Онтологические модели и Semantic Web: откуда и куда мы идем?

1. Научный симпозиум «Онтологическое моделирование: состояние и направления исследований и применения»20-21 мая, 2008, Звенигород, Россия Онтологические модели и Semantic Web:откуда и куда мы идем? Хорошевский В.Ф. Вычислительный центр РАН, Россия, 119333, Москва, Вавилова 40

2. Вместо введения Semantic Web • Краткая история вопроса • Основные проблемы и приложения-убийцы Онтологические модели и Semantic Web • Онтологии: модели и их использование • Онтологические проекты • Так откуда и куда мы идем? Семантизация контента под управлением онтологий • Ситуация в мире • Ситуация в России и СНГ Вместо заключения План обсуждения

3. Вместо ведения Текущая ситуация: • Исследования IDC,- мирового лидера в прогнозных исследованиях,- показывают, что к 2008 году количество информации, хранящейся в компьютерных системах, составит 5444 петабайт, притом, что в 2003 году оно было около 831 петабайт, а все, опубликованное человечеством в книгах, составило порядка 200 петабайт. • Специалисты отмечают, что, по крайней мере, до 2020 года количество информации и потребности в ней будут расти экспоненциально. И без умения создавать и обрабатывать такие объемы информации ЛПР будущего будут введены в состояние, которое можно назвать «аналитический паралич». Одна из самых больших проблем современного общества: • Информационное переполнение, которое, в значительной мере, определяется сетью Интернет как всемирного хранилища, «открывающего» доступ к миллионам и миллиардам различных информационных ресурсов, независимо от их географической и национальной локализации.

4. Вместо ведения • Поиск и использование нужной информации становится все более сложным, трудоемким и неэффективным, несмотря на огромные научно-технические и организационно-финансовые усилия. • Мировым сообществом уже осознано направление главного «удара» в борьбе с информационным взрывом – переход от хранения и обработки данных к накоплению и обработке знаний. Один из подходов, в рамках которого для решения вышеуказанной проблемы сейчас сосредоточиваются значительные научно-технические ресурсы, - переход от классического Интернет (WWW) к семантическому (SemanticWeb). “The Semantic Web will globalize KR, just as the WWW globalized hypertext” Tim Berners-Lee Semantic Technologies Semantic Web Web 2.0

5. Semantic Web.Краткая история вопроса • 2000 г. – концепция Semantic Web (Tim Berners-Lee) Расширение WWW, в рамках которого Web-контент представляется в форматах, обеспечивающих его использование программными агентами, позволяя им искать, разделять и интегрировать информацию значительно легче, чем это происходит сейчас Определение W3C • 2007 г. – концепция Semantic Wave(Mills Davis) К 2012 году в 80% общедоступных веб-сайтов будет, в той или иной степени, использоваться семантический гипертекст для создания семантических веб-документов (с вероятностью 0.7), а в 15% общедоступных веб-сайтов будут использоваться развитые веб-онтологии для создания семантических баз данных (с вероятностью 0.6) Прогноз Gartner Group ???

6. Semantic Web.Краткая история вопроса

7. Semantic Web.Краткая история вопроса «Слоеный пирог» Тима Бернерс-Ли RDF-данные • Общая цель, сформулированная W3C: • Разработка форматов сериализации данных и интероперабельность приложений • Результаты: • Разработаны и реализованы рекомендации по форматам XML, Namespace (пространства имен) и RDF, которые в настоящее время существуют на уровне стандартов de facto • Результаты перешли из стадии исследований в стадию использования, в том числе и в коммерческих системах

8. Semantic Web.Краткая история вопроса «Слоеный пирог» Тима Бернерс-Ли RDF-схемы • Цель: • Разработка стандартов W3C • Результаты: • Предложены и поддерживаются W3C стандарты RDF(S), которые позволяют специфицировать словари используемых терминов • Разрабатываются соответствующие спецификации для существующих и новых приложений • Результаты перешли из стадии исследований в стадию использования, в том числе и в коммерческих системах

