Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

'Урок'
ввести понятие числового и буквенного выражений; научить находить значение выражений; повторить чтение и запись выражений, название компонентов при вы...полностью>>
'Документ'
V тур Кубка МБОУ ДОД ДЮСШ г.о. Краснознаменск, посвященный Дню защитника Отечества, среди учащихся ДЮСШ, общеобразовательных школ, дошкольных учрежден...полностью>>
'Документ'
1 Ленинский 4 44 10 39 15 30 11 54 14 8 14 4 3 II Советский 4 50 0 39 0 3 15 7 19 1 17 15 80 I 3 Свердловский 17 5 10 15 5 10 11 9 14 17 08 5 4 Центра...полностью>>
'Документ'
Стерка Линейка треугольник (прозрачная) Набор картона А4 – 1 шт....полностью>>

Главная > Документ

Сохрани ссылку в одной из сетей:
Информация о документе
Дата добавления:
Размер:
Доступные форматы для скачивания:

3. Настройка портала и управление его контентом

Настройка портала на предметную область и управление его информационным контентом осуществляются с помощью специализированных редакторов (редактора онтологии и редактора данных), реализованных как web-приложения и доступных зарегистрированным пользователям через Интернет, а также коллекционера онтологической информации о ресурсах.

С помощью редактора онтологии можно создавать, модифицировать и удалять любые элементы онтологии: понятия, отношения, домены, задавать и модифицировать иерархии понятий.

Для более удобного представления информации пользователю портала в редактор онтологий также включены средства настройки визуализации знаний и данных. Эти средства позволяют для каждого понятия онтологии задать шаблон визуализации объектов – экземпляров этого понятия и шаблон визуализации ссылок на них.

Редактор данных, функционирование которого основано на онтологии портала, позволяет создавать, редактировать и удалять информационные объекты, а также связывать их с введенными ранее объектами и понятиями.

Коллекционер онтологической информации о ресурсах предназначен для автоматизации сбора релевантных Интернет-ресурсов [4]. Он включает модуль сбора информации и модуль автоматического индексирования и классификации.

Модуль сбора информации обеспечивает поиск текстовых ресурсов или документов по ключевым словам, характеризующим область знаний портала, на сайтах и Интернет-страницах, ссылки на которые хранятся в специальной базе данных. Эта база данных может пополняться вручную (экспертом) или автоматически (за счет ссылок, обнаруженных в скачанных документах).

Модуль автоматического индексирования и классификации, используя онтологию и предметный словарь, строит содержательный индекс (семантическую аннотацию) для каждого документа и определяет раздел науки, к которому он относится. Затем эти данные представляются в информационном пространстве портала в виде информационных объектов и их связей и могут быть использованы при поиске информации и навигации.

4. Обеспечение доступа к ресурсам по компьютерной лингвистике

Основное назначение рассматриваемого портала знаний – обеспечить содержательный доступ к систематизированным знаниям и информационным ресурсам по компьютерной лингвистике. Доступ к знаниям и данным портала осуществляется путем навигации по дереву понятий онтологии и информационному пространству портала, а также через развитые средства содержательного поиска (с использованием понятий и отношений онтологии).

4.1. Навигация по информационному пространству портала

Для конечного пользователя данные на портале представлены в виде множества связанных информационных объектов. При навигации по порталу обеспечивается возможность выбора ИО, относящихся к интересующему нас понятию, просмотра и фильтрации списков выбранных ИО, навигации по конкретным ИО, а также просмотра описания выбранного нами информационного ресурса.

Список ИО отображается в виде страницы, содержащей набор ссылок на эти объекты. Для больших списков формируется составная страница, включающая список страниц с элементами навигации по этому списку.

Вся информация о конкретном объекте и его связях отображается в виде HTML-страницы (Рис.3), формат и наполнение которой зависят от свойств понятия, экземпляром которого является данный объект, и заданного для него шаблона визуализации. При этом объекты, связанные с данным объектом, представляются на его странице в виде гиперссылок, по которым можно перейти к их детальному описанию.

Рис. 3 Представление информационного объекта и его связей

Таким образом, навигация по данным портала представляет собой процесс перехода от одних информационных объектов к другим по заданным между ними связям.

Например, при просмотре информации о конкретном проекте (см. Рис.3) мы можем видеть значения его атрибутов и его связи с другими объектами. Используя представленные связи в качестве элементов навигации, можно перейти к просмотру подробной информации как по прямым связям (об объекте исследования, об используемых методах и научных результатах, полученных в ходе выполнения проекта), так и по обратным (об участниках проекта, публикациях о проекте, информационном ресурсе, описывающем данный проект).

