Слайд 2
Информационная безопасность: KMS
В информатике, а также в области искусственного интеллекта и баз знаний
понятие онтологии обозначает формальную систему для представления набора понятий в данной предметной области (домейне) и отношений (реляций) между ними.
Слайд 3
Слайд 4
Слайд 5
Ehang 184 из Объединенных Арабских Эмиратов
Слайд 6
Слайд 7
Kuka KR 300 PA [https://www.robots.com/kuka/kr-1000-l950-titan-pa]
Слайд 8
Слайд 9
Слайд 10
Слайд 11
Информационная безопасность: KMS
ОСНОВНЫЕ НАПРАВЛЕНИЯ
И ОПРЕДЕЛЕНИЯ
Слайд 12
Информационная безопасность: KMS
Искусственный интеллект (AI) - 1. Система программ, имитирующая способ решения сложных
человеческих проблем;
2. Научная область исследований, которая сопровождает или облегчает создание систем искусственного интеллекта.
3. Область информатики, которая занимается моделированием интеллектуального поведения (мышления).
Слайд 13
Искусственный интеллект
Искусственный интеллект - это симуляция (реализация по аналогии) процессов, выполняемых человеческим интеллектом
при помощи машин (чаще всего с использованием компьютерных систем).
Эти процессы включают в себя:
моделирование (создание онтологий и т. д.)
обучение (получение информации и правил использования информации)
рассуждение (использование правил для достижения определенных целей)
самокоррекцию
Слайд 14
Информационная безопасность: KMS
Слабый ИИ (ограниченный ИИ): система, которая разработана и обучена для решения
конкретной задачи. Виртуальные личные помощники, такие как Siri от Apple, являются формой слабого ИИ.
Сильный ИИ (общий интеллект): система с обобщенными когнитивными способностями человека. Перед лицом неизвестной задачи сильная система искусственного интеллекта может найти решение без вмешательства человека.
Слайд 15
Информационная безопасность: KMS
Предметная область - это область знаний, используемая в теориях или в
системе с ИИ.
Инженерия знаний (KE) - это инженерная дисциплина для применения знаний в различных типах компьютерных систем для решения сложных задач, требующих применения высокого уровня интеллекта.
Слайд 16
Информационная безопасность: LMS
Эвристика из города «открой» - это метод исследования с использованием неформальных
или интуитивных знаний. Эвристика напоминает информацию или предположения, основанные на опыте решения таких проблем. Эвристика позволяет сократить многие варианты, подходящие для решения поставленной задачи (целевой вопрос, поставленная задача). При использовании эвристики чаще всего гарантируется поиск неоптимальных, а не оптимальных решений.
Слайд 17
Информационная безопасность: KMS
Управление знаниями (УЗ/КМ) - это процесс извлечения, развития, обмена и эффективного
использования организационной формы знаний наилучшим образом.
Слайд 18
Информационная безопасность: KMS
Системы на основе знаний - это все типы систем, которые используют
знания в объединенной базе данных или отдельной базе знаний.
Интеллектуальные системы (ИС) - это специализированная научная акция ИИ, ориентированная главным образом на приложения мягких вычислений: агенты, онтологии, нечеткие приложения и логические приложения. В широком смысле это все системы ИИ.
Слайд 19
Интеллектуальные системы
Информационная система - это система, предназначенная для хранения, передачи и обработки данных
с целью получения информации, необходимой пользователю.
Интеллектуальная система - это тип информационной системы, которая имеет первичное предназначение: накапливает знания и / или сенсорную информацию и имеет механизмы принуждения или консультирует людей-когнитивных агентов. Для достижения этой цели она выбирает действия, основанные на ее опыте и знаниях, и может самообучаться.
Слайд 20
Слайд 21
Информационная безопасность: KMS
Распределенные интеллектуальные системы
Агент - человек или программное и / или аппаратное
обеспечение, которое может воспринимать окружающую среду посредством датчиков и влиять на нее своими элементами управления.
