Foundations of Knowledge Management Knowledge Organization

Transkript

1 Foundations of Knowledge Management Knowledge Organization Markus Strohmaier Univ. Ass. / Assistant Professor Knowledge Management Institute Graz University of Technology, Austria markus.strohmaier@tugraz.at web: 1

2 Overview Today s Agenda Semiotics Different Levels of Knowledge Representation Fundamental Problems of Categorization Slides in part in German Based in part on slides prepared by D. Reisinger Knowledge Organization 2

3 Categorization: The DMOZ Project 3

4 Categorization: Twitter 4

5 Categorization: Wikipedia 5

6 Further Examples i t/ ifi ti / i il / i /i m?lang=en# htmlgm2012/index.htm 7

7 Wissensorganisation Zwei Herangehensweisen Taxonomien, Ontologien, Formale vs. inhaltliche Struktur Semantische Netze Viele Informationen liegen in unstrukturierten Freitexten (Inhaltliche Struktur) vor. Aussagekräftig aber schlecht auswertbar Schlüsselwortextraktion, Herangehensweisen: Verwendung einer standardisierten Sprache a priori (stark formalisiert) Folksonomies Interpretation der heterogenen Sprache a posteriori (NLP, ) Freitext semantische Darstellung Code Examples:

8 Wissensorganisation als Querschnittmaterie: Beispiele Bibliotheks- Wissenschaften Biologie, Genetik, Medizin, Recht, Wirtschaft,... Dokumentations- Wissenschaften. Wissens- WM Organisation Wissens- Domänen Informatik KI Linguistiki 9

9 Die Wissensstrukturen Anwendungsmöglichkeiten repräsentieren Wissen über Konzepte/Begriffe in verschiedenen Kontexten (Darstellungsmodell) verweisen auf das zu bestimmten Konzepten relevante Wissen (Referenzmodell) 10

10 Vorab: Linguistik Linguistik ist die Wissenschaft der (menschlichen) Sprache als einem der Verständigung dienenden Zeichensystem Grundlage für jede Explikation und Transformation von Wissen Semiotik: Syntax Semantik Pragmatik Zeichenkette Ebene der Sprache Ebene der Symbole Syntax Ausdruck, Symbol Zeichenkette Semantik Ebene des Denkens Begriff/ Konzept Abstraktion Pragmatik Objekt Sender Ebene der Kommunikation Empfänger Ebene der Realität 11

11 Was sind Konzeptsysteme? Konzeptsysteme sind Systeme von unterscheidbaren Konzepten, die mittels Relationen in Beziehung zueinander gesetzt werden und in einer natürlicheren Sprache formuliert werden können Zielsetzung: Entwicklung und Festlegung eines gemeinsamen Verständnisses Repräsentationssysteme: menschliche Sprache, Logik, Computersprachen Objekt Semiotisches Dreieck Reale Welt Begriff Konzept Wort Ausdruck Symbol Wissen Sprache 12

12 Anwendungen und Formen von Konzeptsystemen Index Schlagworte Liste Katalog Lexikon Taxonomie Hierarchie Gehört zu Klassifikation Thesauraus Hierarchie Äquivalenz Assoziation Ontologie Konzepte Eigenschaften Beziehungen Regeln 13

13 Konzeptsysteme Informatik: Bezeichnungen als Ontologien, Datenbank-, Relationenschema oder Objekthierarchien Bestandteile: Konzepte Benennungen Relationen 14

14 Begriff / Konzept Unter einem Begriff oder Konzept versteht man eine Denkeinheit, die aus der Menge von Gegenständen unter Ermittlung der diesen Gegenständen gemeinsamen Eigenschaften mittels Abstraktion gebildet wird (DIN 1992a) Reale Welt Objekt Semiotisches Dreieck Begriff Konzept Wort Ausdruck Symbol Wissen Sprache 15

