четверг, 29 сентября 2016 г.

От инженерии знаний к онтологическому инжинирингу


    Введение. Статья посвящена введению в новое направление в методологии разработки интеллектуальных систем онтологическому инжинирингу (ОИ). Cегодня ведущей парадигмой структурирования информационного контента остаются онтологии или иерархичеcкие концептуальные структуры, которые формируются аналитиком на основе изучения и структурирования протоколов извлеченных знаний и документации (см. [Gruber, 1993; Попов, 2000; Гаврилова, Хорошевский, 2001; Гаврилова, 2004]). С методической точки зрения это один из наиболее "систематических" и наглядных способов. ОИ развивает основные положения инженерии знаний - науки о моделях и методах извлечения, структурирования и формализации знаний. Инженерия знаний - это ветвь искусственного интеллекта, в то время как ОИ сегодня охватывает более широкий круг приложений от систем управления знаниями до дистанционного обучения.
    Онтологический подход. Теория разработки онтологий активно развивается, но находится пока в стадии "первоначального накопления капитала". Онтология или концептуальная модель предметной области, состоит из иерархии понятий предметной области, связей между ними и законов, которые действуют в рамках этой модели.
    В работе [Гаврилова, 2004] была предложена следующая систематизация современных представлений и исследований в области онтологий. Рисунок 1 иллюстрирует основные принципы возможных классификаций онтологий:
  • по типу отношений
        - Таксономия - ведущее отношение "kind-of" ("is-a")
        - Партономия - ведущее отношение "имеет частью" ("состоит", "has part")
        - Генеалогия - ведущее отношение "отец-сын" ("потомок-предшественник")
        - Атрибутивные структуры
        - Причинно-следственные - ведущее отношение "if-then"
        - Смешанные онтологии - онтологии с другими типами отношений
  • по владельцу или пользователю
        - Индивидуальные (личные),
        - Групповые (коллективные):
  • Принадлежат стране,
  • Принадлежат сообществу (напр. научному),
  • Принадлежат компании или предприятию;
        - Общие (всеобщие).
  • по языку описания
        - Неформальные,
        - Формализованные,
        - Формальные - на языках RDFS,OWL, DAML+OIL и др.
  • по области применения
        - Наука,
        - Промышленность,
        - Образование и др.
  • по цели разработки
        - Для обучения,
        - Для исследований,
        - Для менеджмента,
        - Для обмена знаниями,
        - Для электронного бизнеса. 
  • Рис 1. Классификации онтологий

    Эти классификации можно дополнить еще одной [Mizogushi, Bourdeau, 2000] согласно которой все онтологии делятся на
        - "весомые" онтологии (Heavy-weighted), содержащие аксиомы и
        - "легкие" (Light-weighted), их не содержащие.
        Иначе  - весомые онтологии,
                   - легкие онтологии,
                   где
        O- онтология,
        С - совокупность концептов предметной области,
        R - совокупность отношений между ними,
        A - набор аксиом (законов и правил, которые описывают, как законы и принципы существования концептов).
        Около 80 % разработанных онтологий относятся к "легким".
        Пополнять и изменять эту схему можно и далее, так как взгляды исследователей эволюционируют, и период "бума" онтологий продолжается уже более 5 лет.
        Структура онтологического инжиниринга. Онтологический инжиниринг как теория и технологии разработки онтологий активно развиваются [Mizogushi & Bourdeau, 2000; G?mez-P?rez, Fern?ndez-L?pez, Corcho, 2004] . Обобщая накопленный опыт можно предложить следующие разделы для представления ОИ (рис.2): 

    Рис.2. Онтологический инжиниринг

  •   A. Разработка онтологий
                   A.1.Извлечение знаний
                         - Теоретические аспекты
                         - Практические методы
                   A.2.Структурирование знаний
                         - Стратегии
                         - Модели
                         - Алгоритмы
                   А.3.Формализация
                         - Языки
                         - Редакторы
                         - Системы
                   B. Применение онтологий
                   В.1.СУЗ (Системы Управления Знаниями)
                   В.2.Дистанцинное обучение
                   В.3.Semantic Web
        Следует констатировать, что основные успехи лежат в области А3 и А4 - т.е. технологии, в то время как методология (А1 и А2) находится в зачаточном состоянии. В последнее время стало очевидным, что для промышленной разработки СУЗ уже недостаточно наличия формализованных языков (RDF, RDFS, OWL и др.) и систем (PROT?G?, APPOLLO, и др.), отвечающих на вопрос "КАК представить онтологию в сети?".
        На рынке программных средств достаточно активно продвигаются более 50 редакторов онтологий (см. таблицу 1).

