Zum Prinzip der Objektdarstellung in SGML - Institut für ...

Vortrag auf der 5. Tagung der Deutschen Sektion der Internationalen Gesellschaft für
Wissensorganisation (ISKO)
7.-10. Oktober 1997,
Institut für Bibliothekswissenschaft - Humboldt-Universität zu Berlin
Zum Prinzip der Objektdarstellung in SGML
Iris Schwarz und Walther Umstätter, Humboldt-Universität zu Berlin
Zusammenfassung
SGML ist eine Metasprache die geeignet ist Texte in natürlicher Sprache mit zusätzlichen
Strukturen zu versehen und somit die Voraussetzung zu schaffen Volltextindexierungen
in einer Weise vorzunehmen, wie dies bislang nicht möglich war. Der rasant
zunehmende Bekanntheitsgrad der SGML liegt zweifellos an der bekanntesten Document
Type Definition (DTD) im Rahmen der SGML, der Hypertext Markup Language (HTML),
wie wir sie im Internet finden. Darüber hinaus erfüllt SGML je nach DTD die Bedingungen,
die Objektorientiertheit unserer natürliche Sprache mit ihren definierbaren Begriffen
sinnvoll zu unterstützen und beispielsweise mit Hilfe der objektorientierten Programmiersprache
JAVA zu verarbeiten. Besonders hervorzuheben ist die sich damit
verändernde Publikationsform bei wissensbasierten Texten, in denen SGML-
Dokumente nicht mehr nur für sich zu betrachten sind, wie Zeitschriftenaufsätze oder
Bücher, sondern die darüber hinaus in Form von Wissenselementen in einer Daten- und
Wissensbank organisiert und recherchierbar zu machen sind.
Einleitung
Wenn hier von Philosophie die Rede sein soll, so geschieht dies weniger im Sinne der
Liebe zur Weisheit, als vielmehr im Sinne eines Strebens "nach Erkenntnis des Zusammenhanges
der Dinge in der Welt", wie es im Duden unter diesem Stichwort heißt. Dieser
Zusammenhang der Dinge ist in unserer natürlichen Sprache durch die Syntax gegeben,
womit wir bereits auf eine wesentliche Eigenschaft der "Standard Generalized Markup
Language" (SGML) gekommen sind. Die SGML basiert zunächst auf der natürlichen
Sprache, die wir im allgemeinen in Computern als ASCII-Text niederlegen. Bei Bedarf
kann allerdings über diesen "American Standard Code for Information Interchange" mit seinen
2 7 = 128 Zeichen (bzw. im erweiterten ASCII mit 2 8 Zeichen) hinaus auch der Unicode
mit 2 16 verschiedenen Zeichen verwendet werden.
Die Objektorientiertheit der Natürlichen Sprache
Die Dinge, die in unserer natürlichen Sprache in Zusammenhang gebracht werden,
könnte man auch als Objekte bzw. zur Abgrenzung von materiellen Objekten als Informationsobjekte
bezeichnen. Damit kann unsere natürliche Sprache als objektorien-

tiert angesehen werden, da unsere Benennungen und Bezeichnungen von Begriffen solchen
Objekten Namen geben, durch die sie eindeutig identifizierbar sind.
Der Begriff objektorientierte Programmierung ist eng mit der Programmiersprache
Smalltalk verbunden und geht auf eine Idee zurück, die A. Kay 1970 formulierte. Es
begann damit, daß man im Xerox-PARC (Palo Alto Research Center) Dialogschnittstellen
von Benutzern testen ließ. Dabei entstand ein System, das dem Menschen bei der Suche
nach Begriffen sowie von Strukturen in komplexen Zusammenhängen entgegenkommt.
Insofern ist es kein Zufall, daß die Begrifflichkeit der Menschen und Objektorientierung
miteinander verwandt sind.
Im Zusammenhang mit der Wissensorganisation ist es nicht unwichtig die Frage zu stellen,
ob sich menschliches Denken auf Sprache oder auf Begriffe stützt, da auch unsere
gesamte Begriffswelt die Kennzeichen von Informationsobjekten im Sinne der objektorientierten
Programmierung in sich tragen. Sie können klassifiziert werden, zeigen Vererbung
und Polymorphismus und brauchen zu ihrer Identifizierung möglichst exakte
Definitionen.
W. von Humboldt war noch der Vorstellung gefolgt, daß sich das Denken der Menschen
auf unsere Sprache stützt. Gegen diese Ansicht, die sich auch mit der Vorstellung
verbindet, daß verschiedene Sprachkulturen zu unterschiedlichem Denken führen,
spricht, daß wir nicht selten in die Situation geraten einen Begriff verbalisieren zu wollen,
für den uns die Worte fehlen. Andererseits haben wir es bei den Homonymen mit
Worten zu tun, die trotz klarer Begrifflichkeit, verbale Kollisionen erkennen lassen.
Die Neurophysiologie der letzten Jahrzehnte hat klare Belege dafür, wie wir durch komplexe
neuronale Muster Begriffswelten in unserem Gehirn aufbauen und umgestalten,
die über das Brocasche Zentrum verbalisiert werden. Es ist also eher so, daß unsere
Begriffswelt die Sprache beeinflußt.
Die Kategorisierung sprachlicher Objekte
Aus diesem Grund konnte Aristoteles seine Philosophie aus natürlicher Sprache ableiten,
indem er ohne jede Verbindung gesprochene Wort in zehn Kategorien einzuteilen
vermochte:
1. Substanz 2. Quantität
3. Qualität 4. Relation
5. Wo 6. Wann
7. Lage 8. Haben
9. Wirken oder ein 10. Leiden
Ranganathan hat diese perspektivische Kategorisierung, die er in Anlehnung an die Insektenaugen
als Facettenklassifikation bezeichnete, vereinfacht auf:
1. Personality 2. Matter 3. Energy 4. Space 5.Time

