Ontologias: como e porquê criá-las
JAI 1 1
Ação
Ontologia x ontologia [Guarino98] • Filosofia – Disciplina
• Ciência da Computação – Artefato ontologia 3 • Estudo do que existe – being • Platão – metafísica • Aristóteles - 10 categorias • Ontologia: século XVII
Onto (o que existe) + Logos (conhecimento sobre) • “A Web Semântica é uma EXTENSÃO da web atual na qual é dado a informação um SIGNIFICADO bem definido, permitindo com que computadores e pessoas trabalhem em cooperação.” Berners-Lee, Hendler e Lassila • "The Semantic Web is an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in cooperation." 2 4 6 • A maior parte dos recursos primários estão em linguagem natural, compreensíveis para humanos. • Metadados. • Combinar recursos primários com recursos de metadados. • Metadados em formato padronizado podem ser entendidos por software e pessoas. “an ontology is a document or file that formally defines the relationship among terms” “ontologia é um documento ou arquivo que formalmente define os relacionamento entre termos” • Ontologia = taxonomia + regras de inferência 7 9
O : = {C, R, HC, rel, AO} que consiste de: § Dois conjuntos disjuntos, C (conceitos/classes) and R (relacionamentos) § Uma hierarquia de conceitos, HC: HC é um relacionamento direto HC ⊆ C x C chamado hierarquia de conceitos ou taxonomia. HC (C1,C2) significa C1 é um sub-conceito de of C2 § Uma função rel : R → C x C que relaciona os conceitos de modo não taxonômico § Um conjunto de axiomas AO, expressos em uma linguagem lógica apropriada. 11 Web Semântica - Objetivos “enriquecer a informação disponível com semântica que pode ser entendida por máquinas “ “fornecer acesso inteligente a informação heterogênea e distribuída, permitindo que produtos de software possam fazer uma intermediação entre as necessidades do usuário e as fontes de informação disponíveis. “ ontologia 8
“Uma ontologia é uma especificação formal explícita de uma conceitualização compartilhada.” Conceitualização – modelo abstrato de como as pessoal pensam Especificação explícita – os conceitos e relacionamentos utilizados neste modelo abstrato são fornecidos através de termos explícitos e bem definidos [Gruninger02]
Para que serve uma ontologia? Noy & McGuiness: • Compartilhar entendimento comum de uma estrutura de informação por pessoas ou agentes de software • Permitir o reuso de conhecimento de domínio • Explicitar hipóteses sobre um domínio • Separar conhecimento de domínio de
conhecimento operacional • Análise 10 12 Porque construir uma ontologia?
• Explicitar significado • Integrar recursos na Web interoperabilidade Conceito/Classe/Entidade Objetos que possuem um conjunto de características que nos permitem classificálos como sendo membros deste grupo.
Propriedade/Atributo/Role/Slot Relacionamento/Restriction Característica Modo pelo qual duas ou mais classes estão relacionadas 13
Generalização X Composição • Ortogonalidade: – Generalização = Tipo de (is a) – Composição = Parte de (part of) tipo de
Veículo Terrestre Aquático Carro Anfíbio Barco 14 16 18 parte de
Lâmpada 1 Base
1 1 Cobertura Interruptor
Sexo
Idade
Espécie
Ser vivo humanos adultos crianças homens mulheres Taxonomia dos seres vivos X é uma subcategoria de y
19 21
Contra exemplo [Welty02] • Carro & Motor – Carro – propriedade – acomoda pessoas – Motor – propriedade – gera força rotacional • Motor não acomoda pessoas....
não é um tipo de carro.
