UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Facoltà di Ingegneria – Sede di Modena Corso di Laurea in Ingegneria Informatica Query Processing by Semantic Reformulation _________________________ Elaborazione di Interrogazioni tramite luso di Corrispondenze Semantiche Relatore Tesi di Laurea di Prof.ssa Sonia Bergamaschi Raffaele Capezzera Correlatore Ing. Maurizio Vincini Anno Accademico

2 Query Processing by Semantic Reformulation Sommario Ambito di ricerca SEWASIE Brokering Agent DAML-S Broker Elaborazione di interrogazioni Riformulazione Implementazione Conclusioni e ricerca futura

3 Query Processing by Semantic Reformulation Annuncio delle capacità di servizio vs Annuncio delle capacità di servizio Preferenze richieste Capacità pubblicizzate Preferenze richieste vs Capacità pubblicizzate Intermediazione di servizi Matchmaker capacità preferenze Conosce le capacità dei fornitori ma non le preferenze dei richiedenti servizio Non si interpone nello scambio del servizioBroker capacità preferenze Conosce sia le capacità dei fornitori che le preferenze dei richiedenti servizio Si interpone nello scambio del servizio Intermediario Richiedente 1 Richiedente 2 Richiedente 3 Fornitore 1 Fornitore 2 Fornitore 3 Richiesta di servizio Interrogazione

4 Query Processing by Semantic Reformulation Ambito di ricerca Come può un broker determinare se una interrogazione verrà soddisfatta da una sorgente di dati che si sia in precedenza esposta? Sistemi di integrazione intelligente di informazioni Web semantico Agenti Logiche descrittive Rappresentazione di ontologie Analisi e sviluppo delle funzionalità comuni SEWASIE Brokering Agent (BA) DAML-S Broker (DSB)

5 Query Processing by Semantic Reformulation SEWASIE Brokering Agent Funzionalità richieste Protocollo di comunicazione Protocollo di comunicazione per linterazione con Query Agent ed SINode Accoppiamento semantico Accoppiamento semantico dei termini di un interrogazione rispetto allontologia di riferimento per individuare lSINode più adeguato a rispondere Specifiche ODL I3 Ontologia di riferimento comune in ODL I3 OQL I3 Interrogazioni in OQL I3 Brokering Agent Query Agent 1 Query Agent 2 Query Agent 3 Ontologia di riferimento SINode Virtual Data Store SEWASIE SEWASIE (SEmantic Webs and AgentS in Integrated Economies, è un motore di ricerca avanzato per laccesso intelligente tramite arricchimento semantico a sorgenti dati eterogeneee sul Web SINode Virtual Data Store SINode Virtual Data Store

6 Query Processing by Semantic Reformulation Sistemi di integrazione a mediatore Utente - Applicazione Mediatore Wrapper 1 Sorgente dati 2Sorgente dati 1Sorgente dati 4Sorgente dati 3 Wrapper 2 Wrapper 3 Wrapper 4 Mediatore Utente – Applicazione Sistemi di integrazione a mediatore GAVLAVOntologiaInfrastruttura MAS Capacità di interrogazione esplicite Capacità di contenuto esplicite MOMIS - -- TSIMMIS --- Information Manifold - -- SIMS -- Carnot -- InfoSleuth - capacità di interrogazione capacità di contenuto Descrizione delle capacità di interrogazione e delle capacità di contenuto di una sorgente dati Wrapper Decisione sulla esprimibilità rispetto alle sorgenti dati Mediatore Riscrittura di interrogazioni in base alle capacità delle sorgenti Interrogazione

7 Query Processing by Semantic Reformulation DAML-S (Web service semantici) Web semantico Annotazione semantica dei contenuti del Web (RDF, DAML, OIL, OWL,...) Web service Interazioni tra agenti per lo scambio di servizi sul Web (SOAP, WSDL, UDDI,...) DAML-S Ontologia e linguaggio annotato per la descrizione semantica di Web service ServiceGrounding supports Service describedBy presentsServiceModel accoppiamento semantico Indicazione dei più adeguati fornitori di servizio per una data richiesta tramite accoppiamento semantico delle capacità espresse dai rispettivi ServiceProfile capacità Linguaggio di descrizione delle capacità offerte e delle capacità richieste ServiceProfile input output precondition effect