Агент - компьютерная система, ситуированная, расположенная в определенной среде, которая способна на автономные действия для решения поставленных задач.
Слайд 22
Информационная безопасность: KMS
Агент
Слайд 23
Информационная безопасность: KMS
Аналог подсознания: искусственные нейронные сети: ANN
Аналог сознания: продукционные системы (productions): приложения
по аналогии с классической формальной логикой
Датчики: датчики, приборы для измерения данных.
Эффекторы: манипуляторы и другие исполнительные механизмы для воздействия на окружающую среду.
Слайд 24
Информационная безопасность: KMS
Знания - набор информации и правил вывода: для описания (моделирования) мира,
свойств объектов, закономерностей процессов или явлений и для описания правил их использования в процессе принятия решений.
Разница между знаниями и данными заключается в их структуре, в появлении новых фактов или в обнаружении новых связей, которые могут изменить процесс принятия решений.
Слайд 25
Информационная безопасность: KMS
Они представлены в виде изображений и/или знаков естественных или искусственных (формальных)
языков. Знание - это противоположность незнанию, другими словами, отсутствию проверенной информации о чем-либо.
Знание - это данные с прагматическим оттенком.
Слайд 26
Информационная безопасность: KMS
Структура систем, основанных на знаниях (СОЗ)
Слайд 27
Классические логические операторы конъюнкция, дизъюнкция, импликация и отрицание - фундамент формального вывода:
Слайд 28
Дизъюнкция (логическое ИЛИ)
Слайд 29
Таблица истинности импликации
MP→
MT→
Слайд 30
Отрицание (классическое отрицание)
Слайд 31
Приоритет логических операций дизъюнкции, конъюнкции и отрицания (негации) - одинаков. Приоритет импликации
немного выше. Формулы читаются слева направо. Скобки используются для изменения приоритета.
Следующие две формулы эквивалентны:
A→B˄A→¬C
И
(((A→B)˄A)→(¬C))
…что не эквивалентно следующей формуле:
A→(B˄A)→¬C
Слайд 32
Правила вывода
Существуют 21 допустимых по смыслу модусов из 256 возможных, а также множество
неклассических правил
Слайд 33
Исчисление предикатов
Модальные логики
возможно:
Слайд 34
Информационная безопасность: KMS
ФОРМЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ (ФПЗ)
Слайд 35
Дескриптивная (описательная) логика
(Description Logics, DL)
Семантические Рассуждающие Агенты
Pellet, FACT++, Hermit…
Онтология по Груберу
(1993)
Специфицированная (общепринятая) концептуализация
Слайд 36
Информационная безопасность: KMS
Онтологии (Ontologies)
Слайд 37
stanford.protege.edu
Построение дерева таксономий (таксономии, иерархии понятий):
A is_a B (предшественник is_a наследник)
C обладает
свойствами D и E:
C has_a D. C has_a E.
Слайд 38
Слайд 39
Пример реальной онтологии
Слайд 40
Слайд 41
Информационная безопасность: КMS
Определение. Искусственная нейронная сеть (нейронная сеть, artificial neural network: ANN) это
множество нейронов, связанных определенным образом. Нейронные сети отличаются посредством соединений между нейронами.
Слайд 42
Информационная безопасность: КMS
Принцип коннекционизма
Схема нейрона
Слайд 43
Информационная безопасность: LMS
Определение. Функция активации (передающая функция) преобразует вектор входных сигналов X и
множество весовых коэффициентов в вектор выходного сигнала Y в соответствии с заранее установленной формулой.
Функции активации различаются в зависимости от предназначения нейрона. Наиболее часто используемая функция - сигмоида.
