एक अर्थ वेब अनुप्रयोग बनाना

मेरी स्नातक परियोजना के हिस्से के रूप में, मुझे सिमेंटिक वेब प्रौद्योगिकियों पर आधारित परियोजना टीमों के गठन के लिए एक प्रणाली बनाने की पेशकश की गई थी। चूंकि मैं नग्न PHP, SQL, ZF के साथ बीमार था, और रूबी ऑन रेल्स में प्रोग्रामिंग का अनुभव था, खुद को मौजूदा जवाहरात और RDF के साथ काम करने के समाधान से परिचित होने के बाद, मैंने इस पर लिखने का फैसला किया, क्योंकि मुझे वास्तव में जावा (मुझे माफ करना, जावा डेवलपर्स) पसंद नहीं है, हालांकि यह अर्थ वेब, बुद्धिमान एजेंटों, डेटा खनन के क्षेत्र में सबसे उन्नत भाषा है।

पहला कदम RDF, OWL, SPARQL, arc2, rdf.rb, Spira और अन्य तकनीकों, मानकों, मॉड्यूल का अध्ययन करना था।

संपीड़ित शब्दार्थ वेब भ्रमण

DIKW - तो, ​​हमारे पास मूल अवधारणाएं हैं - डेटा, सूचना, ज्ञान, ज्ञान, जिनमें से प्रत्येक को पिछले एक का उपयोग करके वर्णित किया गया है और कुछ ऐसा जोड़ता है जो पिछले स्तर पर नहीं है। डेटा एक मूल तत्व है, बिल्डिंग ब्लॉक्स। सूचना प्रश्न का उत्तर "क्या?", ज्ञान - "कैसे?", बुद्धि - "क्यों?" (पता-कुछ भी नहीं, पता-क्या, पता-और, क्यों) बताती है।

यह समझना मुश्किल है, इसलिए हम सुधार करते हैं: सूचना डेटा + मेटाडेटा (डेटा का विवरण, डेटा के बारे में डेटा) है। ज्ञान सूचना और निष्कर्ष के नियम हैं। अर्थात्, जब हमारे पास ज्ञान, नियम के निष्कर्ष हैं, तो हम एक जानकारी से नई जानकारी प्राप्त कर सकते हैं।

यदि RDF मानक मुख्य रूप से जानकारी के साथ संचालित होता है, तो OWL RDF में नए तथ्यों को प्राप्त करने के लिए नियम जोड़ता है। और OWL RDF पर वर्णित है, यह सही है।

मानकों से आगे - SPARQL - रिपॉजिटरी के लिए प्रश्नों की भाषा, एसक्यूएल के समान, लेकिन ट्रिपल के साथ संचालित होती है। RDF स्टोरेज के विभिन्न निर्माताओं से SPARQL थीम पर बहुत सारे बदलाव होते हैं, जैसे कि SQL में।
nt3, कछुए और अन्य - RDF / XML के विषय पर भिन्नता। यही है, हम ट्रिपल को पढ़ने / लिखने / भंडारण / प्रसंस्करण के लिए अधिक सुविधाजनक तरीके से प्रस्तुत करते हैं।

इन मानकों में, ज्ञान को त्रिगुणों में वर्णित किया गया है - विषय, विधेय, वस्तु। एक विषय वह है जिसका हम वर्णन करते हैं, जैसे कि एक सेब। एक विधेय विषय की कुछ संपत्ति है, उदाहरण के लिए, "रंग है।" एक वस्तु किसी दिए गए विषय के लिए इस संपत्ति का मूल्य है, उदाहरण के लिए, "हरे"। इस तरह, हम RDF / OWL के ढांचे के भीतर ज्ञान का वर्णन कर सकते हैं।

• Apple, यह, वर्ग
• Apple1, वर्ग के अंतर्गत आता है, Apple
• Apple1, का रंग, हरा है
• Worm1, खाती है, Apple1
• ग्रीन, RGB में, 00FF00 (शाब्दिक)

आदि

इसके अलावा, विषय और विधेय हमेशा एक संस्था होते हैं, और एक वस्तु या तो एक इकाई या शाब्दिक (स्ट्रिंग, संख्या) हो सकती है। प्रत्येक इकाई का प्रतिनिधित्व एक यूआरआई द्वारा किया जाता है। उदाहरण के लिए, हमारा सेब जैसा दिखता है

  http://example.com/apples_repo.xml.rdf#our_apple1 

डेटा ( ABox ) के अलावा, हमारे पास मेटाडेटा ( TBox ) होना चाहिए, जो कक्षाओं का वर्णन करता है, वर्गों के बीच संबंध, वर्ग गुण, और भी, OWL के मामले में, कक्षाओं के बीच संबंध। ABox आमतौर पर भंडार में संग्रहीत किया जाता है और इस दुनिया की विशिष्ट संस्थाओं का वर्णन है, और TBox आमतौर पर तथाकथित ऑन्कोलॉजी में संग्रहीत किया जाता है । एक ऑन्कोलॉजी आमतौर पर एक ओडब्ल्यूएल या आरडीएफ फ़ाइल होती है (जो बदले में, कुछ रिपॉजिटरी द्वारा डाउनलोड की जा सकती है)।