8 Query Processing by Semantic Reformulation DAML-S Broker accoppiamento semantico Algoritmo di accoppiamento semantico dei ServiceProfile Gli output promessi dal fornitore devono includere gli output voluti dal richiedente Funzionalità richieste Linguaggio di interrogazione Conversione di interrogazioni in richieste ossia ServiceProfile Corrispondenze semantiche tra gli input forniti dal richiedente e gli input richiesti dal fornitore Scelta del più appropriato fornitore tra quelli indicati dallalgoritmo di accoppiamento semantico

9 Query Processing by Semantic Reformulation Interazione tra QA, BA ed SINode Soluzioni Proposte Protocollo di comunicazione Protocollo di comunicazione per il SEWASIE Brokering Agent ibrido tra broker e matchmaker Accoppiamento semantico Accoppiamento semantico tra i ServiceProfile che rappresentano richiesta ed annuncio di servizio per il soddisfacimento di una interrogazione 2. Interrogazione 3. Conversione da interrogazione a richiesta in forma di ServiceProfile 1. Annuncio capacità in forma di ServiceProfile 5. Indicazione del SINode 6. Riscrittura interrogazione 6. Interrogazione 8. Risposta 7. Elaborazione risposta 4. Accoppiamento semantico Query Agent Brokering Agent SINode Virtual Data Store

10 Query Processing by Semantic Reformulation Elaborazione di interrogazioni Premesse Interrogazioni poste al DAML-S Broker in DAML Query Language (DQL) Ontologia di riferimento comune tra richiedente, broker e fornitore Algoritmo di accoppiamento semantico delle capacità espresse dai ServiceProfile Capacità rappresentate da concetti istanzevariabili concetti Da istanze e variabili dellinterrogazione iniziale in concetti per operare lalgoritmo di accoppiamento semantico concetti istanze Da concetti dellinterrogazione astratta ed istanze dellinterrogazione iniziale in concetti ed istanze richiesti dal fornitore indicato dallalgoritmo di accoppiamento semantico Sviluppo 1. Astrazione 3. Riscrittura 2. Accoppiamento semantico Riformulazione

11 Query Processing by Semantic Reformulation Ontologia di riferimento Elemento di OWL DLDescrizione di ODL I3 Rappresentazione in logica descrittivaSignificato owl:Thing - T concetto universo owl:Nothing - concetto vuoto owl:Class interface, view C concetto astratto owl:DataRange B D intervallo concreto owl:ObjectProperty attribute R ruolo astratto owl:DatatypeProperty attribute U ruolo concreto owl:inverseOf - R-R- ruolo inverso owl:SymmetricProperty - -R-R ruolo simmetrico owl:TransitiveProperty - R+R+ ruolo transitivo owl:intersectionOf and C1 C2C1 C2 congiunzione owl:unionOf union C 1 C 2 disgiunzione owl:complementOf - C negazione owl:one of range, enum {o 1, o 2, …, o l }, {v 1, v 2, …, v m } enumerazione owl:Restriction… owl:onProperty rule R.C, U.D restrizione owl:someValuesFrom exists R.C, U.D quantificazione esistenziale owl:allValuesFrom attribute set, forall R.C, U.D quantificazione universale owl:hasValue - R : o 2, U : v quantificazione su individui owl:Cardinality - = n R, = n U restrizione numerica owl:maxCardinality - n R, n U restrizione minorativa owl:minCardinality - n R, n U restrizione maggiorativa OWL DL Rappresentata nel linguaggio OWL DL (inferenze decidibili e complete) ODL I3 Sostanziale equivalenza col linguaggio ODL I3

