PENDEKATAN DAN ARSITEKTUR WEB SEMANTIK
Banyak yang melihat semantic web sebagai
evolusi yang tepat dari World Wide Web. Ide ini didasarkan pada kenyataan saat
ini, bahwa ada banyak konten online di web bagi manusia untuk menemukan
informasi yang relevan tanpa bantuan mesin cerdas. Para pendukung untuk
pengembangan menuju web semantik yang dipimpin oleh Tim Berners-Lee
mengidentifikasi tiga pilar pendukung (Berners-Lee et al. 2001). Pertama, mark up-semantik (pemasok
informasi), yaitu mereka yang memproduksi isi web, akan menyediakan semantik
mark up halaman web di masa depan. Kedua, agen perangkat lunak cerdas (yang
mampu menarik kesimpulan dari isi) harus dikembangkan untuk mencari dan
memproses seperti semantik mark up halaman Web. Dan ketiga, ontologi komputasi
- produsen isi web dan agen perangkat lunak harus berkomitmen untuk pemahaman
yang disepakati bersama, umumnya dikenal sebagai ontologi, untuk membuat isi
juga dimengerti untuk mesin. Menurut pembagian tugas, kita bisa
mengidentifikasi tiga teknologi inti: The markup semantik menggunakan XML
sebagai format pembawa dan RDF (Resource Description Framework) sebagai format
encoding pertama tingkat semantik untuk menemukan dan menggambarkan isi web.
Semantik ontologi kami setujui untuk dikodekan dalam RDF-kode dengan
menggunakan bahasa deskripsi khusus (tingkat kedua) yaitu Ontologi Web Language
(OWL). Jadi, OWL berbasis mark up-semantik tertanam dalam RDF, yang pada
gilirannya dikodekan dalam XML. Para agen perangkat lunak harus memahami
setidaknya satu ontologi, bisa mencari atau meminta isi web yang mungkin
menarik bagi pengguna akhir sesuai dengan ontologi agen dan pencarian istilah,
akhirnya membentuk komponen aktif dari Semantic Web. Secara keseluruhan,
Semantic Web tidak diragukan lagi karena masih dalam masa pertumbuhan, namun
banyak peneliti dan teknologi dari industri lingkungan yang berpikir bahwa itu
adalah teknologi yang menjanjikan untuk masa depan yang akan memiliki pengaruh
besar, terutama pada "pencari informasi/pengetahuan" akan menggunakan
WWW dalam pekerjaan mereka, di tahun-tahun yang akan mendatang.
Dasar-dasar dari Semantic Web
Semantic web atau web semantik merupakan
salah satu perkembangan pada aplikasi web. Menurut bahasa, web semantik
mempunyai arti web yang memiliki makna. Dengan kata lain, web semantik
merupakan suatu aplikasi web yang mempunyai knowledge base tertentu sehingga
bisa dikatakan web semantik mempunyai sifat lebih pintar dari web sebelumnya.
Salah satu contoh dari web semantik adalah web tersebut bisa merekomendasikan
sesuatu kepada user sesuai dengan interest usernya masing-masing. Dengan
demikian, bisa jadi ketika beberapa orang mengakses satu alamat web yang sama,
konten atau isi dari halaman web tersebut tidak akan sama. Salah satu contoh
dari web semantik adalah igoggle. Ketika pertama kali membuka igoogle, kita
akan diminta untuk mengisi lokasi tempat kita berada, setelah itu baru kita
menuju ke halaman beranda igoogle. Dengan demikian, bisa jadi isi dari halaman
beranda igoogle akan berbeda-beda sesuai dengan lokasi yang diisikan
sebelumnya, baik itu dari isi berita, suhu udara, dan yang lainnya. Adapun dasar-dasar
yang membangun web semantik antara lain: pertama, penggunaan agen perangkat
lunak, yang dapat memindai Web untuk informasi yang berguna atas nama
kontraktor manusia, kedua, penggunaan deskripsi baru bahasa markup untuk
semantik ruang pengetahuan untuk para agen perangkat lunak, yang tidak memahami
bahasa manusia lagi, sehingga mereka dapat berkomunikasi didasarkan pada logika
formal yang terbaik, dan ketiga, penciptaan dan penggunaan standar yang
diterima secara luas untuk struktur pengetahuan, sistematis dalam ontologi.
1.
