Begreppsverktyg för M&S-portalen - Institutionen för datavetenskap ...

Begreppsverktyget för 

M&S-portalen 

Jon Larsson 

11 juni 2007 

Examensarbete i datavetenskap, 20 poäng 

Handledare på CS-UmU: Jan-Erik Moström 

Examinator: Per Lindström 

Umeå Universitet 

Institutionen för datavetenskap 

SE-901 87 UMEÅ 

SWEDEN

Sammanfattning 

För att lösa kommunikationsproblem på grund av att termer tolkas olika har en webbapplikation 

skapats. Applikationen, kallad Begreppsverktyget, kan hantera terminologier där 

termer inom ett fackområde kopplas till definitioner av begrepp. Inom en terminologi kan 

flera termer kopplas till ny definition av ett begrepp, eller en existerande. Termer kan ges 

prioritetsordning för användning med en skala från rekommenderad till förbjuden. Webbapplikationen 

kartlägger när en term med en viss användning börjar användas, och när 

denna användning slutar att gälla. Begrepp kan definieras genom textuella beskrivningar 

och genom relationer till andra begrepp. Definitioner av begrepp kan hittas genom att 

söka efter termer och egenskaperna för hur termer används i terminologier. Syftet med 

denna funktionalitet är att tillåta folk att använda termer som de är vana vid, och ge 

andra möjligheten att förstå vad man menar med dem. Resource Description Framework 

(RDF) och en speciell vokabulär används för lagring av data. 

Abstract 

In an effort to solve problems with natural language communication due to different 

interpretations of terms, a prototype of a web based application was developed. The 

application called Begreppsverktyget is capable of handling terminologies where usage 

of terms in a special area of interest is mapped against definitions of concepts. In a 

terminology several terms can be mapped to a new definition of a concept, or an existing 

one. Terms can be prioritized in a range representing recommended for use to forbidden 

for use. The application keeps track of when a certain term with a certain priority 

starts being used in a terminology, and when this usage becomes deprecated. Concepts 

can be described using textual descriptions and relations to other concepts. Definitions 

of concepts can then be found by searching for terms and properties of their usage in 

terminologies. The purpose of this functionality is to allow people to use terms as they 

are used to, and giving others the possibility to understand their intended meaning. 

Triplets in Resource Description Framework (RDF) are used for storage of the data 

organized by a custom vocabulary.

Innehåll 

1 Introduktion 1 

1.1 Försvarets materielverk . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 

1.2 SMART-lab . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 

1.3 Begrepp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 

1.4 Homonymer och synonymer . . . . . . . . . . . . . . . . . . . . . . . . . 3 

1.5 Terminologi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 

2 Problembeskrivning 5 

2.1 Syfte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 

2.2 Målsättning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 

2.3 Relaterat arbete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 

3 Den semantiska webben och begrepp 7 

3.1 Inledning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 

3.2 Språk för den semantiska webben . . . . . . . . . . . . . . . . . . . . . . 9 

3.3 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 

4 Genomförande 17 

4.1 Behovsanalys . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 

4.2 Informationsmodell för begrepp . . . . . . . . . . . . . . . . . . . . . . . 19 

4.3 Datamodellen för begreppsverktyget . . . . . . . . . . . . . . . . . . . . 20 

4.4 Webbapplikationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 

5 Resultat 29 

5.1 Sökning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 

5.2 Terminologier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 

5.3 Nyheter och kommentarer . . . . . . . . . . . . . . . . . . . . . . . . . . 32 

5.4 Visa begrepp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 

6 Slutsatser 37 

6.1 Begränsningar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 

6.2 Fortsatt arbete . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 

iii

iv INNEHÅLL 

7 Erkännanden 39 

Referenser 41 

A Frågor för användarundersökning 43

Figurer 

1.1 Ogdens och Richards triangel . . . . . . . . . . . . . . . . . . . . . . . . 2 

1.2 Begreppstetraeder, Ogdens och Richards triangel utökad med en begreppsbeskrivning 

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 

3.1 Exempel på ett semantiskt nät . . . . . . . . . . . . . . . . . . . . . . . 9 

3.2 Exempel på en RDF-graf . . . . . . . . . . . . . . . . . . . . . . . . . . 10 

3.3 Exempel på användning av blanka noder . . . . . . . . . . . . . . . . . 10 

3.4 Klasser och instanser i RDF Schema . . . . . . . . . . . . . . . . . . . . 12 

3.5 Klasser och instanser i OWL . . . . . . . . . . . . . . . . . . . . . . . . 14 

3.6 Exempel på möjligheter med vokabulären SKOS . . . . . . . . . . . . . 15 

4.1 Informationsmodell för begrepp på FMV . . . . . . . . . . . . . . . . . 19 

4.2 Vokabulär för informationsmodellen i RDF . . . . . . . . . . . . . . . . 22 

4.3 Uppdelning av programmet i lager . . . . . . . . . . . . . . . . . . . . . 24 

4.4 Abstrakt struktur för användning av begreppsverktyget . . . . . . . . . 25 

4.5 Klassdiagram för lagret logik för gränssnitt . . . . . . . . . . . . . . . . 26 

5.1 Enkel sökning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 

5.2 Utökad sökning . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 

5.3 Listning av terminologier . . . . . . . . . . . . . . . . . . . . . . . . . . 31 

5.4 Skapa ny terminologi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 

5.5 Termanvändning för terminologi . . . . . . . . . . . . . . . . . . . . . . 32 

5.6 Termanvändning för terminologi . . . . . . . . . . . . . . . . . . . . . . 33 

5.7 Redigera termanvändning . . . . . . . . . . . . . . . . . . . . . . . . . . 33 

5.8 Nyheter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 

5.9 Kommentarssystemet . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 

5.10 Information om ett begrepp . . . . . . . . . . . . . . . . . . . . . . . . . 35 

v

vi FIGURER

Kapitel 1 

Introduktion 

Detta examensarbete har syftet att skapa en prototyp för en webbapplikation för begreppshantering, 

ett begreppsverktyg. Tanken med webbapplikationen är att utöka funktionaliteten 

hos en normal ordlista. 

Detta kapitel, introduktion, presenterar kort försvarets materielverk och SMART-lab. 

Därefter presenteras grundläggande kommunikationsteori relevant för examensarbetet, 

samt några problem som termanvändning i naturligt språk ger upphov till. 

I kapitel 2, problembeskrivning, beskrivs de grundläggande problemen som finns 

med begreppshantering och målet för examensarbetet. I detta kapitel ges även syfte och 

målsättning för webbapplikationen en utförligare beskrivning. 

Kapitel 3, den semantiska webben och begrepp, är en fördjupning i hur teknik för 

den semantiska webben kan användas för att modellera och hantera begrepp. 

I kapitel 4, genomförande, demonstreras hur jag har gått till väga för att nå målen 

med webbapplikationen. Följande kapitel, resultat, visar upp begreppsverktyget och 

vilken funktionalitet det har. 

I kapitel 6, slutsatser, diskuteras lösningens förtjänster, begränsningar och omedelbara 

förbättringar som bör, eller kan göras. 

1.1 Försvarets materielverk 

Försvarets materielverk är en central förvaltningsmyndighet med uppgift att anskaffa, 

vidmakthålla och avveckla materiel och förnödenheter på uppdrag av Försvarsmakten, 

samt att inom detta område stödja Försvarsmaktens verksamhet. Myndigheten biträder 

Försvarsmakten i fråga om långsiktig materielförsörjningsplanering samt materielsystemkunskap.[2] 

Försvarets materielverk och är en civil myndighet och förkortas ofta 

FMV. 

1.2 SMART-lab 

SMART-lab[8] är en avdelning på FMV:s huvudkontor i Stockholm som primärt erbjuder 

tjänster inom verksamhetsanalys. På SMART-lab finns även lokaler för ledningsövningar 

och tekniska demonstrationer. Ett av SMART-lab:s uppdrag är att skapa en webbaserad 

portal[7] för samverkan inom området modellering och simulering (M&S) inom Försvarsmakten. 

Portalen ska ge ett dagligt stöd för dess användare och inte bara agera som en 

1

2 Kapitel 1. Introduktion 

samling med information. 