12 Query Processing by Semantic Reformulation Riformulazione (1) Interrogazioni formulate come triple (predicati binari) Termini variabili intesi come output Termini non variabili intesi come input Similarità semantica (strutturale e lessicale) come euristica Utilizzo di relazioni intra-ontolologiche Interrogazione: P(a, B) Se A t.c. a A(a) KB A(a) allora Abstract(a) = A. Quindi, interrogazione astratta: P(A, B) Interrogazione: P(x, B) Se A i {A 1, A 2, …, A n } t.c. C: P P(A i, C) KB P(A i, C) allora Abstract(x) = A i. Quindi, interrogazione astratta: P(A i, B) Interrogazione: P(A, y) Se B i {B 1, B 2, …, B m } t.c. C: P P(B i, C) KB P(B i, C) allora Abstract(y) = B i. Quindi, interrogazione astratta: P(A, B i ) Astrazione Di variabili Di istanze has+father(John, y) has+father(person, y) has+father(John, man)

13 Query Processing by Semantic Reformulation Riformulazione (2) Riscrittura Riscrittura di istanze Istanza origine: a = a 0, Concetto origine: A = A 0 s.t. a 0 A 0 (a 0 ) KB A 0 (a 0 ), Concetto obiettivo: B = A n, Percorso Triple (A 0, A n ) = {(A 0, P 1, A 1 ), (A 1, P 1, A 2 ),..., (A n-1, P n, A n )}. a 0 può essere riscritta in un istanza a n t.c. a n A n (a n ) KB A n (a n ) sse a 1 t.c. (P 1 P 1 (a 0, a 1 ) KB P 1 (a 0, a 1 )) (P 1 P 1 (a 1, a 0 ) KB P 1 (a 1, a 0 )), a 2 t.c. (P 2 P 2 (a 1, a 2 ) KB P 2 (a 1, a 2 )) (P 2 P 2 (a 2, a 1 ) KB P 2 (a 2, a 1 )), … a n t.c. (P n P n (a n-1, a n ) KB P n (a n-1, a n )) (P n P n (a n, a n-1 ) KB P n (a n, a n-1 )) Trasformazione di concetti Concetto origine: A = A 0, concetto obiettivo: B = A n. A può essere trasformato in B sse P 1 t.c. (P 1 P 1 (A 0, A 1 ) KB P 1 (A 0, A 1 )) (P 1 P 1 (A 1, A 0 ) KB P 1 (A 1, A 0 )), P 2 t.c. (P 2 P 2 (A 1, A 2 ) KB P 2 (A 1, A 2 )) (P 2 P 2 (A 2, A 1 ) KB P 2 (A 2, A 1 )), … P n t.c. (P n P n (A n-1, A n ) KB P n (A n-1, A n )) (P n P n (A n, A n-1 ) KB P n (A n, A n-1 )), Quindi, Percorso(A 0, A n ) = Percorso(A 0.A 1.A 2. ….A n-1.A n )

14 Query Processing by Semantic Reformulation Trasformazione di concetti - Esempio Relazioni utilizzabili per la trasformazione di concetti equivalentClass equivalentClass subClassOf subClassOf intersectionOf intersectionOf unionOf unionOf ObjectProperty ObjectProperty DatatypeProperty DatatypeProperty Caratteristiche dellalgoritmo Decidibile Completo Ordinamento dei percorsi trovati Strategia breadth first con euristica

15 Query Processing by Semantic Reformulation Implementazione e ragionatori Componente software modulare e flessibile scritto in Java Ausilio dellontologia lessicale WordNet Ausilio di RACER quale ragionatore RagionatoriRagionamento a posteriori Ragionamento a posteriori Logica descrittiva implementata Linguaggio di rappresentazione Linguaggio di interrogazione Mondo aperto Mondo chiuso Java API ODB-Tools--OCDL, OLCDODL, ODL I3 OQL, OQL I3 -- JTP --KIF DAMLJessKB- -JESS - FaCT--SHIQ, SHFKRSS - RACER--SHIQKRSS -