15 Begriff / Konzept Selektiv getroffene Auswahl von Bedeutungsinhalten, die nie den ganzen Gegenstand repräsentieren Abhängig vom Anwendungskontext Z.B. Bank im Finanzwesen bzw. Gartengestaltung g Verwandte Bezeichnungen: Konzept, Klasse, Objekt, Ressource, Knoten, Element, Entität, Vorstellungsinhalt, der sich auf Merkmale, Merkmalskombinationen und Beziehungen zwischen Merkmalen beziehen kann 16

16 Begriffsarten Begriffe Logische Begriffe Außerlogische Begriffe Präskriptive Begriffe Deskriptive Begriffe mit direktem empirischen Bezug ohne direkten empirischen Bezug 17

17 Relationen Mit einer bestimmten Bedeutung belegt und definierte Verknüpfungen / Beziehungen zwischen Begriffen Selbst wiederum definierte Begriffe (z.b. was bedeutet die Aussage A ist Oberbegriff von B ) Können auch Bestandteil weiterer Relationen sein (in komplexen Ontologien, Expertensystemen) Bsp: Ein einfacher Thesaurus unterscheidet nur Äquivalenz- Hierarchische- und Assoziationsrelationen, in der Enzyklopädie gibt es nur Assoziationsrelationen 18

18 Beziehungen zwischen Benennungen Homonyme: Mehrdeutige Benennungen (z.b. Bank / bear) Homophone: Gleichlautende Benennungen (z.b. Mohr, Moor / ate, eight) Homographen: Gleiche Schreibweisen (z.b. Wach(-)s(-)tube ) Synonyme: Mehrere Bezeichnungen stehen für denselben Begriff (Auto, PKW / car, automobile) Antonyme: Gegensätze (z.b. hart weich / good-bad) Hyper/Hyponyme: Abstraktere / Spezifischere Begriffe (z.b. Fahrzeug / PKW) Formale Begriffssysteme zielen oft darauf ab wenig Raum für Interpretation zu lassen! Homonymzusätze (Qualifikatoren) (z.b. Ring <Schmuckstück>, Ring <Mathematik>) Korrekte Zuordnung von Begriffen und Benennungen oft erst aus dem Kontext heraus interpretierbar! 19

19 Beispiel Wordnet WordNet seit 1985 am Cognitive Science Laboratory der Universität Princeton entwickelter Wortschatz der englischen Sprache. ( Besteht aus einer lexikalischen Datenbank, die semantische Beziehungen zwischen den Wörtern enthält. Frei durchsuchbar hb und mitsamt t SW kostenlos verfügbar Ziel: natürlichsprachige Texte für Computer verstehbar machen RDF-Modelle unter: Beispiel: Babylon 20

20 Anwendung: Thesaurus Kontrolliertes Vokabular, dessen Begriffe durch Relationen miteinander verbunden sind, auch Synonymwörterbücher (griech: thesauros = Schatz) Nach DIN 1463: eine geordnete Zusammenstellung von Begriffen und deren Bezeichnungen, die in einem Dokumentationsgebiet zum Indexieren, Speichern und Wiederauffinden dient. Ursprünglich: Wortschatz einer Sprache, seit Mitte des 19. Jh. -> Synonymwörterbücher Beachte Verwechslung mit Wörterbüchern, Bsp: Thesaurus Linguae Latinae ( th d /) Thesaurus Software: htm 21

21 Grafische Darstellung Thesaurus ist ein Begriffsnetz, semantische Verbindungen sind jedoch eingeschränkt 22

22 Relationentypen Hierarchische Relation (Über/Unterordnung) Generische Relation (Abstraktion) Instanzrelation (Klasse/Instanz) Vererbungsrelation (Ober/Unterklasse) partitive Relation (Teil/Ganzes) Ordnungsrelation (Folge) Eigenschaftsrelation (Attribut) Koordinative Beziehungen (Zusammenhg.) Synonymie (Äquivalenz) Antonymie (Gegensatz) Assoziationsbeziehungen(Verwandtschaft) Beispiel: Nietzsche schreibt in Die fröhliche Wissenschaft, dass Gott tot sei Bestandteile: Autor (Nietzsche) Quelle (Die fröhliche Wissenschaft) Aussage (Gott ist tot) t) Gott ist schreibt Nietzsche tot in Die fröhliche Wissenschaft 23

