Az ontológiaépítés módszertana

Tóth Máté és Kovács Zoltán Csaba

Tartalom

1 Bevezetés ......................................................................................................................................... 4

2 A fogalmak osztályozásának alapkérdései ...................................................................................... 6

3 Tudásszervezési rendszerek .......................................................................................................... 11

3.1 A metaadat fogalma .............................................................................................................. 11

3.2 Tárgyszavas osztályozás ........................................................................................................ 16

3.3 Ellenőrzött szótárak ............................................................................................................... 18

3.4 Taxonómiák ........................................................................................................................... 19

3.5 Tezauruszok ........................................................................................................................... 23

3.6 Facettás osztályozás .............................................................................................................. 26

4 Az ontológia fogalma ..................................................................................................................... 30

5 Ontológia szintaxisok ..................................................................................................................... 39

5.1 RDF ........................................................................................................................................ 39

5.2 OWL ....................................................................................................................................... 46

5.3 SKOS....................................................................................................................................... 48

5.4 XTM ....................................................................................................................................... 49

5.5 További Topic Maps szintaxisok ............................................................................................ 50

5.5.1 HyTM ............................................................................................................................. 51

5.5.2 LTM ................................................................................................................................ 51

5.5.3 CTM ............................................................................................................................... 51

5.5.4 GTM ............................................................................................................................... 52

6 Ontológiaépítés a gyakorlatban .................................................................................................... 54

6.1 Az ontológiaépítés eszközei................................................................................................... 54

6.1.1 Szemantikus web ontológiák fejlesztésére szolgáló eszközök ...................................... 54

6.1.2 Tématérképek fejlesztésére szolgáló eszközök ............................................................. 55

6.2 Ontológiaépítés az OKS segítségével ..................................................................................... 57

6.2.1 Az OKS letöltése és használata ...................................................................................... 57

6.2.2 Az ontológiák építésének első lépései ........................................................................... 59

6.2.3 Tartalmak formalizálása LTM szintaxis segítségével ..................................................... 61

6.2.4 Ontológiaépítés az Ontopolyval .................................................................................... 65

7 Az ontológiák használata ............................................................................................................... 78

7.1 döntéstámogatás ................................................................................................................... 78

7.2 tudásmenedzsment ............................................................................................................... 79

7.3 Oktatás .................................................................................................................................. 83

7.4 szemantikus web ontológiák ................................................................................................. 85

8 Összefoglalás ................................................................................................................................. 92

9 Irodalomjegyzék ............................................................................................................................ 94

1 Bevezetés

Az információtechnológia minden kétséget kizáróan forradalmi változásokat okozott az

elmúlt évek társadalmi és gazdasági folyamataiban. Az információtechnológia mindenütt

jelen van, gyakorlatilag a társadalom életének nincs olyan szegmense, a gazdaságnak nincs

olyan szektora, amely ne támaszkodna kisebb vagy nagyobb mértékben informatikai

támogatásra. Az elmúlt években a technikáról egyre inkább a tartalomra, a keresésre, az

informatikai eszközökön közvetíthető szolgáltatásokra terelődött a hangsúly. Ezt a

tendenciát jelzi az is, hogy egyre többen és egyre magasabb szinteken kezdenek foglalkozni a

szemantikus technológiákban rejlő lehetőségek kiaknázásával. Megjelent az igény arra, hogy

a tartalmakat gépi olvasásra is alkalmas formátumban rögzítsék, és az adatok

újrahasznosíthatók legyenek különböző kontextusokban, sokféle alkalmazás fejlesztése

során. Mindezek egyik legfontosabb előzményét a szemantikus web elképzelés jelenti.

Tim Berners-Lee és kollégái 2001-ben a következőképpen fogalmazták meg a szemantikus

web lényegét. “A szemantikus web nem egy önálló web, hanem a jelenleginek a

kiterjesztése, ahol az információnak jól definiált jelentést adunk, amely elősegíti a

számítógépek és az emberek közti együttműködést. Az első lépéseket már megtettük abban

az irányban, hogy a jelenlegi web struktúrájába beleszőjük a szemantikus webet. A közeli

jövőben ezek a fejlesztések jelentős új funkciókat kaphatnak, ahogy a gépek egyre

alkalmasabbak lesznek azon adatok feldolgozására és “megértésére”, amelyeknek ma

csupán a megjelenítésére képesek.” (Berners-Lee et al. 2001.)

Elmondható, hogy a szemantikus web immáron több mint 10 éves története során sem volt

képes beteljesíteni azokat az álmokat, amelyeket a koncepció megjelenését követően

vizionáltak. Elindult ugyanakkor egy erős kutatási irány, amely hosszú távon az adatok

formális kódolásán keresztül egyre több, különböző forrásból származó információk

integrálásán alapuló, izgalmas alkalmazás kifejlesztését teszi lehetővé.

Jelen dolgozat célja, hogy összefoglalja az ontológiafejlesztéssel kapcsolatos legalapvetőbb

ismereteket a hazai egyetemek hallgatói és oktatói számára. Tekintettel arra, hogy az

ontológiaépítés alapvetően a fogalomalkotásban, a fogalmak osztályozásában és egymáshoz

képest fennálló kapcsolataik leírásában gyökerezik, szükségesnek tartottuk, hogy ezekkel a

kérdésekkel is érdemben foglalkozzunk. A dolgozat második felében egy konkrét

ontológiafejlesztésre szolgáló szoftver (Ontopoly) használatán keresztül nyomon követhetjük

egy tématérkép ontológia kereteinek felépítését és adatokkal történő feltöltését.

Az ontológiák építésének társadalmi motivációi között első helyen áll a tartalmak

kereshetőségének, megjelenítési és kreatív újrahasznosítási lehetőségeinek növelése. Ez

olyan szótárak fejlesztését teszi szükségessé, amelyek a vállalkoznak a világ létezőinek lehető

legteljesebb szabványos leírására. Minden ontológia a világ tudásának egy-egy fontos

szegmensét reprezentálja, amelyek együttesen egy globális hálózati metaadat-infrastruktúra

kiépítésének a lehetőségét hordozza magában.

2 A fogalmak osztályozásának alapkérdései

Tekintve, hogy az ontológia egy tudásszervezési rendszer, amelyben a valóságot kell

formalizálni, tisztáznunk kell a fogalomalkotásnak és a fogalmak osztályozásának

alapkérdéseit. A legkézenfekvőbb párhuzam maga az emberi nyelv, amely a valóság

jelenségeit kategóriákba sorolva, nyelvi jelekkel (szavakkal) azonosítva ragadja meg.

Az információközvetítő tevékenység a tudástársadalomban értelmezett ismeretek

közvetítését jelenti. Jellemzően a tudás szövegekben jelenik meg. A szöveg szemantikája,

jelentése maga a tartalom, ami különböző formátumokban, hordozókon is megjelenhet.

Ilyen értelemben tehát a tartalom absztrakt fogalom. A szövegek tartalmának a

reprezentálására szurrogátumok szolgálnak a tartalomkezelés hagyományos

intézményeiben, mint például a könyvtárakban.

A szurrogátum az eredeti dokumentum mása, helyettesítője, amelyben az arra vonatkozó

adatelemek rendezett halmazként vannak jelen. „A szurrogátum a dokumentumokat mint

tárolási-keresési egységeket képviseli az információtárolás és -keresés során.” (Varga 2012)

A fogalmak osztályozása és a tartalmak reprezentálása jellemzően könyvtári tevékenység,

ugyanakkor nem tekinthetünk el attól a ténytől, hogy több más tartalomszolgáltató

intézmény is foglalkozik ezekkel a kérdésekkel. A feldolgozó munkának két területét

különböztethetjük meg:

- A dokumentumok formai leírását és azonosítását, ez a formai feltárás, katalogizálás,

illetve a bibliográfiai leírás feladata.

- A dokumentumok tartalmi vagy tárgyi feltárását, mellyel a tartalmi feltárás

foglalkozik.

Ezen feldolgozási tevékenység eredménye a szurrogátum. (Varga 2012)

A fogalmak osztályozása és a tartalmak reprezentálása során azt az üzenetet kell megkeresni

és kifejezni, amelynek információs értéke van azok számára, akiket az információs rendszer

célközönségének, használóinak tekintünk.

A dokumentumok formai és tartalmi feltárása során több funkciónak kell eleget tenni. A

feldolgozásnak célja lehet

- egy dokumentumállomány reprezentálása, áttekinthetővé tétele (formai és tárgyi

szempontok),

- az információk visszakereshetővé tétele,

- a kompatibilitás, szabványosság biztosítása, vagy

- azonosítás (egyértelmű kapcsolat a dokumentum és a szurrogátum között). (Varga

2012)

Az ontológiaépítés során az egyes dokumentumok formai és tartalmi szempontú

osztályozásának szempontja egyaránt megjelenik.

A tartalmi feltárás különböző szinteken valósul meg. Egyrészt szükséges hozzá egy

visszakereshetőséget biztosító adatszerkezet, másrészt a szöveg egyedi információinak

elemzése. A munka során le kell írnunk magát a tartalmat, amelynek célja, hogy a hasonló

szemantikai jellemzőkkel bíró entitások együtt maradjanak, illetve, hogy valamennyi tartalmi

információ visszakereshető legyen.

A tartalom leírása során tartalmi csoportokat kell kialakítani, amelyhez a fogalmak

osztályozása szükséges. A fogalmakból az osztályok kialakítás és az egyes egyedek ezekbe

történő besorolása az emberi gondolkodás egyik legalapvetőbb tevékenysége. A megismerés

során az egyedeket jellemzőik alapján csoportokba soroljuk. Amennyiben egyedek egy

bizonyos csoportja kitüntetett, érzékelhető és jól definiálható közös jellemzőkkel bírnak.

Például a személyautók csoportjába sorolhatjuk a 2-7 személyes, jellemzően négy kerékkel

bíró, első számú funkcióját tekintve személyszállításra szolgáló közúti járműveket. Az

osztályok kialakítása nyomán gazdaságosan kezelhetjük a saját memóriakapacitásunkat,

hiszen egy-egy jármű esetében elegendő megjegyeznünk, hogy az személyautó és így nem

kell valamennyi típushoz (Skoda Octavia, Audi A4, Ford Focus) rögzítenünk a fent felsorolt

jellemzőket.

A világ létezőit így egyrészt szétválogatjuk eltérő tulajdonságaik alapján, másrészt

összevonjuk a hasonlóságok mentén. A fentiek alapján egy osztályba tartoznak azok az

objektumok, amelyek ugyanazzal vagy ugyanazokkal a közös tulajdonságokkal rendelkeznek.

Az osztályalkotás nem más, mint az osztályt jellemző kritériumok meghatározása. Az

osztályba sorolás pedig a hasonló egyedek csoportosítása, illetve annak a megállapítása,

hogy mi mibe tartozik bele. (Varga 2012)

Pálvölgyi (2011) a következőképpen magyarázza mindezt. „Amikor a valóságos dolgokat

(jelenségeket, egyedeket stb.) érzékeljük, értelmezzük, tudatosítjuk, elengedhetetlen, hogy

(1) képesek legyünk arra, hogy megkülönböztessük őket egymástól, (2) és arra is, hogy

különböző dolgok közös ismérveit megállapítsuk. Ha képesek vagyunk dolgok valamely közös

ismérvét megállapítani, akkor meg tudjuk határozni (el tudjuk határolni) azon dolgok körét,

amelyekre a közös ismérv vonatkozik. Ez a művelet osztályozási művelet, és a neve

osztályalkotás. A művelet eredménye: meghatározott dolgok (jelenségek, egyedek stb.) egy

osztályának a létrehozása, megalkotása. Ehhez kapcsolódik az osztályba sorolás művelete.

Az osztályozás valamennyi esetben fogalmi síkon történik. „A fogalom olyan gondolat, amely

a valóság objektumait, jelenségeit az adott tárgyakra nézve közös, más tárgyaktól őket

elválasztó ismertetőjegyeik szerint általánosítja, emeli ki.” (Varga 2012) A szakirodalom két

terminussal írja a fogalom alapvető jellemzőit.

- A fogalom tartalma – intenzió – a benne általánosított dolgok lényeges

ismertetőjegyeinek összessége.

- A fogalom terjedelme - extenzió - a benne általánosított dolgok összessége. (Barátné

1998)

A fogalom a terjedelmét alkotó dolgok osztályát képviseli. Az osztály az elemek olyan nyílt

összessége, melyet közös tulajdonságok, ismertetőjegyek jellemeznek. Az osztályok elemei

rendelkeznek kitüntetett szemantikai jellemzőkkel illetve más megkülönböztető ismérvekkel.

(Varga 2012) Ha egy osztályon belül az elemek egy csoportja a kitüntetett szemantikai

jellemzők mellett más közös tulajdonságokkal is rendelkezik, alosztályt alkot.

Minél nagyobb mértékben általánosítunk egy-egy fogalmat, annál kevesebb ismertetőjeggyel

vagyunk képesek azt leírni. Az ismérvek számának növelésével egyre speciálisabb, a

csökkentésével egyre általánosabb fogalmakhoz jutunk. Bizonyos fogalmakat már csupán

egyetlen ismérvvel, önmagával lehet jellemezni, ezeket fogalmi kategóriáknak nevezzük. Erre

lehet példa az anyag, az energia, az idő, a mozgás vagy a tulajdonság. „A facetták a fogalmi

kategóriák olyan alkategóriái, amelyek egy-egy szakterület általános fogalmait képviselik.”

(Varga 2012)

Összefoglalva tehát az osztályozás az emberi gondolkodás alapvető formája, mely

párhuzamba állítható a fogalomalkotással. Természetes logikán alapul. Azt a logikai

tevékenységet, mely során a jelenségeket, tárgyakat hasonlóságuk foka alapján

egybegyűjtünk, és különbségeik foka alapján elkülönítjük egymástól, osztályozásnak

nevezzük. Ha az osztályozás tárgyai a könyvtár állományába tartozó dokumentumok vagy

szolgáltatási körébe tartozó információk, akkor könyvtári osztályozásról beszélünk. Ha

valamely bibliográfiában felsorakoztatott mű, akkor pedig bibliográfiai osztályozásról

beszélünk.

Az osztályok a gondolkodásunkban definiálhatók más osztályok uniójaként, metszeteként,

komplementereként stb. Az alapvető halmazelméleti műveletekkel képesek lehetünk leírni

az egyes fogalmak közötti átfedéseket, különbségeket, sajátos viszonyokat. „A reláció a

halmazok vagy egy halmaz elemei között megállapított kapcsolat. Fogalmi reláción - teljesen

analóg módon - a fogalmak vagy ismérvek közötti kapcsolatokat értjük.” (Varga 2012) Ennek

általános jelölése aRb.

A relációkat is különféleképpen osztályozhatjuk azok természete szerint. Most csak azon

legjellemzőbb kapcsolattípusokat soroljuk fel, amelyek az osztályozási rendszerek kialakítása

során jelentőséggel bírnak.

- Ekvivalencia reláció. Abban az esetben, amikor két osztályba ugyanazon egyedek

tartoznak. Tipikusan a szinonimákra, illetve különböző nyelvű megnevezések közötti

ekvivalencia leírására szolgál. Pl. ekvivalencia reláció áll fenn a macska – cat – katt

különböző nyelvű elnevezések között, vagy a kutya – eb szinonimák között. Ezekben

az esetekben elmondható, hogy minden olyan egyed, amely a kutya szóval leírható,

biztosan leírható az ebbel is. A valóság minden olyan eleme, amelyet macskaként

definiálunk, az meghatározható mint cat vagy mint katt is.

- Generikus reláció van két olyan egyed között, amelyek egymás fölé- vagy

alárendeltjeinek tekinthetők. Pl. Minden személyautó jármű, de nem minden jármű

személyautó. Tehát a jármű a személyautó fölérendeltje. Valamennyi személyautó

osztályba tartozó egyed része a járművek osztályának is. A generikus reláció az

ontológiák esetében kifejezetten nagy jelentőséggel bír, amelyet Ungváry (2004) a

következőképpen magyaráz: „Az ontológia részét alkotó fogalmi hierarchia

kifejezéseivel dokumentumok (források, elsősorban webforrások) tartalma

osztályozható, írható le. E hierarchia kifejezései tehát a dokumentumok (források)

tartalmára vonatkozó másodlagos vagy ún. metaadatokat képviselnek, maga a

hierarchia pedig tekinthető osztályozási rendszernek, illetve információkereső

nyelvnek. A különbség a hagyományos osztályozási rendszerekhez (ETO) és

információkereső nyelvekhez (tezauruszok) képest az, hogy az ontológiákkal a logikai

szerkezet jóvoltából automatizáltan kihasználható a generikus hierarchia eddig csak

intellektuálisan hasznosított tulajdonsága, a generikus öröklődés. Az öröklődés az

ontológiákban például azt jelenti, hogy ha a kutya fogalmának ismertetőjegye az

ugatás, akkor a kutyák minden fajtájára érvényes, hogy ugatnak. Ez a következtetés

minden nyelvhasználó, és vele minden kereső számára magától értetődő, mégpedig

anélkül, hogy kutyák minden egyes fajtájára nézve külön-külön rögzítenie kellene

magának ezt a ismeretet. Mind a mai napig azonban a logika egyetlen változata sem

teszi igazán lehetővé ennek a következtetésnek a formális végrehajtását (azaz ezt az

ismeretet egy formális rendszerben az egyes kutyafajták esetében külön-külön

rögzíteni kell). Az ontológiákat azért találták ki, hogy ezt a problémát a mesterséges

intelligencián alapuló rendszerekben és az ismeretbázisokban, rajtuk keresztül pedig

valamiképpen az információkeresésben is valahogy áthidalják.”

- Szerkezeti relációnak tekinthetők az egész-rész viszonyokat leíró kapcsolatok.

Magyarország része Budapest, ugyanakkor Budapest egésze Magyarország. Ez a

viszony jellemzően hierarchikus, de a hierarchia nem generikus természetű.

Gondoljunk csak a város – megye – ország – kontinens fogalmak közötti viszonyokra

konkrét példákon keresztül. Pécs város része Baranya megyének; Baranya megye

része Magyarországnak; Magyarország része Európának. Ha generikus viszonyról

lenne szó, akkor igaznak kellene lenni annak az állításnak, hogy az alosztály egyede a

főosztály egyede is. Ez azonban nem igaz, hiszen egy város semmiképpen sem lehet

egy megye is. A relációtípust hívhatjuk partitív hierarchiának is.

Ezen relációkkal az egyes fogalmakat reprezentáló osztályok egymáshoz való viszonya írható

le. Az ontológiák különösen hatékonyak ezen relációk megragadásában és ezáltal a választott

fogalmak közötti összefüggések reprezentálásában.

Az ontológiák mellett számos más tudásszervezési rendszer is létezik. Ezeket tekintjük át a

következő fejezetben.

3 Tudásszervezési rendszerek1

A tudásszervezési rendszerek feladata, hogy segítségükkel sikerüljön úgy elrendezni a

tartalmakat, hogy a felhasználók könnyedén megtalálják, amit keresnek. Ahogy az

információs túlterheltség egyre növekszik, a nem keresett dolgok egyre mélyebben elfedik

azt, amit keresünk, ezek az eszközök egyre fontosabbá válnak. Tudásszervezési rendszereket

alkalmaznak honlapok készítése során is, de legfontosabb eszközei a más tudományágakban

kifejlesztett információszervezési technikák. Ezek közül a legtöbb a könyvtártudományból

jön, mint például a tezauruszok, taxonómiák vagy a facettás osztályozás.

A tudásszervezési rendszerek kapcsán számos probléma megfogalmazható:

- A tudományok fogalmi rendszere változik, nehéz követni.

- A hierarchikus osztályozási rendszerek követőek, nem tükrözik az újdonságot.

- Információkereséskor ritkán gondolkodunk tudományokban, inkább témákat

keresünk. (Garshol 2003)

A szemantikus technológiák viszonylag új szereplői ennek a területnek, és az eddig létező

technikák nyújtotta lehetőségekkel összehasonlítva jobban szervezett tartalmakat ígérnek.

Jelen fejezet célja, hogy áttekintse a létező tudásszervezési rendszereket, hogy azok

fényében világossá válhasson az ontológiák jelentősége, erősségei és hátrányai. Garshol

(2003) áttekintette a legalapvetőbb fogalmakat a tudásszervezési rendszerekkel

kapcsolatosan. Ez a fejezet ezen tanulmány gondolatmenete, meghatározásai és logikája

alapján készült.

3.1 A metaadat fogalma

A metaadat minden információ-visszakeresés alapja, így azzal kezdjük, hogy megvizsgáljuk,

mit takar ez a fogalom. Az az általános feltételezés az információszervezésről, hogy az

különálló egységekből áll, bár ezen egységek szakszerű megnevezése változó. Időnként úgy

hivatkoznak rájuk, mint „dokumentumok”, máskor mint „dolgok”. Ebben a fejezetben a

továbbiakban az objektum kifejezést fogjuk használni ezen egységekre, mivel nem tűnik

1 Garshol (2004) alapján.

megfelelőnek az a feltételezés, hogy a szó hagyományos értelmében ezek mind

dokumentumok lesznek.

A metaadatot általában úgy definiálják, hogy „adat az adatról”, ami természetesen nagyon

tág meghatározás. Az informatika világában ez általában egy adott reprezentáció

adatkészletéről szóló információra vonatkozik, amely jellemzően sémainformációt (schema),

adminisztratív információt stb. jelent. Mindazonáltal a tartalomszervezésben (content

management) és a tudásszervezésben a metaadat általában azt jelenti, hogy „információ az

objektumokről” (az „objektum” itt a fent meghatározott értelemben szerepel), azaz

információ egy dokumentumról, képről, egy újra felhasználható tartalommodulról stb.

Miután minket most elsősorban a tartalomkezelés érdekel, ezt a definíciót fogjuk alkalmazni

a továbbiakban.

A metaadatok legismertebb szógyűjteménye a Dublin Core (DC). A készlet 15 tulajdonságból

áll, amelyek alkalmazhatók információs források leírására. (DCMI 2001) A DC metaadat

elemkészlet (DCMES 2006), a DC metaadat kifejezések (DCMT 2006), valamint a finomított

elemkészlet (DC 2004) információs erőforrások leírására szolgál elsősorban.

A tulajdonságok olyan információkat tartalmaznak, mint például „cím”, „alkotó”, „tárgy”,

„leírás”, „kiadó”, „dátum”, „nyelv” stb. A Dublin Core specifikáció mindegyik tulajdonság

jelentését meghatározza, de arról nem szól, hogy miként lehet ábrázolni a tulajdonságokat

és azok értékeit is egyszerre, és így független minden konkrét technológiától. A Dublin Core-

nak az a célja, hogy a források, a tartalmak felfedezését segítse, vagyis az információ

visszakeresését támogassa. A metaadatok éppen olyan hasznosak a tartalomkezelés során,

mint a tartalom közreadás utáni megismerésében, és így metaadatokat a gyakorlatban

mindkét célra használunk.

Az Országos Széchényi Könyvtár egy Dublin Core metaadatelemkészlet-generátorral segíti a

Dublin Core használatát. (http://mek.oszk.hu/dc/)

A DC metadatelem-készletnek számos más erőforrásokat leíró nyelv számára konvertálható.

A világháló alapvető szabványához illeszkedik a DC HTML (2003), a legfontosabb szemantikus

web ajánláshoz a DC RDF (2002) és a tématérkép technológia csereformátumához a DC XTM

(2003).

Általában véve a metaadat legjobb meghatározása az, hogy „bármilyen állítás egy

információs forrásról”, függetlenül attól, hogy mire használjuk, melyik metaadatkészletet

vesszük alapul, vagy hogy miként ábrázoljuk.

A metaadatok legfontosabb funkciója, hogy segítik a dokumentumok és tartalmak

visszakeresését. Eleinte csak dokumentum-visszakeresésre használták ezeket, a szemantikus

technológiák térhódításával vált nyilvánvalóvá, hogy a felhasználó szempontjából a

tartalmak – dokumentumtól függetlenül való – kereshetővé tétele az igazán releváns. Erről

szól a „tárgyközpontúság forradalma”. (Pepper 2008a, 2009)

Nyilvánvaló, hogy egy nagy dokumentumkorpuszban egy adott információt keresni

bármilyen metaadat (vagyis a tárgyakról szóló információ) nélkül meglehetősen reménytelen

feladat. A kérdés az, hogy milyen típusú információ segítene a legtöbbet a felhasználónak?

Az egyik gyakori eset, amikor a felhasználó már látta egyszer a keresett tárgyat és így talán

emlékszik bizonyos részleteire, mint például szavakra a címből, vagy a szerző nevére vagy

hogy mikor írták. Ebben az esetben ezek a nyomok felhasználhatók a dokumentum

megtalálásához a nyomokra rákeresve és addig próbálgatva a különböző kereséseket, amíg

elő nem kerül a megfelelő dokumentum. A Dublin Core metaadat meglehetősen jól

támogatja a visszakeresésnek ezt a formáját, mivel ez pontosan az a fajta információ,

amelyet tartalmaz.

Általánosabb esetben a felhasználó egy adott tárgyról szeretne információt kapni, és ezért

bármilyen rendelkezésre álló felhasználói felület elé leül, hogy választ kapjon a kérdésére:

vajon milyen objektumok szólnak X tárgyról? Ebben az esetben az a kérdés, hogy mennyi

segítséget tud adni a felhasználói interfész ennek a felhasználónak?

