Подписка на RSS-ленту
Здесь знают,
Что такое Semantic Web

Развитие технологий Semantic Web: обработка RDF-графов на основе XSLT

1 Star2 Stars3 Stars4 Stars5 Stars (3 votes, average: 3.67 out of 5)
Loading ... Loading ...

Оцените cтатью!!!

УДК 519.7:007.52

РАЗВИТИЕ ТЕХНОЛОГИЙ : ОБРАБОТКА -ГРАФОВ НА ОСНОВЕ

Н.В. Рябова, С.С. Щербак

Статья посвящена актуальной проблеме повышения эффективности компьютерного анализа информации применительно к технологиям . Рассмотрены вопросы разработки технологии автоматической обработки -графов для получения интуитивно понятных представлений содержимого произвольных -графов.

1. Введение

Стремительное развитие компьютерных информационных технологий привело к тому, что сегодня компьютер, помимо выполнения ставших уже традиционными задач обработки числовой и символьной информации, программирования игр, создания компьютерных презентаций и т.п., приобрел совершенно новую, революционную по своей сути функцию - предоставление постоянного входа, своеобразного «окна» в мировое информационное киберпространство. Технологии World Wide Web (WWW) позволяют объединять в Интернет - пространстве гигантское количество пользователей всех уровней, предоставлять им различного вида сервисы и снабжать информацией (правда, не всегда релевантной запросу или даже вовсе нежелательной, так называемый spam в электронной почте).

На наших глазах WWW пережила уже два этапа развития: вначале предоставляя информацию в виде вручную сгенерированных HTML-страниц, затем появилась возможность генерировать страницы из баз данных, хранящихся на Web-серверах. Однако оба эти этапа были ориентированы на обработку информации человеком-специалистом и читателей – пользователей компьютеров. Чтобы противостоять неуклонному и неуправляемому расширению «всемирной паутины», которая стала угрожающе запутываться, ведущими учеными и разработчиками в области Computer Science был выдвинут лозунг «превратить информационное Интернет-пространство в пространство знаний». Web следующего, третьего поколения, должна обеспечивать машинную обработку информации с учетом ее семантики (machine accessible semantics).

Новую парадигму Web ее создатели и идеологи назвали [1], делая тем самым акцент на требовании эксплицитного представления семантики в Web, понятного для программных агентов. Росту популярности и широкому распространению технологий способствует разработка и внедрение WWW-консорциумом (W3C) ряда инициатив, связанных со стандартизацией синтаксической и семантической разметки электронных документов, особенно технологий и , поддерживающих семантическую совместимость. В связи с этим, в данной работе предлагается технология обработки -графов необходимая для получения интуитивно понятных представлений содержимого графов.

The Resource Description Framework () является языком общего назначения для представления информации в Web [2]. применяется для того, чтобы предоставить информацию о ресурсах в терминах простых свойств и значений этих свойств. Ресурсом может выступать все что угодно, чему можно приписать некоторый URI(Uniform Resource Identifiers), даже то, что потенциально может быть не доступно через Интернет. Идея описания ресурсов в терминах простых свойств, их значений и применения URI для идентификации ресурсов дает возможность представить информацию о ресурсах в как граф узлов и дуг, представляющих ресурсы, их свойства и значения этих свойств [3].

2. / синтаксис

/ синтаксис позволяет выразить данные c помощью языка расширяемой разметки , что отчасти решает проблему интеграции с Интернет - технологиями и дает возможность применять для обмена метаданными в среде Интернет. Кроме того, /-синтаксис позволяет применять для обработки -конструкций технологии, которые разрабатываются для , такие как XPath [4], [5] и др.
Согласно [2], -граф, записанный в синтаксисе /, представляется в последовательной форме пригодной для машинной обработки. Кроме того, этот синтаксис позволяет различные формы записи одного и того же - графа, различные сокращенные формы записи и т.п.
3. /RDFS и
Основу [6] составляет модель данных – “объект – атрибут- значение”, что позволяет описывать ресурсы в виде наборов утверждений о свойствах этих ресурсов. Особенность модели данных в том, что все компоненты этой модели идентифицируются с помощью универсальных идентификаторов(URI). Благодаря этой особенности позволяет объединять информацию с различных источников, что может быть весьма полезно для обеспечения совместного использования информации в рамках Web.
Терминологическая база, применяемая для описания ресурсов, определяется соответствующей -схемой – иерархией терминов (понятий) предметной области.
схемы разрабатываются с помощью языка описания словарей терминов - RDFS [7].
4. и 2000

Несколько слов о протоколе Open Knowledge Base Connectivity ()[8]. Этот протокол разработан в Стэндфордском университете для обеспечения единства запросов и создания унифицированного интерфейса для знание-ориентированных систем, основанных на фреймах.

