Назад в библиотеку

Анализ редакторов онтологий с точки зрения представления классов и продукционных правил

Автор: Р.С. Кутелёв, М.И. Пахота, А.В. Григорьев
Источник: Донецкий национальный технический университет: Сборник материалов III Международной научно-практической конференции (студенческая секция) – г. Донецк: ДонНТУ, 2020. – с.176–182,[Ссылка]

Аннотация: В статье проведен сравнительный анализ редакторов онтологий. Выполнен анализ представления классов, паттернов. Изучена возможность использования продукций для синтеза классов в редакторах онтологий.

Ключевые слова: онтология, класс, продукционные правила, синтез классов, редактор онтологий.

Введение

Одним из наиболее перспективных и динамично развивающихся областей искусственного интеллекта являются онтологии. Такое состояние дел делает актуальной задачу поиск новых путей развития инструментальных средств работы с онтологиями, и, в частности, редакторов онтологий.

Под онтологией можно понимать:

Еще совсем недавно редакторы онтологий относились к системам, более предназначенным только для полноценного описания понятий различных предметных областей, с достаточно слабой инструментальной базой для ввода правил или продукций.

Такое состояние позволяло рассматривать два класса систем: редакторы онтологий, с одной стороны, и – экспертные системы и инструментальные системы для создания экспертных систем, с другой стороны.

В настоящее время редакторы онтологий все больше приобретают черты инструментальных систем для создания экспертных систем, но построенных уже, в отличие от старых систем такого класса, на базе полноценной модели предметной области.

Современные онтологии выполняют три задачи:

Целью предлагаемой работы является решение двух задач:

1) Выполнение анализа современных редакторов онтологий с точки зрения:

2) Определение актуальных направлений развития редакторов онтологий и постановка задачи по созданию редакторов онтологий нового поколения.

Классы и объекты в редакторах онтологий

На данный момент существует огромное количество инструментов работы с онтологиями. Наиболее популярными являются: Apollo, Protégé, Swoop, OntoStudio, TopBraid Composer (FE).

Общее описание инструментов (табл. 1) включает информацию о разработчиках и доступности. На таблице видно, что Apollo, Protégé и Swoop имеют открытый исходный код, а OntoStudio и TopBraid Composer (FE) находятся под лицензией на программное обеспечение [2].

Особенность

Apollo

OntoStudio

Protégé

Swoop

TopBraid Composer (FE)

Разработчики

KMI открытый университет

Ontoprise

SMI Стэнфордский университет

MND Университет Мэриленда

Верхний квадрант

Доступность

Открытый исходный код

Лицензия

Открытый исходный код

Открытый исходный код

Лицензия

Импорт с языков

Apollo Meta

XML(S), OWL,

RDF(S),UML диаграммы, схемы базы данных (Oracle,MS- SQL, DB2,MySQL),

Outlook, метаданные файловой системы и удаленный доступ OntoBroker

XML(S),

RDF(S), OWL,

(RDF,UML,

XML)backend, Excel, BioPortal b DataMaster

OWL, XML,

RDF и текстовые форматы

RDFa, WOL, RDF(s),XHTML,

Microdata и RDFa источники данных, SPIN,

Лента новостей, файлы RDF в новый TDB, электронная почта и Excel

Экспорт на языки

OCMLи CLOS

XML(S), OWL, RDF(S),UML

и OXML

XML(S),

RDF(S), OWL,

Clips, SWRL-IQ,

Instance Selection, MetaAnalysis, OWLDoc,

Queries and (RDF,UML,

XML)backend

RDF (S),

OIL и DAML

Слияние / преобразование графиков RDF, RDF (S), WOL

Таблица 1 - Общее Описание Инструментов

Архитектура программного обеспечения и эволюция инструмента (табл. 2) включает информацию о платформах, необходимых для использования инструмента. Фактически предоставляется следующая информация: архитектура по умолчанию (автономная, клиент / сервер, многоуровневое приложение), расширяемость, хранение онтологий (базы данных, файлы ASCII и т.д.) и управление резервным копированием.