16 Query Processing by Semantic Reformulation Conclusioni capacità di interrogazione Nei sistemi di integrazione di dati a mediatore la descrizione delle capacità di interrogazione permette di risolvere il CBR ed QED DAML-S Broker DAML-S come linguaggio di descrizione delle capacità di un Web service permette al DAML-S Broker la scoperta dei fornitori di servizio più adatti per un certo richiedente SEWASIE Brokering Agent accoppiamento semantico Inquadrare il SEWASIE Brokering Agent come ibrido tra broker e matchmaker ed inscriverlo entro il paradigma DAML-S gli giova le richieste funzionalità di accoppiamento semantico riformulazione astrazione riscrittura Lelaborazione di interrogazioni comprende sottoprocessi quali riformulazione ed accoppiamento semantico. La riformulazione di interrogazioni è costituita da astrazione e riscrittura. similarità semantica Nella astrazione da variabili a concetti e nella trasformazione di concetti per la riscrittura di interrogazioni si utilizza una euristica basata su similarità semantica (coadiuvata da WordNet) Pur essendo stata proposta per dotare il DAML-S Broker delle funzionalità richieste, la riformulazione di interrogazioni è applicabile ogni qualvolta sia necessario astrarre e riscrivere termini rispetto a determinati concetti di riferimento OWL DL ODL I3 Lintero processo sfrutta relazioni intra-ontologiche di una ontologia in OWL DL. Una ontologia in ODL I3 è parimenti utilizzabile.

17 Query Processing by Semantic Reformulation Ricerca futura Interrogazioni formulate come congiunzioni di predicati binari Interpretazione di predicati binari Accoppiamento semantico di predicati binari Riformulazione dei termini di una interrogazione per ottenere tutti i parametri di un DAML-S ServiceProfile, non solo input ed output. Specifica analisi di interrogazioni in DQL ed OQL I3 Utilizzo di ODB-Tools come ragionatore Interfaccia per permettere al DAML-S Broker di processare interrogazioni DQL Ottimizzazione degli algoritmi implementati per la riformulazione di interrogazioni con ulteriori euristiche

18 Query Processing by Semantic Reformulation Bibliografia essenziale Jose Luis Ambite, Craig A. Knoblock, Ion Muslea and Andrew Philpot. Compiling Source Descriptions for Efficient and Flexible Information Integration. Journal of Intelligent Information Systems, vol. 16, no. 2, pp V. Vassalos and Y. Papakonstantinou. Expressive Capabilities Description Languages and Query Rewriting Algorithms. Journal of Logic Programming, vol. 43, no. 1, pp Sonia Bergamaschi, Silvana Castano, Domenico Beneventano, and Maurizio Vincini. Semantic Integration of Heterogeneous Information Sources. Special Issue on Intelligent Information Integration, Data & Knowledge Engineering, vol. 36, No. 1, Pages Elsevier Science B.V Massimo Paolucci, Takahiro Kawamura, Terry R. Payne, and Katia Sycara. Semantic Matching of Web Services Capabilities. Proceedings of the first International Semantic Web Conference (ISWC), LNCS 2342, pp Springer Verlag Franz Baader, Ralf Küsters, and Ralf Molitor. Rewriting Concepts Using Terminologies. Proceedings of the Seventh International Conference on Knowledge Representation and Reasoning (KR2000) Ian Horrocks, Peter F. Patel-Schneider, and Frank van Harmelen. From SHIQ and RDF to OWL: The Making of a Web Ontology Language. Journal of Web Semantics, vol. 1, no Volker Haarslev and Ralf Möller. RACER Users Guide and Reference Manual Version November 7, 2003.

Elaborazione di interrogazioni tramite luso di corrispondenze semantiche Query Processing by Semantic Reformulation Raffaele Capezzera Grazie per lattenzione