Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку
Пропонується для підвищення релевантності пошуку інформації використовувати знання предметної області пошуку, подані як онтології в інтероперабельній формі, придатній для автоматизованого оброблення (приміром, інформаційно-пошуковими агентами). Розроблено алгоритм автоматизованого доповнення онтолог...
Збережено в:
| Дата: | 2007 |
|---|---|
| Автори: | , |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України
2007
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/14099 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку / Ю.В. Рогушина, І.Ю. Гришанова // Систем. дослідж. та інформ. технології. — 2007. — № 1. — С. 62-70. — Бібліогр.: 7 назв. — укр. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859838207684771840 |
|---|---|
| author | Рогушина, Ю.В. Гришанова, І.Ю. |
| author_facet | Рогушина, Ю.В. Гришанова, І.Ю. |
| citation_txt | Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку / Ю.В. Рогушина, І.Ю. Гришанова // Систем. дослідж. та інформ. технології. — 2007. — № 1. — С. 62-70. — Бібліогр.: 7 назв. — укр. |
| collection | DSpace DC |
| description | Пропонується для підвищення релевантності пошуку інформації використовувати знання предметної області пошуку, подані як онтології в інтероперабельній формі, придатній для автоматизованого оброблення (приміром, інформаційно-пошуковими агентами). Розроблено алгоритм автоматизованого доповнення онтологій новими термінами шляхом індуктивного узагальнення властивостей, обраних користувачем повнотекстових документів.
To increase the relevance of information retrieval, the use of domain knowledge represented as ontology in the interoperable form suitable for automated processing (for example, by information retrieval agents) is proposed. An algorithm of automatized ontology enlargement with new terms by means of inductive generalization of the properties selected by the user of full-text documents is designed.
Предлагается для повышения релевантности поиска информации использовать знания предметной области поиска, представленные как онтологии в интероперабельной форме, пригодной для автоматизированной обработки (например, информационно-поисковыми агентами). Разработан алгоритм автоматизированного дополнения онтологий новыми терминами путем индуктивного обобщения свойств, избранных пользователем полнотекстовых документов.
|
| first_indexed | 2025-12-07T15:36:03Z |
| format | Article |
| fulltext |
Ю.В.Рогушина, І.Ю.Гришанова, 2007
62 ISSN 1681–6048 System Research & Information Technologies, 2007, № 1
УДК 683.321
ВИКОРИСТАННЯ МЕТОДУ ІНДУКТИВНОГО ВИВЕДЕННЯ
ДЛЯ ВДОСКОНАЛЕННЯ ОНТОЛОГІЇ ПРЕДМЕТНОЇ
ОБЛАСТІ ПОШУКУ
Ю.В. РОГУШИНА, І.Ю. ГРИШАНОВА
Пропонується для підвищення релевантності пошуку інформації викорис-
товувати знання предметної області пошуку, подані як онтології в інтеро-
перабельній формі, придатній для автоматизованого оброблення (приміром,
інформаційно-пошуковими агентами). Розроблено алгоритм автоматизованого
доповнення онтологій новими термінами шляхом індуктивного узагальнення
властивостей, обраних користувачем повнотекстових документів.
ВСТУП
На сучасному етапі розвитку інформаційних технологій (ІТ) основні їх на-
прямки пов’язані зі створенням інформаційних систем (ІС), що використо-
вують та обробляють знання відповідних предметних областей (ПрО). Тому
зараз велике значення надається засобам подання знань в ІС, питанням їх
інтероперабельності, розподіленого та повторного використання.
