PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion

Transkript

1 PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion WS2001/2002 Klaus Unterstein PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 1

2 Verlauf Begriffsklärung Ontologiebasierte Wissensextraktion Methoden Vor- und Nachteile im Vergleich Bewertung der Ansätze Praxis/Trends Schlußwort PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 2

3 Begriffsklärung Ontologie(n) (Wissens-) Extraktion Ontologiebasierte Wissensextraktion (OWE) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 3

4 Ontologie(n) Definition Motivation Zweck Beschreibung Einsatz Bewertung PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 4

5 Ontologie(n) - Definition Was ist eine Ontologie? Definition (Gruber): An ontology is a formal, explicit specification of a shared conceptualization. [1993] Eine Ontologie beschreibt explizit eine formale, verteilte Konzeptualisierung eines bestimmten, uns interessierenden Bereichs PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 5

6 Ontologie(n) Motivation (1) (allgemein) Warum benutzen wir Ontologien? Anzahl gespeicherter Informationsquellen wachsen Zugriff, Finden und Zusammenfassen von Informationen immer schwieriger Große Lücke zwischen Konzeptualisierung der Informationen und gespeicherte Form PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 6

7 Ontologie(n) - Motivation (2) (spezieller Zweck) Warum benutzen wir Ontologien? (Fortsetzung) Kommunikationshilfe zwischen Mensch und Maschine, was den Austausch von Semantik UND Syntax unterstützen soll Knowledge sharing und Wiederverwendung Zur Festlegung bestimmter Begriffe (Eindeutigkeit) Sie erzwingen eine wohldefinierte Semantik auf solche Konzeptualisierungen Sie sollen Hintergrund-Wissen zur Verfügung stellen, um die Leistung von Informations-Extraktions-Systemen zu erhöhen Formalisierung von implizit vorhandenem Wissen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 7

8 Ontologie(n) - Motivation (3) Semiotisches Dreieck Begriff erweckt bezieht sich auf Symbol steht für Ding [Odgen, Richards, 1923] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 8

9 Ontologie(n) - Motivation (4) Semiotisches Dreieck Ontologie legt fest Begriff erweckt bezieht sich auf Symbol steht für Ding [nach: S. Staab, 2001] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 9

10 Ontologie(n) Beschreibung (1) Eine Ontologie wird beschrieben durch: Eine Menge von Zeichenketten, die die lexikalen Einträge L für Konzepte und Relationen beschreiben Eine Menge von Konzepten C Eine Taxonomie von Konzepten (bei einigen Definitionen Heterarchie) H C PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 10

11 Ontologie(n) Beschreibung (2) (Fortsetzung) Ein Satz an nicht-taxonomischen Relationen R (beschrieben durch ihre Domain) Relationen F und G, die Konzepte und Relationen verknüpfen Die Taxonomie der Relationen (bzw. Heterarchie H R ) (optional) Axiome A, die weitere Constraints der Ontologie beschreiben und es erlauben, implizite Fakten explizit zu machen (optional) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 11

12 Ontologie(n) - Zweck Ontologien beschreiben: Domain-relevante Konzepte Beziehungen zwischen den Konzepten Axiome für die Konzepte und Beziehungen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 12

13 Ontologie(n) - Einsatz Einsatz von Ontologien in Informations-Extraktions- Systemen zur: Integration von Informationen aus heterogenen Quellen Extraktion weiterer Fakten durch Schliessen (Inferenz) Generierung verschiedener Ziel-Strukturen zur Informationsspeicherung Einfache Anpassung/Änderung während der Laufzeit PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 13

14 Ontologie(n) Bewertung Vorteile: Einfaches Prinzip Betrachtung relevanter Bereiche (Fokussierung) Vorteile durch Nutzung von Semantik und Hintergrundwissen Dynamische Entwicklung (siehe Such-Maschine) Semi-automatische Ansätze Nachteile: (bisher) manuelle Erstellung Zeitliche Erstellung Problematik: Vollständigkeit vs. Minimalität PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 14

15 (Wissens-) Extraktion Definition Extraktion von Informationen Verschiedene Quellen (DB, WWW, Mail...) Verschiedene Datenformate (HTML, XML, unstrukturierter Text,...) Verschiedene Extraktions-Methoden (Anwendung abhängig vom Datenformat) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 15