Слайд 44
Информационная безопасность: КMS
Слайд 45
Информационная безопасность: КMS
Функция Хевисайда
Слайд 46
Информационная безопасность: КMS
Слайд 47
Схематический пример обучения интеллектуальных или когнитивных агентов (обучение ANN и / или
формирование онтологий)…
Слайд 48
Информационная безопасность: КMS
Сети Жордана
Слайд 49
Информационная безопасность: КMS
Линейные сети;
линейная неразрешимость
Слайд 50
РАБОТА С ОНТОЛОГИЯМИ
Онтология описывает концепт и отношения между ними, которые важны и специфичны
для ОДНОЙ предметной области, обеспечивая словарный запас для этой области, а также компьютеризированную спецификацию значений терминов, используемых в словаре. Онтологии варьируются в широкой области от таксономий и классификаций через системы баз данных до полностью аксиоматизированных теорий.
Слайд 51
РАБОТА С ОНТОЛОГИЯМИ
За последние несколько лет онтологии были адаптированы и внедрены в бизнес-
и другие организации в качестве одного из способов обмена, повторного использования и обработки знаний в соответствующей предметной области. В настоящее время онтологии широко используются во многих приложениях, таких как порталы научных знаний, управление информацией и интегрированные системы, электронная коммерция, службы семантической сети.
Слайд 52
РАБОТА С ОНТОЛОГИЯМИ
Основными компонентами онтологии являются:
• физические лица - объекты (основные объекты или
объекты самого низкого уровня);
• Классы - наборы, коллекции, понятия или типы объектов;
• Атрибуты - свойства, особенности, характеристики или параметры, которые могут иметь объекты и классы. Атрибут обычно имеет имя и значение;
Слайд 53
РАБОТА С ОНТОЛОГИЯМИ
• Отношения – вид связи, посредством которых классы и объекты могут соотноситься
друг к другу (отношения, которые существуют между ними);
• Функциональные термы - сложные структуры, которые сформированы конкретными отношениями и могут использоваться вместо отдельных термов в высказываниях;
• Правила - высказывания вида «если-то», которые описывают логические выводы, которые можно сделать посредством анализа высказываний;
Слайд 54
РАБОТА С ОНТОЛОГИЯМИ
• Аксиомы - высказывания, в том числе правила, в логической форме, охватывающие
общую теорию, которую онтология описывает при использовании в конкретной предметной области. Это определение отличается от определения аксиом в порождающих грамматиках и формальной логике. В этих областях аксиомы включают только высказывания, принятые (постулированные) в качестве априорных знаний;
• События - изменения в атрибутах или отношениях онтологической системы.
Онтологии обычно создаются с использованием онтологических языков (языков для построения онтологических систем). Могут быть указаны следующие группы онтологических языков.
Слайд 55
Примеры языков
• Традиционные. К ним относятся: CycL, DOGMA (разработка методов и приложений, основанных на
использовании онтологий), F-Logic (логика фреймов), KIF (формат обмена знаниями. Использует логику первого порядка и основывается на S-выражениях), Ontolingua на основе KIF, KL-ONE, KM, LOOM (онтология), OCML (язык операционного концептуального моделирования), PLIB (Parts LIBrary), RACER.
• Языки разметки для онтологий (Markup Languages). Они основаны на XML или его надстройках: DAML + OIL (Ontology Inference Layer: уровень вывода онтологий, OWL (язык веб-онтологий), RDF (структура описания ресурсов), RDF Schema (схема RDF), SHOE
• На основе теории фреймов: FLogic (логика фреймов), OKBC (подключение к открытой базе знаний), KM (машина знаний)
Слайд 56
РАБОТА С ОНТОЛОГИЯМИ
Онтологии делятся на:
общие онтологии;
специфицированные для области онтологии;
Онтологии, ориентированные на опредененные задачи
и
прикладные онтологии.
Слайд 57
РАБОТА С ОНТОЛОГИЯМИ
Особое значение для авторов, поддерживающих концептуальную идею, имеет степень детайлизации, используемая
для характеристики концептов в онтологиях. Онтологии с более подробным описанием лучше, но им нужен и более богатый словарь. Более простые из них могут быть разработаны для совместного использования разными группами пользователей, которые заранее приняли и согласовали концептуализацию, лежащую в основе онтологии.
