Corporate Semantic Web · Web-basiertes Semantisches Unternehmen (Semantic Enterprise) Corporate Semantic Web •Semantic Applications •Semantic Knowledge •Semantic Content Front

1

AG Corporate Semantic Web http://www.inf.fu-berlin.de/groups/ag-csw/

Arbeitsgruppe

Corporate Semantic Web

Freie Universität Berlin

Xinnovations 2012

"Corporate Semantic Web"


Berlin, 10. September 2012

Prof. Dr. Adrian Paschke

2


Projektvorstellung "Corporate Semantic Web"

Nachwuchsforschergruppe Corporate Semantic Web an der Freien

Universität Berlin mit wirtschaftsorientierter Forschungsausrichtung

– gefördert durch Unternehmen Region – InnoProfile Initiative des BMBF

– Anwendungsforschung im Bereich der Semantic-Web-Technologien

– Adrian Paschke (Leiter)

– Gökhan Coskun

– Ralf Heese

– Radoslaw Oldakowski

– Olga Streibel

– Kia Teymourian

– Alexandru Todor

– Ralph Schäfermeier

3


Die Forschergruppe leistet …

Identifikation und Evaluierung realer

Anwendungsfälle von Unternehmen

Wissensaustausch durch Kooperation mit

Unternehmen

Technologietransfer durch frei verfügbare Software

wirtschaftliche Bewertung von Semantic-Web-

Technologien im Unternehmenskontext

4


Innovationsforschung im Bereich Semantischer

Technologien im Unternehmenskontext

Erzeugung Semantischer Unternehmensdaten

Semantisches Wissensmanagement

Semantisches Anwendungen (Engineering, Suche, Kollaboration)

Pragmatischer Einsatz (Kosten-ökonomischer passgenauer und effiziente Anwendung von Semantic Web Technologien)

5



1.Einsatz von semantischen Technologien in

betrieblichen Informationssystemen, insbesondere in

– Kommunikations- und Wissensmanagement

(z.B. Semantic Knowledge Management)

– (kollaborativen) Arbeitsabläufen und Prozessmanagement

(z.B. Semantic Business Process Management)

2.Corporate = Unternehmerisches Handel

– Einsatz von Semantic Web Technologien unter wirtschaftlichen

Gesichtspunkte / wirtschaftliche Bewertung von Semantic Web

Technologien (z.B. Ontologie / Rules Engineering Kostenmodelle)

6


Web-basiertes Semantisches Unternehmen (Semantic Enterprise)


•Semantic Applications •Semantic Knowledge •Semantic Content

Front Office

Back Office

Kunden Portale Kunden Portale

Call Center Call Center E-Commerce E-Commerce

CRM CRM

SCM SCM

CSCW CSCW DBMS DBMS BPM BPM ITSM ITSM

ERP ERP

SRM SRM

7


Herausforderungen an das Corporate Semantic Web

Daten

Informationen

Wissen

Weisheit / Intelligenz /

Zusammenhänge

(Maschinen) Verständnis

Dauerhaftigkeit & Verknüpfungsgrad

Syntax

Semantik

Pragmatik

8


I) Corporate Semantic Web

Semantische Inhalte

Erzeugung Semantischer Daten

1. Automatische Extraktion von Semantik aus nicht-

semantischen Daten

– Linked Data Extraction

– Ontology Learning

2. (Neu) Erzeugung semantischer Daten

– Manuell (z.B. Semantische Textverarbeitung, Semantic Wiki, Semantic CMS,

Ontology-/Rule-Engineering)

– Automatisiert (z.B. Events / Aktivitäten, Text Analysis)

9


II) Corporate Semantic Web

Semantisches Wissen

Semantisches Wissensmanagement

Relevante Daten, Informationen und Wissen für die Existenz eines Unternehmen

– z.B. Wieder- und Mehrfachverwendung von Wissen, Verringerung von Suchzeiten, schnellere Einarbeitungszeit von Mitarbeitern, Verbesserung der Arbeitszuordnung, etc.

Semantische Archive und Wissensspeicher im Intranet, wie z.B. Linked Data Clouds, semantische Wikis, semantische Wissensbasen wie Triplestores, Semantic CMS und DMS etc.