Ha feltételezzük, hogy az interfész a Dublin Core metaadaton alapszik, kiderül, hogy nem túl

sokat. Alább láthatók a Dublin Core metaadatai egy 2005-ben megjelent egyetemi

tankönyvnek.

Cím A szemantikus világháló elmélete és gyakorlata

Létrehozó Szeredi Péter, Lukácsy Gergely, Benkő Tamás

Tárgy Szemantikus web, RDF, OWL, ontológia, tudásreprezentáció

Kiadó Typotex

Dátum 2005

Nyelv Magyar

Terület Magyarország

Formátum Könyv

Nyilvánvaló, hogy ez az információ nem sokat segít, ha az olvasó meg akarja állapítani, miről

szól a könyv, bár a tárgyból láthatjuk, hogy a szemantikus webhez, az RDF-hez (Resource

Description Framework), az OWL-hoz (Web Ontology Language), tudásszervezési rendszerek

közül az ontológiákhoz és általában a számítógépes tudásreprezentációhoz van valami köze.

Ez rávilágít a problémára, miszerint a sztenderd metaadat főként adminisztratív

információkat nyújt és nagyon keveset mond egy objektum tárgyáról. A Dublin Core

metaadat tulajdonságai közül csak néhány foglalkozik ezzel a kérdéssel, és még ezek közül is

a legtöbb csak közvetett módon.

- Cím. Egy dokumentum címe általában jó támpontokat ad arra nézve, hogy miről szól

egy dokumentum, de nem feltétlenül említi meg az összes olyan tárgykör összes

nevét, amelyre a felhasználó kíváncsi, és esetleg olyan tudást is feltételez, amelynek a

felhasználó nincs birtokában. (A mű tárgya jelen esetben azt jelenti: „bármilyen

fogalom, ami a felhasználót érdekelheti”.)

- Leírás. Ez a mező valószínűleg azt írja le, hogy miről szól a dokumentum, de

lehetséges, hogy ez sem segíti hatékonyan a keresést és a megtalálást, ugyanazokból

az okokból, amelyek miatt a „cím” mező sem

- Tárgy. Ez a mező, amely általában kulcsszavak egy készletét tartalmazza, arra szolgál,

hogy pontosan közvetítse, miről szól a dokumentum. Mindazonáltal sok múlik azon,

hogy mennyire széleskörű a kulcsszó-készlet, említésre kerül-e minden vonatkozó

tárgy vagy netán épp túl sok tárgy szerepel a listán, ami miatt a felhasználó túl sok

találatot kap.

A következő kérdés a pontosság, hiszen kérdés, hogy mennyiben lehetünk képesek hitelesen

reprezentálni a világ létezőit.

Amellett, hogy a metaadat nem feltétlenül mond el sokat egy objektum tartalmáról, szintén

probléma az is, hogy nem könnyű olyan készletet létrehozni, amely pontosan leírja a tárgyat.

Képzeljünk el egy felhasználót, amint leül egy interfész elé, amellyel hozzáfér az összes,

Typotex kiadó által közzétett könyvhöz, egy Dublin Core-on alapuló keresési interfészt

használ és a szemantikus webről keres információt. A felhasználó most ismerkedik a témával,

így még nem érdekli annak semmilyen specifikus részlete, csupán a tárgykör maga

általánosságban.

Ha a felhasználó ekkor végez egy keresést a „szemantikus web” kulcsszóval (vagyis ez

szerepel a tárgy mezőben), az összes olyan könyv, amely tartalmazza a „szemantikus web”

kulcsszót, szerepelni fog a keresési eredmények között. Az egyik probléma ezzel az, hogy

ezek között lesznek bevezető anyagok és haladóbbaknak szólók is, az eredmény pedig egy

egyszerű dokumentumlista lesz, amely valószínűleg mutatja a címet, szerzőt és a dátumot.

A cím, szerző, dátum és leírás mezők ez esetben nagyon hasznosak, mivel segítik a

felhasználót az eredmények közötti választásban, de vajon milyen maguknak az

eredményeknek a minősége? Ezt kipróbálva egy dokumentumkorpuszon az alábbi

eredményt kapjuk, a „leggyakoribb legelöl” sorrendben. (Egy olyan egyszerű metaadat

struktúra, mint a Dublin Core, nem teszi lehetővé a „legrelevánsabb” rendezést.)

Cím Szerző Dátum

A szemantikus világháló elmélete és

gyakorlata

Szeredi Péter, Lukácsy Gergely és

Benkő Tamás

2005.

Szemantikus web Bevezetés a tudásalapú

Internet világába

Gottdank Tibor 2005

Explorers’ guide to the semantic web Thomas Passin 2004

Semantic Web Servers - Engineering the

Semantic Web

Graham Moore 2003

Information Architecture with XML Peter Brown 2003

BookBuilder: Content Repurposing with

Topic Maps

Nikita Ogievetsky & Roger Sperberg 2003

The TAO of Topic Maps Steve Pepper 2003

Egy pillantást vetve erre a táblázatra láthatjuk, hogy a fenti dokumentumok legtöbbje nem

elsősorban a szemantikus webről szól, hanem a szemantikus világhálóval összefüggő

témákról. Viszont ha a szerzők nem szerepeltetnék a „szemantikus webet” kulcsszóként,

akkor azok, akik a „szemantikus webre” kerestek, egyáltalán nem találtak volna rá az

előadásaikra.

Egy másik problémája ennek a korpusznak, hogy a szerzőknek maguknak kellett

meghatározniuk a saját kulcsszavaikat, ami azt jelenti, hogy a kulcsszavak megválasztása

meglehetősen eklektikus lehet. Íme a fent említett korpusz néhány szokatlanabb kulcsszava

véletlenszerűen kiemelve: „xml”, „Dublin Core”, „egyetemi tankönyv”, „ontológia”,

„tudásszervezési rendszer”, „funkcionális kompozíció”, „szemantikus”, „Topic Maps”,

„Magyarország újkori története” stb. Nyilvánvaló, hogy ezek több ok miatt sem jó

kulcsszavak.

Szintén problémát jelentenek ugyanazon kulcsszó különböző formái, illetve a szorosan

összefüggő kulcsszavak. A korpuszban találkozhatunk az „intelligens világháló” (a

szemantikus web szinonimája), az „RDF”, „OWL” (a szemantikus web formátumai) stb.

kifejezéseket. Ezzel az a probléma, hogy négy kulcsszó utal két tárgyra és ez a két tárgy

nagyon szorosan összefügg egymással. Ez egyáltalán nem derül ki, és a felhasználónak vagy

előre kell ezt tudnia vagy egyszerűen keresnie kell, ha rá akar jönni.

Összegezve megállapíthatjuk, hogy a leghasznosabb metaadatok egy dokumentumról a

kulcsszavak, mivel egyedül ezek írják le egyértelműen, hogy miről szól a dokumentum. A

többi metaadat hasznos a dokumentum menedzseléséhez, illetve segít a felhasználónak

eldönteni, hogy melyik keresési találatot akarja alaposabban megnézni.

3.2 Tárgyszavas osztályozás

Garshol (2004) a tárgyszavas osztályozással folytatja a tudásszervezési rendszerek

bemutatását.

A könyvtári osztályozás a 19. század végén alakult ki. Addig is létezett tartalmak

csoportosítása, de a fogalmat a mai értelemben csak ettől kezdve használjuk. A könyvtár

funkciói változnak. Régen a megőrzés dominált. Az állomány kialakítása, megőrzése volt a

cél, a használat elsődleges preferenciává később vált. Ma a könyvtár már nem csak

könyveket, hanem minden típusú információt gyűjt és szolgáltat.

A könyvek az emberi ismeretek és tudományok minden területéről merítik tárgyukat. A

tartalmak alapján történő osztályozás kapcsolata nyilvánvaló a valósággal és a tudományok

osztályozásával. A könyvtári osztályozás és a tudományok osztályozása között azonban

lényeges elvi és gyakorlati különbségek vannak.

Elvi különbség, hogy a tudományok osztályozásában a természet és a társadalom jelenségei

az adott kor tudományának színvonalán közvetlenül tükröződnek, ellenben a könyvtári

szakrendszerekben, a dokumentumokban felhalmozódott és a különböző korok

tudományosságát tükröző ismeretek egyszerre és eltérő szinteken jelentkeznek.

Gyakorlati különbségek a következők.

- A tudományok osztályozása valamilyen tudományos dolgozat formájában valósul

meg, mely a tudomány területeinek és fogalmainak körülhatárolásával és

meghatározásával zárul;

- A könyvtári szakrendszerek az ismeretek és tudományok fogalmait, és azoknak

egymással való összefüggéseit a könyvek gyakorlati osztályozását biztosító

táblázatokban rögzítik, szabályrendszerekben adják meg. A tudományok

osztályozásának csak tartalmi, módszertani, szervezeti elemei vannak;

- A könyvtári osztályozásnak a dokumentumok fizikai oldalát, megjelenési formáját is ki

kell fejeznie. A tudományok osztályozását csak tartalmi határok zárják körül;

- A könyvtári osztályozásban általános, interdiszciplináris enciklopédikus és vegyes

tartalmú művek osztályozására is gondolni kell.

- A tudományok osztályozásának célja elméleti szempontból a tudomány fejlődésének

számbavétele, gyakorlati célja pedig a tudomány rendszerének (oktatás, kutatás)

szervezése; a könyvtári osztályozás gyakorlati célja a szakkatalógus vagy más

tájékoztatási, információkereső eszköz létrehozása, és ennek segítségével a kutatási

és egyéb olvasói igények támogatása.

A könyvtári osztályozásnak elsődlegesen tehát gyakorlati célja van, és a tudományok

osztályozásának tükrözése csak másodlagos, eszköz szerepet játszik. A könyvtári osztályozás

célja az információk és hordozóik, a dokumentumok visszakeresésének biztosítása. Azt az

eszközt, melynek segítségével az osztályozást végezzük, osztályozási rendszernek vagy

információkereső nyelvnek nevezzük.

A könyvtári osztályozás rendszerint a következő három funkció mentén értelmeződik:

- a dokumentumok feltárása;

- a dokumentumok tárolása;

- a visszakeresés biztosítása.

A tárgyszavas osztályozás pedig minden olyan tartalomosztályozást jelent, amely az

objektumokat azok alapján a tárgyak alapján csoportosítja, amelyről szólnak. Ennek számos

formája lehet és általában egyéb technikákkal van kombinálva azért, hogy komplex

megoldást nyújtson.

A nyelvi alapozású osztályozási eljárások legelterjedtebb típusa a tárgyszavas osztályozás;

lényege, hogy a dokumentumtartalmak leírására a természetes nyelv szavait, kifejezéseit

használja szabályozott formában (tárgyszavakat). Az osztályozó fogalmakat egymástól

függetlenül hozza létre, tehát ez egy mellérendelő osztályozási eljárás. A tárgyszavas

osztályozási rendszerek igen rugalmasak, könnyen fejleszthetők és egyszerűek, amellett,

hogy magas követelményeket támasztanak. A tárgyszavaktól elvárják, hogy az osztályozott

szakterület, tudomány teljes lefedését adja; tehát a szakterületet hézagmentesen fedje le.

(Sándor, 2002)

Megengedett, sőt szükséges hogy legyenek átfedések; a cél az osztályozásra szánt

dokumentum teljes, sok szempontú leírása a tárgyszavak segítségével. A tárgyszavas

osztályozási rendszerek feladatai: a tárgyszavakkal le kell tudni írni a dokumentum lényeges

vonásait; a tárgyszavak rendje meghatározza a tárolási rendszer (pl. katalógus) szerkezetét

és a tárgyszavaknak alkalmasnak kell lenniük, hogy a használó kérdéseit kifejezzék. A

tárgyszó a dokumentum, információ, szöveg lényegének leírására kiválasztott tömör és

egyértelmű kifejezés. (Sándor, 2002)

Tárgyszók fajtái (Sándor, 2002 alapján):

- tudomány neve (logika, művelődéstörténet, alkalmazott matematika)

- tudományos elmélet neve (relativitáselmélet, értéktöbblet elmélet)

- tudományos irányzat, iskola neve (romantika, szellemtörténet)

- tudományos témák, eljárások megnevezései (répatermesztés, bibliográfia)

- létezők, dolgok, élőlények nevei (bazalt, sugárzás, ragadozók)

- folyamatok, történések nevei (párolgás, földrengés)

- módszerek megnevezései (kísérlet)

- tudományos műszók (kamat, eposz)

- formai tulajdonságok, műfajok (évkönyv)

- intézmények, testületek, szervezetek nevei (Magyar Könyvtárosok Egyesülete)

- dolgok, folyamatok tulajdonságai (képlékeny)

- események nevei (mohácsi csata)

- földrajzi nevek, helyszín (Duna folyó)

- időpontok, időtartamok, korszakok neve (Bach-korszak, századforduló)

- személynevek, alkotások neve (Ady Endre, Biblia)

- közismert rövidítések (IFLA, FTC)

A tárgyszavas osztályozás és a metaadat között az a kapcsolat, hogy azok a metaadat

tulajdonságok és mezők, amelyek különálló tárgyak felsorolásával közvetlenül leírják, miről

szólnak az objektumok, tárgyszavas osztályozást használnak. Ez az alapvető vonás minden

tárgyi alapú osztályozásban közös, és amint látni fogjuk, az egyes technikák közötti

különbségek nem abban vannak, hogy mit mondanak az objektumokról, hanem abban, hogy

mit mondanak a tárgyakról.

Azt hangsúlyoznunk kell, hogy különbség van az osztályozott objektumok leírása és az azok

osztályozásához használt tárgyak leírása között. A metaadat objektumokat ír le, és ennek

egyik módja, hogy összekapcsolja az objektumokat azokkal a tárgyakkal, amelyekről szólnak.

3.3 Ellenőrzött szótárak

Az ellenőrzött szótárak egy meglehetősen tág fogalom, de itt most megnevezett tárgyak egy

zárt listáját értjük alatta, amelyet osztályozásra lehet használni. A könyvtártudományban ez

néha jelölő nyelvként ismeretes. Az ellenőrzött szógyűjtemény alkotóelemeit általában

kifejezésként ismerjük, ahol a kifejezés egy bizonyos fogalom egy bizonyos neve. (Ez

nagyjából ugyanolyan, mint a kulcsszó közértelmű meghatározása).

Szokás különbséget tenni kifejezés és fogalom között úgy, hogy az előbbi egy fogalom neve,

és hogy ugyanannak a fogalomnak több neve is lehet, és hogy ugyanaz a kifejezés több

tárgyat is megnevezhet. Egy ellenőrzött szógyűjtemény kifejezésekből áll és nem közvetlenül

fogalmakból áll, és általában véve minden kifejezés egyértelmű, hiszen csak egyetlen tárgyra

vonatkozik (azaz nincsenek duplikált kifejezések). A „tárgy”, ahogy eddig használtuk ezt a

kifejezést, megfelel a „fogalomnak”.

Pepper (2009) amikor tárgyközpontú forradalomról beszél, akkor is lényegében egy olyan

világot vizionált, amelyben a fogalmak állnak a tudásreprezentáció centrumában és nem a

számítógépes alkalmazások.

A szógyűjtemény kifejezésnek is némiképp eltérő jelentése van az „ellenőrzött

szógyűjtemény”, illetve a „metaadat szógyűjtemény” kifejezésekben. Az első, amint azt

megállapítottuk, bizonyos jelölők vagy osztályozásra használt tárgyak készlete, míg a

második objektumok tulajdonságainak készlete.

A szótárak ellenőrzésének célja annak megakadályozása, hogy a szerzők semmit sem jelentő

kifejezéseket definiáljanak, esetleg túl tág vagy túl szűk értelműeket, illetve annak

megelőzése is, hogy a különböző szerzők hibásan betűzzék vagy enyhén eltérő formáját

használják ugyanannak a kifejezésnek. Vagyis elkerülhetjük, hogy a szerzők a „téma

navigációs térkép” és a „tématérkép” kifejezést használják, ha rákényszerülnek a

„tématérképek” választására. Azt is megakadályozzuk, hogy a „fukcionális összetétel”

kifejezést használják a helyes „funkcionális összetétel” helyett. Az ellenőrzött szógyűjtemény

legegyszerűbb formája egy kifejezéslista és semmi több.

3.4 Taxonómiák

Horváth Zoltánné (2006) definíciója szerint „a taxonómia olyan ellenőrzött szótár (egyben

osztályozási rendszer), amely a dokumentumokat, illetve egyéb információforrásokat az

általuk képviselt fogalmak hasonlósága alapján rendezi és csoportosítja – automatikus

osztályozás esetén klaszteres, nyelvi analízis, illetve numerikus, statisztikai, vagy kombinált

módszerek alapján, viszonylag alacsony hierarchiaszinten –, ezért számítógépes kezelése

áttekinthetőbbnek tűnik, mint a bonyolultabb struktúrákat képviselő osztályozási

rendszereké.

Garshol (2004) ugyanezt a következőképpen írja le: „Taxonómiának egyrészt azokat a

hierarchikus struktúrákon alapuló osztályozási rendszereket nevezik, melyeket tudományos

rendszerező céllal készítenek. A biológiában az élő szervezetek (és szervek) rendszerei

taxonómiák. A tudománytanban az ismeretterületek rendszerét nevezik taxonómiának. A

tanuláselméletben és a mesterséges intelligenciakutatásban is kialakultak taxonómiák és a

nyelvészetben is. A mérhető különbségeken és hasonlóságokon alapuló hierarchiákat

numerikus taxonómiának nevezik. Gazdasági szervezetekben véletlenszerű, hogy a

kialakított hierarchikus rendező rendszert osztályozási rendszernek vagy taxonómiának

nevezik. A szoftverkínálók egy része pl. automatikus és szemiautomatikus taxonómiákat

kínál, más részük meg automatikus osztályozási rendszereket.”

Az információkereső és osztályozási célból készült hierarchikus rendszereket általában

osztályozási rendszereknek nevezik, de az átmenet nem éles az adminisztráció célból készült

osztályozási rendszerek/taxonómiák felé. Az áruk esetében áruosztályozásról (TEÁOR =

Termékek Átfogó Osztályozási Rendszere), a foglalkozások esetében ugyancsak

osztályozásról (pl. FEÁOR) szoktak beszélni, de egyes publikációkban használják (szinonim

kifejezésként) olykor a taxonómia szót is. Ha értékeken alapuló adminisztratív hierarchiákat

készítenek, akkor inkább a taxonómia szót használják (lásd a numerikus taxonómia esetét is).

Vagyis: A tudományos, numerikus és értékalapú, hierarchián alapuló rendező rendszereket

taxonómiának nevezik. Vállalati körülmények között is előfordul, hogy az alkalmazott

osztályozási rendszert taxonómiának nevezik.

Az információkereső, osztályozási, besorolási célú, hierarchián alapuló (gyakorlati) rendező

rendszereket általában és főleg könyvtári-dokumentációs körülmények között osztályozási

rendszernek nevezik.

Elvileg, legáltalánosabb értelemben a taxonómia és a hierarchikus osztályozási rendszer

kifejezések szinonimák, mindkettő hierarchián alapuló rendező rendszert jelent.

Rendező rendszer: fogalmak meghatározott célból kialakított rendszere (lehet hierarchikus

taxonómia és osztályozási rendszer) és enumeratív (ilyen a felsoroló rendező rendszer, mint

például egy egyszerű online mutató), továbbá összetett (ilyen a deszkriptoros.) A rendező

rendszereket foglalják ellenőrzött szótárakba (tárgyszójegyzékekbe, tezauruszokba,

osztályozási táblázatokba, taxonómiai struktúrákba stb.).” (Ungváry 2004)

A Wordmap meghatározása szerint a taxonómiaszoftver lehetőséget ad egy szervezet

számára, hogy a szervezeti információk rendezésére szabványos sémát hozzon létre. A

taxonómia-eszközzel ellenőrizhetők azok a kategóriák, terminológiák, és metaadatok,

amelyeket a szervezet az információs rendszerében használ(hat), elősegítve a navigáció

sikerességét. Egy másik forrás leszögezi, hogy a taxonómia olyan navigációs eszköz,

amelyben a szabványos metaadatok és az ellenőrzött szótár lexikai egységeinek fejlesztése

kombináltan adja azt a navigációs struktúrát, amely segít a felhasználónak a szükséges

tartalmat elérni.

Összességében a következő megállapítások jellemzők (Horváth 2006):

- a taxonómia webes környezetben biztosítja az információforrások, illetve

dokumentumok csoportba rendezését hasonlóságaik alapján a tartalomfeltárás

céljára;

- szisztematikus és szintetikus osztályozási eszköz a tudás-, illetve

ismeretreprezentáció céljára, hierarchikus struktúrában tartalmazza a fogalmakat, és

terminusai a tudásmegosztás nézőpontjából fejlesztik az adott közös nyelvet.

A taxonómia kifejezést régóta széles körben használják és ki is használják olyannyira, hogy ha

valamire taxonómiaként utalunk, akkor tulajdonképpen bármire vonatkozhat, bár általában

valamilyen absztrakt szerkezetet jelent. A taxonómiák eredete Carl von Linné nevéhez

köthető, aki a 18. században hierarchikus osztályozási rendszert fejlesztett ki az élet formái

számára, és ez ma a modern zoológiai és botanikai osztályozás és a fajok névrendszerének

alapja. Jelen tanulmányban a taxonómia kifejezésen olyan tárgyi alapú osztályozást értünk,

amely a kifejezéseket az ellenőrzött szógyűjteményben hierarchiába rendezi, de nem csinál

semmi mást, bár a való életben azt tapasztalhatjuk, hogy a „taxonómia” kifejezést

összetettebb struktúrákra is használják.

E megközelítés előnye, hogy lehetővé teszi azt, hogy az egymással összefüggő kifejezéseket

csoportosítsuk és úgy kategorizáljuk, hogy könnyebben megtaláljuk a megfelelő kifejezést

akár kereséshez akár egy objektum leírásához akarjuk azt használni. Például ez segítheti a

felhasználókat, mivel egyértelművé teszi, hogy van két szorosan összefüggő kifejezés:

„tématérképek” és „XTM”, és segít kiválasztani a megfelelőt. (Vagy legalábbis jelzi a

felhasználónak, hogy esetleg mindkettővel próbálkoznia kéne.)

Példa taxonómiára (Garshol, 2004)

Az ábra a tématérképek elhelyezkedését jelzi egy hipotetikus taxonómiai struktúrában.

Amint látható, ez a struktúra könnyen segíthet kiválasztani a megfelelő kifejezést, ha valaki

információt keres a tématérképekről vagy osztályozni akar egy tématérképekről szóló

dokumentumot.

A taxonómia a tárgyak leírásával segíti a felhasználót; a metaadat szempontjából igazán

nincs különbség egy egyszerű ellenőrzött szógyűjtemény és egy taxonómia között. A

metaadat csupán objektumokat kapcsol tárgyakhoz, míg itt a tárgyakat hierarchiába

rendeztük. Tehát a taxonómia az osztályozáshoz használt tárgyakat írja le, de ő maga nem

metaadat; mindazonáltal használható metaadatban. A következő ábra ezt mutatja be.

A taxonómiák és metaadatok (Garshol, 2004)

Ebben a diagramban a kék vonalak a metaadatok, míg a fekete vonalak, amelyekből a

taxonómia áll, a tárgyi alapú osztályozási séma részei. A megkülönböztetés onnan ered, hogy

a kék vonalak az előadásról szóló állítások, de a fekete vonal a „tématérképek” és a

„tudásreprezentáció” között nem az előadásról, hanem a tématérképekről szóló állítás.

Ennek egyik következménye, hogy ha van egy másik előadásunk a „tématérképekről”, nem

kell megismételnünk, hogy a „tématérképek” a „tudásreprezentáció” alá tartozik.

A taxonómia több információt nyújt a fogalmakról, és ezt a felhasználó segítése érdekében

teszi. Mindazonáltal míg a taxonómia segíti a felhasználót, a fogalmakkal kapcsolatos számos

fontos információról nincs szó, úgy mint:

- A tényről, hogy az „XML Tématérképek” és az „XTM” szinonimák.

- Az „XTM” és a „tématérképek” közötti különbségről. (Sok felhasználó ezeket

egymással felcserélhetőként használja, pedig nem ugyanazt jelentik.)

- A tényről, hogy a „téma navigációs térképek” a „tématérképek” szinonimája, de már

nem használatos.

- A tématérképek és a tárgyi-alapú osztályozás, illetve a tématérképek és a

szemantikus web közötti kapcsolatról.

- Az XTM és az XML, illetve a HyTM és az SGML közötti kapcsolatról.

- A HyTM és az XTM közötti hasonlóságról, illetve arról, hogy miben különböznek a

TMQL-től és a TMCL-től, valamint a TMQL és az XQuery közötti hasonlóságról.

Mindez következményekkel jár a végfelhasználó számára, hiszen ez azt jelenti, hogy

pontosan a megfelelő kifejezést használva kell keresnie, pont a megfelelő helyen kell

keresnie ahhoz, hogy megtalálja a kifejezéseket stb. Egy taxonómia, ahogy azt itt definiáltuk,

nem tudja kezelni ezeket a problémákat, bár észre kell vennünk, hogy sok rendszer,

melyekre taxonómiaként utalunk, bizonyos mértékben tudja kezelni, mivel túllép az itt

meghatározott alapmodellen.

