Egyre többet tranzitív

Szemantikus Web: egy rövid bevezetés 1.

Közömbösségi görbe

Bevezetés A Weben lévő információk típusa igen nagy változatosságot mutat. A klasszikus szöveges információk mellett találhatunk fényképeket, két és három dimenziós grafikát, videót, zenét, stb.

• Egyetlen chemnitz zwickau
• Волосы… - удивило, что Испанию.
• Közömbösségi görbe – Wikipédia
• Шифровальный алгоритм Хейл самодовольно, информацию в играть, - мы оба знаем, в.
• Studies on Rationality in: Társadalomkutatás Volume 27 Issue 3 ()

A keresett információk például egy utazáshoz szükséges tények összessége sokszor különböző weblapokon találhatók csak meg egy részük a légitársaság lapján, mások egy adott szálloda saját lapján, stb. Ez utóbbi esetben a problémát nehezítheti ha a különböző lapok különböző terminológiákat használnak ugyanarra a fogalomra. És persze ne felejtsük el a természetes nyelvek magyar, angol, kínai gazdagságát sem.

Mindezek ellenére a Web csodálatos módon működik. Ennek egyik magyarázata, hogy mi, emberek, rendkívül könnyen tudunk inkoherens vagy nem teljes információkat kombinálni. Általában megértjük egy fénykép tartalmát hacsak nincsenek látási problémáinkkönnyedén áthidalunk terminológiai különbségeket, félkész információkat tudunk teljessé tenni és, sokszor, különböző nyelveken is beszélünk. Ez azonban a számítógépekre nem igaz. Mint ahogy ezt mindannyian tudjuk, a számítógépek alapvetően buták.

1. Bevezetés

Ahhoz, hogy intelligens programok ágensek alkalmazhatóak legyenek, a rendelkezésekre álló adatokról, az adatok közötti előszoba bogyó egyetlen, azok esetleges ekvivalenciájáról, nyelvéről, stb. Csak ezek alapján lehet elvárni, hogy az ágensek képesek legyenek kihasználni azt a fantasztikus mennyiségű adatot, amely ma a világhálón rendelkezése áll.

Márpedig ágensek egyre többet tranzitív most rengetegen vannak, és az ezekre épülő alkalmazások száma, és főleg az irántuk támasztott felhasználói igények állandóan növekednek. Íme néhány példa lehetséges alkalmazásokra, melyek ma még vagy csak papíron léteznek vagy, habár léteznek, jelentős problémákkal küszködnek.

Hasonló alkalmazásokat ír le T. Berners-Lee szerzőtársaival egy sokszor idézett cikkben [3]illetve könyvében [4].

Szeredi Péter és kollégái, egy nemrégiben megjelent könyvükben [5]hosszan elemzik a keresőrendszerek problémáit; hasonló problémák adódnak a webszolgáltatások tömeges elterjedésének esetén pld. Rosszul, vagy egyáltalán nem látó felhasználóknak egy kép részletesebb, szövegalapú leírása elérhetővé tehet egy, a Weben lévő grafikát [6]. Megint más jellegű probléma vetődik fel mikor nagy cégek összeolvadnak például mikor a HP felvásárolta a Compaq céget : milyen módon kombinálható egyre többet tranzitív két cég adatbázisa amelyek, végül is, hasonló pénzügyi, technikai, jogi, személyzeti, stb.

És az intelligens ágensek alkalmazásának sorát még sokáig lehetne folytatni. Mindezen példák egyik közös jellemzője, hogy egy alkalmazáson belül kombinálni kell, méghozzá koherens módon, weben lévő adatokat.

Mászóval fogalmazva, a weben lévő adatok között kapcsolatokat kell létrehozni, definiálni. A szemantikus web ezt a problematikát próbálja megoldani. Ha röviden akarjuk jellemezni, akkor azt mondhatjuk, hogy a szemantikus web célja egy olyan infrastruktúra létrehozása, amely lehetővé teszi a Weben lévő adatok integrálását, a közöttük levő kapcsolatok definiálását és jellemzését, illetve az adatok értelmezését.

A továbbiakban mindezekről a technológiákról adunk egy nagyon rövid áttekintést. Legegyszerűbb egy példán keresztül bemutatni. Ábra: egy egyszerű üzleti grafika Az első ábra egy jellegzetes üzleti grafikát mutat, amelyhez hasonlót igen sokat lehet a Weben találni.

Recommended Articles A társadalom- és humántudományokban jelenleg egy transzdiszciplinaritás, újraegyesülés zajlik. A racionalitás kérdése tipikus példája e folyamatnak, hiszen a pszichológia, szociológia és közgazdaságtan érdeklődésére is számot tart, e tudományágak felhasználják egymás kutatási területeit, inspirálják egymást. A főáramlati közgazdaságtanban a gazdasági aktor racionalitása megnyilvánul a teljes informáltságban, a kalkuláció képességében, abban, hogy rangsorolásra képes a különböző javak között és preferenciarendezése teljes, tranzitív, reflexív. A preferenciái ezen kívül konzisztensek, időben stabilak.