При переходе по конкретной связи любого информационного объекта мы можем получить достаточно большой список объектов (например, список людей, работающих в некоторой организации). В связи с этим был введен механизм фильтрации списков информационных объектов. Фильтрация есть способ выборки подмножества ИО из списка путем задания условий, которые определяют допустимые значения атрибутов ИО и требования к существованию связей с другими информационными объектами. Этот метод позволяет, например, отфильтровать множество публикаций как по дате публикации (условия на атрибут), так и по описываемому научному результату или объекту исследования (условия на связанный объект).

4.2. Поиск в терминах предметной области

При поиске информации пользователю предоставляется возможность задания запроса в терминах предметной области портала. При этом пользователь должен выбрать понятие, к которому относятся искомые информационные объекты, и определить ограничения, которым должны удовлетворять атрибуты выбранного понятия и его связи с другими понятиями.

Ограничения на отдельные атрибуты интерпретируются как конъюнкция условий. Допустимые ограничения для атрибута зависят от типа его значений. Так, например, для атрибутов типа «integer» и «date» задается точное значение или допустимый интервал значений.

Пользователю также предоставляется возможность задать условия на значения атрибутов объектов, связанных с искомым объектом. При этом могут быть заданы ограничения и на значения атрибутов соответствующих отношений.

Например, запрос "Найти методы исследования, которые использовались для обработки деловых писем на русском языке в проектах в период с 1998 по 2005 год" будет выглядеть следующим образом:

Понятие "Метод исследования":

Отношение "Применяется к":

Понятие "Деловое письмо"

Атрибут "Язык" = "русский"

Отношение "Использует метод":

Понятие "Проект"

Атрибут "Дата начала": (>= 1998) & (<=2005)

Атрибут "Дата окончания": (>= 1998) & (<=2005)

Поисковые запросы задаются через специальный графический интерфейс, управляемый онтологией портала знаний. При выборе пользователем понятия автоматически генерируется поисковая форма, в которой можно задать ограничения на значения атрибутов объектов выбранного понятия, а также на значения атрибутов объектов, связанных с данным объектом ассоциативными отношениями.

Заключение

В докладе представлен подход к организации содержательного доступа к информационным ресурсам по компьютерной лингвистике путем построения специализированного (тематического) Интернет-портала.

Портал представляет знания об основных разделах компьютерной лингвистики, о ее предмете и объектах исследования, используемых в ней моделях и методах, разработанных системах, алгоритмах и лингвистических ресурсах, а также информацию об ученых, сообществах, организациях, включенных в процесс исследования по компьютерной лингвистике и о выполняемых проектах в этой области. Таким образом, пользователи портала имеют доступ не только к информационным текстовым ресурсам по компьютерной лингвистике, но и к ресурсам, представляющим реальные прикладные системы, технологии и программные продукты для обработки ЕЯ, лингвистические ресурсы и базы данных.

Для целостного представления знаний и данных по компьютерной лингвистике их систематизация и структуризация выполнены на основе онтологии. Благодаря этому, вся информация на портале представлена в виде сети взаимосвязанных информационных объектов.

Доступ к знаниям и данным портала осуществляется путем навигации по дереву понятий онтологии и информационному пространству портала, а также через средства содержательного поиска.

Портал знаний по компьютерной лингвистике разработан и доступен по адресу /cl/. При его создании использовалась технология, разработанная в ходе построения портала знаний по археологии [5, 6]. Для портала было разработано представительное ядро онтологии компьютерной лингвистики, которое на данный момент включает около 130 базовых понятий. В настоящее время выполняется информационное наполнение портала.

Ближайшей целью авторов является доработка онтологии компьютерной лингвистики, сбор и интеграция в информационное пространство портала новых лингвистических ресурсов.

Список литературы:

1. Guariano N., Giaretta P. Ontologies and Knowledge Bases. Towards a Terminological Clarification // Towards Very Large Knowledge Bases: Knowledge Building and Knowledge Sharing. Amsterdam: IOS Press, 1995. P.25–32.

2. Боровикова О.И., Загорулько Ю.А. Организация порталов знаний на основе онтологий // Компьютерная лингвистика и интеллектуальные технологии: Труды международного семинара “Диалог 2002” (Протвино, 6-11 июня 2002 г.). М.: Наука, 2002. Т.2, С.76–82.

3. Borovikova O., Bulgakov S., Zagorulko Y., Sidorova E. Ontology-based approach to development of adjustable knowledge internet portal for support of research activity // Bulletin of NCC. Novosibirsk: NCC Publisher, 2005. Ser.: Computer Science. Is. 23, P.45–56.

4. Боровикова О.И., Загорулько Ю.А., Сидорова Е.А. Подход к автоматизации сбора онтологической информации для интернет-портала знаний // Компьютерная лингвистика и интеллектуальные технологии: Труды международной конференции “Диалог 2005” (Звенигород, 1-5 июня 2005 г.). М.: Наука, 2005. С.65-70.