– Semantische Integration von Daten aus verschiedenen oft heterogenen Quellen zu Informationen und unternehmens-relevanten Wissen

– Analyse der semantischen Daten, um das (implizites) Wissen in einem Unternehmen explizit semantisch zu erfassen

10


III) Corporate Semantic Web

Semantische Anwendungen

Semantisches Anwendungen für

Corporate Semantic Engineering

– Methoden und Tools mit denen Ontologien und Regelbasen für Firmeninformationen und -prozessen präzise, qualitativ hochwertig und ökonomische effizient erstellt und gewartet werden können

– Unterstützung bei der Entwicklung semantischer Unternehmenslösungen und Produkte

Semantic Corporate Search

– Lösungen für semantische Suche in kontrollierten Informationsbeständen mit definierten Qualitätsverbesserungen.

Semantic Corporate Collaboration

– neue semantische Plattformen mit der Unternehmensbereiche oder Bestandteile eines virtuellen Unternehmens gemeinsam Informationen, Prozesse und Wissen sammeln, nutzen und managen können

11


Lernen und Training von Entscheidungsträgern und

Mitarbeitern

Ökonomische Überlegungen, d.h. "Corporate" im Sinne von

unternehmerischem Handeln

Abschätzungen von Kosten und Nutzen der Entwicklung

und des Einsatzes der neuen Corporate Semantic Web

Technologien

Anreize zur Integration in die Haus-internen, betrieblichen

Informationssysteme und Dienste müssen geschaffen werden.

IV) Corporate Semantic Web

Pragmatischer Einsatz im Unternehmen

12




Corporate

Semantic

Engineering

Corporate

Semantic

Search

Corporate

Semantic

Collaboration

Public Semantic Web

Corporate Business Information Systems

Business Context

www.corporate-semantic-web.de

http://www.corporate-semantic-web.de/





13


– Modularisierung und Integration

– Versionierung und Life Cycle Management

– Agile kooperative Entwicklung und

Kostenmodelle

Corporate Semantic Engineering

Corporate

Semantic

Engineering

14


Unternehmensontologien und semantische

Geschäftsvokabulare

Ontologie-unterstütztes Wissen

– Semantische Anreicherung und Annotation mit semantischen Hintergrundwissen

– Semantische Brücken zwischen heterogenen Informationssystemen

Corporate Wikis

Corporate Blogs Corporate Websites

Corporate

Ontologies

CRM

Corporate Structure

15


Ontologisches Metamodel

Top Level Ontologies

General context concepts such as space, time, event, action and their properties and relations

Temporal Ontology

Action Ontology

Process Ontology

Agent Ontology

Situation Ontology

Domain Ontologies

Vocabularies related to specific domains by

specializing the concepts introduced in the top-level ontology

Task Activities Ontologies

Vocabularies related to generic tasks or activities by specializing the

concepts introduced in the top-level

ontology

Application Ontologies

Specific user/application

ontologies

E.g. ontologies describing roles played by domain entities while perfoming application activities

Spatio Ontology

Event Ontology

16


Modularization and Integration

Integrated View

Modul 1 Modul 1 … …

… … Modul n Modul n

Modul 2 Modul 2

Modul n-1 Modul n-1

Core Ontology

Domain Ontology

Application Ontology

Domain 1 Domain 2

17


SONIVIS Eclipse Plugin für

Ontologie- Analyse, Modularization und Dokumentation

AG Corporate Semantic Web

http://www.corporate-semantic-web.de

18


Ontologieevaluation für die Wiederverwendung

Entscheidung über die Wiederverwendbarkeit muss schnell und richtig

getroffen werden

• Ist die vorliegende Ontologie wiederverwendbar?

• Welche Domäne deckt sie ab?

• Ist eine detailliertere Betrachtung sinnvoll?

