Web08 Semantic Web: Inginerie Ontologica (I)

<?xml version=“1.0” ?>
Semantic Web <curs desc=“…” />

Web semantic

Dr. SabinCorneliu Buraga
Facultatea de Informatica
Universitatea “A.I.Cuza” – Iasi, Romania

http://www.infoiasi.ro/~busaco/

Dr. Sabin Buraga http://www.purl.org/net/busaco


Inginerie ontologica



“It is not the strongest of the species
that survive, nor the most intelligent,
but the ones most responsive to change.”

Charles Darwin



intro

Folosind ontologiile, putem modela cunostintele
knowledge modeling

Apare necesitatea managementului acestora
knowledge management



intro

Aspecte privind managementul cunostintelor
(Shadbolt & O’Hara, 2004):
achizitia (acquiring)
modelarea (modelling)
reutilizarea (reusing)
preluarea (retrieving)
publicarea (publishing)
mentinerea (maintaining)



managementul cunostintelor

Achizitia (acquiring)
aplicatiile Web trebuie sa preia cunostinte,
nu date brute, fara semnificatie
e.g., texte (formatate) preluate din formulare

utilizatorii obisnuiti nu vor marca datele
in XML, RDF sau OWL

conceptele trebuie stocate ca informatii structurate




Modelarea (modelling)
ideal, fiecare fragment de informatie trebuie modelat
riguros la nivel semantic
in practica, acest aspect este aproape imposibil
vezi dificultatile de dezambiguizare a limbajului natural

pasi de urmat: identificarea claselor,
definirea proprietatilor, completarea datelor despre
indivizi (input explicit, tagging, microformate etc.)




Reutilizarea (reusing)
fiecare entitate trebuie definita doar o singura data

informatiile trebuie sa poata fi accesate
la nivel global (eventual, via politici de acces)

facilitarea reutilizarii este data de usurinta utilizarii
sistemului (e.g., sintaxa simpla, asistenti digitali,
flexibilitate etc.)




Preluarea (retrieving)
mecanisme de interogare si filtrare a cunostintelor

oferirea de suport pentru efectuarea de agregari, procesari
si extrageri de informatii, in maniera (semi)automata,
pe baza meta‐datelor si relatiilor dintre entitati

exemplu: extragerea intereselor comune
ale membrilor unui grup dintr‐o retea sociala




Publicarea (publishing)
cunostintele trebuie sa poata fi publicate
in formate standardizate,
care sa incurajeze refolosirea in alte contexte
accesul la cunostinte are in vedere
atit utilizatorii umani, cit si aplicatiile




Publicarea (publishing)
cunostintele trebuie sa fie usor redate,
conform necesitatilor si preferintelor utilizatorilor
depozitele de cunostinte trebuie sa ofere export
in formate consacrate (RDF, OWL)




Mentinerea (maintaining)
necesitatea existentei unor servicii care sa asigure
consistenta cunostintelor

un suport manual poate fi oferit de wiki‐uri

serviciile automate se pot baza pe reasoners




Adaptare dupa Horrocks & Rector, 2004
Ontologiile pot fi considerate drept
lego‐uri conceptuale (Conceptual Lego)
Masterand
urm(ar)ind
cursul
Agent Web
“Semantic
Web”




Ontologiile pot proveni din sau pot fi salvate sub forma de:
scheme XML,
scheme de baze de date,
diagrame UML,
spreadsheets,
alte specificatii




Probleme:
Crearea de ontologii din diverse surse
Managementul versiunilor
Realizarea colectiilor de ontologii (asocieri,
comparatii, reconcilieri, validari, conversii,...)
Obtinerea, organizarea & vizualizarea domeniului de
cunoastere inainte si in timpul crearii unei ontologii
Utilizarea ontologiilor in functie de context



necesitate
Existenta unor metodologii de inginerie
a cunostintelor
(knowledge engineering methodologies)
procesul prin care experti ai domeniului si ingineri
vor constitui o baza de cunostinte, specificata de un limbaj
de reprezentare a cunostintelor si
de o suita de instrumente aditionale

procesele, limbajele si instrumentele care pot fi folosite
se bazeaza pe diverse paradigme de reprezentare
a cunostintelor


abordari

Traditionale din ingineria software clasica
(knowledge engineering)
CommonKADS (Scheriber et al., 2000)