Все эти инструменты переходят на платформы Java, Swoop основан на веб-технологиях, а Protégé, OntoStudio и Swoop имеют архитектуру клиент / сервер. Protégé, OntoStudio и TopBraid Composer (FE) используют базы данных для хранения онтологий [2].

Функциональная совместимость (табл. 3) включает информацию о взаимодействии инструментов с другими инструментами и языками разработки онтологий, переводах на некоторые языки онтологий и обратно.

Это еще одна важная особенность интеграции онтологий в приложения. Большинство этих инструментов поддерживают импорт и экспорт на многие языки и из них в различных форматах. TopBraid Composer (FE) поддерживает импорт в источники данных RDFa, WOL, RDF, XHTML, микроданные и RDFa, SPIN, новостную ленту, электронную почту и Excel. Swoop поддерживает RDF (S), OIL и DAML. Apollo поддерживает метаязык Apollo и т.д. Protégé поддерживает импорт текстовых файлов, таблиц базы данных и файлов RDF. OntoStudio поддерживает схемы баз данных (Oracle, MS-SQL, DB2, MySQL), электронную почту Outlook и т. Д. TopBraid Composer (FE) поддерживает экспорт слияний / преобразований графиков RDF, RDF (S) и WOL.

Также Swoop поддерживает RDF (S), OIL и DAML, а Apollo поддерживает метаязык Apollo. Большинство из них поддерживают OWL, RDF (S) и XMl (S). Однако сравнительного исследования качества каждого из этих переводчиков не проводилось. Более того, нет экспериментальных результатов о возможности обмена онтологиями между различными инструментами и знаниями в процессе перевода [2].

 

Особенность

Apollo

OntoStudio

Protégé

Swoop

TopBraid Composer (FE)

Семантическая веб-архитектура

Независимая

Eclipse клиент/сервер

Независимая и клиент-сервер

Веб-интерфейс и клиент-сервер

Независимый Eclipse плагин

Расширяемость

Плагины

Плагины

Плагины

Yes Via плагины

Плагины

Управление резервным копированием

Нет

Нет

Нет

Нет

Нет

Хранение онтологий

Файлы

СУБД

Файл и СУБД (JDBC)

Как HTML модели

СУБД

Таблица 2 - Архитектура программного обеспечения и эволюция инструмента

Особенность

Apollo

OntoStudio

Protégé

Swoop

TopBraid Composer (FE)

С другими инструментами онтологии

Нет

OntoAnnotate ,OntoBroker, OntoMat, Semantic и Miner

PROMPT, OKBC, JESS, FaCT и Jena

Нет

Sesame , Jena и Allegro Graph

Таблица 3 - Взаимодействие

Представление знаний в редакторах онтологий

Понятие “онтология” включает в себя пространственное знание, семантическое знание, временное знание, представленное на рисунке 1.

pic1

Пространственное знание. Объекты имеют два свойства: пространственное и непространственное. Пространственные свойства определяют объекты по трем категориям, а именно положение объектов, форма объектов и размер объектов. Непространственные свойства представляют цвет и категорию объекта. Эти свойства поддерживают планирование задач робота. Пространственное представление необходимо для представления концепции пространства и формы в роботизированной среде [4]. В основе системы ИИ лежит разработка задачи робота высокого уровня, в которой все знания предметной области представлены с использованием пространственных функций. Но навигация роботов осуществляется с неполными знаниями предметной области, неизвестными объектами и незнакомым расположением объектов в предметной области. Чтобы решить эту проблему, пространственное представление с использованием онтологии определяет, как явную, так и неявную спецификацию задачи в домене, а также предоставляет карту для моделируемой области. Пространственное представление явно определяет пространственные сущности, такие как расположение объекта, форма объекта и определяет положение объекта в домене. Неявная спецификация управляет поведением робота и движением действий по достижению места назначения в пространстве. Это пространственное представление основано на трех основных категориях, а именно на пространственной сущности, пространственных отношениях и нечеткой информации, которые помогают роботу успешно работать и планировать в пределах своего окружения [3].

