| |
РОСІЙСЬКА | |
АНГЛІЙСЬКА |
В даний час актуальною є задача формування концептуальних «прозорих» подань для слабо-структурованих предметних областей. Сьогодні провідною парадигмою структурування інформаційних потоків є онтології, або ієрархічні концептуальні структури, які формуються аналітиком на основі вивчення і структурування потоків інформації, документів, протоколів витягнутих знань та інших джерел.
Онтологічний інжиніринг (ОІ) розвиває основні положення інженерії знань – науки про моделі і методи добування, структуризації та формалізації знань.
Власне інженерія знань – це область штучного інтелекту, в той час як ОІ охоплює більш широке коло додатків – від систем управління знаннями до дистанційного навчання.
Онтологічний інжиніринг робить перші кроки, тому кожен аналітик йде методом проб і помилок, створюючи складні онтологічні структури, що відображають лабіринти професійних знань у різних прикладних областях.
Система BpWin є засіб створення низки предметно-орієнтованих онтологій, що відрізняються графічним інтерфейсом і типом використовуваних відносин.
Обгрунтування теми магістерської роботи – актуальність побудови засобів створення баз знань на основі онтології, що дозволяють працювати з багаторівневими моделями простору і часу.
Для систематичного вивчення властивостей онтологій та їх застосування на практиці необхідна така класифікація властивостей онтологій, яка охоплює властивості самих різних онтологій, не обмежуючи дослідників у виявленні нових властивостей.
Тому метою роботи є розробка класифікації відомих з літератури властивостей онтологій, зручною для систематичного оцінювання онтологій на практиці. Така класифікація необхідна для вибору найбільш повного набору властивостей при оцінюванні довільній онтології у залежності від «типу» онтології і від переслідуваних цілей.
Така класифікація може бути покладена в основу єдиного підходу до оцінювання та визначення в однозначних термінах властивостей онтологій, а потім і до об'єктивного оцінювання самих онтологій. Отримана класифікація повинна використовуватися як джерело вимог до використання онтологічного підходу на практиці в області САПР.
Сьогодні штучний інтелект – це обширна область досліджень і розробок інтелектуальних систем, призначених для роботи в областях діяльності людини, що важко формалізуються. В даний час прийнято виділяти декілька напрямів розвитку штучного інтелекту: Один з напрямів пов'язаний з розробкою інтелектуальних систем, заснованих на знаннях. У даному напрямі займаються розробкою моделей представлення знань, створенням баз знань.
Одним з перспективних застосувань методів даного напряму є створення інтелектуальних повчальних систем (ІПС). ІПС призначені для автоматизації і індивідуалізації навчання. Традиційно виділяють чотири моделі представлення знань, використовуваних при побудові баз знань систем заснованих на знаннях:
1. Логічні моделі;
2. Продукційні моделі;
3. Фреймові моделі;
4. Семантичні мережі.
Проте на даний момент особливий інтерес у дослідників штучного інтелекту викликають онтології. Онтології можуть використовуватися для представлення знань про поняття предметної області і гаданих відносинах між ними, для опису змісту веб-сторінок. Крім того онтології можна використовувати при побудові баз знань не тільки ІОС, але також будь-яких інших програм.
Робота передбачає прояснення ситуації з визначенням понять «онтологія» і «властивість онтології», аналіз існуючих класифікацій властивостей та обговорення можливості їх використання для систематичного оцінювання онтологій і їхніх моделей на практиці. Представити класифікацію властивостей, націлену на охоплення і впорядкування всіх відомих з літератури властивостей, а також на «накопичення» раніше не обговорювалися, але властивих онтологія властивостей. З урахуванням наявності в структурі онтологій різних видів зв'язків деталізувати класифікацію різних структурних властивостей.
Необхідно виконати:
- Класифікацію онтологій, як джерело загальних вимог до ефективного побудови онтологій в різних предметних областях;
- Перерахувати специфічні вимоги до онтології у САПР;
- Запропонувати загальні підходи до побудови онтологій в САПР.
1. Розробка проблемно-орієнтованого графічного редактора з розробки системи онтології, що відповідає багаторівневої моделі простору і часу.
2. Розробка системи введення семантичних продукцій над безліччю онтології.
Онтології – одне із сучасних напрямків у галузі штучного інтелекту. У загальному вигляді онтології визначають як базу знань спеціального виду, або як «специфікацію концептуалізації» предметної області.
Це означає, що в предметної області на основі класифікації базових термінів виділяються основні поняття (концепти) і встановлюються зв'язки між ними. Цей процес називають концептуалізації.
Потім онтологія може бути представлена в графічному вигляді або описана на одному з формальних мов (формальна онтологія) – це процес специфікації онтологій.
Онтології можуть бути використані:
для опису предметних областей наукових досліджень,
для опису навчальних дисциплін і планів навчання,
для складання бібліотечних каталогів.