1.3 Begrepp 

Ett begrepp kan ses som den mentala bild som en person har skapat genom tolkning 

av en företeelse. För att kommunicera ett begrepp används benämningar, t.ex. ord, 

där mottagaren förhoppningsvis uppfattar de begrepp som avsändaren avsåg. Eftersom 

vi inte klarar av tankeöverföring kan vi dock aldrig sägas kommunicera exakt samma 

begrepp, vi får acceptera skillnader upp till en viss nivå. 

Inom semiotiken finns en modell (figur 1.1) presenterad av Ogden och Richards 

(1923) som stämmer in på denna syn på begrepp. Modellen kan visualiseras som en 

triangel där begrepp motsvaras av referens, företeelse av referent och benämning av 

symbol. Triangelns kanter symboliserar två kausala relationer mellan referens och symbol 

respektive referens och referent samt en tillskriven relation mellan symbol och referent. 

Figur 1.1: Ogdens och Richards triangel 

För att länka en benämning till rätt begrepp kan en begreppsbeskrivning användas. 

Om Ogden och Richards triangel utökas med begreppsbeskrivning får den formen av 

en tetraeder (figur 1.2). Beskrivningen, benämningen och företeelsen får kausala (mer 

direkta) relationer till begrepp, och får tillskrivna (indirekta) relationer inbördes. 

Figur 1.2: Begreppstetraeder, Ogdens och Richards triangel utökad med en begreppsbeskrivning 

Begrepp, benämning och företeelse i figur 1.2 har några ofta använda synonymer i 

sammanhanget, dessa redovisas nedan. Framför allt används ofta term i denna rapport 

i stället för benämning.

1.4. Homonymer och synonymer 3 

benämning symbol, term 

begrepp referens 

företeelse referent 

1.4 Homonymer och synonymer 

Benämningar som kan betyda flera saker, det vill säga att de länkar till mer än ett 

begrepp, kallas homonymer. Exempelvis kan träd benämna både växten träd som man 

sågar plankor från, och de träd som används inom matematiken och består av mängder 

av noder och kanter. Sådana tvetydigheter kan ofta redas ut med hjälp av sammanhanget 

i vilket benämningen används, men det finns mindre självklara fall än det givna exemplet. 

Om flera benämningar länkar till samma begrepp är de synonymer. 

1.5 Terminologi 

I denna rapport används ordet terminologi för en samling termer (benämningar) och 

information om deras användning inom ett fackområde.

4 Kapitel 1. Introduktion

Kapitel 2 

Problembeskrivning 

Kostnaden för dåligt definierade termer kan inte enkelt skattas, men en fingervisning 

ges av Björn Nilsson som har över två decenniers erfarenhet inom området. Han ställde 

en fråga under en lunch med ett antal andra personer som också hade god inblick i 

problemen med dåligt definierade termer: 

Den fråga jag ställde kring bordet var kostnaden för försvarsmakten att nyttja två 

termer, där de underliggande begreppen inte var väl definierade. Tidsperioden avsåg de 

senaste fem åren för förmåga och tio år för funktion. De svar jag fick hade viss varians, 

men vi enades omkring 200 MSEK i kostnad för ett icke väldefinierat förmågebegrepp. 

Det stämmer rätt väl med min egen skattning sedan tidigare. Kostnaden för att ha c:a 

tretton olika definitioner eller begrepp för termen funktion, skattades till över det dubbla, 

dvs. minst 400MSEK. 

De skattade kostnaderna inbegriper förlorad arbetstid i olika analyser och utvecklingskostnader, 

men inte indirekta kostnader. 

Försvarsmakten är FMV:s överlägset största kund, vilket gör att sådana problem 

även får genomslag på FMV. Exemplet ger också ett mått på värdet i att använda väl 

definierade termer. 

En annan sida av kommunikationsproblemet vid användning av termer är förekomsten 

av synonymer och homonymer. Även om en term har fått en beskrivning som klart 

definierar ett begrepp, kan samma term användas för andra begrepp — homonym — 

eller så kan andra personer föredra att använda andra termer för begreppet - synonymer. 

Ofta blir problematiken med synonymer och homonymer tydlig när personer från 

olika organisationer eller delar av organisationer ska kommunicera. Inom FMV finns 

en uppdelning i olika verksamhetsområden och projekt. Sådana uppdelningar kan vara 

orsak till att skilda kulturer för användning av termer växer fram internt. FMV måste 

också kunna kommunicera med bland annat försvarsmakten och försvarsindustri vilket 

ger ännu fler källor till homonymer och synonymer. 

2.1 Syfte 

Behovet av ett system för hantering av begrepp inom FMV är tydligt, och ett sådant 

system kan främjas av ett IT-stöd som förenklar hanteringen. 

För SMART-lab:s del är behovet av ett IT-stöd för begreppshantering mer specifikt; 

i M&S-portalen ska finnas ett stöd, ett begreppsverktyg, för förståelse och korrekt 

användning av benämningar. 

5

6 Kapitel 2. Problembeskrivning 

Detta examensarbete har syftet att ta fram en prototyp för ett begreppsverktyg för 

M&S-portalen. Prototypen ska också kunna användas för utvärdering i FMV:s uppdrag 

för begreppshantering. 

I examensarbetet ingår också att delta i arbetet med att undersöka vilka krav på och 

behov av det finns för ett IT-stöd för begreppshantering. 

2.2 Målsättning 

Begreppsverktyget ska kunna presentera definierade begrepp, samt vilka termer som 

används för dessa. För att lösa delproblemet med homonymer och synonymer är information 

om termanvändning för begrepp centralt. Begreppsverktyget ska kunna svara på 

frågor som t.ex.: 

Anfallsvinkel används i ett dokument skapat inom projektet nytt flygplan 2007-03-15, 

vad menade man när man skrev det? 

Begreppsverktyget ska alltså vara en kartläggning av hur termer används för att 

benämna begrepp över fackområden och tid. 

Datamängden för begreppsverktyget ska inte vara statisk eller centralt administrerad, 

normala användare ska kunna lägga in nya begrepp och termanvändningar. På grund av 

detta är inte ett fullskaligt begreppsmodelleringsverktyg en målsättning. 

Det ska vara möjligt att ta del av datamängden från andra program än genom 

begreppsverktyget, t.ex. för integrering i Microsoft Office och övriga delar på M&Sportalen. 

2.3 Relaterat arbete 

Uppdraget begreppshantering är ett projekt som utförs på FMV. Det har målet att 

undersöka hur begreppshantering ska ske inom FMV. Uppdraget arbetar bland annat 

med förslag på organisation, processer och informationsmodell för begreppshantering. 

Resultat från detta arbete är värdefullt som utgångspunkt vid utformningen av begreppsverktyget.

Kapitel 3 

Den semantiska webben och 

begrepp 

3.1 Inledning 

Det är svårt att finna en kort och bra definition på begreppet den semantiska webben. 

Den nuvarande webben är i mångt och mycket ett nät av dokument som spänns upp 

av länkar dokumenten i mellan. Uttrycket den semantiska webben användes av Tim 

Berner-Lee, direktör för W3C[14], för en vision där den nuvarande webben av dokument 

utökas till att vara ett nät av data uppspänt av relationer mellan data, en webb av data. 

I denna del av rapporten presenteras visionen den semantiska webben och några språk 

som har syftet att realisera den. Här beskrivs också viss teori för kunskapsrepresentation, 

och metoder för begreppsmodellering. Syftet är att undersöka vilka möjligheter den 

semantiska webben ger för begreppsmodellering och begreppshantering. 

3.1.1 Den semantiska webben 

En typisk hyperlänk på dagens webb ligger i ett HTML-dokument och pekar på ett 

annat. Ett HTML-dokument har syftet att definiera en för människor läsbar webbsida, 

medan det för ett program inte är mycket mer än mängd godtycklig text med viss struktur. 

Strukturen innebär att programmet får information om hur texten ska presenteras, 

t.ex. vad som är en rubrik, vad som är ett textstycke och vad som är en hyperlänk och 

vad den ska peka på. 

Vad som inte är uppenbart för ett program är vilken typ av information texten innehåller 

eller varför dokumentet innehåller en viss hyperlänk. Som exempel kan man 

tänka sig recensioner av restauranger. En sådan recension kan tänkas bestå av en recensionstext, 

ett betyg på skalan 1 till 5, och en referens till restaurangens hemsida. Denna 

information kan lätt publiceras på webben i ett HTML-dokument, och en läsare kan ta 

del av recensionstexten och betyget samt följa en hyperlänk från detta dokument till 

restaurangens hemsida. 