Слайд 58
РАБОТА С ОНТОЛОГИЯМИ
Другая классификация, поддерживаемая некоторыми авторами, основана на типе включенного словаря понятий
онтологии. В зависимости от типа своего словаря онтологии делятся на четыре типа: совсем неформальные (выраженные в свободной форме естественного языка), полуформальные (выраженные в ограниченной и специально структурированной форме естественного языка), полуформальные (выраженные в терминах искусственно созданного языка), формальные (с четко определенными терминами и формально описанной семантикой, с теоремами о полноте и соответствующими доказательствами).
Слайд 59
КОМПОНЕНТЫ ОНТОЛОГИЙ
• Индивиды
Индивиды являются основными компонентами онтологии самого низкого уровня. Они могут включать в
себя конкретные объекты, такие как люди, животные, автомобили, молекулы, планеты и абстрактные объекты, такие как числа и слова. Строго говоря, онтология не должна включать например имя какого-либо определенного человека (индивида), но обязательно включает имена тех, кто соответствует общей цели использования онтологии.
Слайд 60
КОМПОНЕНТЫ ОНТОЛОГИЙ
Класс
Классы - это концепты, понятия, которые также называются разновидностями, категориями или типами
объектов. Это абстрактные группы, наборы или коллекции объектов. Они могут содержать индивиды, другие классы или их комбинацию. Например:
- Person - класс всех людей;
- Vehicle - класс всех транспортных средств;
- Car - класс всех автомобилей;
- Class – представляет класс всех классов;
- Thing – это класс всего, всех вещей (things).
Слайд 61
КОМПОНЕНТЫ ОНТОЛОГИЙ
Онтологии отличаются друг от друга в зависимости от того, содержит ли класс
другие классы, может ли класс принадлежать самому себе, имеет ли он универсальный класс (класс, содержащий все), и так далее. Иногда здесь вводятся ограничения, которые позволяют нам защитить себя от известных парадоксов (парадокс, очевидно, является истинным высказыванием или их группой, что приводит к противоречию или ситуации, которая интуитивно неуместна).
Слайд 62
КОМПОНЕНТЫ ОНТОЛОГИЙ
Классы онтологии могут быть расширенными или интенсивными (краткими) по своей природе. Класс
является расширенным тогда и только тогда, когда он определяется всеми его членами.
Слайд 63
КОМПОНЕНТЫ ОНТОЛОГИЙ
Атрибуты
Объекты в онтологии можно описать, прикрепив их к определенным атрибутам. Каждый атрибут
имеет как минимум имя и значение и используется для хранения информации, специфичной для объекта, к которому он относится.
Слайд 64
КОМПОНЕНТЫ ОНТОЛОГИЙ
Например, атрибуты объекта Ford Explorer как автомобиля могут быть следующими:
• Имя: Ford Explorer;
• Количество
дверей: 4;
• Двигатель: {4.0L, 4.6L};
• Передача: 6 скоростей.
Слайд 65
КОМПОНЕНТЫ ОНТОЛОГИЙ
Отношения
Одним из важных приложений атрибутов является описание отношений (реляций) между объектами онтологии.
Как правило, отношение - это атрибут, значение которого является другим объектом онтологии. Например, в онтологии, содержащей объекты Ford Explorer и Ford Bronco, объект Ford Bronco может иметь следующий атрибут:
Слайд 66
КОМПОНЕНТЫ ОНТОЛОГИЙ
Наследник: Ford Explorer
Отсюда следует, что Ford Explorer - это модель, которая заменила
(унаследовала) Ford Bronco. Одной из сильных сторон онтологий является способность описывать различные отношения. Взятые вместе, отношения описывают семантику соответствующей области.
Слайд 67
КОМПОНЕНТЫ ОНТОЛОГИЙ
Наиболее важным типом связей (отношений) является связь между объектами в классах и
между самими классами. Связи могут быть суперклассом (is-superclass-of), вспомогательным (is-a) или типом element-class (is-subtype-of или is-subclass-of). Таким образом, мы можем определить, какие объекты являются членами классов объектов. Например, мы можем указать связи Ford Explorer как четырехколесного транспортного средства, которое, в свою очередь, является автомобилем (Ford Explorer 4 - это автомобиль).