Семантическое знание. Семантические знания могут представлять общие знания, такие как концепции, их отношения и то, как они семантически связаны. Семантические знания предоставляют инструкции и подробную информацию, необходимые для выполнения в интеллектуальной системе. Семантические знания позволяют выводить новую информацию, позволяющую роботу выполнять большой набор задач. Робот должен обладать достаточными знаниями для восприятия детерминированной среды и доступа к методам выполнения действий с использованием этого семантического знания. Планирование задач имеет последовательность упорядоченных действий для достижения цели высокого уровня [4].

Временное знание. Временная логика используется для представления временной информации, которая включает как качественную, так и количественную информацию. Количественная временная информация выражает моменты времени, связанные с такими событиями, как время начала или окончания. Качественная временная информация выражает события с помощью временных отношений, которые определяют последовательный порядок между событиями. Эта временная информационная система помогает в упорядочивании задач, используя время начала события, продолжительность события и совпадение двух событий, что очень важно для роботов, чтобы действовать в окружающей среде.

Чтобы избежать столкновений в домене, необходимы глубокие знания об окружающей среде для обработки задач или методов. Как следствие, временная логика также выражает спецификации знаний предметной области, чтобы можно было выполнять последовательность движений, синхронизацию, охват и временной порядок различных задач. Онтология обеспечивает полную структуру знаний предметной области с использованием этих трех представлений. Эти хорошо представленные знания помогают роботу эффективно выполнять действия [5].

С точки зрения представления знаний (табл. 4) существует семейство инструментов, которое позволяет представлять знания в соответствии с гибридным подходом, основанным на фреймах и логике первого порядка. Кроме того, Protégé предоставляет гибкие компоненты моделирования, такие как метаклассы. OntoStudio поддерживает методологию Onto Knowledge.

Особенность

Apollo

OntoStudio

Protégé

Swoop

TopBraid Composer (FE)

KR

Парадигма модели знаний

Фреймы

(OKBC)

Фреймы и логика первого порядка

Фреймы, логика первого порядка, SWRL и метаклассы

OWL

RDF,OWL и SWRL

Язык аксиом

Неограниченный

Да

(F-Logic)

Да (PAL)

OWL- DL

OWL-DL

Методическая поддержка

Нет

Да Onto- Knowledge

Нет

Нет

Нет

Таблица 4 - Представление знаний и методологическая поддержка

Сервисы вывода представлены в табл. 5. Сюда входят: встроенные и другие механизмы вывода, механизмы проверки ограничений и согласованности, автоматические классификации и обработка исключений. Для встроенного механизма вывода Protégé использует PAL, OntoStudio использует OntoBroker, а TopBraid Composer (FE) использует WOL, SPARQL и Rule. Protégé, Swoop и TopBraid Composer (FE) имеют внешние подключенные механизмы вывода. TopBraid Composer (FE) использует обработку исключений [2].

Особенность

Apollo

OntoStudio

Protégé

Swoop

TopBraid Composer (FE)

Встроенный механизм логического вывода

Нет

Да

Да (PAL)

Нет

WOL, SPARQL и Rule

Другой механизм вывода

Нет

Нет

RACER, FACT, FACT++,F-logic и Pellet

Pellet и RDF-like

OWLIM,

Pellet и SPARQL

Rules

Проверка ограничений/согласованности

Да

Да

Да

Только с плагином

Да

Автоматические классификации

Нет

Нет

Нет

Нет

Нет

Обработка исключений

Нет

Нет

Нет

Нет

Да

Таблица 5 - Сервисы вывода

Представление знаний в экспертных системах

Экспертные системы (ЭС) — первый продукт, появившийся на информационном рынке, как итог 30-летней изыскательской работы в области искусственного интеллекта (ИИ). ЭС представляют собой программы для компьютера, которые могут воспроизводить процесс решения проблемы человеком экспертом.

Состав знаний ЭС определяется следующими факторами:

 В соответствии с общей схемой статической экспертной системы для ее функционирования требуются следующие знания:

Общая структура экспертной системы представлена на рис. 2.

pic2

Возможность применения онтологий в экспертных системах

Один из самых важных компонентов экспертной системы является база знаний. Именно от полноты и непротиворечивости наличествующих в ней знаний зависит качество экспертной системы.