9. Semantic Web.Краткая история вопроса «Слоеный пирог» Тима Бернерс-Ли Онтологии • В этом направлении был достаточно мощный задел в рамках исследований по представлению знаний – общие подходы, конкретные формализмы, языки и системы представления знаний (например, Frame Logics, SHOE и др). • Вместе с тем, работа по стандартизации средств представления знаний онтологического уровня далеко не закончена, а создание соответствующих средств онтологического инжиниринга является в настоящее время одной из «горячих точек» в данной области. • Основные направления исследований и разработок – создание более мощных средств спецификации онтологий, обеспечивающих вывод на знаниях и проверку целостности знаний, средств поддержки целостности онтологических спецификаций в процессе эволюции как спецификаций самих моделей, так и стандартов, а также средств спецификации перекрестных ссылок между словарями и конвертирования спецификаций. Основные результаты: • «Выравнивание» средств спецификации онтологий, разработанных в США (DAML) и в Европе (OIL), до общего формализма (DAML+OIL) • Разработка консорциумом W3C стандарта de facto на спецификацию онтологий – языка OWL

10. Semantic Web.Краткая история вопроса «Слоеный пирог» Тима Бернерс-Ли Слой правил (Машины вывода) • Поиск новых выразительных и простых средств спецификации отношений и средств для спецификации запросов к базам знаний с возможностью фильтрации получаемых результатов, аналогичных SQL • Исследования и разработки по теории монотонных и немонотонных систем вывода на правилах, а также работы по созданию новых приложений с использованием технологий типа «webized rule engine technology» Основные результаты: • Уже существуют разные системы спецификации правил и требуется их сравнительный анализ, «вебизация» и стандартизация • Разработан язык SPARQL, который постепенно становится стандартом de facto на язык запросов к базам знаний.

11. Semantic Web.Краткая история вопроса «Слоеный пирог» Тима Бернерс-Ли Слой «Подтверждение» (Proof) • Ситуация смещается в область фундаментальных исследований. Предлагаются подходы к спецификации аксиом для систем, основанных на правилах. Исследуются различные логики, причем основное внимание уделяется системам, в которых не выполняется аксиома «замкнутого мира». Предлагаются средства валидации доказательств • Пока нет основы для стандартизации систем, основанных на правилах, а существующие системы правил легко экспортируются из разных систем, но плохо импортируются в другие системы Слой «Доверие» (Trust) • Только формируются направления фундаментальных и прикладных исследований, поскольку все утверждения в Web-среде существуют в некотором контексте и приложения должны учитывать эти контексты, так как нельзя считать, что все факты, полученные из сети, являются истинными

12. Semantic Web.Краткая история вопроса Оценивая ситуацию в целом, можно констатировать, что • Уже создан базис стандартизации в виде XML-, RDF(S)-, OWL- и SPARQL-спецификаций • Активно ведутся исследования по теории Semantic Web • В последнее время начаты разработки прикладных интеллектуальных систем, функционирующих в сети Интернет

13. Semantic Web.Основные проблемы SW-эра, в отличие от эпохи Интернет, еще только приближается! На этом пути существует значительное число научных, технических, технологических и чисто человеческих проблем, основными из которых являются: • Доступность семантического контента; • Доступность онтологий и средств их разработки, а также эволюция онтологий; • Масштабируемость; • Мультиязыковость; • Визуализация и стабильность.

14. Semantic Web.Приложения-убийцы • Понимание естественного языка • Базы знаний • Семантический поиск • Экспертные системы • Социальные сети • Семантические ярлыки

15. Онтологические модели и Semantic Web • Онтологии: модели и их использование • Онтологические проекты • Так откуда и куда мы идем?

16. Онтологические модели и Semantic Web «Карта» леса Конец 90-х: «Академические исследования» • Много докладов о приложениях с «легкими» онтологиями • Формирование исследовательского окружения для создания и сопровождения онтологий • Первая конференция по онтологиям: FOIS • Принципы онтологического инжиниринга • Интеграция онтологий (merging & alignment) • Зарождение коммерческого интереса: • «Директор онтологии» - Лео Обрст (MITRE) • Основной промоутер направления – eCommerce • Основной технический барьер – отображение предметных областей на онтологии и одних онтологий на другие

17. Онтологические модели и Semantic Web «Карта» леса 2000-2001: «Выход в свет» • Начало использование термина «онтология» • Появление исследовательского инструментария • Коммерческий инструментарий в разработке и тестировании • Появление концепции «Семантический Веб» • Стэнфордский семинар по семантическому Вебу 2002-2003: «Взросление» • Выпуск тематических журналов • Серия международных конференций • Появление коммерческих продуктов • Появление стандартов W3C (RDF, RDFS, OWL)