Szóljunk még néhány szót a vállalati alkalmazásokról is. „A taxonómiákat vállalati

környezetben gyakran nevezik a tudásmenedzsment (TM) közösség által fejlesztett

tudásfeltárás (tudásreprezentálás) explicit eszközének. A taxonómia olyan terminusokat

tartalmaz, amelyek a tudásmegosztás nézőpontjából megfelelnek adott környezet közös

nyelvének. Nem szükséges egy tudományág teljes fogalmi reprezentációját képviselnie, de

kialakításakor nélkülözhetetlen segítséget jelent a fogalmi elemzés.

Gazdasági szervezeteknél az üzleti vagy szakmai tevékenység (misszió) a vezérelv, amelynél a

legfelső kategória a misszióra vonatkozó általános megnevezés, és ezt követik olyan

általános és gyűjtőfogalmak, mint: szolgáltatás, marketing, termékek stb. A megnevezések

kodifikálását a tudásmenedzsment közösség vagy szerkesztőbizottság végzi egy tesztcsoport

közreműködésével. A tesztelés társult eredménye a megnevezések „megtanulása” is. A

konszenzuson alapuló megnevezések eltérőek is lehetnek az általánosan használtaktól – a

fogalmi definícióban szerepelnek az értelmezés helyi sajátosságai.” (Horváth 2006).

3.5 Tezauruszok

Garshol (2004) a tezauruszokról is hosszas áttekintést ad, ebben a részben az ő

gondolatmenetét tovább folytatva mutatjuk be ezeket a tudásszervezési rendszereket.

A „taxonómiához” hasonlóan a „tezaurusz” kifejezést is mindenféle tárgyi alapú osztályozási

struktúra leírására használják, habár a tezauruszok szerkezetét két ISO-szabvány is

meghatározza. Az ISO 2788 az egynyelvű tezauruszokat írja le, míg az ISO5964 a

többnyelvűeket. Mi itt most abban az értelemben fogunk a tezauruszokról beszélni, ahogy

azokat az ISO-szabványok meghatározzák, miközben azt is észrevesszük, hogy a gyakorlatban

sok felhasználó valamennyire kibővíti a szerkezetet, és néhány esetben a kifejezést olyan

struktúrákra is használják, amelyek az itt leírtaktól lényegesen különböznek.

A tezaurusz olyan szótár, amelyben a szókészletet a szavak expliciten kifejezett

összefüggéseivel együtt adják meg. Ezért nevezik ellenőrzött szótárnak. A szócikkek

(tezauruszcikkek) azonban nem csak a szemantikai és morfológiai (együttesen

paradigmatikus) összefüggéseket hanem a vezérszóval összefüggő magyarázatokat,

meghatározásokat, használati, történeti, forrás stb. megjegyzéseket is tartalmaznak, ezért a

tezaurusz a terminológiai szótárra is emlékeztet.

Elvileg sokféle tezaurusz készülhet (nyelvészeti, terminológiai, információkereső); itt az

utóbbival foglalkozunk. A tezaurusz görög szó /thesaurus/, kincset, kincstárat jelent. A

tezaurusz szó maga az idők folyamán több értelmet kapott:

- tudományos tezaurusz ókorban és koraközépkorban: valamilyen nagy tudományos

gyűjteményre, anyaggyűjteményre vonatkozott.

- Nyelvészeti tezaurusz a 19. századtól egy nyelv szókincsét felölelő, a szavak,

kifejezések relációit is bemutató szótárat jelentett (pl. Roget angol nyelvi tezaurusza)

- Információs tezaurusz (1960-as évektől) az információk rendszerezett és sokrétű

feldolgozását és keresését segítő fogalomgyűjtemény (a fogalmakat pontosan,

megbízhatóan, sok szempontúan tükrözi) (a továbbiakban tezauruszként ezt jelöljük)

A tezauruszok alapvetően a fent leírt taxonómiákból indulnak ki és úgy terjesztik ki azokat,

hogy jobban leírhassák a világot azáltal, hogy nem csak a tárgyak hierarchiába való

rendezését teszik lehetővé, hanem a tárgyakról szóló egyéb állítások megfogalmazását is.

Fogalmi kapcsolatok vizuális megjelenítése (Forrás: http://www.jayday.org/thesaurus.jpg)

Az ISO 2788 a következő tulajdonságokat határozza meg a tárgyak leírásához (a

hagyományos – angol nyelvben bevett – rövidítésekkel éltünk Garshol 2004 alapján)

BT

A „broader term” (tágabb kifejezés) rövidítése, a hierarchiában fölötte álló kifejezésre

utal: annak a kifejezésnek tágabb vagy kevésbé specifikus jelentésűnek kell lennie. A

gyakorlatban néhány rendszer lehetővé teszi, hogy egy kifejezésnek több BT-je

legyen, míg más rendszerekben erre nincs mód. (Létezik egy inverz tulajdonság is, az

ún. NT – „narrower term”, azaz szűkebb kifejezés –, amelyre a BT utal.) Mondhatnánk

azt is, hogy a fent leírt taxonómiák olyan tezauruszok, amelyek csak a BT/NT

tulajdonságokat használják a hierarchia létrehozásához, és nem használják egyik lent

leírt tulajdonságot sem, tehát kijelenthetnénk, hogy minden tezaurusz tartalmaz egy

taxonómiát.

SN

Ez a kifejezéshez csatolt karakterlánc, amely annak a tezauruszon belüli jelentését

magyarázza meg. Ez azokban az esetekben lehet hasznos, amikor a kifejezés pontos

jelentése nem egyértelmű a kontextusból. Az „SN” a „scope note” rövidítése. Mivel a

felhasználók gyakran használják az „XTM” kifejezést a tématérképekre, hasznos lenne

az XTM-hez egy olyasmi scope note-ot adni, hogy „A tématérképek sztenderd XML

csereformátuma. A tématérképekről beszélve általánosságban, és nem csak

specifikusan a formátumukról, használja a ’tématérképek’ kifejezést.”

USE

Egy másik kifejezésre utal, amely az adott kifejezésnél jobban kedvelt; arra utal, hogy

a két kifejezés egymás szinonimája. (Létezik egy inverz tulajdonság is, az UF.) Például

a „téma navigáviós térképekre” tehetnénk egy USE tulajdonságot a „tématérképekre”

utalva. Ez azt jelentené, hogy elismerjük a „téma navigációs térképeket”, de a

„tématérképek” ugyanazt jelenti és ezért az utóbbi használatát javasoljuk. Ha ezt

tesszük, akkor a „tématérképeken” is lenne egy UF tulajdonságunk a „téma

navigációs térképekre” utalva, mivel ezt jelöli a „USE” kapcsolat.

TT

Ez a „top term” (top kifejezés) rövidítése, amely az adott kifejezés legfelső ősére

(topmost ancestor) utal. Az ezen tulajdonságnak a másik végén lévő kifejezés az,

amelyet akkor találnánk, ha a BT tulajdonságot követnénk egy BT nélküli kifejezés

eléréséig. Szoros értelemben ez a tulajdonság redundáns, mivel nem hordoz többlet

információt, bár talán hasznos lenne.

RT

A „related term” (kapcsolódó kifejezés) rövidítése, az adott kifejezéshez kapcsolódó

kifejezésre utal, amely azonban az adott kifejezésnek nem szinonimája és nem is

tágabb/szűkebb kifejezése. A „tématérképek” esetében használhatnánk ezt annak

kifejezésére, hogy a „tárgyi osztályozás” és az „ontológiák” a „tématérképekhez”

kapcsolódó kifejezések.

Röviden, a tezauruszok sokkal gazdagabb szókincset (vocabulary) kínálnak a kifejezések

leírásához, mint a taxonómiák, és emiatt sokkal erősebb eszközök. Amint látható, ha

taxonómia helyett tezauruszt használnánk, számos gyakorlati problémát megoldanánk az

objektumok osztályozásával, illetve keresésével kapcsolatban.

Magyarországon a legnagyobb általános tezaurusz az Országos Széchényi Könyvtáré,

amelynek kereshető változata a http://mek.oszk.hu/adatbazis/thes.htm címen érhető el. A

következő kép ebből mutatja be a kutya szót, annak kapcsolódó fogalmaival együtt.

3.6 Facettás osztályozás

A facettás osztályozás kifejezést számos különböző dolog jelölésére használják. Eredetileg

S.R. Ranganathan javasolta az 1930-as években (Ranganathan 2002), és úgy működik, hogy

egy bizonyos számú facettát határoz meg, amelyekre a kifejezések feloszlanak. A facettákra

tekinthetünk úgy is, mint különböző tengelyekre, amelyek mentén osztályozhatjuk a

dokumentumokat, és minden facetta tartalmaz egy bizonyos számú kifejezést. A kifejezések

leírásának módja a facettákon belül változó, bár általában egy tezauruszféle struktúra a

használatos, és általában egy kifejezés csupán egyetlen facettához tartozhat (Svenonius,

2000)

A facettás osztályozás egy konkrét digitális könyvtár vonatkozásában (Forrás: Maria

Theodoridou, Martin Doerr 1998)

A facettás osztályozás lényegét legjobban Horváth Tibor és Sütheő Péter (2003) írják le. „Az

információkereső nyelvek önálló típusát jelenti. Nincs ellentétes típuspárja, mert az összes

többi, „nem facettás” információkereső nyelv kínálná magát erre, de a facetta elv

megjelenhet alkalmazási előírásként bármely másik indexelő-osztályozó eljárásban. A facetta

jelentését leginkább a magyar „vetület” kifejezés adja vissza: eszerint vetületes

osztályozásnak is lehetne hívni.

A facetta minden kognitívum számára ugyanazt a kérdést teszi fel: az ismérvek sorozata, a

logontartalom milyen arculatot ölt az indextételben? Hogyan kell az ismérveket elhelyezni az

információt leíró ismérveket tartalmazó vetületek rendjében? Egy „rádiókészülék” – mint

egy tétel ismérve – lehet egy folyamat (pl. munkafolyamat) tárgya. Lehet végterméke. Lehet

tulajdonságok hordozója. Lehet eszköz, ha rádióval, a rádió segítségével egy végbe valami. A

facettás osztályozás szerint egészen más a rádió szerepe, ha más vetületben helyezkedik el.

A facettás osztályozás fordulópontot jelentette az információtudomány történetében.

Ugyanis egy feldolgozási egységhez rendelt ismérvsorozat ugyanúgy nem áll össze

indextétellé, ahogyan a szavaknak egy kupaca még nem alkot mondatot. Módot kell találni a

viszonyok meghatározására. Ezeket a viszonyokat az ismérvek szótárába,

tárgyszórendszerekbe, tezauruszokba, hierarchiákba igyekeztek beépíteni, még az

indexelési-osztályozási folyamat előtt. A facettás osztályozás volt az első hatékony eljárás

arra, hogy az ismérvek kapcsolata magában az indextételben jelenjenek meg. (kezdetben

még tartotta magát az a tévhit, hogy a minden egyes tétel ugyanazokkal a facettákkal írható

le.)

A facettás osztályozás kidolgozója Ranganathan, bár az elv egészen Arisztotelészig vezethető

vissza. Ranganathan szerint a facetta bármely téma összetevőjét megjelenítő általános

fogalom. Nála még öt facetta létezett, amelyek bizonyos szintaxist kölcsönöztek az

indextételnek.”

A facettás osztályozás azon a dokumentumosztályozási elven alapul, hogy minden facettából

egy kifejezést kiválasztva leírjuk a dokumentumot az összes különféle tengely mentén. Ezzel

a dokumentum sok különböző perspektívából leírható. Ranganathan eredeti javaslata

(Kettőspontos Osztályozás néven is ismeretes) öt facettából állt:

Személyiség

Az eredeti szándék szerint ez a facetta a dokumentum elsődleges subject-je számára

van, és a főfacettának tartjuk.

Anyag

Az anyag vagy állomány/lényeg/összetétel, amellyel a dokumentum foglalkozik.

Energia

A folyamatok vagy tevékenységek, amelyeket a dokumentum leír.

Tér

A dokumentum által leírt helyek.

Idő

A dokumentum által leírt időintervallum.

A facettás osztályozás talán nagyon különbözőnek tűnik egy tezaurusztól, de valójában a

tekinthető úgy is, mint egy nagyon fegyelmezett módja a tezaurusz építésének, és

használható osztályozási célokra is.

Létezik egy XML csereszintaxis a facettás osztályozás számára, amely XFML-ként

(eXchangeable Faceted Metadata Language, azaz Facettás Metaadat Csereszintaxis)

ismeretes, és az XTM inspirálta és vannak is azzal közös vonásai. Az XFML nem kívánja meg

semmilyen specifikus facettakészlet használatát, sem az egyes facettákon belüli specifikus

kifejezéskészletét, hanem egy tezaurusz-szerű struktúrát használ a kifejezésekhez a

facettákon belül. (van Dijck, 2003)

Létezik egy általános nézet a facettás osztályozásról, amely szerint minden facettát addig a

pontig általánosítunk, amíg általános tulajdonsággá válik, a dokumentum fogalma pedig

annyira általános, hogy bármilyen típusú objektum lehet a jelentése. E szerint a nézet szerint

csak kis különbség van a facettás osztályozás és az ontológiák között.

Az ontológiák szintén tudásszervezési rendszerek, amelyek a jelen módszertani útmutatóban

kiemelt jelentőséggel bírnak, ezért ezeket önálló fejezetben tárgyaljuk.

4 Az ontológia fogalma

Az ontológia eredetileg filozófiai terminus, amely a világ létezőinek valamint a lételméletnek

a megnevezésére szolgál. Kizárólag ez a kontextus határozta meg az ontológiákról szóló

diskurzusokat egészen az elmúlt néhány évtizedig. A fogalom az 1970-es években nyert új

jelentéseket, amikor a mesterségesintelligencia-kutatásban a szoftverekkel generált

mesterséges világok megnevezésére is használták. Később a tudásmenedzsmentben az 1990-

es években kezdtek ontológiákról beszélni a formális logikai leírásokkal ellátott generikus

hierarchiaszerkezetekkel kapcsolatban.

Az ontológiák a szemantikus-web fejlesztések kapcsán kaptak különösen nagy figyelmet az

elmúlt években. Azt hogy pontosan milyen szerepet játszanak az ontológiák a szemantikus

web működési mechanizmusaiban, Berners-Lee, Handler és Lassila (2001) a

következőképpen magyarázzák. „Elképzelhető, hogy két adatbázis különböző azonosítókat

használ azonos dolgokra. A programnak, amely össze szeretné hasonlítani, vagy kombinálni a

két adatbázisból származó adatokat egymással, tudnia kell, hogy a két terminus ugyanazt

jelenti. Ideális esetben a program képes felkutatni az ilyen közös jelentéseket, bármilyen

adatbázissal is találkozik. Az ilyen problémákra a szemantikus web harmadik nagy

komponense jelenti a megoldást, az ún. ontológiák.”

Szakadát István (2007) hívja fel a figyelmet arra, hogy az informatika és a tudásmenedzsment

területén szerencsésebb lenne a formális ontológia vagy ipari ontológia terminusokkal élni.

Tény, hogy így mindez világosan elkülöníthető lesz a filozófiai fogalom eredeti

jelentésrétegeitől.

Az ontológia fogalma vonatkozásában most kizárólag az informatika és a tudásmenedzsment

területén ismert definíciókat soroljuk fel a főbb tartalmi elemekre koncentrálva a teljesség

igénye nélkül. A definíciók tekintetében részletesebben kitérünk az intelligens webes

alkalmazásokban használatos meghatározásokra, köztük az ISO 13250 szabványban leírt

Topic Maps technológia kapcsán született ismert definíciókra is.

Az első és legalapvetőbb definíció Gruberttől származik, amelyet Szakadát, Szőts, Szaszkó

(2006) a következőképpen mutat be. „Talán a leggyakrabban idézett meghatározás Thomas

Grubertől származik (1993a, 1993b), amely szerint az ontológia „egy fogalmi rendszer

konszenzuson alapuló, explicit, formális specifikációja”. Mivel nagy vonalakban – egy-két

kiegészítéssel együtt – a MEO-projekt számára elfogadhatónak tűnik ez a meghatározás, de

érdemes alaposabban kibontani, hogy pontosan mit is értünk a definíció egyes elemein. A

mondatot az alábbi összetevőkre bonthatjuk:

1) egy fogalmi

2) rendszer

3) konszenzuson alapuló

4) explicit

5) formális

6) specifikációja.

Bizonyos értelemben mindent meghatároz a definíció első két eleme, amely szerint az

ontológiákban a létező dolgokra vonatkozó képzetekeinket reprezentáló fogalmakat akarjuk

egységes rendszerbe foglalni (1). Ehhez természetesen alaposan körbe kell járni, mit is jelent

a fogalom fogalma, illetve milyen típusait érdemes elkülöníteni, de ezzel itt most nem kell

törődnünk. 1 Az ontológiák építésével azt a fajta paradigmatikus tudást akarjuk rögzíteni,

ami a természetes nyelvi kommunikáció során a szó szintű nyelvi megnyilatkozásainkkal

fejezünk ki. A fogalommal a világ valamilyen létező elemére, összetevőjére, dolgára akarunk

utalni úgy, hogy jegyek, tulajdonságok felsorolásával kifejezzük a fogalom tartalmát

(intenzióját) és rámutatunk a világ azon konkrét létező dolgaira, amelyek a fogalom

terjedelmét (extenzióját) alkotják. Az ontológiákba azonban nem pusztán az egyes

fogalmakat vesszük fel, hanem rögzítenünk kell a fogalmak közötti kapcsolatokat is. Amikor

ilyet teszünk, akkor valamiféle struktúrát építünk a fogalmak halmazán, amivel túllépünk a

fogalmak egyszerű felsorolásán, s valamilyen fogalmi rendszerről kell beszélnünk. Ezért kell

beemelni a fogalmi rendszer (vagy másként: konceptualizáció) kifejezést a

meghatározásunkba (2). Ebben az esetben kijelentéseket vagy formulákat, azaz a

természetes nyelv mondat szintű megnyilatkozásainak megfelelő, igazságértékekkel

jellemezhető logikai egységeket kell létrehoznunk (specifikálnunk) és egységes rendszerben

konzisztensen kezelnünk (6).” (Szakadát – Szőts – Szaszkó 2006)

Szintén gyakran idézett meghatározás Ungváry definíciója, amely szerint az ontológia „egy

meghatározott ismeretterület formális modellje” (Ungváry 2004). A definíció kevésbé

szigorú, hiszen az előzőekkel ellentétben nem foglalkozik explicit módon a konceptualizálás

kérdéskörével, hanem sokkal inkább adottságnak veszi azt, hogy egy ismeretterület

formalizálása során fogalmak alkotására van szükség. Szintén nem foglalkozik a definíció a

formalizálás mikéntjével, tehát az egyes – a tudásszervezési rendszerben felsorolt – fogalmak

egymáshoz való viszonyát meghatározó lehetőségekkel. Egy meghatározott ismeretterület

formális modellje bizonyos értelemben lehet egy tezaurusz is, hiszen abban is egy előre

definiált modell által meghatározott keretek között, géppel olvasható formában

(formalizáltan) vannak jelen az egyes fogalmak, amelyek a könyvtári dokumentumok

osztályozása során deszkriptorokként kerülnek használatba.

A Gene Ontology Consortium ontológiájának részlete http://www.godatabase.org/ (Forrás:

Ungváry – Vajda)

„Megosztott konceptualizálás formális, explicit leírása” (Vickery 1997, Horváth Tibor

fordítása).

megosztott: arra vonatkozik, hogy egy ontológia magáévá tette a megegyezéses

tudást, azaz nem személyi vagy individuális, hanem egy szélesebb közösség által

elfogadott.

konceptualizálás: a világ jelenségeinek (fenomenon) absztrakt modellje azáltal, hogy

e fenomenonnak releváns fogalma (concept) határozható meg;

explicit: a használt fogalmak típusát jelenti, a használat megkötöttségeit, amelyeket

határozottan definiálnak;

formális: géppel olvasható (szabályokkal leírt, előírásos);

Az ontológiák lényegében speciális taxonómiák, amelyek a mellett, hogy megmutatják a

fogalmak egymáshoz képesti fogalmi hierarchiáját, a formális logikai szabályok

megjelenítésével még többre képesek az emberi gondolkodás reprezentálásában. (Berners-

Lee, 2001)

„Egy meghatározott ismeretterület formális modellje” (Ungváry, 2004) Az ontológiákkal

kihasználható a tulajdonságok generikus öröklődése a speciálisabb fogalmak irányába.

A szemantikus web fejlesztésekhez képest a tématérképekkel foglalkozó nemzetközi

közösség ontológia definíciója lényegesen lazább. Az ontológiák meghatározása

tématérképes környezetben nem egyezik a szemantikus webet fejlesztő közösség

definícióival. A tématérképek esetében „az ontológia meghatározott tématérképben

használt téma-, név-, előfordulás-, asszociáció- és szereptípusok összessége.” (Garshol 2007)

Mindehhez célszerű a fogalmakat röviden értelmezni. Minderre ráadásul később az

ontológiafejlesztés gyakorlatáról szóló fejezetben közvetlenül is szükségünk lesz.

A tématérképek eredete az elektronikus indexek összeolvasztásán történő munkához

köthető, ezért nagyon is tárgyi osztályozási technikát alkotnak. A tématérképek

tulajdonképpen témák köré rendeződnek, és minden téma valamilyen valós dolog

ábrázolására használatos. A fent használt terminológia szerint a témák fogalmakat jelölnek,

ugyanúgy, ahogy egy jelölő nyelvben a kifejezések fogalmakra vonatkoznak. A

tématérképekben a fogalmakat tárgyaknak hívjuk, és a szabvány hangsúlyozza, hogy „bármi”

lehet tárgy.

Téma (topic) – A tématérképekben tárolt információ alapvető egységei a témák.

Minden olyan dolgot témának kell tekintenünk, amelyről állítást kívánunk tenni. A

témát meg kell nevezni, és biztosítani számára az egyértelmű címezhetőséget. A

szemantikus web vízióban az egyértelmű címezhetőséget az URI-k (Universal

Resource Identifier-ek) biztosítják, ahogy lényegében a tématérkép technológia

esetében is. Minden témához rendelnünk kell egy olyan (külső) erőforrást, amely

egyértelműen azonosítja a témát, és minden más témával szemben

összetéveszthetetlenné teszi. A Topic Maps technológia alkalmazása során PSI-ket

(Public Subject Identifier) használnak a témák azonosítására, de bármely ellenőrzött

szótár elemei alkalmasak az egyértelmű címezhetőség biztosítására. Ilyen

azonosíthatók lehetnek például a DBpedia szótár elemei.

Asszociáció (association) – A témák közötti relációkat az asszociációk írják le. Az

asszociációk segítségével állításokat fogalmazhatunk meg két egymással összefüggő

témáról. Az asszociációk esetében is szükséges lehet az egyértelmű címezhetőség

biztosítására, így ezekhez is rendelhetünk azonosítókat.

Előfordulás (occurence) – A tématérkép technológia harmadik meghatározó elemei

az előfordulások. A tématérképekben az előfordulások azok az elemek, amelyek

tényleges információt hordoznak, és nem egy adott dolgot reprezentálnak, mint az

asszociációk, vagy a témák. Megkülönböztetünk külső és belső előfordulásokat.

Előbbiek a tématérképen kívüli erőforrásokra mutató linkek, utóbbiak a

tématérképbe írt információk, magyarázatok, adatok, tények.

Nevek és névtípusok (name types) – Minden téma állhat különböző neveken. Minden

témának van egy kitüntetett neve, amely szerepel az asszociációkban és amely az

adott fogalom reprezentánsaként funkcionál. Ezen túl azonban bármennyi névtípust

meghatározhatunk. Például beírhatjuk mindennek az angol nevét (tématérkép – topic

map); de személyek becenevét is (Kovács István – Kokó), vagy intézményi

rövidítéseket (Központi Statisztikai Hivatal – KSH).

Szerepek és szereptípusok (role types) – A témák közötti kapcsolatok definiálása

során gyakran nagy jelentősége van annak, hogy egy téma milyen szerepben vesz

részt egy relációban. Egy személy például kutatóként rendelkezik kutatási területtel,

munkavállalóként vesz részt egy munkáltatói viszonyban, és például apaként vesz

részt egy szülő-gyermek viszonyban. Ezen szerepek definiálására használják a

szerepeket, szereptípusokat.

A tématérképek világában az ún. TAO modell a fenti elemek legfontosabb három elemére, a

témákra (topics) az asszociációkra (associations) és az előfordulásokra (occurences) utal.

A tématérképekben szükség lehet bizonyos állítások irányának, bizonyos névtípusok

érvényességi körének meghatározására. Erre szolgál az érvényesség (scope) definiálása.

Ennek tipikus példája a nyelvi meghatározottság. Névtípusok esetében egy megnevezés csak

bizonyos kontextusokban, nyelveken értelmezhető.