Dokumentationen vereinfachen den Einblick und ermöglichen das Verstehen

des Inhaltes

Geeignete Präsentationen, Visualisierungen und Abstraktion unterstützen den

Betrachter

19


Selection/Integration/Development

Evaluation Validation

Feedback

Tracking

Population

Deployment Reporting

ENGINEERING

USAGE

Corporate

Ontology

Lifecycle

Model (COLM)

Agile kollaborative Ontologieentwicklung

Corporate Ontology Lifecycle Model (COLM)

20


Visualisierung im Eclipse Client

– Versionsinformationen für z.B.

revision, date, and author

– Unterstützung von unterschiedlichen

Nutzern und Domänensichten

Subversion-basiertes Management

von Ontologien

SVont Subversion Server und Eclipse Plugin

Iteration n Iteration n Iteration n-1 Iteration n-1 … … Iteration 2 Iteration 2 Iteration 1 Iteration 1

Version 1 Version 1

Version 1 Version 1

Version 2.1 Version 2.1 Version 2 Version 2

Version 1 Version 1 Version 1 Version 1

Version 2.x Version 2.x

Version 3 Version 3 Version 3.1 Version 3.1

Version 4 Version 4

Semantic diff with explanations

Revision history

Merge support

21


Leone: Leicht-gewichtiger, ontologischer Vokabular

Editor in natürlicher Sprache

relations

resource label

properties of the resouce

Hide the Semantic Web complexity by using

natural language in the user interface

22


Kostenabschätzung für agile Ontologieentwicklung und

Weiterentwicklung/Wartung von Ontologien

ONTOCOM

initial

estimate

PCON

LEXP/TEXPDOCU

DCPLX

OE

OCAP/

DECAP

PM

Sprint

Story

Story

Story

Sprint

Story

Story

Initial

sprint

estimateSP

Initial

sprint

estimateSP

Initial

release

estimate

SP

Initial

release

estimate

PM

Burndown

PM: Person MonthsSP: Story PointsDCPLX: Domain Analysis ComplexityOE: Evaluation ComplexityOCAP/DECAP: Ontologist/Domain Expert CapabilityDOCU: Documentation NeedsLEXP/TEXP: Language/Tool ExperiencePCON: Personnel Continuity

Refined

release

estimate

PM

Validation/

Verification

COLM

Engineering

Selection/

Integration/

Development

23



– Suche in nicht-semantischen Daten

– Multimedia Suche

– Personalisierte Suche

– Kontextualisierte Suche

Corporate

Semantic

Search

24


Semantische Suche

Iterative search by the user.

Advantage: low entry costs

Challenege: query strategy

Text corpus is fact base.

Advantage: unstructured

content accessible

Challenge: ask a valid

question

Background-knowledge used

during search.

Advantage: captures all latent

answers

Challenge: Ontology design

25



Advanced Search:

– Alternative search: local, mobile, social search (context)

– Personalization and user views

– Hyper Mining, Trend Mining

– Real-time Event Processing, Situation Awareness and Proactive Alerting

Selected CSW Tools and Applications

– Semantic Matchmaking Framework

– Semantic Preprocessing Tool

– Semantic Trend Mining

– Semantic Complex Event Processing Rule Engine

26


Semantic Matchmaking Framework

27


Beispiel: Personalisierte Suche

Example:

Query „Java“ (+ Personal Skill Profile (Java + C++ Knowledge) )

d (Java, C++) = d (Java, Object Oriented) + d (C++, Object Oriented) = (0.25-0.0.0625) + (0.25-0.0625) = 0.375

sim(Java, C++) = 1 – 0.375 = 0.625 (Semantic Similarity)

=> Schlage auch Projekte für C++ Programmierer vor

28


Beispiel: Finden von Experten

29


Impressionismus

artist

Max Liebermann Claude Monet Karl Hagemeister

Frankreich Deutschland

country country

Beispiel: Semantisches Museumsportal Berlin

Zusätzliche semantische Suchergebnisse

30


Beispiel: Semantische Anfrageerweiterung und Erklärung

Semantische Anfrageerweiterung Suchwort-basiert

31


Beispiel: Semantisches E-Learning – Dynamische

Lernpfadempfehlungen

Content D Content D Content C Content C Content B Content B Content A Content A Content F Content F Content E Content E

Requirement

Content X Content X Recommendation

Content Y Content Y Recommendation

Question 1 Question 1

Process:

e-Learning

Information

Cloud

User Recommender

Engine

Other User Parameter

32


Beispiel: Trend Mining (ex-post) & Event Processing (Echtzeit)