18. Онтологические модели и Semantic Web «Карта» леса 2004-2007: «Коммерциализация» • Всплеск на рынке продуктов и производителей • Рапорты о первых семантических приложениях • Бизнес-ориентированные конференции и школы • Разработка программного обеспечения под управлением онтологий • Истории об успешном развертывании систем 2008-20??: «Выход на уровень массового использования» • Первые семантические приложения доступны в Интернет • ........................................................................................................ Однако еще много технических и социальных проблем

19. онтологииэто БЗ специального типа, которые могут "читаться" и пониматься людьми и программами, отчуждаться от разработчика и\или физически разделяться их пользователями. Под формальной моделью онтологии O будем понимать упорядоченную тройку вида: O = <X, Â, >, где X-конечное множество концептов (понятий, терминов)предметной области, которую представляет онтология O; Â-конечное множество отношений между концептами (понятиями, терминами) заданной предметной области; -конечное множество функций интерпретации (аксиоматизация), заданных на концептах и/или отношениях онтологии O. Онтологические модели.Базисные определения

20. Онтологические модели.Классификация

21. Под формальной моделью онтологической системы o будем понимать триплет вида: o = <Ometa, {Odomain}, inf >, где Ometa -онтология верхнего уровня (мета-онтология); Odomain-множество предметных онтологий ; inf-модель машины вывода, ассоциированной с онтологической системой o. Онтологические модели.Онтологическая система

22. «Сильная» семантика Модальные логики Логики первого порядка OWL+RuleML, KIF Логические теории Дескриптивные логики DAML+OIL, OWL UML Концептуальные модели «Выразительность» Семантическая интероперабельность RDF(S) Таксономии Расширенные ER-диаграммы Тезаурусы Структурная интероперабельность Схемы БД, XML-схема ER-диаграммы Реляционные модели, XML Синтаксическая интероперабельность «Слабая» семантика Формализация Согласно Лео Обрсту, MITRE Онтологические модели.Методы и средства спецификации

23. Спецификация запросов к БЗ Спецификация знаний о ПО Спецификация вывода на знаниях Спецификация данных о ПО Онтологические модели.Средства спецификации В рамках «слоеного пирога» Тима Бернерса-Ли Ссайта http://www.w3.org/2007/Talks/0130-sb-W3CTechSemWeb/layerCake-4.png

24. Онтологические модели.Средства спецификации Новые средства семантизации для Semantic Web • Microformat • Микроформаты (сокр. μF или uF) — часть языка разметки, которая позволяет помечать семантику наВеб-страницах, представленных в HTML или XHTML. Программы могут извлекать данные из Веб-страниц, которые помечены одним или несколькими микроформатами. • GRDDL (Gleaning Resource Descriptions from Dialects of Languages) • Спецификация GRDDL (подбор описания ресурсов из диалектов языков) вводит разметку для декларации того, что XML-документсодержит «диалектные» данные, а также для привязки этих данных к алгоритмам, обычно представленным как XSLT-преобразование. • WSDL (Web Services Description Language) • Язык спецификации Веб-сервисов, на базее XML.Каждый WSDL- документ делится на три логические части:определение типов данных (определение вида отправляемых и получаемых сервисом XML-сообщений), абстрактные операции (список операций, которые могут быть выполнены с сообщениями), связывание сервисов (способ, которым сообщение будет доставлено).

25. Использование онтологий.Основные направления Семантизация Web-контента Обработка ЕЯ-текстов Семантический поиск Аналитика на знаниях Приложения для Semantic Web

26. Использование онтологий.Семантизация Web-контента Семантизация Web-контента является основной проблемой на пути формирования и использования пространств знаний, так как основная масса информации на Web не представлена в SW-форматах и нет надежды, что эта работа может быть выполнена вручную

27. Использование онтологий.Обработка ЕЯ-текстов • Semantic Web часто связывают с Искусственным Интеллектом, поскольку идея представления информации в структурированном виде таким образом, чтобы компьютеры ее «понимали» и могли решать сложные задачибыла и остается одним из краеугольных камней этих направлений исследований и разработок. • Понятно, что представление биллионов существующих Веб-страниц, например, в формате RDF – утопия. Альтернатива – обучить компьютеры естественному языку, после чего дополнительное семантическое аннотирование будет ненужным. Однако понимание ЕЯ компьютерами в настоящее время открытая проблема. Поэтому и технологии Семантического Веба пока даже не ставят эту задачу. • В качестве паллиатива предлагается: • Разметка существующих страниц людьми-аннотаторами. • Автоматическая разметка с использованием словарей, тезаурусов и онтологий. • Извлечение информации из текстов под управлением онтологий. • Разработка систем понимания естественного языка.