5. Загорулько Ю.А., Боровикова О.И. Технология построения онтологий для порталов знаний по гуманитарным наукам // Труды Всероссийской конференции с международным участием “Знания-Онтологии-Теории ”(ЗОНТ-07). Новосибирск, 2007. Т.1, С.191-200.

6. Андреева О.А., Боровикова О.И., Булгаков С.В., Загорулько Ю.А., Сидорова Е.А., Циркин Б.Г., Холюшкин Ю.П. Археологический портал знаний: содержательный доступ к знаниям и информационным ресурсам по археологии // Труды 10-й национальной конференции по искусственному интеллекту с международным участием КИИ'2006. М.: Физматлит, 2006. Т.3, С.832-840.

Разработка онтологической модели представления знаний дистанционных курсов

Материал из Semantic Future

Данченко Алла Леонидовна

Alla Danchenko

Род деятельности:

научно-педагогическая деятельность,разработка приложений баз данных, программирование

Роль участника:

Участник

Основной раздел:

Семантизация дистанционного обучения

Круг интересов:

Дистанционное образование, искусственный интеллект, приложения баз данных

Дата рождения:

12.06.1981

Место рождения:

с. Нижнетеплое (Луганская обл.), Украина

Гражданство:

Украина

Сайт:

Nickname

Danallen

Публикация

Тип публикации:

подано к публикации

Оригинал:

А.Л. Данченко. Розробка онтологічної моделі представлення знань дистанційних курсів//Вісник Східноукраїнського університету. – 2009. №12

Содержание

[убрать]

  • 1 Введение

  • 2 Постановка задачи

  • 3 Анализ типовых компонентов дистанционного курса

  • 4 Разработка онтологии

  • 5 Заключение

  • 6 Список литературы:

Введение

Современное дистанционное обучение (ДО) является способом организации процесса обучения на базе современных информационных технологий посредством объединения научных достижений в области информатики, педагогики, математики, искусственного интеллекта и психологии. Согласно Концепции Развития Дистанционного Образования Украины [1] развитие и внедрение технологий дистанционного обучения во все формы образования необходимо для достижения «индивидуализации обучения при массовости образования». Таким образом, научные исследования в области технологий дистанционного обучения являются актуальными.

Постановка задачи

Появление огромного количества несовместимых друг с другом дистанционных курсов (ДК) разных разработчиков показало неэффективность отсутствия единых научных подходов и принципов: курсы несовместимы между собой, знания курсов не могут быть повторно использованы при создании нового курса либо изменении требований к содержимому курса. Проблема совместимости ДК сегодня решена с помощью международных стандартов дистанционного обучения. В частности, последняя редакция SCORM (SCORM 2004.4th Edition от 31 марта 2009 года) объединяет в себе наилучшие разработки целого ряда организаций для обеспечения интероперабельности ДК разных разработчиков, адаптивности, обратной совместимости со старыми версиями ДК, интегрируемости с Веб [2].

Однако стандарты SCORM не предъявляют требований к внутренней семантике знаний ДК и основаны только на предоставлении дополнительной информации в виде метаданных о целях, достигаемых при изучении текущего блока. Внутренняя семантика знаний при этом скрыта от средств автоматизированной обработки. Существующие системы дистанционного обучения Прометей, WebTutor, Moodle, REDCLASS, STELLUS [3-7] соответствуют международным стандартам SCORM, однако не обеспечивают семантических связей между знаниями ДК.

Для обеспечения более эффективной работы системы дистанционного обучения (СДО) необходимо разработать способ представления данных ДК, обеспечивающий совместимость с существующими стандартами ДО и дополнительные возможности автоматического анализа знаний ДК на основе смысловых связей между знаниями ДК.

Целью данной статьи является разработка модели представления знаний ДК, основанной на семантических связях между знаниями.

Анализ типовых компонентов дистанционного курса

ДК может относиться к любой предметной области, поэтому на этапе проектирования необходимо выделить наиболее общие элементы, присущие для любого ДК.

Рассмотрим обобщенную структуру дистанционного курса. Любой ДК можно представить как набор модулей, объединяющих в себе множества лекционных, практических, лабораторных занятий и тестов. При этом практические и лабораторные занятия строятся на теории лекционных занятий, а тесты могут предшествовать любому виду занятия, завершать любое занятие или могут быть частью любого занятия.

,

где M – множество модулей.

,

где Lec – множество лекций,

Pract – множество практических занятий, основанных на материале лекций,

Lab – множество лабораторный занятий, основанный на материале лекций,

Test – множество входных и итоговых тестов, основанных на материале лекций.

