Abstract
Ontologien werden zur Klassifizierung von Dokumenten im Semantischen Web herangezogen, ähnlich der Literaturklassifizierung in einer Bibliothek. Sie definieren im allgemeinen die Semantik der Daten in Form eines Schemas, einzelne Dokumente werden gemäß diesem Schema eingeordnet.
Hierbei wird zwischen der Schemaebene (Modellierung der Semantik) und der Instanzebene (Zuordnung tatsächlicher Dokumente zu diesem Schema) unterschieden.
Das W3C verabschiedete kürzlich den Standard OWL (Web Ontology Language) zur Erstellung einer Ontologie. OWL Dokumente sind in einer XML-Struktur abgelegt. Bestehende Ontologie-Parser arbeiten nach dem DOM-Prinzip und halten die gesamte Struktur im Speicher fest.
Ziel der Arbeit soll es sein:<ul>
<li>Allgemeine Eigenschaften und Unterschiede zwischen Schemaebene und Instanzebene einer Ontologie zu definieren
<li>Vorgehensweisen und Methoden zu ermitteln, um Instanzen von Ontologien zu bilden, z.B.: durch die Konvertierung des bestehenden Datenmaterials (existieren bereits Konverter o.ä., Einsatz von XSLT sinnvoll?)
<li>Vorgehensweisen ermitteln, wie Instanzdaten im Internet zur Verfügung gestellt werden können (z.B.: in HTML, als eigenes Dokument usw.)
</ul>
Praxisteil umfasst die Implementierung eines SAX-Parsers für OWL-Dokumente.
| Original language | German (Austria) |
|---|---|
| Publication status | Published - Oct 2005 |
UN SDGs
This output contributes to the following UN Sustainable Development Goals (SDGs)
-
SDG 9 Industry, Innovation, and Infrastructure
-
SDG 16 Peace, Justice and Strong Institutions
Fields of science
- 102001 Artificial intelligence
- 102006 Computer supported cooperative work (CSCW)
- 102010 Database systems
- 102014 Information design
- 102015 Information systems
- 102016 IT security
- 102028 Knowledge engineering
- 102019 Machine learning
- 102022 Software development
- 102025 Distributed systems
- 502007 E-commerce
- 505002 Data protection
- 506002 E-government
- 509018 Knowledge management
- 202007 Computer integrated manufacturing (CIM)
- 102033 Data mining
- 102035 Data science
Cite this
- APA
- Author
- BIBTEX
- Harvard
- Standard
- RIS
- Vancouver