Знання є результатом пізнання дійсності, відображеної у свідомості
людини у вигляді уявлень, понять, суджень і теорій. Знання ІС щодо ПрО —
це сукупність відомостей ПрО (фактів, правил, властивостей об’єктів), які
зберігаються у базі знань (БЗ) інтелектуальної ІС. Знання ПрО поділяються
на факти, що відносяться до певної ПрО, закономірності, характерні для цієї
ПрО, та гіпотези про можливі зв’язки між явищами, процесами і фактами, а
також процедури для вирішення типових задач у даній ПрО. ІС, які базу-
ються на знаннях, забезпечують більш повне та ефективне задоволення ін-
формаційних потреб користувачів (потреб, що виникають, коли ціль корис-
тувача у процесі його професійної діяльності або в його соціально-
побутовій практиці не може бути досягнута без залучення додаткової інфо-
рмації з певних документів, доступ до яких має ІС).
Пошук інформаційних ресурсів (ІР) є важливою складовою таких акту-
альних напрямків розвитку ІТ, як електронна комерція, електронний бізнес,
дистанційна освіта, телемедицина тощо. Використання знань ПрО, предста-
влених у різних формах (текст, графіка, мультимедіа тощо), підвищує ефек-
тивність пошуку в Інтернеті, локальній мережі, на окремому комп’ютері.
Якщо ІС має відомості щодо того, до якої ПрО відносяться інформаційні
потреби користувача, то вона має можливість конкретизувати пошуковий
запит, що відображає інформаційну потребу користувача. Так, відповідно до
знань ПрО, потреба користувача у діагностиці може інтерпретуватися як
запит щодо консультації лікаря або перевірки функціонування комп’ютера.
Створення БЗ ПрО — складний процес, який потребує багато часу та
коштів. Тому доцільно здобуті знання ПрО використовувати багаторазово у
Використання методу індуктивного виведення для вдосконалення онтології ...
Системні дослідження та інформаційні технології, 2007, № 1 63
різноманітних задачах, що постають перед користувачами у цій ПрО. На-
приклад, БЗ, створену для навчання у певній галузі, можна застосовувати
для пошуку ІР у цій галузі, е-бізнесу при створенні експертних та консуль-
туючих систем тощо. Для повторного використання знань ПрО необхідно
подавати їх в інтероперабельній формі, придатній для автоматизованого об-
роблення, приміром, на основі онтологій [1].
ПОСТАНОВКА ЗАДАЧІ
Пропонується для автоматизації створення БЗ у різних ПрО використовува-
ти метод індуктивного виведення для узагальнення відомостей, що містять-
ся в ІР (як повнотекстових, так і мультимедійних), релевантних ПрО. Щоб
такі БЗ були інтероперабельними та придатними для повторного викорис-
тання, доцільно подавати здобуті знання через онтології та тезауруси.
ОНТОЛОГІЧНЕ ПОДАННЯ ЗНАНЬ
Термін онтологія прийшов з філософії. Онтологія — це угода про спільне
використання понять, що містить засоби подання предметних знань і домов-
леності про методи міркувань. Неформально онтологія може розглядатися
як певний опис погляду на світ у конкретній сфері інтересів, що складається
з набору термінів і правил використання цих термінів, які обмежують їх
значення в рамках конкретної ПрО. Онтології дозволяють подавати знання у
формі, придатній для машинної обробки.
Онтологія — це БЗ спеціального виду, яка містить семантичну інфор-
мацію з певної ПрО. Компоненти онтології залежать від парадигми подання,
але практично всі моделі онтології містять певні концепти (поняття, класи),
властивості концептів (атрибути, ролі), відношення між концептами (зале-
жності, функції) та додаткові обмеження, що визначаються аксіомами. Кон-
цептом може бути опис задачі, функції, дії, стратегії, процесу міркування
тощо [2].
На формальному рівні онтологія — це система з наборів понять і твер-
джень про ці поняття, на основі яких можна будувати класи, об’єкти, відно-
шення, функції та теорії. Формальна модель онтології O : впорядкована
трійка 〉〈= FRTO ,, , де T — скінченна множина термінів ПрО, яку описує
O ; R — скінченна множина відношень між термінами заданої ПрО; F —
скінченна множина функцій інтерпретації, заданих на термінах і/або відно-
шеннях O. Відношення представляють тип взаємодії між концептами ПрО.