Agile (mai flexibile & facile)
eXtreme Programming
XP.K (Knublauch, 2002),
RapidOWL (Auer, 2005)



observatii

Dezvoltarea unei ontologii implica
partajarea de informatii si colaborare

“Knowledge is fractal” (Alan Rector, 2004)
ontologiile prezinta aceeasi structura la fiecare nivel
de granularitate (detaliu)

Atentie la dezvoltarile exponentiale ale ontologiei!
fenomenul “exploding bicycle”



inginerie

Complicatii:
necunoasterea apriori a dimensiunii ontologiei

numarul persoanelor implicate

utilizarea ontologiei de catre utilizatori
care nu sunt experti

natural laziness ☺

...


inginerie: dificultati
Conflicte privitoare la intuitii

intuitiile sunt dificil de formalizat
expertii in domeniu sunt condusi de obisnuinte si practica
(sabloane de proiectare) prototipuri & generalizari

logicienii sunt motivati de logica si computabilitate
definitii & operatori universali




Transparenta & predictibilitate
versus rigoare & completitudine

Utilizatorii fara experienta




Studiu de caz – Peter Morville, 2007
alergia la alune (peanut allergy):
Acces urgent la informatii exacte & utile
Credibilitatea surselor este esentiala
Orice cautare pe Google esueaza
(popularitate ≠ autoritate in domeniu)
Cunostintele trebuie sa poate fi regasite pe Web
(necesita expertiza in domeniu + abilitati avansate de
cautare via motoare)
Context: Information Architecture (IA)



Modelarea
Semantica (meaning): corectitudinea clasificarilor
& extragerii cunostintelor
Indexarea: desfasurarea activitatilor de
descoperire, cautare si gasire a cunostintelor
Utilizarea: introducerea datelor, luarea de decizii,...
Achizitia: capt(ur)area cunoasterii




Asigurarea calitatii & managementul modificarilor
Calitatea:
stabilirea de criterii privitoare la ceea ce este “corect”

Evolutia:
luarea in calcul a schimbarilor viitoare ale ontologiei

Testarea:
controlul modificarilor, asigurarea calitatii (QA)




Privitoare la persoanele implicate
Aparitia confuziilor privitoare la termeni
si la utilizarea ontologiei

Persoane provenind din medii eterogene
filosofie, interactiune om‐calculator, inginerie software,
lingvistica, stiinte cognitive,...

Recurgerea la sintaxe diferite


inginerie: realitati

Gasirea dificila unor criterii formale
(consistenta, completitudine, concizie,...)




Generarea manuala a ontologiilor

taxonomii navigabile: Open Directory, Yahoo!,...

folksonomii

ontologii publice – de exemplu, Gene Ontology

ontologii interne – e.g., Daimler‐Chrysler




Ontologiile generale (toplevel) nu sunt cu adevarat
utile in practica




Apar probleme teoretice/practice privind:
asigurarea coerentei,
facilitarea procesarii,
folosirea surselor de date multiple




Diferite vocabulare in vigoare

clasa ≈ concept ≈ categorie ≈ tip

instanta ≈ individ

entitate ≈ obiect (clasa/individ)

proprietate ≈ slot ≈ relatie ≈ atribut ≈
≈ rol ≈ legatura semantica



Diferite sintaxe existente:
sintaxa abstracta,
N3,
XML/RDF,
logica de ordin I,
formatul Protégé,
limbaj natural (parafraza),
...



metodologie (Noy & McGuinness, 2003)