Ett program kan inte direkt se vad som är ett betyg, vad som är en recensionstext 

och vad som är en referens till en restaurang. I visionen för den semantiska webben är 

sådan data direkt tillgänglig för ett program och dess betydelse är specificerad. 

När data och dess betydelse är tillgängligt för datorprogram och inte bara människor 

finns möjlighet att utföra uppgifter mer automatiserat. I det tidigare exemplet med 

7

8 Kapitel 3. Den semantiska webben och begrepp 

recensioner blir det möjligt att kombinera recensioner på restauranger med adresser för 

restauranger, för att t.ex. hitta restauranger i en viss stad som har fått ett snittbetyg 

över 4. 

För att det ska gå att kombinera information på detta sätt måste ett program veta att 

både en adress och en recension faktiskt gäller för samma restaurang. Detta görs genom 

att använda en URI som en globalt unik identifierare. URL-adressen för en restaurangs 

hemsida kan vara ett lämpligt val. 

På detta sätt blir den semantiska webben som en enda kollektiv relationsdatabas 

med URI-identifierare som nycklar. 

3.1.2 Kunskapsrepresentation 

Att ordna objekt i kategorier är en vital del av kunskapsrepresentation [6]. En kategori är 

en samling objekt eller medlemmar, som har vissa egenskaper gemensamt. Kategorier kan 

ordnas hierarkiskt i en taxonomi, där underkategorier ärver de för objekten utmärkande 

egenskaperna från respektive överkategori. Detta är ett kraftfullt sätt att förenkla och 

organisera en kunskapsbas. 

Förutom arv kan man vilja beskriva andra förhållanden kategorier emellan. Sådana 

förhållanden kan vara att två kategorier inte delar några medlemmar (disjunkta) eller 

att alla medlemmar för en kategori också finns i unionen av ett antal underkategorier 

(uttömmande komposition). Om underkategorierna i en uttömmande komposition också 

är disjunkta kallas det för en partition. 

När det gäller egenskaper för objekt kan man t.ex. prata om mått av olika slag som 

längd och vikt. En annan egenskap kan vara fysisk sammansättning, att ett objekt är 

en del av ett annat. 

Inom kunskapsrepresentation används ofta termen ontologi. Det finns olika definitioner 

för ontologi men i denna rapport används termen med följande definition: 

En ontologi definierar de vanliga ord och begrepp som används för att beskriva och 

representera ett kunskapsområde[1] 

Ett semantiskt nät kan representera kategorier, objekt och relationer mellan dessa. 

En typisk grafisk representation visar objekt och kategorier som ovaler eller rutor och 

relationer som märkta pilar[6]. 

Figur 3.1 visar ett exempel på ett semantiskt nät. Detta semantiska nät innehåller 

kategorierna Hund, Katt och Fyrfotadjur, samt objekten Misse och Fido. Relationerna 

är delmängd av som anger att en kategori är en delmängd av en annan, medlem i som 

visar att ett objekt tillhör en kategori, samt ben som anger hur många ben som något 

har. 

Med tesaur menas i denna rapport en typ av ordlista där termer ges en definition 

och relaterade termer samt termer med bredare och smalare betydelse anges. Termer 

kan alltså ges en svagare typ av semantiska kopplingar mellan varandra. I en tesaur kan 

även synonyma termer listas, där en term är den som rekommenderas för användning. 

3.1.3 Begreppsmodellering 

Rapporten Metoder och principer i terminologiarbetet[4] beskriver ett sätt att strukturera 

upp arbetet vid begreppsmodellering. Arbetet baseras på att identifiera kännetecken 

för företeelser som kan användas för att beskriva ett begrepp. Mycket av den tidigare 

beskrivna teorin för kunskapsrepresentation kan kännas igen i de beskrivna metoderna. 

Ett begrepp kan svara mot både en enstaka företeelse och en kategori av företeelser.

3.2. Språk för den semantiska webben 9 

Figur 3.1: Exempel på ett semantiskt nät 

Ett kännetecken för ett begrepp är oundvikligen ett annat begrepp — vi skulle omöjligen 

kunna uppfatta det annars — alltså kan vi beskriva ett begrepp genom hur det 

relaterar till andra begrepp. 

Rapporten Metoder och principer i terminologiarbetet[4] tar upp tre relationer mellan 

begrepp: associativ, generisk och partitiv. En generisk relation motsvarar arv mellan 

kategorier, t.ex. en hund är ett djur. En partitiv relation motsvarar fysisk sammansättning, 

t.ex. en bil består av 4 hjul och en motor. 

Begrepp som är associativt relaterade till varandra hör samman av ett eller annat 

semantiskt skäl. Dessa samband kan t.ex. vara orsak — verkan, ex. temperaturstegring 

— utvidgning eller verktyg — funktion, ex. hammare — spika. 

Att modellera samtliga kännetecken enligt modellen med begreppsrelationer är inte 

rimligt, eftersom man i sådana fall måste modellera hela världen. Antalet kännetecken 

måste begränsas och vid någon gräns måste man falla tillbaks till att ange kännetecken 

med benämningar för begrepp. 

3.2 Språk för den semantiska webben 

W3C, World Wide Web Consortium, som utvecklar standarder för webben, upprätthåller 

ett antal standarder som är intressanta för den semantiska webben. En färdig standard 

kallas för en W3C-rekommendation, ett arbetsutkast är grunden för en eventuell framtida 

rekommendation. I denna del förklaras överskådligt några rekommendationer och 

arbetsutkast som är intressanta med avseende på begreppshantering från W3C. 

3.2.1 RDF - Resource Description Framework 

RDF[12] är en W3C-rekommendation. 

I sin enklaste form är RDF ett sätt att beskriva egenskaper för någon resurs, t.ex. 

vem som var fotograf för en bild, alltså en form av metadata. 

Ett sätt att visualisera RDF-data är genom en riktad graf, med märkta noder och 

kanter (exempel, se figur 3.2). 

Formellt är en RDF-graf en samling satser med tre komponenter: subjekt, predikat 

och objekt.


Figur 3.2: Exempel på en RDF-graf 

Ett subjekt är en URI-referens elller en blank nod. I exemplet är http://www. 

exempel.se/enBild.jpg en URI-referens som används som subjekt. En blank nod är 

användbar när man vill beskriva en egenskap med flera olika värden, i figur 3.3 beskrivs 

storleken för en bild med en blanknod som i sin tur har egenskaperna bredd och höjd. 

Ett predikat är en URI-referens. I exemplet används predikaten http://purl.org/ 

dc/elements/1.1/type och http://purl.org/dc/elements/1.1/creator. Dessa kommer 

från en vanligt förekommande vokabulär för att beskriva metadata, Dublin Core, 

och refereras med prefixnotation som ger mer läsbara URI-referenser. Notationen innebär 

att http://purl.org/dc/elements/1.1/creator kan förkortas till dc:creator 

eftersom prefixet dc är definierat som http://purl.org/dc/elements/1.1/. 

Ett objekt kan vara en URI-referens, en blank nod eller ett värde kallat literal. Ett 

sådant värde består av en sträng som kan vara märkt med språkinformation eller en URIreferens 

till en datatyp. I exemplet är URI-referensen http://www.exempel.se/pelle 

och textsträngen porträtt objekt. 

Reification - satser om satser 

Figur 3.3: Exempel på användning av blanka noder 

RDF definierar ett sätt att använda en hel sats som subjekt eller objekt. Detta kan 

vara användbart t.ex. för att kommentera givna fakta. Att skapa en sådan sats kallas 

reification. 

Exempel 

Det finns ett antal serialiseringsformat för RDF, nedan beskrivs grafen i figur 3.2 i N3 

och XML som är två vanliga notationer för att lagra en RDF-graf i en textfil. 

N3-notation:


@prefix dc: . 

@prefix ex: . 

ex:enBild.jpg dc:type "porträtt" . 

ex:enBild dc:creator ex:pelle . 