Слайд 68
КОМПОНЕНТЫ ОНТОЛОГИЙ
Связь, реляция is-a:
одна из возможность для построения иерархических классификаций (древа таксономий), таких
как древовидные структуры или, в более общем случае, частично упорядоченные множества, которые наиболее четко разграничивают отношения между объектами. В таких структурах каждый объект является наследником родительского класса.
Другим распространенным типом отношений является меронимия (meronymy), которая записывается как часть чего-то part-of. Она представляет способ объединения объектов, образующих составной объект.
Слайд 69
КОМПОНЕНТЫ ОНТОЛОГИЙ
Помимо стандартных для онтологий связей (отношений) is-a, has-a и part-of, они часто
включают в себя и дополнительные типы связей, которые еще глубже уточняют и уточняют семантическую модель. Эти связи (отношения) обычно специфичны для данной предметной области и используются для ответа на конкретный тип вопроса.
Например, для области автомобилей мы можем определить встраиваемые связи (отношения), которые указывают, какой автомобиль изготовлен. Затем мы сможем записать что-то в роде «Ford Explorer, изготовленный в Луисвилле».
Слайд 70
Работа с онтологиями
Knowledge Annotation Initiative of the Knowledge Acquisition Community, также известный как
Инициатива (КА)2: в рамках этого проекта создаются инструменты для интеллектуального поиска в Интернете и автоматического накопления новых знаний.
Слайд 71
Работа с онтологиями
В рамках инициативы (КА)2 можно выделить три основные области:
• онтологическая инженерия;
•
аннотация веб-страниц;
• запросы на поиск информации с веб-страниц и нахождение ответов на основе онтологических знаний.
Инженерия онтологий является одной из основных областей предположения о том, что совместное сообщество (КА)2 должно создать свою собственную и достаточно общую онтологию, основанную на использовании Ontolingua.
Слайд 72
Работа с онтологиями
На сегодняшний день разработано несколько онтологий, которые можно рассматривать как разделы
общей онтологии: онтология организации, проекта, человека, области исследований, публикаций, событий, исследовательских продуктов, исследовательских групп и т.д. Разработка онтологий осуществляется и управляется участниками проекта, а созданные таким образом онтологии размещаются на веб-страницах. Такие страницы аннотируются с использованием HTML-тегов нового типа (ONTO), информация в которых обрабатывается специальным компонентом, основанным на онтологиях – системой Ontocrawler.
Слайд 73
Работа с онтологиями
Ontobroker. Существуют три основных его подсистемы: интерфейс формулирования запроса (query engine),
автоответчик (inference engine) и машина для доступа к интернет-ресурсам - «червь» (Webcrawler), который используется для накопления необходимых знаний из окружающей среды.
Был разработан специальный язык для представления знаний для определения онтологий. Подмножество этого языка предназначено для формулирования запросов, а язык аннотаций служит для обогащения веб-документов онтологической информацией.
Слайд 74
Работа с онтологиями
Формализм запроса ориентирован на фреймовое представление онтологий, в рамках которого определяются
понятия класса, экземпляра, атрибута и значения.
Ontobroker поддерживает два типа интерфейсов запросов: текстовый (для экспертов) и графический (для обычных пользователей).
SHOE (Simple HTML Ontology Extensions) ориентирован на решение проблемы добавления семантической информации в WEB-страницы и сопоставления ее с онтологиями из соответствующих предметных областей.
Слайд 75
Работа с онтологиями
Предполагается, что с использованием этой информации поисковые системы типа SHOE смогут
предоставить более релевантные ответы на запросы пользователей, чем это возможно в настоящее время благодаря использованию поисковых систем, работающих в среде Интернета.
Для поддержки процессов аннотации в рамках проекта SHOE в настоящее время разрабатывается специальный набор инструментов, основанный на специальном языке для представления знаний, совместимого с Интернетом.