Схематически любой ДК может быть представлен в виде Рис. 1.:

Рис. 1. Обобщенная схема ДК

Обычно ограничения на вложенность блоков не накладываются, но чаще всего используется не больше трех уровней иерархии в пределах 1 лекции – Тема, Раздел, Пункт. При этом любой блок ДК (лекция, тема, раздел, пункт) может начинаться или завершаться блоком тестов либо содержать множество блоков тестов внутри. Материалы тестов зависят от содержимого учебных материалов, то есть соответствие данного теста текущему учебному материалу имеет место, если задания теста и материалы занятия пересекаются. Внутреннее наполнение курса зависит от специфики материала и личных предпочтений разработчика. Таким образом, представленная структура удовлетворяет требованиям любого ДК и применима для любой дисциплины. В таком виде ДК понятен человеку, однако не предоставляет никакой информации автоматизированным средствам анализа, а также не дает представления о связях с другими ДК.

Разработка онтологии

В контексте искусственного интеллекта (ИИ) онтология определяет набор основных понятий предметной области и связи между ними. Обоснованность онтологического подхода определена рекомендациями [8]. При построении онтологии ДК было учтено следующее:

1. Онтология определяет иерархию базы знаний ДК; 2. Онтология используется для реализации механизма построения адаптивных курсов обучения, для консультирования обучаемых, ответы выдаются с привязкой к предметной области изучаемого курса; 3. Онтология является расширяемой в рамках каждой предметной области; 4. Поддержкой онтологии занимаются преподаватели-разработчики курсов; 5. Знания ДК представлены в виде текстов; 6. Многоцелевое использование знаний ДК; 7. Разнородность и противоречие данных; 8. Необходимость осуществления информационного поиска в ДК.

Таким образом, онтология ДК отражает общие принципы организации ДК и при этом определять связи и противоречия между знаниями разных предметных областей (дисциплин). Учитывая то, что ДК в первую очередь является учебным материалом, важными характеристиками будут Направление, Тематика, Дисциплина. Известно, что термины разных предметных областей могут иметь различные понятия. Так, например, «Поле» в контексте информационных технологий может представлять переменную, объявленную внутри структуры записи, в контексте баз данных – столбец таблицы базы данных, а в области физических явлений или сельского хозяйства у этого термина совсем другие толкования. Зная Направление и Тематику курса, можно будет избавляться от семантического шума на первых этапах информационного поиска.

Онтология ДК представлена на Рис.2.

Рис.2. Онтология ДК

Таким образом, ДК определяется набором классов-Терминов. Термином может быть любое понятие, рассматриваемое в контексте учебного материала. Термин содержится внутри Ресурса Темы, Раздела или Пункта Лекции и, таким образом, наследует Направление, Тематику и Дисциплину. Ресурс определяет ссылку на первоисточники относительно своего содержимого. Внутри Термина определяется набор свойств – ссылки на определения, формулировки и задачи, истолковывающие данный Термин. Подклассами Термина являются связи с другими терминами. Термины можно объявить связанными или несвязанными. В дальнейшем эта информация будет использована в логических выводах, при поиске информации и обновлении ДК базы знаний.

Для связанных терминов указывается тип отношения. Термины могут быть в отношении Синонима или Антонима. Синоним определяет контекст, в котором Термины могут равнозначно использоваться. Антоним определяет противоположное, инверсное значение по отношению к данному термину. Антонимы часто используются при построении ассоциативных связей между понятиями, поэтому являются значимой характеристикой.

Употребление – некоторые Термины часто используются вместе. Данная характеристика также полезна при осуществлении информационного поиска в текстах лекций.

Наследование – отношения между Терминами могут строиться на иерархической связи (КЛАСС-ПОДКЛАСС, ЧАСТЬ-ЦЕЛОЕ). Таким образом, отношения между терминами T1, T2:

Наличие или отсутствие между Терминами явно указывается. Классы НеСвязаны и Связаны являются непересекающимися, так как противоречат друг другу. В OWL не предпринимается никаких допущений касательно того, что если что-то не сказано, то это неправда [9]. Поэтому в случае, когда связи между Терминами не указаны, будет возникать неразрешимость.

Параметр Порядок изложения является целым числом и определяет последовательность изложения Частей внутри Дисциплины, Лекций, Практических занятий, Лабораторных работ внутри Частей и т.д. Начало последовательности изложения начинается со значения 0 и увеличивается по ходу изложения материала. Материал с большим индексом не может быть изложен раньше, чем материал с меньшим индексом. Равенство значений последовательности изложения указывает на равнозначность в порядке подачи материала. Онтология решает две основные задачи – формирование долгосрочного плана и формирование краткосрочных планов обучения (в виде ответа на текущий запрос обучаемого).