• Artefatos com diversos graus de estruturação – Taxonomia – Yahoo – Metadata Schemes – Dublin core – Lógica
Enfoques • Inteligência artificial – Engenharia do conhecimento – Esforços voltados ao mapeamento de domínios, criação de grandes bases de conhecimento para mapear o conhecimento humano – Construídas por experts • Web semântica – Ontologias voltadas para aplicações específicas – Construídas por engenheiros de software 20 22 24 • Enfoque top down • Tempos antigos “divide et impera” • Sistema e sub-sistema [von Bertalanffy] • Dijkstra (programming considered a human activity) • Especifica as partes individualmente • Satisfeito? O problema está resolvido? • Constrói as partes individualmente se uma das partes ainda é complexa: subdividir
Ontologias enfoque Top-down • Cyc upper ontology – Base de conhecimento com 3000 termos (termos mais gerais da realidade consensual dos humanos) • WordNet – Banco de dados léxico para a língua inglesa com mais de 42.000 termos
WordNet 1.7.1 Search Search word:
Results for "Synonyms, ordered by estimated frequency" search of noun "dessert" 1 sense of dessert Sense 1 dessert -- (a dish served as the last course of a meal)
=> course -(part of a meal served at one time; "she prepared a three course meal") Return to overview for dessert Return to WordNet home 25 27
Dividir para Conquistar • Enfoque top down • Desvantagens (Jackson) – escolha mais arriscada possível • a maior decisão é qual divisão fazer • é tomada muito cedo • pouco conhecimento • baixa compreensão do problema – o mundo real não é organizado de modo hierárquico • estruturas paralelas e concorrentes
CYC • Grande número de pequenas ontologias interligadas • Em alguns anos toda empresa, universidade, agência governamental terá seu conteúdo conectado a uma ontologia • James Hendler, Agents and the Semantic Web 26 28 30 Linguagens para Ontologia
Evolução • XML sintaxe para estruturar documentos. Não impõem restrições semânticas. • XML Schema – restringe a estrutura de
documentos XML • RDF modelo de dados para objetos e
relacionamentos. Semântica simplificada • RDF Schema – vocabulário para descrever propriedades e classes de RDF. Semântica para generalização. • DAML+OIL, OWL – maior vocabulário para descrever classes e propriedades (relacionamentos, e.g., disjunção, cardinalidade, igualdade) 33
SHOE – extensão de HTML para anotar páginas Desenvolvido na Universidade de Maryland Informação é embebida nas páginas Menos expressivo do que RDF(S) Manutenção é problemática Projeto foi abandonado
Linguagens para ontologias na web semântica • RDF(S) = RDF + RDF Schema• XOL (Ontology Exchange Language):
http://www.ai.sri.com/pkarp/xol/ • SHOE: Simple HTML Ontology Extensions • http://www.cs.umd.edu/projects/plus/SHOE/ • OIL (Ontology Inference Layer )
http://www.ontoknowledge.org/oil/ • DAML+OIL
http://www.daml.org/2001/03/daml+oil-index • OWL (Web Ontology Language) http://www.w3.org/TR/owl-features/
RDF • RDF - Resource Framework Description – modelo de dados formal e sintaxte • Codifica metadados em formato processável por máquinas. • Interoperabilidade entre aplicações • RDF(S) – primitivas para modelar ontologias simples • Não é expressivo suficiente (não tem conectivos para negação, disjunção nem conjunção) 32 34
OIL • Ontology inference layer • Patrocinado pela Comunidade Européia através do On-toknowledge project. • Surgiu da necessidade de uma linguagem mais expressiva do que RDF • Oferece ferramental de edição – O • OntoEdit, developed at the University of Karslruhe • Protégé-2000, Stanford University • OILed, Manchester University • Oferece suporte a verificação (pode ser mapeada para lógica de descrição) FaCT • Fornece uma extensão para RDF e RDF(S) – ontologias em OIL são documentos válidos em RDF. 36 • DARPA Agent Markup Language (DAML) • Desenvolvido pelo Defense Advanced Research Projects
• DAML-ONT em Outubro de 2000. • DAML+OIL Em Dezembro de 2000 • Pode ser mapeada para lógica de primeira ordem (escrita
• DARPA
mantém uma enorme biblioteca digital de ontologias – www.daml.org/ontologies • Favorita em razão a grande base instalada. </daml:Ontology> <daml:Class rdf:about="file:C:\Users\anarosa\Cursos\Ontologias\sobremesa.daml#sobremesa"> <rdfs:label>sobremesa</rdfs:label> <rdfs:comment><![CDATA[]]></rdfs:comment> <oiled:creationDate><![CDATA[2003-08-13T20:10:07Z]]></oiled:creationDate> <oiled:creator><![CDATA[anarosa]]></oiled:creator> <rdfs:subClassOf> <daml:Restriction>
<daml:onProperty rdf:resource="file:C:\Users\anarosa\Cursos\Ontologias\sobremesa.daml#Doce"/>
<daml:hasClass rdf:resource="http://www.w3.org/2000/10/XMLSchema#boolean"/> </daml:Restriction> </rdfs:subClassOf> </daml:Class> <daml:Class rdf:about="file:C:\Users\anarosa\Cursos\Ontologias\sobremesa.daml#base_biscoito"> <rdfs:label>base_biscoito</rdfs:label> <rdfs:comment><![CDATA[]]></rdfs:comment> <oiled:creationDate><![CDATA[2003-08-13T20:11:41Z]]></oiled:creationDate> <oiled:creator><![CDATA[anarosa]]></oiled:creator> <rdfs:subClassOf>
<daml:Class rdf:about="file:C:\Users\anarosa\Cursos\Ontologias\sobremesa.daml#torta"/> </rdfs:subClassOf>
OWL • OWL em Março de 2003 • Nova linguagem recomendada pelo W3C • Revisão do DAML+OIL • Possui três sublinguagens: • OWL Lite • Owl Full • Owl DL (Description Logics) mapeamento para DAML+OIL • Não existem ferramentas de edição.
