A Tool for Transforming Semantic Web Rule Language to SPARQL Infererecing Notation

Semantic web rule language (SWRL) combines web ontology language (OWL) ontologies with horn logic rules of the rule markup language (RuleML) family. Being supported by ontology editors, rule engines and ontology reasoners, it has become a very popular choice for developing rule-based applications on top of ontologies. However, SWRL is probably not going to become a WWW Consortium standard, prohibiting industrial acceptance. On the other hand, SPARQL Inferencing Notation (SPIN) has become a de-facto industry standard to represent SPARQL rules and constraints on semantic web models, building on the widespread acceptance of SPARQL (SPARQL Protocol and RDF Query Language). In this article, we argue that the life of existing SWRL rule-based ontology applications can be prolonged by converting them to SPIN. To this end, we have developed the SWRL2SPIN tool in Prolog that transforms SWRL rules into SPIN rules, considering the object-orientation of SPIN, i.e. linking rules to the appropriate ontology classes and optimizing them, as derived by analysing the rule conditions.

Implementasi Semantic Web Rule Language dalam Pemberian Rekomendasi Nutrisi Berbasis Ontologi

The recommendations or guidelines about nutrition are available from a various distinct source on the internet. On the other hand, nutritional information needed by each person is different according to physical condition or personal preferences of each individual. This becomes a bit complicated because every information provider on the internet has a different understanding in giving foodstuff references to certain nutrients. In this study, an ontology in nutrition domain knowledge was used. The ontology represents explicit specification of pregnancy nutrition domain knowledge. The ontology constructed consists of three basic concepts that is Person, Maternal Condition and PrenNutriFood. To support the provision of nutritional recommendation, three definitions were added to ontology that is determining energy estimates per day, determining the percentage of daily value (DV) of food ingredients and determining the claims of nutrient content in foodstuff. In this study, we implemented the Semantic Web Rule Language to formalize those definitions. Inference from each rule is generated through Pellet as an inference engine. Ontology has been successfully managed with rules and finally produce new knowledge containing the recommendations. The results of inference indicate the expansion of knowledge in ontology

A semantic enhanced framework for modeling and executing self-evolving educational and business processes towards personalized learning in higher education

Η παρούσα διδακτορική διατριβή προτείνει την ανάπτυξη ενός ολοκληρωμένου πλαισίου για την εξατομίκευση και παραμετροποίηση του σχεδιασμού των Διαδρομών Μάθησης (Learning Pathways), στοχεύοντας στην βελτιστοποίηση των προσφερόμενων υπηρεσιών από τα Τριτοβάθμια Εκπαιδευτικά Ιδρύματα. Προκειμένου να επιτευχθεί ο στόχος αυτός, ο τρόπος με τον οποίο οι διαδρομές μάθησης μπορούν να μετασχηματιστούν από μια αφηρημένη έννοια σε μοντέλο, σε διαδικασία βελτίωσης της ποιότητας και της αποδοτικότητας και σε τελικό προϊόν για ένα τριτοβάθμιο εκπαιδευτικό ίδρυμα περιγράφεται με τον εκπαιδευόμενο να βρίσκεται στο επίκεντρο αυτής της προσπάθειας. Το προτεινόμενο πλαίσιο EDUC8 (EDUCATE) φιλοδοξεί να επιλύσει τα προβλήματα των υφιστάμενων ερευνητικών προτάσεων, οι οποίες δεν επικεντρώνονται επαρκώς στην δυναμική εξέλιξη των «συνθηκών» μέσα στα εκπαιδευτικά ιδρύματα, των ενδιαφερόντων, των αναγκών, της ακαδημαϊκής κατάστασης και των στόχων των εκάστοτε εκπαιδευμένων καθώς και των διαθέσιμων εκπαιδευτικών επιλογών. Έτσι, επιτρέπει την σύσταση και εκτέλεση αυτο-εξελισσόμενων διαδρομών μάθησης, με τέτοιο τρόπο ώστε οι μαθητές να εκπαιδεύονται με ένα μοναδικό τρόπο βάσει της ακαδημαϊκής τους κατάστασης, προσωπικότητας, απαιτήσεων, ενδιαφερόντων και απόδοσης τους στις προσφερόμενες ακαδημαϊκές επιλογές. Επιπλέον, το EDUC8 πλαίσιο περικλείει ένα σετ παραμέτρων που καλύπτουν την οικονομοτεχνική διάσταση μιας διαδρομής μάθησης αποτελώντας έτσι ένα πολύτιμο εργαλείο για την βελτιστοποίηση και υπολογισμό των παρεχόμενων υπηρεσιών με ταυτόχρονη μείωση του αντίστοιχου κόστους.Ο κύριος ερευνητικός στόχος της παρούσας διδακτορικής διατριβής είναι ο καθορισμός και η υλοποίηση ενός ολοκληρωμένου πλαισίου για την παροχή εξατομικευμένων ακαδημαϊκών υπηρεσιών με στόχο τη βελτιστοποίηση της μάθησης σε συνδυασμό με την μείωση του κόστους για τα τριτοβάθμια ιδρύματα. Η συμβολή του προτεινόμενου πλαισίου μπορεί να συνοψιστεί σε τρεις άξονες:- την υλοποίηση του σημασιολογικού μοντέλου (οντολογίας), το οποίο στοχεύει στην αναπαράσταση του συνόλου των οντοτήτων που συμμετέχουν στη διαδικασία παροχής εκπαίδευσης και των σχέσεων τους χρησιμοποιώντας τεχνολογίες σημασιολογικού ιστού,- Την αναπαράσταση της γνώσης ακαδημαϊκής καθοδήγησης μέσω της υλοποίησης μιας βάσης κανόνων χρησιμοποιώντας Semantic Web Rule Language (SWRL) για την μοντελοποίηση της γνώσης και εμπειρίας των ειδικών του τομέα, και- τον σχεδιασμός των αλγορίθμων και των μεθόδων για την εξατομίκευση και την εξέλιξη των διαδρομών μάθησης, με βάση τις προτιμήσεις και τις παραμέτρους κάθε εκπαιδευόμενου καθώς και τις διαθέσιμες εκπαιδευτικές επιλογές.Προκειμένου να γίνει η αξιολόγηση του προτεινόμενου πλαισίου, σχεδιάστηκε και υλοποιήθηκε η απαραίτητη τεχνολογική υποδομή, ο πυρήνας της οποίας βασίζεται στη μεθοδολογία EDUC8 και σε μια σειρά τεχνολογιών σημασιολογικού ιστού. Η αρχιτεκτονική της ολοκληρωμένης υποδομής λογισμικού που έχει σχεδιαστεί υποστηρίζει δύο ξεχωριστές φάσεις: τη φάση σχεδιασμού και τη φάση εκτέλεσης. Κατά τη διάρκεια της φάσης σχεδιασμού, οι τελικοί χρήστες συντηρούν τη αποθηκευμένη γνώση εντός του συστήματος και υλοποιούν το κατάλληλο σύνολο σημασιολογικών κανόνων το οποίο μοντελοποιεί τη γνώση της περιοχής για τη σύνθεση της διαδρομής μάθησης. Κατά τη διάρκεια της φάσης εκτέλεσης, η πλατφόρμα λογισμικού εκτελεί όλες τις απαιτούμενες διαδικασίες που αναλαμβάνουν να υποστηρίξουν την πλήρως εξατομικευμένη και αυτο-εξελισσόμενη εκτέλεση της διαδρομής μάθησης για τη μοναδική περίπτωση του εκάστοτε εκπαιδευομένου. Στην παρούσα διδακτορική διατριβή, παρουσιάζεται το πλήρες σύνολο των υλοποιημένων διαδικτυακών γραφικών διεπαφών και η αντίστοιχη επιχειρησιακή λογική που αναφέρεται σε αμφότερες τις φάσεις του κύκλου ζωής των διαδρομών μάθησης.Το πρωτότυπο λογισμικού EDUC8 αναπτύχθηκε σε δύο ΑΕΙ. Τα αποτελέσματα της αξιολόγησης έδειξαν τη γενική ορθότητα της προτεινόμενης προσέγγισης και επιβεβαίωσαν ότι το πλαίσιο EDUC8 καλύπτει όλες τις καθορισμένες ερευνητικές προκλήσεις. Τέλος, η αξιολόγηση του πλαισίου EDUC8 παρείχε χρήσιμες και σημαντικές πληροφορίες για να αποτελέσει κίνητρο για μελλοντικές εξελίξεις και περαιτέρω ερευνητικές ευκαιρίες στον συγκεκριμένο τομέα.