XML-notation: 

 

 

porträtt 

 

 

 

3.2.2 RDF’s vocabulary description language: RDF Schema 

RDF Schema[11], ofta förkortat RDFS, är ett språk för att beskriva vokabulärer för 

användning i RDF. Ofta används benämningen RDF Schema tvetydigt, dels för själva 

språket och dels för de vokabulärbeskrivningar det används för. I denna rapport benämner 

RDF Schema själva språket. En vokabulär i RDF Schema definieras i sig med RDF. 

RDF Schema är en W3C-Rekommendation. 

I RDF Schema talar man om klasser och instanser. En klass är en mängd med 

instanser, detta förhållande liknar det mellan kategorier och objekt som är vanligt inom 

teori för kunskapsrepresentation. 

RDF används för att ange egenskaper för instanser, emellertid är själva egenskaperna 

godtyckliga — från en dators perspektiv betyder de ingenting. RDF Schema är ett 

verktyg för att kunna beskriva egenskaper och de klasser av instanser som egenskaperna 

beskriver. 

Klasser och instanser 

I RDF Schema finns en generös syn på klasser och instanser, en klass kan vara en instans 

av sig själv. RDF Schema ger möjlighet att definiera att en klass är en underklass till 

en annan. Då gäller att om C är en underklass till C’ så är alla instanser av C också 

instanser av C’. Figur 3.4 visar klasserna Hund och Katt som underklasser till Fyrbenta 

djur som i sin tur är underklass till Djur. 

Egenskaper 

Egenskaper kan tilldelas klasser som definitionsmängd och värdemängd. Definitionsmängden 

anger de instanser kan ha egenskapen och värdemängden anger de instanser 

som kan utgöra värdet på egenskapen. I praktiken innebär detta att en RDF-sats 

som anger en egenskap har ett subjekt från definitionsmängden och ett objekt från 

värdemängden. Predikatet anger vilken egenskap det är. 

Egenskaper kan även vara underegenskaper, om P är en underegenskap till P’ så är 

alla resurser som är relaterade av P också relaterade av P’.


Figur 3.4: Klasser och instanser i RDF Schema


3.2.3 OWL - Web Ontology Language 

OWL [10] är ett språk för att skapa ontologier baserat på forskningsområdet description 

logic. Det är indelat i tre varianter, OWL Lite, OWL DL och OWL Full. Skillnaden 

den emellan är i stort att OWL Lite har färre konstruktioner än OWL DL och OWL 

Full, samt att OWL Full tillåter konstruktioner som inte ger garanterat beräkningsbara 

slutledningar. 

Klasser och instanser 

Det går att definiera en klass genom att begränsa dess instanser utifrån instansernas 

egenskaper. Det går att begränsa utifrån antal egenskaper av en viss typ, värdet på en 

egenskap och att alla eller minst en egenskap ska ha ett värde av en viss typ. 

Figur 3.5 visar hur en begränsning kan användas för att ange att något är ett fyrbent 

djur. Djur är en klass med samtliga djur. Begränsning är en klass med två alternativa 

begränsningar för egenskaper. Det ena alternativet förutsätter att det finns en egenskap 

harBen som anger att något har ett visst ben. Begränsningen kan därmed sättas genom 

att säga att alla instanser måste ha fyra värden för harBen. Det andra alternativet 

förutsätter att det finns en egenskap antalBen som anger hur många ben något har. 

Begränsningen blir då att alla instanser måste ha värdet 4 för egenskapen antalBen, och 

kan förutom olika djur tänkas innehålla sådant som bord och stolar. 

På detta vis kan man t.ex. ange att en hund är ett djur och har fyra ben, genom 

att låta klassen Hund vara en underklass till denna begränsning, samt en underklass till 

klassen Djur. 

Klasser kan också definieras med mängdoperationerna snitt, union och komplement. 

För att ytterligare beskriva en klass kan man ange att en klass är disjunkt med en annan 

d.v.s. att inga instanser ingår i båda klasserna (se Katt och Hund i figur 3.5). 

Egenskaper 

Egenskaper kan utöver värdemängd och definitionsmängd, som går att bestämma i RDF 

Schema, ges egenskaper som ger större möjlighet till slutledningar. Egenskaper kan vara 

transitiva, symmetriska, funktioner, inverser av andra egenskaper och inverterade funktioner. 

3.2.4 SKOS - Simple Knowledge Organisation Systems 

SKOS är en vokabulär för att skapa något som närmast kan sägas vara tesaurer. På en 

ganska enkel nivå tillåter SKOS begreppsmodellering och hantering av termer. 

Den viktigaste klassen i SKOS är Concept, begrepp modellerade i SKOS är alla 

instanser av denna klass. SKOS ger möjlighet att modellera begrepp genom att sätta 

relationerna bredare, smalare och relaterad. Dessa relationer är ganska lösa, t.ex. 

bredare-relationen kan — men behöver inte — betyda att något är en generalisering av 

något annat. SKOS är ett W3C arbetsutkast. 

Vidare kan man märka upp ett begrepp med en rekommenderad term, och alternativa 

termer. Man kan också ge begreppet en formell definition i samma stil som i en vanlig 

ordlista. 

Figur 3.6 visualiserar en stor del av de möjligheter som SKOS ger. Figuren innehåller 

begreppen hund, katt samt fyrfotadjur. Relationerna är märkta enligt prefixnotation för 

RDF, och är förklarade i figuren.


Figur 3.5: Klasser och instanser i OWL 

SKOS definierar något som kallas ett Concept-scheme, vilket är en samling av begrepp. 

För att sätta ett begrepp i en sådan samling ger man begreppet egenskapen 

skos:inScheme med samlingen som värde. I en hierarki av begrepp med bredare/smalare 

relationer kan man i begreppssamlingen länka in toppnoden för att ge datorprogram ett 

effektivt sätt att hitta dessa. 

I SKOS finns möjligheter att länka mellan dokument och begrepp, t.ex. att ett dokument 

har ett begrepp som huvudämne. Vokabulären ger också möjlighet att länka till 

ett dokument som ger en beskrivning av själva begreppet. 

3.2.5 Slutledning i RDF 

Givet en RDF-graf, som använder vokabulärer definierade i OWL eller RDFS, med ett 

antal givna satser, kan det finnas satser som är sanna men som inte är direkt uttryckta. 

Till exempel om klassen Hund är definierad som en underklass till Djur, och en resurs är 

en instans av Hund. Satsen som anger att resursen också är en instans av Djur behöver 

inte vara direkt uttryckt utan kan slutledas utifrån den ontologi som definierar de båda 

klasserna. 

En ontologi beskriven i OWL kan ge fler möjligheter till slutledningar. 

3.2.6 Sökning i RDF-grafer — SPARQL och RDQL 

W3C har skapat två språk för att söka i rdf-grafer, SPARQL[13] och dess föregångare 

RDQL[9]. Båda dessa språk ger möjlighet att matcha mönster i rdf-grafer, men SPARQL 

ger ytterligare möjligheter för denna matchning och möjligheter att jämföra diverse


Figur 3.6: Exempel på möjligheter med vokabulären SKOS


datatyper. En implementation av SPARQL behöver inte ansvara för slutledningar utifrån 

ontologier, utan kan förlita sig på att det system som tillhandahåller satserna också utför 

slutledningar i de fall det är önskvärt. 

3.3 Diskussion 

Eftersom RDFS och OWL ger konstruktioner som verkar passa för begreppsmodellering 

kan det vara rimligt att använda dessa språk direkt som vokabulär. Alternativet är att 

utveckla en ny vokabulär för viktiga relationer mellan begrepp. 

3.3.1 RDFS och OWL som vokabulär för begreppsmodellering 

För modellering av vår kategorisering av företeelser kan man se ett användningsområde 

för klasser och instanser som används i RDFS och OWL. Den generiska begreppsrelationen 

skulle kunna beskrivas i RDFS och OWL som en underklassrelation mellan två 

klasser. 

Om man vill beskriva begrepp som klasser går det inte genom konstruktioner i RDFS 

att uttrycka en partitiv begreppsrelation. Om man skapar någon egenskap bestårAv som 

anger att något är en del av något annat kan man i OWL använda begränsningar för 

egenskaper för att uttrycka en partitiv begreppsrelation. 

Assoiciativa begreppsrelationer som gäller för klasser bör gå att modellera enligt 

samma mönster. 