Agen perangkat
lunak
Penggunaan
agen perangkat lunak dimotivasi oleh kekayaan informasi, yang membuat sebuah pencarian
"manual" semakin sulit dan lambat. Meskipun kita bisa membayangkan mesin
pencari yang mengembangkan gambar lebih tepat dari kebutuhan informasi
pengguna, ada risiko yang melekat menjadi transparan masyarakat, karena mereka
memerlukan rincian pribadi individu untuk disimpan di satu lokasi pusat. Jadi,
pendekatan ini tidak mewakili model bisnis yang menarik dari sudut pandang
pengguna. Di Sebaliknya, gagasan pribadi "soft-bot", yang bertanggung
jawab kepada pemiliknya saja, tampaknya jauh lebih menarik, disediakan hak
mereka untuk non-pelanggaran secara hukum dijamin dan didukung oleh teknologi
(misalnya, enkripsi). Sebuah sintesis mungkin dan bermakna mesin pencari dan
agen teknologi bisa terdiri dalam bahwa agen pribadi mendaftar pemiliknya
secara anonim dengan pencarian mesin, sehingga baik kebutuhan personalisasi
dalam e-bisnis (untuk mengumpulkan kebutuhan pelanggan) dan privasi individu
dapat diperhitungkan. Wooldridge (2002) menggunakan "agen" istilah
untuk menunjukkan sebuah sistem perangkat lunak berbasis komputer yang memiliki
sifat sebagai berikut:
a. Otonomi:
Agen beroperasi tanpa campur tangan langsung dari manusia, dan memiliki
beberapa jenis kontrol atas tindakan mereka dan negara internal.
b. Kemampuan
sosial: Agen berinteraksi dengan agen lain dan manusia dalam beberapa jenis
komunikasi agen bahasa.
c. Reaktivitas:
Agen melihat lingkungan mereka dan merespon secara tepat waktu terhadap
perubahan yang terjadi di dalamnya. Ini bisa berarti bahwa agen menghabiskan
sebagian besar waktunya dalam semacam tidur negara dari yang terjaga akan jika
perubahan tertentu dalam lingkungannya menimbulkan itu.
d. Proaktif:
Agen tidak hanya bertindak sebagai tanggapan terhadap lingkungan mereka, mereka
mampu menunjukkan tujuan-diarahkan perilaku dengan mengambil inisiatif.
e. Temporal
kontinuitas: Agen terus menjalankan proses (baik aktif dalam
foreground atau tidur / pasif di latar belakang), tidak sekali-satunya perhitungan atau script yang memetakan input tunggal ke output tunggal dan kemudian mengakhiri.
foreground atau tidur / pasif di latar belakang), tidak sekali-satunya perhitungan atau script yang memetakan input tunggal ke output tunggal dan kemudian mengakhiri.
f. Tujuan
orientedness: Agen mampu menangani kompleks, tinggi tingkat tugas. Agen sendiri
harus membuat keputusan bagaimana tugas seperti itu sebaiknya dibagi menjadi sub-tugas
yang lebih kecil, dan di mana urutan dan dengan cara bagaimana para sub-tugas
harus dilakukan yang terbaik. Sifat-sifat yang diinginkan termasuk mobilitas
(kemampuan agen untuk bergerak dalam jaringan), kejujuran (asumsi bahwa agen
tidak akan dengan sengaja mendistribusikan informasi yang salah), kebajikan
(asumsi bahwa setiap agen akan selalu mencoba untuk melakukan apa yang diminta
dari itu), rasionalitas (asumsi bahwa agen akan selalu bertindak untuk mencapai
tujuan), dan adaptivitas (kemampuan agen untuk menyesuaikan diri dengan
kebiasaan pengguna-nya, metode kerja, dan preferensi). Akibatnya, agen harus memiliki
fungsi yang cukup untuk dapat memenuhi persyaratan ini. Secara khusus, mereka
harus memiliki pola-pola tertentu tindakan dan komunikatif kemampuan. Selain
itu, agen harus memiliki keterbatasan kemampuan kognitif untuk melihat
perubahan mereka "lingkungan". Salah satu arsitektur agent awal disebut
"Icarus" menunjukkan fungsi yang seharusnya berinteraksi dalam agen
(Langely et al. 1991).
2.