Az alábbi ábra a tématérkép technológia általános modelljét mutatja be:

A tématérképek egyszerűsített (TAO) modellje

Ahogy a fenti ábrán is látható, minden tématérkép hátterében van egy ontológia, amely

meghatározza a fogalmak hierarchikus rendszerét, egy egyszerű, néhány témát, tématípust,

asszociációt és előfordulást tartalmazó tématérkép készítése során azonban ez nem

feltétlenül tudatosul. Egy bonyolultabb, nagyon sok tématípust, generikus relációkat (elvont

fölérendelt nem- és alárendelt fajfogalmakat), tartalmazó tématérkép kidolgozása során

előbb kell az ontológiát elkészíteni és csak azt követően megtölteni tartalommal

(információval), azaz konkrét eseteket rendelni a típusokhoz. Ezt hívják ontológiavezérelt

tématérkép-szerkesztésnek. (Pepper 2007, Tóth 2008) Az ontológiavezérelt tématérkép-

szerkesztés során lehetőség van arra, hogy más készítse el az ontológiát és más töltse fel a

tartalmat, hiszen más típusú szakértelemre van szükség a két művelethez. Erre fogunk példát

mutatni a gyakorlati ontológiaszerkesztésről szóló fejezetben.

A tématérkép ontológiák a humán interpretáció szempontjából nagyon hatékonyak:

elsősorban erre optimalizálták ezeket. A géppel végeztetett következtetésekhez ugyanakkor

nem kellően kifinomultak, hiszen nem formális logikákon alapulnak, így nem tudnak olyan

mértékben konzisztensek lenni, mint az RDFS/OWL ontológiák.

A következő ábra az olasz opera egy jeles alakjának az életművét mutatja be egy OKS

segítségével elkészített tématérképben.

A formális logikák hiánya egyrészt előny: biztosítja a világ létezőinek és az azok közötti

kapcsolatok formalizálása szempontjából elengedhetetlen rugalmasságot. Ezért a

tématérképek hatékonyan le tudják képezni a strukturálatlan információkat. (Kormos,

Kovács, Tóth 2008) Másrészt viszont hátrány, mivel a tématérképek így nem állhatnak össze

egy következtetésre is alkalmas globális metaadat-infrastruktúrává, amelynek létrehozása a

szemantikusweb-fejlesztések végső célja, és amelyet a szakirodalomban több helyen reális

célként fogalmaznak meg. (Newcomb 2003, Passin 2004, Pepper 2006)

A MEO (Magyar Egységes Ontológia) projekt tapasztalatai alapján erősen kérdéses a felsőbb

szintű ontológiák valódi haszna. Szakadát István szerint „nemhogy az ontológiák tényleges

ipari alkalmazásától messze vagyunk, de ma még mindenhol az alapok kialakításánál,

megszilárdításánál tartanak.”

Könnyen belátható, hogy minél szélesebb körben végezzük el a tudásreprezentációt, annál

kevésbé tudunk mélyre hatolni az emberi gondolkodás struktúráinak modellezésében. Minél

felszínesebb lesz a tudásreprezentáció, annál kevésbé lesz a kialakított rendszerünk alkalmas

a következtetésekre, valós problémák megoldására.

A tématérkép ontológiák kapcsán mindenképpen szót érdemelnek az azonosítási

mechanizmusok. Míg az RDF/OWL ontológiák esetében az egyes fogalmak közötti

kapcsolatok eleve jól definiált erőforrások között létesülnek. A tématérkép technológia

esetében fogalmak vannak a középpontban, amelyeket URI-kkal utólag azonosítani kell.

A tématérkép technológia PSI-ket (Published Subject Identifier/Indicator – Publikált

Tárgyazonosító/Indikátor) használ a fogalmak egyértelmű azonosítására. A PSI elsődleges

célja, hogy két tématérkép összeolvasztásakor biztosítsa, hogy a számítógép felismerje

azokat a témákat, amelyek a valóság ugyanazon létezőjére utalnak. Az OASIS Topic Maps

Published Subject Technical Committee (OASIS Tématérkép Publikált Tárgyak Technikai

Bizottság) azzal a céllal állt fel 2003-ban, hogy tématérképek és egyéb szemantikus

technológiák (RDF, OWL) közötti interoperabilitást biztosító ajánlásokat dolgozzon ki. 2003

júniusában jelent meg a PSI-kre vonatkozó ajánlás. (Pepper 2003) A dokumentum

részletesen ismerteti a PSI-k legfőbb követelményeit.

A PSI rövidítésnek két feloldása is van. A Published Subject Indicator (Publikált

tárgyindikátor) egyértelműen azonosítja az adott tárgyat az emberek számára. Ez lehet egy

szöveges definíció, egy audio, vagy vizuális reprezentáció. Egy város esetében például állhat

a következő: „Debrecen, magyar megyei jogú város, Hajdú-Bihar megye székhelye.” A

tárgyindikátorokat rendszerint egy önálló HTML oldalon helyezik el. A Published Subject

Identifier (Publikált tárgyazonosító) a címzés, amely a gép számára azonosítja az adott

dolgot. Amennyiben két témának azonos a publikált tárgyazonosítója, azt a számítógép

összeolvasztáskor azonos témaként fogja kezelni. Az indikátor és az azonosító nem azonos a

fogalommal, tárggyal, amelynek az identitását meghatározza. Ezért nem tekinthető PSI-nek,

ha egy online elérhető dokumentum a saját URL-jével azonosítja magát.

Megkülönböztethetők címezhető és nem címezhető dolgok. Csak a nem címezhetőknek van

szükségük tárgyazonosítóra.

A Publikált tárgyi azonosítók működési mechanizmusa (Pepper, Schwab 2003 nyomán)

Különbséget kell tenni a tárgyi azonosító és a publikált tárgyi azonosító között is. Publikált

tárgyi azonosító, amelyet a tématérkép alkalmazásunk készítéséhez tettünk közzé, tárgyi

azonosító ezzel szemben bármi lehet, ami a reprezentálni kívánt dolog identitását

meghatározza (wikipédia oldal, egy adott személy email címe, egy vállalat honlapja).

A PSI-kkel szemben támasztott követelmények a következők:

- A PSI-nek URI-nak kell lenni.

- A Publikált tárgyazonosítónak egy humán interpretációra alkalmas publikált

tárgyindikátorra kell mutatnia.

- A Publikált tárgyindikátornak ki kell fejeznie az egyedi URI-t, amely publikált

tárgyazonosítóként használandó. (Pepper 2003)

Az OASIS bizottsága által a PSI-kre vonatkozóan megfogalmazott ajánlások a következők:

1. A Publikált tárgyindikátor ember által olvasható metaadatokat kell adjon saját

magáról.

2. A Publikált tárgyindikátor megadhat géppel olvasható metaadatokat saját

magáról.

3. Az első és a második ajánlás metaadatainak következetesnek, de nem feltétlenül

azonosnak kell lenni.

4. A Publikált tárgyindikátornak jeleznie kell, hogy PSI-ként használandó.

5. Publikált tárgyindikátornak azonosítania kell a publikálóját. (Pepper 2003)

Az ajánlás arra nem ad választ, hogy hogyan kezeljük azt a problémát, amikor egy dolgot

több URL is egyértelműen azonosít. A hálózati társadalomban a kérdés sokkal életszerűbb.

Egy személyt azonosíthatja az email címe, a róla készült Wikipédia oldal, a saját honlapja,

bármelyik profilja közösségi oldalakon (Iwiw, Facebook, LinkedIn). Tárgyak, fogalmak

esetében Wikipédia oldal vagy a www.everything2.com definíciói. Online szótárak definíciói

ugyanúgy meghatározhatják a dolgokat, amelyekről állításokat kívánunk tenni.

A különböző forrásokból származó tématérképek összeolvasztása akkor valósulhat meg, ha

egy adott tárgyra vonatkozóan valamennyi alkalmazás ugyanazt a PSI-t alkalmazza, ugyanis a

számítógép ebben az esetben lesz csak képes felismerni, hogy ezek ugyanazon valóságban

létező dologról tesznek állításokat.

5 Ontológia szintaxisok

Az ontológiákban lévő fogalmak leírására több szintaxis is létezik, amelyekkel az eltérő

igényekhez igazodva lehetünk képesek a valóság formális reprezentálására. A következőkben

először a szemantikus web ajánlásokban leírt leíró szintaxisokat mutatom be, amelyek közül

a legfontosabbak az RDF és az OWL nyelvek. Ezt követően foglalkozunk a tématérképes

közösség által kifejlesztett leíró nyelvekkel is, hiszen ezekről sokkal kevesebb szó esett a

hazai és a nemzetközi szakirodalomban egyaránt az ontológiaépítéssel kapcsolatosan. A

tématérkép technológia szabványos csereszintaxisa az XTM nyelv, de az ISO 13250-es

szabványcsaládban (és azon kívül is léteznek további szintaxisok).

5.1 RDF

A szemantikus web vízió alapját jelenti az RDF elképzelés, amelynek lényege, hogy a

világhálón megjelenő tartalmat hármas állításokkal (ún. tripletekkel) írják le. A hármas

állítások tagjai más állításokban is részt vehetnek, így a tartalmak valós asszociációs

mezejükkel együtt jeleníthetők meg. A világhálón egyértelműen azonosított entitások közötti

relációk mentén a valóság bonyolult struktúrái írhatók le.

Az XML (a szemantikus web lépcsős modelljében az RDF alatt elhelyezkedő szint) nagy lépést

tett a tartalmak gépi feldolgozhatóságának irányába azzal, hogy biztosítja az egységes

szintaxist szabványos adatcsere-formátumként. Van egy jelentős probléma az XML-lel: az

alkalmazások közötti interoperabilitás előfeltétele, hogy az átvitt információ szemantikáját

egyeztetni kell. Ezt oldja fel az RDF, amellyel tetszőleges webes tartalomhoz társíthatunk

szabványos metainformációt.

Az RDF (Resource Description Framework), a szemantikus web legrégebbi specifikációja. Két

generációja létezik, az első verzió a ’90-es évekből származik, a legutóbbi 2004. február 10-

én jelent meg. (Klyne, Caroll 2004) Ez a verzió elérhető magyar fordításban is a World Wide

Web Konzorcium magyar irodájának oldalán. (Pataki E. 2004)

Ez összesen hat dokumentumot jelent:

- az RDF/XML szintaxis specifikációja;

- az RDF szókészlet leíró nyelv 1.0: RDF séma;

- az RDF bevezető tankönyve;

- az RDF alapfogalmai és absztrakt szintaxisa;

- az RDF szemantikája;

- az RDF tesztsorozata. (Pataki M. 2005)

Az RDF-et úgy tervezték, hogy bármiről lehessen vele állításokat tenni, ami azonosítható a

weben. A szemantikus weben az információkat úgy kell megjeleníteni, hogy azok a

számítógépes programok által is feldolgozhatók legyenek. Az RDF egységes keretet biztosít

az információtartalom leírására, amelyben azok átvihetők egyik alkalmazásból a másikba. (A

különböző alkalmazások közötti információcsere lehetősége azt jelenti, hogy nemcsak azok

az alkalmazások használhatják az információt, amelyek számára azt eredetileg ábrázolták,

hanem a más célokra készült, későbbi alkalmazások is.) Az RDF segítségével létrejöhet az

alkalmazások határain átnyúló tudásreprezentáció.

Az egységes erőforrás azonosítók (URI-k) által azonosított dolgok egyszerű tulajdonságokkal

és tulajdonságértékekkel írhatók le. Ez lehetővé teszi az RDF számára, hogy az erőforrásokkal

kapcsolatban egyszerű állításokat ábrázolhassunk gráf formájában, ahol a csomópontok és az

élek az erőforrásokat, ezek tulajdonságait és a tulajdonságok értékeit reprezentálják.

(Manola, Miller 2004)

Az RDF szabvány tartalmaz egy XML alapú szintaxist is. Az RDF-adat tehát megjelenhet

hármasok halmazaként, mint címkézett, irányított gráf és mint XML-adat. Az RDF elmélet

szempontjából a gráfmodell az elsődleges fontosságú, a hordozhatóság és a gépi

reprezentáció oldaláról viszont az XML-reprezentáció az igazán releváns. (Szeredi, Lukácsy,

Benkő 2005)

Az RDF szempontjából kiemelt jelentősége van az URI-knak, hiszen azok biztosítják az

egységes címezhetőséget. Az URI-k rövid literálok, amelyek weben található objektumokat,

erőforrásokat azonosítanak. Erőforrás lehet egy weblap, annak egy része, egy kép, egy

tetszőleges állomány, hanganyag, erőforrások egy csoportja, egy portál, egy videofelvétel,

függetlenül a formátumtól. Az RDF-fel ezekről tehetünk állításokat. Két metaadat-leírás

bárhol lehet a weben, ha ugyanazt az URI-t használja, akkor a számítógép felismeri, hogy

ugyanarról az erőforrásról szólnak a kijelentések.

Az URI-kkal azonosított erőforrások esetében tehát nem szükséges egyeztetni, hogy az mit

azonosít, ugyanis azok önmagukat azonosítják. (Természetesen ez csak a direkt

reprezentáció esetében érvényes. Indirekt reprezentációról akkor beszélhetünk, amikor az

erőforrás nem önmagát, hanem egy weben nem létező dolgot reprezentál. Jellemző esetben

egy fogalmat, vagy egy személyt, vagy bármi olyan entitást, amely önnön jellemzőiből

adódóan nem lehet jelen a weben.) Pepper nyomán ezért beszélhetünk identitás-alapú

technológiákról az RDF és az OWL esetében egyaránt. (Pepper 2008)

Az RDF adatmodellben négy halmazt definiáltak:

- erőforrások – ez a halmaz bármi előforduló entitást tartalmazhat, aminek van URI-ja.

Ez az összes olyan dolog halmaza, amelyre RDF kijelentés vonatkozhat.

- tulajdonságok – az erőforrásokhoz kapcsolódó jellemzők, amelyeknek szintén van

URI-ja. A tulajdonságok lehetnek erőforrások is, tehát részhalmazát képezik az

előbbinek. Minden tulajdonságnak van jelentése, meghatározható, hogy milyen

erőforráshoz kapcsolható és milyen értéket vehet fel, valamint, hogy milyen

viszonyban van más tulajdonságokkal.

- literálok – karaktersorozatok.

- kijelentések – ez utóbbiak alany, állítmány és tárgy kapcsolatok. Mindhárom elem

egy-egy URI: az alany tetszőleges RDF erőforrás, az állítmány tetszőleges RDF

tulajdonság, a tárgy pedig tetszőleges RDF tulajdonság vagy literál lehet. (Szeredi,

Lukácsy, Benkő 2005)

Sok RDF kijelentéssel létrejöhet hálózati környezetben egy globális metaadat-infrastruktúra,

amely elvileg a világ teljességének a leírásán alapul. Ezt is szemlélteti a következő példa.

2006 májusában a 15. nemzetközi World Wide Web konferencián, Edinburgh-ban

bemutatott szemantikus Wikipédia például a következő RDF kijelentéseket tartalmazta.

(Völkel, Krötzsch, Vrandecic, Haller, Studer 2006)

- London is the capital of the United Kingdom (London az Egyesült Királyság fővárosa)

- London is the capital of England (London Anglia fővárosa)

- England is a part of the United Kingdom (Anglia az Egyesült Királyság része)

„London”, az „Egyesült Királyság” és „Anglia” a kijelentésekben erőforrások, és rendelkeznek

egy-egy URI-val. A „része” és a „fővárosa” esetünkben tulajdonságok, amelyek szintén

rendelkeznek URI-val. Anglia az egyik kijelentésben tárgyként, a másikban alanyként

szerepel.

Az RDF-et szemléletesen tekinthetjük címkézett gráfoknak, amelyek kiindulási pontja egy

alany, a végpontja egy tárgy, a gráf éle pedig az állítmány. A fenti kijelentések a

következőképpen jeleníthetők meg címkézett gráfok segítségével:

Így lényegében valamennyi weben tárolt információt le tudjuk írni, egymáshoz tudjuk

rendelni, közöttük kapcsolatokat tudunk definiálni további URI-k segítségével. Ha két,

egymástól különböző hármasban azonos URI-k találhatók, akkor azok egybeolvaszthatók, és

a leírást tovább folytathatnánk London lakosságának számával, az Egyesült Királyság többi

részével stb.

Az információ RDF-es reprezentációja olyannyira hatékony, hogy – hasonlóan az XML-hez – a

szemantikus web többi rétegétől függetlenül is nagyon sok alkalmazás használja önállóan a

technológiát. Ilyenek például az Arizonai Egyetemi Könyvtár által kifejlesztett RDF alapú

digitális könyvtári rendszer (Han 2005), és a BRICKS projekt. (Hecht, Haslhofer 2005).

Az RDF elkézelés alapötlete tehát, hogy az URI-kkal azonosított erőforrásokat tulajdonságok

segítségével más erőforrásokkal vagy közönséges literálokkal köti össze. Az RDF alapötletét

mutatja be a következő ábra, amivel egy állítást formalizálunk: „Kovács Zoltán (aki ember)

emailcíme: Kovacs.Zoltan@Kripto.hu”. (Szeredi, Lukácsy, Benkő 2005 nyomán)

A példaábra XML szintaxissal a következőképpen írható le:

<%xml version=”1.0” encoding=”ISO-8859-2”?>

<rdf:RDF

xmlns:rdf=”http://www.w3.org/1999/02/22-rdf-syntax-ns#”

xmlns:s=”http://www.utils.org/utils#”>

<rdf:Description

rdf:about=http://www.kripto.hu/Kovacs_Zoltan”>

<s:neve>Kovács Zoltán</s:neve>

<s:levélcíme rdf:resource=”mailto:Kovacs.Zoltan@Kripto.hu”/>

<rdf:type

rdf:resource=”http://www.thing.org/rdf/schemas/simple#Ember”/>

</rdf:Description>

</rdf:RDF>

Helyesen valamennyi tulajdonság (beleértve a jelen példában közönséges névvel

hivatkozottak is: neve, levélcíme, típusa) erőforrás. A példában azonban az egyszerűség

kedvéért hivatkoztunk rájuk ebben a formában. Ezen erőforrások kiválaszthatók a FOAF

szótár elemei közül, amelyben a név tulajdonság például foaf:name-ként írható le.

A fenti leírás sorai bizonyos értlmezésre szorulhatnak. Az XML leírás első sora azt jelzi a

feldolgozó alkalmazásnak, hogy milyen verziójú XML adatfolyam következik, adott

karakterkódolással. A következő sor jelzi, hogy RDF-ként kell értelmezni az elemen belüli

tartalmat. Ezt követően jelennek meg a névterek. Ezek közül először az RDF-hez tartozó

specifikációra utal a leírás, majd a következő névtér-deklaráció az s nevet rendeli a megadott

URI-val azonosított névtérhez.

A következő példában Kovács Zoltán tanulmányát rendeljük a szerzőjéhez, bemutatva ezzel

egyetlen alany, állítmány, tárgy hármast (tripletet) tartalmazó állítást. Egy kijelentésben

erőforrások, tulajdonságok és literálok lehetnek. Az állítás elemei a következők: alany

(http://webadmin.kripto.hu/webadmin/portals/kovex/attachments/TopicMaps_2_2008.pdf)

– erőforrás; predikátum: szerzője – tulajdonság; tárgy: Kovács Zoltán – literál.

RDF állítás alanya és tárgya tetszőleges erőforrás lehet, ezért a gráfban az élcímke

megjelenhet csomópontokban is. Az RDF arra is alkalmas így, hogy tulajdonságokról

állításokat fogalmazzanak meg. Egy RDF kijelentés a következőképpen reprezentálható

tripletként:

{[http://…/TopicMaps_2_2008.pdf],szerzője,”Kovács Zoltán” }

Nem jó azonban a példában, hogy literálként került meghatározásra a kijelentés tárgya, azaz

Kovács Zoltán. Célszerű lenne egy olyan URI-t használni, ami egyértelműen azonosítja Kovács

Zoltánt, így a jelenlegi literál helyére kerülhetne egy olyan URI, ami Kovács Zoltánt azonosítja

egyértelműen.

Az RDF egyik erőssége, hogy lehetőség van üres (vagy névtelen, vagy köztes) csomópontok

(blank node) meghatározására is. Ezek a gráf-reprezentációban – ahogy a nevük is mutatja –

üresek. Egy ilyen üres csomópontból bármennyi további állítás tehető. Ha a fenti példában

nincs lehetőségünk olyan URI-t alkalmazni, amely egyértelműen azonosítja Kovács Zoltánt,

úgy célszerű az üres csomópont beiktatásával élni. Az üres csomópontból kiindulva leírható,

hogy az általa reprezentált entitásnak mi a neve, beosztása, email címe stb.

A példaábra a következőképpen írható le:

{[http://…/TopicMaps_2_2008.pdf],szerzője,[üres cspont]}

{[üres cspont],neve,”Kovács Zoltán” }

{[üres cspont],beosztása,”ügyvezető” }

{[üres cspont],email címe,[mailto:Kovacs.Zoltan@Kripto.hu]}

Az RDF segítségével tripletekkel leírhatók azok az ismeretek, amelyeket reprezentálni

kívánunk. A szemantikus web elképzelés, azonban ennél továbbmegy. Egy olyan metaadat-

infrastruktúra megalkotását tűzte ki célul, amely következtetésekre is alkalmas. A

következtetésekhez a világról szóló ismereteinket formálisan le kell írni a számítógép

számára is interpretálható formában. A háttértudás leírására több szemantikus web

technológiát is kifejlesztettek a különböző igények kielégítésére (RDFS, OWL, SKOS, RIF).

Szeredi, Lukácsy, Benkő (2005) szemléletes példáját idézve megérthetjük azt, hogy az

egyszerű RDF állításokhoz képest milyen további fejlesztések szükségesek. „RDF segítségével

képesek vagyunk leírni azt, hogy egy ember barátja egy másiknak. Ezt úgy tehetjük meg,

hogy konstruálunk egy RDF kijelentést, amelynek alanya és tárgya két ember, predikátuma

egy olyan erőforrás, amelyről tudjuk, hogy a „barátja” viszonyt azonosítja valahogy. (…)

Kérdés ezek után, hogy el tudjuk-e dönteni, hogy az egyik ember ismeri-e a másikat? A válasz

evidens, hiszen józan paraszti eszünkkel tudjuk, hogy egy ember nyilván ismeri a saját

barátját. Vegyük észre ugyanakkor, hogy valójában ez egy olyan következtetés volt a

részünkről, amelyhez háttértudásra volt szükségünk. Mi tudjuk ugyanis, hogy valakik nem

lehetnek barátok, ha nem is ismerik egymást. (…) Valami olyan kijelentésre lenne

szükségünk, hogy ’bármely két erőforrás között, amelyek n:barátja viszonyban állnak

egymással, fennáll az s:ismerőse viszony is.’ Ezen tudás birtokában egy gép más képes lenne

kikövetkeztetni, hogy a két ember ismeri egymást, bár ez így explicit módon továbbra sem

lenne leírva.” A sémák és az ontológiák a következtetésekhez szükséges háttértudást

tartalmazzák.

Az RDF séma olyan további erőforrások halmaza, amellyel kibővült az RDF által

meghatározott szótár és amelyek jelentése jól meghatározott. Ezek az erőforrások RDF

kijelentésekben használhatók fel. Alkalmazásspecifikus tulajdonságok és osztályok

definiálhatók, megadhatók ezek egymáshoz való hierarchikus viszonya, illetve jellemzői.

(Szeredi, Lukácsy, Benkő 2005)

Az RDF sémák kifejezéseknek, dolgok osztályainak definiálására szolgál. Nem kínál

önmagában egy ellenőrzött szótárt, csak megteremti annak a lehetőségét, hogy egy-egy

alkalmazáson belül általánosan érvényes kijelentéseket tegyünk. Lényegében az RDF séma az

RDF-hez kínál egy szabványos tipologizáló metódust. Az RDF Séma legfrissebb W3C ajánlása

2004. február 10-én jelent meg. (Brickley, Guha 2004)

A bevezető példában a dokumentum, szerződés, irat és oldalszám (mint tulajdonság)

fogalmak egymáshoz való viszonyát írjuk le RDF séma segítségével. Meghatározásra kerül az

iratok és a szerződések osztálya. Leírjuk, hogy a szerződések dokumentumok is egyben.

Definiáljuk továbbá a bázis URI-t (jelen esetben ez a képzeletbeli

http://www.pelda.hu/dokumentumok lesz) és az RDF sémakonstrukciók eléréséhez

szükséges rdfs névteret URI-ként. (Szeredi, Lukácsy, Benkő 2005 alapján).

