ОБЗОР СРЕДСТВ РАЗРАБОТКИ ОНТОЛОГИЧЕСКИХ МОДЕЛЕЙ

УДК 004.048

ОБЗОР СРЕДСТВ РАЗРАБОТКИ ОНТОЛОГИЧЕСКИХ МОДЕЛЕЙ

Чайка В.А., Землянская С.Ю., Андриевская Н.К.
Донецкий национальный технический университет
кафедра автоматизированных систем управления
E-mail: valera_chaika@mail.ru

Аннотация:

Чайка В.А., Землянская С.Ю., Андриевская Н.К. Обзор средств разработки онтологий. В данной статье была поставлена проблема извлечения и использования полезной информации из документов, связанных с научно-исследовательской деятельностью. Подробно рассмотрен этап составления онтологии. Проведен анализ и выбран язык спецификации, средство разработки и машины логического вывода онтологии.

Annotation:

Chaika V.A., Zemlyanskaya S.Y., Andrievskaya N.K. Ontology development tools overview. The article identified the problem of useful information from research-related documents extracting. The concept of a specialized information system was proposed. The stage of ontology compilation was considered in detail. A study of tools for working with ontological models was carried out. As a result of the study, the specification language, development tool and ontology logic output machines were chosen.

Проблематика

Процесс и результаты научной деятельности сотрудников организаций, занимающихся исследовательской и научно-педагогической деятельностью, сопровождается большим количеством различной отчетной документации, включающей публикации, тезисы докладов, патенты, диссертационные исследования и многие другие. Разнородность и неоднозначные способы форматирования этих материалов превращают учет и анализ результатов научных исследований в сложную задачу. Для решения этой задачи необходимо обеспечить формирование стандартизованного информационного каркаса, позволяющего ориентироваться на общие концепции научно-изыскательской предметной области, который может быть использован для извлечения научной и системной информации, а также для проверки, увязки и согласования данных. Для повышения эффективности управления данными о научных исследованиях и проектах необходима разработка и внедрение стандартов данных и применение лучших практик по управлению данными.

Один из способов создания такого стандартизованного каркаса – это использование онтологических моделей предметной области. Онтологии – попытка детальной формализации некоторой области знаний при помощи концептуальных схем. Онтологии описывают понятия предметной области, а также отношения, которые существуют между этими понятиями. Такое представление информации позволяет компьютеру и человеку использовать ее эффективнее. [1]

Понятие онтологии

Существует множество определений онтологий, большинство которых сводится к тому, что онтология некоторым образом описывает понятия предметной области., на базе которых можно реализовать понятия и отношения между ними, а также правила, аксиомы и др.

Чаще всего упрощенно математически онтологию можно представить, как упорядоченную тройку вида [2]:

О = ⟨ T, R, F ⟩

где:

T – конечное множество терминов (концептов, понятий, классов) предметной области, которую представляет онтология O; (помимо конечности также есть ограничение непустоты);

R – конечное множество отношений между понятиями заданной предметной области;

F – конечное множество функций интерпретации (аксиоматизация) заданных на концептах и/или отношениях онтологии O.

В зависимости от степени детализации онтологии могут быть представлены в следующих видах:

• простой каталог id-значение;
• словарь терминов или глоссарий- хранит список терминов и их значения;
• тезаурус-используют связи между понятиями (синонимы, иерархия, ассоциация);
• формальные таксономии-дополнительно включают отношения класс-подкласс и класс-экземпляр;
• фреймы- подразумевают возможность дополнительного хранения свойств.

По цели создания онтологии делят на 4 класса:

• онтологии представления, целью которых является описание области представления знаний;
• онтологии верхнего уровня, обобщающие знания для многократного и широкого использования;
• онтологии предметных областей, продолжающих описание онтологии представления, но ограниченные конкретной предметной областью;
• прикладные онтологии, описывающие концептуальную модель конкретной прикладной задачи.

Путей формирования онтологий известно два. Первый, формальный, основывается на логике предикатов. Второй, лингвистический, основан на обработке корпусов текстовых документов и использовании семантических методов.

Все этапы формирования онтологии вместе с ее оценкой можно свести к схеме, представленной на рисунке 1. [3]

Рис. 1. Этапы формирования онтологии

Процесс генерации онтологии на основе множества документов, состоит из следующих этапов:

• идентификация и извлечение объектов;
• кластеризация объектов на группы синонимичных объектов;
• поиск соответствия кластеров существующим концептам или генерации нового концепта;
• выделение отношений наследования между концептами;
• вспомогательных отношений;
• определение правил на получившейся онтологии.

При составлении онтологии в автоматическом или полуавтоматическом режиме очень важен процесс оценки результатов работы алгоритмов.

Следует отметить, что алгоритм цикличен: исходная, возможно, пустая онтология дополняется новыми объектами, концептами и отношениями, оценивается и затем уже используется как база для дальнейшего расширения.

Обзор языков онтологий

Ключевым моментом в проектировании онтологии является выбор соответствующего языка спецификации онтологий. Цель таких языков – дать возможность указывать дополнительную машинно-интерпретируемую семантику ресурсов, сделать машинное представление данных более похожим на положение вещей в реальном мире, существенно повысить выразительные возможности концептуального моделирования слабо структурированных Web-данных [4]. Рассмотрим некоторые из них.