16 Wissensextraktion Eine mögliche Definition: Der Prozeß, in dem Information automatisch aus textuellen Dokumenten in eine zur Speicherung in Datenbanken geeignete Form generiert wird. [J. M. Lawler, 1998] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 16

17 Ontologiebasierte Wissensextraktion: Was ist ontologiebasierte Wissensextraktion (kurz: OWE)? Die Verwendung von Ontologien zur Unterstützung des Wissensextraktionsprozesses auf verschiedene Weisen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 17

18 OWE Allgemein Informationsextraktion und Integration mittels Ontologien Klassifikationskriterien Verfahren PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 18

19 OWE - Allgemein Verwendung von Ontologien im Extraktionsprozeß Wahl der Ontologie abhängig vom Anwendungsbereich Flexible Extraktion abhängig von Ontologie Extraktionsprozeß liefert Informationen für die semantische Annotation der Texte Annotation liefert als Nebenprodukt die Klassifikation der Daten, die dadurch direkt integriert werden können PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 19

20 Informationsextraktion & Integration mittels Ontologien Strukturiert: DB s QUELLEN XML HTML DB Dokumente Semistrukturiert: Unstrukturiert: Ontologie(n) [nach S. Staab, 1999] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 20

21 OWE - Klassifikationskriterien Autonomie-Grad - manuell (durchführbar, aber zeit-intensiv) - semi-automatisch (aktueller Stand) - automatisch (Zukunftsvision) Verwendete Methoden Verschiedene Verfahren - Bottom-up - Top-down - Merging & Mapping Eingabedaten (Strukturiertheit) Extraktion on-demand vs. Vorab-Extraktion PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 21

22 Aneignungs-Prozeß (allgemein) Evaluation Semi-automatischer Ontologie- Quellenwahl* Relationen Lernen Konzept Lernen = Startzustand Domain Fokussierung [J. Kietz,2000] *=mögliche Quellen wären: Ontologien, Texte, semi-strukturierte Informationen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 22

23 Methoden NLP: (z.b. SMES): - morphologische Analyse (Stamm)* - Semantik-Analyse - Erkennung benannter Entitäten* - Nutzung domain-spezifischer Informationen Text-Clustering: - Reduktion der Text-Dimension durch NLP - Clusterbildung (iterativ) - Klassifikation anhand der Cluster PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 23

24 Methoden Muster-Abgleich Induktive Verfahren - Erkennung/Klassifikation unbekannter Konzepte - Erkennung von Relationen zwischen Konzepten Inferenz (mit Description Logic) Statistik PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 24

25 KDT - Beispiel-Architektur Quellen (HTML, Text,...) Preprocessing (z.b. NLP) Clustering XML- Dokumente XML- DTD Postprocessing [H. Graubitz, 2001] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 25

26 Vor- und Nachteile im Vergleich NLP + orientiert sich an Sprache, Lexika - viele Heuristiken, manuelle Regelerstellung Text-Clustering + iterative automatisierte Variante - Einschränkung auf eine Domain, Erklärbarkeit Muster-Abgleich + allgemein anwendbar - viele Heuristiken, manuelle Regelerstellung PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 26

27 Vor- und Nachteile im Vergleich Induktive Verfahren + Automatisierung - Erlernen der Regeln kompliziert Inferenz (mittels Description Logic) + Ableitung von weiteren Regeln durch Inferenz & unvollständige/fehlerhafte Daten sind nutzbar - verschiedene Standards Statistik + schnell, zuverlässig, bereits bekannt - manchmal absurde Ergebnisse, Verständlichkeit PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 27

28 Bewertung der Ansätze Einzelne Anwendung einer Methode ist nicht optimal. Kombination mehrer Methoden, um die Stärken zu kombinieren und Nachteile einzelner Verfahren zu mildern. Kombination von Text-Clustering und NLP hat sich in einigen Situationen bewährt PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 28

29 OWE - Verfahren Prozeß-Schritte (allgemein): Import/Wiederverwendung/Konvertierung von Ontologien (optional) Extraktion von Daten (bottom-up; top-down) Pruning (Beschneidung) Refining (Veredelung) Verifikation/Evaluation PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 29