Kännetecken som inte kan anges med begreppsrelationer kan annoteras enligt något 

passande mönster i klartext. 

Om begrepp modelleras i så stor omfattning som möjligt i OWL ges möjligheter till 

maskinell slutledning. Jag tror att den störsa vinsten med detta är att man får ett stöd 

under begreppsmodelleringen. Slutledda fakta måste vara rimliga, annars har man gjort 

något fel i modelleringen. Användbarheten för detta är något som skulle vara intressant 

att undersöka. 

3.3.2 Speciell vokabulär för begreppsmodellering 

Ett alternativ som inte ger samma möjligheter till slutledningar är att skapa en vokabulär 

där man ser begrepp som instanser i RDF och relationer som egenskaper mellan 

dessa instanser. Detta tillvägagångssätt används i SKOS, och det går att ha mindre 

fokus på maskinell förståelse och mer på läsbarhet för människor.

Kapitel 4 

Genomförande 

4.1 Behovsanalys 

I denna del av rapporten redovisas några viktiga faktorer som inverkat på uformningen av 

begreppsverktyget. En sådan faktor är en liten användarundersökning som genomfördes. 

Uppdraget bereppshantering på FMV har också haft stor betydelse tillsammans med 

M&S-portalen där begreppsverktyget ska finnas. 

4.1.1 Användarundersökning 

Syftet med användarundersökningen var att skaffa värden att utgå från för vad de tänkta 

användarna kunde ha för problem relaterade till begreppshantering, och hur de ansåg 

att detta kunde lösas. 

Metod 

Användarundersökningen utfördes som löst strukturerade intervjuer med förberedda 

frågor, för att få ingående svar angående vad ett begreppsverktyg ska användas till. 

Enligt Preece et al[5] är intervjuer ett bra sätt att få deltagare att utveckla sina svar. 

Utformningen av frågorna var inte självklar och svår att göra utan att frågorna skulle 

bli ledande. Frågorna finns som bilaga till rapporten. 

Resultat 

Sex personer deltog i intervjuer, vilket får sägas vara i underkant för att dra klara 

slutsatser. Några grundläggande utgångspunkter kunde ändå identifieras. De som deltog 

i intervjuerna var från FMV (anställda eller konsulter), totalförsvarets forskningsinstitut 

och försvarsmakten. 

– Deltagarna använde alla någon sorts intranät eller webbsidor på Internet och epost. 

– Man upplevde att skilda uppfattningar av ords betydelse var ett verkligt och betydande 

problem. 

– Det finns några olika ordlistor och motsvarande för en del fackområden, men deltagarna 

var missnöjda med kvalitén och tillgängligheten på dessa. 

17

18 Kapitel 4. Genomförande 

– För att hitta begrepp med förklaring ville man först och främst söka genom fritext. 

Man ville även kunna hitta relaterade begrepp. 

– För ett IT-system för hantering av begrepp fanns önskemål om wiki-funktionalitet 

— att alla ska kunna delta i och komma med förslag i terminologiarbetet. Man 

vill även ha hjälp med synonymer och homonymer, samt stöd för olika språk — 

främst engelska. För att få en överblick över begreppets betydelse föreslogs en 

grafisk presentation över dess relationer till andra begrepp. 

– Ett projekt bör kunna skapa en egen katalog över de begrepp man vill använda. I 

denna katalog ska man kunna definiera egna begrepp. 

– Man vill ha möjligheten att kommentera begreppsdefinitioner, men ändringar av 

dessa bör genomföras med någon sorts kvalitetskontroll. 

– Begrepssamlingen måste vara aktuell och levande för att man ska använda den och 

engagera sig i arbetet med att förbättra den. 

– Man är positivt inställd till att ha en integration av begreppshantering i Officeprogram 

och liknande. Denna integration får inte vara påträngande utan måste 

vara valbar. 

4.1.2 Uppdraget begreppshantering 

Uppdraget föreslår en uppdelning av FMV i en hierarki av fackområden, där varje fackområde 

har och ansvarar för en terminologi. För begreppsverktygets del innebär detta 

att det ska klara av att hantera flera terminologier, och hierarkisk ordning av terminologier. 

En informationsmodell för begrepp var under arbetet med begreppsverktyget hela 

tiden under utveckling, men dess grundläggande principer har varit utgångspunkten vid 

utformningen av informationsmodellen för begreppsverktyget. 

4.1.3 M&S-portalen 

Begreppsverktyget ska tillhöra och vara integrerat med M&S-portalen, och därmed passa 

till det syfte portalen är gjord för. Portalen ska vara en samlingsplats för information 

och resurser inom området modellering och simulering. Begreppsverktyget ska vara ett 

stöd för projekt att bygga upp en egen terminologi. 

4.1.4 Slutsatser 

Utifrån behovsanalysen identifierades några önskvärda funktioner för begreppsverktyget: 

– Sökning efter begreppsbeskrivningar. Det absolut viktigaste är att det är möjligt 

söka efter begreppsbeskrivningar kopplade till en viss term. 

– Hantering av terminologier. Det är vettigt att säga att varje projekt kan ha en 

egen terminologi. För att ett projekt självständigt ska kunna bygga upp sin egen 

terminologi i begreppsverktyget blir hantering av terminologier centralt. 

– Nyhteter. Det bör gå att se vilka nya terminologier och begrepp som senast skapats 

och de förändringar av terminologier som senast skett.

4.2. Informationsmodell för begrepp 19 

Figur 4.1: Informationsmodell för begrepp på FMV 

– Kommentarer. Det ska vara möjligt att kommentera olika detaljer i begreppsdatamängden. 

– Möjlighet att länka till begrepp och terminologier. För att begreppsverktyget ska 

kunna integreras med M&S-portalen måste det gå att skapa URL-länkar som direkt 

visar upp ett visst begrepp eller en viss terminologi i begreppsverktyget. 

4.2 Informationsmodell för begrepp 

Informationsmodellen som uppdraget för begreppshantering tagit fram baseras på en 

separation mellan å ena sidan begrepp och beskrivningar av begrepp, och å andra sidan 

termer, och var och när de används. 

4.2.1 Klasser 

I informationsmodellen finns ett antal klasser (se också figur 4.1), de viktigaste är 

beskrivna nedan. 

– Terminologi En terminologi definierar en samling termer och deras användning 

inom ett visst fackområde. En terminologi kan vara inordnad i en hierarkisk struktur. 

– Terminologipost En terminologipost är kopplad till ett beslut om att använda noll 

eller fler termer för en viss beskrivning av ett begrepp inom en terminologi.


– Term En term har ett strängvärde och en språkkod och en eventuell förkortning. 

– Begreppsversion En begreppsversion har ett antal definitionstexter och kommentarstexter 

som ger en ordlistelik beskrivning av ett begrepp. 

– Begrepp Ett begrepp eller referens enligt Ogdens triangel. Begreppet måste ha en 

unik identifierare. 

– Begreppsrelation En begreppsrelation anger något förhållande mellan två eller fler 

begrepp. Underklasser till denna ger information om hur begreppen är relaterade. 

Instanser av klassen Terminologipost är enhter som ger information om termanvändning 

med avseende på både fackområde och tidpunkt, då dessa är kopplade till en 

terminologi som annoterar fackområde och de har giltighetsdatum. Detta är en central 

klass för hanteringen av problemet med synonymer och homonymer, eftersom den ger 

en spårbarhet — om en term kan kopplas till ett datum och ett fackområde kan antalet 

möjliga terminologiposter och därigenom möjliga betydelser begränsas. 

Samtliga termer som är kopplade till en terminologipost kommer att vara synonymer 

eftersom de följaktligen är kopplade till samma begrepp. Klassen Termanvändning är 

ett medel för att särskilja eller rangordna sådana synonymer. Denna rangordning ska 

också kunna användas för homonymer inom en terminologi — det är förmodligen en bra 

regel att undvika att skapa sådana, åtminstone homonymer som inte kan rangordnas 

efter prioritet. 

Begrepp kan beskrivas med texter och relationer. En begreppsbeskrivning har målet 

att få läsaren att förstå vilket begrepp som faktiskt menas. Rent textuella beskrivningar 

av ett begrepp är viktiga och något som vi är vana att läsa i ordlistor och liknande. Relationer 

är på en grundläggande nivå inte heller speciellt svåra att förstå i den meningen 

att ett begrepp är relaterat till ett annat på något sätt. 