Слайд 76
Работа с онтологиями
Понятие языка для представления знаний в SHOE почти то же что
и в (KA)2 и ассоциируется с расширением HTML с помощью специальных тегов (команд). Однако здесь доступно и полноценное расширение HTML. Для этого SHOE вводит много новых тегов спецификаций онтологии в стандарт HTML: ONTOLOGY, USE-ONTOLOGY, CATEGORY, DEF-CATEGORY, RELATION, DEF-RELATION, DEF-INFERENCE, DEF-CONSTANT, DEF-TYPE, ARG, DEF-ARG и т. д. Некоторые из тегов и некоторые дополнительные теги, такие как INSTANCE, используются для аннотирования документов HTML.
Слайд 77
Работа с онтологиями
VERSION=”версия”
[BACKWARD-COMPATIBLE-WITH=”
список-оф-версий”]
[DESCRIPTION=”текст”]
[DECLARATORS=” список-оф-возвращений к образцам”]>
Заявление-оф-онтологий
Слайд 78
Работа с онтологиями
Специальный тег используется, чтобы указать то, что онтология расширяет другую уже
существующую:
VERSION=”версия” PREFIX=”префикс” [URL=”URL”]>
В рамках определения онтологии могут быть указаны и новые категории. Для этой цели используется специальный тег следующего типа
[ISA=” список-родительских-категорий”]
[DESCRIPTION=”текст”] [SHORT=”текст”]>
Слайд 79
Работа с онтологиями
Аналогичный подход также используется при определении связей:
[DESCRIPTION=”текст”] [SHORT=”текст”]>
список-аргументов
Одним из наиболее
важных компонентов определения онтологии являются правила вывода. В SHOE эти правила в значительной степени похожи на правила Горна, но они отличаются по форме:
Слайд 80
Работа с онтологиями
тело
голова
Слайд 81
С наступлением эры семантических сетей онтологии из вида чисто теоретических исследований все
более становятся видом инновационных технологий и ключевым фактором для создания многочисленных интеллектуальных приложений. Они представляют собой тип многоразового применения баз знаний в данной области, основанных на контролируемой лексике, таксономии и тезаурусе применимыми для данной области. Онтология является неотъемлемой частью любой семантической сети. Онтология может быть реализована в форме проектирования и создания элементов метаданных, необходимых для разработки семантических веб-приложений. Эволюция семантической сети способствовала созданию онтологий во многих предметных областях.
Слайд 82
Методологии для разработки онтологии описаны и представлены ниже. Перечислены этапы процесса разработки
онтологии и обсуждаются вопросы определения иерархий классов и свойств классов и экземпляров. Однако, следуя всем правилам и предложениям, следует запомнить следующее: не существует одной абсолютно подходящей (правильной) онтологии для любой предметной области (домена). Построение онтологий - творческий процесс, и нет двух онтологий, разработанных разными людьми, чтобы они были абсолютно одинаковыми.
Слайд 83
Работа с онтологиями
Protégé - программная платформа с открытым исходным кодом, предоставляющая пользователям необходимые
инструменты для создания моделей предметной области и приложений, основанных на знаниях в виде онтологии. В Protégé разработан богатый набор структур моделирования знаний и действий, которые поддерживают создание, визуализацию и обработку онтологий в различных формах представления.
Слайд 84
Работа с онтологиями
Protégé можно настроить для обеспечения «дружественного» сопровождения предметной области для создания
моделей знаний и ввода данных. Впоследствии Protégé может быть расширен с помощью архитектуры подключаемых модулей и программных приложений на основе Java (Java-based Application Programming Interface - API) для создания основанных на знаниях инструментов и приложений.
Слайд 85
Protégé
Платформа Protégé поддерживает два основных способа моделирования онтологий:
Редактор Protégé-Frames, который позволяет пользователям создавать
и заполнять онтологии на основе фреймов в соответствии с протоколом Open Base Base Connectivity (OKBC). В этой модели онтологии состоят из набора классов, организованных в виде иерархии понятий для представления характерных понятий предметной области, множества слотов, связанных с классами для описания их свойств и отношений, и множества объектов этих классов - отдельных экземпляров, содержащих конкретные значения их свойств.