Приклад бінарного відношення — «є частиною». Аксіоми використовують-
ся для моделювання тверджень завжди істинних.
Моделі онтології класифікуються таким чином:
• прості моделі (мають лише концепти);
• на основі фреймів (лише концепти і властивості);
• на основі логік (Ontolingua, DAML+OIL).
Значна частина знань, набутих людством, доступна сьогодні через ме-
режу Інтернет. Багато зусиль (приміром, проект Semantic Web консорціуму
Ю.В.Рогушина, І.Ю.Гришанова
ISSN 1681–6048 System Research & Information Technologies, 2007, № 1 64
W3C [3]) спрямовано на перетворення Інтернет на розподілене сховище
знань. Один із перспективних напрямків такої роботи пов’язаний з онтоло-
гічним поданням знань про ІР та Web-сервіси.
Поширення онтологічного підходу до подання знань привело до ство-
рення різноманітних мов подання онтології та інструментальних засобів,
призначених для їх редагування та аналізу.
OWL. Онтологія OWL (Web Ontology Language) є послідовністю аксі-
ом і фактів, а також посилань на інші онтології. Крім того, вона містить
компоненти для запису авторства та іншої подібної інформації. OWL є до-
кументом Web. На неї можна посилатися через URI (Universal Resource
Identificator). Мова подання OWL базується на DAML+OIL. OWL дозволяє
усунути деякі обмеження порівняно з DAML+OIL, а також здатна прямо
вказувати симетричність властивості.
Найбільш фундаментальні поняття ПрО мають відповідати класам, які
знаходяться в корені різних таксономічних дерев. Кожен екземпляр в OWL
належить до класу owl:Thing, а кожен визначений користувачем клас
автоматично є підкласом owl:Thing. Специфічні для ПрО кореневі класи
визначаються простим оголошенням іменованого класу. OWL також визна-
чає порожній клас owl:Nothing. Визначення можуть бути розширюва-
ними і розподіленими.
Фундаментальним таксономічним конструктором для класів є
rdfs:subClassOf. Він зв’язує більш окремий клас з більш загальним.
Якщо X — підклас Y, то кожен представник X також представник Y . Від-
ношення rdfs:subClassOf є транзитивним. Якщо X — підклас Y і
Y — підклас Z , то X — підклас Z .
Визначення класу складається з двох частин: вказуються назва або по-
силання і список обмежень. Кожний вираз, який безпосередньо міститься у
визначенні класу, уточнює властивості представників цього класу, що нале-
жать до перетину зазначених обмежень.
Для визначення екземпляра досить оголосити його членом якогось
класу.
Властивості дозволяють затверджувати загальні факти про члени класів
і про екземпляри. Властивість — це бінарне відношення. Розрізняють два
типи властивостей:
1) властивості-значення — відношення між представниками класів і
RDF-літералами або типами даних, обумовлених XML Schema;
2) властивості-об’єкти — відношення між представниками двох кла-
сів.
При визначенні властивості існує багато способів обмежити ці відно-
шення. Можна визначити домен і діапазон, спеціалізацію (підвластивість)
існуючої властивості. Можливі й більш складні обмеження. Властивості, так
само як класи, можуть бути організовані в ієрархію.
OWL використовує більшість вбудованих типів XML Schema. Поси-
лання на ці типи здійснюються за допомогою URI для типів
http://www.w3.org/2001/XMLSchema.
Формальна семантика OWL описує, як отримати логічні наслідки, ма-
ючи таку онтологію, тобто здобути факти, що не представлені в онтології
Використання методу індуктивного виведення для вдосконалення онтології ...
Системні дослідження та інформаційні технології, 2007, № 1 65
безпосередньо, проте випливають з її семантики. Ці наслідки можуть бути
засновані на одному документі або множині розподілених документів, які
комбінуються з використанням спеціальних механізмів OWL. OWL відріз-
няється від схеми XML тим, що це подання знання, а не формат повідом-
лень.