Проект -2000[9] является программной средой для создания и редактирования баз знаний и онтологий. Модель знаний -2000 является - совместимой, что позволяет ей быть метамоделью над другими моделями знаний. Таким образом, в -2000 применяется один настраиваемый интерфейс для обработки языков семантической разметки. Одним из таких языков является . Что делает -2000 привлекательной средой разработки описаний документов, тем более что при необходимости -2000 позволяет перевести все существующие наработки в -2000 на другие языки семантической разметки, например, . С различиями в моделях знаний, применяемых в -2000 и модели , можно познакомиться здесь[10]. Следует отметить, что реализация стандарта в -2000 не поддерживает некоторых конструкций [11]. Кроме того, форма записи - конструкций, генерируемых средой -2000, является более предсказуемой, в отличие от разнообразных форм записи одних и тех же -конструкций, сокращенных форм, которые можно построить с помощью обычного текстового редактора, что делает среду -2000 привлекательной для разработчиков решений, связанных с обработкой онтологий. Предлагаемая технология обработки графов ориентирована в большей степени на обработку графовых конструкций -реализации стандарта .
5. Технология

Для обработки - документов можно применить различные языки программирования, например, Java с использованием низкоуровневых API, таких как SAX или DOM, но наиболее удобным представляется язык (eXtensible Stylesheet Language – Transformation, который получил статус рекомендации W3C 16 ноября 1999г.) – Расширяемый язык таблиц стилей для трансформации [5]. Одним из преимуществ этого языка является его схожесть с продукционными правилами и относительная схожесть с инструкциями на естественном языке, а главное этот язык позволяет трансформировать структуру документов в другое представление и/или формат. Общая схема трансформации документа представлена на рисунках 1 и 2. Для того чтобы трансформировать документ необходимо правила трансформации применить к документу. Трансформация выполняется с помощью -процессора. В результате трансформации - процессор генерирует необходимое представление исходного документа (сериализация документа).

Общая схема преобразования документа с использованием XSLT

Рисунок 1. Общая схема преобразования документа с использованием

Сериализация RDF-графа

Рисунок 2. Сериализация документа в нужном формате.

6. Технология обработки - графов с помощью

Документы , выраженные в синтаксисе / являются неудобными для чтения человеком, поэтому для трансформации содержимого документа в удобное, интуитивно понятное для человека представление с системой гипертекстовых ссылок, отображающих связи между конкретными сущностями , необходимо обработать конструкции с помощью технологии .
Важное замечание, изначально технология была предназначена для обработки деревьев, представляющую структуру документов, но благодаря продуманному механизму навигации по деревьям ее можно с успехом применять для навигации и обработки -графов.
Документ представляет собой выраженные в последовательной форме иерархии классов, экземпляров классов, атрибутов. Каждый объект (экземпляр класса) иерархии содержит уникальный идентификатор(URI), который служит для идентификации объекта в иерархии объектов. В терминах свойство объекта :about содержит уникальный идентификатор этого объекта. Кроме того, объединение объектов в иерархию происходит тоже с использованием URI.
В терминах атрибут :resource с URI объекта указывает, с каким объектом имеет связь объект, содержащий данный атрибут :resource. Объединение множества объектов иерархии классов с помощью URI образует – граф. Последовательная форма записи - графа подразумевает последовательное описание экземпляров классов в синтаксисе с указанием URI этого экземпляра и, в случае наличия, списка URI взаимосвязанных объектов. На рис. 3 изображен – граф в последовательной форме с комментариями.