Desenvolvimento de ontologias • Desenvolvidas por especialistas • Métodos disponíveis: Tove, Methontology,
Noy & McGuiness ... • Maioria é muito vaga ou pesada. 37 39
Engenharia de ontologias • Disciplina criada com o objetivo de sustentar o desenvolvimento de ontologias • Engoba as atividades de: – Projeto – Construção – Avaliação – Validação – Manutenção – Integração – Compartilhamento – Reutilização
Método “Inicial” • Identificação do Propósito • Construção – Captura – Integração
• Especificação • Conceituação • Integração • Implementação (formalização)
Processo de desenvolvimento de
Protégé-2000: determine scope consider reuse enumerate terms define classes define properties
define constraints create instances Na realidade - um processo interativo: determine scope define properties consider reuse consider reuse define classes define properties enumerate terms define properties consider reuse define classes define constraints create instances enumerate terms define classes define constraints create instances define classes create instances 45
C
R
AO
HC
rel Lv Lo Lsj Lst 43 Construção de ontologias
baseadas no léxico • Pode ser realizada por não especialistas • Agiliza o processo pois é baseado em um processo maduro para a construção de léxicos que já foi validado em inúmeros projetos reais. Modelagem leve (Lighweight). • Foco na linguagem: – Esclarece a separação entre termos específicos de um domínio daqueles que fazem parte do vocabulário mínimo.
Léxico Ampliado da Linguagem O Léxico Ampliado da Linguagem (LAL) é uma representação utilizada na Engenharia de Requisitos. O Portal de Engenharia de Requisitos (http://www.er.les.inf.puc-rio.br/ ) assim define a área: “A Engenharia de Requisitos, uma sub-área da Engenharia de Software, estuda o processo de definição dos requisitos que o software deverá atender. A área surgiu em 1993 com a realização do I International Symposium on Requirements Engineering. O processo de definição de requisitos é uma interface entre os desejos e necessidades dos clientes e a posterior implementação desses requisitos em forma de software.
Objetivo da ER: entender as necessidades e atender os desejos dos clientes sempre foi colocado como um dos maiores desafios da Engenharia de Software. A postura da Engenharia de Requisitos é a de prover ao Engenheiro de Software, métodos, técnicas e ferramentas que auxiliem o processo de compreensão e registro dos requisitos que o software deve atender. Diferentemente de outras sub-áreas da engenharia de software, a área de requisitos tem que lidar com conhecimento interdisciplinar envolvendo,muitas vezes, aspectos de ciências sociais e ciência cognitiva.” 44 46 48 O LAL [Leite 90] é uma linguagem de representação simples. Porque simples? Porque é composta de apenas 3 entidades básicas: símbolo [1], noção e impacto. Abaixo descrevemos sua sintaxe. O LAL é uma linguagem de representação da Engenharia de Requisitos que tem por objetivo mapear o vocabulário utilizado no UdI. [1] Também referenciado como termo. • Fundamentos: – A Teoria da Semiótica de Eco: a idéia de símbolos e sua contextualização. – A Escola de Vienna (A linguagem das observações de Carnap): a idéia de que os termos de uma linguagem devem ser ancorados em fenômenos observáveis. – Sociologia: a idéia de que a linguagem é uma reflexão da cultura.
Léxico Ampliado da Linguagem • Fundamentos: – Aspectos Sociais da Computação (Kling): a interação entre atores sociais e sistemas computacionais. – Linguagens de Domínio (Neighbors): reutilização em alto nível de abstração, similar ao conceito de “little languages” de Bentley. – Hyperties (Shneiderman): uma das primeiras implementações de hipertexto.