Однією з переваг OWL є наявність інструментального ПЗ, призначено-
го для аналізу знань, поданих мовою OWL. Ці інструменти забезпечують
загальну підтримку онтологічного аналізу, яка не є специфічною для певної
ПрО.
OWL має три діалекти, що різняться за виразністю: OWL Lite, OWL DL
та OWL Full.
OWL Lite — найпростіший варіант, для користувачів, яким потрібна
класифікація ієрархії. Вони використовують прості обмеження. OWL Lite
забезпечує швидку міграцію тезаурусів та інших таксономій.
OWL DL орієнтований на користувачів, яким потрібна максимальна
виразність без утрати повноти обчислень та гарантованого завершення всіх
обчислень у визначений час. OWL DL містить всі язикові конструкції OWL
з обмеженнями поділу типу (клас не може бути приватною властивістю, а
властивість не може бути індивідом або класом). Назва OWL DL пов’язана з
його відповідністю дескриптивній логіці.
OWL DL і OWL Full використовують той самий словник, хоча OWL DL
має деякі обмеження: вимагає поділу типу (клас не може також бути екзем-
пляром або властивістю, а властивість не може бути також екземпляром або
класом). Крім того, OWL DL вимагає, щоб властивості були визначені або
як властивості–об’єкти, або як властивості–значення. Властивості–значення
— це відношення між представниками класів, літералами RDF і типами да-
OWL Full призначається для користувачів, яким потрібна максимальна
виразність і синтаксична потужність RDF без обчислювальних гарантій.
Наприклад, у OWL Full клас може одночасно розглядатися і як сукуп-
ність екземплярів, і як екземпляр. Інша істотна відмінність від OWL DL
у тому, що owl:DatatypeProperty може бути позначене як
owl:InverseFunctionalProperty. OWL Full припускає онтології,
що розширюють склад визначеного словника RDF або OWL.
OWL використовує механізми RDF для типів даних. OWL Full може
розглядатися як розширення RDF, а OWL Lite і OWL DL — як розширення
обмеженого варіанта RDF. Кожен документ OWL (Lite, DL, Full) — це до-
кумент RDF, і кожен документ RDF — документ OWL Full, але тільки деякі
RDF-документи можуть бути припустимими документами OWL Lite чи
OWL DL. Через це потрібно дотримуватися деякої обережності у випадку
здійснення користувачем міграції документів RDF у OWL. Коли виразність
OWL DL або OWL Lite вважається прийнятною, проводяться деякі запо-
біжні заходи, щоб упевнитися, чи відповідає оригінальний RDF-документ
додатковим обмеженням, які накладаються OWL DL і OWL Lite. Зокрема,
треба упевнитися: тип кожного URI, що використовується як назва класу,
визначений як owl:Class; кожен екземпляр належить, принаймні, одному
класу (навіть якщо це тільки owl:Thing); URI для класів, властивостей та
індивідуумів не перетинаються.
Ю.В.Рогушина, І.Ю.Гришанова
ISSN 1681–6048 System Research & Information Technologies, 2007, № 1 66
них XML Schema, а властивості – об’єкти — це відношення між представ-
никами двох класів.
OWL припускає відкритість, тобто клас спочатку може бути визначе-
ний в одній онтології, а потім — розширений в інших онтологіях. Внаслідок
цього судження є монотонними: нова інформація не спростовує попередню,
факти і наслідки тільки додаються до онтології і не видаляються. Тому ін-
формація може бути суперечною, і розробник онтології повинен це врахову-
вати.
ОНТОЛОГІЧНИЙ АНАЛІЗ ЗНАНЬ
Методологічною основою обробки знань ПрО є онтологічний аналіз. Рівень
аналізу знань, який отримав назву онтологічного, запропоновано у роботі
[5]. В основі цього підходу лежить опис системи в термінах сутностей, від-
ношень між ними і перетворення сутностей, що виконується у процесі рі-
шення певної задачі.