Stabilirea domeniului de cunoastere
Organizarea ontologiei
“Umplerea” ontologiei
Verificarea ontologiei
Publicarea ontologiei



metodologie

Stabilirea domeniului de cunoastere

asamblarea resurselor de informatie si expertiza
a ceea ce vor deveni concepte (things)
ale domeniului de interes

se vor asigura consensul si consistenta



metodologie

Organizarea ontologiei
proiectarea pe ansamblu a structurii conceptuale:
Identificarea principalelor concepte concrete
si a proprietatilor acestora
Identificarea relatiilor dintre concepte
Crearea conceptelor abstracte
Identificarea instantelor
Referentierea/includerea altor ontologii
...



metodologie

“Umplerea” ontologiei
adaugarea conceptelor
inserarea relatiilor/constringerilor
adaugarea indivizilor

…la nivelul de detaliere necesar
pentru realizarea scopurilor ontologiei



metodologie

Verificarea ontologiei

reconcilierea inconsistentelor dintre elemente,
la nivel sintactic, logic & semantic

verificarea consistentei poate implica o clasificare
automata, rezultind noi concepte bazate
pe proprietati individuale sau relatii intre clase


metodologie

Publicarea ontologiei

verificarea finala de catre experti ai domeniului

publicarea in cadrul comunitatii de practica



metodologie

Procesul ideal de dezvoltare a unei ontologii:
determine consider enumerate define define define create
scope reuse terms classes properties constraints instances



metodologie

Procesul realist de dezvoltare a unei ontologii:
determine consider enumerate consider define enumerate define
scope reuse terms reuse classes terms classes

define define define define create define create
properties classes properties constraints instances classes instances

consider define define create
reuse properties constraints instances



metodologie (Rector & Horrocks, 2004)
Stabilirea scopului
Colectarea cunostintelor
(la nivel informal ori semi‐formal)
Rafinarea cerintelor & testarea
Implementarea (modelarea propriu‐zisa)
Evaluarea & asigurarea calitatii
Monitorizarea utilizarii si a evolutiei



metodologie

Stabilirea scopului
cerinte,
evaluare,
reutilizare,
…



metodologie
Colectarea cunostintelor
la nivel informal ori semi‐formal
Stabilirea termenilor
Organizarea informala a termenilor
Parafrazarea si clarificarea termenilor
definitii informale ale conceptelor
Realizarea de diagrame informale

Rafinarea cerintelor & testarea


metodologie
Implementarea – modelarea propriu‐zisa
Parafrazare & comentare la fiecare faza
Dezvoltarea unei scheme normalizate si
a unui “schelet” de ontologie
Implementarea unui prototip
(consemnind intentiile)
Verificarea scalabilitatii
Popularea ontologiei – text mining,
procesare a limbajului uman, microformate,
XHTML/XML structurat (semantic) etc.


metodologie
Evaluarea si asigurarea calitatii
Urmarirea scopului initial

Includerea de verificari privind evolutia ontologiei
si ajustarea manierei de management al ei

Proiectarea de teste si “probe”
in mod similar testarii aplicatiilor software



metodologie

Monitorizarea utilizarii si a evolutiei
(mentenanta)

“Process not product” (Alan Rector, 2004)



aspecte importante
Rationamentul lumilor inchise vs. deschise
lumi deschise (open world reasoning)
Negatia reprezinta contradictie (orice poate fi adevarat
pina cind se poate demonstra ca e fals)
Se rationeaza in maniera:
“orice alta lume poate fi consistenta cu aceasta”

lumi inchise (close world reasoning)
Negatia inseamna esec (orice nu poate fi gasit este fals)
“Totul este valabil numai in aceasta lume”



aspecte importante

Rationamentul lumilor inchise vs. deschise

ontologiile sunt considerate lumi deschise,
iar bazele de date lumi inchise



aspecte importante
Knowledge Base vs. Data Base

O baza de cunostinte (knowledge base) nu defineste
un model unic, ci reprezinta un set de constringeri
care pot defini o multime de modele posibile

nici o constringere orice model e posibil

cu cit exista mai multe constringeri,
cu atit numarul modelelor posibile scade


aspecte importante

O baza de date defineste un model unic

numele diferite sunt interpretate ca indivizi distincti

domeniul e compus numai din indivizii numiti in cadrul
bazei de date (modelul lumii inchise)

extensiile sunt cit mai reduse posibil


aspecte importante
Modelul unic (Bechhofer, 2004):
expresivitate redusa – nu exista negatii/disjunctii

nu poate captura informatii incomplete

non‐monoton – adaugarea de informatii
nu pastreaza adevarul

procesul de reasoning (interogare) este facil si rapid



aspecte importante
Modelele multiple (Bechhofer, 2004):
expresivitate ridicata – conectori booleeni, reuniune,...