Слайд 86
Protégé
Protégé-OWL редактор, позволяющий пользователям создавать онтологии для семантической сети, в частности язык веб-онтологий
W3C (OWL). Онтология OWL может включать описания классов, свойств и их содержимого. Предоставляя такую онтологию, формальная семантика OWL определяет, как получить логические значения, т.е. факты, которые не присутствуют в исходной онтологии, но поняты и унаследованы семантикой. Эти логические выводы могут основываться как на изучении одного документа, так и на нескольких распределенных документах, которые объединяются на основе механизмов, определенных в OWL.
Слайд 87
Protégé
Кроме того, Protégé имеет подключаемую архитектуру, которая позволяет разработчикам расширять базовую функциональность Protégé
многими способами без необходимости изменения исходного кода Protégé. Protégé. Существует более 90 плагинов Protégé, предоставляющих расширенные возможности, такие как импорт / экспорт знаний, проверка и визуализация больших онтологий. Импорт и экспорт онтологического контента является критически важной функцией любого инструмента, поскольку имеется много форматов для хранения онтологий и терминологии. Есть несколько плагинов для Protégé, которые позволяют импортировать и экспортировать онтологии во многих различных форматах, включая XML, RDF, OWL и родной формат Protégé.
Слайд 88
Protégé
Если онтология хранится в файле, то вся онтология считывается в память. Protégé также
предоставляет серверную часть реляционной базы данных, которая полезна при работе со слишком большими онтологиями для хранения в памяти. Наконец, с помощью механизма плагинов Protégé разработчики могут создавать свои собственные плагины импорта / экспорта онтологий для работы с пользовательскими форматами. Protégé может быть запущен как отдельное приложение или посредством клиента Protégé для связи с удаленным сервером (последний особенно полезен для построения совместной онтологии).
Слайд 89
Protégé
Когда Protégé запущен, пользователь может создать новую онтологию, открыть существующую онтологию или импортировать
онтологию в различных форматах. Protégé создает файл проекта, в котором записывается информация, связанная с отображением и расположением файла исходного кода онтологии. Файл проекта упрощает процесс повторного открытия онтологий, а также поддерживает пользовательские настройки. GUI Protégé организован в виде отдельных панелей, доступных из разделов в верхней части GUI, которые предоставляют различные взгляды на содержание онтологии. Первый раздел - вкладыш «Классы», которая также является наиболее распространенным видом.
Слайд 90
Protégé
Раздел класса позволяет полностью редактировать онтологию. В представлении дерева онтологий в этом разделе
пользователи могут загружать и запускать классы для реорганизации иерархии, создания и переименования классов с использованием интуитивно понятных парадигм графического интерфейса пользователя. Значения атрибутов класса также можно редактировать напрямую. Другие разделы, доступные в графическом интерфейсе Protégé, - это разделы, формы и экземпляры.
Слайд 91
Protégé
Раздел Слоты позволяет пользователям просматривать и редактировать все слоты в онтологии; вкладыш Экземпляры
показывает все экземпляры, связанные с классами; представление формы позволяет пользователям настраивать расположение элементов формы отображения. Графический интерфейс Protégé обеспечивает древовидное представление онтологий. Хотя расширяемое дерево подходит для многих онтологий и терминологий, иногда может быть трудно визуализировать всех тех, кто имеет различные типы связей между термами.
Слайд 92
Protégé
Компоненты Protégé обеспечивают поиск и фильтрацию пользовательских аннотаций на основе различных критериев. Существует
также два типа механизмов голосования, которые можно использовать для голосования по изменениям. Все аннотации, сделанные одним пользователем, сразу видны всем другим пользователям, что позволяет обсуждать в сообществе макет (драфт) онтологии в режиме реального времени.