Для структурування знань ПрО використовують три основні категорії:
1) статичну онтологію, до якої входять сутності ПрО, їхні властивості
і відношення;
2) динамічну онтологію, що визначає ситуації, які виникають у процесі
рішення проблеми, і спосіб перетворення одних ситуацій в інші;
3) епістемічну онтологію, що описує знання, які керують процесом пе-
реходу від однієї ситуації до іншої.
У цій схемі є певна відповідність до рівнів концептуалізації знань і епі-
стемічного аналізу в структурі. Розглянута схема онтологічного аналізу до-
сить абстрактна, але її цінність у спрощенні аналізу слабо структурованих
задач. Онтологічний аналіз припускає, що проблема, яка розв'язується, може
бути зведена до проблеми пошуку, але при цьому не розглядається, яким
саме способом потрібно виконувати пошук.
На сьогодні існують різноманітні методики створення онтологій ПрО
(одна з найбільш поширених — IDEF5), проте всі вони досить складні і ви-
магають значних зусиль як з боку експертів ПрО, так і з боку інженерів зі
знань. Слід відмітити, що зараз розроблено та вільно поширюється багато
інструментальних засобів для створення, редагування, аналізу та візуалізації
онтологій. Це значною мірою полегшує створення онтологій ПрО.
ІНСТРУМЕНТАЛЬНІ ЗАСОБИ СТВОРЕННЯ ОНТОЛОГІЙ
Protégé [6] — локальна, вільно розповсюджувана Java-програма, що призна-
чена для побудови (створення, редагування і перегляду) онтологій ПрО. Во-
на містить редактор онтологій, який дозволяє проектувати онтології, розгор-
таючи ієрархічну структуру абстрактних та конкретних класів і слотів. На
основі сформованої онтології Protégé дозволяє генерувати форми для вв е-
дення екземплярів класів і підкласів.
Protégé використовує фреймову модель подання знання OKBC (Open
Knowledge Base Connectivity), яка дозволяє адаптувати його для редагування
Використання методу індуктивного виведення для вдосконалення онтології ...
Системні дослідження та інформаційні технології, 2007, № 1 67
моделей ПрО, поданих не в OWL, а в інших форматах ( UML, XML, SHOE,
DAML+OIL, RDF і RDFS тощо). Цікава особливість Protégé: користувач
може виділити певні класи онтології (а також, якщо потрібно, екземпляри
цих класів) та зберегти цю інформацію у форматі html (див. рисунок).
Якщо користувач має досить сталу область інформаційних потреб
(приміром, він займається науковими дослідженнями у цій галузі або вироб-
ляє продукцію певного типу), тоді доцільно для підвищення ефективності
його роботи створити формальну модель цієї ПрО у вигляді онтології та ви-
користовувати її потім у якості БЗ для потрібних користувачеві інтелектуа-
льних ІС. Приміром, така БЗ може бути корисною для персоніфікації інфор-
маційного пошуку, дозволяючи задавати контекст пошукових запитів, у
системах е-комерції (для вибору найбільш придатного товару) та дистан-
ційному навчанні (для вибору найбільш придатного курсу) тощо.
Користувач створює онтологію тієї області, до якої відносяться його
інформаційні інтереси, і потім використовує її при пошуку найбільш
придатних ресурсів. Це досить складна задача. Звичайно, він може викорис-
товувати якусь загальну онтологію, що була створена раніше іншими
дослідниками й покриває область його інтересів. Але через складність
структури та великий обсяг таких онтологій користувачеві важко вносити
до них зміни й доповнення. Крім того, загальні онтології можуть не відпові-
дати переконанням і знанням користувача та не відображати його персона-
льні переваги. З іншого боку, для самостійного створення онтологій корис-
тувач має не тільки чітко уявляти структуру ПрО, основні її поняття і
зв’язки між ними, але й володіти знаннями та навичками інженера зі знань.