23 Einige Arten von Relationen Beziehung zw. gleichw. Bezeichnungen Synonymien, Quasi-Synonymien Verweis auf Vorzugsbezeichnung, aktuellen Sprachgebrauch, Abkürzungen, invertierte t und nicht-invertierte i ti t Form, Schreibweisen,... Relationen Relation, die wichtig erscheint und weder eindeutig hierarchisch ist noch eine Äquivalenzrelation darstellt. Bsp. Thesauri Related Term. Äquivalenz Hierarchisch Assoziativ Monohierarchisch Generisch Polyhierarchisch Partitiv 24

24 Monohierarchie: untergeordnet Polyhierarchie: sein Bsp: Genealogie Mono- vs. Polyhierarchisch Begriff ist höchstens einem Oberbergriff direkt Begriff kann mehreren Oberbergriffen zugeordnet Großvater Großmutter Großvater Großmutter Enkel Vater Kind Enkel Person Kind Mutter Kind polyhiera archisch monohiera archisch 25

25 Generische Relation Abstraktionsrelation Hierarchische Relation zwischen zwei Begriffen, von denen der Untergeordnete alle Merkmale des Übergeordneten + mindestens ein zusätzliches Merkmal aufnimmt Eigenschaften (Attribute) von einer übergeordneten Klasse (Gattung) werden an Unterklassen (Art) weitervererbt und erst in den Instanzen endgültig mit konkreten Werten (Ausprägungen) belegt. Mensch (Attribute: Birth Date _DATE_) Instanziierung Max Mustermann (Attribute: Birth Date ) 26

26 Meta-Daten Daten über Daten: Angaben, die sich auf Inhalt, Umfang, Ursprung oder andere Eigenschaften beziehen (Autor, Titel einer Puplikation) Strukturierte, beschreibende Informationen zu einer Entität Beschreiben Daten oder auch die Struktur von Daten! Konzept kommt aus dem Bibliothekswesen der Antike Können zum Teil automatisiert aus den beschriebenen Infoeinheiten extrahiert werden (Meta-Data-Extraction) Meta-Daten-Formate Beispiele: Regeln für die alphabetische Katalogisierung (RAK) Anglo-American cataloging rules (AACR) Maschinelles Austauschformat für Bibliotheken (MAB2) Dublin Core Standard d ( c o _core/) >> 27

27 Title Creator Subject Description Publisher Contributor Date Type Format Identifier Source Language Relation Coverage Rights Beispiel Bibliotheken Dublin Core 28

28 Anwendung: Klassifikation / Taxonomie Planmäßige, strukturierte Darstellung von Klassen, Kategorien oder anderen Konzepten nach bestimmten Ordnungsprinzipien Klassifikationen fassen Begriffe zusammen, die in mindestens einem klassenbildenden d Merkmal übereinstimmen Durch hierarchische Anordnung ergibt sich die Taxonomie Beispiele: Internationale Klassifikation der Krankheiten (ICD) ( 5/fr-icd.htm= Regensburger Verbundklassifikation ( neu/) Tree of Life Web project ( Weitere biologische Taxonomie ( l/) 29

29 Categorization [Mervis Rosch 1981] Intension (Meaning) The specification of those qualities that a thing must have to be a member of the class Extension (the objects in the class) Things that have those qualities Stimuli: sets of items varying orthogonally on a limited number of sensory qualities. Examples: Color, form Concepts: complexes composed of the defining qualities. Examples: red, square 30

30 Six salient problems: Categorization [Mervis Rosch 1981] Arbitrariness of categories. Are there any a priori reasons for dividing objects into categories, or is this division initially arbitrary? Equivalence of category members. Are all category members equally representative of the category as has often been assumed? Determinacy of category membership and representation. Are categories specified by necessary and sufficient conditions for membership? Are boundaries of categories well defined? The nature of abstraction. How much abstraction is required--that is, do we need only memory for individual exemplars to account for categorization? Or, at the other extreme, are higher-order abstractions of general knowledge, beyond the individual categories, necessary? Decomposability of categories into elements. Does a reasonable explanation of objects consist in their decomposition into elementary qualities? The nature of attributes. What are the characteristics of these "attributes into which categories are to be decomposed? 32