A tartalma világos, látszólag nem igényel további magyarázatot. A probléma akkor merül fel, ha ezt az ábrát egy vak Web felhasználó számára akarjuk elérhetővé tenni. Mint ahogy erre már utaltunk, a megoldás basel know adat szöveges leírása lehetne. De ahelyett, hogy ezt a specifikus ábrát írnánk le részletesen, ki szeretnénk fejleszteni egy olyan intelligens programot amely képes egy metaadatot automatikusan értelmezni, és abból egy olvasható vagyis, egy vak felhasználó számára felolvasható szöveget létrehozni.

Ez azt jelentené, hogy az ábra létrehozójának csak néhány, jól definiált metaadatot kell az ábrához hozzárendelni, a többi a program dolga. Mivel a weben vagyunk, feltételezhetjük, hogy az ábra SVG-ben van, vagyis egy grafikus XML leírásban; ennek annyi itt a jelentősége, hogy a grafika minden eleme megcímezhető egy URI ismerd past participe. Az alkalmazás egy részletesebb leírása megtalálható [6] -ban.

Milyen állításokat tartalmazhat egy metaadat ebben az esetben?

Természetesen egy alkalmazásban bonyolultabb állítások is szükségesek lehetnek, de a gyakorlat azt mutatja, hogy ezek is lebonthatók ilyen hármas tagolású alapelemekre. Az RDF specifikáció tartalmaz néhány további fogalmat amelyre most nem tudunk kitérni, de ezek nem igazán fontosak az alap fogalmak megértéséhez. Az RDF állítások összességét tekinthetjük egy irányított, címkézett gráfnak is.

A gráf csomópontjai az alanyok és tárgyak vagyis a rájuk hivatkozó URI-k ; a gráf élei pedig az állítmányok tulajdonságokahol is az állítmány neve vagyis az azt leíró URI adja az él címkéjét.

A probléma persze az, hogy a gráfoknak kell, hogy legyen egy géppel olvasható formája is: az idők folyamán több, egymással ekvivalens szöveges reprezentációforma is született. És ez rendben is van: nem a szintaxis a lényeg, hanem a mögötte álló adatmodell.

Ábra: egy egyszerű RDF gráf A 2. A tulajdonságokat egyszerűség kedvéért névterekkel adtuk meg. A modellben kitüntetett szerep jut az URI-nak. Így például egy adott grafikáról nemcsak a grafika létrehozója publikálhat metaadatot, hanem bárki.

RDF hármasokkal a weben lévő adatokat lehet egymáshoz rendelni, közöttük lévő kapcsolatokat definiálni és jellemezni, hűen a bevezetésben leírt célokhoz.

Az URI-k használatának van egy további, rendkívül jelentős következménye. Igen egyszerűvé válik különböző forrásokból származó RDF hármasok összekombinálása egy alkalmazáson belül.

Ha két, egymástól különböző hármas halmaz azonos csomópontokat vagy éleket tartalmaz merthogy ugyanazokat a URI-kat használják akkor ezen csomópontok, az RDF szempontjából, ugyanazok. Magyarán, a gráfokat triviális módon egybe lehet olvasztani. Vagyis egy alkalmazás minden további nélkül felhasználhat és összekombinálhat Weben lévő metaadatokat, RDF hármasokat, függetlenül attól, hogy azokat ki hozta létre 4.

Végeredményben ez annak az analógja, amikor az emberi felhasználó koncepcionálisan összekombinál weben lévő információkat. Nem véletlen, hogy gyakorlati alkalmazások manapság rutinszerűen használnak több tízezer, százezer, vagy akár millió hármasokból álló adatokat, amelyeket gyakran így kombinálnak össze.

Az RDF-specifikációnak már két generációja is létezik, a legutóbbi ben jelent meg [7]. Mivel az első verzió még a es évekből származik, bőven volt idő RDF programrendszerek, programozási környezetek, stb, kifejlesztésére. Ma, lényegében, az a helyzet, hogy szinte minden programnyelvhez létezik legalább egy RDF programozási környezet a berlini Frei Universität által fenntartott weblap [13] gazdag információforrás a rendelkezésre álló eszközökre.

E programozási környezetek tartalmaznak egy vagy több szövegelemzőt az RDF adatok beolvasására, többé-kevésbé szofisztikált módon tárolják a hármasokat, amelyeket le lehet kérdezni, ki lehet törölni, új hármasokat lehet létrehozni, stb. A programozási egyre többet tranzitív döntő többsége nyílt forráskódú fejlesztés.

Mint már fentebb jeleztük, gyakorlati alkalmazások egyre többet tranzitív esetben milliós nagyságrendben kezelnek RDF hármasokat. Ez több problémát is felvet.

Egyrészt szükség van adatbázisokra, amelyek képesek ilyen nagyságrendeket kezelni, hiszen ilyen hármas halmazokat nem lehet egyszerűen a memóriában tárolni. Másrészt szükség van valamiféle lekérdező nyelvre bonyolultabb információk lekérdezésére.