Tidigare i denna rapport under Begreppsmodellering tas olika typer av begreppsrelationer 

upp: associativ, generisk och partitiv. Dessa relationer finns med i informationsmodellen 

som specialiseringar av klassen Begreppsrelation. 

4.3 Datamodellen för begreppsverktyget 

Informationsmodellen från uppdraget begreppshantering har stått som grund till datamodellen 

för begreppsverktyget. 

Jag valde att endast hantera en delmängd av den information som informationsmodellen 

för begrepp (figur 4.1) anger för att snabba upp utvecklingen av applikationen, 

samt för att inte göra den för komplex. 

Fördelen med att följa informationsmodellen i så stor utsträckning som möjligt är att 

begreppsverktyget ska kunna använda en tänkt framtida begreppsdatabas med utförligt 

och noggrant modellerade begrepp, och väl utformade terminologier som skapas i en för 

FMV bestämd process.

4.3. Datamodellen för begreppsverktyget 21 

4.3.1 Informationsmodell för begreppsverktyget 

Instans av klass Egenskap för instans Värde på egenskapen 

Terminologi benämning sträng 

ansvarig sträng 

beskrivning sträng 

överordnad Terminologi 

terminologipost Terminologipost 

Terminologipost startdatum datum 

slutdatum datum 

termanvändning Termanvändning 

begreppsversion Begreppsversion 

föregående version Terminologipost 

nästa version Terminologipost 

Termanvändning prioritet sträng 

term Term 

Term etikett sträng 

språkkod sträng 

förkortning sträng 

Begreppsversion kommentarstext Text 

definitionstext Text 

Text text sträng 

språkkod sträng 

författare sträng 

Begrepp begreppsversion Begreppsversion 

Begreppsrelation subjekt Begrepp 

objekt Begrepp 

kommentar sträng 

sträng är en serie tecken och datum är en representation av ett datum. Jämfört med 

uppdragets för begreppshantering informationsmodell är framför allt de specialiserade 

begreppsrelationerna borttagna, samt paketet för källhantering. 

4.3.2 Lagring av begreppsdata 

Begreppsverktyget ska vara tillgängligt som en webbapplikation. Detta innebär att flera 

användare samtidigt behöver tillgång till datamängden och den ska vara tillgänglig över 

tid, så det är nödvändigt att lagra denna i en databas. 

Detta examensarbete skulle inte handla om att designa databasen, och även om 

det finns flera att välja bland, t.ex. MySQL och PostgreSQL som båda går att använda 

gratis, lade jag inte ner mycket tid på att fundera. Det blev i slutändan MySQL eftersom 

det var enkelt att installera på utvecklingsmaskinerna. 

4.3.3 Implementation av informationsmodellen 

En viktig del av M&S-portalen, en katalog över resurser och information, ska vara tillgänglig 

som RDF och gå att koppla mot informationen i begreppsverktyget. Det var 

därför naturligt att använda RDF för att lagra begreppsdata. Att använda RDF gjorde 

också att det gick att undvika att lägga tid på design av en relationsdatabas.


4.3.4 RDF vokabulär 

Figur 4.2: Vokabulär för informationsmodellen i RDF 

Jag skapade en vokabulär för att lagra begreppsdata i RDF. Vokabulären är skriven i 

OWL men den använder få konstruktioner som inte finns tillgängliga i RDF Schema. 

Utöver denna vokabulär används egenskaper från vokabulärerna för RDF, RDF Schema, 

SKOS och Dublin Core. Se figur 4.2. 

Vokabulären är mer eller mindre än översättning från svenska till engelska av de 

klasser och egenskaper som togs med i informationsmodellen för begreppsverktyget. Det 

främsta skälet till detta var att undvika URL-strängar med å, ä och ö. 

4.3.5 Kommentarer och nyheter 

Den inledande användaranalysen antydde att användare kommer att vilja kommentera 

olika detaljer i begreppssamlingen. Reification är kanske det mest kraftfulla sättet att 

kommentera en RDF-graf, men i detta fall var inte en sådan uttrycksfullhet nödvändig.

4.4. Webbapplikationen 23 

Jag valde att skapa en klass Comment, och använda denna tillsammans med några 

egenskaper från Dublin Core-vokabulären för att länka en kommentarstext till en valbar 

resurs med en unik URL. Denna kommentarstext är inte samma som egenskapen för 

ConceptVersion. 

Resonemanget var detsamma när det gällde att hantera händelser i datamängden, 

en klass Event används tillsammans med ett datum för att notera att något hänt i 

datamängden. 

4.4 Webbapplikationen 

4.4.1 Teknisk plattform 

Webbapplikationen är skriven i Java och använder två externa bibliotek, Jena och Wicket. 

Den färdiga applikationen kan köras i en applikationsserver för Java servlets, t.ex. 

Apache Tomcat eller den lättviktiga Jetty. 

Jena 

Jena[3] är ett ramverk för hantering av RDF-data som baseras på öppen källkod. Jena, 

som baseras på Java, innehåller en mängd verktyg för att programmatiskt skapa 

och navigera i RDF-grafer. Ramverket ger möjlighet att jobba med RDF-grafer i ramminnet 

eller i en databas, samt att kunna skriva och läsa grafer till och från filer i ett 

antal serialiseringsformat. Jena innehåller också en moduler för slutledning och att göra 

SPARQL-sökningar. 

Wicket 

Wicket[15] är ett ramverk för utveckling av webbapplikationer i Java. Wicket använder 

vanliga HTML-dokument för att definiera gränssnittet, och normala Java-klasser för 

logik. Det som krävs i HTML-dokumentet är en identifierare för de HTML-taggar med 

innehåll som ska styras av programlogiken. I praktiken består en webbsida som ska 

genereras av en Java-klass och en HTML-fil. 

Detta innebär att ändringar rent utseendemässigt på en HTML-sida kan göras helt 

fristående, så länge de identifierare som refereras av logiken finns kvar, och har samma 

inbördes hierarki. 

För mer dynamiska webbsidor finns ett inbyggt stöd för AJAX, det går att på ett 

enkelt sätt få AJAX-funktionalitet utan att själv behöva skriva JavaScript för klientsidan. 

4.4.2 Programstruktur 

Webbapplikationen kan i en abstrakt vy delas upp i några lager, se figur 4.3. Översta 

lagret, gränssnittet i webbläsaren, är enbart byggt i HTML och utseendet modifierat 

med CSS. Samtliga HTML-filer som används för gränssnittet har som filnamn [klassnamn].html 

där [klassnamn] är namnet på en Javaklass som innehåller logiken för presentationen 

och hantering av indata från användaren. Dessa klasser ligger i ett lager som 

hanterar logiken för gränssnittet. 

Lagret under logiklagret är ansvarigt för läsning och skrivning till begreppsdatamängden. 

Detta lager använder Jena via ett API för att manipulera den RDF-graf som rep-


Figur 4.3: Uppdelning av programmet i lager 

resenterar datamodellen för begreppsdatamängden. Jena lagrar i sin tur RDF-grafen i 

en SQL-databas. 

4.4.3 Gränssnitt i webbläsare 

Det gick till att börja med att identifiera fyra olika funktioner för begreppsverktyget, 

vilka fick varsin sektion och en länk i en meny som finns på alla sidor. Dessa sektioner 

döptes till Sök, Terminologier, Nyheter och Kommentarer. 

Sök-sektionen delades upp i två undersektioner: Enkel sökning och Utökad sökning. 

Enkel sökning är en sökning enbart utifrån en sträng som matchas mot de termer som 

används av terminologierna. Utökad sökning ger möjlighet att ange fler parametrar, det 

går att välja att endast söka bland vissa terminologier, ange ett datum för vilket termen 

ska ha en giltig användning samt ange med vilken prioritet som termen ska användas. 

I sektionen Terminologier finns alla funktioner som har med terminologihantering att 

göra. Här kan man se en lista över tillgängliga terminologier, och skapa en ny terminologi. 

I den listningen går det att välja att redigera en viss terminologi. Redigera terminologi 

är en undersektion till Terminologier och har i sin tur fyra undersektioner. Sektionerna 

som ligger under Redigera Terminologi är 

– Lista termanvändningar. Här finns en överblick över termanvändningar i terminologin. 