Пусть R - условия для формирования долгосрочного плана обучения, определяющие перечень тем для рассмотрения, Направление, Тематику и название Дисциплины. Тогда для каждого ДК верно:

где resource(R) – область текста, определяющая Термин, paragraph(R) – параграф лекции, topic(R) – раздел лекции, subject(R) – тема лекции, classes(R,lecture,labs,pract) – практические и лабораторные работы. index – индекс упорядочивания ученых материалов В случае формирования краткосрочного плана в качестве исходных условий R выступают текст запроса, а также данные о текущем ДК. Тогда выполняется правило:

При сохранении результатов запроса в долгосрочном плане выполняется:


где Ri-1 – условия на предыдущем шаге, Ri – условия на текущем шаге.

Заключение

В статье выполнены следующие задачи: • анализ существующих систем дистанционного обучения на предмет изучения семантических связей между знаниями ДК; • анализ типовых компонентов ДК для определения общей структуры ДК и определения связей между типовыми структурными единицами ДК; • разработка онтологической модели ДК, основанной на семантических связях между знаниями ДК.

Список литературы:

1. :9080/PortalWeb/document/show.action? document.id=18.

2. SCORM® 2004 4th Edition Content Aggregation Model (CAM) Version 1.0.

3. Система дистанционного обучения «Прометей». Общее описание. /actual/01_products/lms/opisanie.html

4. /index.php/moodle-.html

5. О системе дистанционного обучения STELLUS. /do/about/.

6. Основные принципы СДТ REDCLASS. / ?sid=337.

7. Система WebTutor. / db/wb/root_id/ webtutor/ doc.html.

8. http://protege.stanford.edu/publications/ontology_development/ontology101.html.

9. OWL Web Ontology Language. /TR/2004/REC-webont-req-20040210/.

Источник — «/index.php?title=%D0%A0%D0%B0%D0%B7%D1%80%D0%B0%D0%B1%D0%BE%D1%82%D0%BA%D0%B0_%D0%BE%D0%BD%D1%82%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%BE%D0%B9_%D0%BC%D0%BE%D0%B4%D0%B5%D0%BB%D0%B8_%D0%BF%D1%80%D0%B5%D0%B4%D1%81%D1%82%D0%B0%D0%B2%D0%BB%D0%B5%D0%BD%D0%B8%D1%8F_%D0%B7%D0%BD%D0%B0%D0%BD%D0%B8%D0%B9_%D0%B4%D0%B8%D1%81%D1%82%D0%B0%D0%BD%D1%86%D0%B8%D0%BE%D0%BD%D0%BD%D1%8B%D1%85_%D0%BA%D1%83%D1%80%D1%81%D0%BE%D0%B2»

Категории: Данченко Алла | Модели представления знаний

Категория:OWL

Материал из Semantic Future

OWL: язык онтологий в Web

OWL - это логический язык для формального описания онтологий. Применительно к OWL под онтологиями понимаются иерархические структуры понятий (классов), связанных отношениями (свойствами). OWL предоставляет средства для логического описания семантики (т.е. смысла) понятий, благодаря чему последние могут согласованно использоваться как людьми, так и приложениями в различных информационных системах (Web-сайтах, базах данных, экспертных системах, системах поддержки принятия решений и т.д.).

Основные принципы и возможности

Выражаясь неформально, OWL позволяет гарантировать, что в условиях высокой гетерогенности современных информационных систем (ИС), термины, объявленные в одной системе будут корректно интерпретированы в другой системе, причем независимо от технических особенностей систем и сценариев работы с ними. Важность подобной согласованности легко представить на примере двух медицинских ИС - электронных медицинских карточек и системы помощи в постановке диагнозов. Обе системы оперируют медицинскими терминами, в частности, симптомами, наименованиями болезней, тестов и медикаментов. При этом если "симптом Х", указанный в карточке пациента, будет неверно интерпретирован системой постановки диагноза, то последствия (как для пациента, так и для врача) могут оказаться самыми нежелательными.

OWL предоставляет данные возможности благодаря своим логическим основам, а именно, описательной логике (Description Logic или DL). Одним из ключевых преимуществ логики является формальная семантика (смысл) логических утверждений. Проще говоря, это означает, что семантика логический утверждений (или смысл понятий в OWL) не зависит от того, как, кем и в каком контексте они используются. Смысл описывает декларативным образом, не оставляя возможностей для неоднозначной интерпретации.

Рассмотрим пример описания термина НесчастныйРебенок в виде сын или дочь инженера и врача (заранее прошу прощения, если кому-то шутка покажется неуместной в современных реалиях!). Итак, налицо двусмысленность: кто-то скажет, что имеются в виду дети, у которых один родитель - врач, а другой - инженер, а кому-то покажется, что речь идет о детях, у которых хотя бы один родитель и врач и инженер одновременно. Это может вызвать улыбку, но если бы речь шла об описании специфических болезней, то некорректная интерпретация симптомов могла бы легко привести к неверному диагнозу.