28. Использование онтологий.Семантический поиск Одним из первых кандидатов на приложение «убийцу» в категории Semantic Web был и остается информационный поиск. Сначала поисковая машина Hakia, а недавно и поисковик компании Powerset «проповедуют» идею о том, что семантические поисковики, основанные на понимании ЕЯ, «побьют» Google. Однако пока результаты новых поисковых машин слабее, чем результаты Google, который использует статистические алгоритмы, и чтобы сместить эту компанию с лидирующего положения, которое она занимает последние 8 лет, требуется смена парадигмы поиска и новый опыт использования инновационных подходов к поиску информации.

29. Интернет-поисковик компании hakia Inc. (основана в 2004г.) использует альтернативную инфраструктуру для индексирования на основе алгоритма SemanticRank – решения, которое «идет» от онтологической семантики, нечеткой логики, компьютерной лингвистики и математики. В составе руководства компании такие известные специалисты, как Prof. Victor Raskin (Purdue University) и Prof. Yorick Wilks, (Sheffield University, UK). Использование онтологий.Семантический поиск(hakia)

30. Использование онтологий.Семантический поиск(hakia)

31. Цель компании Powerset (основана в 2005 г.) в том, чтобы изменить поиск за счет системы понимания ЕЯ. Первый продукт компании – поисковик Powerset открыт в мае 2008 г. для отработки технологии на страницах Wikipedia. По мнению разработчиков, Powerset дает более точные результаты, часто отвечая непосредственно на вопрос, и агрегирует информацию из многих статей Wikipedia. Кроме того, пользователь получает возможность построения дайджестов и навигации по контенту. Использование онтологий.Семантический поиск(Powerset)

32. Использование онтологий.Семантический поиск(Powerset)

33. Использование онтологий.Семантический поиск(Exactus)

34. Использование онтологий.Традиционный поиск(Google)

35. Использование онтологий.Аналитика на знаниях Модельной задачей, которая хорошо иллюстрирует проблемы аналитики на знаниях, является проблема «отличный отдых»или "Genie in the Bottle“. Если Вы приходите в турагенство и просите организовать отличный отдых, оператор не сможет этого сделать. Почему? Да потому, что для решения этой задачи ему требуются знания о том, где Вы были до этого, кто собирается отдыхать с Вами, что Вы предпочитаете, каков Ваш бюджет и т.д., и т.п. Информация в Semantic Web структурирована. Но это не означает, что компьютер умеет решать сложные задачи и использовать эту информацию правильно. Если у Вас есть карта, это не означает, что Вы знаете наилучший маршрут из пункта A в пункт B. Наличие карты – необходимое, но не достаточное условие. Необходим алгоритм поиска наилучшего пути. А ответы на вопросы «Какой город является столицей Франции?» и «Какой самый лучший рейс сегодня от Нью-Йорка до Парижа?» - совсем разные по сложности задачи. Не говоря уже о более сложных вопросах типа «Где мне следовало бы провести следующий отпуск?».

36. Использование онтологий.Приложения для Semantic Web • Семантические ярлыки (Semantic Shortcuts) • Известные примеры – SnapShotsот компании Snap, BlueOrganizerиSmartLinksот компании AdaptiveBlue, Shortcutsот компании Yahoo! иIn-text searchот компании Lingospot. • Общее между всеми этими технологиями то, что здесь используется «легкая» семантика контента для предоставления дополнительной информации. В случае Snap и AdaptiveBlue семантика определяется URL, в то время, как Yahoo! и Lingospot производят анализ текста. Так семантические ярлыки «удаляют» потребность в поиске, обеспечивая нужный Веб-контент прямо на странице, которую просматривает пользователь. • Социальные сети (Social Graph) • Социальные сети это не Semantic Web, хотя они стимулируют решения и разработки в этой области. Знание о том, как связаны люди, очень важны для решения разных задач. Поэтому социальные сети интересный и значимый тренд 2008 года. • Семантическая навигация (Semantic Navigation) • Семантическая навигация – одно из тех направлений развития Semantic Web, которое может стать альтернативой семантическому поиску.