31 Problem I: Arbitraryness of Categories Classify the following exemplars: Question: Which of the following belong to a common category? Taste: Sweet/Sour, Shape: Round/Long/, Color: Red/Yellow/.., Texture: Smooth/Bumpy, Ich möchte nur darauf hinweisen, i daß es eine Zeit gab, in der man die Ähnlichkeit hk it der Empfindungen zur Basis der Kategorisierung von Pflanze und Tier gemacht hat. Man denke [...] an die frühen Taxonomien des Ulisse Aldrovandi aus dem 16. Jahrhundert, der die scheußlichen Tiere (die Spinnen, Molche und Schlagen) und die Schönheiten (die Leoparden, die Adler usw.) zu eigenen Gruppen [von Lebewesen] zusammenfasste. Heinz von Foerster, Wahrheit ist die Erfindung eines Lügners, Page 22/23 [Mervis Rosch 1981] 33

32 Problem I: Arbitraryness of Categories Are there certain categories that t are more natural than others? The non-arbitrary nature of categories: Categories appear more natural or fundamental when They are suitable to make useful distinctions i i category membership can be determined by an overall Gestalt perception without an attribute analysis subjects can recognize category members more rapidly (spontanously naming objects) they have been acquired before other categories, early on in life they accomodate linguistic factors such as shorter names, greater frequencies, learned first Their labels can be verified faster compared to other category labels [Mervis Rosch 1981] 34

33 Problem II: Equivalence of Category Members Find representative exemplars: Which of the following examples is most representative for the category red fruit? Speed of processing Order and degree of exemplar production Color naming: Focal and non-focal colors Natural language use of category Focal colors are points in the color space which terms speakers of diverse languages agree represent the best examples Asymmetries of the 11 basic in similarity color ratings categories. (less representative are more similiar to representative than vice versa) The English language has a basic color word for each focal color (black, white, red, green, yellow, blue, brown, purple, pink, orange, and gray) Maximal within, minimal between category similarity [Mervis Rosch 1981] Learning and development 35

34 Problem III: Determinacy of category membership and representation What is the boundary of categories, e.g. the category red fruit???? category boundaries not well defined: d Between-subject disagreements Non-definite boundaries of categories [Mervis Rosch 1981] 36

35 Problem IV: The Nature of Abstraction How can the category red fruits be represented? What is the appropriate level of abstraction? Abstract Specific + Fruit Defining categories involves creativity of two types: determining i which h elements of a situation ti are essential" and which irrelevant; and the creation of new higher order information which was not given in any particular exemplar [Mervis Rosch 1981] 37

36 Problem V: Decomposability of categories into elements While most categorization models include decomposition (cf. Taxonomies) it is never to the point of infinite regress. Some elements are usually included d as primitives iti Examples: Color, faces, overall configuration This implies holistic processing of some stimuli -> needs to be considered in decomposition [Mervis Rosch 1981] 38

37 Problem VI: The Nature of Attributes What is considered a category and what are called its attributes depends on the level one is describing The same (red, circular) can be what is to be explained (category) or what is referred to as part of the explanation (attribute). Category: red fruits Attribute: red Category: red Attributes: Hue Saturation Intensity Features: qualitative properties Dimensions: quantitative properties [Mervis Rosch 1981] 39

38 Categorization: Summary Empirical findings have established that: (a) categories are internally structured by gradients of representativeness; (b) category boundaries are not necessarily definite; (c) There is a close relation between attribute clusters and the structure and formation of categories. [Mervis Rosch 1981] 40

39 Preview: Formal Concept Analysis Def.: A formal context is a tripel (G,M,I), where G is a set of objects, M is a set of attributes and I is a relation between G and M. Taste: Sweet/Sour, Shape: Round/Long/, Color: Red/Yellow/.., Texture: Smooth/Bumpy, (g,m) I is read as object g has attribute m. 41

40 Any further questions? See you Wednesday! 42