ontologie ed uso di SWRL SweetRules)

10

RULES ENGINE

Un rules engine di business è un framework ontologico, ad esempio, che

lavora su una ontologia definita come «Sistemi sottoscritti a notifiche»,

«Notifiche», «Regole di applicazione». Il problema che affrontano è:

«Un sistema BPM o un ESB, fornita la notifica vuole sapere la lista dei

sistemi interessati alle notifiche e le regole, per ogni sistema

interessato, per inoltrare o meno la notifica al sistema sottoscritto»

Un rules engine in generale è un framework anche con regole ontologiche

per dedurre una serie di fatti e restituire l’azione da compiere.

11

FRAMEWORK KBFE

KBFE è un piccolo framework Java, un engine di «knowledge base» che

si poggia su tecnologie note e stabili:

Jena 2.6.4,

Pellet 2.2.2 (reasoner),

SPARQL,

Log4J

Twickle (editor SPARQL) 2-0,

Protegè 4.1 per la modellazione della Ontologia in RDF/OWL2/XML, WSDL

SOA

Scritto con Oracle Workspace Studio e gira su BEA WebLogic 10.3.x,

Sfrutta lo standard RDF/OWL/XML del www.w3.org

KBFE è un componente, si può rendere jar o paletta di Eclipse

12

ORACLE WORKSPACE STUDIO

13

ARCHITETTURA KBFE

14

Cluster sw BEA

KBFE KBFE

IP cluster sw

Viene deployato su WebLogic con una

architettura affidabile e scalabile (cluster

sw BEA).

KBFE STACK SW E PRODOTTI

15

KBFE

SPRQL-DL

Jena 2.6.4 Pellet

2.2.2

OWL

Cache script query

SPARQL

Cache

Ontologies

Twinkle

2.0 Protegè 4.1

WSDL SOA

Non necessario un Database

Log4J

SOAP-UI

WEBSERVICES (HTTP/SOAP)

16

webservice

ontologia

Individual

output

In input arrivano 2 par:

• il nome dell’ontologia di interesse (corrispondente)

• Il nome dell’individual chiave

Fornisce un output, TXT o XML.

CONFIGURAZIONE

E’ semplice

• Per il logging con Log4J.properties (sotto il dominio BEA)

• Per molti parametri con KBFE.properties (sotto il dominio BEA)

• Per l’ontologia (sotto il dominio BEA)

• Per gli script SPARQL (sotto il dominio BEA in directory dbquery)

17

PROTEGÈ – CLASSI E ISTANZE

18

PROTEGÈ – OBJECT PROPERTY, DOMAIN E

RANGE

19

PROTEGÈ – REASONER E DL QUERY

20

PROTEGÈ

Con Protegè si progetta in OWL2 il modello ontologico:

Classi

Object Property

Data Property

Individuals

Col reasoner (Fact++) si può:

verificare la consistenza tra la Asserted Class Gerarchy e la Inferred Class

Gerarchy

verificare il modello con il DL-query TAB

Si salva l’ontologia, come OWL di tipo RDF/XML; l’ontologia è il motore di

ragionamento e inferenza per KBFE, la base di conoscenza (Knowledge Base).

Un reasoner può dedurre cose non esplicitate: l’ontologia può auto-imparare!

21

TWINKLE

22

TWINKLE

Con Twinkle si può:

Progettare le query SPARQL

Testare le query SPARQL

Salvare gli script SPARQL per la cache

23

ESEMPIO RULES ENGINE

Si vuole che un ESB a fronte di un evento di notifica chieda al Rules Engine

quali sono i sistemi sottoscritti a tale notifica.

24

Usiamo il Framework KBFE!