37. Онтологические проекты • От AI к SW • Инициатива (KA)2 – Knowledge Acquisition Initiative of the Knowledge Acquisition Community • Проект SHOE– Simple HTML Ontology Extensions • Из IT к SW • Freebase • Microformat • «Игроки» из ST для SW • Protégé (Stanford, USA) • NeOn (6FP, International project) • ….

38. Онтологические проекты.От AI к SW: Инициатива (KA)2 Аннотация знаний сообществом приобретения знаний Цель работ по этому международному проекту (1996-1999): интеллектуальный поиск в среде Интернет и автоматическое накопление новых знаний. В рамках инициативы (KA)2 было три основных направления исследований: • Онтологический инжиниринг; • Аннотация Web-страниц и • Запросы к информации на Web-страницах и вывод ответов на базе онтологических знаний.

39. Онтологические проекты.От AI к SW: Инициатива (KA)2 Проект Ontobroker [рук. - Fensel] (интересен с точки зрения средств представления и обработки онтологических знаний) Подсистемы Ontobroker: • Интерфейс формулирования запросов (query interface), • Машина вывода ответов (inference engine) и • Машина доступа к Интернет-ресурсам - Webcrawler для накопления требуемых знаний из этой среды.

40. Онтологические проекты.От AI к SW: Инициатива (KA)2 Формализм запросов Ontobroker ориентирован на фреймовое представление онтологий, в рамках которого определены понятия экземпляров, классов, атрибутов и значений. O:C[A->>V] – объект O является экземпляром класса C с атрибутом A, имеющим значение V Примеры: FORALL Obj, FN, EM <- Obj:Researcher[firstName->>FN; lastName->>"Иванов"; email->>EM] Obj = http://www.anywhere.ru/~ivanov/ FN = Иван EM = mailto:ivanov@anywhere.ru FORALL Obj,CP <- Obj:Researcher [lastName ->>"Иванов"; cooperatesWith->>CP] FORALL Att, T <- Researcher [Att=>>T]

41. Онтологические проекты.От AI к SW: Инициатива (KA)2 Формализм представления и машина вывода Ontobroker Онтология определяется через концепты (классы), связанные отношениями, атрибуты и аксиомы. В Ontobroker базисом представления являются так называемые логики фреймов (Frame-Logic) Базисные конструкции: • Подклассы (Subclassing) - C1 :: C2 (класс C1 является подклассом C2). • Экземпляры (Instance of) - O : C (O является экземпляром класса C). • Декларации атрибутов (Attribute Declaration) - C1[A=>>C2] (для экземпляра класса C1 определен атрибут A, значением которого должен быть экземпляр C2). • Значения атрибутов (Attribute Value) - запись O[A->>V] (экземпляр O имеет атрибут A со значением V). • Часть-целое (Part-of) - запись O1 <: O2 (O1 является частью O2). • Отношения (Relations) - предикаты вида p(a1,...,a2) могут использоваться, как и в обычных логических формализмах, но с тем расширением, что в качестве аргументов здесь могут выступать не только термы, но и выражения. Из базисных конструкций строятся более сложные - факты (facts), правила (rules), "двойные" правила (double rules) и запросы (queries).

42. Онтологические проекты.От AI к SW: Инициатива (KA)2 Пример фрагмента онтологии в формализме Ontobroker Определения атрибутов Person [firstName =>> STRING;lastName =>> STRING; eMail =>> STRING;... publication =>> Publication]. Employee [affiliation =>> Organization; ...]. Researcher [researchInterest =>> ResearchTopic;memberOf =>> ResearchGroup; cooperatesWith =>> Researcher]. Publication [ author =>> Person; title =>> STRING; year =>> NUMBER; abstract =>> STRING]. Правила FORALL Person1, Person2 Person1:Researcher [cooperatesWith ->> Person2] <- Person2:Researcher [cooperatesWith ->> Person1]. FORALL Person1, Publication1 Publication1:Publication [author ->> Person1] <-> Person1:Person [publication ->> Publication1].