poate captura/exprima informatii incomplete

monotonic – adaugarea de informatii pastreaza adevarul

procesul de reasoning (interogare) este dificil si lent



aspecte importante

Activitatea de reasoning
poate fi realizata automat de un reasoner

clasificarea conceptelor – rezultind:
un arbore (ierarhie stricta, taxonomie)
un digraf aciclic – DAG (poli‐ierarhie, graf conceptual)

normalizare = separarea conceptelor de baza
in arbori disjuncti, arborii avind legaturi intre ei
via definitii si restrictii


aspecte importante
Exemplu: o ontologie privitoare la animale
Inainte de clasificare Dupa clasificare
Arbore de concepte DAG



aspecte importante

Dezvoltarea unei ontologii normalizate presupune:
Identificarea conceptelor de baza de sine‐statoare
Separarea conceptelor in arbori de concepte
Identificarea relatiilor
Crearea descrierilor & definitiilor
Identificarea modului in care elementele‐cheie
trebuie clasificate
Utilizarea clasificatorului pentru a forma DAG‐ul
Verificarea satisfacerii testelor



aspecte importante
Dezvoltarea unei ontologii normalizate presupune:
Identificarea conceptelor de baza de sine‐statoare
(cu comentarea celor mai putin evidente)
Separarea conceptelor in arbori de concepte
(poate implica specific. unor proprietati/concepte auxiliare)
(comentarea acelor relatii care nu sunt evidente)
Crearea descrierilor & definitiilor
(cu oferirea de parafraze pentru fiecare)
Identificarea modului in care elementele‐cheie trebuie clasificate
(crearea unor teste de regresie)
Utilizarea clasificatorului pentru a forma DAG‐ul
Verificarea satisfacerii testelor


studiu de caz

Modelarea unei ontologii privitoare la animale

adaptare dupa (Rector, 2004)



studiu de caz

Intentii & scopuri:
realizarea unui index al unei carti despre animale,
oferind informatii precum:
locul unde traiesc
ce consuma (carnivore, ierbivore, omnivore)
cit de periculoase pot fi
ce anatomie de baza au – e.g., numarul picioarelor,...
ce greutate au
...



studiu de caz

Colectarea conceptelor:
se pot folosi carduri de concepte

se lucreaza in grupuri mici de persoane

se pot atrage experti ai domeniului



studiu de caz
Dog Dangerous
Carnivore
Cat Pet
Plant
Cow Domestic animal
Animal
Person Farm animal
Fur
Tree Food animal
Child
Grass Fish
Parent
Herbivore Goldfish
Mother
Male
Father Clase
Female
posibile


studiu de caz: organizarea conceptelor

Carnivore
Dog
Dangerous
Plant
Cat
Pet
Animal
Cow
Domestic
Fur
Person
animal
Tree Child
Farm animal
Grass Parent Food animal
Herbivore Mother Fish
Male Father Goldfish
Female


studiu de caz

Extinderea conceptelor
gruparea unor concepte
si determinarea caracteristicilor comune:
Plant, Animal ↦ Living Thing
ar putea fi adaugati ulterior si termeni ca Bacteria, Fungi,…
Cat, Dog, Cow, Person ↦ Mammal
alti candidati ar putea fi Goat, Sheep, Horse
etc.



studiu de caz

Pentru facilitarea clasificarii, colectiile de subclase
trebuie declarate explicit disjuncte