    Кроме этого на начальной стадии разработки онтологий хорошо себя показали и системы класса "mind mapping", например
  • Inspiration 7.6
  • Map it! 2003 (by Tony Buzan)
  • MindMapper 4.2. Pro
  • MindGenius Business 2005
  • Visual Mind 7
  • Mind Pad 1.1
  • Mind manager
  • The Brain

    Однако самые изощренные редакторы и инструменты не могут выполнить содержательный анализ предметной области и креативный синтез онтологических структур. Сегодня необходимы практические рекомендации и технологии в областях A1 и A2, для получения ответа на вопросы: "ЧТО отражают знания, представленные в онтологии?" и "КАК их наглядно отобразить?".
        Методология формирования онтологий в системе PROTEGE
        Protege - это одна из наиболее популярных систем работы с онтологиями, созданная в Стэнфордском университете (США). По версии разработчиков системы Prot?g? все понятия предметной области делятся на классы, подклассы, экземпляры. Экземпляры могут быть как у класса, так и подкласса и описываются они фреймом [Минский, 1979]. Разработка онтологий для PROTEGE состоит из 5 шагов [Noy, 2001]:
        1. Выделение области (масштаба) онтологии, иначе определение границ онтологии.
        2. Определение классов;
        3. Организация иерархии классов;
        4. Формирование фреймов для описания классов, подклассов, экземпляров, через определение слотов, т.е. свойств;
        5. Определение значений;
        Protege предлагает нисходящую стратегию проектирования онтологий (сверху вниз). Существуют и восходящие стратегии. Возможно комбинирование стратегий.
        Узлы-братья в онтологии должны находиться на одном уровне. Братьев должно быть не меньше двух и не больше двенадцати, иначе по мнению разработчиков Prot?g?, можно выделить еще один подкласс.
        Слот следует относить к самому высокому классу в иерархии.
        Слоты делятся на:
  • Внутренние (определяются внутренним свойством объекта. Например, у фрейма "вино" - вкус).
  • Внешние (определяются внешним свойством объекта. Например, у "вина" - название).
  • Части (например "Содержание сахара в вине").
  • Другие.
    Разработчики Protege считают, что нет правильного способа создания онтологии, так как онтология - это взгляд аналитика, т.е. всегда субъективна.
        Когнитивно-перцептивный подход к онтологическому инжинирингу. Рассмотрение основных направлений развития методологии ОИ, в том числе
        - Методов извлечения знаний,
        - Алгоритмов категоризации и структурирования (образование концептов и выявление связей), выходят за рамки данной статьи. Рассмотрим только некоторые аспекты непосредственного визуального дизайна онтологий. Для этого предлагается использовать методы гештальт-психологии для формирования "онтологического гармонии". Ранее [Гаврилова, 2003] уже был предложен "простой рецепт" создания онтологий для новичков, который вполне согласуется и с подходом группы PROT?G?. Последняя версия рецепта содержит 5 шагов [Gavrilova, Laird, 2005]:
        1. Формирование глоссария предметной области.
        2. Установление связей между понятиями глоссария и их визуализация.
        3. Категоризация понятий и формирование мета-понятий (снизу-вверх).
        4. Детализация (сверху-вниз).
        5. Ре-инжиниринг (уточнение, разрешение противоречий, синонимии, избыточности, перестройка, дополнение).
    Представляется целесообразным применить некоторые результаты гештальт-психологии для шагов 2 - 5. Автор гештальт психологии Макс Вертгеймер так сформулировал основной принцип хорошего гештальта (хорошей формы) или закон прегнантности:

        "Организация любой структуры в природе или в сознании должна быть настолько хороша (регулярна, полна, сбалансирована или симметрична), насколько позволяют существующие условия". 
        Также полезными могут и другие когнитивно-перцептивные законы :
        o Закон близости - визуальные стимулы (объекты), находящиеся близко друг от друга воспринимаются как единое целое.
        o Закон сходства - вещи, обладающие одинаковыми свойствами. обычно воспринимаются как нечто единое (цельное).
        o Закон включения В.Келера - есть тенденция воспринимать только большую фигуру, а не ту меньшую которую она включает.
        o Закон парсимонии - самый простой пример является самым лучшим, известен как принцип "бритвы Оккама": "не нужно умножать сущности без необходимости".
        Попытаемся переформулировать эти законы для практического инженера по знаниям. Основная гипотеза: " Гармония = концептуальный баланс + ясность".
        При этом концептуальный баланс подразумевает, что
            - Понятия одного уровня иерархии связываются с родительским концептом одним и тем же типом отношения (например, "класс-подкласс" или "часть-целое").
            - Глубина ветвей онтологического дерева должна быть примерно одинаковая (±2 ).
            - Общая картинка должна быть довольно симметричной.
            - Перекрестные ссылки должны быть по возможности исключены.
        Ясность включает
            - Минимизацию. Так максимальное число концептов одного уровня или глубина ветви не должна превышать знаменитое число Ингве-Миллера (7±2) [Miller,1956] .
             Прозрачность для чтения. Тип отношений должен быть по возможности очевиден, так чтобы не перегружать схему онтологии лишней информацией и опускать названия отношений. 


  • Рис.3. Принцип хорошего гештальта

    Иллюстрация принципа хорошего гештальта представлена на рис.3. Трудно не согласиться с более "правильной" формой онтологии A по сравнению с ошибками в структурировании онтологии B.

        Заключение. Онтологический инжиниринг делает первые шаги и трудно делать прогнозы о том, появится ли конструктивная и работающая теория разработки онтологий, или по-прежнему каждый аналитик будет идти методом проб и ошибок, создавая сложнейшие и головоломные онтологические структуры, отражающие лабиринты профессиональных знаний.

    Литература
        1. Вертгеймер М. 1987. Продуктивное мышление. М., Прогресс.
        2. Гаврилова Т.А., Хорошевский В.Ф., 2001. Базы знаний интеллектуальных систем. Учебник.- Спб, Изд-во "Питер".
        3. Гаврилова Т.А. Онтологический подход к управлению знаниями при разработке корпоративных информационных систем. - Ж. "Новости искусственного интеллекта", N2, 2003. - с.24-30.
        4. Гаврилова Т.А., 2004. Управление знаниями: ЧТО ДЕЛАТЬ?// Cб. докладов Седьмой научно-практической конференции "Реинжиниринг бизнес-процессов на основе современных информационных технологий. Системы управления знаниями" (РБП-СУЗ-2004). М. - с.61-67.
        5. Минский М. Фреймы для представления знаний. - М., Энергия, 1979.
        6. Попов Э.В., 2001. Корпоративные системы управления знаниями. Ж. "Новости ИИ", N1.
        7. G?mez-P?rez, A., Fern?ndez-L?pez, M., Corcho, O., 2004. Ontological Engineering with examples from the areas of Knowledge Management, e-Commerce and the Semantic Web, Springer.
        8. Gavrilova, T., Laird, D., 2005. Practical Design Of Business Enterprise Ontologies // In Industrial Applications of Semantic Web (Eds. Bramer M. and Terzyan V.), Springer. - pp.61-81.
        9. Gruber, T., 1993. A translation approach to portable ontology specifications. Knowledge Acquisition , Vol. 5, 199- 220.
        10. McComb D., 2004. The CIO's Guide To Semantics © Semantic Arts, Inc. , www.semantic-conference.com
        11. Miller, G., 1956. The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information. The Psychological Review, vol. 63, 81-97.
        12. Mizogushi, R. and Bourdeau J., 2000. Using Ontological Engineering to Overcome Common AI-ED Problems // International Journal of Artificial Intelligence in Education, volume 11, 1--12.
        13. Noy N., McGuinness D. Ontology Development 101 : A Guide to Creating Your First Ontology.- Knowledge Systems Lab, Stanford, 2001.

    Гаврилова Т.А.

    Комментариев нет:

    Отправить комментарий