<%xml version=”1.0” encoding=”ISO-8859-2”?>

<rdf:RDF

xmlns:rdf=”http://www.w3.org/1999/02/22-rdf-syntax-ns#”

xmlns:rdfs=”http://www.w3.org/2000/01/rdf-schema#”

xmlns:base=”http://www.pelda.hu/dokumentumok#”>

<rdf:Description rdf:ID=”Irat”>

<rdf:type rdf:resource=

”http://www.w3.org/2000/01/rdf-schema#Class”/>

</rdf:Description>

<rdfs:Class rdf:ID=”Szerződés”>

<rdfs:comment>Szerződések osztálya</rdfs:comment>

<rdfs:subClassOf rdf:resource=”#Irat”/>

</rdfs:Class>

<rdf:Property rdf:ID=”oldalszáma”>

<rdfs:domain rdf:resource=”#Irat”/>

<rdfs:range rdf:resource=

”http://www.w3.org/2001/XMLSchem#integer”/>

</rdf:Property>

</rdf:RDF>

5.2 OWL

Az OWL specifikáció (Web Ontology Language) 2004 februárjában jelent meg W3C

ajánlásként. (McGuiness, Van Harmelen 2004) Előzménye a DAML+OIL (DARPA Agent

Markup Language + Ontology Inference Layer vagy Ontology Interchange Language) leíró

nyelv volt, amelyet az OWL teljes egészében felváltott. (Conolly et al. 2001) A következő

dokumentumokat fordították le és tették közzé magyarul is:

Áttekintés;

- Útmutató – amely az OWL-t egy kiterjedt példán keresztül szemlélteti;

- Referencia – az OWL modellezési primitívek jól szerkesztett, informális leírása;

- Szemantika és absztrakt szintaxis – az OWL nyelv normatív definíciója;

- OWL Web Ontológia Nyelv tesztsorozata – az OWL használatát illusztráló példák, a

konstrukciók formális jelentése és a témák kifejtése;

- OWL alkalmazási esetek és követelmények – egy webontológia nyelv felhasználási

forgatókönyve, céljai és követelményei. (Pataki E. 2004b)

Az OWL célja, hogy formális logikákon alapuló bonyolult szemantikai relációkat is lehessen a

számítógép számára reprezentálni. Az OWL lehetővé teszi, hogy explicit módon ábrázoljuk

egy meghatározott szókészlet kifejezéseinek jelentését, valamint ezek összefüggéseit. Az

OWL szemantikai kifejezőereje jóval nagyobb mint az XML, az RDF és az RDFS nyelveké, így

hatékonyabb a webtartalom explicit formális leírásában. Ugyan az RDF séma is képes

osztályokat és alosztályokat definiálni, nem tudja végrehajtani valamennyi halmazelméleti

műveletet.

Az OWL nyelv segítségével konstruálhatók osztályok más osztályok uniójaként,

metszeteként, komplemenseként. Lehetséges az osztályok egyedeinek felsorolása. Lehet az

osztályokba tartozó egyedeket a tulajdonságaik szerint definiálni. Az OWL a tulajdonságok

terén is magasabb szintjét képes megragadni a gondolkodásnak. Tulajdonságokat lehet

szimmetrikusnak, tranzitívnek, függvénynek stb. deklarálni általa. Az OWL esetében

megragadható az osztályok, tulajdonságok, vagy egyedek ekvivalenciájának problémája.

(Herman 2006)

A következő példa az OWL nyelvről egy bemutató példa, amely a fő jellemzőit hivatott

szemléltetni. A példában egy cég kollektíváját írjuk le úgy, hogy felsorolja valamennyi

alkalmazott nevét. (Szeredi, Lukácsy Benkő 2005) A példa szemantikailag akkor helytálló, ha

a cég kollektíváját teljes egészében leírjuk, vagyis nem hagyunk ki senkit. Tegyük fel, hogy a

vállalatnak öt dolgozója van.

<owl:Class>

<owl:oneOf rdf:parseType=”Collection”>

<owl:Thing rdf:about=”Nagy Béla” />

<owl:Thing rdf:about=”Kovács János” />

<owl:Thing rdf:about=”Kis Ferenc” />

<owl:Thing rdf:about=”Tóth Lajos” />

<owl:Thing rdf:about=”Szabó Géza” />

</owl:oneOf>

</owl:class>

OWL-nak három növekvő erejű kifejező alnyelve van a különböző felhasználási igényekhez

igazítottan:

- OWL Lite – osztályozási hierarchiákat és egyszerű korlátozásokat alkalmazó

felhasználók támogatására készült.

- OWL DL – a maximális kifejezőképességet igénylő felhasználóknak készült. Az OWL

DL-ben a számíthatóság és az eldönthetőség is megmarad. Az összes nyelvi

konstrukciót tartalmazza, de azok használhatósága csak bizonyos korlátozásokkal

lehetséges. A DL (Description Logic) a leíró logikákra utal.

- OWL Full – olyan maximális kifejezőképességet és az RDF teljes szintaktikai

szabadságát igénylő használóknak készült, akik lemondanak a kiszámíthatósági

garanciákról. A szoftvertámogatás az OWL Full esetében – éppen a túlságosan gazdag

logikai struktúrák következtében – kérdéses, hogy megvalósítható-e. (Pataki E.

2004b)

Az alnyelvek mindegyike az egyszerűbbnek a kiterjesztése. Így például minden érvényes OWL

Lite következtetés egyben érvényes OWL DL következtetés is, és minden érvényes OWL DL

következtetés egyben érvényes OWL Full következtetés is. Minden legális OWL Lite ontológia

egyben legális OWL DL ontológia is, és minden legális OWL DL ontológia egyben legális OWL

Full ontológia is. (Pataki E. 2004b)

A használóknak maguknak kell eldönteni, hogy mely alnyelv a leginkább alkalmas a céljaikra.

(Digitális könyvtári környezetre való alkalmazhatóság tekintetében érdekesség, hogy a DL

mögött egyesek a Digital Library kezdőbetűit vélik felfedezni. Krause 2008)

5.3 SKOS

A SKOS (Simple Knowledge Organization Systems) tudásszervezési rendszerek (tezauruszok,

osztályozási rendszerek, tárgyszójegyzékek, taxonómiák, folkszonómiák) szabványos

reprezentálására kifejlesztett specifikáció a szemantikus web alkalmazások számára. A

fejlesztése viszonylag későn kezdődött az intelligens világháló többi technológiájához képest,

ugyanakkor maga a szintaxis olyannyira ígéretes volt, hogy bő két év alatt a SKOS

szemantikus web ajánlássá nőtte ki magát. Az első munkaterv 2007. május 16-án jelent meg,

(Isaac, Phipps, Rubin 2007) egy 2009. június 15-i javaslatterv után (Miles, Bechhofer 2009a)

ugyanazon év augusztusában megjelent a W3C ajánlás (Miles, Bechhofer 2009b).

A SKOS segítségével létező tudásszervezési rendszereket lehet exportálni a szemantikus web

számára szabványos formátumba. A SKOS félig formális tudásszervezési rendszerek

szemantikus web számára való egyszerű újrahasznosíthatóságát hivatott biztosítani. Nem a

tudásszervezési rendszerek eredeti helyükön való újraírása a cél, hanem azok exportálása

olyan formába, amely szélesebb körű használhatóságot eredményez. Lényegében a SKOS

jelenti a hidat az OWL ontológiák szigorú formális logikái és a weben található szabad és

strukturálatlan közösségi osztályozási rendszerek között. A nyelv RDF-en alapul, így

megvalósulhat az általa leírt információ számítógépek közötti cseréje. (Isaac, Summers 2009)

A SKOS fejlesztésére az igény akkor jelentkezett, amikor világossá vált, hogy nem készülnek

megfelelő számban szakterületi ontológiák, amelyek nélkül még sokáig nem lesz lehetséges

együttműködő rendszereket fejleszteni. A legígéretesebb stratégia a meglévő

tudásszervezési rendszerek, ellenőrzött szótárak újrahasznosítása lett. E mellett nem

bizonyos, hogy valamennyi alkalmazás igényel bonyolult ontológiát, sőt bizonyos esetekben

hatékonyabb lehet az egyszerűbb megoldást választani. Egy szemléletes példát idézve „amíg

az OWL egy nehéz kalapács, addig a SKOS egy egyszerű diótörő gép, illetve amíg az OWL egy

Harley Davidson, addig a SKOS egy sima kerékpár. A SKOS az OWL-lal együttműködhet, így

optimalizálható a tudásreprezentáció mélysége. (Krause 2008)

A digitális könyvtári alkalmazás szempontjából a SKOS közvetlen eredményeket jelenthet a

tudásszervezési rendszerek és a szemantikus web integrálása terén. A könyvtáros

társadalom a fejlesztések kezdeti stádiumától kezdve figyelemmel kísérte a SKOS-t. (Cantara

2006) Lényegében a SKOS célja, hogy a könyvtári osztályozást és a szemantikus web

technológiákat egységes keretek közé integrálja. (Krause 2008) A könyvtári osztályozási

rendszerek évezredes tapasztalatait ez a specifikáció lesz képes a szélesebb webes közösség

számára elérhetővé és használhatóvá tenni. A könyvtárak már a szintaktikai paradigmában is

rendelkeztek nagy mennyiségű szemantikailag kódolt adattal.

5.4 XTM

Az XTM (XML Topic Maps = XML Tématérkép) – ahogy a nevében is benne van – az XML

(eXtensible Markup Language = Kiterjesztett Jelölőnyelv) alapján tématérképek készítésére

kifejlesztett nyelv. Ez a leggyakrabban használt szintaxis, a tématérképek nemzetközi

csereformátuma. (Pepper, Moore, 2001; Hunting 2003)

A nyelv legújabb verziója, az XTM 2.0, amely az ISO/IEC 13250:2007(E) szabvány szabvány

része. Az 1.0 verzióhoz képest meglévő különbségeket a szabvány D függeléke tartalmazza.

(ISO 13250, 2007)

A nyelv alkalmazására manuálisan nincs szükség, így nem okoz problémát annak

terjengőssége. Több tématérkép-szerkesztő program is van forgalomban, amelyekkel

ontológia-vezérelt módon készíthetők alkalmazások.

Az alábbi példa szemlélteti a szintaxis jellegzetességeit.

<?xml version="1.0" encoding="utf-8" standalone="yes"?> <topicMap xmlns="http://www.topicmaps.org/xtm/" version="2.0">

<topic id="person">

<name>

<value>Person</value>

</name>

</topic>

<topic id="city">

<subjectIdentifier

href="http://dbpedia.org/page/City"></subjectIdentifier>

<name>

<value>City</value>

</name>

<occurrence>

<type>

<topicRef href="#wiki"></topicRef>

</type>

<resourceRef

href="http://en.wikipedia.org/wiki/City"></resourceRef>

</occurrence>

</topic>

<topic id="db">

<name>

<value>Date of birth</value>

</name>

</topic>

<topic id="hun">

<subjectIdentifier

href="http://dbpedia.org/page/Hungarian"></subjectIdentifier>

<instanceOf>

<topicRef href="#nationality"></topicRef>

</instanceOf>

<name>

<value>Hungarian</value>

</name>

</topic>

<topic id="population">

<name>

<value>Population</value>

</name>

</topic>

5.5 További Topic Maps szintaxisok

Léteznek további szintaxisok, amelyekkel ontológiák alkothatók. Ezek közül némelyeknek

már csak történeti jelentőségük van – ilyen például a HyTM –, más nyelvek pedig nem

képezik az ISO 13250 szabványcsalád részét, de jelentősége miatt mégis érdemes néhány

mondatban megemlékezni róluk. Ez utóbbiakra példa az LTM amelyet tekintve, hogy

oktatásra fejlesztették ki, számunkra is jó eszköz lesz a későbbiekben az ontológiaszerkesztés

alapjainak bemutatására.

5.5.1 HyTM

Az SGML alapú HyTM-nek (HyTime Topic Maps) csak történeti jelentősége van már, hiszen ez

a tématérképek számára eredetileg kifejlesztett szintaxis nem része a legújabb ISO

szabványnak. A tématérképek történetének kezdeti szakaszában ez volt az egyetlen szintaxis.

A HyTM alapjául szolgáló HyTime nyelvet eredetileg az SMDL-lel (Standard Music Description

Language) együtt kezdték el fejleszteni az 1980-as évek végén. Arra keresték a választ, hogy

miként lehetne zenei utalásokat hiperlinkekkel reprezentálni. Az első szabvány javaslat 1989-

ben született, 1992. november 1-től az ISO és az IEC közös szabványa lett ISO/IEC 10744

tételszámon. A HyTime-ból született a HyTM nyelv, amely a tématérképek leírására szolgál,

és amely hosszú időn keresztül része volt az ISO/IEC 13250 szabványnak.

5.5.2 LTM

A képzés szempontjából van jelentősége az LTM szintaxisnak (The Linear Topic Map

Notation). Az LTM az Ontopia által kifejlesztett nyelv, amely rendkívül egyszerű, az XTM-mel

szemben sokkal „szűkszavúbb” és hatékonyabb. Ennek oka, hogy az LTM elsősorban oktatási

célokra készült, segítségével viszonylag rövid idő alatt el lehet készíteni egy kisebb

tématérképet, és a gyakorlati alkalmazás során megérthetők az alapvető fogalmak.

Az LTM nem része semmilyen nemzetközi szabványnak. A fejlesztés motivációja az volt, hogy

bár kiváló tématérkép-szerkesztő programok vannak, szükség mutatkozott egy olyan szöveg-

alapú leíró nyelvre, amely tömör és szűkszavú, így alkalmas tématérképek manuális

szerkesztésére, a tématérkép modell reprezentálására akár emailben, vagy hasonló

szövegekben.

Az LTM-et jelenleg mindössze az Ontopia által készített technikai dokumentáció írja le.

(Garshol 2006) Ebben a jelentésben még nem tartották kizártnak, hogy a nyelv szabvánnyá

növi ki magát, azonban mára bizonyossá vált, hogy erre nem kerül sor. Ugyanilyen céllal

kezdődött el a CTM fejlesztése az ISO/IEC keretein belül.

5.5.3 CTM

A CTM (Compact Topic Maps) szöveg alapú tématérkép-leíró szintaxis. Az XTM szabvány

kiegészítésére fejlesztik. A nyelv egyaránt alkalmas arra, hogy manuálisan hozzunk létre

tématérképeket, hogy dokumentumokban érthető példákat nyújtsunk általuk, és hogy

szintaktikai bázisául szolgáljon a TMCL-nek és a TMQL-nek. Fő szempont a fejlesztés során az

egyszerűség, a könnyű írhatóság és olvashatóság. Funkcióját tekintve ugyanarra a szerepre

szánják, mint az LTM-et: oktatásra, tématérképek szöveges reprezentálására, manuális

tématérkép-szerkesztésre.

5.5.4 GTM

Szintén a tématérképek humán interpretációját segíti a GTM (Graphical Notation for Topic

Maps) szintaxis, amely azonban nem szöveg, hanem vizuális alapon reprezentálja az

alkalmazásban leírt viszonyrendszereket. Egy grafikus leíró szabvány segítségével lehet

megkönnyíteni a humán interpretációt, ami a fejlesztések során az egyik kulcsfontosságú

tényező. A fejlesztés a következőket tűzte ki célul:

Minden reprezentálható legyen grafikusan, ami LTM-ben vagy XTM-ben is leírható.

Rajzolással is lehessen készíteni tématérképeket anélkül, hogy bármilyen külső

erőforrásra, utalásra lenne szükség.

Kifejleszthető legyen egy olyan tématérkép-szerkesztő szoftver, amely képes egy

GTM fájlt exportálni LTM-be, vagy XTM-be. (Lehessen az LTM vagy az XTM ismerete

nélkül is tématérképeket készíteni.) Szoftverrel egy XTM, vagy LTM fájlból létre

lehessen hozni egy GTM alapú vizuális modellt.

A rajzok a haszálók által is könnyedén olvashatók legyenek. (Henriksen 2006)

A következő ábra egy norvég nyelven született GTM példa, amelyen jól látható, hogy a

szabványos jelölések alapján egyértelmű, hogy az egyes fogalmak milyen tématérkép

szerkezeteket reprezentálnak.

Bár a GTM fejlesztése meglehetősen előrehaladott állapotban van, a tématérképek fejlesztői

mind a mai napig csak szűk körben használják ezt a grafikus szintaxist. (Hendrik, Redmann,

Pressler, Markscheffel 2008) A tématérképekkel kapcsolatos ISO szabványok fejlesztésével

foglalkozó oldalon is csak igen szűkszavú tájékoztatás van a GTM fejlesztéséről.

(www.isotopicmaps.org/gtm/)

6 Ontológiaépítés a gyakorlatban

Ebben a fejezetben az ontológiaépítés gyakorlatába nyújtunk betekintést egyrészt az

eszközök, másrészt pedig a fejlesztés lépéseibe avatva be az olvasót. Az eszközök

vonatkozásában néhány szóban ismertetünk egy RDF/OWL ontológiák építésére szolgáló

eszközt, majd pedig egy ontológiavezérelt tématérkép szerkesztésre szolgáló programot. A

későbbiekben ez utóbbival gyakorlatban is megismerkedünk, amikor egy ontológia

építésének a lépéseit követjük nyomon.

6.1 Az ontológiaépítés eszközei

Ontológiák építésére számos fejlesztő eszköz áll a rendelkezésünkre. Az eszköz

kiválasztásánál figyelembe kell vennünk, hogy milyen célból fogják az általunk elkészített

ontológiát használni. Amennyiben az a célunk, hogy a kifejlesztett tudásszervezési

rendszerben lévő adatokat más webes alkalmazások számára tegyük „fogyaszthatóvá”, akkor

célszerű az RDF/OWL paradigmán alapuló szemantikus web ontológiák fejlesztésére szolgáló

eszközök közül választani. Amennyiben a közvetlen humán interpretáció elősegítése a

célunk, úgy tématérkép fejlesztő eszközök közül kell választani egy igényeinknek megfelelőt.

6.1.1 Szemantikus web ontológiák fejlesztésére szolgáló eszközök

A szemantikus web ontológiák fejlesztésére szolgáló eszközök közül a legszélesebb körben

ismert eszköz a Protégé, ingyenes, nyílt forráskódú szoftver és tudásbázis keretrendszer. A

Protégé platform segítségével létrehozott tudásszervezési rendszerek több nyelvre is

konvertálhatók (RDF, RDFS, OWL és XML Schema). A program JAVA alapú, ami egyszerű

tudásmodellezést és alkalmazásfejlesztést tesz lehetővé.

A program fejlesztését a Stanford és a Manchesteri egyetemek kezdték el közösen, majd ők

tették nyílt forráskódúvá. A professzionalizmust azonban elsősorban a program használóinak

a közössége jelenti. A fejlesztők között egyaránt megvannak az egyetei, kutatói, a

kormányzati, az üzleti és magán szereplők.

A program jellemzője, hogy számos segédlet áll rendelkezésre a használatához, amelyek

eligazítanak a nagy ablakos webes felületeken való eligazodásban.

A program letölthető a http://protege.stanford.edu/download/download.html oldalról

egyszerű regisztrációt követően.

Szintén szemantikus web ontológiák létrehozását szolgálják a következő programok:

- NeOn Toolkit , http://neon-toolkit.org/

- SWOOP, http://www.mindswap.org/2004/SWOOP/

- Neologism, http://neologism.deri.ie/

- TopBraid Composer, http://www.topquadrant.com/products/TB_Composer.html

- Knoodl, http://www.knoodl.com/,

- Anzo for Excel, http://www.cambridgesemantics.com/products/anzo_for_excel

6.1.2 Tématérképek fejlesztésére szolgáló eszközök

Az OKS (Ontopia Knowledge Suite) az oslói székhelyű Ontopia AS terméke, amelynek

ingyenes verziója tartalmaz egy tématérkép-szerkesztő (Ontopoly) és egy vizualizáló

(Omnigator) szoftvert. Az Ontopoly lehetőséget teremt arra, hogy először a tématérképben

előforduló téma-, asszociáció-, előfordulás-, szerep-, és névtípusokat definiáljuk, majd

feltöltsük, „benépesítsük” azok konkrét eseteivel. Az Omnigatort a tématérképek

működésének demonstrálására, oktatására fejlesztették ki. A szoftver tématérképeket

illetően „mindenevő”. Mind XTM, LTM, HyTM és RDF tématérképek megjeleníthetők a

segítségével. Létezik egy online demo változata is, amelyen megtekinthető a működése.

(http://www.ontopia.net/omnigator/models/index.jsp) Az OKS-t Norvégiában az Oslói

Főiskola Újságírás Könyvtár- és Információtudományi Karán és Magyarországon a Pécsi

Tudományegyetem Felnőttképzési és Emberi Erőforrás Fejlesztési Karán is sikerrel

alkalmazzák a könyvtárosképzésben. (Tóth 2008)

A TM4L (Topic Maps for e-Learning) ontológiavezérelt tématérkép-szerkesztő program

jelenleg az egyetlen magyar nyelven is ingyenesen elérhető szoftver. (Kovács, Tóth 2008) A

programot a Winston-Salem State University kutatói fejlesztették ki a tématérképek legfőbb

alkalmazási területén, az e-learningben felmerült igények figyelembe vételével. Az a

gondolat vezérelte a fejlesztőket, hogy a tananyagok fogalmak alapján való megközelítése

segíti a tanulót az ismeretek hatékony befogadásában. E mögött pedig az húzódik, hogy a

tématérképek a fogalmakat környezetükkel együtt, azok valós kontextusában és nem egy

kényszerű struktúra hálójában képesek mutatni. (Dicheva, Dichev 2006)

A TM4L felületét a következő ábra szemlélteti.

További eszközök – a teljesség igénye nélkül:

- Wandora (http://www.wandora.org/wandora/wiki/index.php?title=Download)

- TinyTiM (http://tinytim.sourceforge.net)

- QuaaxTM (http://quaaxtm.sourceforge.net),

- mappa (http://code.google.com/p/mappa/),

- Perl TM (http://search.cpan.org/dist/TM/)

- K-Discovery (http://gtm.upb.de).

6.2 Ontológiaépítés az OKS segítségével

Az ontológiaépítés gyakorlatát most egy tématérkép szerkesztő szoftverrel mutatjuk be.

Ennek oka, hogy így egy közvetlen humán interpretációra is alkalmas, látványos alkalmazást

kapunk eredményül, amely minden szemantikus technológiák iránt érdeklődő tanuló

számára motiváló lehet. Szintén fontosnak tartjuk, hogy míg a szemantikus web

technológiákkal kapcsolatosan jelentős mennyiségű technikai dokumentáció, útmutatás

érhető el, addig a tématérképek vonatkozásában a következő leírás teljes mértékben

nóvumnak lesz tekinthető a hazai szakirodalomban.

6.2.1 Az OKS letöltése és használata

Az OKS (Ontopia Knowledge Suite) programcsomagot a http://www.ontopia.net

oldalról lehet letölteni. Célszerű a letöltésnél a C meghajtót kiválasztani és a csomagot a

programfájlok közé menteni. (A továbbiakban az elérési útvonalakat azt feltételezve adom

meg, hogy a programcsomag a C meghajtón van.)

Az indításhoz ki kell választani a startup windows kötegfájlt, amelyet a C:\Program

Files\oks-samplers\apache-tomcat\bin mappában találhatunk meg. Ekkor

megjelenik egy fekete ablak Tomcat felirattal, amit le lehet tenni tálcára, de nem szabad

bezárni. Ekkor a böngészőbe beírva a http://localhost:8080/ címet csatlakozhatunk

a távoli szerverhez és elkezdhetjük a program használatát.

A csatlakozást követően a következő ablaknak kell megjelennie a böngészőben:

Tipikus probléma, hogy a fekete ablak felugrik, majd a következő pillanatba el is tűnik úgy,

hogy a benne kiírt hibaüzenetet sem hagyja elolvasni. Ennek az oka az szokott lenni, hogy

vagy nincs a gépen Java, vagy a JAVA_HOME környezeti változó nincs megfelelően definiálva.

Ekkor célszerű ellenőrizni, hogy van-e a gépen a Program Files között Java. Ha nincs, akkor

ingyenesen telepíthető a http://www.java.com/en/download/index.jsp

oldalról. Ha van, vagy ha már telepítettük, akkor a Vezérlőpult Rendszer Speciális

Környezeti változók útvonalon megnyithatjuk a rendszerváltozók definiálásához szükséges

panelt. Az Új gombra kattintva két szövegdoboz jelenik meg, ahol a változó neve

JAVA_HOME, a változó értéke pedig a Java program aktuális gépen lévő elérési útja. (Pl.

C:\Program Files\Java\jre7).

Windows 7 operációs rendszerrel a következő ablakban állítható be ez a bizonyos környezeti

változó:

6.2.2 Az ontológiák építésének első lépései

Valamennyi tématérkép ontológia építését papíron érdemes kezdeni, amikor is összeírjuk,

hogy melyek azok a téma-, asszociáció-, előfordulás-, szerep- és névtípusok, amelyek

segítségével formálisan leírható a kiválasztott tudástartalom.

A papíron szintén érdemes összeírni, hogy mely típus mely esetekkel népesíthető be. AZ

alábbiakban erre láthatunk egy példát.

A következő alkalmazásunk tárgyát hazai nagyvárosok jelentik, amelyekhez egy-egy

nevezetes helyet,illetve a települések egy-egy híres szülöttjét kapcsolhatjuk. A szülöttekről, a

nevezetes helyszínekről és a városokról magukról szeretnénk látni képet, egy-egy Wikipédia

oldalt, és – amennyiben létezik – hivatalos honlapot. Egyértelmű azonosítóként a

www.dbpedia.org URL-jeit használjuk.

Az így elkészített minialkalmazással a célunk az volt, hogy elejétől a végéig – minden lépést

bemutatva – felépítsünk egy ontológiát és azt be is népesítsük „esetekkel”. Az alkalmazás

természetesen kicsi, és ebből kifolyólag nem is tartalmazhat minden apró trükköt, viszont

lehetőséget teremt arra, hogy ez alapján egy sokkal nagyobb volumenű projektet is fel

lehessen építeni.