OWL позволяет определить термин следующим образом: НесчастныйРебенок SubClassOf ребенок some (Инженер and Врач) (синтаксис будет рассматриваться ниже), что недвусмысленно означает, что один из родителей должен быть инженером и врачом одновременно (другой вариант тоже легко описывается, но несколько длиннее). Таким образом, все клиенты (пользователи или приложения), использующие корректные средства для работы с OWL, будут одинаково интерпретировать термины.

Варианты применения

Варианты применения OWL весьма разнообразны, поэтому ниже приведены лишь наиболее классические сценарии. В целом, будучи языком представления знаний, OWL может быть полезен в любой информационной системе, которой требуется явное описание метаинформации (т.е. информации или знаний о структуре данных). При этом, чем сложнее и разнообразнее подобные знания, тем лучше подходит OWL для этой задачи.

Итак, на данный момент варианты применения OWL включают следующие:

Согласованное представление терминологии в медицине, химии и биоинформатике.

Эти области активно развиваются и непрекращающиеся исследования приводят к появлению все большего объема данных и знаний. При этом основная проблема заключается в том, что накапливаемые знания зачастую описываются неформальными образом и содержатся во множестве различных, неинтегрированных источников. Одной из актуальных проблем являются трудности в проверке согласованности результатов научных исследований. Например, разные исследовательские проекты могут прийти к заключениям, что "протеин Х взаимодействует с протеином Y при условии Z1" и "не взаимодействует при условии Z2". При этом автоматически проанализировать и сопоставить эти результаты можно только в том случае, если, в частности, термины "условия Z1 и Z2" описаны формально, скажем, в виде классов OWL. В этом случае несовместимость (disjointness) классов УсловияZ1 и УсловияZ2 будет означать полную согласованность результатов, включение УсловияZ1 в УсловияZ2 (или наоборот) — несогласованность (противоречивость) результатов, а отсутствие какого-либо отношения может говорить о том, что необходимо дополнительное исследование взаимодействия протеинов в случае, если условия Z1 и Z2 наблюдаются одновременно. Последний случай может служить примером того, как существующие знания могут использоваться для выбора направления исследований.

Интеграция гетерогенных информационных систем (в особенности баз данных)

Во многих областях наблюдается ситуация, при которой важная информация распределяется по множеству баз данных. Основная проблема заключается в том, что эти базы данных, как правило, создавались разными людьми, в разное время и с использованием разных технологий, поэтому схемы данных также оказываются весьма различными. В результате крайне осложняется задача интеграции данных, которая необходима, в частности, для прозрачного выполнения запросов над всеми имеющимися данными.

Онтологии в целом, и OWL в частности, могут использоваться в этой ситуации для формального описания и интеграции схем баз данных (тех самых метаданных). Это позволяет организовать дополнительный метауровень, который создает интегрированную картину данных для внешних клиентов. Таким образом, клиенты могут использовать запросы к интегрированному представлению данных, которые затем разделяются на части, выполняются над отдельными БД, после чего результаты вновь объединяются в соответствии с интеграцией схем.

К сожалению, насколько я знаю, полностью готовых решений на данный момент не существует, поэтому подобная метаинтеграция в каждом конкретном случае разрабатывается отдельно.

Описание расширенных классификаций для Web-порталов.

Web-порталы, обладающие богатым информационным содержимым, могут использовать онтологии OWL и SKOS для улучшения качества поиска и просмотра информации, а также упрощения сопровождения. Яркими примерами подобных порталов могут служить , , , и т. д., на которых продаются практически любые виды товаров. Описание модели информации (категорий товаров и связей между ними) имеет следующие преимущества:

  • Позволяет выполнять поиск с учетом семантики терминов.

  • Позволяет просматривать связанные товары с переходами по семантическим связям (которые могут быть между товарами как одной, так и разных категорий).

  • Позволяет динамически менять представление информации без повторного развертывания Web-приложения (например, можно осуществлять реорганизацию каталога путем изменения онтологий).

  • Открывает дополнительные возможности персонализации и анализа активности клиентов.

  • Упрощает добавление семантических аннотаций на страницы, тем самым поддерживая использование портала приложениями-агентами

Описание ограничений целостности данных

С некоторыми оговорками OWL может использоваться в качестве выразительного языка для ограничений целостности и валидации данных. Выше уже упоминалось, что OWL можно применять для описания и интеграции схем данных, но проверка ограничений целостности представляет собой отдельную задачу. Главным моментом здесь является то, что OWL изначально ориентирован на логический вывод новых знаний, а не на проверку целостности существующих данных. То же самое, кстати, относится и к RDFS. Разницу можно пояснить на следующем примере:

Person SubClassOf hasMother exactly 1 Woman

hasMother(John, Maria)

hasMother(John, Jessica)

Первая аксиома означает, что у любого человека есть одна и только одна мать, являющаяся женщиной. Следующие две аксиомы означают, что Мария и Джессика являются матерями Джона. Казалось бы, налицо нарушение ограничения целостности. Однако, с точки зрения семантики OWL здесь нет противоречия, но делается логический вывод, что Мария и Джессика являются одним и тем же человеком (другим логическим выводом является то, что обе они — женщины). Разумеется, если явно указать, что они — разные объекты (для этого в OWL есть специальная конструкция — owl:differentFrom), то противоречие будет выведено.