A Rule-Based Reasoner for Underwater Robots Using OWL and SWRL

Web Ontology Language (OWL) is designed to represent varied knowledge about things and the relationships of things. It is widely used to express complex models and address information heterogeneity of specific domains, such as underwater environments and robots. With the help of OWL, heterogeneous underwater robots are able to cooperate with each other by exchanging information with the same meaning and robot operators can organize the coordination easier. However, OWL has expressivity limitations on representing general rules, especially the statement “If … Then … Else …”. Fortunately, the Semantic Web Rule Language (SWRL) has strong rule representation capabilities. In this paper, we propose a rule-based reasoner for inferring and providing query services based on OWL and SWRL. SWRL rules are directly inserted into the ontologies by several steps of model transformations instead of using a specific editor. In the verification experiments, the SWRL rules were successfully and efficiently inserted into the OWL-based ontologies, obtaining completely correct query results. This rule-based reasoner is a promising approach to increase the inference capability of ontology-based models and it achieves significant contributions when semantic queries are done.

SWRLx

Although OWL (Web Ontology Language) and SWRL (Semantic Web Rule Language) add considerable expressiveness to the Semantic Web, they do have expressive limitations. For some reasoning problems, it is necessary to modify existing knowledge in an ontology. This kind of problem cannot be fully resolved by OWL and SWRL, as they only support monotonic inference. In this paper, the authors propose SWRLx (Extended Semantic Web Rule Language) as an extension to the SWRL rules. The set of rules obtained with SWRLx are posted to the Jess engine using rewrite meta-rules. The reason for this combination is that it allows the inference of new knowledge and storing it in the knowledge base. The authors propose a formalism for SWRLx along with its implementation through an adaptation of different object-oriented techniques. The Jess rule engine is used to transform these techniques to the Jess model. The authors include a demonstration that demonstrates the importance of this kind of reasoning. In order to verify their proposal, they use a case study inherent to interpretation of a preventive medical check-up.

Finding Knowledge from Indonesian Traditional Medicine using Semantic Web Rule Language

One of the natural resources in Indonesia is a lot of plants which can be used in healing diseases. Thosekinds of plants can be used in “Jamu”. Jamu is a name given to traditional medicine in Indonesia. Usually Jamu is composed from several plants as ingredients. Particularly, some parts of the plant like the leaves, roots, or branches have different purpose in Jamu. Nowadays the knowledge about Jamu can be known by building Ontology. Ontology can be built and developed to enrich the content. Knowledge in Ontology is built by several rules using Semantic Web Rule Language (SWRL).Knowledge gained from SWRL is easily searchable so that users can double check the results obtained.