KNOWLEDGE BASE

Classi:

SistemaSottoscrittore

TipoNotifica

NotificaBilling

NotificaDelivery

25

SistemaSottoscrittore ATOM

NBS

TipoNotifica

NotificaBilling

Notifica

Delivery

NotB1

èSottoscrittoANotifica

RDF/OWL

26

SPARQL-DL

Cercare i sistemi sottoscritti alla notifica NotDel1

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>

PREFIX xsd: <http://www.w3.org/2001/XMLSchema#>

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>

PREFIX table: <http://www.semanticweb.org/UniversityOntologies/2011/2/23/Ontology1300891609561.owl#>

SELECT ?x

FROM <file:/C:/Users/37509490/Desktop/OWL/Rules/Notifiche.owl>

WHERE

{

?x table:èSottoscrittoANotifica table:NotDel2

}

27

SPARQL-DL

28

SPARQL-DL

Cercare tutti i sistemi sottoscritti alle notifiche

PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>

PREFIX xsd: <http://www.w3.org/2001/XMLSchema#>

PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>

PREFIX table: <http://www.semanticweb.org/UniversityOntologies/2011/2/23/Ontology1300891609561.owl#>

SELECT ?x ?y

FROM <file:/C:/Users/37509490/Desktop/OWL/Rules/Notifiche.owl>

WHERE

{

?x table:èSottoscrittoANotifica ?y

}

29

SPARQL-DL

30

SOAPUI 3.6.1 - TEST MASSIVO

31

• Possibile configurare una Test Suite per testare in modo massivo ogni

ontologia e ottenere subito i risultati di ogni test

VANTAGGI 1 Sviluppo solo concettuale con minori anomalie:

Protegè per il modello delle Ontologie necessarie

Twinkle per la progettazione degli script SPARQL-DL

Deploy a caldo di:

modello ontologico e script

Engine identico per la stessa «classe di problemi» ontologici

• cambia solo l’Ontologia e gli script

Prestazioni:

• tipiche di http/SOAP

32

VANTAGGI 2

• Può restituire REGOLE usando i dataProperty

• Possibilità di aggiungere nuovi engine per altre «classi di

problemi» (è raro)

• Manutenzione ridotta allo sviluppo concettuale e al test

• Non esclude utilizzo di DB

• Cache su files e non SPARQL su https con traffico di rete

• Lascia aperta, in caso di emergenza (rarissimo) a soluzioni di

Workflow con Workshop e di utilizzo di un DB. Ma Il DB NON è

necessario, si usano le cache su filesystem.

• Uso di RDF/XML porta ad avere script SPARQL più simili al SQL

• Maggiore facilità di sviluppo e di comprensione del sistema.

33

CONFRONTIAMOLO CON ALTRI PRODOTTI

Per avere un termine di paragone serio e importante di valutazione per

KBFE si può confrontare con prodotti di mercato.

34

KBFE mercato

Deploy a caldo SI NO

Engine one-way SI NO

Sviluppo

concettuale

SI SI-NO

Nessun DB SI Richiede DB

Semplicità

sviluppo

SI SI-NO

Semplicità

supporto

SI NO

Prestazioni buone buone

Traffico Rete minimo Minimo

Restituisce regole SI NO, le applica

CONFRONTIAMOLO CON ALTRI PRODOTTI

35

KBFE mercato

Conoscenza

tecnologia

SI SI

Open e Open

Source

SI NO

Licenze Solo WLS SI

Impatti Modifiche

Sui Test

Nessuna, ogni

rilascio è

indipendente

NO il rilascio è

dipendente

Usa prodotti noti SI (WLS) NO anche altro

Dipendenza del

Charset

evitare su

Protegè caratteri

accentati per

garantire UTF-8

NO

Partizionamento e

memoria minore

SI Tramite EAR

FUNCTION POINT

36

KBFE

INPUT

Input : gli eventi (notifiche)

ILF : ontologia/WSDL

Output : Info restituite (script)

ILF

OUTPUT

PASSIAMO AI FATTI …

Una DEMO è meglio delle chiacchiere e del fumo …

Cosa c’è dietro la nuvola? Vediamo …

37

CASE STUDY

1 - Aggiungiamo una notifica

2 - Aggiungiamo un sistema

3 - Lavoriamo con più ontologie e lo stesso engine

38

CONCLUSIONI

Che ne pensate ora?

39