43. Онтологические проекты.От AI к SW (Проект SHOE) Проект SHOE (1997-1999) был ориентирован на решение проблемы добавления к Web-страницам семантической информации и соотнесения ее с онтологиями соответствующих предметных областей. Основные направления исследований: • Разработка множества повторно используемых онтологий (reusable ontologies) для концептов, которые наиболее частотны для Web-ресурсов • Создание средств проектирования онтологий - аннотаторов знаний (Knowledge Annotator), которые бы упростили этот процесс

44. Онтологические проекты.От AI к SW (Проект SHOE) Формализм представления и машина вывода • SHOE по своей идее близок к инициативе (KA)2 . • Концепция языка представления знаний здесь лежит в русле расширения HTML специальными тэгами. • Основное отличие языка SHOE в том, что здесь предлагается "полномасштабное" расширение HTML. Для этого SHOE вводит в HTML-стандарт следующие новые тэги для спецификации онтологий: • ONTOLOGY, USE-ONTOLOGY, DEF-CATEGORY, DEF-RELATION, DEF-ARG, DEF-RENAME, DEF-CONSTANT, DEF-TYPE, DEF-INFERENCE, INF-IF, INF-THEN,COMPARISON, CATEGORY, RELATION, ARG и др. • Для аннотирования HTML-документов, кроме того, вводятся новые тэги • INSTANCE, мета тэг <META HTTP-EQUIV =…">и др.

45. Онтологические проекты.От AI к SW (Проект SHOE) Общая схема определения онтологии: <ONTOLOGY ID="идентификатор-онтологии" VERSION="версия" [BACKWARD-COMPATIBLE-WITH="список-версий"] [DESCRIPTION="текст"] [DECLARATORS="список-деклар.-экземпляров"]> собственно-декларация-онтологии </ONTOLOGY> Данная онтология может расширять другую: <USE-ONTOLOGY ID=" идентификатор-онтологии" VERSION="версия" PREFIX="префикс" [URL="URL"]> Внутри определения онтологи могут специфицироваться новые категории: <DEF-CATEGORY NAME="имя-категории" [ISA="список-родительских-категорий"] [DESCRIPTION="текст"] [SHORT="текст"]> Аналогичный подход применяется и для определения отношений: <DEF-RELATION NAME="имя-отношения" [DESCRIPTION="текст"] [SHORT="текст"]> список-аргументов </DEF-RELATION> Определение правил вывода: <DEF-INFERENCE [DESCRIPTION="текст"]> <INF-IF> тело </INF-IF> <INF-THEN> голова </INF-THEN> </DEF-INFERENCE>

46. Онтологические проекты.От AI к SW (Проект SHOE) Фрагмент онтологии в формализме SHOE: <ONTOLOGY ID="HomePageOntology" VERSION="1.0"> <ONTOLOGY-EXTENDS "organization-ontology" VERSION="2.1" PREFIX="org" URL="http://www.ont.org/orgont.html"> <ONTDEF CATEGORY="Person" ISA="org.Thing"> <ONTDEF RELATION="lastName" ARGS="Person STRING"> <ONTDEF RELATION="firstName" ARGS="Person STRING"> <ONTDEF RELATION="marriedTo" ARGS="Person Person"> <ONTDEF RELATION="employee" ARGS="org.Organization Person"> …………………………………………………………. </ONTOLOGY> Фрагмент аннотации персональной страницы: <BODY> <META HTTP-EQUIV="Instance" CONTENT="http://www.anywhere.ru/~ivanov"> <USE-ONTOLOGY "HomePageOntology« VERSION="1.0" PREFIX="our" URL="http://www.ont.org/HomePageOntology.html"> <CATEGORY "our.Person"> <RELATION "our.firstName" TO="Ivan"> <RELATION "our.lastName" TO="Ivanov"> <RELATION "our.marriedTo" TO="http://www.somewhere.ru/~Mariya"> <RELATION "our.employee" FROM="http://www.ccas.ru"> ……………………………………………………….. </BODY>

47. Онтологические проекты.Из IT к SW (Freebase)

48. Онтологические проекты.Из IT к SW (Freebase) Что такое Freebase? • Структурированные данные (специальная БД) • Кооперативно редактируемые каталоги тем • Кооперативно формируемая семантика (фольксономии) • Открытый API + открытые данные Что «внутри» Freebase? • Более 3.3 млн. объектов • Примерно 750 000 физических лиц • Примерно 450 000 геоимен • Примерно 50 000 организаций • Примерно 40 000 фильмов • Более 1000 типов и 3000 свойств

49. Онтологические проекты.Из IT к SW (Freebase) Информация о типах объектов Freebase

50. Онтологические проекты.Из IT к SW (Freebase) Спецификация Freebase для объектов типа ФизЛицо