इस प्रकार, कुल मिलाकर हमें एक ऑन्कोलॉजिकल नॉलेज बेस मिलता है, जो इस विषय क्षेत्र (लोगों, परियोजनाओं, कार्यों, घरों, सामानों) के विषय क्षेत्र (वर्ग, गुण, संबंध) और विशिष्ट संस्थाओं का वर्णन करता है।

और अब मुख्य प्रश्न - यह सब क्यों आवश्यक है , क्योंकि हम एक ही चीज़ को रिलेशनल / डॉक्यूमेंट / ग्राफ / ऑब्जेक्ट डेटाबेस में स्टोर कर सकते हैं?
यह क्षेत्र विकसित हो रहा है और वर्तमान में दिलचस्प है, मुख्य रूप से वैज्ञानिक दृष्टिकोण से। हालाँकि, अब ऐसे उपकरण हैं जो डेटाबेस को नहीं कर सकते हैं। ज्ञान जीवित डेटा है। वह डेटा जिससे नया डेटा प्राप्त किया जा सकता है।

यदि हम जानते हैं कि पेट्या माशा का बेटा है, और माशा कोल्या की बहन है, और हम यह भी जानते हैं कि बहन और भाई एक सममित संबंध में हैं, और माँ का भाई एक चाचा है, तो हम यह निष्कर्ष निकाल सकते हैं कि कोल्या पेट्या के चाचा हैं।

इस सरल उदाहरण का उपयोग करते हुए, यह स्पष्ट है कि एक तर्क प्रणाली के साथ संयोजन में ontological ज्ञान के आधार पर नए तथ्य मिल सकते हैं। डेटा खनन की एक दिशा भी है - तार्किक निष्कर्ष से सटे पहले अज्ञात डेटा की निकासी। और कई एआई सिस्टम, विशेषज्ञ सिस्टम ऑन्कोलॉजिकल नॉलेज बेस के उपयोग के साथ ठीक काम करते हैं, क्योंकि वे इसके लिए महान हैं।

हमें एक वितरित सिमेंटिक वेब भी प्राप्त होता है, ज्ञान जिसमें से विभिन्न वेब सेवाएं ऑन्कोलॉजी के अनुसार उन्हें निकाल और व्याख्या कर सकती हैं। सामाजिक नेटवर्क के एक समूह की कल्पना करें जिसमें प्रत्येक व्यक्ति के बारे में आरडीएफ फॉर्म में जानकारी डाउनलोड की जा सकती है। इससे इन सभी नेटवर्कों से डेटा डाउनलोड और प्रोसेस करना संभव हो जाता है। यदि पहले खोज इंजन और एग्रीगेटर्स ने पाठ को पूरी तरह से शब्दार्थ से रहित किया था, तो अब वे ऑन्कोलॉजी द्वारा निर्दिष्ट ज्ञान को निकालने और संसाधित करने में सक्षम होंगे।

तो, चलिए अभ्यास के लिए आगे बढ़ते हैं।

प्रोटीन का उपयोग करके, हम विषय क्षेत्र को मॉडल करते हैं।
लिंक पर ओडब्ल्यूएल पर तैयार ऑन्कोलॉजी:
mera-max.ru/ontologies/competenceModel.rdf-xml.owl
mera-max.ru/ontologies/professionsModel.rdf-xml.owl
mera-max.ru/ontologies/staffModel.rdf-xml.owl
xmlns.com/foaf/spec
semanticweb.org/wiki/DOAP
www.semanticdesktop.org/ontologies/2008/05/20/tmo

हमारे आवेदन के लिए संक्षिप्त और सरलीकृत में - हमारे पास लोग ( एफओएएफ ) हैं, प्रत्येक व्यक्ति के पास एक खाता और दक्षताओं का एक सेट है जो वह मालिक है, परियोजनाएं ( डीओएपी ) हैं, परियोजना के भीतर - कार्य, जिनमें से प्रत्येक को दक्षताओं के एक सेट की आवश्यकता होती है, बदले में, एक स्तर है जिसमें एक संख्यात्मक प्रतिनिधित्व है।

कार्यान्वयन

रूबी 1.9.2 का उपयोग करना
हम रेल 3.0.7 का उपयोग करते हैं
इसलिए, हम खातों को छोड़कर तिल के rdf स्टोरेज में स्टोर करेंगे (क्योंकि यह ओपन SPARQL एक्सेस में पासवर्ड हैश को स्टोर करने के लिए अशोभनीय होगा)
खातों के भंडारण के लिए हम MongoDB का उपयोग करते हैं
प्रमाणीकरण के लिए हम Devise का उपयोग करते हैं
तिल के साथ काम करने के लिए हम स्पाइरा का उपयोग करते हैं, जिसे rdf.rb पर बनाया गया है
SPARQL एक्सेस प्वाइंट के साथ काम करने के लिए (जो इस मामले में तिल के भंडारण के साथ मेल खाता है) हम स्पार्कल-क्लाइंट का उपयोग करते हैं
MongoDB के साथ काम करने के लिए हम Mongoid का उपयोग करते हैं
लेआउट के लिए haml का उपयोग करें

