IKI 30320: Sistem Cerdas Kuliah 15: Alternatives to FOL

(1)

IKI30320 Kuliah 15 14 Nov 2007 Ruli Manurung Semantic Networks Description Logics Semantic Web Ringkasan

IKI 30320: Sistem Cerdas

Kuliah 15: Alternatives to FOL

Ruli Manurung

Fakultas Ilmu Komputer Universitas Indonesia

(2)

Outline

1

_{Semantic Networks}

2

_{Description Logics}

3

_{Semantic Web}

4

Ringkasan

(3)

Review

Banyak riset AI → knowledge-based system/agent

Representasi pengetahuan sbg. kalimat Kemampuan mengolah kalimat → “intelligent”

FOL cukup expressive

Tetapi inference scr. umum

intractable

Banyak riset AI mencari “bahasa” alternatif.

(4)

Outline

1

_{Semantic Networks}

2

_{Description Logics}

3

_{Semantic Web}

4

Ringkasan

(5)

Semantic Networks

“The Logic Of The Future

TM

”

Existential Graphs (Charles Peirce, 1909)

Semantic Nets (Quillian, 60an)

Conceptual Graphs (Sowa, 80an)

Intinya:

Notasi graph Node = object Edge = relation

(6)

Semantic Networks

“The Logic Of The Future

TM

”

Existential Graphs (Charles Peirce, 1909)

Semantic Nets (Quillian, 60an)

Conceptual Graphs (Sowa, 80an)

Intinya:

(7)

Semantic Networks

“The Logic Of The Future

TM

”

Existential Graphs (Charles Peirce, 1909)

Semantic Nets (Quillian, 60an)

Conceptual Graphs (Sowa, 80an)

Intinya:

(8)

Semantic Networks

“The Logic Of The Future

TM

”

Existential Graphs (Charles Peirce, 1909)

Semantic Nets (Quillian, 60an)

Conceptual Graphs (Sowa, 80an)

Intinya:

(9)

Semantic Networks

“The Logic Of The Future

TM

”

Existential Graphs (Charles Peirce, 1909)

Semantic Nets (Quillian, 60an)

Conceptual Graphs (Sowa, 80an)

Intinya:

(10)

(11)

(12)

Contoh semantic network

Mammals

John

Mary

Persons

Male

Persons

Female

Persons

1

2

SubsetOf SubsetOf SubsetOf MemberOf MemberOf SisterOf Legs Legs HasMother

(13)

Sifat semantic networks

Seru!Bandingkan dengan:

∀ x x ∈ Persons ⇒ [∀ y HasMother (x, y ) ⇒ y ∈ FemalePersons].

Ambigu:

“Heliis_adog” → Heli ∈ Dog

“Dogis_amammal” → Dog ⊆ Mammal

Hanya bisa representasi relasibinary, kecuali dengan reification: Pergi(Anto, Depok , Bogor , Kemarin).

menjadi Pergi(P). Pelaku(P, Anto). Asal(P, Depok ). Tujuan(P, Bogor ). Kapan(P, Kemarin).

Inheritance secara fleksibel:default reasoning+ overriding (John = 1 leg), multiple inheritance (OOP?)

(14)

Sifat semantic networks

∀ x x ∈ Persons ⇒ [∀ y HasMother (x, y ) ⇒ y ∈ FemalePersons]. Ambigu:

(15)

Sifat semantic networks

(16)

Sifat semantic networks

(17)

Sifat semantic networks

(18)

Sifat semantic networks

Inference sangat cepat (

inheritance

,

membership

, dll.)

Tidak se-expressive FOL: tidak ada negation,

disjunction, function, quantifier, dll.

Meskipun demikian, cukup banyak digunakan dalam AI.

Contoh paling terkenal: WordNet.

(19)

Outline

1

_{Semantic Networks}

2

_{Description Logics}

3

_{Semantic Web}

4

Ringkasan

(20)

FOL terlalu sulit?

+: FOL

expressive

, inference sound+complete

-: FOL sulit dipahami,

intractable

Description Logic

(DL) adalah logic yang lebih

sederhana

Lebih mudah dipahami

Inference lebih cepat (tractability)

DL menitikberatkan struktur taksonomi (objects,

categories)

(21)

FOL terlalu sulit?

+: FOL

expressive

, inference sound+complete

-: FOL sulit dipahami,

intractable

Description Logic

(DL) adalah logic yang lebih

sederhana

DL menitikberatkan struktur taksonomi (objects,

categories)

(22)

FOL terlalu sulit?

+: FOL

expressive

, inference sound+complete

-: FOL sulit dipahami,

intractable

Description Logic

(DL) adalah logic yang lebih

sederhana

DL menitikberatkan struktur taksonomi (objects,

categories)

(23)

KB dalam DL

KB tentang domain D dalam Description Logic dibagi 2:

TBox: kalimat Terminological - pengetahuan umum tentang D Mis: Anjing adalah sejenis mamalia, Anjing memiliki 4 kaki. ABox: kalimat Assertion - pengetahuan spesifik tentang D Mis: Heli adalah seekor anjing, Heli dimakan Bruno. TBox adalah tempat mendefinisikankonsep.

ABox adalah tempat mendefinisikaninstance. (Bisa) ada negation, quantifier, disjunction.

(24)

Contoh: FOL vs. DL

“Bachelors are unmarried adult males”

DL: Bachelor = And(Unmarried, Adult, Male).

FOL: ∀ x Bachelor (x ) ⇔ Unmarried (x ) ∧ Adult(x ) ∧ Male(x ).