Представлення бібліотечних каталогів як формальних онтологій дозволить автоматизувати їх обробку і виконувати семантичний пошук в онтологічному просторі, що описує сукупність бібліотек.
Існують різні типи класифікації онтологій. З моєї точки зору, найбільш корисним буде виділити два типи класифікації онтологій:
Семантична:
1) за рівнем виразності;
2) за ступенем формальності;
3) за рівнем детальності подання.
Прагматична:
1) за ступенем залежності від конкретної задачі чи прикладної області;
2) з мови представлення онтологічних знань;
3) з предметної області;
4) за метою створення;
5) за наповненням (вмісту).
Наведемо коротку характеристику кожної класифікації.
Семантична класифікація
1. За рівнем виразності
Великовагові онтології. Великовагові онтології сильно аксіоматізіровани, такий рівень аксіоматізаціі дозволяє здійснювати онтологічне зв'язування явно. Мета аксіоматізаціі - уникнути термінологічної та концептуальної неоднозначності через неправильну інтерпретацію.
Легковагі онтологіі. Це прості таксономічні структури примітивів або композиції термів з відповідними визначеннями.
2. За ступенем формальності Дана класифікація схожа з класифікацією за рівнем виразності мови опису онтології, проте не еквівалентна їй.
Неформальні. Це онтології, які описуються в документі на будь-якому природному мовою (англійська, російська, українська і т.д.). Такі онтології також можуть бути багато наповненими, несуперечливими і точними.
Більш формалізовані. Таксономія може бути двох видів – заснована на термах або на концептах. Такі онтології, хоча і формалізовані, але дуже слабо структуровані. - Засновані на термах. У цьому випадку в ієрархії тематичного розділу більш загальні терміни знаходяться вище, у міру спуску по ієрархії терміни становляться все більш специфічними; - засновані на концептах. Ієрархія складається з класів та їх підкласів, до яких відображаються їх відмінні та необхідні властивості.
Сильно формалізовані. Онтології для вирішення інженерних рівнянь. Задають формальну семантику умов (таких, як кількість і одиниця виміру) в дозволених мовою точних і несуперечливих виразах.
3. За рівнем детальності подання. Деякі кількісно-вимірні метрики можуть бути застосовані до расподружжя рівня детальності подання.
Низький. Онтологія може бути побудована на основі термінів і декількох типів зв'язків.
Високий. Онтологія може містити набагато більше деталей, включаючи правила, за якими терміни можуть бути пов'язані між собою.
Прагматична класифікація
1. За ступенем залежності від конкретної задачі чи прикладної області
Верхнього рівня. Такі онтології описують найбільш загальні концепти (проcтор, час, матерія, об'єкт, подія, дія і т.д.), які не залежні від конкретної проблеми чи області.
Орієнтовані на предметну область. У багатьох дисциплінах зараз розробляються стандартні онтології, які можуть використовуватися експертами по предметних областях (доменах) для спільного використання та аннотіроваформації у своїй галузі.
Орієнтовані на завдання. Це онтологія, використовувана конкретною прикладною програмою і містить терміни, які використовуються під час розробки ПЗ, що виконує конкретне завдання.
Прикладні онтології. Описують концепти, які залежать як від онтології задач, так і від онтології домену. Прикладом може служити онтологія для автомобілів, будівельних матеріалів, обчислювальної техніки.
2. За мовою подання онтологічних знань
RDF. Основне призначення мови – опис метаданих документів, що розміщуються в Інтернеті.
DAML+OIL
OWL (Web Ontology Language)
KIF (Knowledge Interchange Format, або формат обміну знаннями)
CycL (мова опису онтології Cyc)
OCML (Operational Conceptual Modeling Language)
LOOM и Power Loom
Ontolingua
F-Logic
3. За предметної області
Онтологія відображає загальні знання про предметну область, такі, як ієрархія класів понять та семантичні відносини на цих класах. Для кожної предметної області онтології створюються експертами своїй області, які проводять Формалізованих знань, визначень і правил отримання нових знань.
4. За мету створення
Онтології програми. Використовуються під час виконання конкретного додатка, що здійснює онтологічне нанесення обмежень на аксіоматізацію для термінологічної служби, тобто використовуються в роботі блоку побудови міркувань.
Посилальні онтології. Використовуються під час розробки додатків, для взаємного розуміння і тлумачення між агентами, що належать до різних спільнот, для встановлення консенсусу між спільнотами, які потребують введення нового терміну, або просто для пояснення значення терміна новому учасникові спільноти.
5. По наповненням (вмісту)
Дана класифікація дуже схожа на класифікацію за метою створення, однак акцент робиться на реальне вміст онтології, а не на абстрактну мету.
Додатково можна ввести й інші класифікації. Складність створення таких онтологій звичайно полягає в тому, що можлива наявність відмінностей в понятійних системах різних мов.