चलिए जिठुब पर स्रोत कोड के माध्यम से चलते हैं।

• बंदर पैच सही ढंग से तिल के साथ काम करने के लिए लिखा गया था और एक मैपर के रूप में स्पाइरा के साथ अधिक सुविधाजनक काम के लिए ।
• इस पर Apache Tomcat और Sesame (Openrdf-sesame + openrdf-workbench) स्थापित और कॉन्फ़िगर किया गया
• MongoDB स्थापित और कॉन्फ़िगर किया गया
• मॉडल , विचार और नियंत्रक लिखे
• स्थापित और कॉन्फ़िगर Devise, Mongoid कंसोल से मानक उपकरण का उपयोग कर
• प्रतिबंध SPARQL क्वेरी का उपयोग करते हुए, हमें आवश्यकताओं के लिए उपयुक्त सभी उम्मीदवार प्राप्त हुए (डिप्लोमा के लिए प्रलेखन में एक अधिक जटिल मॉडल दिया गया है:

def find_candidates sel=Person._where competences_with_level.each do |cwl| cwl_id=:"cwl#{i}" #   lev_id=:"lev#{i}" val=:"val#{i}" sel._where(:competences_with_level=>cwl_id) #    sel.where([cwl_id,CompetenceWithLevel.properties[:competence][:predicate],cwl.competence.subject]) #   sel.where([cwl_id,CompetenceWithLevel.properties[:level][:predicate],lev_id]) #  sel.where([lev_id,CompetenceLevel.properties[:value][:predicate],val]) #   sel.filter("?val#{i} >= #{cwl.level.value}") #    ,      end sel.instances end 

स्पाइरा दस्तावेज़ मॉडल की संरचना पर विचार करें, जैसा कि यह ActiveRecord और Mongoid से अलग है।

 class Task include Spira::Resource #-,    type Vocabularies::Project.Task # owl type base_uri "http://example.org/tasks/" #,       default_vocabulary Vocabularies::Project #  (),         property :name, :predicate=>Vocabularies::Project.hasName, :type=>String #,  –   property :project, :predicate=>Vocabularies::Project.belongsToProject, :type=>:Project # .    . has_many :competences_with_level, :predicate=>Vocabularies::Project.requires, :type=>:CompetenceWithLevel #   --.          ruby   . end 

और चलो न केवल SPARQL के माध्यम से सिस्टम से डेटा निकालने की क्षमता की उपलब्धता पर ध्यान दें, बल्कि NT में प्रत्येक इकाई का प्रदर्शन:

  def show @competence = Competence.find(params[:id]) respond_to do |format| format.html # show.html.erb format.nt { render :inline => @competence.to_nt } #  end end 

इसलिए, उम्मीदवारों को आवश्यक और मौजूदा दक्षताओं के आधार पर परियोजनाओं को पूरा करने के लिए एक खोज प्रणाली मिली।

यह एप्लिकेशन आदर्श से बहुत दूर है, बहुत साफ कोड नहीं है, कोई इकाई और एकीकरण परीक्षण नहीं हैं, कोई प्राधिकरण नहीं है, यह सिर्फ एक दिलचस्प प्रयोग है, जो मेरे लिए अर्थ तकनीकों का उपयोग करने और परियोजना प्रबंधन, परियोजना टीम गठन के क्षेत्र में समझने और उपयोग करने के लिए एक कदम बन गया। और मुझे आशा है कि यह रूबी पर भविष्य में रूमाल में सिमेंटिक एप्लिकेशन बनाने में दिलचस्पी रखने वालों की मदद करेगा और अभी तक इतनी लोकप्रिय सिमेंटिक तकनीकों को विकसित नहीं करेगा।

सभी डिप्लोमा दस्तावेज़ (व्याख्यात्मक नोट, प्रस्तुतियाँ, रूसी और अंग्रेजी में रिपोर्ट) यहाँ पाए जा सकते हैं (आप कभी नहीं जानते कि किसको अधिक विस्तृत औपचारिक विवरण की आवश्यकता है, जिस तरह से उनके पास बहुत कुछ है जो आवेदन में नहीं है)।

मुझे खुशी होगी अगर यह सामग्री आपके प्रशिक्षण परियोजनाओं के लिए सॉफ़्टवेयर बनाने के लिए किसी के लिए उपयोगी है, हालांकि, अभी भी आपके कंधों पर आपका सिर है;)।

---

ps मेरे डिप्लोमा सलाहकारों के लिए धन्यवाद, एसोसिएट प्रोफेसर डी.वी. पोपोव और ए.एफ. गैलियमोव, वीएमके विभाग, एफआईआरटी, यूएसएटीयू।