Papíron az alkalmazásunk vázlata a következőképpen írható le:

1. Tématípusok (Itt azokat a fogalmakat írjuk le, amelyekhez konkrét eseteket tudunk

rendelni, és amelyek így alkalmasak lehetnek a választott tartalom leírására. Ezek egy

alkalmazás felső szintű fogalmai.

o város

o személy

o nevezetesség

2. Asszociációtípusok

o szülötte (város – személy)

o nevezetessége (város – nevezetesség)

3. Előfordulástípusok

o kép (városról, nevezetességről, személyről)

o hivatalos honlap (város, nevezetesség)

o Wikipédia oldal (város, nevezetesség, személy)

o születési év (személy)

4. Szereptípusok

o szülőhely (város)

o szülött (személy)

o nevezetesség (ez a szereptípus megegyezik a tématípussal)

o város (ez a szereptípus megegyezik a tématípussal)

5. Névtípusok

o Angol név (város, nevezetesség)

o Német név (város, nevezetesség)

A tématípusok definiálása nem csak technikai jellegű tevékenység, hiszen kellően

hatékonynak kell lennünk az adott ismeretterület formális modellezése vonatkozásában is. A

következő szabályok szem előtt tartása szükséges.

- A tématípus legyen kellően általános (az ország jobb tématípus, mint például az

európai ország, mert általánosabb fogalomra utal. Igaz ez akkor is, ha ebből az

következik, hogy valamennyi európai ország esetében definiálnunk kell egy újabb

asszociációt, miszerint Európában található.)

- Ne legyen nagyon általános sem, mert zavarhatja a megértést. (Az ország tehát jobb,

mint a hely, amely képes lenne összemosni a városokat, kontinenseket és az

országokat).

- A tématípus neve legyen rövid a könnyű kezelhetőség, megjeleníthetőség kedvéért.

- Minden tématípus legyen egyes számban (a tématípus tehát ország és nem országok)

A következőkben célszerű legalább néhány példa erejéig összegyűjteni azokat a fogalmakat,

amelyekkel az ontológia benépesíthető. Ezek esetünkben például a következők lehetnek.

1. Városok: Debrecen, Miskolc, Pécs

2. Személyek: Csokonai Vitéz Mihály, Szabó Lőrinc, Victor Vasarely

3. Nevezetesség: Nagytemplom, Diósgyőri vár, Barbakán

A fenti információk birtokában már el tudjuk kezdeni a tématérképünk szerkesztését,

amelyet a következő fejezetben fogunk megtenni az LTM szintaxis segítségével.

6.2.3 Tartalmak formalizálása LTM szintaxis segítségével

Ebben a részben egy tématérképet fogunk létrehozni LTM szintaxis segítségével. A nyelv

sajátosságairól fentebb már szóltunk, most a gyakorlati tudnivalókat mutatom be egy

konkrét példa megalkotásával.

Első teendőnk, hogy nyitunk egy üres jegyzettömb fájlt, amelyet letöltünk a következő

helyre: C:\Program Files\oks-samplers\apache-

tomcat\webapps\omnigator\WEB-INF\topicmaps. Fontos tovább, hogy a fájl

kódolása UTF-8, a kiterjesztése pedig .ltm legyen.

Amennyiben ez megtörtént, az Omnigatort megnyitva a bal oldali oszlopban meg kell

jelennie a tématérképünk elnevezésének, illetve arra kattintva meg tudjuk nézni, hogy eddig

mi az eredménye a munkánknak.

Először a tématípusokat definiáljuk, amelyhez a [ ] karakterek használata szükséges. Az

első pozícióba írt szavak fogják a tartalomleírás során a továbbiakban azonosítani az egyes

fogalmakat a program számára, az egyenlőségjel után idézőjelbe írt szavak pedig a humán

interpretációra szolgáló megjelenítés során használatosak.

Itt a következőkre kell odafigyelnünk.

- A leírás során csak az angol ABC karakterkészletéből válogathatunk.

- Az azonosító kizárólag egyetlen szó lehet (Amennyiben többre van szükségünk. Pl.

hires-ember, akkor kötőjellel írjuk ezeket egybe!)

- Lehetőleg olyan szavakat használjunk, amelyek a későbbiekben is megjegyezhetők és

egyértelműen utalnak az adott téma jelentésére. Így például a hn-19 azonosító, bár

teljesen alkalmas bármely fogalom azonosítására, nem szerencsés, mert emberi

olvasásra alkalmatlan.

A fentebb leírt tématípusokkal kezdjük. Tekintve, hogy a tématérkép technológiában minden

típus téma. Azaz az asszociáció, a szerep, a név és az előfordulástípusok, ugyanezen metódus

szerint kell ezeket is definiálni a következőképpen:

/*--------TÉMATÍPUSOK--------*/

[varos = "Város"]

[szemely = "Személy"]

[nevezetesseg = "Nevezetesség"]

/*------ASSZOCIÁCIÓTÍPUSOK----*/

[szulotte = "szülötte"

= "szülötte a következőnek" /szulott]

[nevezetessege = "nevezetessége"

= "nevezetessége a következőnek" /nevezetesseg]

/*-------SZEREPTÍPUSOK-------*/

[szulott = "Szülött"]

[szulohely = "Szülőhely"]

/*--------ELŐFORDULÁSTÍPUSOK------*/

[kep = "Kép"]

[wikipedia = "Wikipédia oldala"]

[szulev = "Születési éve"]

[honlap = "Hivatalos honlapja"]

/*---------NÉVTÍPUSOK-------*/

[angol = "angol nyelven"]

[nemet = "német nyelven"]

Az eddig összeállított típusok összessége maga az ontológia. Ha ezt megjelenítjük az

Omnigatorban, akkor azonban azt láthatjuk, hogy valamennyi általunk megadott kifejezést

témaként regisztrált a rendszer.

Az Omnigatorba a Master Indexre kattintva a következőket láthatjuk.

Az LTM esetében (amikor is nem ontológiavezérelt tématérkép-szerkesztésről beszélünk) a

benépesítés fogja kijelölni az egyes tématérkép szerkezetek tényleges szerepeit. Ennek

érdekében a következőkben a benépesítést is elvégezzük a fentebb már felsorolt elemekkel.

A benépesítést a témákkal kezdjük, amikor is a fentiekhez hasonlóan [ ] zárójelben

azonosítóval látjuk el az egyes elemeket.

[debrecen = "Debrecen"

@"http://dbpedia.org/page/Debrecen"]

[miskolc = "Miskolc"

@"http://dbpedia.org/page/Miskolc"]

[pecs ="Pécs"

@"http://dbpedia.org/page/P%C3%A9cs"]

[vasarely = "Victor Vasarely"]

[csokonai = "Csokonai Vitéz Mihály"]

[szabo = "Szabó Lőrinc"]

[diosgyori-var = "Diósgyőri Vár"]

[nagytemplom = "Nagytemplom"]

[barbakan = "Barbakán"]

Hogy a rendszerben egyértelmű legyen, hozzá kell rendelnünk az egyes eseteket a

tématípusokhoz. Ezzel válik egyértelművé, hogy mi van tématípus és mi annak esete

szerepben.

[vasarely : szemely]

[csokonai : szemely]

[szabo : szemely]

[diosgyori-var : nevezetesseg]

[nagytemplom : nevezetesseg]

[barbakan : nevezetesseg]

[miskolc : varos]

[pecs : varos]

[debrecen : varos]

A következőkben az egyes témákat asszociációkkal rendeljük egymáshoz a következőképpen:

/*------ASSZOCIÁCIÓK----*/

szulotte(csokonai : szulott, debrecen : szulohely)

szulotte(szabo : szulott, miskolc : szulohely)

szulotte(vasarely : szulott, pecs : szulohely)

nevezetessege(diosgyori-var : nevezetesseg, miskolc : varos)

nevezetessege(nagytemplom : nevezetesseg, debrecen : varos)

nevezetessege(barbakan : nevezetesseg, pecs : varos)

Itt meg kell jegyeznem, hogy az egyes elemek mellett fel kell tüntetnünk a szerepet is,

amelynek mentén kapcsolódik az adott téma a másikhoz. Jelen esetben ezek a nevezetesség,

a város, a szülött és a szülőhely. A város és a nevezetesség véletlenül egybeesik a

tématípussal is, ami azonban nem jelent problémát a későbbiekben.

Az előfordulások definiálása során lényegében az egyes témákat rendeljük az információs

egyes pontjaihoz. Megkülönböztetünk külső előfordulások, amelyek a tématérképen kívül

létező erőforrásra mutatnak. Ezt a következőképpen írjuk le.

/*-----ELŐFORDULÁSOK------*/

{barbakan, wikipedia,

"http://hu.wikipedia.org/wiki/Barbak%C3%A1n"}

{diosgyori-var, wikipedia,

"http://hu.wikipedia.org/wiki/Di%C3%B3sgy%C5%91ri_v%C3%A1r"}

{nagytemplom, wikipedia,

"http://hu.wikipedia.org/wiki/Reform%C3%A1tus_nagytemplom_(Deb

recen)"}

{diosgyori-var, kep,

"http://upload.wikimedia.org/wikipedia/hu/e/e2/Di%C3%B3sgy%C5%

91ri_v%C3%A1r1.jpg"}

{nagytemplom, kep,

"http://upload.wikimedia.org/wikipedia/commons/f/f7/Debrecen-

hungary-greatprotestantchurch.JPG"}

{barbakan, kep,

"http://upload.wikimedia.org/wikipedia/commons/6/61/0045_Barbi

can.jpg"}

{szabo, wikipedia,

"http://hu.wikipedia.org/wiki/Szab%C3%B3_L%C5%91rinc"}

{vasarely, wikipedia,

"http://hu.wikipedia.org/wiki/Victor_Vasarely"}

{csokonai, wikipedia,

"http://hu.wikipedia.org/wiki/Csokonai_Vit%C3%A9z_Mih%C3%A1ly"

}

{miskolc, kep,

"http://upload.wikimedia.org/wikipedia/commons/1/15/Miskolc_mo

ntage.JPG"}

{debrecen, kep,

"http://upload.wikimedia.org/wikipedia/commons/7/70/Debrecen_m

ontage.JPG"}

{pecs, kep,

"http://upload.wikimedia.org/wikipedia/commons/b/b2/Pecs_-

_Hungary_-_EU.JPG"}

A belső előfordulások leírása némileg eltér a fentiektől. Az egyes híres személyek születési

évét a következőképpen rendelhetjük hozzájuk.

{szabo, szulev, [[1900]]}

{csokonai, szulev, [[1773]]}

{vasarely, szulev, [[1906]]}

A kész tématérképünk ontológiáját mutatja be a következő kép, amely szerint összesen

három tématípust, kettő asszociációtípust, négy szereptípust és három előfordulástípust

definiáltunk.

6.2.4 Ontológiaépítés az Ontopolyval

Az Ontopoly egy ontológiavezérelt tématérkép szerkesztésre szolgáló eszköz.

Ontológiaépítés Ontopolyval – ez egy képernyőképekkel ellátott útmutató, amivel a

legelejétől kezdve bemutatunk egy ontológia elkészítését. A program külön kezeli az

ontológia elemeit (téma-, asszociáció-, előfordulás-, szerep- és névtípusok), és külön az ezek

esetekkel történő feltöltéséhez szükséges funkciókat.

Az Ontopoly szintén az Ontopia Knowledge Suite kezdőoldaláról érhető el. A nyitólapon a

következő szövegre kell kattintanunk: Create and edit Topic Maps with Ontopoly. Ekkor a

meglévő tématérképeinket felsoroló felülethez érkezünk, amelyek mellett a jobb oldali

oszlopban van lehetőség Create New Topic Map alatti mező kitöltésével egy új tématérképet

létrehozni.

Ide a címet begépelve majd a Create gombra kattintva elkezdhetjük a munkát.

Az Ontopoly egy ontológiavezérelt tématérkép szerkesztésre szolgáló program, ami a

gyakorlatban azt jelenti, hogy lehetőség van az ontológiát és annak esetekkel feltöltését

külön végezni. Az ontológia önállóan is megállja a helyét, nem függ attól, hogy vannak-e

esetek rendelve az egyes típusokhoz.

Az Ontopoly nyitó oldalán összesen négy fül van, amelyek közül a Description alatt lehet a

dokumentumra vonatkozó metaadatokat megadni a következőképpen. Ez az Omnigator

vizualizáló programban a tématérkép főoldalán fog megjelenni.

A metadaatok megadását követően következhet magának az ontológiának a kialakítása,

amelyet az előzetesen összeállított vázlatunk alapján az Ontology fül alatt tudunk megtenni.

Erre kattintva megjelennek az alapvető tématérkép-szerkezeteket reprezentáló aloldalakra

vezető pontok.

A Topic types-ra kattintva megjelenik a jobb oldalon egy szövegdoboz, amelybe az új

tématípus nevét írhatjuk. A Create gombra kattintva létre is jön egy tématípus, amelynek a

jellemzőit a következő felületen állíthatjuk be.

Az egyes eszközök értelmezésre szorulnak.

- Name: a tématípus definiálására szolgáló mező. Az ide beírt névváltozat lesz ún.

untyped name, azaz nem tipizált név.

- Alatta helyezkedik az azonosító megadásához szükséges mező (Subject identifier).

Ennek – mint már fentebb említettük – több tématérkép összeolvasztása esetén van

nagy szükség, hiszen ez alapján „látja” a két alkalmazás, hogy adott esetben

ugyanarról a témáról tesznek állításokat.

- A Description mezőben leírást készíthetünk a tématípusról.

- Az Abstract dobozba akkor kell pipát helyezni, ha az adott tématípus elvont, azaz

nincsenek közvetlen esetei. Ez a tudás modellezésétől függ. Pl. Amennyiben

készítenénk egy Település tématípust, amelynek az alosztálya lenne a főváros,

megyei jogú város, város, nagyközség, község, akkor a konkrét településneveket nem

a Település, hanem a főváros, megyei jogú város, város, nagyközség, község altípusok

eseteiként regisztrálnánk.

- A Subclass és a Superclass mezőkben legördülő mezőkből választhatunk a már

létrehozott tématípusokból, ezzel a tématípusok közötti hierarchiát állíthatjuk fel.

Jelen esetben definiáltuk a három tématípusunkat, amelyet követően elkészíthetjük az

asszociációs viszonyokat, vagyis a fogalmakat egymáshoz való viszonyuk szerint is

rendezhetjük.

Ehhez először a szereptípusokat kell definiálni, amennyiben a szerepek nem esnek egybe a

tématípusokkal. A szereptípusok megadásához lényegében ugyanaz a felület áll

rendelkezésre mint a tématípusokhoz, így ezt nem mutatom be képernyőképen. A Role

types-ra kattintva a jobb oldali szövegdobozban megadhatjuk a szereptípus nevét, majd az

azonosítóját és a hozzá tartozó leírást. Most a szülőhely és a szülött szereptípusokra van

szükségünk a továbbiakhoz.

Az asszociációtípusok jellemzőinek definiálásához a következő felület használatos. Fentebb

az eddigiekhez hasonlóan megadtuk az asszociáció elnevezését, azonosítóját és leírását.

Az egyes mezők kitöltésére vonatkozóan az alábbiakat kell szem előtt tartanunk:

- Egy asszociáció akkor szimmetrikus, ha ugyanazon szerepek között értelmeződik.

Például ilyen a barátja reláció, amelyben feltételezzük, hogy ha valaki barátja

valakinek, akkor az fordítva is igaz.

- Az asszociációk két oldalról is „olvashatók”. Pl. Miskolc (város) szülőhelye a

következőnek: Szabó Lőrinc (személy); illetve Szabó Lőrinc (személy) szülőhelye

Miskolc (város). Ezért kell kétféle elnevezést is megadnunk annak függvényében,

hogy milyen szerepek szempontjából írjuk le a relációt.

- A role type mellett legördülő menüből választhatjuk ki azt a szerepet, amelyben egy

bizonyos téma részt vesz a relációban.

- A used by azokra a tématípusokra utal, amelyek használhatják a fentebb

meghatározott szereptípust. Tetszőleges számú témát hozzáadhatunk a jobb oldalon

található plusz jel segítségével.

- A Cardinality mezőben a számossági tulajdonságokat lehet megadni. Itt négy

lehetőség közül választhatunk a legördülő menüből. Az exactly one jelenti, hogy

pontosan egy szereplője van ennek a viszonynak ebből a szempontból. Ilyen például a

szülőváros, amelyből mindenkinek csak egyetlen van. További lehetőségek a zero or

one (nulla vagy egy), a one or more (egy vagy több), illetve a zero or more (nulla vagy

több). A példánkban ezt választottuk a városok esetében, amelyek elvileg és

gyakorlatilag is nulla vagy több embernek lehetnek a szülőhelyei.

- Az interface controll alatt a megjelenítési sajátosságokat állíthatjuk be.

Az előfordulástípusok jelentik a következő olyan tématérkép szerkezetet, amelyet

mindenképpen le kell írnunk a készülő tématérképünkben. Ezek az elemek lényegében a

témák szempontjából releváns tartalmak helyeit jelentik az információs térben.

Léteznek külső és belső előfordulások. Előbbiek a tématérképen kívüli pontokra mutatnak,

utóbbiakat mi magunk írhatjuk be a megfelelő helyre. Az Ontopolyban ugyanazon a felületen

lehet ezeket szerkeszteni.

Az előfordulástípusok leírásához szükséges mezőket az Occurence types fülön keresztül

érhetjük el. Az Ontopolyban a Creator, Description és Version előfordulástípusok

alapértelmezetten benn vannak, de amennyiben nem szükségesek el lehet őket távolítani.

(Ennek módja, hogy rákattintunk az eltávolítandó elemre, majd a jobb oldali oszlopban

megjelenő oszlopban kiválasztjuk a Delete this topic lehetőséget. Megerősítést követően

törlésre kerül az adott előfordulástípus.)

Jelen példánkban képeket, Wikipédia oldalakat és születési évszámot fogunk rendelni azon

elemekhez, amelyek esetében azok relevánsak lehetnek. Az előfordulástípusokat a

következő felületen tudjuk szerkeszteni.

A fenti példában a kép előfordulástípus tulajdonságait szerkeszthetjük.

- A Name mezőben az Omnigatorban megjelenő nevet lehet megadni.

- Az adattípusok vonatkozásában több opció is rendelkezésre áll. Jelen esetben a képet

stringként, azaz egy URL-t reprezentáló karaktersorozatként fogjuk megadni, ezért

célszerű ezt az adattípust kiválasztani. Ezen kívül a programban a következő

adattípusok állíthatók be: Dátum, dátum és idő, HTML, kép, szám, karakterlánc, URI.

- A Used by mezőbe – hasonlóan az asszociációtípusokkhoz – azokat a tématípusokat

lehet felvenni, amelyek vonatkozásában releváns az adott előfordulástípus.

- A Cardinality mezőben a számossági tulajdonságokat lehet beállítani. Jelen esetben a

Zero or more opciót választottuk, hiszen nem lehetünk biztosak abban, hogy minden

nevezetességhez, személyhez, illetve városhoz tudunk találni képet, ugyanakkor meg

szeretnénk magunknak engedni, hogy akár több képet is szerepeltessünk a

tématérképünkben.

- A Height és a Width mezőkben azt adtuk meg, hogy a képernyőn hány sor magasságú

és hány karakter hosszú lehet egy-egy konkrét előfordulás.

- Szinte minden mezőt követően találunk egy csillagot. Ezzel azokat a hiányzó elemeket

hozhatjuk létre, amelyeket esetlegesen korábban nem hoztunk létre. Például

amennyiben egy olyan tématípusnak is meg szeretnénk engedni az adott

előfordulástípus használatát, amelyet még létre sem hoztunk, úgy a csillagra kattintva

az alábbi mező kitöltésével közvetlenül erről a felületről pótolhatjuk a hiányt.

Amennyiben bizonyos információkat más nyelven is be akarunk mutatni, vagy bizonyos

kontextusoktól függően más neveken is meg akarunk határozni, akkor névtípusokat kell

definiálnunk. Ezeket a Name types fül alatt tudjuk kiválasztani. Az ezek definiálására szolgáló

felületen csupán a következő elemeket találjuk:

A fenti példában az angol nyelvű alakok definiálásának az első lépéseit tettük meg.

Valamennyi elem használatának alapelvei megegyeznek a fentebb már bemutatottakkal.

Tudnunk kell, hogy minden tématípusnak van egy alapértelmezett neve. Ezen hivatkozunk

tulajdonképpen az adott fogalomra. A névtípusokat csak akkor kell megadnunk, ha több

névváltozatot is szeretnénk a tématérképünkben.

Amikor valamennyi téma-, előfordulás-, asszociáció-, szerep- és névtípust definiáltunk,

lehetőségünk van az egyes tématípusok esetében áttekinteni azt az asszociációs mezőt,

amely körülveszi a fogalmat. Amikor az egyes típusokat esetekkel fogjuk feltölteni, akkor

ezen kitöltendő mezők fognak megjelenni.

Ezen a felületen bármely tématérkép-szerkezet vonatkozásában végezhetünk

változtatásokat az alábbiak szerint.

- A vízszintes tengely mentén elhelyezkedő mezők (Names, Occurences, Associations,

Identities és Queries) esetében a csillagra kattintva neveket, előfordulásokat, és

asszociációkat rendelhetünk az adott tématípushoz. Szintén hozzáadhatunk

elemeket, amelyek az adott elemek identitását meghatározzák. (praktikusan ide

jönnek a fentebb tárgyalt PSI-k). A Queries a lekérdezések menedzselésére szolgáló

gomb.

- A számossági tulajdonságok legördülő menüből való választással változtathatók

minden egyes elem mellett.

- A mínusz gombbal az adott elem eltávolítható, ha még sincs rá szükség az adott

tématípus vonatkozásában.

- A sorrend a bal szélen lévő gombokkal változtatható igény szerint.

Ha ezen a felületen véglegesítettük az adott típusok tulajdonságait, akkor lényegében

elmondhatjuk, hogy kész vagyunk az ontológiával, amelynek már csak az esetekkel való

feltöltése van hátra.

Ezt az Instances fülre kattintva tehetjük meg, amikor is az előzetesen definiált tulajdonságok

minden egyes tématípus vonatkozásában megjelennek egy olyan felületen, mint amely a

következő képen látható.

Ezen a felületen lényegében konkrétumokkal, adatokkal kell feltöltenünk az előzetesen

elkészített ontológiánkat. Ehhez szövegdobozok és legördülő menük állnak rendelkezésünkre

annak megfelelően, ahogyan az előzőekben az ontológia elemeit definiáltuk.

- A legördülő menükben azok az elemek kerülnek felsorolásra, amelyeket létrehoztunk.

Ha olyanra van szükségünk, amelyet nem találunk ezen elemek között, akkor a jobb

oldalon lévő csillag segítségével tudunk eseteket létrehozni.

- A mínusz és plusz jelekkel az ontológiában leírt kardinalitási feltételek szerint tudunk

hozzáadni vagy elvenni elemeket. Ha valamihez azt írtuk, hogy több eset is tartozhat

hozzá egy adott relációban, akkor értelemszerűen megjelenik a plusz jel, így

tetszőleges számú újabb elemet hozzáadhatunk. Ha valamiből pontosan egy van,

akkor sem plusz, sem mínusz jelet nem találunk mellette, viszont ha a szövegdobozt

üresen hagyjuk, akkor „Missing required value” (hiányzó kötelező érték) hibaüzenetet

kapunk.

A tématérképek szerkesztése és az ontológiák létrehozása általában iteratív folyamat.

Valószínűleg nem tudjuk a világ létezői közötti viszonyokat azonnal a leghatékonyabban és

leghelyesebben modellezni, így szükség lehet arra, hogy visszatérjünk az esetektől az

ontológiához és ott – a gyakorlati tapasztalatok tükrében – változtassunk a feltételeken.

A szerkesztés közbeni aktuális állapotokat mindig a jobb oldali menüsorban található

Omnigate gombbal tudjuk megtekinteni. Az általunk szerkesztett és esetekkel feltöltött

tématérképen például a fentebb megszerkesztett Pécs téma a következőképpen

vizualizálható.

Amennyiben egy adott téma asszociációs mezejét grafikusan is meg szeretnénk tekinteni,

akkor a lap tetején lévő menüsorban lévő Vizigator segítségével tehetjük ezt meg. A fenti

szöveges oldal esetében ez a következőképpen jelenik meg.

Az ontológiaszerkesztés során fontos lehet, hogy egy-egy tartalmat más formátumokba is át

tudjunk konvertálni, hogy biztosítsuk más-más alkalmazásokkal való kompatibilitását. Az

Omnigatorban erre az Export menüpontban van lehetőség. Itt a következő képen látható

szintaxisokba menthető el az elkészített tématérképünk.

A fentiek közül a legérdekesebb és legtöbb lehetőséget magában foglaló az RDF/XML

szintaxisba való automatikus konverzió, hiszen ezzel más szemantikus web alkalmazásokkal

is biztosítható a kompatibilitás.

Az ontológiánk és az ezen alapuló tématérképünk elkészültét követően további lehetőségek

állnak a rendelkezésünkre, amelyekkel növelhetjük a használó lehetőségeit.

- A Merge fül alatti lehetőségekkel lehetőségünk van több tématérkép

összeolvasztására. Az egyes témák a PSI-k mentén olvadhatnak egybe. A

tevékenységhez ki kell jelölnünk két vagy több tématérképet, amelyeket egybe

kívánunk tenni.

- A Statistics menüpontban van lehetőségünk megtekinteni, hogy egyes tématérkép-

szerkezetekből mennyi van jelen az alkalmazásunkban.

- A DB2TM segítségével szinkronizálhatjuk a tématérképünket egy relációs adatázissal.

