Quanto às linguagens de inferência, as recomendações candidatas recaem sobre RDQL (RDF Data Query Language) (Seaborne, 2004) e SPARQL Query Language for RDF (Prud'hommeaux e Seaborne, 2006).
A arquitectura genérica para um sistema ou aplicação de pesquisa semântica baseado no motor de inferência SPARQL é ilustrada na Figura 63.
Com base nas palavras-chave submetidas pelo utilizador, a aplicação envia a consulta em formato SPARQL para o motor de inferência. De acordo com os parâmetros dessa consulta, o motor de inferência pode interrogar directamente os documentos em formato RDF(S) ou através de GRDDL (forma de indicar uma transformação, normalmente em
formato XSLT, de um documento XHTML ou XML para RDF), extrair dados RDF dos documentos XHTML e XML ou ainda, através de SQL-SPARQL Bridge, consultar a informação da base de dados do sistema ou aplicação.
Aplicação SPARQL Motor de Inferência Base de Dados (relacional) RDF (XHTML, XML,…)Documentos Resultado (XML ou JSON,…) Consulta SPARQL GRDDL Microformat Extration SQL-SPARQL Bridge
Figura 63 – Arquitectura genérica de uma aplicação com motor de inferência SPARQL
Um exemplo simples de como inferir um documento RDF(S) apresenta-se a seguir: A Consulta (Query):
PREFIX dc: <http://purl.org/dc/elements/1.1/> SELECT ?title
WHERE { ?x dc:title ?title
FILTER regex(?title, "SPARQL") }
O Resultado da Consulta (Query Result): TITULO:
"Manual das Tecnologias para a Web Semântica"
No que diz respeito aos raciocinadores ou reasonners que permitem a concretização das inferências, destacamos os que suportam OWL: RACERPro (Haarslev e Moller, 2003); Pellet (Sirin et al., 2006); Fact++ (Tsarkov e Horrocks, 2004); e Bossam (Jang, 2004). Este último inclui suporte para a SWRL.
De referir que a framework Jena (McBride, 2002), ferramenta para o desenvolvimento de aplicações para a WS, suporta as linguagens RDF(S) e OWL e inclui alguns raciocinadores ou motores de inferência pré-construídos (RDFS rule reasoner, OWL FB reasoner, DAML
micro reasoner, Transitive reasoner, Generic rule reasoner), para além de permitir a criação
de novos motores de inferência.
As regras de inferência e os raciocinadores assumem cada vez mais um papel relevante, nomeadamente nos sistemas baseados em conhecimento, sistemas de interface inteligente e agentes inteligentes para a Web (ou mais especificamente para a WS). As plataformas para o desenvolvimento e gestão de agentes são abordadas detalhadamente na secção seguinte.
4.3- Resumo
A finalidade da Web Semântica passa pelo desenvolvimento de um modelo tecnológico que permita a partilha global de conhecimento assistida por máquinas. Nesta perspectiva, após mais de cinco anos de investigação em torno da visão da Web Semântica, nomeadamente através dos grupos RDF Core Working Group, Web Ontology Working
Group, Semantic Web Advanced Development, a 10 de Fevereiro de 2004, o consórcio W3C
publicou como recomendações definitivas duas tecnologias-chave para a WS: Resource
Description Framework (RDF) e Web Ontology Language (OWL).
RDF fornece um modelo para expressar os metadados, mas essa informação sobre os recursos de informação é insuficiente para perceber o seu significado. Torna-se necessário associar mais semântica à descrição RDF, ou seja, necessitamos de ontologias.
Este capítulo incidiu essencialmente sobre as tecnologias para as Camadas Semântica e Lógica. A semântica é expressa através de ontologias, enquanto que a lógica é definida através de regras.
Ao contrário das abordagens mais convencionais de representação do conhecimento, as ontologias fornecem um vocabulário aberto para descrever objectos de informação de uma determinada área do conhecimento, pelo que se assumem como fulcrais no âmbito da Web
Semântica. Não obstante, os mapas de tópicos têm vindo também a ser apresentados como uma alternativa viável, desde que usados numa perspectiva ontológica.
RDF por si só não permite criar ontologias; no entanto, ao permitir descrever vocabulários que representam o conhecimento sob a perspectiva das redes semânticas, constitui a base para outras linguagens com essa finalidade, tais como RDFS e OWL.
RDFS define as primitivas para a criação de ontologias simples. Sobre RDFS têm-se construído linguagens com primitivas mais expressivas e com maior capacidade de inferência, das quais se destaca a OWL.
Com a descrição da estrutura dos dados em XML, a representação da semântica simples desses dados em RDF(S) e a representação formal comummente aceite sobre o que significam esses dados em ontologias mais expressivas como OWL estão criadas as condições para que os agentes de software possam raciocinar sobre esses dados. Para realizar a inferência pode ser usada a linguagem SPARQL. No entanto, há situações em que as ontologias não expressam todo o conhecimento necessário para realizar a inferência. Assim, as regras de inferência, definidas por exemplo através da linguagem SWRL, proporcionam uma camada lógica básica para ampliar as capacidades dos agentes inteligentes na localização e recuperação de informação e na geração de conhecimento.
Este capítulo não teve como objectivo apresentar completamente a Camada Lógica, uma vez que essa camada, bem como as restantes camadas superiores da arquitectura para a WS ainda se encontram numa fase embrionária de desenvolvimento, não existindo por enquanto tecnologias recomendadas. Não obstante, as linguagens de regras e as linguagens de inferência apresentadas fornecem uma camada lógica básica que poderá evoluir à posteriori, uma vez que a arquitectura da WS é caracterizada pela escalabilidade.
Tal como referem Antoniou e Harmelen (2004), as linguagens e as tecnologias para os metadados, para as ontologias e para a lógica e a inferência são cruciais para o desenvolvimento da Web Semântica.
5
5--TTeeccnnoollooggiiaass
ppaarraa
oossAAggeenntteess
Este capítulo tem como principal objectivo esclarecer os conceitos de agentes de software e descrever os principais requisitos dos sistemas de agentes móveis e inteligentes. A mobilidade e a inteligência nos agentes não são conceitos recentes. Porém, com o projecto da Web Semântica estes conceitos assumem-se como propriedades decisivas para a realização de determinadas tarefas em nome do utilizador.
A recuperação de objectos de informação é um dos principais objectivos desta tese. Neste sentido, foi também incluído neste capítulo o estado da arte dos mecanismos de pesquisa de informação na Internet.
Finalmente, após descrever a arquitectura genérica para um sistema de agentes móveis, são apresentadas as principais infra-estruturas que suportam o desenvolvimento de aplicações baseadas em agentes móveis.