Az első probléma inkább gyakorlati, és ma már több RDF adatbázis rendszer ismerkedés berlin könyv, mind a egyre többet tranzitív szoftverek piacán, mind az üzleti termékként. Így például az Oracle legfrissebb verziója 10g képes RDF adatokat tárolni, és egy RDF absztrakciós felületet is nyújt a felhasználónak.

Mások egy teljesen új fejlesztéssel alakítottak ki adatbázis rendszereket kizárólagosan az RDF céljára. A lekérdezőnyelv kérdése nyilvánvalóan más jellegű. Általánosságban azt lehet mondani, hogy egy adatbázis-lekérdezőnyelv ahhoz az adatmodellhez kapcsolódik, amelynek az adatait el kívánjuk érni.

Egy gráfminta olyan RDF hármasok halmaza, amelyek változókat is tartalmazhatnak az alany, az állítmány, vagy a tárgy helyén.

A lekérdezés során a rendszer a változókba behelyettesíti a hármas halmazban lévő URI-kat, vagy szövegelemeket, és ellenőrzi, hogy az így kapott gráf az eredeti RDF gráf részgráfja-e.

Ha igen, a egyre többet tranzitív behelyettesítése sikeres, és a változók a lekérdezés egyik lehetséges eredményét adják. Természetesen ez egy leegyszerűsített példa; a gyakorlatban mind a hármas halmazok, mind a lekérdezések sokkal bonyolultabbak.

A teljes szemantikus web azonban, ahogy ezt a bevezetésben leírtuk, ennél többet igényel. Két fő terület van, amely további technológiákat kíván, nevezetesen: Milyen terminológiát használhatunk egy alkalmazáson belül? A fenti példában használtuk az axsvg:aláírás tulajdonságot; felmerül a kérdés, hogy jogos-e a használata, ha igen, milyen körülmények között pld.

Egyáltalán, hogyan lehet osztályozni a rendelkezésre álló erőforrásokat? Hogyan jellemezhetjük az erőforrások közötti egyre többet tranzitív kapcsolatokat?

Az előbbi két tulajdonságukból adódik, hogy a jól viselkedő közömbösségi görbék negatív meredekségűek. Közömbös jószág esete[ szerkesztés ] Ha a két jószág egyike közömbös a fogyasztó számára, azaz mindegy a számára, hogy mennyit fogyaszt belőle, a közömbösségi görbék egyenesek lesznek — példánkra visszatérve, ha az alma volna közömbös jószág, akkor a közömbösségi görbék vízszintesek, ha a csoki, akkor függőlegesek lennének. Ha mindkét jószág közömbös, akkor a jószágtér minden pontja egyenértékű a fogyasztónak, így nem értelmezhetünk közömbösségi görbéket. Káros jószág esete[ szerkesztés ] Valamelyik jószág károssága azt jelenti, hogy ebből a jószágból az egyén szívesebben nem fogyaszt, mint fogyaszt, illetve minél nagyobb a fogyasztott mennyiség, annál rosszabb a számára.

Mikor mondhatjuk, hogy két erőforrás például két különböző nevű tulajdonság ugyanazon fogalomra utal? Lehet-e a tulajdonságok logikai viselkedését jellemezni például hogy szimmetrikus vagy tranzitív, hogy valójában egy függvény, stb.

Világos, hogy ezek a kérdések felmerülnek minden komolyabb szemantikus web alkalmazás esetén, de az is világos, hogy ezen kérdések megválaszolására egy bonyolultabb rendszer kell, amely ki kell hogy egészítse az RDF egyszerű adatmodelljét. Az is viszonylag hamar kiderül, hogy az összes felmerülő kérdés megválaszolása rendkívül bonyolulttá válhat, ezért érdemes technológiák egy családját kifejleszteni, amelyek közül a felhasználó igénye szerint választhat.

Az alapvető megközelítés fogalomjegyzékek, ontológiák használata, egyre többet tranzitív a tradicionális ontológiai módszerek adaptálása RDF környezetekre. A második állítás egy logikai kapcsolatot teremt két osztály között, hiszen azt jelenti, hogy minden egyed, amely az egyik osztályhoz tartozik, automatikusan a másikhoz is tartozik. Végül a harmadik állítás egy egyed hovatartozását definiálja. Egy tetszőleges erőforrás típusa tehát egyszerűen azt jelzi, hogy az erőforrás egy adott osztályhoz tartozik.

Végül bevezeti az alosztály relációt két osztály között, az értelemszerű definícióval. Vagyis az általános osztály nem más mint egy speciális erőforrás, amelynek egy meghatározott Egyre többet tranzitív van; a típus és az alosztály pedig szintén egy-egy RDF tulajdonság jól meghatározott, és szabványosított szemantikával.

A fenti hármasok egy nagyon egyszerű következtetési sémát is lehetővé tesznek. Habár természetesen ez a példa a trivialitás határát súrolja, más esetekben a következtetések sokkal bonyolultabbak de hasonló alapokon nyugszanak. Az osztálydefiníciók a tulajdonságok jellemzését is lehetővé teszik.