Ex-Post

Trend Mining

Ex-Post

Trend Mining

Real-time

Semantic

CEP Engine

Real-time

Semantic

CEP Engine

News

Ranking

Engine

News

Ranking

Engine

User Activities Events Stream

Semantic Event Processing

Document Stream

Trendi Words

Complex Events

Knowledge Exchange

1. Deutsche Bank CEO warns against race for Basel III

2. Banks need Rs 6-lakh-cr capital to meet Basel III

norms: ICRA - Hindu Business

Line

3. What to know: Basel III banking regulations - Property Week News

Banks must raise Rs 6L cr to meet Basel III norms

Express

4. Basel III Throws a Sucker Punch at Goldman and

Morgan Stanley

5. Basel III may have a bigger impact than expected

on Goldman

Basel III

Deutsche Bank stock coming up!

Ranked News

33


Semantic Corporate Collaboration

– Semantische Wissensgewinnung (aus

Events/Nutzeraktivitäten, Situationen, Daten)

– Kollaborative semantische Wissensmodellierung

(Ontologien, Regeln, Annotationen)

– Dynamische Zugang und Nutzung von

verteiltem Wissen in kollaborativen Prozessen

– Wissensevolution und

wissensbasierte Kollaboration Corporate

Semantic

Collaboration

34


Beispiel - Loomp: Semantische Anreicherung von Inhalten

Erzeuge semantisch angreicherten Inhalt …

– so einfach wie Auszeichnungen in Word,

– ohne Wissen über semantische Technologien,

– mit automatischer Unterstützung durch Vorschlagsannotationen.

History The earliest evidence of settlements in today's Berlin central areas is a wooden beam dated from approximately 1192.[18] The first written mention of towns in the area of present-day Berlin dates from the late twelfth century. The settlement of Spandau is first mentioned in

1197, and Köpenick in 1209, though these areas did not join Berlin until 1920.[19] The central part of Berlin can be traced back to two towns. Cölln on the Fischerinsel is first mentioned in a 1237 document, and Berlin, across the Spree in what is now called the

Nikolaiviertel, is referenced in a document from 1244.[18] The former is considered to be the "founding date…

City City District District Country Country Geography Geography

Cancel Cancel Save Save

Waters Waters

Vocabularies Annotations

Geography Berlin is located in eastern Germany, about

70 kilometers (44 miles) west …

Climate Summers are warm with average high

temperatures of 22 - 25°C (mid 70s) …

Search Search Berlin Berlin

One Click Annotator

35


Kollaborative Semantische Annotation

36


Gemeinsames Wissen

Beispiel: DBpedia Germany

German part of Wikipedia processed

Content

– Articles

– Info boxes

– Meta data

Representation

– Links in German

language

– Connected to

Dbpedia.org

http://de.dbpedia.org

Linked Open Data Cloud

37


Example: Museum

DBPedia Deutschland

Semantic Wikipedia Germany

www.de.dbpedia.org

http://www.de.dbpedia.org/

38


Kollaboratives semantisches Extreme Tagging

selfmade

cloth

selfmade

cloth

name name

also a

TAG

also a

TAG

a TAG

of TAGS

a TAG

of TAGS

object = tag = resource

associated (resource, tag)

39


Example: tagging tag relations

40


Information

Sources:

Knowledge Management:

Workflows:

Knowledge

Semantic

Information

Events & Process Context

Relations & Interpretation

Content

BPM BPM BPM

BP

M

Workflow Workflow

Beispiel: Semantische Workflows

Business Processes

41


Semantisches Geschäftsprozessmanagement

% receive query and delegate it to another party

rcvMsg(CID,esb, Requester, acl_query-ref, Query) :-

responsibleRole(Agent, Query),

sendMsg(Sub-CID,esb,Agent,acl_query-ref, Query),

rcvMsg(Sub-CID,esb,Agent,acl_inform-ref, Answer),

... (other goals)...

sendMsg(CID,esb,Requester,acl_inform-ref,Answer).

