بلاگ

افزونه اجرای SPIN در پروتژه

به طور کلی، استنتاج در وب معنایی را می توان با کشف روابط جدید مشخص کرد. در وب معنایی، داده ها به عنوان مجموعه ای از روابط (نامگذاری شده) بین منابع مدل سازی می شوند. «استنتاج» به این معنی است که رویه‌های خودکار می‌توانند بر اساس داده‌ها و بر اساس برخی اطلاعات اضافی در قالب واژگانی، به عنوان مثال، مجموعه‌ای از .قوانین، روابط جدیدی ایجاد کنند
قدرت بیان OWL نسبتاً زیاد است – معادل یک قطعه قابل تصمیم گیری از First Order Logic کامل. طراحان OWL عمداً بیان آن را در آن سطح حفظ کردند تا از پیچیدگی محاسباتی زیاد استنتاج اجتناب کنند. با این حال، در بسیاری از موارد قدرت بیانی بیش از آنچه که با OWL می توان به دست آورد، ضروری است.
به طور خاص، مشخص شده است که OWL در مدیریت گنجاندن نقش های پیچیده دارای محدودیت های جدی است و برای دستیابی به برخی از اهداف، متغیرهایی مورد نیاز است، ویژگی که OWL فاقد آن است. در چنین مواردی OWL را می توان با #قوانین و #SPARQL تکمیل کرد.
پروتکل SPARQL و RDF Query Language (SPARQL) زبان پرس و جو مبتنی بر وب معنایی است که داده های ذخیره شده در مجموعه داده های RDF را استخراج و دستکاری می کند. SPARQL توصیه #W3C است که به کاربران اجازه می دهد به جای اینکه چگونه یک مجموعه داده خاص سازماندهی شده است، آنچه را که نیاز دارند، بدست آورند. SELECT query محبوب ترین و پرکاربردترین query SPARQL است که اطلاعات مورد نیاز را از مجموعه داده های RDF استخراج می کند. با این حال، موضوع این پست کوئری “SPARQL Construct” است که به جای بازگرداندن جدول مقادیر به دست آمده، یک نمودار RDF را برمی گرداند. پرس و جو SELECT فقط می تواند برای واکشی داده هایی استفاده شود که قبلاً در مجموعه داده های ما ذخیره شده اند و دانش جدیدی را استنتاج/ایجاد نمی کند.
در تیم برهان، ما سعی کرده ایم از پرس و جوهای ساخت SPARQL برای استنتاج اطلاعات جدید بر اساس داده های موجود در هستی شناسی ما استفاده کنیم، که در غیر این صورت از طریق قوانین DL دشوار یا غیرممکن است. مثلاً حقوقی که پس از خرید یا فروش یک کالا برای شخص ایجاد می شود یا آثاری که خرید و فروش به دنبال دارد. در پست های بعدی در مورد روش های استنتاجی مورد استفاده در حوزه های دانش بیشتر  توضیح خواهیم داد.