Waarom is dit belangrijk?
Met een semantische redeneerder kunnen computers verbanden afleiden die niet letterlijk in losse gegevens staan, zodat vragen een onderbouwd antwoord krijgen. In de techniek passen systemen dit toe op sensormetingen, waarbij herbruikbare regels uit die metingen bruikbare kennis halen. Medewerkers en onderzoekers krijgen daardoor op het werk sneller samenhangende antwoorden, maar fouten of gaten in die regels leiden ook tot verkeerde conclusies.
Zo werkt het in de praktijk
Het IBM Watson Research Center gebruikte de semantische redeneerder SHER voor patiëntendossiers. Samen met het Columbia University Medical Center zocht SHER dossiers die voldoen aan criteria van klinische studies. SHER doorzocht ook literatuur van de National Library of Medicine.
Aan de Vrije Universiteit Amsterdam vergeleken onderzoekers redeneerders voor grote ontologieën in het EL-profiel van OWL 2. Zij toetsten de hiërarchie van SNOMED CT aan de officiële afgeleide versie. Redeneerders verschilden sterk, dus een keuze vraagt eerst een toets van de eisen.
De W3C-standaard OWL 2 beschrijft profielen: beperkte vormen van de ontologietaal. Het EL-profiel past bij ontologieën met veel klassen, zoals SNOMED CT. Het RL-profiel werkt met regelmachines, en het QL-profiel beantwoordt vragen over grote gegevens in relationele databases.