Härifrån går dett att ändra användningen av ett visst begrepp. 

– Använd nytt begrepp. Denna sida ger möjlighet att skapa ett nytt begrepp och 

ange dess termanvändning för gällande terminologi.


Figur 4.4: Abstrakt struktur för användning av begreppsverktyget 

– Använd befintligt begrepp. Här finns möjlighet att välja ut befintliga begrepp för 

användning i terminologin. 

– Redigera teminologiinfo. Här går det att ändra information om terminologin. 

Sektionerna Nyheter och kommentarer är listningar över nyhteter och kommentarer, 

där den senare också ger möjlighet att lägga till nya kommentarer. Se figur 4.4 för en 

översikt över uppdelningen i sektioner. 

Grafisk utformning 

Jag använde enkla skisser på papper för att komma fram till en grafisk utformning på 

gränssnittet. På grund av tidsbrist är inte denna utformning fullständigt genomförd. 

Utformningen baseras på en kolumn och horisontella menyer. Designen använder 

samma grafiska stomme som M&S-portalen i övrigt, och typsättning av text och liknande 

är taget från denna. 

Jag försökte att använda HTML för struktur och CSS för utseende i så stor utsträckning 

som möjligt. 

4.4.4 Logik för gränssnitt 

Javaklasserna för detta lager ligger i paketet se.smartlab.concept.webtool. 

Logiken för gränssnittet använder ramverket Wicket. En webbsida skapas i Wicket 

genom att utöka klassen WebPage, och skapa en HTML-fil som fungerar som mall för hur 

webbsidan ska renderas. Dessa klasser kan i sin tur utökas, och därigenom återanvända 

återkommande HTML-kod och logik. Denna metod används i begreppsverktyget genom 

att klasser för undersektioner utökar de sektioner de tillhör. 

Wicket har också klassen Panel som kan utökas. Klasser som utökar Panel måste 

också ha en tillhörande HTML-fil, och instanser av dessa blir paneler som kan placeras 

i en webbsida. Denna metod används också av begreppsverktyget för några delar av 

webbsidor som används av flera webbsidor. 

Figur 4.5 demonstrerar hur arv och paneler används i begreppsverktyget.


Figur 4.5: Klassdiagram för lagret logik för gränssnitt 

4.4.5 Läsning och skrivning mot datamodell 

Javaklasserna för detta lager ligger i paketet se.smartlab.concept.io. 

Den viktigaste klassen för detta lager är ConceptDB. När denna klass instansieras 

öppnas en modell av begreppsdatamängden i databasen via Jenas API. ConceptDB ger 

ett antal metoder för att: 

– Skapa nya RDF-resurser utifrån de klasser som är specifierade i vokabulären. 

– Hämta resurser utifrån deras URI. 

– Lista resurser baserat på olika kriterier, t.ex. söka terminologiposter som använder 

en viss term. 

För att abstrahera bort RDF-hanteringen från logiken för gränssnittet finns ett antal 

klasser som representerar datamodellen samt de operationer som måste kunna göras. 

Denna abstraktion använder ett mönster med klasser som kapslar in de RDF-klasser 

som används i informationsmodellen. Till många av dessa inkaslingsklasser finns en 

prototypklass som används för att utbyta den information egenskaperna för varje RDFklass 

ger. Ett exempel på detta mönster är inkapplingsklassen TerminologyNode och 

TerminologyPrototype. TerminologyNode har en metod getPrototype som returnerar ett 

objekt av typen TerminologyPrototype och en metod set som tar ett objekt av typen 

TerminologyPrototype. TerminologyPrototype har fyra strängvärden, description, owner, 

label och parent, med get- och set-metoder enligt Javas standardmönster. 

Metoden getPrototype hämtar från den RDF-grafen de egenskaper som hör till den 

terminologi som kapslas in av TerminologyNode och lägger dem i den TerminologyPrototype 

som ska returneras. Metoden set sätter egenskaperna för inkapslad terminologi. 

Konventionen är att egenskaper som inte existerar vid getPrototype och de egenskaper 

som inte ska sättas av set representeras i ett prototypobjekt som null. Egenskaper som 

innebär en referens till en annan resurs i RDF-grafen representeras i en del fall som en 

sträng med resursens URI. I andra fall ges för bekvämlighetens skull en prototyp av den 

andra resursen.


4.4.6 Åtkomst till begreppsdatamängden från andra program 

Eftersom datamängden är i RDF, går det på ett enkelt sätt att skapa en webbtjänst 

som utför och returnerar resultatet från SPARQL-sökningar. Detta ger frihet för t.ex. 

att skapa ett program för referensinformation i Microsoft Office där man kan söka i 

begreppsdatamängden från alla möjliga perspektiv.

28 Kapitel 4. Genomförande

Kapitel 5 

Resultat 

Begreppsverktyget är designat för att integreras i M&S-portalen, och har därför utvecklats 

med en bassida som Curalia, webbyrån som utvecklar portalen, tillhandahöll. 

5.1 Sökning 

Sökning efter begrepp görs framför allt genom att matcha termer och deras användningar 

utifrån olika kriterier. Sökningen utförs enligt konventionen att när en sökparameter inte 

angetts så utgör den ingen begränsning för resultatet. 

5.1.1 Enkel sökning 

Under avdelningen enkel sökning (se figur 5.1) går det bara att söka efter termer 

som matchar den söksträng man skriver in. De begreppsversioner som är kopplade till 

matchande termer letas fram och representeras med en definitionstext. Samtliga termer 

som är kopplade till begreppsversionen listas till vänster. Länken Välj går till en sida 

som visar mer utförlig information om begreppsversionen. 

Om ingen sökstränganges kommer samtliga begreppsversioner att listas. 

5.1.2 Utökad sökning 

Avdelningen utökad sökning (se figur 5.2) ger möjlighet till att ange fler parametrar. 

Det går att välja inom vilka terminologier som termen ska användas, och ett datum för 

när termen ska ha en giltig användning. Utöver detta går det att ange vilken prioritet 

termen ska användas med. 

5.2 Terminologier 

Figur 5.3 visar hur terminologier listas. I denna vy kan man välja att redigera eller 

kommentera en terminologi. Det går också att skapa en ny terminologi. 

5.2.1 Ny terminologi 

En ny terminologi skapas genom att man ger den ett namn, en ägare och en beskrivning. 

Det går även att ange att en terminologi är en underterminologi till en annan genom 

29

30 Kapitel 5. Resultat 

Figur 5.1: Enkel sökning 

Figur 5.2: Utökad sökning

5.2. Terminologier 31 

Figur 5.3: Listning av terminologier 

Figur 5.4: Skapa ny terminologi


att välja Ange förälder, se figur 5.4. 

5.2.2 Redigera terminologi 

Figur 5.5: Termanvändning för terminologi 

Figur 5.5 visar den vy som kommer upp när man väljer att redigera en terminologi. Här 

listas de termanvändningar som utgör terminologin. Terminologins namn och beskrivning 

visas i alla vyer som används för att redigera en viss terminologi. 

Vyn för att skapa ett nytt begrepp för användning i en terminologi (figur 5.6) kräver 

vissa omstruktureringar i användargränssnittet för att vara lättanvänd. Här kan man 

skriva in en definitionstext och kommentarstext och man kan lägga till relaterade begrepp 

och termer som ska benämna begreppet. 

För att använda ett befintligt begrepp finns en vy som är likadan som utökad sökning. 

Här kan man välja ett begrepp, och komma till en vy (figur 5.7) där man bestämmer 

vilka termer som ska användas för detta. Denna vy används också för att ändra termanvändningar 

som redan lagts till i en terminologi. 

Redigera terminologiinformation görs i ett gränssnitt som liknar det för att lägga till 

en ny terminologi. 

5.3 Nyheter och kommentarer 

Nyheter är en listning på viktiga händelser i begreppsdatamängden, i figur 5.8 kan man 

se att en ny terminologi samt en ny begreppsversion skapats. 

Figur 5.9 visar upp kommentarssystemet. Detta är av en enkel typ, antagligen är 

det bättre att integrera kommentarerna i det forum som kommer att finnas på M&Sportalen.