Існують різні тлумачення самого поняття онтології. У даній роботі під онтологією розуміється структурна специфікація певної предметної області, її концептуальний опис у вигляді формалізованого подання, яке включає словник термінів предметної області та логічні вирази, що описує взаємозв'язки цих понять.
На хвилі інтересу до онтології були створені інструментальні засоби і механізми, спеціально орієнтовані на широке застосування онтологій в задачах інтелектуального пошуку, класифікації, виявлення неузгодженості в даних, моделювання поведінки інтелектуальних агентів. Проте навіть наявність хорошого інструментального оточення не знімає проблем, пов'язаних з труднощами проектування та побудови самих онтологій, а автоматизація процесу вилучення онтологій, як і в цілому, завдання здобуття знань, і по теперішній час не мають свого ефективного вирішення. Тим цінніше стають вже розроблені онтології та досвід їх використання для вирішення широкого кола завдань.
У процесі створення сучасних інтелектуальних інформаційних систем найчастіше потрібна інтеграція знань з різнорідних джерел і, як наслідок, ефективне вирішення завдань, пов'язаних з тиражуванням знань. Як і раніше не має свого задовільного рішення проблема автоматизації процесу вибору адекватного специфіці конкретної проблемної області та прийнятого в ній стилю міркування експертів засоби представлення знань. Тому і до цього дня актуальні дослідження, спрямовані на розробку такого підходу до подання і тиражування знань, який з одного боку дозволяв би найбільш адекватно враховувати специфіку проблемної області, а з іншого - представляти і використовувати знання в деякому уніфікованому вигляді.
Онтологічні моделі за час досліджень в цій області зазнали значного розвитку. В даний час для створення і підтримки онтологій існує цілий ряд інструментів, які крім загальних функцій редагування та перегляду виконують підтримку документування онтологій, імпорт і експорт онтологій різних форматів і мов, підтримку графічного редагування, керування бібліотеками онтологій і т.д.
Дані інструментарії побудови онтологій володіють рядом істотних недоліків. Більшість інструментів зберігає свої онтології у текстових файлах, що обмежує розмір онтологій, мають низьку продуктивність, потрібна додаткова розробка алгоритмів для зручності роботи з збереженими метаданими, володіють надмірністю функцій, що ускладнює роботу користувача.
1. Core Software Ontology. Core Ontology of Software Components. Core Ontology of Services [Електронний ресурс]. OntoWare Group. – Режим доступу: http://cos.ontoware.org
2. Gruninger Michael. An Ontology Framework / Michael Gruninger, Leo Obrst // Ontology Summit – NIST, (Gaithersburg, MD April 22 – 23, 2007). – Gaithersburg, 2007.
3. Гладун А.Я. Онтології в корпоративних системах. Частина I / А.Я. Гладун, Ю.В. Рогушина // Корпоративні системи. – 2006. – № 1. – З. 41–47.
4. Глібовець М.М. Побудова україномовної онтології засобамі СУБД / М.М. Глібовець, О.О. Марченко, А.О. Никоненко // Наукові записки. Комп’ютерні науки / Національний університет «Києво-Могилянська академія». – 2008. – Тому 86. – З. 46–49.
5. Ontolingua [Електронний ресурс]. Artificial Intelligence Laboratory of the Department of Computer Science at Stanford University. – Режим доступу: http://www.ksl.stanford.edu/software/ontolingua/
6. Овдей О.М. Огляд інструментів інженерії онтологий / О.М. Овдей, Г.Ю. Проськудіна // Електронні бібліотеки. – 2004. – Т. 7, вип. 4. – З. 3–19.
7. Константінова Н.С. Онтології як системи зберігання знань [Електронний ресурс] / Н.С. Константінова, О.А. Мітрофанова. – Режим доступу: http://www.sci-innov.ru/icatalog_new/index.php?action=send_att&entry_id =68352&fname=68352e2-st08_(Мітрофанова О.А).pdf
8. Григор'єв А.В. Семантика моделі наочної області для інтелектуальних САПР. Наукові праці Донецького державного університету. Серія «Інформатика, кібернетика і обчислювальна техніка», (ІКВТ-2000) випуск 10. – Донецьк, ДонГТУ, 2000. – З. 148–154.
9. Григор'єв А.В. Комплекс моделей САПР як система взаємозв'язаних рівнів про дійсність. Наукові праці Донецького державного університету. Серія «Інформатика, кібернетика і обчислювальна техніка», (ІКВТ–2000) випуск 10. – Донецьк, ДонГТУ, 2000. – З. 155–167.
10. Григор'єв А.В. Вербальна модель наочної області для інтелектуальних САПР. Науковi працi Донецького Державного технiчного унiверситету. Серiя «Обчислювальна технiка та автоматизацiя». Віпуськ 20. – Донецьк, ДонДТУ, 2000. – З. 171–180.