Тем не менее, поскольку ограничения целостности идут рука об руку с описанием схем (метаданных), то были созданы специальные решения, позволяющие использовать OWL для их описания. В частности, Pellet предоставляет специальное расширение для проверки данных на соответствие ограничениям целостности, описанным в виде аксиом OWL (оно было представлено на конференциях "Semantic Technologies 2009" и "OWL: Experience and Directions 2009"). Причем существует возможность использовать одни и те же онтологии, как для представления знаний, так и для валидации данных.


Задать вопрос по использованию OWL или предложить свои примеры использования OWL можно в разделе нашего форума Представление, извлечение знаний и вывод над ними

Дерево категорий:

[] OWL

 "Семейная история" или как применить онтологию на практике

 Знания

 Pronto

 Вероятностные онтологии

 Задачник OWL

 Немного о неопределенности и нечеткости в онтологиях

 О формальных основах OWL

Страницы в категории «OWL»

Показано 7 страниц этой категории из 7.

"

  • "Семейная история" или как применить онтологию на практике

O

  • Знания

P

  • Pronto

В

  • Вероятностные онтологии

З

  • Задачник OWL

Н

  • Немного о неопределенности и нечеткости в онтологиях

О

  • О формальных основах OWL

Источник — «/index.php?title=%D0%9A%D0%B0%D1%82%D0%B5%D0%B3%D0%BE%D1%80%D0%B8%D1%8F:OWL»

Категории: Semantic Web | Онтологии

Использование AgentOWL

Рубрика: Catherine Vladimirskaya, JADE, Russian, Агентные технологии

Лирическое отступление

AgentOWL – небольшая java библиотека, разработанная для поддержки RDF/OWL моделей для Jade агентов. Здесь используется описание модели знаний агента(generic agent model), основанная на пяти основных элементах: Resources, Actions, Actors, Context и Events. Поддерживается обмен сообщениями в формате RDF/OWL, включение полученной информации в модель.

Пример использования AgentOWL

Требования

Краткое описание возможностей системы. Необходимо обеспечить взаимодействие с различными ресурсами сети (получать и размещать информацию). Основные ресурсы – порталы, блоги, вики и т.д. В примере будут раскрыты особенности обмена информацией между агентами, детали внешних взаимодействий в данном случае нас не интересуют.

Анализ

Для этого примера используем методологию, предложенную автором проекта AgentOWL +основные принципы методологии jade Для начала создадим простую онтологию в Protege. Если быть точнее, мы расширяем generic agent model, предложенную в проекте AgentOWL, дополняя ее новыми элементами и связями.





Для каждого ресурса создается свой агент (SemWebAppAgent, PortalAgent, BlogAgent, WikiAgent). Все агенты системы будут использовать эту онтологию, однако она будет наполнена разными индивидами.

SemWebAppAgent способен выполнять запросы к SPARQL endpoint приложений Semantic Web. Допустим остальные агенты такой возможностью не обладают(они могут использовать SPARQL только при взаимодействии внутри системы), поэтому при возникновении такой необходимости делегируют эту задачу агенту SemWebAppAgent.

SemWebAppAgent, в свою очередь, при получении SPARQL запросов выполняет их на локальной OWL-онтологии; если же информация не найдена, то осуществляется запрос к внешнему хранилищу. При этом сам запрос естественно, изменяется.

Проектирование

Далее представлен фрагмент диаграммы классов. Здесь описаны два агента, участвующие во взаимодействии , а также их поведения для отправки и получения сообщений


Реализация

Здесь я опишу основные моменты реализации, касающиеся использования AgentOWL.

Созданную в Protege модель мы помещаем memory_init/agents.owl, туда же добавляем онтологии для всех агентов, наполненные индивидами в разной степени(для имитации рабочей обстановки).

Создаем агентов согласно представленной UML диаграмме классов и добавляем им необходимую функциональность. В разработанном примере BlogAgent отправляет сообщение SPARQL к SemWebAppAgent(в сообщении запрашиваются индивиды для некоторого класса онтологии), получает ответ в формате OWL и добавляет информацию в свою модель.