Plant disjointWith Animal



studiu de caz

Alegerea unor axe conceptuale
Adaugarea de termeni abstracti
De exemplu: “Living thing”
De exemplu: “eats”, “owns”, “parent of”
Identificarea entitatilor ce pot fi definite
E.g., “child”, “parent”, “Mother”, “Father”
Numirea explicita a conceptelor
Utilizarea cunostintelor anterioare
(background knowledge) – axiome


studiu de caz Relations
Living Thing eats
owns
Modifiers
Animal parent‐of
Domestic
Mammal …
Pet
Cat Farmed
Dog Food
Definables
Cow Wild
Person Carnivore
Health
Fish healthy Herbivore
sick
Goldfish
Child
Gender
Plant Parent
Male
Tree Mother
Female
Grass Age Father
Adult
Fruit Food Animal
Child



studiu de caz

Stabilirea entitatilor de sine‐statatoare:

“Lucruri” ce exista conform substantivelor lor
Oameni, animale, case, actiuni, procese,…
Se utilizeaza majoritatea substantivelor

Modificatori (modifiers)
“Lucruri” ce se pot preschimba in altele
Se folosesc adjectivele si adverbele



studiu de caz

Reorganizam conceptele, grupind entitatile
care pot fi definite in arbori separati

constituirea conceptelor de baza (primitives)



studiu de caz
Relations
Self_standing eats
Modifiers
Living Thing owns
Domestication parent‐of
Animal Domestic
…
Mammal Wild
Use
Cat
Definables
Food
Dog
Pet Carnivore
Cow
Risk
Herbivore
Person Dangerous
Fish Child
Safe
Gold Gender Parent
Male
fish
Mother
Female
Plant Age Father
Tree Adult
Food Animal
Grass Child
Fruit



studiu de caz
Self_standing
Living Thing Concept abstract incluzind toate entitatile vii
Animal – restrictionat la plante si animale in acest moment
Mammal
Cat
Dog
Cow
Person
Fish
Gold
fish
Adaugarea comentariilor
Plant
clarificatoare (parafraze)
Tree
Grass
Fruit



studiu de caz

Identificarea constringerilor privitoare la domeniu
(domain) si interval (range) pentru fiecare proprietate:
Animal eats Living_thing
eats domain: Animal
range: Living_thing
Person owns Living_thing except Person
owns domain: Person
range: Living_thing and not Person
Living_thing parent_of Living_thing
parent_of domain: Animal
range: Animal



studiu de caz

Pentru entitatile ce pot fi definite trebuie comentate si
formalizate definitiile acestora in termeni de primitive,
relatii si alte entitati ce pot fi definite



studiu de caz

Exemplul 1: “A ‘Parent’ is an animal that is the parent of
some other animal” (Ignore plants for now)

Parent = Animal and parent_of some Animal

Exemplul 2: “A ‘Herbivore’ is an animal that eats
only plants” (NB: All animals eat some living thing)

Herbivore = Animal and eats only Plant



studiu de caz

Stabilirea proprietatilor ce pot aparea
la nivel de clasa

Ce se poate afirma privitor la toti membrii clasei?

exemplu: eats
All cows eat some plants
All cats eat some animals
All pigs eat some animals and eat some plants



studiu de caz

Verificarea clasificarii

“Cows should be Herbivores”

Cows are animals and, amongst other things,
eat some grass and
eat some leafy_plants



studiu de caz

Verificarea clasificarii

Trebuie specificata axioma de inchidere (closure axiom)

Cows are animals and, amongst other things,
eat some plants and
eat only plants



studiu de caz
Verificarea clasificarii (aici, in Protégé):



studiu de caz

Examinarea listei de modificatori

identificarea modificatorilor
care au valori mutual exclusive
Domestication, Risk, Gender, Age

precizarea mai precisa a unora
Age ↦ Age_group



studiu de caz
Modifiers
Domestication
Domestic
Wild
Feral
Risk
Dangerous
Risky
Safe
Gender
Male
Female
Age
Infant
Toddler
Child
Noua lista de modificatori
Adult
Elderly



studiu de caz

Specificarea valorilor (solutia 1)
partitii de valori: clase care partitioneaza o calitate
Dangerousness cu sub‐calitatile disjuncte
Dangerous, Risky, Safe