Rules-enabled BPEL+ Application

BPEL run-time

BRMS (Business Rules

Management System)

events, facts

results

CEP Logic

Reaction Logic

Decision Logic

Constraints

Rule Inference Service

SBPMN -> BPEL+

Prova Rule Engine

Oryx SBPM Semantische Modellierung

Semantische Ausführung Semantisches Reasoning

42


Semantic Complex Event Processing – Ausgewählte Anwendungsgebiete

BAM, ITSM Monitor and detect

exceptional IT

service and

business behavior

from occurred

events

RTE

Quick decisions,

and reactions to

threats and

opportunities

according to events

in business

transactions

Information Dissemination

Valuable

Information at

the Right Time

to the Right

Recipient

CEP

Media

Detect Decide

Respond

Diagnose and/or

proactively predict

problems based on

symptoms and resolve

them

Proactive Diagnostics

http://www.scientific.de/produkte/opnet/itguru.html

43


Beispiel – Semantic Event Processing

Event Stream

{(Name, “OPEL”)(Preis, 45)(Volumen, 2000)}

{(Name, “SAP”)(Preis, 65)(Volumen, 1000)}

Anfrage: Buy actions of companies, who have production facilities in Europe and

produce products from metal and

more than 10,000 employees and

are at the moment in reconstruction phase and

their price/volume increased stable in the past hours.

Anfrage: Buy actions of companies, who have production facilities in Europe and

produce products from metal and

more than 10,000 employees and

are at the moment in reconstruction phase and

their price/volume increased stable in the past hours.

{(OPEL, is_a, automobil_company),

(automobil_conpany, build, Cars),

(Cars, are_build_from, Metall),

(OPEL, hat_production_facilities_in, Germany),

(Germany, is_in, Europe)

(OPEL, is_a, Major_corporation),

(Major_corporation, have, over_10,000_employees),

(OPEL, is_in, reconstruction_phase)}

Semantische

Wissensbasis

44


Beispiel eines Complex Event Patterns

StockOf

Company_X3

StockOf

Company_X1

Company_Y1

has

Knowledge

Time E1: Stock_ID1

Price

Volume

E2: Stock_ID2 E3: Stock_ID3

Price

Volume Price

Volume

Events

StockOf

Company_X2

Company_Y2

M1

has

produce uses finance

45


Zusammenfassung: Corporate Semantic Web

Corporate Semantic Web (CSW) befasst sich mit der

Anwendung von Semantic Web Technologien und Methoden im

Unternehmensumfeld. (Paschke, 2008)


Corporate Semantic

Engineering

Corporate Semantic

Search

Corporate Semantic

Collaboration

Public Semantic Web

Corporate Business Information Systems

Pragmatic Web (Business) Context

http://en.wikipedia.org/wiki/Semantic_Web

46


Corporate vs. Public Semantic Web

Closed information systems / Intranet solutions with known

interfaces between systems, services and domains

Known user groups within enterprise network(s)

Usage of the existing enterprise IT infrastructure, information,

and knowledge is constrained by the existing business rules,

policies and workflows/processes

Data view: closed, often (semi-)structured data with known

data models (e.g., relational, object-oriented, XML, …)

Logic view: partial closed world assumption, partial unique

name assumption, constructive views

46

47


Social Semantic Web vs.


Social Semantic Web = Web of collective knowledge

systems

Focus: Tools in which the central social interactions on

the Web plays a role. These tools lead to the

development of explicit semantic representations

Combines technologies, strategies and methods of the

Semantic Web, Social Software and Web 2.0

Finds applications in Corporate Semantic Web as well as

Public Semantic Web and in particular Pragmatic Web

47

48


Was erwartet Sie heute …

10 – 17:30 Uhr Corporate Semantic Web Forum

– Thema: Semantik in Anwendungsfeldern

17:45- 18:15 Uhr Berlin Semantic Web Meetup

– Thema: Unternehmerische Sicht auf Open Government

Data

18:15 Ausklang bei Wein und Brezeln

49


Fragen?

Prof. Dr. Adrian Paschke

Arbeitsgruppe


Freie Universität Berlin

http://www.corporate-semantic-web.de






Documents

Corporate Semantic Web · Web-basiertes Semantisches Unternehmen (Semantic Enterprise) Corporate Semantic Web •Semantic Applications •Semantic Knowledge •Semantic Content Front