Causation & Sequential Action Graphs en het Semantic Web

XML maar de onmogelijkheid van een Ontologie

Als je naar het schema van het semantisch web kijkt, zie je verschillende lagen. Je kan die lagen groeperen. De twee onderste lagen gaan over uitwisselbaarheid en strikt gedefinieerde objecten, je kan dat de technische laag noemen. Daarboven het je de twee lagen die echt semantisch zijn. Daar wordt ook de betekenis van die objecten gedefinieerd in een ontologie wat de mogelijkheid creëert om op de data queries uit te voeren, de database laag.

Het project heeft zich ingepast in de technische laag. SVG is XML. Maar de creatie van een ontologie is enorm arbeidsintensief. Men noemt ze verbose omdat elk element van de content uitvoerig moet gedefinieerd worden, niet alleen voor zijn betekenis maar ook voor zijn functie. Er zijn ontologieën beschikbaar, klaar om te gebruiken, bijvoorbeeld voor de metereologie, maar die zijn bijna allemaal in het Engels. Voor het Nederlands moet je ze die zelf maken of vertalen. Dat is werk voor en gans team dat onderlegd is in metereologie en technisch onderlegd in het genereren van ontologieën.

Maar daarmee is het probleem niet opgelost. Heel wat schema’s hebben te maken met minstens twee disciplines. Verdamping heeft niet alleen te maken met de thermodynamica maar ook met de biologie, want de transpiratie van de vegetatie draagt er ook toe bij. In de alfa vakken wordt het nog complexer. Het schema ‘A day inthe life of hunter-gatherers’ put informatie uit zes verschillende disciplines: anthropologie, archeologie, paleogenetica, linguistiek, neurologie en demografie.

De opzet van dit project was net interdisciplinair te zijn. Met de beschikbare middelen is dat onmogelijk. Daarom werd de toevlucht genomen tot Prolog. Deze keuze is echter geen beperking. Prolog is ook een platform dat kan worden gebruikt als lijm tussen verschillende systemen. Er is een grote verscheidenheid in de manier waarop gegevens worden gestructureerd en opgeslagen. Klassieke querytalen zoals SQL, SPARQL, XPATH, enz. kunnen elk maar één zo'n formaat aan, terwijl Prolog een beknopte en natuurlijke querytaal kan bieden voor elk van deze formaten.

Grafen leveren het basischema van algoritmen. Ze zijn dus ook een oefening in algoritmisch denken.

Hier onder zie je een voorbeeld van een Prolog query met daar onder een uitreksel uit de Peolog declaratie. Leren werken met queries vergt een gedegen opleiding vooraf. Kunnen werken met queries ontwikkelt het logisch brein.

De SVG en de Prolog declaratie waaruit die query is gegenereerd door een parser in Java, is gebaseerd op dit tekstbestand.