Ennek használatához készíteni kell egy konfiguráló fájlt és elhelyezni a

C:\ontopia-5.1.3\apache-

tomcat\webapps\omnigator\plugins\db2tm\db2tm.xml mappában.

- A Customize fül alatt a megjelenítésre vonatkozó beállításokat állíthatjuk be. A

Nontopoly modelben csak azokat az értékeket jeleníti meg az Omnigator, amelyeket

mi adtunk meg, a Complete model a rendszer által automatikusan generált

jellemzőket és relációkat is.

- A Support fül egyenesen az OKS-t használó nemzetközi közösség levelezőlistájára

vezet minket, ahol választ kaphatunk esetlegesen felmerülő kérdéseinkre,

bizonytalanságokra.

7 Az ontológiák használata

Az ontológiák hasznáról a kutatók is eltérően vélekednek. A szkepticizmus alapja jellemzően

az, hogy nagyon sok szakterületen erősen kétséges a formalizálás lehetősége. A nyelvi

jelekkel történő emberi kommunikáció is erősen támaszkodik a kontextusra, a gesztusokra, a

kommunikáló felek közötti közös előismeretekre és osztott nézetekre, és a megértés még így

is kérdéses. Az ontológiákban formalizált tudásra teljes mértékben érvényes az ún. „zártvilág

effektus”, azaz a számítógép a következtetések levonása során kizárólag a saját

tudásbázisában tárolt ismeretekre képes támaszkodni. Mindezek ellenére az ontológiákat

több területen is sikerrel alkalmazzák. Ezek közül jelenleg három ismertebbet, a

döntéstámogatást, a tudásmenedzsmentet és a szemantikus web alkalmazásokat emeljük ki.

7.1 döntéstámogatás

A tudás hatékony modellezése nyomán képesek lehetünk automatizált döntéstámogatásra is

az ontológiák segítségével. Ennek eszközei lehetnek a szakértői rendszerek, amelyek

döntéshozáshoz szükséges szakértői tudás formalizálásával képesek automatizált

döntéstámogatásra.

Futó Iván (2003) definíciója szerint a „szakértői rendszerek a tudásalapú rendszerek közül

azok, amelyek szakértői ismeretek felhasználásával magas szintű teljesítményt nyújtanak egy

szűk problémakör kezelésében.” A szakértői rendszerek a mesterséges-intelligenciakutatások

egyik – legsikeresebb – területét jelentik, amelyek szakvéleménnyel, tanáccsal, konkrét

értékeléssel segítik a döntéshozatalt.

A problémakör mérete jelenti ezen eszközök legfőbb korlátját. Hasonlóan a tudásalapú

rendszerek többségéhez minél kisebb szakterület formalizálását tűzzük ki célul, annál

nagyobb esélyünk van rá, hogy a valóság bonyolult struktúráit megközelítsük és képesek

legyünk automatizálni a gondolkodási, döntéshozatali folyamatokat.

A szakértői rendszereknek 3 fő összetevője van, a tudásbázis, a következtető gép és a

felhasználói interfész. Az ontológiák és a logikai formalizmusok a tudásbázisok építésében

bírnak jelentőséggel. A három legfontosabb elem önálló komponenseket alkot, így önállóan

fejleszthető. Ez azért előnyös, mert a következtetőgép változatlansága mellett bővíthetjük,

aktualizálhatjuk a tudásbázisban tárolt szakértői tudást. A rendszerek teljesítménye

elsősorban a tudásbázis méretétől és a benne tárolt ismeretektől függ. A következtető gép a

rendszer válaszadó része, amely hozzáfér a tudásbázishoz, onnan állítja elő a szükséges

kapcsolatokat, összefüggéseket, következtetéseket. A szabályok típusa és száma nem

befolyásolja a következtető gép működését.

A szakértői rendszerek sikere részben annak köszönhető, hogy számos szakértői shell

(keretrendszer) áll rendelkezésre, amelyekkel viszonylag egyszerűen képesek lehetünk a

szakértői tudás formalizálásával kész rendszereket készíteni. „A szekértői shellek azon

fejlesztőeszközök, amelyek tudásbázisból, következtető gépből és felhasználói interfészből

épülnek fel, támogatják a tudásalapú rendszerek fejlesztését és tudásbázisuk üres.” (Futó,

1998) Lényegében a shell tudásbázisának feltöltése működőképes szakértői rendszert

eredményez.

Vannak, amelyek rendelkeznek különböző környezeti eszközökkel, amelyek barátságosabb

használatot tesznek lehetővé. Vannak, amelyek mint fejlesztői környezetek együttműködnek

más programokkal, adatbázisokkal.

A szakértői rendszerek legfőbb problémáját az ún. zártvilág effektus jelenti. Ez arra a tényre

utal, hogy a következtetés és döntés csak az adott pillanatban explicit formában

rendelkezésre álló tudásbázis-tartalom alapján történhet. Míg egy humán szakértő

folyamatos kölcsönhatásban van a valósággal, egy gép kénytelen azokra az ismeretekre

hagyatkozni, amelyeket rendelkezésére bocsátottak és így formális leírások formában

rendelkezésére áll.

7.2 tudásmenedzsment

Az ontológiák használata a tudásmenedzsment világában szintén egyre növekvő

jelentőséggel bír, hiszen az ismeretek formalizálása, explicitté tétele a szervezetek

tudásvagyonának megragadását segíti elő. A tudásmenedzsment az információs társadalom

kialakulásának kezdetétől kezdve fokozódó mértékben része a vállalatok, szervezetek

életének. Ahogy a materiális tőke felől a figyelem mind nagyobb mértékben az immateriális

felé fordul, úgy van egyre nagyobb szükség a tudásvagyon megragadására szolgáló eszközök,

technikák fejlesztésére.

A tudásmenedzsmentnek több megközelítése is létezik. Géró Katalin (2000) a definíciók

alapján háromféle megközelítést azonosított.

„A használatban lévő KM-definíciók száma több tucatra rúg, aszerint, hogy az adott forrás

milyen megközelítésben tárgyalja a témát. A klasszikus értelmezés szerint tudásgazdálkodás

és hasznosítás alatt értünk minden olyan tevékenységet, amelynek célja egy szervezeten

belül felhalmozott mindennemű dokumentált (explicit), illetve láthatatlan (tacit) tudás,

ismeret, szakértelem, tapasztalat feltérképezése, összegyűjtése, rendszerezése, hatékonyan

történő szolgáltatása és hasznosítása. Röviden, a minél eredményesebb döntéshozatali

munkát elősegítendő, a megfelelő információ eljuttatása a megfelelő embereknek a

megfelelő formában és időben. Eszerint a KM célja, hogy keretet szolgáltasson egy közösség

(vállalat, intézmény, szervezet) szellemi javainak minél gazdaságosabban történő

kiaknázásához és felhasználásához. Az elmélet gyakorlatban való megvalósítását sokan

sokféleképpen értelmezik, s bár a tudásgazdálkodás végleges rendszerezése még várat

magára, már jelenleg is megfigyelhető két, egymástól eltérő felosztási rendszer.

Az első szerint a tudásmenedzsment két nagy iránya – talán inkább feladata – az

információkkal, valamint a humán erőforrásokkal történő gazdálkodás. Az előbbi szerint

tudás alatt az információs rendszerekben nyomon érhető és kezelhető objektumokat, míg

utóbbi szerint az állandóan változó, formálódó folyamatokat, a képességek és szakértelem

komplex rendszerét értjük.

A másik értelmezés szerint a tudásmenedzsment három nagy tárgyalási módja a

mechanisztikus, a kulturális/magatartási, valamint a rendszerező szemlélet szerinti

megközelítés. Az első mód inkább a technológiai eszközökkel történő információkeresés

tökéletesítését vizsgálja, a másodikban a tudást és annak kezelését mint vezetés, illetve

szervezéselméleti problémát értelmezik, míg a harmadik tárgyalásmód a tudás–problémakör

szisztematikus elemzésére, modellezésére helyezi a hangsúlyt.” (Géró 2000)

Az ontológiák jelentősége a technológiai alapú megközelítésekben nagy. Ebben a

vonatkozásban él az az elképzelés, miszerint a tudás megragadható, modellezhető és

áramoltatható tudásszervezési rendszerek segítségével. Ugyanakkor az is egyértelművé vált,

hogy egy hatékony tudáskezelő rendszer elősegítheti ugyan a tudás áramoltatását és

megragadását, de nem egyedüli záloga a tudásmenedzsment tevékenység hatékonyságának.

A tudásmenedzsment vállalati környezetben az ún. tudásmenedzsment ciklussal írható le,

amely a következő lépéseket foglalja magában. (Nuridsányi 2006 alapján)

Az ábrán látható fogalmakhoz némi magyarázat szükséges. Kezdjük a stratégiai

alappillérekkel.

- Stratégiai alapok. A tudásmenedzsment a szervezet létező üzletstratégiájára, annak

céljaira épül, azok megvalósítását szolgálja.

- Folyamatok. A tudásmenedzsment tevékenységek szervesen beépülnek a szervezet

üzleti folyamataiba.

- Technológia. Épít a hatékony, részben már meglévő, a szervezet által már használt,

részben pedig speciálisan a tudásmenedzsmentet kiszolgáló, korszerű technológiákra.

Ebben a vonatkozásban különösen nagy jelentősége van az ontológiáknak.

- Kultúra. A tudásmenedzsment gondolkodásmódot, megközelítésmódot, viselkedést is

jelent, amely beépül a szervezeti kultúrába. (Nuridsány 2006)

Az egyes lépések a következők.

- Szükségletek. Ebben a fázisban történik azon tudáselemek azonosítása,

meghatározása, amelyekre szert kell tennie a szervezetnek. Formái lehetnek:

felmérés, audit; az igények folyamatos gyűjtése; kutatás, piacelemzés, szakmai

kutatás.

- Létrehozás. EZ a lépés az új tudás létrehozása a szervezet számára, amely

többféleképpen valósítható meg: tanulással, vásárlással, kitalálással (innovációval),

fejlesztéssel. A létrehozás forrásai lehetnek a meglévő tudáselemek kombinációja,

külső források megismerése (könyvek, folyóiratok, konferenciák, ülések, jelentések,

szabványok stb.), külső személyek.

- Megragadás, azaz a tudás újrafelhasználható formába öntése; általában

externalizáció (tacit tudásból explicit tudás létrehozása). Kétféle alapvető formája a

„Hard copy” (papíron vagy elektronikus formában való dokumentálás; meglévő

rendszerbe történő rögzítés; hangfelvétel; képfelvétel); „Soft” (pl. működésbe,

folyamatba való beépítése; új tudáselem azonosítása, másokkal való megosztással

együtt.) A szakirodalom felhívja rá a figyelmet, hogy a puha megragadást mindig hard

lépésnek kell követnie.

- Hozzáférhetővé tétel a felhasználók számára, akiknek a tudásra a szervezeti

feladataik végzéséhez szükségük van. (pl. kereshetőség biztosítása, direkt módon való

eljuttatása a használóhoz, a tudással rendelkező informális kommunikáció

biztosításával. Ez történhet elektronikusan (pl. tudásmenedzsment rendszerbe való

bevitel; egyéb információs rendszerbe való bevitel; egyszerű elektronikus tárolás)

vagy papírhordozón (pl. irattár, könyvtár)

- Megosztás, vagyis a tudáselemek megosztása azok potenciális használóival, amelynek

szintén háromféleféle formája van:

1. Passzív hozzáférhetővé tétel (explicit-explicit), pl. Papír formában (könyv, cikk,

belső dokumentáció); internet vagy intraneten.

2. Aktív hozzáférhetővé tétel (explicit-tacit). Pl. direkt küldés, előadás,

konferencia, képzés, oktatás

3. „Közösségi” (tacit-tacit). Pl. közösségi fórumokon való megbeszélés, elemzés,

munka közbeni kommunikáció.

- Konszolidálás. A tudáselemek osztályozása, rendszerbe sorolása, a megtalálás,

hozzáférés, felhasználás hatékonyabbá tétele érdekében. Ennek formái lehetnek a

tudástérkép készítés, indexelés, kulcsszavazás, klasszifikáció, beillesztés adott

rendszerbe (irattár, elektronikus könyvtári rendszer, stb.), információs rendszerben

való rögzítés.

- Használat. A megszerzett illetve meglévő tudás felhasználása, hasznosítása a

szervezeti feladatok elvégzésekor. Ennek során további tudásigények merülhetnek

fel. Formái lehetnek: közvetlen eladás, tanácsadás, szakértés, információ eladás,

termékbe való beépítés, termékfejlesztés, szolgáltatás, követés, támogatás;

Stratégiai, taktikai döntések támogatása, piacelemzés.

- Értékelés. A szervezetben lévő tudás értékelése az üzleti értékhez való hozzájárulás

szempontjából. Pl. Balanced Scorecard, megtérülés elemzés, szervezeti egységek

értékelése, munkatársak értékelése, rendszer értékelése. (Nuridsány 2006)

A fenti ciklus lépéseit végiggondolva világos, hogy az ontológiák és közvetve a szemantikus

technológiák tudásmenedzsmentben való hasznosításával kapcsolatosan az elképzelhető

alkalmazások nagyon sokfélék lehetnek. Most csak egyet, a tudástérképet mutatjuk be.

Tudástérképek készítésére a tématérkép technológia különösen alkalmas. Géró Katalin

(2000) a következőképpen foglalja össze a tudástérképek vállalati hasznosítását.

„Egy szervezet információs és tudásvagyona dokumentálásának, megjelenítésének alapvető

feltétele, hogy a szervezet rendelkezzék olyan közösen kialakított, előre definiált fogalmi

rendszerrel, illetve taxonómiával, amely alapján az ismeretek hatékonyan visszakereshetővé

válnak. Olyan eszközrendszert kell a használók kezébe adni, amelynek segítségével a tárolt

ismereteket a megközelítési módtól függetlenül, hatékonyan tudják használni. Ha úgy

tetszik, létre kell hozni a szervezet profilját alapul vevő osztályozási rendszert, amely által

lehetővé válik a tudásvagyon ésszerű katalogizálása és a tudásrendszerben való

megjelenítése. A tudáskatalógus a vállalat szellemi értékeinek olyan rendszerezett

forrásgyűjteménye, amely teljességre törekedve feltárja az önálló fájlok weboldalak,

dokumentumkezelő rendszerek, adatbázisok, adattárak és adattárházak stb. tartalmát. A

katalógus egyes elemeit az ún. metaadatok írják le, amelyek rögzítik az egyes

információforrások jellemzőit (lelőhely, szerző, keletkezés időpontja).

A vállalati tudáskatalógus hatékonysága növelhető az ún. tudástérképek alkalmazásával,

lehetőséget adva a katalogizált tudástartalom vizuális megjelenítésére. A tudástérképek

készítésekor az ismereteket grafikusan ábrázoljuk, azaz megkíséreljük leképezni egy adott

fogalmi hálózatot az azt felépítő egyes fogalmak, illetve a köztük fennálló kapcsolatok

rögzítésével. Az így kapott ábrák – a tartalmat megszabadítva a szövegkörnyezet adta

korlátoktól – lehetővé teszik egy tudáskör általános, környezettől független feltérképezését

és megértését. Ezáltal pedig könnyebbé válhat új ismeretek és összefüggések felfedezése és

az ismeretek egymással történő megosztása is. Ehhez azonban szükség van a szervezet

tudáskezelő rendszerének megtervezésére és kialakítására is.” (Géró 2000)

Összefoglalva tehát a vállalatok életében egyre nagyobb jelentősége van a tudásnak,

amelynek megragadására, konszolidálására, termelővé tételére hatékony eszközöket

kínálnak az ontológiák. A tématérkép technológia különösen alkalmas vállalati tudástérképek

készítésére a humán interpretációra való optimalizáltsága miatt.

7.3 Oktatás

Az ontológiák és az oktatás kapcsolata egyértelműnek tűnhet, hiszen előbbinek a célja az

ismeretek formalizálása, ezzel „fogyaszthatóvá” tétele, amely az oktatás és a tananyagok

készítésének is az egyik alapvető folyamata. Néhány alkalmazás bemutatásával azonban

példákat is szeretnénk mutatni a használat lehetőségeire.

A tématérképek e-learningben való használhatóságát szemlélteti a Magyar Elektronikus

Könyvtárban a klasszikus magyar irodalom tématérképe (http://mek.oszk.hu/itm). Ezt a

kísérleti jelleggel elkészített alkalmazást az Empolis Magyarország Kft. készítette. Céljuk a

hazai piacon való sikeres szereplés előfeltétele, egy látványos referenciamunka elkészítése

volt. Tartalmilag a középiskolás tananyag tényeit ragadja meg az alkalmazás és jeleníti meg

szemantikus kapcsolatok hálójában. Az alkalmazás erénye, hogy magyar nyelven

reprodukálta a tématérképek alapfogalmait, sikeresen alkalmazta a nyelvet a konkrét esetek

feltöltésénél.

A Wellingtoni egyetemen működő Új-Zélandi Elektronikus Szövegközpontban egy

szöveggyűjteményt reprezentáltak egy ontológiában. (NZETC New-Zealand Electronic Text

Centre http://www.nzetc.org/). Témák (összesen körülbelül 110.000 téma) reprezentálják a

szerzőket, kiadókat, képeket és szövegeket, a közöttük lévő kapcsolatokat asszociációk írják

le, előfordulásként pedig külső erőforrásokat rendeltek a tartalmakhoz. (Stevenson, Tuohy,

Norrish 2008) Az NZETC projektje lényegében a teljes digitális könyvtárat tématérkép

alapokra helyezte, és ezzel egy rendkívül felhasználóbarát felületet alkotott.

A tématérképek lehetőséget adnak tematikus portálok készítésére. Könyvtári tematikus

portál kialakítását célozta a zaragozai egyetemen indult Potnia projekt, amely tématérkép,

RDF és Dublin Core metaadat szabványokon alapul. Az alkalmazás a keresések további

finomítását tette lehetővé azzal, hogy relációkat definiált a kulcsszavak között. A Potnia

projekt fejlesztései felhasználói igényvizsgálaton alapulnak, az eredményként megjelenő

szoftvereket (két verzió is megjelent) pedig valódi környezetben próbálták ki. (Tramullas,

Garrido 2006)

7.4 szemantikus web ontológiák

Az ontológiák fejlesztésének az egyik legfontosabb motivációját az elmúlt években egy

globális hálózati metaadat-infrastruktúra létrehozása jelentette. Ebben a részben röviden

áttekintést adunk a szemantikus web felépítéséről, és arról, hogy ebbe a struktúrába miként

illeszkednek az ontológiák.

A világhálón a tudás tárolására korlátlan lehetőségek állnak rendelkezésre. A tartalom

szerinti visszakeresésnek azonban két nagyon jelentős gátja van. Egyrészt az emberi

erőforrások mértéke, másrészt a szintaxison alapuló heurisztikák korlátozottsága szabnak

határt a szemantika alapján való keresés lehetőségeinek. Ezen problémákra adott válaszként

jelent meg a szemantikus web vízió.

Tim Berners-Lee 1998 szeptemberében tette közzé a Semantic Web Road Map (Szemantikus

web autóstérkép) c. cikktervezetét, amely – alcíme szerint – nem több mint tapasztalatok

továbbgondolása, egy kipróbálatlan architektúra terve, illetve egy autóstérkép a jövőhöz. A

cikk, amely az RDF logika mentén vázolja fel a szemantikus web struktúráját, egy 20 000 láb

magasságból kirajzolódó kép, amelynek a részletei még kidolgozásra várnak. (Berners-Lee

1998)

A szemantikus web alapvetése 2001 májusában látott napvilágot a Scientific American

hasábjain. Ebben Berners-Lee és szerzőtársai leírják a szemantikus web lépcsős modelljét,

amelynek a legalsó szintjén az egyedi adatok megragadására, következő szintjén a közös

szintaxisra, harmadik szintjén a szemantikus tartalomra, majd a logikára vonatkozó

metaadat-szabványok foglalnak helyet. A szerzők egy példával illusztrálják a szemantikus

web fejlesztések várható eredményét. E szerint Pete és Lucy testvérek, akik együtt keresnek

édesanyjuknak fizikoterápiás kezelést kétheti rendszerességgel. Az intelligens kereső kikeresi

az édesanyjuknak előírt kezelést nyújtó szolgáltatók közül azokat, amelyeknél érvényes a

mama biztosítása. Kiválogatja azokat, amelyek a lakhelyének 20 mérföldes körzetében

vannak, és az értékelésük kiváló, vagy nagyon jó a minősítések szerint. Ezt követően

összeegyezteti az időpontot Lucy és Pete naptárával, hogy nekik is megfelelő időben legyen a

kezelés. Az intelligens kereső vázolja a tervet. Pete-nek nem tetszik, mert éppen

csúcsforgalom idején kellene autóznia, ezért megismétli a keresést szigorúbb kritériumokkal.

Szinte azonnal jön a válasz a módosított tervvel, amelyhez azonban a gép figyelmezteti Pete-

et, hogy néhány kevésbé fontos találkozót át kell tennie más időpontra. (Berners-Lee,

Handler, Lassila 2001)

Az elképzelt történet és az utána felvázolt technológiai megoldások recepciója a tudományos

irodalomban nagyon gazdag. Passin (2004) nyolc fő csapásirányt vázol fel a szemantikus web

vízió első interpretációiból. Ezek a fenti történetből kiragadott elemekre alapulnak.

- Az információ indexelése és visszakeresése. Az információ-visszakeresésben a

szemantikus web túlmegy a tárgyszók és az alfabetikus indexek mélységén, így a

használók képesek fogalmak és kategóriák mentén keresni.

- Metaadatok. A szemantikus web metadatok tömege, amelyek a weben lévő adatok

közötti hatékonyabb keresést tesz lehetővé.

- Magyarázó jegyzetek, kommentárok. A szemantikus web legfőbb újítása a felhasználó

által generált tartalom: a kommentárok, bejegyzések.

- Egy nagy együttműködő adatbázis. Az adatok legnagyobb részét adatbázisokon kívül

tárolják a weben. A tárolt adatok leírásának és visszakeresési lehetőségeinek

egységesítése nyomán a szemantikus web egy nagy virtuális adatbázisként is

értelmezhető.

- Az adatok gépi visszakeresése. Ez a megközelítés az adatok visszakeresésének az

automatizálására koncentrál. E szerint nem kell az oldalakat egyenként betölteni és

azokról az adatokat kinyerni, hiszen az adatok formátuma és hozzáférési lehetőségei

lehetővé teszik, hogy azokat a számítógép emberi közreműködés nélkül kezelje.

- Szolgáltatások. A szolgáltatások géppel olvasható adatokat tesznek közzé, így a

számítógép az ember helyett végzi az egyeztetéseket.

- Szolgáltatások felderítése. Azon szolgáltatások felderítése, amelyek lehetővé teszik a

szabványok szerinti hozzáférést.

- Intelligens „titkár”. Egy olyan intelligens számítógépes alkalmazás, amely az ember

helyett cselekszik gyakorlati ügyek intézése során, például repülőjegyet, vagy

szállodai szobát rendel. A szemantikus weben ebben a megközelítésben emberek

intelligens „titkárainak” interakciója zajlik. (Passin 2004)

Minden megközelítés hordoz igazságot. Összefoglalva azonban a szemantikus web célja egy

olyan globális hálózati metaadat-infrastruktúra létrehozása, amely lehetővé teszi a

világhálón lévő adatok integrálását, a közöttük lévő kapcsolatok definiálását és jellemzését,

illetve az adatok értelmezését.

A szemantikus web három különböző rétegből áll:

1. metaadatok: az erőforrások és tulajdonságok leírása;

2. sémák: a fogalmak hierarchikus leírása;

3. logikák: leíró logikák. (Lu, Dong, Fotouhi 2002)

A fenti három rétegben nyelvek találhatók, amelyeknek a következő feladatokat kell

ellátniuk. Ezeket tekinthetjük a szemantikus web építőelemeinek is. (Zárójelben az egyes

építőelemekhez kapcsolódó szintaxisok vannak):

1. Az adatokat egyértelműen meg kell címezni a weben, vagyis el kell őket nevezni.

(URI=URL+URN) Lényegében a weben lévő dokumentumoknak önleíróknak kell

lenniük, hogy egyértelműen azonosíthatók legyenek az információk.

2. Az önleíró dokumentumnak egységes szintaktikájúnak is kell lenni. (XML)

3. Szükség van egy precíz adatmodellre, amely formális keretet ad az adatok

egymáshoz való kapcsolatainak definiálására, és a kapcsolatok leírására (RDF).

4. Az adatok közti kapcsolatokat, illetve a kapcsolt adatok referenciáit el kell tudni

érni, le kell tudni kérdezni (SPARQL).

5. A kapcsolatok leírására szolgáló terminológiát definiálni kell tudni (RDFS, OWL,

SKOS).

6. A kapcsolatokon, illetve azok leírásán, logikai következtetéseket kell tudni levonni

(OWL, RIF).

Az URI és az XML nem specifikus a szemantikus webre. Kifejezetten erre lett viszont

kifejlesztve az RDF, az OWL, a SPARQL és a SKOS amelyek már ajánlások, vagy a RIF.

A fent megnevezett specifikációk határozzák meg a szemantikus web lépcsős modelljét

(Berners-Lee, Handler, Lassila 2001; Fülöp, Kovács, Micsik 2005; Passin 2004), amely alapján

az intelligens háló az önleíró dokumentumra épülve a metaadatok segítségével, a formális

logikai szabályok szerinti következtetések levonására lesz képes.