Peran Semantic Markup
Agar agen
perangkat lunak bisa mengenali apakah informasi yang ditemukan di WWW dapat
digunakan untuk tujuan tertentu, World Wide Web Consortium (W3C) yang
ditentukan bahwa halaman web harus menyertakan catatan meta-data yang sesuai
untuk interpretasi oleh perangkat lunak dalam pemesanan yang berguna untuk Web
Semantic. Salah satu bahasa pertama untuk markup semantik adalah SHOE (Simple
Ontologi ekstensi HTML, Lukas et al. 1997). DAML + OIL (DARPA Agen Markup
Bahasa dengan Layer Inference Ontologi) dikembangkan di kemudian hari, dan
menyebabkan inisiatif dengan nama "OWL" (Web Ontologi Bahasa) pada
tahun 2002.
Bagian 14.2
memperkenalkan OWL. Namun, SHOE yang merupakan bahasa asli masih berguna karena
bentuknya yang sederhana, sehingga
menawarkan wawasan yang lebih baik apa yang harus dicapai oleh markup semantik
menawarkan wawasan yang lebih baik apa yang harus dicapai oleh markup semantik
Gambar 14-2
menunjukkan bagaimana SHOE dapat digunakan untuk deskripsi semantik halaman Web
seorang profesor universitas
(http://www.cs.umd.edu/users/hendler/sciam/step2.html).
(http://www.cs.umd.edu/users/hendler/sciam/step2.html).
Contoh pada
Gambar 14-2 menggambarkan sebuah contoh (Dr Hendler, profesor universitas), referensi
ontologi (cs-dept-ontologi) dengan cara yang terstruktur, sehingga misalnya
untuk mengungkapkan di mana profesor memperoleh gelar akademik ( ). Seorang agen yang memahami SHOE
sekarang dapat menemukan universitas mana Pak Hendler memperoleh gelar doktor,
dan mungkin bisa berkomunikasi dengan agen universitas itu untuk mengetahui
apakah informasi ini benar. Penggunaan bahasa standar untuk markup semantik
adalah penting, karena kita dapat memahami dari pembahasan di atas.
VERSION="1.0"
PREFIX="cs"
URL="http://www.cs.umd.edu/projects/plus/SHOE/cs.html">
FOR="http://www.cs.umd.edu/users/hendler/">
VALUE="http://www.cs.umd.edu/projects/plus/">
VALUE="http://www.cs.umd.edu/users/hendler/">
VALUE="http://www.cs.umd.edu/users/hendler/">
VALUE="http://www.cs.umd.edu/projects/plus/">
VALUE="http://www.cs.umd.edu/users/hendler/">
Gambar 14-2 Menggunakan SHOE untuk
markup semantik dari
halaman Web.
3.
Peran Semantik Ontology
Ontologi
adalah konseptualisasi yang memodifikasi pengetahuan
para ahli dalam bentuk yang dapat
dipahami dan direkonstruksi
oleh para ahli. Jika semantik mereka non-formal, maka gagasan mereka hanya diukur sebagai tingkat konsensus
informal antara pengguna dari ontologi. Jika
ontologi tersedia dalam bentuk teori axiomatized
yang memungkinkan interpretasi model-teori, maka semantik
yang bersifat formal, memungkinkan pernyataan tentang kebenaran logis untuk diperiksa. Berkaitan dengan ontologi setidaknya memiliki dua akar di informatika,
yaitu pemodelan data sebagai bagian dari penelitian database, dan representasi
pengetahuan sebagai bagian dari
penelitian di bidang kecerdasan buatan (AI). Sebagai contoh, database memiliki "ontologi" eksplisit, yaitu skema
database didasarkan pada model
data. Namun, skema ini biasanya memetakan bagian
yang sangat terbatas dari dunia
nyata ke dalam komputasi sistem, karena aplikasi
database mengarahkan dirinya untuk
masalah masing-masing, sehingga
yang cocok untuk kesimpulan logis
hanya dalam batas-batas yang sempit. Dalam prakteknya, seperti skema yang ditafsirkan
hanya oleh aplikasi tertentu, yang menggunakan skema untuk mengakses data.
AI melihat lebih
luas dengan mempelajari domain
seluruh aplikasi yang berkembang dalam jaringan semantik dan sistem aturan
berdasarkan logika predikat. AI telah mengembangkan berbagai
deskripsi formalis untuk model domain, termasuk
bahasa deskripsi spesifik
untuk ontologi.
untuk ontologi.