Se poate specifica proprietatea functionala
hasDangerousness : Animal Dangereousness

Dangerous_animal = Animal and
hasDangerousness some Dangerous


studiu de caz
Animal
Diagrama partitiilor de valori
hasDangerousness
someValuesFrom

Dangerous
animal
Risky Dangerous Leo the
Lion
Dangerousness
Leo’s
Danger
Safe
Vezi si www.w3.org/TR/swbp-classes-as-values



studiu de caz

partitii de valori: clase care partitioneaza o calitate
calitatea

partitiile de
valori



studiu de caz
Partitiile de valori in stilul UML
Animal
Dangerousness_
Value

owl:unionOf

Dangerous
hasDangerousness
Safe_ Risky_ Dangerous_
someValuesFrom Animal
value value value

Leo the
Leo’s hasDangerousness
Lion
Dangerousness



studiu de caz
valori simbolice: indivizii pot enumera
toate valorile unei calitati (caracteristici)
calitatea specificata este Gender_value,
pentru fiecare valoare existind o multime de indivizi
valorile vor fi diferite, date ca o enumerare:
Gender_value = { male, female }
se specifica o proprietate functionala
hasGender : Animal Gender_value
Male_animal = Animal and hasGender is male


studiu de caz

Valorile simbolice – stilul UML
Person
Gender
_value

owl:oneOf

hasGender
Man
female male

Andrei



studiu de caz

Principii pentru specificarea valorilor
(design pattern):
Valori distincte exprimate via Disjoint
pentru clase sau allDifferent pentru indivizi
Valorile “acopera” un tip de date
Calitate = Part1 or Part2 or Part3 or … or Partn
Calitate = {v1 , v2 , v3 ,…, vn}
Proprietatile exprimate sunt deseori functionale



studiu de caz

Exprimarea rolurilor (proprietatilor)
apare necesitatea distingerii rolurilor
pe care le joaca entitatile in diferite situatii

Exemple: “pet” vs. “farm animal”,
“profesor” vs. “student”, “medic” vs. “pacient”

Deseori, calificarile trebuie distinse fata de roluri
e.g., o persoana poate avea calificare de medic,
dar joaca rol de pacient


studiu de caz

uzual, rolurile desemneaza relatii
Animal Animal Food_animal =
Animal and
Food_animal Mammal
has_role
Cow Cow
some Food_role
Horse
Horse
Dog
Pet_animal Pet_animal =
Animal_use_role Animal and
Horse
has_role
Food_role
Dog
some Pet_role
Pet_role



studiu de caz


Situatie: Horse plays_role some Food_role
toti caii joaca rol de animale bune de consum

o afirmatie prea categorica



studiu de caz

Observatie:
anumite entitati pot fi deduse pe baza inferentei
– via reasoners (e.g., Pellet)

Grass and Leafy_plants are both kinds of Plant



studiu de caz


Solutii:
ignorarea problemei intr‐un anumit context
inlocuirea lui has_role cu may_have_role

se poate specifica
Food_Horse = Horse and has_role Food_role



studiu de caz

Comentarea & parafrazarea tuturor claselor
din cadrul ontologiei

foarte util pentru alte persoane care vor utiliza
si/sau extinde ontologia



studiu de caz

Oferirea unui set de clase de proba si
a unui cadru de testare a ontologiei

Clase de proba = clase suplimentare care pot sa fie
sau nu satisfiabile sau clasificabile intr‐un context
particular (“exceptiile de la regula”)
in ontologia finala, vor fi eliminate



studiu de caz: privire de ansamblu
Living Thing
Body Part
eats

has part Plant
Arm
eats
Animal

Leg Grass
eats
Herbivore

Tree
Person
Carnivore
Cow



studiu de caz

Modelarea unui web privitor la un muzeu de arta

adaptare dupa (Enrico Franconi, 2003)