Тому крім редактора онтологій, який дозволяє користувачеві безпосередньо
Фрагмент подання онтології ПрО «Штучний інтелект» в Protégé
Ю.В.Рогушина, І.Ю.Гришанова
ISSN 1681–6048 System Research & Information Technologies, 2007, № 1 68
будувати онтологію, доцільно надати йому певні програмні засоби, що до-
поможуть формалізації знань.
ІНДУКТИВНЕ УЗАГАЛЬНЕННЯ — МЕТОД ЗДОБУТТЯ ЗНАНЬ ПрО
Однією з проблем розробника онтології є необхідність виявити усі терміни,
які характеризують об’єкти ПрО, та правильно встановити відношення між
ними. Для її вирішення доцільно застосовувати методи індуктивного уза-
гальнення, що дозволяють здобути терміни та зв’язки між ними з докумен-
тів ПрО. У цьому випадку знання користувача щодо ПрО відображаються
через те, які ІР він вважає релевантними цій ПрО (це можуть бути, напри-
клад, знайдені користувачем в Інтернеті документи, власні звіти тощо).
Користувач має сформувати I — множину ІР, які відносяться до обра-
ної ПрО. Припустимо, користувач хоче ввести до онтології нові поняття: А
та його підкласи (екземпляри, властивості тощо) niBi ,1, = , яким в OWL
відповідає таксономічний конструктор класів rdfs:subClassOf.
У множині I користувач виділяє підмножину з m елементів:
( ) ( ) IAIAI ⊆: . mjAIIPj ,1),( =∈ — ресурси, пов’язані з поняттям А. Потім
у цій множині ( )AI користувач виділяє підмножини ( ) ( ) niBIBI n ,1,,...,1 = ,
які характеризують niBi ,1, = — підкласи A.
На ці множини накладаються певні обмеження:
• ( ) ( ) niAIBI i ,1, =⊂ .
• ( ) ( ) ∅=∩==∀ ji BIBInjniji ,,1,,1,, .
• ( ) ( ) niAIBI i
n
i
,1,
1
==
=
.
Після цього для кожного документа mjAIPI j ,1),( =∈ з множини A
будується словник { } )(,:,1,)(Ont AIPItTtpktPI jkkkj ∈∈∈== — множи-
на термінів онтології користувача O , що містяться у певному документі та
його метаописі. ( )( )AIOnt створюється як перетин множин онтологічних
термінів ІР, що входять у відповідну множину ( )( ) ( )
m
j
jPIAI
1
OntOnt
=
= .
Аналогічно створюються ( )( ) niBI i ,1,Ont = .
Описом термінів nBB ,...,1 можуть бути множини онтологічних термінів
( ) niABi ,1,,Term = , які отримують з множин ( )( ) niBI i ,1,Ont = видаленням
термінів з ( )( )AIOnt , що усередині множини A стають стоп-словами.
Множини ( ) niABi ,1,,Term = можуть перетинатися (приміром, термін
онтології 1t міститься у множинах ( )AB ,Term 1 та ( )AB ,Term 2 ), тоді як нам
Використання методу індуктивного виведення для вдосконалення онтології ...
Системні дослідження та інформаційні технології, 2007, № 1 69
потрібно знайти саме ті терміни, за допомогою яких iB відрізняється від
усіх інших.
Використаємо для цього метод індуктивного узагальнення ID3m, який
розширює відомий алгоритм ID3 на випадок довільної кількості класів і
враховує ступінь доступності інформації про значення різноманітних атри-
бутів [10].
Приклади навчальної вибірки — це ІР з ( ) ( ) niBIBI n ,1,,...,1 = . Стовп-
цям навчальної вибірки відповідають онтологічні терміни з множини
),(Term
1
ABT i
n
i
=
= . Значення комірок — кількість входжень терміну до ІР.