OWL
OWL atau Web Ontology
Language merupakan bahasa untuk mendefinisikan dan menginstansiasi
ontologi sebuah web. Sementara itu ontology merupakan ilmu untuk
mendeskripsikan jenis-jenis entitas yang ada di dunia dan bagaimana mereka
terkait satu sama lain. Sebuah ontologi OWL mencakup deskripsi dari sebuah
kelas, properti, dan instansiasi kelas tersebut.
OWL dibangun di atas skema RDF.
OWL dan RDF memiliki fungsi dasar yang sama: mendefinisikan kelas, properti,
dan relasi. Meski demikian OWL menawarkan kapabilitas lebih daripada RDF dalam
mendefinisikan relasi-relasi yang kompleks seperti subClass, restriction,
disjoint, constraint, dan juga cardinality. Di dalam dunia web
sekarang ini, pengembangan web yang ada hanya memfokuskan pengguna kepada
pengguna manusia. Dengan menggunakan HTML, data yang ditampilkan dalam sebuah
web hanya berisi informasi yang sifatnya presentasi bagi manusia. Jika sebuah
mesin membaca dokumen tersebut maka mesin hanya dapat menerima data tersebut
dan bagaimana data tersebut ditampilkan dalam browser. Mesin tidak
dapat menerima pengetahuan (knowledge) apa yang terkandung di dalam
data tersebut.
RDF (Resource Description Format)
RDF merupakan
format XML yang memiliki fungsi sebagai metadata yakni untuk memberikan
representasi knowledge dari data. Sebuah model data RDF memiliki 4 buah
aturan
- Sebuah fakta direpresentasikan dalam bentuk triple Subject – Predicate – Object atau lebih dikenal sebagai statement.
- Baik Subject, Predicate, dan Object merupakan sebuah entitas atau sering disebut resource dan node. Entitas dapat melambangkan benda, orang, website, keadaan, dan relasi.
- Nama yang digunakan merupakan URI yang selalu menunjuk pada entitas yang sama.
- Obyek dapat berupa teks atau literal dan dapat direpresentasi baik menggunakan tipe data pada XML Schema ataupun tidak.
Semantic
Web disusun dari komponen-komponen sebagai berikut
- Statement
Statement adalah bagian dasar dari Semantic Web. Sebuah statement terdiri dari elemen yang membentuk triple. Sebuah triple terdiri dari subject, predicate, dan object. Statement mendefinisikan struktur informasi, instansiasi, dan batasan struktur. - Universal Resource Identifier
URI mendefinisikan nama unik untuk setiap item yang dikandung dalam sebuah statement yang tersebar di seluruh internet.Setiap komponen dari statement (subject, predicate, object) memiliki URI sebagai indentitas di seluruh WWW.
- Language
Sebuah statement diekspresikan dengan menggunakan bahasa Semantic Web. Bahasa ini terdiri dari sekumpulan kata kunci yang menyediakan instruksi bagi tools untuk Semantic Web. - Ontology
Sebuah Ontology terdiri dari banyak statement yang mendefinisikan konsep, relasi, dan constraint. Ontology analog dengan skema basis data dan diagram kelas pada pemrograman berorientasi obyek. Ontology digunakan untuk informasi model untuk domain. - Instance Data
Instance data adalah sebuah statement yang berisi informasi mengenai instansiasi spesifik. Hal ini analog dengan sebuah obyek dari sebuah kelas dalam konteks pemrograman berorientasi obyek.
- Construction Tools
Kakas ini berguna untuk mengkonstruksikan Semantic Web dengan pembuatan statement untuk ontology atau instance.
- Interrogation Tools
Kakas ini berguna untuk melakukan navigasi pada sebuah Semantic Web dan memberikan jawaban dari permintaan pengguna. Metode interogasi dapat bervariasi mulai dari pembuatan graf sampai query.
- Reasoner
Reasoner berguna untuk menambahkan inferensi pada Semantic Web. Dengan adanya inferensi, makna dari statement yang ada dari sebuah Semantic Web akan bertambah. - Rules Engine
Rules engine berguna untuk mendukung inferensi melebihi apa yang dapat dideduksikan oleh logika yang sudah ada. Rules engine menambahkan dimensi baru pada konstruksi knowledge dari sebuah Semantic Web. Rule memungkinkan penggabungan ontology dengan kegiatan logic lainnya seperti pemrograman.
- Semantic Framework
Framework yang berguna untuk mengintegrasikan hal-hal di atas.
0 komentar:
Posting Komentar