A szemantikus web lépcsős modellje (Forrás:

http://mmt.me.uk/slides/barcamp09/images/semantic-web-layer-cake.png)

Minden egyes réteg az alatta elhelyezkedőkre épít. A nyelvek alapja az XML. Minden szint

bonyolultabb, mint az alatta elhelyezkedő. Az alsóbb rétegek függetlenek a fölöttük

elhelyezkedőktől. Az egyes rétegek egymástól függetlenül is fejleszthetők és alkalmazhatók.

(Passin 2004) A szemantikus web lépcsős modelljét már különböző változatokban

felvázolták. Minden változatban szükség van radikális egyszerűsítésekre, mert a rendszer

működése a valóságban sokkal több együttműködő szabvány függvénye.

A szemantikus web megvalósulásának előfeltétele, hogy a tartalmak létrehozói általánosan

elfogadott szabványokhoz, illetve ajánlásokhoz tartsák magukat a fejlesztések során. A World

Wide Web konzorciumot (W3C) 1994-ben hozta létre Tim Berners-Lee azzal a céllal, hogy

elősegítse a webtechnológiák összhangját, előmozdítsa a világháló fejlődését és garantálja a

széleskörű felhasználhatóságát. A jelenleg több mint 400 tagot számláló szervezet három

„anyaintézmény” égisze alatt indult. Ezek az amerikai MIT, a franciaországi székhelyű ERCIM

és a japán Keio Egyetem. A szervezet által kidolgozott szabványok a széles nyilvánosság előtt

kerülnek kifejlesztésre, valamennyi szabvány elfogadásához széleskörű egyetértés szükséges.

A konzorcium tagjai olyan szereplők, amelyek elkötelezettek a web egységesítése iránt

(kutatólaboratóriumok, termékforgalmazók, tartalomszolgáltatók, fejlesztők).

Az ontológiák szerepe a szemantikus web elképzelésben elsősorban a valóság leírásában

ragadható meg. Az ontológiákban írhatók le azok az igazságok, amelyek mentén automatikus

következtetéseket lehet levonni a szemantikai kapcsolatok leírása alapján. Az ontológiák

szerepét a következőkben néhány konkrét alkalmazás példáján keresztül mutatjuk be. A

példák a metaadatok kezelése tekintetében élenjáró intézményrendszer, a könyvtárak

területéről valók.

Az Amerikai Egyesült Államokban a Cornell Egyetem kutatói 1997-ben indították útjára a

FEDORA (Flexible Extensible Digital Object Repository Architecture) projektet

(http://www.fedora.info). A FEDORA digitális objektumok formális leírását tűzte ki célul: egy

olyan architektúra létrehozását, amely egyaránt alkalmas digitális tartalmak tárolására,

menedzselésére és hozzáférhetővé tételére. A szemantikus web ajánlások megjelenését

követően implementálták a projektbe az RDF-et. A FEDORA RDF tripleteket tartalmaz, amely

átjárhatóságot biztosít más szemantikus web alapú rendszerekkel.

A FEDORA körül, hasonlóan más platformokhoz, egy közösség van, amely amellett, hogy

használja a rendszert, újabb alkalmazásokat, további eszközöket fejleszt hozzá. A közösségre

utal a Fedora Commons név. Tekintve, hogy a FEDORA egy általános digitális tartalmak

kezelésére alkalmas szoftver, a használók között a könyvtárak mellett innovatív szakmai

szervezetek, kutatóintézetek, múzeumok, kulturális intézmények, kormányzati szervek,

vállalatok is találhatók. Fedorán alapul többek között a PloS (Public Library of Science), a

University of Virginia Library, a National Science Digital Library, az Irish Virtual Research

Library and Archive Project digitális tartalomkezelő rendszere.

A svéd nemzeti könyvtár (Kungliga Biblioteket) az eddigi példáktól eltérően nem egy teljesen

új rendszert fejlesztett, hanem arra tett kísérletet, hogy az ország közös katalógusát, a

LIBRIS-t, amely nagy mennyiségű strukturált és ellenőrzött adatot tartalmaz átkonvertálják a

szemantikus webhez kompatibilis módon. A hangsúlyt az erőforrásokra mutató és az

erőforrások közötti kapcsolatokra helyezték és nem az egyes tételek minél részletesebb

megjelenítésére. A különböző alkalmazásokkal való együttműködés és a MARC rekordok

szemantikai tartalmának biztosítása érdekében Dublin Core, SKOS és FOAF elemeket

egészítettek ki egy saját maguk által generált ontológiában. Az adatokhoz való hozzáférést a

SPARQL biztosítja. (Malmsten 2008) A következő ábra egy rekordhoz kapcsolódó elemeket

mutatja be irányított gráfok segítségével. (Forrás: http://ki.oszk.hu/kf/wp-

content/uploads/2010/10/1003tothm4.jpg)

Az Országos Széchényi Könyvtár szintén a katalógusában tárolt metaadatokat tette közzé a

létező a szemantikus web szabványokhoz és ellenőrzött szótárakhoz illeszkedve.

A legújabb szemantikus web alapú fejlesztések célja a tartalmak kreatív újrahasznosítása,

amelyet az Europeana oldalain és a hozzá kapcsolódó nemzeti szolgáltatásokban is tetten

érhetünk. Az alábbi képen a svéd Kringla digitális gyűjtemény egy régi budapesti fényképét

láthatjuk a hozzá tartozó – a tartalom újrahasznosításához szükséges – metaadatokkal

együtt.

A kulturális célú tartalmak szemantikus web szabványok szerint történő közzétételében

jelentős előrelépések történtek az elmúlt egy évtizedben. A közgyűjtemények elkötelezettek

az iránt, hogy a tartalmaikat korlátozásoktól mentesen, ingyenesen közzétegyék. Ennek a

következményeként számos projekt született, amelyben gazdag metaadatállományok váltak

közkinccsé, elősegítve azok – akár újszerű kontextusban történő – újrahasznosítását.

8 Összefoglalás

Jelen írással azt a célt tűztük ki, hogy egy gyakorlatorientált összefoglalást adjunk

ontológiaszerkesztésről. Elsősorban az oktatás céljait tartottuk szem előtt, de röviden

tettünk némi kitekintést más területekre is (tudásmenedzsment, szemantikus web

fejlesztések, döntéstámogatás, szakértői rendszerek.) Az összefoglalás végén nem

tekinthetünk el attól, hogy röviden felvázoljuk a szemantikus technológiák számára

felrajzolható jövőképet, ami nagymértékben az ontológiafejlesztések kontextusát is jelentik.

A szemantikus web erősségét a metaadatok és a tudást reprezentáló ontológiák jelentik. A

koncepció értelmében ez utóbbiak biztosítják a következtetések lehetőségét, amely nyomán

valóban „intelligens webről” lehetne beszélni.

Már az OWL fejlesztésekor világossá vált, hogy egy OWL Full alkalmazásban képtelenség

lenne a világról való ismereteinket olyan módon formalizálni, hogy abban ne legyenek

ellentmondások, amelyek lehetetlenné teszik a szoftverekkel végzett következtetéseket. A

világ dolgainak leírhatatlanságára elég a természetes nyelveket példának hozni. A

természetes nyelvek az ontológiákhoz hasonlóan megosztott konceptualizálással

formalizálják a világ létezőit. (Vickery 1997) A világ létezői azonban bonyolultságuknál fogva

olyannyira sokféleképpen képezhetők le, hogy elkerülhetetlenek az ellentmondások. (A

nyelvi relativizmus elmélete szerint a természetes nyelvek determinálják a gondolkodást is,

így a más anyanyelvűek másképpen szemlélik a világot, Robins 1999.)

A magyar csúcsontológia projekt bebizonyította, hogy egyetlen nyelv legáltalánosabb

fogalmait sem lehetséges hatékonyan megragadni. Elsősorban ennek eredményeként az

ontológiák fejlesztése a szemantikus webről szóló diskurzus kezdete óta eltelt tíz évet

követően még mindig gyerekcipőben jár, és nem is várható áttörés ebben a tekintetben.

(Krause 2008) Nem jelent igazi megoldást a létező tudásreprezentációs eszközökhöz való

fordulás sem (pl. SKOS), mert ezekkel éppen a szemantikus web legfőbb ígéretéről, a

formális logikákon alapuló, szoftverekkel elvégeztethető következtetésekről kellene

lemondani, tehát a Berners-Lee, Handler és Lassila (2001) által felvázolt lehetőségek csak

nagyon szerény mértékben válnának valóra.

Egyre inkább világossá válik, hogy globális metaadat-infrastruktúra építése elképzelhetetlen

tömegek munkája nélkül. A világháló szintaktikai paradigmájának sikere nagyban köszönhető

az egyszerűségnek. A szabványokat felhasználói szintű számítógép-kezelői ismeretekkel

rendelkező személyek is képesek alkalmazni a HTML-szerkesztő programok segítségével. A

szemantikus web bonyolult szerkezete megnehezíti az alkalmazást, így ezek a szabványok

nem is tudtak elterjedni. A szemantikus web technológiák olyan szakismeretet igényelnek,

amely lehetetlenné teszi a tömeges alkalmazást. Ennek némileg ellentmond, hogy az RDF

alapú tudásreprezentáció egyre elterjedtebbé válik.

Minden létezőt magában foglaló ontológia alkalmazás hiányában a szemantikus web nem

válhat globális metadat-infrastruktúrává, hanem megmarad a webes tartalmak hatékonyabb

együttműködését elősegítő technológiák gyűjtőfogalmának. Szakterületi ontológiák

építésében történt ugyan némi előrelépés, ezek azonban nem feltétlenül biztosítják a

megfelelő szintű átjárhatóságot, így a következtetések érvénye is szükségszerűen

korlátozott.

Az áttekintésünk végkövetkeztetéseként csatlakozunk Szakadát István 2007-ben

megfogalmazott véleményéhez. „A szemantikus web (…) ma még sokkal inkább csak ígéret,

mint valóság, és egyelőre nem is nagyon látszik, mikorra és hogyan leszünk képesek a

szemantikus web program céljait megvalósítani.” (Szakadát 2007)

9 Irodalomjegyzék

Barátné Hajdú Á. (1998)

Bevezetés a könyvtári osztályozás elméletébe és gyakorlatába. Budapest.

Berners-Lee, T. – Handler, J. – Lassila, O. (2001)

The Semantic Web = Scientific American, May 17

http://www.scientificamerican.com/article.cfm?id=the-semantic-web [letöltve: 2013.

március 20.]

Brickley, D. – Guha, R. V. (2004)

RDF Vocabulary Description Language 1.0: RDF Schema W3C Recommendation 10 February

2004 http://www.w3.org/TR/rdf-schema/ [letöltve: 2013. március 21.]

Conolly, D. et al. (2001)

DAML+OIL (March 2001) Reference Description W3C Note 18 December 2001

http://www.w3.org/TR/daml+oil-reference [letöltve: 2013 április 2.]

DC (2004)

Finomított DC-elemkészlet, Rövid változat (2004-05-11) NDA Tartalom infrastruktúra

munkacsoport [Kézirat]

DC HTML (2003)

Expressing Dublin Core in HTML/XHTML meta and link elements. DCMI Recommendation

(November 11, 2003), http://dublincore.org/documents/dcq-html/ [letöltve: 2013. március

21.]

DCMES (2006)

Dublin Core Metadata Element Set, Version 1.1. DCMI Recommendation (December 18,

2006), http://www.dublincore.org/documents/dces/ [letöltve: 2013. március 10.]

DCMI (2001)

Dublin Core Metadata Initiative „DC1: OCLC/NSCA metadata workshop”,

http://dublincore.org/workshops/dc1/ [letöltve: 2013. március 10.]

DCMT (2006)

DCMI Metadata Terms. DCMI Recommendation (December 18, 2006),

http://www.dublincore.org/documents/dcmi-terms/ [letöltve: 2013. március 5.]

DC RDF (2002)

Expressing Simple Dublin Core in RDF/XML. DCMI Recommendation (July 31, 2002),

http://dublincore.org/documents/dcmes-xml/ [letöltve: 2013. április 5.]

DC XTM (2003)

Guidelines for implementing Dublin Core in XML. DCMI Recommendation (April 2, 2003),

http://dublincore.org/documents/dc-xml-guidelines/ [letöltve: 2013. április 3.]

Dicheva, D. – Dichev, C. (2006)

TM4L Creating and Browsing Educational Topic Maps = British Journal of Educational

Technology 2006. (37. köt.) 3. sz. 391–404. p.

van Dijck, P. (2003)

Introduction to XFML, XML.com, January 22, 2003,

http://www.xml.com/pub/a/2003/01/22/xfml.html [letöltve: 2013. március 31.]

Futó Iván (2003)

Mesterséges Intelligencia, Budapest, Aula kiadó.

Garshol, L. M. (2004)

Metadata? Thesauri? Taxonomies? Topic Maps! Making sense of it all

http://www.ontopia.net/topicmaps/materials/tm-vs-thesauri.html [letöltve: 2013. március

2.]

Garshol, L. M. (2006)

The Linear Topic Map Notation, Definition and introduction, version 1.3 2006/06/17,

Ontopia AS http://www.ontopia.net/download/ltm.html [letöltve: 2013. március 22.]

Garshol, L. M. (2007)

Towards a Methodology for Developing Topic Maps Ontologies = Leveraging the Semantics

of Topic Maps. Berlin – Heidelberg, Springer, 20-31. p.

Géró Katalin (2000)

Knowledge management – múló hóbort avagy a jövőnk? = Könyvtári Figyelő, 2000. 1-2. sz.

104-112. p. http://ki.oszk.hu/kf/kfarchiv/2000/1_2/gero.html [letöltve: 2013. április 14.]

Gruber, T. R. (1993a)

Towards principles for the design of ontologies used for knowledge sharing. In N. Guarino –

R. Poli (szerk.): Formal Ontology in Conceptual Analysis and Knowledge. Representation

(konferenciaanyag). Deventer, The Netherlands. Kluwer Academic Publishers.

Gruber, T. R (1993b)

A translation approach to portable ontology specification. 5. évf., Knowledge Acquisition,

199–220. p.

Han, Y. (2005)

A RDF-based digital library system = Library Hi Tech (24. köt.) 2. sz. 234-240. p.

Hecht, R. – Haslhofer, B. (2005)

Joining the BRICKS Network – A Piece of Cake = The International Conference EVA 2005.

Moscow http://cs.univie.ac.at/research/publications/publikation/infpub/742/ [letöltve:

2013. április 20.]

Hendrik, T. – Redmann, T. – Pressler, M. – Markscheffel, B. (2008)

GTM – Towards a Graphical Notation for Topic Maps = Subject-centric Computing. Forth

International Conference on Topic Maps Research and Applications. TMRA 2008. ed.

Maicher, L., Garshol, L. M Leipzig Germany, 16–17 October, 2008

http://tmra.de/2008/talks/pdf/137-152.pdf [letöltve: 2013. március 15.]

Henriksen, I. (2006)

Graphical Notation for Topic Maps, Draft. 2006-10-15

http://cafe.teria.no/ingeh/files/6/13/GTM.pdf [letöltve: 2013. március 25.]

Herman I. (2006)

Szemantikus Web: egy rövid bevezetés, elhangzott az I. Magyar Webkonferencián 2006.

március 18-án http://www.w3.org/2006/Talks/0318-Budapest-IH/cikk.html [letöltve: 2013.

március 16.]

Horváth T. – Sütheő P. (2001)

A tartalmi feltárás = Könyvtárosok kézikönyve 2. Feltárás és visszakeresés. szerk. Horváth T. –

Papp I. Budapest, Osiris kiadó, 35-186. p.

Horváth Z. (2006)

Taxonómia – az egyezményes nyelvek szerepe és rokonságai – útközben a szemantikus

webhez = Tudományos és Műszaki Tájékoztatás, (53.) 5. sz.

http://tmt.omikk.bme.hu/show_news.html?id=4410&issue_id=472 [letöltve: 2013. március

7.]

Hunting, S. (2003)

How to Start Topic Mapping Right Away with the XTM Specification (Chapter 6.) = XML Topic

Maps: Creating and Using Topic Maps for the Web. (szerk.) Park, J. – Hunting, S., Boston,

Addison-Wesley, 81–102. p.

ISO 13250 (2007)

Information technology – Topic Maps Part 3: XML Syntax, International Standard, ISO/IEC

13250 First edition 2007-03-15 ISO/IEC 13250:2007(E)

Klyne, G. – Carroll, J. J. (2004)

Resource Description Framework (RDF) concepts and abstract syntax, W3C

recommendation, Febr. 10, 2004. http://www.w3.org/TR/rdf-concepts/ [letöltve: 2013.

április 19. ]

Kormos J. – Kovács Z. Cs. – Tóth M. (2008)

Topic map and ontological support for knowledge management in the enterprise =

Proceedings of ECKM 2008, The 9th European Conference on Knowledge Management,

Southampton Solent University, Southampton, UK, 4-5 September 2008, 377–388. p.

http://www.ve-

forum.com/projects/408/ICE%202008/Knowledge%20Engineering%20&%20Management/0

72%20-%2019.pdf [letöltve: 2013. március 22.]

Kovács Z. Cs. – Tóth M. (2008)

A tématérkép technológia bemutatása, a TM4L szerkesztő magyarosításának folyamatán

keresztül = MicroCAD 2008 International Scientific Conference, Miskolc, 20-21 March 2008

Miskolci Egyetem, Konferencia kiadvány Section O: Applied Information Engineering, 75-82.

p.

http://webadmin.kripto.hu/webadmin/portals/kovex/attachments/TopicMaps_2_2008.pdf

[letöltve: 2013. március 28.]

Krause, J. (2008)

Semantic heterogenity: comparing new semantic web approaches with those of digital

libraries = Library Review (57. köt.) 3. sz. 235-248. p.

Manola, F. – Miller, E. (2004)

RDF Primer, W3C Recommendation, 10 February 2004 http://www.w3.org/TR/rdf-primer/

[letöltve: 2013. április 2.]

McGuiness, D. L. – Van Harmelen, F. (2004)

OWL Web Ontology Language – Overview, W3C Recommendation, 10 February 2004

http://cies.hhu.edu.cn/pweb/~zhuoming/teachings/MOD/N4/Readings/5.3-B1.pdf [letöltve:

2013. április 22.]

Newcomb, S. R. (2003)

A Perspective on the Quest for Global Knowledge Interchange (Chapter 3.) = XML Topic

Maps: Creating and Using Topic Maps for the Web. (szerk.) Park, J. – Hunting, S. Boston:

Addison-Wesley, 31-50. p.

http://ptgmedia.pearsoncmg.com/images/0201749602/samplechapter/parkch03.pdf

[letöltve: 2013. április 10.]

Nuridsány Judit (2006)

Az információbróker a tudásmenedzsment birodalmában = Információból üzleti érték. Az

információbróker környezete és munkája. Budapest, Magyar Információbrókerek Egyesülete,

123-130.

Pálvölgyi Mihály (2011)

Információkereső nyelvek I.

http://www.tankonyvtar.hu/hu/tartalom/tamop425/0005_11_infkereso_nyelvek_i_pdf/ada

tok.html [letöltve: 2013. április 14.]

Passin, T. B. (2004)

Explorer’s Guide to the Semantic Web, Greenwich, Manning, 281 p.

Pataki E. ford. (2004a)

Az RDF Erőforrás Leíró Keretrendszer alapfogalmai és absztrakt szintaxisa, W3C ajánlás,

2004-02-10 http://www.w3c.hu/forditasok/RDF/REC-rdf-concepts-20040210.html [letöltve:

2013. március 23.]

Pataki E. ford. (2004b)

OWL Web Ontológia Nyelv – Áttekintés, 2004-09-19

http://www.w3c.hu/forditasok/OWL/REC-owl-features-20040210.html [letöltve: 2013.

március 24.]

Pataki M. (2005)

W3C ajánlások magyarul = Tudományos és Műszaki Tájékoztatás (52. köt.) 9. sz. 430. p.

http://tmt.omikk.bme.hu/show_news.html?id=4051&issue_id=465 [letöltve: 2013. április

10.]

Pepper, S. (2003)

Published Subjects: Introduction and Basic Requirements. OASIS Published Subject Technical

Committee Recommendation, 2003-06-24

http://xml.coverpages.org/PublishedSubjectsIntroAndRequirements20030624.pdf [letöltve:

2013. március 29.]

Pepper, S. (2006)

Towards the Semantic Superhighway: A Manifesto for Published Subjects, 2006.

http://www.ibiblio.org/hhalpin/irw2006/spepper.html [letöltve: 2013. március 30.]

Pepper, S. (2007)

Understanding Topic Maps Grasping the Fine Points, Oslo University College, 2007-09-27

http://www.ontopedia.net/pepper/slides/UnderstandingTopicMaps.ppt [letöltve: 2010.

január 23.]

Pepper, S. (2008a)

Expressing Dublin Core in Topic Maps = TMRA 2007. Maicher L and Garshol L. M (eds.) LNAI

4999. pp. 186–197. http://www.ontopedia.net/pepper/papers/DCinTopicMaps.pdf [letöltve:

2010. október 5.]

Pepper, S. (2008b)

Topic Maps and the Semantic Web = Topic Maps and All That, 2008-05-11

http://topicmaps.wordpress.com/2008/05/11/topic-maps-and-the-semantic-web/ [letöltve:

2013. március 23.]

Pepper, S (2009)

Introduction to Topic Maps and Subject-centric Computing = Topic Maps Workshop,

Neumann János Számítástudományi Társaság Mesterséges Intelligencia Szakosztály.

Budapest, 2009. július 21.

Pepper, S. – Schwab, S. (2003)

Curing the Web’s Identity Crisis. Subject Indicators for RDF. Ontopia AS. May.

http://www.ontopia.net/topicmaps/materials/identitycrisis.html [letöltve: 2013. március

13.]

Ranganathan (2002)

Ranganathan for IAs; Steckel, Mike, Boxes and Arrows, October 7, 2002,

http://www.boxesandarrows.com/view/ranganathan_for_ias [letöltve: 2013. február 1.]

Sándor J. (2002)

Információkereső nyelvek, Eszterházy Károly Főiskola, Eger, 2002 http://eznembla-

bla.uw.hu/tananyagok/ekf/kvt/infkernyszig.pdf [letöltve: 2013. április 9.]

Stevenson, A. – Tuohy, C. – Norrish, J. (2008)

Ambient Findability and Structured Serendipity: Enhanced Resource Discovery for Full Text

Collections, New-Zealand Electronic Text Centre Papers, 2008. 10 p. http://hdl.handle.net/10063/267

[letöltve: 2013. január 23.]

Svenonius, E. (2000)

The Intellectual Foundation of Information Organization MIT Press, 2000

Szakadát I. – Szőts M – Szaszkó S (2006)

MEO Magyar Egységes Ontológia szakmai zárójelentés. Budapest, 2006-12-18. 13 p.

http://www.ontologia.hu/MEO_final.pdf [letöltve: 2013. április 3.]

Szakadát I. (2007)

Egyben az egész egytől egyig. Budapest, Typotex, 142. p.

Szeredi P. – Lukácsy G. – Benkő T. (2005)

A szemantikus világháló elmélete és gyakorlata, Budapest Typotex, 501 p.

Theodoridou, M. – Doerr, M. (1998)

Classifying historical documents Paper Proposal for “Applications of IT to Biblical Studies”,

Summer School, Sofia 25 July - 8 August 1998

http://www.ics.forth.gr/isl/publications/paperlink/CHD/html/chd.w6.html [letöltve: 2013.

február 21.]

Tóth M. (2008)

Tématérképek a könyvtárosképzésben = Tudományos és műszaki tájékoztatás (55. köt.) 6. sz.

251-269. p. http://tmt.omikk.bme.hu/show_news.html?id=4916&issue_id=494 [letöltve:

2013. március 20.]

Tramullas, J. – Garrido, P. (2006)

Constructing Web subject gateways using Dublin Core, The Resource Description Framework

and Topic Maps = Information Research, 2006. (11. köt.) 2. sz. http://informationr.net/ir/11-

2/paper248.html [letöltve: 2013. február 23.]

Ungváry R. (2004)

Tezaurusz és ontológia, avagy a fogalmi ismertetőjegyek generikus öröklődésének

formalizálása = Tudományos és Műszaki Tájékoztatás (51. köt.) 5. sz. 175-191. p.

http://tmt.omikk.bme.hu/show_news.html?id=3615&issue_id=450 [letöltve: 2013. március

25.]

Ungváry Rudolf – Vajda Erik (s.a.)

Könyvtári Információkeresés. Budapest, Typotex

http://www.tankonyvtar.hu/hu/bongeszes/konyvek/altalanos/konyvtartudomany [letöltve:

2013. április 14.]

Varga K. (2012)

Osztályozási rendszerek és információkereső nyelvek. Pécs, PTE-FEEK [kézirat]

Vickery, B. C. (1997)

Ontologies = Journal of Information Science (23. köt.) 4. sz. 277–286. p.

Völkel, M. – Krötzsch, M. – Vrandecic, D. – Haller, H. – Studer, R. (2006)

Semantic Wikipedia = www2006 Proceedings,The 15th International World Wide Web

Conference, Edinburgh, Scotland http://www2006.org/programme/files/pdf/4039.pdf

[letöltve: 2013. április 11.]