Параметром, за яким здійснюється класифікація, є належність ІР до певної
множини з ( ) ( ) niBIBI n ,1,,...,1 = .
Через те що алгоритм ID3m призначений для обробки не кількісних, а
якісних даних, значення комірок перетворюють у якісні оцінки (як правило,
використовують три значення: «відсутній», «мало» та «багато»).
На кожному кроці роботи алгоритму обчислюється, який онтологічний
термін несе найбільше інформації, потрібної для класифікації ІР, за форму-
лою
=
==∑∑
i j m
jmim
m AT
RRaACAC
)(
),(
=)(
∑∑
==
==
i j AT
RR,aAC
s
)C(A
s m
jsis
s )(
)(
maxmax ,
де ),( YXC — кількість інформації ∑∑ ∗===
i j
yYxXpYXC ),(),(
),(log yYxXp ==∗ ; ),( yYxXp == — можливість спільного наступу
подій xX = та yY = ; )( mAT — вартість одержання значення mA .
Результатом роботи алгоритму є класифікаційне дерево, листи якого
множини ( ) ( ) niBIBI n ,1,,...,1 = ; вузли — терміни онтології користувача О, а
гілки — наявність цих термінів у документах. Застосовуючи таке дерево,
користувачеві простіше розширити свою онтологію термінами А та iB ,
ni ,1= , вживаючи для їх визначень онтологічні терміни, що несуть найбіль-
ше інформації, та встановлюючи коректні відношення між новими та стари-
ми термінами онтології, які увійшли до класифікаційного дерева.
ВИСНОВКИ
Використання алгоритму індуктивного узагальнення для обробки докумен-
тів, які характеризують інформаційні потреби користувача та відповідають
його уявленню щодо певних понять ПрО, дозволяє спростити процедуру
розширення онтології та встановити коректні відношення між новими й ста-
рими поняттями ПрО.
Ю.В.Рогушина, І.Ю.Гришанова
ISSN 1681–6048 System Research & Information Technologies, 2007, № 1 70
ЛІТЕРАТУРА
1. Артемьева Л.А., Гаврилова Т.Л., Клещев А.С. Логические модели второго по-
рядка для предметных областей // Информационный анализ. — 1997. —
Вып. 6. — С. 14–21.
2. Asuncion G. Ontological Engineering: with Examples from Areas of Knowledge
Management, e-Commerce and the Semantic Web (Advanced Information and
Knowledge Processing). — http://www.amazon.com/gp/reader/1852335513/ref=
sib_rdr_toc/.
3. Berners-Lee T. Business Model for the Semantic Web, 2001. — http://
www.w3.org/DesignIssues/Business.
4. OWL. Web Ontology Language. W3C. — http://www.w3c.org/TR/owl-features/.
5. Knowledge level engineering: ontological analysis /Alexander J.H., Freilin M.J.,
Shulman S.J. et al. // Proc. of the 5h National Conf. on Artificial Intelligence,
АААІ, Philadelphia. — 1986. — P. 963–968.
6. Musen M. Domain Ontologies in Software Engineering: Use of Protégé with the
EON Architecture // Methods of Information in Medicine. — Stutgart. —
1998. — 37, № 4, 5. — P. 540–550.
7. Рогушина Ю.В. Применение методов индуктивного вывода для создания прик-
ладных экспертных систем // Разработка и использование информаци-
онных технологий в системах управления: Сб. науч. тр. — Киев: Ин-т
кибернетики им. В.М. Глушкова НАН Украины, 1993. — С. 122–128.