“Pria yang memiliki sekurangnya 3 putra, semuanya pengangguran dan kawin dengan doktor, dan paling banyak 2 putri, semuanya profesor jurusan fisika atau kimia”

DL: And(Man,AtLeast(3,Son),AtMost(2,Daughter),

All(Son,And(Unemployed,Married,All(Spouse,Doctor))), All(Daughter,And(Professor,Fills(Department,Physics,Math)))). FOL: ???

(25)

Contoh: FOL vs. DL

“Bachelors are unmarried adult males”

DL: Bachelor = And(Unmarried, Adult, Male).

FOL: ∀ x Bachelor (x ) ⇔ Unmarried (x ) ∧ Adult(x ) ∧ Male(x ).

“Pria yang memiliki sekurangnya 3 putra, semuanya pengangguran dan kawin dengan doktor, dan paling banyak 2 putri, semuanya profesor jurusan fisika atau kimia”

DL: And(Man,AtLeast(3,Son),AtMost(2,Daughter),

All(Son,And(Unemployed,Married,All(Spouse,Doctor))), All(Daughter,And(Professor,Fills(Department,Physics,Math)))). FOL: ???

(26)

Mengatasi kerancuan panah+lingkaran

Apakah “artinya” kelinci --makan--> tanaman ?

Kelincihanyamakan tanaman? Kelincibisamakan tanaman (dll.)?

Ada seekor kelinci spesifik yang hanya/bisa makan tanaman? Ada beberapa ekor kelinci yang makan tanaman (yang lain makan rendang)?

Perlu representasi yang semantics-nya jelas, formal. DL → set theory (teori himpunan):

Domain→ himpunan object

Class/category→ (sub)himpunan object

Role/relation→ himpunan pasangan object (dlm. DL, bisa ada ∃, ∀, n)

(27)

Mengatasi kerancuan panah+lingkaran

Apakah “artinya” kelinci --makan--> tanaman ? Kelincihanyamakan tanaman?

Kelincibisamakan tanaman (dll.)?

(28)

Mengatasi kerancuan panah+lingkaran

(29)

Mengatasi kerancuan panah+lingkaran

Ada seekor kelinci spesifik yang hanya/bisa makan tanaman?

Ada beberapa ekor kelinci yang makan tanaman (yang lain makan rendang)?

(30)

Mengatasi kerancuan panah+lingkaran

(31)

Mengatasi kerancuan panah+lingkaran

(32)

Mengatasi kerancuan panah+lingkaran

(33)

Mengatasi kerancuan panah+lingkaran

(34)

Mengatasi kerancuan panah+lingkaran

(35)

Inference pada DL

Subsumption

: apakah category c

1

adalah subset

category c

2

berdasarkan definisinya?

Classification

: apakah object o adalah anggota

category c berdasarkan definisinya?

Consistency

: apakah definisi sebuah category c dapat

dipenuhi (satisfiable)

Pada umumnya, cepat → inference dlm. waktu

polynomial

Contoh sistem DL: K

L

O

NE

, C

LASSIC

, K

AON

, R

ACER

,

dll.

(36)

Inference pada DL

Subsumption

: apakah category c

1

adalah subset

category c

2

berdasarkan definisinya?

Classification

: apakah object o adalah anggota

category c berdasarkan definisinya?

Consistency

: apakah definisi sebuah category c dapat

dipenuhi (satisfiable)

Pada umumnya, cepat → inference dlm. waktu

polynomial

Contoh sistem DL: K

L

O

NE

, C

LASSIC

, K

AON

, R

ACER

,

dll.

(37)

Inference pada DL

Subsumption

: apakah category c

1

adalah subset

category c

2

berdasarkan definisinya?

Classification

: apakah object o adalah anggota

category c berdasarkan definisinya?

Consistency

: apakah definisi sebuah category c dapat

dipenuhi (satisfiable)

Pada umumnya, cepat → inference dlm. waktu

polynomial

Contoh sistem DL: K

L

O

NE

, C

LASSIC

, K

AON

, R

ACER

,

dll.

(38)

Inference pada DL

Subsumption

: apakah category c

1

adalah subset

category c

2

berdasarkan definisinya?

Classification

: apakah object o adalah anggota

category c berdasarkan definisinya?

Consistency

: apakah definisi sebuah category c dapat

dipenuhi (satisfiable)

Pada umumnya, cepat → inference dlm. waktu

polynomial

Contoh sistem DL: K

L

O

NE

, C

LASSIC

, K

AON

, R

ACER

,

dll.

(39)

Inference pada DL

Subsumption

: apakah category c

1

adalah subset

category c

2

berdasarkan definisinya?

Classification

: apakah object o adalah anggota

category c berdasarkan definisinya?

Consistency

: apakah definisi sebuah category c dapat

dipenuhi (satisfiable)

Pada umumnya, cepat → inference dlm. waktu

polynomial

Contoh sistem DL: K

L

O

NE

, C

LASSIC

, K

AON

, R

ACER

,

dll.

(40)

Outline

1

_{Semantic Networks}

2

_{Description Logics}

3

_{Semantic Web}

4

Ringkasan

(41)

DL & Semantic Web

DL menjadi dasar representation & inference pada

Semantic Web.

OWL Web Ontology Language:

http://www.w3.org/TR/owl-features

Ide dasar:

Lengkapi data di Internet denganmetadata(RDF) Rancang ontology (OWL)

http://protege.stanford.edu

Inference dengan subsumption + classification

Contoh aplikasi:

“Intelligent” searching Composable web services Semantic grid

(42)

Outline

1

_{Semantic Networks}

2

_{Description Logics}

3

_{Semantic Web}

4

Ringkasan

(43)