Так загружаем модель знаний агента(обычно в методе setup() агента, тут используется agent.core.memory.Memory):

Memory  mem = new Memory(«config/BlogAgent.properties», «BlogAgent»);

Сообщения составляем с использованием munication.Message из AgentOWL

Пример SPARQL запроса(для поведения QuerySWAgentBehaviour):

Message.createQueryMessage(senderAgent, «SemWebAppAgent», «SELECT ?x WHERE {?x rdf:type ont:» + resourceType + «}»));

Пример ответа(для поведения SendResultBehaviour)

Message.createInformMessage(senderAgent, «BlogAgent», resource));

где resourceType - класс запрашиваемого ресурса, resource - найденные ресурсы(individuals)

Читаем полученное сообщение(готовых методов для чтения в munication.Message нет, нужно немного знать jena API)

OntModel m = ModelFactory.createOntologyModel();

m.read(new StringReader(msg.getContent()), Ontology.BASE);

Добавление полученной информации(resource) в модель

Property property = mem.createProperty(«resource»);
Resource resource = mem.getModel().getResource(resource.getURI());
agentIndividual.addProperty(property, resource);

Есть еще возможность загрузки файла с правилами для вывода новых утверждений в онтологической модели агента(agent.core.memory.Memory, метод performInference)

Для отображения результатов в GUI используется XMLRPC Server – org.apache.xmlrpc.WebServer (в своем примере я не создавала GUI для агентов)

Можно также запустить sniffer и полюбоваться на общение агентов:

Tips

1. В AgentOWL config.properties лежит внутри jar и там прописан путь к memory_init/agents.owl Т.е. либо придется воссоздать этот путь и поместить туда необходимую модель, либо поменять SOURCE_FILE=memory_init/agents.owl в config.properties и пересобрать AgentOWL:)

2. Интерфейс для ввода данных отображения результатов деятельности агентов лучше создавать вебный, используя JSP и  преимущества XSLT

3. Агенты могут в процессе работы сохранять знания из памяти в БД(любую которую поддерживает jena API) и в OWL файл и читать их оттуда.

4. Неплохо бы саму библиотеку развить и доработать. Потому что она действительно «небольшая» и в этой области можно еще сделать много чего. Например, абстрактные агенты, в которых уже есть загрузка модели, поведения для обработки входящих сообщений и т.п.

5.В некоторых случаях для агентов удобнее будет использовать онтологии, где объекты отображены в бины(стандартные средства работы с онтологиями в Jade и/или Beangenerator)

здесь можно почитать об авторе

People who looked at this item also looked at…

  • Агенты и онтологии на примере AgentOWL

  • Работа с JADE в Eclipse: Создание первого агента!

  • Jade и Web

  • Работа с JADE в Eclipse: создание первого агента (часть 2)

  • JADE и Semantic Web

Related items

  • Агенты и онтологии на примере AgentOWL

  • JADE и Semantic Web

  • Развитие технологий Semantic Web: обработка RDF-графов на основе XSLT

  • Применение web-онтологий в задачах дистанционного обучения

  • Как создать приложение Semantic Web?

/Documentation

/Downloads34

1[1] Работа выполняется при финансовой поддержке РГНФ (проект № 07-04-12149)



Похожие документы:

  1. Особенности отношений с матерью

    Документ
    ... Time Perspective Inventory, the Semantic Differential Technique L.I.Vasserman), family ... характеристикам – разделение с матерью и слияние с матерью. Из предъявляемых изображений было выбрано ... S.L. The Present of Things Future: Exploration of Time in ...
  2. Вадим Руднев Прочь от реальности: Исследования по философии текста

    Документ
    ... веры, интуиции и неопределенности – the future (будущее), – но и чувственное восприятие, ... не выводит вытесненный материал из бессознательного, однако непосредственно ... . (Mass.), 1960. Wiersbicka A. Semantics primitives. Frankfurt a. M., 1972. Wiersbicka ...
  3. Актуальные вопросы германистики

    Документ
    ... пословиц……………………….. Cheremnykh F., Mashinskya N. Semantic analysis of English «colour» ... having qualities that promise future success. Golden Rose is ... воде, как о важнейшей формообразующей материи, из которой происходят центральные образы в творчестве ...
  4. В. Н. Брюшинкиным главы 11-17 и примечания к ним

    Документ
    ... сущность, глубочайшая сущность души, материал, из которого она сделана (скорее, воля ... Any Metaphysics Which In Future May Justly Claim Scientific ... 1 и след., а также R. Carnap, Introduction to Semantics, 1942). Благодаря развитию Тарским оснований ...
  5. В. Б. Боброва Общая редакция и вступительная статья

    Документ
    ... Форма камеры, ее размеры, вес, материал, из которого она сделана, цвет, футляр ... James H. Myers and Mark L. AIpert. „Semantic Confusion in Attitude Research: Salience ... Enis. „Marketing a City of the Future”. — „Marketing is Everybody's Business”. Santa ...

Другие похожие документы..