studiu de caz

Considerarea – eronata – a unui concept ca fiind rol

Painter subClassOf only PAINTING.Painting

Painting subClassOf only AUTHOR.Painter

PaintEvent subClassOf
intersectionOf (some WHO.Painter, some WHAT.Painting)



studiu de caz

Acest TBox este redundant

Nu se pot detecta usor inconsistentele

TBox‐ul este ciclic



studiu de caz

La nivel de ABox se specifica:
Tabloul Pescuit de ton al lui Dali se gaseste in Madrid
Tabloul Pescuit de ton, pictat de Dali in 1966,
se gaseste in Madrid

Redundanta:
Painter (dali), PAINTING (dali, tuna-fishing),
Painting (tuna-fishing), AUTHOR (tuna-fishing, dali) etc.



de retinut

Aspecte de interes (Aldo Gangemi, 2008):
cerinte – e.g., “doresc sa urmez masterul ideal”
contructii logice: subClassOf, restrictii de cardinalitate,…
ontologii existente – e.g., FOAF, BibTeX, DOLCE, OpenCyc
resurse de cunostinte informale: CiteSeer, Open Directory
conventii & practici, inclusiv sabloane de proiectare
instrumente – editoare, instrumente de reasoning,
convertoare etc. (Protégé, NeON Toolkit, FaCT++, Pellet,
Jena, Virtuoso, Semantic MediaWiki,…)



de retinut

Intelegerea clara a distinctiilor (Franconi, 2003):

concept (clasa) vs. individ

concept (clasa) vs. proprietate (rol)

entitate definita vs. entitate dedusa



de retinut

Clasa (concept) versus instanta (individ)
O multime de indivizi este una numarabila, discreta
Spatiul privitor la concepte e ideal continuu si infinit
Fiecare individ poseda o identitate clara
Daca 2 concepte au descrieri echivalente,
atunci desemneaza acelasi concept
Descrierile privitoare la indivizi pot fi alterate
Actualizarile privitoare la indivizi, uzual, nu schimba
ierarhia conceptelor
Alegerea “clasa vs. individ” depinde de granularitate


de retinut

Nu e usor de decis daca o entitate trebuie sa fie modelata
ca si concept sau drept rol

Persoana este un concept (clasa)
Mama ca si concept nu exista daca nu consideram
ce rol joaca intr‐o relatie parentala
(este un concept dependent de o relatie)

conventie: alegerea de nume neambigue pentru roluri
e.g., hasParent, areMama, areGen etc.



de retinut

Fiecarui concept ales i se pot asocia:
proprietati intrinseci – caracteristice naturii conceptului

proprietati extrinseci – externe, pot sa se modifice in timp

parti, fragmente – in cazul obiectelor structurate/compuse
pot fi fizice (“studentii dintro grupa”, “componentele unui
calculator”, “boabele unui strugure”) sau abstracte
(“prezentarile unui curs”, “subiectele evocate de artist”,…)



de retinut

Rationamentele automate privitoare la indivizi
sunt dificil de realizat

ontologiile vizeaza in special clasele
ontologii ≠ baze de date

a se consulta si www.coode.org



de retinut

Ontologiile reprezinta artefacte avind o structura specifica
(lingvistica, ierarhica, logica)

Ontologiile vizeaza uzual atit domeniul de cunoastere,
cit si activitatile desfasurate specifice acelui domeniu

Ontologia urmeaza un ciclu de viata (lifecycle), fiind creata,
evaluata, ajustata, exploatata ca si alt artefact software
aspecte de interes: datele, tipurile de workflow‐uri,
sabloanele de proiectare, utilizarea propriu‐zisa


Rezumat

Knowledge engineering
Metodologii de proiectare a ontologiilor



?


Web08 Semantic Web: Inginerie Ontologica (I)

Recomendados

Recomendados

Más contenido relacionado

Más de Sabin Buraga

Más de Sabin Buraga (20)

Web08 Semantic Web: Inginerie Ontologica (I)