5.3. Nyheter och kommentarer 33 

Figur 5.6: Termanvändning för terminologi 

Figur 5.7: Redigera termanvändning


Figur 5.8: Nyheter 

Figur 5.9: Kommentarssystemet

5.4. Visa begrepp 35 

5.4 Visa begrepp 

Figur 5.10: Information om ett begrepp 

För en utförligare förklaring av ett begrepp finns en vy som visar den mesta information 

som rör ett begrepp. Se figur 5.10. Denna visning går också att lägga till som bokmärke, 

eller skapa direkta länkar till.

36 Kapitel 5. Resultat

Kapitel 6 

Slutsatser 

Det främsta värdet med den prototyp som utvecklats är förmodligen möjligheten att 

testa modellen med separation mellan begrepp och information om var när och hur 

termer används för att benämna begrepp. Prototypen ger också möjlighet att se om det 

kan vara användbart för ett projekt att ha en samarbetsyta för hantering av begrepp. 

Arbetet med OWL-vokabulären är också ett exempel på hur informationsmodellen 

för FMV:s begreppshantering skulle kunna realiseras i RDF. 

6.1 Begränsningar 

Funktionen på begreppsverktyget är inte testat för stora datamängder eller många användare. 

Målsättningen har dock inte varit ett system som ska kunna användas i produktion. 

6.1.1 Samtidig användning 

Den mesta datamängden är oföränderlig, för det mesta handlar det om att lägga till 

nya RDF-satser. I några fall kan det hända att en RDF-sats tas bort och ersätts med 

en ny. Detta är till exempel fallet när information för en terminologi så som namn och 

beskrivning ändras. Om flera användare samtidigt ändrar denna information är utfallet 

ovisst. Det är upp till Jena och databasen som Jena använder vad som kommer att 

hända. 

6.1.2 Läs- och skrivrättigheter 

Det finns ingen funktionalitet i begreppsverktyget för att begränsa läs- och skrivrättigheter. 

Framför allt är begränsade skrivrättigheter viktigt, vem som helst ska inte 

kunna gå in och ändra t.ex. termanvändning i en terminologi. Hantering av rättigheter 

bör integreras med resten av portalen, och detta var inte möjligt att rymma innanför 

ramen för examensarbetet. 

6.2 Fortsatt arbete 

Gränssnittet tillåter inte att ange vilket språk som gäller för en viss term eller definitionstext. 

Funktionaliteten finns i implementationen av informationsmodellen, men språket 

37

38 Kapitel 6. Slutsatser 

anges alltid till svenska genom hårdkodning i logiklagret för gränssnittet. Jag bedömer 

att det vore relativt enkelt att lägga till en sådan funktionalitet. 

Det går inte i de sökfunktioner som är implementerade för informationsmodellen att 

ange språk som sökparameter, detta bör kanske vara möjligt. För att göra detta krävs 

en viss förändring i lagret läsning och skrivning mot datamodell (figur 4.3). 

Det finns många utseendemässiga detaljer som skulle behöva en putsning, och mycket 

av sådant arbete kan utföras i CSS och HTML. Utseendet måste även testas i de 

vanligaste webbläsarna. 

Kontroll av indata görs till viss del, men det bästa vore att gå igenom alla möjliga 

punkter där användare kan mata in information och specificera exakt vad som är tillåtet. 

Ur ett användbarhetsperspektiv är det också viktigt att lägga till funktionalitet för att 

ge feedback om inmatad information inte är tillåten.

Kapitel 7 

Erkännanden 

För detta examensarbetes slutförande har jag ett antal personer att tacka. Anna Fundin, 

min externa handledare på FMV för hjälp med stort och smått under hela arbetet. Jan- 

Erik Moström, min interna handledare på institutionen för datavetenskap. Tyko Brising 

och Mats Nilsson för bland annat informationsmodellen och diskussioner kring denna. 

Martin Björkman på Curalia för tips på tekniska lösningar och ett startprojekt för 

Wicket med grunddesignen på M&S-portalen. 

Tack! 

39

40 Kapitel 7. Erkännanden

Referenser 

[1] Michael C. Daconta, Leo J. Obrst, and Kevin T. Smith. The Semantic Web: A 

Guide to the Future of XML, Web Services, and Knowledge Management. Wiley 

Publishing, 2003. 

[2] Försvarsdepartementet. Förordning (1996:103) med instruktion för försvarets materielverk, 

1996. 

[3] Jena. Jena - a semantic web framework for java, 2007. http://jena.sourceforge. 

net/, besökt 2007-04-30. 

[4] Hälso och sjukvårdens forskningsinstitut. Metoder och principer i terminologiarbetet. 

Technical report, 1999. 

[5] Jennifer Preece, Yvonne Rogers, and Helen Sharp. Interaction Design. John Wiley 

Sons, 2002. 

[6] Stuart Russel and Peter Norvig. Artificial Intelligence a Modern Approach. Pearson 

Education, 2003. 

[7] SMART-lab. Portalen för modellering och simulering, 2007. http://portalen. 

smart-lab.se, besökt 2007-05-04. 

[8] SMART-lab. Smart-lab webb, 2007. http://www.smart-lab.se, besökt 2007-02- 

05. 

[9] W3C. Rdql - a query language for rdf, 2004. http://www.w3.org/Submission/ 

RDQL/, besökt 2007-04-30. 

[10] W3C. Web ontology language (owl), 2004. http://www.w3.org/2004/OWL/, besökt 

2007-04-30. 

[11] W3C. Rdf vocabulary description language 1.0: Rdf schema, 2007. http://www. 

w3.org/TR/rdf-schema/, besökt 2007-02-13. 

[12] W3C. Resource description framework (rdf), 2007. http://www.w3.org/RDF/, 

besökt 2007-02-13. 

[13] W3C. Sparql query language for rdf, 2007. http://www.w3.org/TR/ 

rdf-sparql-query/, besökt 2007-04-30. 

[14] W3C. World wide web consortium (rdf), 2007. http://www.w3.org, besökt 2007- 

05-20. 

[15] Wicket. Wicket, 2007. http://wicket.sourceforge.net/, besökt 2007-05-04. 

41

42 REFERENSER

Bilaga A 

Frågor för användarundersökning 

1. Kort beskrivning av dina arbetsuppgifter? 

2. Hur ofta använder du Intranät eller webbsidor i ditt arbete? 

3. Hur ofta använder du e-post i ditt arbete? 

4. Hur ofta använder du andra Internettjänster så som Messenger, forum och liknande? 

5. Har du någon gång märkt att andra haft skiljda uppfattningar om vissa ords 

betydelse? 

6. Har du någon gång fått problem på grund av missförstådda ord? 

7. Orsak? 

8. Hur ofta konsulterar du en områdesspecifik ordlista eller liknande? 

9. Anser du att du gör det i tillräckligt hög grad? 

10. Brukar du hitta de begrepp som du är ute efter? 

11. Hur skulle du vilja söka efter en begreppsbeskrivning? 

12. Söka genom ontologi, t.ex. gå från Plan"eller "Underhålltill "Underhållsplan"? 

13. Vad skulle du vilja att ett IT-stöd för att hantera begrepp hjälper till med? 

14. Hur skulle du vilja samla ihop begreppsdefinitioner för att använda i ett särskilt 

projekt eller verksamhetsområde? 

15. Skulle du vilja ha möjlighet att begränsa läsrättigheter för en sådan samling så 

att alla inte kan läsa denna? 

16. Skulle du vilja ha möjligheten att lägga till egna begreppsdefinitioner eller föreslå 

förändringar de existerande? 

17. Vilket stöd skulle du vilja ha av ett IT-system för begreppshantering vid författande 

av text? 

43

44 Kapitel A. Frågor för användarundersökning 

(a) Exempel 1: ord där begreppsdefinitioner finns markeras, och på något vis går 

det att länka en begreppsdefinition till dessa. Om det finns flera definitioner 

går det att välja vilken man menar. 

(b) Exempel 2: ord byts ut automatiskt om de har synonymer som hör till det 

område som mottagaren verkar i (för att öka sannolikheten att mottagaren 

uttolkar det begrepp som åsyftas). 

18. Vad skulle få dig att ta tid för att lägga in nya begrepp, med begreppsförklaringar 

och benämningar?

Begreppsverktyg för M&S-portalen - Institutionen för datavetenskap ...

Create successful ePaper yourself

Delete template?

Save as template?