Последовательная форма представления RDF-графа

Рисунок 3 – Последовательная форма представления -графа
Учитывая то, что для обработки -графов выбрана технология , а базовым строительным блоком этой технологии являются таблицы стилей с шаблонами преобразования, описывающие конкретное преобразования древовидной структуры в виде правил обработки узлов, наборов узлов этой структуры, адаптируем стандартное для обработки -документов описание таблицы стилей для обработки доументов . Для этого -шаблон необходимо привести к виду, как представлено ниже в разделе “Базовый файл для преобразований – графа”. Комментарии к – инструкциям добавлены только в описательных целях, их не нужно переносить в реальные файлы обработки – графов. Далее необходимо определить точку входа в граф, т.е. имя класса, экземпляры которого будут обрабатываться, и представление которого необходимо получить. Имя класса можно задать, определив соответствующую сущность, например, таким образом <!ENTITY rdf_node “Имя класса”>. Потом необходимо описать преобразование в соответствующем rdf_node шаблоне, например, так:

<xsl:apply-templates select=”ns:&rdf_node;”>
<!—тело преобразования –>
<xsl:template>

Тело преобразования подразумевает выполнение одной или нескольких из ниже перечисленных операций, которые сформируют соответствующее требованиям конкретной задачи представление – графа.
Основные операции, которые необходимы для получения различных представлений – графа:

1. Вывод значения атрибута узла
2. Вывод значений атрибутов дочернего узла
3. Вывод значений атрибута подузла узла, который является дочерним узлом текущего узла
4. Сортировка по значению атрибута
5. Идентификация узлов -графа

Вывод URI конкретного узла
Вывод URI подузлов текущего узла

6. Вывод rdfs-label узла графа
7. Выделение и обработка узла с конкретным значением атрибута

Описание операций с пояснениями к -шаблонам представлены ниже. Для выполнения шаблонов представленных в описаниях операций необходимо модифицировать базовый файл или воспользоваться -файлами[15].

Процесс преобразования в формат HTML представлен на рис. 4.

Общая схема преобразования RDF -документа с использованием таблиц стилей XSLT

Рисунок 4 – Общая схема преобразования -документа с использованием таблиц стилей .

Базовый файл для преобразований – графа

Базовый XSLT файл для преобразований RDF – графа

Рисунок 5. Базовый файл для преобразований – графа.

Вывод значения атрибута узла

Для вывода значения атрибута rdf_attr rdf_node, необходимо воспользоваться следующим шаблонным правилом:

Вывод значения атрибута узла

Замечание. Учитывая то, что данная инструкция применяется внутри цикла по выводу узлов -графа, то более правильно будет говорить, что данная инструкция выводит значения атрибута узлов -графа. Данное замечание применимо ко всем рассматриваем шаблонам.

Вывод значений атрибутов дочернего узла

Для вывода значений атрибутов всех подузлов node2 узла node1, необходимо применить следующее шаблонное правило:

Вывод значений атрибутов всех подузлов node2 узла node1

Описание шаблона:

Для всех подузлов node2 узла node1, :resource которых содержит ссылку(URI) на конкретный узел node2

<xsl:for-each select =”@:resource”>

создать переменную temp и сохранить в нее значение текущего узла, т.е. значение :resource, содержащее конкретное URI узла node2.

<xsl:variable name=”temp” select=”.”/>

Для всех узлов rdf_instance :about, которых соответствует :resource rdf_node

<xsl:for-each select =”//ns: node2 [@:about=$temp]“>

Вывести значение атрибута(ов)

<xsl:value-of select=”@ns:&rdf_attr”/><br/>

Вывод значений атрибута подузла узла, который является дочерним текущего узла

Для вывода значений атрибута rdf_attr всех подузлов node3 узлов node2, которые является подузлами текущих узлов(node1), необходимо применить следующее шаблонное правило:

Вывод значений атрибута rdf_attr всех подузлов node3 узлов node2

Шаблон для обработки узла node3

Шаблон для обработки узла node3

Сортировка по значению атрибута

Для того чтобы отсортировать узлы node1 по атрибуту rdf_attr, необходимо добавить <xsl:sort select=”@ns:&rdf_attr;”/> в шаблонное правило обработки узлов node1:

Сортировка по значению атрибута

Идентификация узлов -графа

Идентификация узлов -графа происходит по URI узлов. Каждому объекту, который описывается в - графе, поставлено в соответствие уникальный идентификатор, однозначно идентифицирующий объект в -графе. Таким образом, зная URI объекта можно получить доступ к его описанию.
Вывод URI конкретного узла

Чтобы вывести значение URI узла, необходимо в шаблонном правиле определить переменную и инициализировать ее значением атрибута :about, как показано в примере:

Вывод URI конкретного узла

Вывод URI подузлов текущего узла

Чтобы вывести значение URI подузлов, необходимо в шаблонном правиле определить переменную и инициализировать ее значением атрибута :resource, как показано в примере:

Вывод URI подузлов текущего узла

Вывод rdfs-label узла графа

Чтобы вывести значение rdfs-label узла, необходимо добавить следующую инструкцию в шаблонное правило:

<xsl:value-of select=”@rdfs:label”/><br/>

Выделение и обработка узла с конкретным значением атрибута

Чтобы выделить узел из других по значению некоторого атрибута необходимо применить инструкцию <xsl:if test> во время перебора узлов, т.е. последовательно обрабатывая каждый узел, ищем узел с необходимым значением атрибута:

Выделение и обработка узла с конкретным значением атрибута

7. Алгоритм преобразований - графа с помощью процессора – Saxon [8]
1. Разработать -документ с помощью редактора онтологий .
2. Составить файл с описанием требуемого преобразования на , модифицировав соответствующим образом базовый файл для преобразований – графа [предлагаемый в работе], или прилагаемые к работе образцы.
3. Изменить кодировку файла, генерируемого -2000 c UTF-8 на windows-1251 для платформы Windows, или с UTF-8 на KOI8-R для Linux, иначе процессор сгенерирует множество ошибок. Для этого открываем файл с расширением . и изменяем <? version=’1.0′ encoding=’UTF-8′?> на <? version=’1.0′ encoding=’windows-1251′?> (пример для Windows).
4. Команда для запуска преобразования c помощью процессора Saxon версии 7.8: java -jar saxon7.jar -o [имя результирующего файла].htm [имя файла]. [имя файла с преобразованием].xsl
5. Пример: java -jar saxon7.jar -o developer.htm PersonalPage. rdf_developer.xsl
6. Примечание: предполагается, что файлы, генерируемые -2000 находятся в рабочей директории процессора , иначе необходимо указывать полные пути к файлам , .
8.Системные требования
1. Любая операционная система, на которой может работать виртуальная машина Java, например, Windows, Linux, FreeBSD.
2. Виртуальная машина Java не ниже версии 1.4.2
3. Java реализация бесплатно-распространяемого -процессора Saxon версии не ниже 7.8, “умеющего” работать с шаблонами преобразований версии 2.

9. Достоинства технологии

1. Описание особенностей обработки -графов, которые позволяют применить мощные механизмы технологии для трансформации –графов.
2. Практическое применение технологии для управления содержимым WEB – сайтов, порталов и др. на основе среды .
3. Время, затрачиваемое на написание -преобразования с помощью описанной технологии, приблизительно равно времени, затрачиваемом на написание преобразования.
10. Недостатки технологии

Основные недостатки обусловлены, прежде всего, тем, что основное предназначение обработка древовидных структур, поэтому иногда бывает сложно выполнить преобразование графа к нужному виду. Кроме того, технология преобразования –графов не избавляет от таких недостатков технологии, как:

1. Отсутствие средств, позволяющих производить точные математические вычисления;
2. Повышенная сложность и иногда невозможность реализации сложных трансформаций документов;

Выводы
Предложенная технология преобразований -графов успешно работает с любыми процессорами, которые совместимы со стандартом версии 2. Но для выполнения большинства операций над - графами достаточно процессора версий 1.0, единственно, что функциональность преобразований уменьшиться, за счет отсутствия возможностей характерных для технологии версии 2.
Технология успешно тестировалась c процессором от Microsoft, поставляемым вместе c msxml, а также с процессором Xalan на платформах Linux и Windows.
Кроме того, технология успешно применяется для создания проекта Web-портала http://ontolib.com

Литература

1. Berners-Lee T. Weaving the Web.- Harper, San Francisco, 1999.
2. / Syntax Specification http://www.w3.org/TR/-syntax-grammar
3. Premier http://www.w3.org/TR/-primer/
4. Спецификация языка XPath http://www.w3.org/TR/xpath
5. Спецификация языка http://www.w3.org/TR/
6. Проект http://www.w3c.org/sw
7. Спецификация языка RDFS http://www.w3c.org/rdfs
8. Open Knowledge Base Connectivity () http://www.ai.sri.com/~