Mesa/ Mesas 49 51
Léxico Ampliado da Linguagem • Basedo num sistema de códigos : – Símbolos – Noções (Denotação) – Impactos (Conotação) suas nocões. • Cada símbolo é descrito por seus impactos e • Símbolo (termo) = entrada no léxico
Garçon/Garçons Noções:
o caixa.
50 52 54 Abrir a mesa/ Abre mesa/ Abriu mesa Sintaxe: Sintaxe: Sintaxe: {Símbolo}1N
Palavra | Frase Sintaxe: Sintaxe:
Sentença
Sentença LAL: Representação de símbolos na linguagem de aplicação. Processo de Construção do LAL classificação e heurísticas de identificação IDENTIFICAR FONTES DE INFORMAÇÃO
UdI
UdI UdI técnicas de elicitação IDENTIFICAR LISTA DE
TERMOS lista das fontes de critério de informação ordenação lista de
termos heurísticas de seleção de termos heurísticas de validação
LAL lista DEO de validação VALIDAR LAL classificação geral critério de classificação lista de termos CLASSIFICAR classificados TERMOS checklist heurísticas de verificação
VERIFICAR LAL LAL modelo do LAL tipos heurísticas de representação lista DEO de verificação lista das fontes de informação
UdI
DESCREVER TERMOS
LAL lista das fontes de informação 55 • • • • • •
Propriedades dos símbolos:
Conceitos importantes:
Processo de Construção do LAL Realizar entrevistas não-estruturadas com atores do domínio. Listar todas as palavras ou frases “significativas”.
Realizar entrevistas estruturadas, a lista serve de guia.
Pergunte aos atores o significado do símbolo Escrever sentenças curtas e simples distinguindo entre noções e impactos.
Orações simples.
Voz ativa.
Forma verbal.
Questione o significado diferenciando entre noções e impactos Faça a representação do léxico.
Verifique o Léxico usando inspeções Valide o resultado com uma entrevista estruturada ou uma reunião 56 58 60
Regras de Formação do LAL – 5.1.1 Para cada impacto • 5.1.1.1 Tentar identificar a importância relativa do termo para a ontologia. Esta estratégia é similar a utilização de questões de competência proposta em [Gruninger95]. Estas questões são obtidas através do refraseamento dos impactos de cada símbolo em perguntas inciadas por quando, onde, o quê, quem, porque, e como. 61 63
GRUPO Descrição Classificação Identificação Referência
Verificação
DEFEITOS • • • • • • • • •
Símbolos mal descritos Símbolos incompletos Descrição incompatível com o tipo Classificação incorreta Símbolos omitidos Sinónimos incorrectos Símbolos incorretamente incluidos Falta de referencias a outros símbolos
Mal uso de símbolos Tabela 2 Classificação de Defeitos [Kaplan 00] 62
Processo 1.Listar os termos alfabeticamente de acordo com seu tipo (verbo, objeto, sujeito ou estado) 2. Fazer 3 listas: conceito (classe) (C), propriedade (R) and axiomas (AO). Na lista de classes cada entrada terá um nome, descrição (linguagem natural) e uma lista contendo de zero ou mais rel ( função que relaciona o conceito em questão a outros, de maneira não taxonômica). As entradas na lista de axiomas terão nomes (labels) somente. 3.
Utilizando a lista de símbolos do léxico classificados como sujeito ou objeto, para cada termo: – 3.1 Adicione uma nova classe a lista de classes. O nome da classe é o símbolo do léxico propriamente dito. A descrição da classe é a noção do termo. 3.1.1 Para cada impacto,
3.1.1.2.1 Verificar consistência. Substituto tipo: sujeito Noções: Pessoa que está presente na reunião no lugar de outra.
Ele ou ela foram escolhidos pela pessoa convidada para a
renião.
Impactos: Se não pode estar presente na reunião, manda notificação.
Se puder estar presente na reunião, manda confirmação. É aprovado(a) pelo iniciador da reunião.
Elaborar a ontologia de sobremesas do restaurante Couve Flor • Oferece 4 tipos de sobremesas: tortas, pudins, musses e frutas • As tortas podem ser de chocolate ou frutas. Podem ter um ou mais recheios e cobertura opcional. • Somente são servidas musses de frutas • As frutas, servidas naturais ou em forma de compota são: morango, abacaxi, maça. • Algumas sobremesas podem ser servidas quentes. 68 70 72
Fria tipo: estado Noções: Temperaturas entre 5° e 15° Impactos: Sobremesas frias são mantidas na geladeira.
tipo: objeto Musse Noções: Sobremesa leve.
Impactos: Sabores de frutas. É apresentada fria.
