Примеры онтологий

В настоящее время исследования в области онтологий и онтологических систем являются «горячими точками» не только в ИИ, но и в работах по интеллектуали­зации информационного поиска, в первую очередь, в среде Интернет; в работах по мультиагентным системам; в проектах по автоматическому «извлечению» зна­ний из текстов на естественном языке; в проектах, ведущихся в смежных облас­тях.

При этом разные авторы вводят различные типизации онтологий [Gruber, 1995; Guarino, 1996], суммируя которые можно выделить классификации по:

• степени зависимости от конкретной задачи или предметной области;

• уровню детализации аксиоматизации;

• «природе» предметной области и т. д.

Дополнительно к этим измерениям можно ввести и классификации, связанные с разработкой, реализацией и сопровождением онтологий, но такая типизация бо­лее уместна при обсуждении вопросов реализации онтологических систем. По степени зависимости от конкретной задачи или предметной области обычно различают:

• онтологии верхнего уровня;

• онтологии, ориентированные на предметную область;

• онтологии, ориентированные на конкретную задачу;

• прикладные онтологии.

Онтологии верхнего уровня описывают очень общие концепты, такие как про­странство, время, материя, объект, событие, действие и т. д., которые независимы от конкретной проблемы или области. Поэтому представляется разумным, по крайней мере, в теории, унифицировать их для больших сообществ пользовате­лей.

Примером такой общей онтологии является CYC® [Lenat, 1995]. Одноименный проект - CYC® - ориентирован на создание мультиконтекстной базы знаний и специальной машины вывода, разрабатываемой Сусоrр. Основная цель этого ги­гантского проекта - построить базу знаний всех общих понятий (начиная с та­ких, как время, сущность и т. д.), включающую семантическую структуру терми­нов, связей между ними и аксиом. Предполагается, что такая база знаний может быть доступна разнообразным программным средствам, работающим со знания­ми, и будет играть роль базы «начальных знаний». В онтологии, по некоторым данным, уже представлены 10⁶ концептов и 10⁵ аксиом. Для представления зна­ний в рамках этого проекта разработан специальный язык CYCL.

Другим примером онтологии верхнего уровня является онтология системы Gene­ralized Upper Model [Braetman et al., 1994], ориентированная на поддержку про­цессов обработки естественного языка: английского, немецкого и итальянского. Уровень абстракции этой онтологии находится между лексическими и концепту­альными знаниями, что определяется требованиями упрощения интерфейсов с лингвистическими ресурсами. Модель Generalized Upper Model включает таксо­номию, организованную в виде иерархии концептов (около 250 понятий) и от­дельной иерархии связей. Фрагмент системы понятий этой онтологии приведен на рис. 8.10.

В целом же можно констатировать, что, несмотря на отдельные успехи, создание достаточно общих онтологий верхнего уровня представляет собой очень серьез­ную задачу, которая еще не имеет удовлетворительного решения.

Рис. 8.10. Фрагмент системы понятий онтологии Generalized Upper Mode

Предметные онтологии и онтологии задач описывают, соответственно, словарь, связанный с предметной областью (медицина, коммерция и т. д.) или с конкрет­ной задачей или деятельностью (диагностика, продажи и т. п.) за счет специали­зации терминов, введенных в онтологии верхнего уровня. Примерами онтологий, ориентированных на определенную предметную область и конкретную задачу, являются TOVE и Plinius соответственно [TOVE, 1999; Van der Vet et al., 1994].

Онтология в системе TOVE (Toronto Virtual Enterprise Project) [TOVE, 1999] предметно ориентирована на представление модели корпорации. Основная цель ее разработки - отвечать на вопросы пользователей по реинжинирингу бизнес-процессов, извлекая эксплицитно представленные в онтологии знания. При этом система может проводить дедуктивный вывод ответов. В онтологии нет средств для интеграции с другими онтологиями. Формально онтология описывается с помощью фреймов. Таксономия понятий онтологии TOVE представлена на рис. 8.11.

Прикладные онтологии описывают концепты, зависящие как от конкретной предметной области, так и от задач, которые в них решаются. Концепты в таких онтологиях часто соответствуют ролям, которые играют объекты в предметной области в процессе выполнения определенной деятельности. Пример такой он­тологии - онтология системы Plinius [Van der Vet et al, 1994], предназначенная для полуавтоматического извлечения знаний из текстов в области химии. В от­личие от других, упомянутых выше онтологий, здесь нет явной таксономии понятий. Вместо этого определено несколько множеств атомарных концептов, таких как, например, химический элемент, целое число и т. п., и правила конструирования остальных концептов. В онтологии описано около 150 концептов и 6 правил. Формально онтология Plinius тоже описывается с помощью фреймов.

Рис. 8.11. Фрагмент таксономии понятий онтологии TOVE

Как показывает анализ работ в этой области, научными сообществами и коллективами создаются онтологии разных типов, но в целом в настоящее время наиболее активно разрабатываются и используются на практике предметные онтологии.

Вместе с тем, независимо от типа онтологии, для их представления и использова­ния требуются специальные алгоритмические средства, к обсуждению которых мы и переходим в следующем параграфе.

Дата добавления: 2015-07-02