3. Ontologien und Wissensbasen

Transkript

1 Ontologien Ontologien stellen mittlerweile die Basis für viele innovative wissensbasierte Systeme dar: 3. Ontologien und Wissensbasen ecommerce/elearning Knowledge Management Informationsextraktion/Data-mining Natürlichsprachliche Verarbeitung Relevante Fragestellungen hier: Wie werden Ontologien repräsentiert? Nach welchen Methodiken werden Ontologien entworfen? Können Ontologien gelernt/automatisch erzeugt werden? Wo und wie werden Ontologien angewendet? Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-1 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-2 Ontologien: Motivation Digital gespeicherte Informationen existieren in großen Mengen. Problem: Fehlertoleranter Zugriff Effizente Suche Individuelle Filterung Aggregation verschiedener Informationsquellen Lücke zwischen Bedeutung und Speicherung von Informationen Ontologien: Bedeutung Fehlendes gemeinsames Verständnis behindert (unterbindet) sinnvolle Kommunikation zwischen Personen und informationsverarbeitenden Systemen. Starre Modellierungsparadigmen schränken Interoperabilität ein. Feststellung: Menschen benötigen Worte (oder Symbole) um effizient zu kommunizieren. Die Abbildung von Worten auf reale Objekte, Zusammenhänge oder Begriffe ist nur indirekt möglich. Verständigung ist nur möglich, weil Menschen in der Lage sind gedankliche Konzepte zu bilden. Dieser Vorgang ist jedoch abhängig von temporalen, räumlichen und gesellschaftlichen Kontexten. Konzept evoziert bezieht sich auf People can t share knowledge if they dont speak a common language Symbol steht für "reales Ding" Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-3 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-4

2 Ontologien: Bedeutung in der Informationstechnologie Ontologien vs. Datenbanken Inzwischen ein Forschungsthema von großem Interesse In der Informatik werden Ontologien i. a. ingenieurwissenschaftlich betrachtet: An ontology is an explicit specification of a conceptualization [Gruber, 1993] An ontology is a shared understanding of some domain of interest [Uschold, Gruniger, 1996] Eine Ontologie besteht aus einem Vokabular, welches einen Weltausschnitt beschreibt (conceptual schema) plus einer Menge von expliziten Einschränkungen (constraints) bzgl. der intendierten Bedeutung des Vokabulars. Alle potentiellen Welten müssen sich auf das vorgeg. abstützen und die Einschränkungen erfüllen. Vokabular/Annahmen maschinenverarbeitbar. Deduktion Einschränkungen conceptual Daten Ergebnis Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-5 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-6 Ontologien und Datenbanken (in der Zukunft?) Ontologietypen Deduktion Einschränkungen conceptual DB- DB- Daten Ergebnis Ontologien lassen sich aufgrund inhaltlicher Kriterien (in aller Regel) grob strukturieren. top-level ontology: Beschreibt sehr generelle Konzepte wie z. B. Zeit, Raum, Vorgang unabhängig von einer bestimten Domäne oder Problemstellung. domain ontology: Beschreibt ein grundlegendes Vokabular bezogen auf eine generische Domäne. Hierbei werden Konzepte einer top-level Ontologie spezialisiert. task ontology: Beschreibt ein grundlegendes Vokabular bezogen auf eine allgemeine Aktivität oder Aufgabe. Auch hier werden Konzepte einer geeigneten top-level Ontologie spezialisiert. application ontology: Spezielle, auf eine konkret fokusierte Domäne oder Aufgabe zugeschnittene Ontologie, die in der Regel eine domain und/oder task Ontologie spezialisieren. domain ontology top-level ontology application ontology task ontology Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-7 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-8