Natural tipo: estado Noções: Estado da fruta quando nenhum processo foi aplicado.
Impactos: Servida fria Quente tipo: estado Noções: Temperaturas entre 15° e 30° Impactos: Sobremesas são aquecidas no microondas.
Torta Musse tipo: objeto Noções: Sobremesa leve feita de base de massa e recheada de musse.
Impactos: É apresentada fria.
Escolher sobremesa tipo: verbo Noções: Ato de selecionar a sobremesa desejada.
Impactos: Escolha restrita a tortas, mousses, frutas ou pudim.
Doce tipo: estado Noções: Sensação gustativa Impactos: Todas as sobremesas são doces Compota
tipo: objeto Noções: Sobremesa feita a partir de frutas.
Impactos: É cozida.
2. Fazer 3 listas: conceito (classe) (C), propriedade (R) and axiomas (AO).
Na lista de classes cada entrada terá um nome, descrição (linguagem natural) e uma lista contendo de zero ou mais rel ( função que relaciona o conceito em questão a outros, de maneira não taxonômica). As entradas na lista de axiomas terão nomes (labels) somente.
Classe Nome: Descrição: Restrições: Nome: Descrição: Restrições: Nome: Descrição: Restrições:
Propriedade Nome: Nome: Nome:
Axioma Nome: Nome: Nome: Base Massa/ Torta de Massa/Massa tipo: objeto Noções: Sobremesa de corte cuja massa é elaborada com farinha de trigo.
Impactos: Tem massa de pao de ló.
73 – 3.1 Adicione uma nova classe a lista de classes. O nome da classe é o símbolo do léxico propriamente dito. A descrição da classe é a noção do termo. 3.1.1 Para cada impacto,
3.1.1.2 Caso não faça parte da lista (a propriedade não existe), adicione uma nova propriedade na lista (de propriedades). O nome da propriedade deve ser baseado no verbo utilizado para descrever o impacto
– 5.1.1 Para cada impacto • 5.1.1.1 Tentar identificar a importância relativa do termo para a ontologia.
Esta estratégia é similar a utilização de questões de competência proposta em [Gruninger95]. Estas questões são obtidas através do refraseamento dos impactos de cada símbolo em perguntas inciadas por quando, onde, o quê, quem, porque, e como.
5.1.2 Caso o termo seja central a ontologia, classifique-o como classe (C)). Pays type: verb Notions: an action performed by the customer after the attendant informs the total. the customer handles the payment to the attendant.
Behavioral Responses: if the payment is more than the total, the attendant has to provide change. a receipt is printed after the payment.
Example
76 Natural 5.1.3 Caso contrário (o termo não é central para a ontologia) classifique-o como propriedade (R).
Fria
79 LAL Ontologia
Adicionando Sujeitos e Objetos • •
Para cada conceito, separar seu sujeito, verbo e predicado (esse procedimento se repetirá para todos os impactos do conceito).
Verbo: Processo de separação do – Verificar se o verbo está cadastrado na lista de verbos da Ontologia. – Em caso afirmativo, selecionálo, marcar a opção “sim” e clicar em “Inserir Verbo”. – Caso contrário, marcar a opção “não”, digitá-lo e clicar em “Inserir Verbo”. • Processo de inserção de
Axioma: – Verificar se o termo está cadastrado na lista do vocabulário mínimo – Em caso afirmativo, selecioná-lo e clicar em “Inserir Axioma”. – Caso contrário, digitá-lo e clicar em “Inserir
Axioma”.
• Utilizar ontologias para reduzir o universo de opções em buscas na web – Ontologias restringem o significado de termos utilizados em buscas por palavras chave – Auxiliam na montagem da query
AVI 86 88 90
• Ciência da Informação • Gestão do Conhecimento • Engenharia de Software
Ciência da Informação • O termo thesaurus é definido pela UNESCO (http://www.ulcc.ac.uk/unesco/index.htm) como “a structured and defined list of terms which standardizes words used for indexing.” Ainda segundo a UNESCO, um tesauro geralmente caracteriza-se por: – fornecer um termo preferido; – agrupar termos relacionados em uma hierarquia, indicando quais são os termos mais gerais e quais são os mais específicos; – acrescentar referências cruzadas entre grupos de termos relacionados; – permitir atualização para refletir mudanças no uso dos termos do tesauro.