Unter dem Aspekt der Objektorientierung unserer Begriffswelt haben wir es allerdings
mit sehr viel mehr Klassen zu tun, weil es ein wesentliches Merkmal von Objekten ist,
daß alle Begriffe nicht nur bestimmte Eigenschaften enthalten, sondern damit auch O-
perationen einschließen, die mit ihnen möglich sind.
Die Möglichkeiten der Objektorieung von SGML
Durch die Metasprache SGML können wir Objekte auf einer der natürlichen Sprache
übergeordneten Ebene so in Zusammenhänge bringen, daß diese auch von einer objektorientierten
Programmiersprache wie JAVA erkannt und operativ verarbeitet werden
können.
Außerdem erlaubt SGML damit die Indexierung von Volltexten und die Animation von
Objekten wie Bilder, Bewegtbilder oder Töne. Sie alle können auf der Metaebenen mit
Hilfe eines Thesaurus hierarchisch strukturiert werden. Ebenso wie die Begriffe in unserem
ratiomorphen Apparat, den wir Gehirn nennen, ihre Begrenzungen und Überlappungen
durch benachbarte bzw. verwandte Begriffe erfahren und wir auch versuchen
diese Begriffswelt durch Wortfelder in unserer natürlichen Sprache abzubilden, vermögen
wir ein noch stärker vereinfachtes und damit leichter überschaubares Begriffsnetz
im Thesaurus darzustellen.
Neben Objekten, neuronalen Netzen, logischen Deduktionen, semantischen Netzwerken,
semantischen Thesauri, regelbasierten Systemen, sogenannten Scripts und unsere
natürlichen Sprache, können wir mit Hilfe der SGML auch sogenannte Frames zur Wissensdarstellung
einsetzen. Solche Frames erlauben die Bildung von vernetzten Wissenselementen,
unter denen wir hier eine Einheit aus einer Information und ihrer Begründung
verstehen.
Der Einsatz von Frames und Slots
Die Vorstellung der Strukturierung von Wissen in Frames und Slots geht auf Marvin
Minsky zurück. Sie wurde Mitte der siebziger Jahre (Minsky, M.: A Framework for Representing
Knowledge) entwickelt und fand eine weite Verbreitung in der Künstlichen Intelligenz
sowie vielen Wissensbanken.
In den Frames kann in der festen Datenstruktur zur Repräsentation organisierten Wissens
- hier im Sinne der Information und ihrer Begründung - deklarative und prozedurale
Information in festen Relationen zu semantisch vernetztem Wissen geführt werden.
Jedes Objekt ist als ein spezieller Frame zu betrachtet. Die Slots in einem Frame sind
Werte bzw. Facette in denen sich die jeweils erlaubten Werte- in zulässigen Toleranzbereichen
einbetten lassen.
Primitive Frames dienen zunächst zur Beschreibung von Objekten. Sie können allerdings
durch entsprechende Klassenbildung und polyhierarchische Strukturen, bis hin zu
mehrdimensionalen Vernetzungen, in ihrer Gesamtheit sehr komplexe Tatbestände
wiedergeben. Solche polyhierarchische Strukturen müssen biogenetisch evolutionär
wachsen. An dieser Stelle erkennt man wohl am schönsten die Bedeutung dieser Be-