Надійшла 18.07.2005
http://www.amazon.com/gp/reader/1852335513/ref�
http://www.w3.org/DesignIssues/Business�
http://www.w3.org/DesignIssues/Business�
http://www.w3c.org/TR/owl-features/�
Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку
Ю.В. Рогушина, І.Ю. Гришанова
ВСТУП
ПОСТАНОВКА ЗАДАЧІ
ОНТОЛОГІЧНЕ ПОДАННЯ ЗНАНЬ
ОНТОЛОГІЧНИЙ АНАЛІЗ ЗНАНЬ
ІНСТРУМЕНТАЛЬНІ ЗАСОБИ СТВОРЕННЯ ОНТОЛОГІЙ
ІНДУКТИВНЕ УЗАГАЛЬНЕННЯ — МЕТОД ЗДОБУТТЯ ЗНАНЬ Про
ВИСНОВКИ
Фрагмент подання онтології ПрО «Штучний інтелект» в Protégé
|
| id | nasplib_isofts_kiev_ua-123456789-14099 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1681–6048 |
| language | Ukrainian |
| last_indexed | 2025-12-07T15:36:03Z |
| publishDate | 2007 |
| publisher | Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України |
| record_format | dspace |
| spelling | Рогушина, Ю.В. Гришанова, І.Ю. 2010-12-14T11:59:43Z 2010-12-14T11:59:43Z 2007 Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку / Ю.В. Рогушина, І.Ю. Гришанова // Систем. дослідж. та інформ. технології. — 2007. — № 1. — С. 62-70. — Бібліогр.: 7 назв. — укр. 1681–6048 https://nasplib.isofts.kiev.ua/handle/123456789/14099 683.321 Пропонується для підвищення релевантності пошуку інформації використовувати знання предметної області пошуку, подані як онтології в інтероперабельній формі, придатній для автоматизованого оброблення (приміром, інформаційно-пошуковими агентами). Розроблено алгоритм автоматизованого доповнення онтологій новими термінами шляхом індуктивного узагальнення властивостей, обраних користувачем повнотекстових документів. To increase the relevance of information retrieval, the use of domain knowledge represented as ontology in the interoperable form suitable for automated processing (for example, by information retrieval agents) is proposed. An algorithm of automatized ontology enlargement with new terms by means of inductive generalization of the properties selected by the user of full-text documents is designed. Предлагается для повышения релевантности поиска информации использовать знания предметной области поиска, представленные как онтологии в интероперабельной форме, пригодной для автоматизированной обработки (например, информационно-поисковыми агентами). Разработан алгоритм автоматизированного дополнения онтологий новыми терминами путем индуктивного обобщения свойств, избранных пользователем полнотекстовых документов. uk Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку Inductive inference as a means of automated ontology design Использование метода индуктивного вывода для усовершенствования онтологии предметной области поиска Article published earlier |
| spellingShingle | Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку Рогушина, Ю.В. Гришанова, І.Ю. Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи |
| title | Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку |
| title_alt | Inductive inference as a means of automated ontology design Использование метода индуктивного вывода для усовершенствования онтологии предметной области поиска |
| title_full | Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку |
| title_fullStr | Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку |
| title_full_unstemmed | Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку |
| title_short | Використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку |
| title_sort | використання методу індуктивного виведення для вдосконалення онтології предметної області пошуку |
| topic | Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи |
| topic_facet | Прогресивні інформаційні технології, високопродуктивні комп’ютерні системи |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/14099 |
| work_keys_str_mv | AT rogušinaûv vikoristannâmetoduínduktivnogovivedennâdlâvdoskonalennâontologíípredmetnoíoblastípošuku AT grišanovaíû vikoristannâmetoduínduktivnogovivedennâdlâvdoskonalennâontologíípredmetnoíoblastípošuku AT rogušinaûv inductiveinferenceasameansofautomatedontologydesign AT grišanovaíû inductiveinferenceasameansofautomatedontologydesign AT rogušinaûv ispolʹzovaniemetodainduktivnogovyvodadlâusoveršenstvovaniâontologiipredmetnoioblastipoiska AT grišanovaíû ispolʹzovaniemetodainduktivnogovyvodadlâusoveršenstvovaniâontologiipredmetnoioblastipoiska |