91 93
• tesauro, vocabulário, dicionário, léxico • taxonomia • ontologia
• Ferramenta (Exemplo) http://www.stratify.com/ •
Conteúdo (Exemplo) http://www.itscout.org/itscout/ – FlashAtlas includes taxonomies • IT Infrastructure • Software Development • Business Intelligence • COTS Applications
Domain In Event
Domain Domain Controler Service request Metamodel Class XML Hierarchical Structure - ontology 97 98
[Berners-Lee02] – Berners-Lee, T.; Lassila, O. Hendler, J. – The Semantic Web – Scientific American http://www.scientificamerican.com/2001/0501issue/0501berners-lee.html [Fernandez-Lopez97]- M. Fernandez, A. Gomez-Perez, and N. Juristo.
METHONTOLOGY: From Ontological Arts Towards Ontological Engineering. In Proceedings of the AAAI97 Spring Symposium Series on Ontological Engineering, Stanford, USA, pages 33--40, March 1997. [Welty02] - Welty, C.; Guarino, N. - Evaluating Ontological Decisions with ONTOCLEAN - Communications of the ACM - Vol. 45 No. 2 - February 2002 pp.61-65 [Gruninger02] – Gruninger, M.; Lee, J. – Ontology applications and design
Communications of the ACM - Vol. 45 No. 2 - February 2002 pp.39-41 [Maedche02] – Maedche, A. – Ontology Learning for the Sematic Web – Kluwer
Academic Publishers – 2002. [Noy01] – Noy, N.; McGuiness, D. – Ontology Development 101 – A guide to creating your first ontology – KSL Technical Report, Standford University, 2001. [Gruber93] – Gruber, T.R. – A translation approach to portable ontology specifications – Knowledge Acquisition – 5: 199-220 [Hendler01] - Hendler, J. – Agents and the Semantic Web – IEEE Intelligent
Systems – March/April - 2001. pp.30-37 [Guarino98] – Guarino, N. – Formal Ontology and information systems – In Proceedings of the FOIS’98 – Formal Ontology in Information Systems, Trento99– 1998.
Bibliografia recomendada Métodos [Fernandez-Lopez97]- M. Fernandez, A. Gomez-Perez, and N. Juristo.
METHONTOLOGY: From Ontological Arts Towards Ontological Engineering. In Proceedings of the AAAI97 Spring Symposium Series on Ontological Engineering, Stanford, USA, pages 33--40, March 1997. [Gómez-Pérez98] – Gómez-Pérez, A. – Knowledge sharing and reuse – in The
Handbook of Applied Expert Systems. CRC Press, 1998 [Gruninger95] – Gruninger, M.; Fox, M. – Methodology for the Design and Evaluation of Ontologies: Proceedings of the Workshop on basic Ontological Issues in Knowledge Sharing – IJCAI-95 Canada, 1995. [Noy01-a] – Noy, N.; McGuiness, D. – Ontology Development 101 – A guide to creating your first ontology – KSL Technical Report, Standford University, 2001. [Sure03] – Sure, Y.; Studer, R. – A methodology for Ontology based knowledge management in Davies, J., Fensel, D.; Hamellen, F.V., editors – Towards the Semantic Web: Ontology Driven Knowledge management – Wiley and Sons – 2003. pp. 33-46. [Ushold96] - Ushold, M.; Gruninger, M. – Ontologies: Principles, Methods and Applications. Knowledge Engineering Review, Vol. 11 No. 2 – 1996. pp. 93-136 101
Bibliografia recomendada
Livros
[Davies03] – Davies, J., Fensel, D.; Hamellen, F.V., editors – Towards the
Semantic Web: Ontology Driven Knowledge management – Wiley and Sons
– 2003.
[Fensel01] – Fensel, D. – Ontologie: a silver bullet for knowledge management
and electronic commerce –
Semantic Web – MIT Press, Cambridge Massachusetts, 2003. [Geroimenko03] – Geroimenko, V.; Chen, C.; editors – Visualizing the Semantic Web: XML Based Internet and Information Visualization – Springer, 2003. [Hjelm01] – Hjelm, H. – Creating the Semantic Web with RDF – Wiley- 2001 [Maedche02] – Maedche, A. – Ontology Learning for the Sematic Web –
Kluwer Academic Publishers – 2002. [Sowa00] – Sowa, J. F. – Knowledge Representation: Logical, Philosophical and Computational Foundations – Brooks/Cole Books, Pacific Grove, CA – 2000. 100
Bibliografia recomendada Ferramentas ontology
environment Terminologies –
TOOL Linguagens
Ontolingua tutorial –