Онтологии можно использовать в качестве основы для создания базы. Например, задачи, решаемые системами принятия решения, отличаются плохой формализованностью, то очень важно иметь детализированные, непротиворечивые и логичные знания по заданной предметной области. Системы принятие решений часто используют огромные массивы знаний. А так как с помощью онтологии можно явно описать семантику знаний и данных, то она служит базисом для интеграции и совместного применения разных данных при решении разных задач.

Идея реализации экспертной системы с помощью онтологий не нова и была описана в статье “An Ontology-Based Expert System for General Practitioners to Diagnose Cardiovascular Diseases” [7]. В статье описывается идея, рассматривается архитектура и принцип реализации данной системы.

Архитектура предлагаемой системы состоит из нескольких модулей. Рис. 3 иллюстрирует эти модули и взаимодействие между ними.

pic3

Как и для любой другой экспертной системы, ядром такой системы является модуль базы знаний, который состоит из базы фактов и базы правил. Факты извлекаются с помощью пользовательского интерфейса из пользователя. База правил состоит из правил принятия решений SWR и структурированных классов онтологии, наряду с отношениями между этими классами. Классы онтологии формировались с использованием Protégé. В редакторе Protégé, как и в других редакторах, отсутствует возможность программного синтеза классов. Данная функция могла бы быть полезна разработчикам интеллектуальным систем [7].

Заключение

Подводя итог, можно сказать, что инструменты Apollo, Protégé 3.4 и Swoop являются онтологией с открытым исходным кодом, а для инструментов: требуется лицензия на программное обеспечение OntoStudio и TopBraid composer (FE).

Также есть некоторые инструменты, которые требуют изучения онтологии приложения / знания конкретного языка Swoop. Инструменты: Protégé, TopBraid Composer (FE) и OntoStudio используют базы данных для хранения онтологий. То же самое относится к функциям управления резервным копированием, которые только что предоставляются TopBraid Composer (FE). Protégé и OntoStudio - это более графические инструменты онтологии. Swoop - это веб-приложение. OntoStudio поддерживает методологию Onto Knowledge. TopBraid Composer (FE) использует обработку исключений. Некоторые инструменты поддерживают только совместную редакцию функций просмотра. Редакторы Protégé, TopBraid Composer (FE), Swoop и OntoStudio предоставляют онтологию документации, импорт / экспорт онтологий в различные форматы, графическое представление онтологий, библиотеки онтологий и подключенные механизмы вывода, а Apollo поддерживает метаязык Apollo[2].

Современные редакторы онтологий имеют как преимущества, так и недостатки. В данном докладе проведено исследование редактора онтологий на возможность создания экспертной системы. Следующим шагом развития данных программ могла бы стать экспертная система на основе онтологий с возможностью программного синтеза классов.

Литература

  1. Инструментальные средства проектирования онтологий, 2020. [Электронный ресурс]. URL: Ссылка (дата обращения: 18.11.2020). - Назв. с экрана.
  2. Emhimed Salem Alatrish. Comparison of Ontology Editors. eRAF Journal on Computing, 4, 2012, 31–37.
  3. Ontology based spatial planning for human-robot interaction / Belouaer L., Bouzid M., Mouaddib A.-I. 2020. [Temporal Representation and Reasoning, TIME, 2010 17th International Symposium on, IEEE (2010), pp. 103-110.
  4. Representations for robot knowledge in the knowrob framework/ Tenorth M., Beetz M. — Artificial Intelligence, 247 (2017), стр. 151-169.
  5. Web-enabled robots / Tenorth M., Klank U., Pangercic D., Beetz M. IEEE Roboot. Autom. Mag., 18 (2) (2011), pp. 58-68
  6. Представление знаний в экспертных системах : учебное пособие / сост. В.А. Морозова, В.И. Паутов.— Екатеринбург : Изд-во Урал. ун-та, 2017.— 120 с.
  7. Baydaa Taha Al-Hamadani1, Raad Fadhil Alwan, An Ontology-Based Expert System for General Practitioners to Diagnose Cardiovascular Diseases // Advances in Computational Sciences and Technology ISSN 0973-6107 Volume 8, Number 1 (2015) pp. 53-65