30 Ontologie-Lernen: Prozeß-Schritte Application data Extract Prune Ontology Learning Import & Reuse Refine Apply = Beginn [A. Mädche, 2001] Tools PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 30

31 OWE Verfahren (Bottom-up) Angefangen wird mit einem Datensatz, aus dem eine Ontologie erstellt wird, die die Daten strukturiert. Genauer: Verwendung von zwei Text-Sammlungen (domain-spezifische vs. allgemeine) Statistische Erfassung (Wörter, Häufigkeit,...) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 31

32 OWE Verfahren (Bottom-up) Dimensionsreduktion (NLP, Stammbildung,...) Erstellung eines domain-spezifischen Lexikons (Konzepte) Anwendung heuristischer Verfahren zur Relationserstellung (semantische Analyse) Pruning Refining PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 32

33 OWE Verfahren (Top-down) Anfangs hat man bereits eine allgemeine Ontologie, die dann im Verlauf durch bereichsbezogene Daten an den interessierenden Bereich angepaßt wird. (Domain-Fokussierung) Genauer: Wahl einer (allgemeinen) Ontologie und domain-spezifischen Quellen (Import) PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 33

34 OWE Verfahren (Top-down) Anwendung heuristischer Verfahren zur Konzept- und Relationsextraktion. Erweiterung der bestehenden Ontologie durch gefundene Konzepte und Relationen (Fokussierung) Pruning Refining Wahl der Kern-Ontologie hat starke Auswirkungen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 34

35 Domaintexte Beispiel (allgemein) SMES IE System annotierte Domain Texte Kernontologie Aneignungs- Algorithmen Statistik Maschinelles Lernen Domain Lexikon Wissensextraktion Top Down - Domain Lexikon erweiterte Ontologie [A. Mädche, 1999] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 35

36 Architektur für Ontologie Lernen Text & Processing Management Ontology Learning & Pruning Algorithms Text Processing Server Domain Ontology Multi Strategy Learning Result Set Lexical DB Stemming POS tagging Chunk parsing Domain lexicon Tools Information Extraction [J. U. Kietz, 2000] PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 36

37 OWE - Verfahren Merging: Zusammenführung von Ontologien zur Konstruktion einer neuen Ontologie. Mapping: Erstellung von Regeln, die Entsprechungen aus den Ontologien zuordnen PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 37

38 Praxis und Trends Vereinfachung in der Entwicklung fördert Verbreitung Verbesserung der Extraktionsfähigkeiten Automatisierung des kompletten Prozesses Steigende Integration und Verwendung von Ontologien in vielen Bereichen Semantic Web und Knowledge-Portale sind wichtige Gebiete PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 38

39 Schlußwort Hilfreiche Technik, die auf spezielle Bereiche zugeschnitten wird Anpassung an Aufgabenstellung durch Änderung der Ontologie Unterschiedliche Ansätze zur Extraktion Verschiedene Methoden aus vielen Bereichen (Maschinelles Lernen, Assoziationsregeln, Clustering,...). Profitiert aus Erfolgen aus jedem dieser Bereiche Mißbrauch Verkettung vieler Verfahren, Komplexität, Aufwand PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 39

40 Literaturangaben [OBE98] D. W. Embley, D. M. Campbell, S. W. Liddle, R. D. Smith. Ontology-Based Extraction and Structuring of Information from Data-Rich Unstructured Documents in CIKM 98. [OBI 99] A. Mädche, S. Staab, R. Studer. Ontology-based Information Extraction and Integration in DGfS/CL 99. [SOAC] J.-U. Kietz, A. Mädche, R. Volz. A Method for semi-automatic Ontology Acquisition from a corporate Intranet in EKAW [STDS] H. Graubitz, K. Winkler, M. Spiliopoulou. Semantic Tagging of Domain- Specific Text Documents with DIAsDEM in DBFusion [OBTC] A. Hotho, S. Staab, A. Mädche.Ontology-based Text-Clustering in IJCAI [LOSW] A. Mädche, S. Staab.Learning Ontologies for the Semantic Web in ECML/PKDD2001. [DLOE] A. Todirascu. Using Description Logics for Ontology Extraction in Ontology Learning 2000 at ECAI2000. Danke! PG-402 Wissensmanagement: Ontologiebasierte Wissensextraktion 40