trachtungsweise für die Organisation von Wissen und damit auch die Bedeutung der
SGML für die ISKO und für das moderne Dokumentationswesen bzw. für die Digitale
Bibliothek.
Beim Einsatz von Frames kann Wissen auf der Basis von SGML hierarchisch organisiert
werden, wobei die algorithmische Aneinanderreihung von Prozeduren mit SGML und
der objektorientierten Programmiersprache JAVA im Rahmen der Inferenzmaschinenbildung
möglich ist. Die Ausgabe von Expertenwissen in natürlicher Sprache kann dabei
als ein besonderer Vorzug gewertet werden. Aus diesem Grunde eignen sich Frames, im
Sinne von semantischen Thesauri, besonders als Basis für Inferenzmaschinen.
Die Darstellung semantischer Thesauri
Das Unified Medical Language System (UMLS) ist ein Langzeitprojekt der amerikanischen
National Library of Medicine, dessen Ziel ein intelligentes automatisiertes
System mit "Verständnis" für biomedizinische Begriffe und ihre Beziehungen untereinander
ist, das mit Hilfe eines semantischen Thesaurus erreicht wird. Dabei hat
man auf eine Reihe von bereits bestehenden Thesauri in der Medizin zurückgegriffen
und diese miteinander in Verbindung gebracht. Ähnliche Ansätze für semantische
Thesauri finden wir bei CYC und ebenso beim WordNet von der Princton University,
zu denen sich näheres im Internet finden läßt. Auch bei BIOSIS hat man schon vor
mehreren Jahren Versuche unternommen, auf der Basis von Frames und Slots, Hilfestellungen
zum Intelligent Information Retrieval (IIR) zu leisten, indem man die
Klassifikation der Biological Abstracts mit Semantik versah. Im Rahmen einer
deutsch-französischen Zusammenarbeit versucht man auch im Neurodoc-Projekt die
Semantik von Deskriptoren darstellbar zu machen.
Keines dieser bekannten Projekte nutzte bisher die SGML und ihre Möglichkeiten, obwohl
sie sich aus den bereits genannten Überlegungen anbietet, weil die meisten dieser
semantischen Thesauri ihren Ursprung zu einer Zeit hatten, als man die Möglichkeiten
der SGML noch nicht so klar wie heute erkennen konnte.
Wissenselemente als spezielle Objekte
Eine der wichtigsten Voraussetzungen für jede Wissenschaft und damit auch für das
Wissen selbst, ist eine möglichst präzise definitorische Grundlage. Sie baut sich auf der
semantischen Vernetzung ihrer Begrifflichkeiten und damit auch aus der jeweiligen Begrenzung
der benachbarten Wortfelder auf. Damit bietet sich das Prinzip der Objektdarstellung
in SGML für die Sammlung von Wissenselementen im Sinne von definierten
vernetzten Objekten geradezu zwingend an. Wissenselemente als Frames und Slots in
SGML-manier gestaltet und mit definitorisch-semantischen Begründungen versehen
lassen sich in beliebiger Zahl sammeln und hypermedial verlinken.
Durch den in den letzten Jahren fast unbemerkt abgelaufenen bibliothekarischdokumentarischen
Paradigmenwechsel werden heute im Internet zunehmend HTML-
Dokumente abgelegt und durch Indexdateien wie Altavista, HotBot etc. weltweit im

Volltext erschlossen. Dagegen erzeugten Bibliothekare und Dokumentare bislang Dokumente
mit fester Struktur und Indexierungen, die sie in bestimmte Datenbanken importierten,
um sie so recherchierfähig zu machen. Darüber hinaus war es bislang lediglich
das Ziel der Dokumentation das Wissen der Welt durch Indexierung zu erschließen.
Dagegen beginnen wir nun Strukturen zu schaffen, in denen wir das Wissen der Welt
direkt digital verfügbar machen, indem wir es im Volltext metasprachlich neu organisieren.
Abb. 1 macht deutlich, daß wir aus einer Vielzahl von Wissenselementen, die aus möglichst
klaren Definitionen bestehen, und die aus Erläuterungen, Relationierungen
und Vernetzungen heraus ihre Begründung erlangen, ein höchst komplexes
Gedankengebäude aufbauen können, das durch zusätzliche Indizes beliebig
erschlossen werden kann. Andererseits ist natürlich eine Navigation durch die
logische Folge der Dokumente möglich. Durch eine fragenorientierte Systematik
können die Wissenselemente auch als Antworten zur Beseitigung von Unwissen
eingesetzt werden.
Im Zusammenhang mit den Intelligent Information Retrieval Systemen lassen sich auf
diesem Wege auch beispielsweise Suchhilfen bei der Auswahl von Datenbanken, beim
Einsatz der jeweiligen Retrievalsprache oder auch bei der Auswahl der jeweils richtigen
Suchbegriffe, wie bei UMLS oder bei WordNet , anbieten.