3 Ontologiesprachen (1) Ontologiesprachen (2) Eine Ontologiesprache bezieht sich in aller Regel auf Konzepte (Klassen, Entitäten,...), Eigenschaften von Konzepten (Slots, Attribute,...) und Relationen zwischen Konzepten (Assoziationen) und zusätzlicher Sprachmittel für Einschränkungen. Vorsicht: Es existiert eine m : n Beziehung von Wörtern/Symbolen auf Konzepte Verschiedene Wörter können sich auf das gleiche Wort/Symbol beziehen Ein Wort/Symbol kann sich auf verschiedene Konzepte beziehen Große Bandbreite verschiedener Ontologiesprachen: Einfach (nur Konzepte und Taxonomie) Frame-basiert (Konzepte plus Konzepteigenschaften) Logik-basiert (z. B. Ontolingua, DAML+OIL,...) Ontologien werden oftmals durch Diagramme ausgedrückt (meist nicht möglich dabei alles auszudrücken). Entity-Relationship ta und UML Klassendiagramme können als Ontologiesprachen verstanden werden. Natürliche Sprache ungeeignet zur formalen Beschreibung von Ontologien Aufgabe einer Ontologiesprache ist es, z. B. solche Ambiguitäten explizit aufzulösen. Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-9 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-10 UML Klassendiagramm (Beispiel) Notation von UML Klassendiagramm (1) Pers.-Nr.: Integer Gehalt: Integer Typ oder Klasse: Typname Attribut: Typ = Wert Untertypenbeziehung {Disjunkt, Vollständig}, oder {Disjunkt, Unvollständig}, bzw. {überschneidend} Manager 1..* P-Kode: String Beziehung/Assoziation: Umkehrabbildung Abbildung {Disjunkt, Vollständig} 1..1 Kardinalitätseinschränkungen: Zu jedem A gehört genau ein B: 1 AreaManager TopManager 1..1 führt Zu jedem A gehören ein oder mehrere Bs: Zu jedem A gehört entweder kein oder ein B: 1..* 0..1 Zu jedem A gehören beliebig viele Bs: * Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-11 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-12

4 Notation von UML Klassendiagramm (2) Entity-Relationship (Beispiel) Zusicherungen: {irreflexiv, Eindeutigkeit, Baum,...} Pers.-Nr.(Integer) Gehalt(Integer) Ableitungen: Assoziationssubtyp: Aggregation: Komposition: AreaManager Manager TopManager (1,1) (1,n) (1,1) führt P-Kode(String) Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-13 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-14 Relationale Repräsentation einer Beispielwelt Semantik der relationalen Repräsentation einer Beispielwelt mitarbeiterid E 1 E 2 E 3 E 4 E 5 projektid P 1 P 3 mitarbeiterid projektid E 1 P 1 E 2 P 1 E 2 E 2 P 3 E 3 P 1 E 4 E 4 P 3 E 5 P 3 -Kode projektid P 1 P 3 String P12a P02b P2a/1 E 1 P E 1 2 E 3 E 4 P 3 E 5 -Kode P12a P02b P2a/1 Eine Klasse ist eine Menge von Instanzen. Eine n-wertige Beziehung ist eine Menge von n-tupeln zwischen Instanzen. Ein Attribut ist eine Menge von Paaren von Instanzen zu primitiven Elementen. Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-15 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-16

5 Einschränkungen des s Beispiele von Ontologien: WordNet (1) führt TopManager {e Pers.-Nr. ({e} Integer) 1} {e Gehalt ({e} Integer) 1} {p P-Kode ({p} String) 1} TopManager {m führt ({m} Ω) = 1} {p führt (Ω {p}) = 1} {p (Ω {p}) 1} Manager AreaManager Manager TopManager Manager AreaManager TopManager = Manager AreaManager TopManager WordNet / EuroWordNet: WordNet enthält: Wortformen Wortbedeutungen Kategorisierung bezüglich syntaktischer Kriterien: Nomen (N) Verben (V) Adjektive (Adj) Adverben (Adv) WordNet enthält zusätzlich lexikalisch-semantische Beziehungen zwischen Wortbedeutungen. Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-17 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-18 Beispiele von Ontologien: WordNet (2) Beispiele von Ontologien: WordNet (3) Semantische Beziehung Syntak. Kategorie Beispiel Synonymy N, V, Adj, Adv Auto Wagen Antonymy Adj, Adv, (N, V) schnell langsam, freundlich unfreundlich Hyperonymy N Säugetier Tier, Hund Säugetier Meronymy N Mehl Kuchen, Reifen Auto Die Hyperonymy-Beziehung ist analog zur Subklassenbeziehung. Synonymy entspricht Äquivalenz. Meronymy drückt eine Teil-von-Beziehung [Winston et al, 1987] aus: Component/Integral-Objekt Stuff/Object Member/Collection Feature/Activity Portion/Mass Place/Area Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-19 Wissensmodellierung, SS2002 T. Liebig Ontologien und Wissensbasen 3-20