Язык RDF. В рамках проекта семантической интерпретации информационных ресурсов Интернет (Semantic Web) был предложен стандарт описания метаданных о документе Resource Description Framework, использующий XML-синтаксис. RDF использует базовую модель данных «объект – атрибут – значение» и способен сыграть роль универсального языка описания семантики ресурсов и взаимосвязей между ними. Ресурсы описываются в виде ориентированного размеченного графа — каждый ресурс может иметь свойства, которые в свою очередь также могут быть ресурсами или их коллекциями. Все словари RDF используют базовую структуру, описывающую классы ресурсов и типы связей между ними. Это позволяет использовать разнородные децентрализованные словари, созданные для машинной обработки по разным принципам и методам. Важной особенностью стандарта является расширяемость: можно задать структуру описания источника, используя и расширяя такие встроенные понятия RDF-схем, как классы, свойства, типы, коллекции. Модель схемы RDF включает наследование классов и свойств.

DAML+OIL – семантический язык разметки Web-ресурсов, расширяющий стандарты RDF и RDF Schema за счет более полных примитивов моделирования. Последняя версия DAML+OIL обеспечивает богатый набор конструкций для создания онтологии и разметки информации таким образом, чтобы их могла читать и понимать машина.

OWL (Web Ontology Language) – язык представления онтологий, расширяющий возможности XML, RDF, RDF Schema и DAML+OIL. Этот проект предусматривает создание мощного механизма семантического анализа. Планируется, что в нем будут устранены ограничения конструкций DAML+OIL. Онтологии OWL – это последовательности аксиом и фактов, а также ссылок на другие онтологии. Они содержат компоненту для записи авторства и другой подробной информации, являются документами Web, на них можно ссылаться через URI.

Описание и сравнение средств разработки онтологий

При создании онтологий (как и при проектировании программного обеспечения или написании электронного документа) целесообразно пользоваться подходящими инструментами. Будем называть инструментальные программные средства, созданные специально для проектирования, редактирования и анализа онтологий, редакторами онтологий.

В приведенной ниже таблице 1 перечислены основные характеристики наиболее популярных редакторов онтологий.

Таблица 1 – Характеристики редакторов онтологий

Таблица 2 – Сравнительная характеристика резонеров

Основная функция любого редактора онтологий состоит в поддержке процесса формализации знаний и представлении онтологии как спецификации (точного и полного описания).

В большинстве своем современные редакторы онтологий предоставляют средства кодирования (в смысле описания) формальной модели в том или ином виде. Некоторые дают дополнительные возможности по анализу онтологии, используют механизм логического вывода.

В последнее время количество общедоступных редакторов онтологий превысило 100 единиц. Но редко можно встретить универсальное и в то же время полезное средство. [5]

Характеристики, которые будут сравниваться [6]:

Методология. У каждого существующего резонера есть определенный алгоритм или методология, по которому он выстраивает взаимосвязей в иерархических структурах. К таким методологиям относятся Tableau-based, Tableaux-based, Completion rules, SWRL rules, Hypertableau-based, Consequence based методики.

Родной профиль. Эта характеристика показывает, к какому типу OWL относится данный резонер. OWL DL или OWL EL, OWL QL, OWL RL.

Платформа. Характеристика поддержки различных платформ, а именно: Windows, Linux.

OWL API. Булевая характеристика, обозначающая наличие или отсутствие поддержки OWL API у резонера.

Язык программирования. Одна из ключевых характеристик – на каком языке программирования был написан резонер, например: Java, C++, Prolog, LISP, и др.

Доступность. Данная характеристика показывает, является ли резонер платным или бесплатным.

Поддержка выразительности резонера. Характеристика, которая введена для определения методики выразительности резонерa.

v. protege. Показывает, с какими версиями Protege совместима данная версия резонера.

Выводы

Использование специального языка правил и классификаций для стандартизации контента, и семантики данных внутри научно-образовательной организации позволит организовать оперативный анализ персональных и обобщенных данных, облегчит поиск необходимой для научных исследований и учебных разработок информации за счет жестких, прозрачных, неизменных правил. Рассмотренные в статье средства могут быть использованы для создания информационной модели автоматизированной системы учета и анализа результатов научных исследований.

Литература

1. Морозов И., Белокопытова Е. Анализ и сравнение работы различных Reasoner’ов в Protege. URL: https://www.academia.edu/9280798/Анализ_и_сравнение_работы_различнх_Reasonerов_в_Protege (дата обращения: 04.05.20)
2. Романов С. В., Сытник А. А., Шульга Т. Э. О возможностях использования коммуникативных грамматик и LSPL-шаблонов для автоматического построения онтологий // Известия Самарского научного центра Российской академии наук. — 2015. — Т. 17
3. Платонов А. В., Полещук Е. А. Методы автоматического построения онтологий. URL: https://cyberleninka.ru/article/n/metody-avtomaticheskogo-postroeniya-ontologiy/viewer (дата обращения: 07.05.20)
4. Языки представления онтологических знаний. Кратко [Электронный ресурс]. — Режим доступа: http://fevt.ru/load/jazyki_predstavlenija_ontologicheskikh_znanij/124-1-0-1739 (дата обращения: 09.05.20)
5. Лекция 7: Инструментальные средства проектирования онтологий. [Электронный ресурс]. — Режим доступа: https://www.intuit.ru/studies/courses/1078/270/lecture/6857?page=2 (дата обращения: 10.05.20)
6. Горшков С. Введение в онтологическое моделирование // ООО ”ТриниДата