Слайд 93
Protégé
Этапы установки являются относительно простыми и односторонними, и было бы трудно вызвать путаницу.
Загрузите приложение по следующему адресу:
https://protege.stanford.edu/products.php#desktop-protege Сама установка относительно проста и проходит без проблем. При запуске исполняемого файла появляется следующее окно:
Слайд 94
Слайд 95
Слайд 96
Protégé
В следующем окне вы можете выбрать, куда поместить значки для запуска самого приложения.
По умолчанию в меню «Пуск» -> «Приложения» создается группа, которая называется Protégé_5версия...(4.3 в текущем примере). Рекомендуется установить флажок, чтобы другие пользователи того же компьютера могли воспользоваться этим приложением.
Слайд 97
Слайд 98
Protégé
На следующем рисунке следует выделить первую опцию, которую предлагают нам использовать встроенную виртуальную
Java-машину. Конечно, при желании пользователь может установить и любую другую машину в соответствии со своими предпочтениями.
Слайд 99
Слайд 100
Protégé
Установщик следующего окна представляет собой краткий список всех параметров, которые были установлены во
время загрузки. Затем, когда вы нажимаете «Установить», программа загружается на ваш компьютер.
Слайд 101
Слайд 102
Слайд 103
Protégé
После того, как мы установили Protégé, пришло время создать нашу первую онтологию. Для
этого мы нажимаем на вкладыш «Объекты». По умолчанию мы будем находиться в подклассе «Классы».
Слайд 104
Слайд 105
Protégé
Создание онтологии займет немного времени
из основных понятий (сценариев) в университете.
Учителя преподают модули
Студенты изучают
модули.
С этими двумя понятиями в руках, следующие классы,
Свойства данных, свойства объектов и отдельных лиц
Могут быть идентифицированны.
Классы в онтологиях являются абстрактными группами,
наборами или коллекциями объектов.
Слайд 106
Protégé
Свойства данных (Object Properties) аналогичны свойствам объектов, за исключением их доменов, которые являются
литералами:
Слайд 107
Protégé
Индивидуумы являются основными, «заземленными» компонентами онтологии:
Слайд 108
Protégé
Создание классов
1. Щелкаем вкладышем классов и открываем иерархию классов.
2. Мы подразумеваем, что все классы,
упомянутые выше, по умолчанию являются подклассами класса «Thing».
3. Нажмите знак «Добавить подкласс» и введите имя класса во всплывающем меню.
Слайд 109
Слайд 110
Protégé
Мы создаем классы “Teacher” и “Student”, которые являются подклассами "Person", где "Person" является
подклассом класса "Thing", а классы "CSModule" и "MathModule« являются подклассами "Module", который в свою очередь является подклассом Thing.
Слайд 111
Слайд 112
Protégé
Создание свойств объекта (has_a)
чтобы создать определенные свойства объекта, перейдите на вкладыш «Свойства объекта»
и выберите «Добавить подчиненное свойство». Имейте в виду, что по умолчанию все свойства будут находиться в свойствах "topObjectProperty"
Слайд 113
Слайд 114
Protégé
Следует отметить, что к этим свойствам объекта можно добавить «домен» и «диапазон». «Домен»
- встроенное свойство, которое связывает данное свойство с описанием класса. Аксиома «домена» гласит, что субъекты таких высказываний должны принадлежать расширению класса, указанного в описании класса. Область действия - встроенное свойство, которое связывает свойство с описанием класса или диапазона данных. Аксиома «диапазон» утверждает, что значения этого свойства должны принадлежать расширению класса описания класса или значениям данных в указанном диапазоне данных. Для «изучения» свойств объекта я добавляю «Студент» как «домен» и «Модуль» как «диапазон».
Слайд 115
Слайд 116
Protégé
Чтобы добавить «домен» или «диапазон», мы просто нажимаем кнопку «+» рядом с нужным
элементом и выбираем элементы, которые мы хотим добавить.
Аналогичным образом, для свойства объекта «Teaches» мы можем добавить «Teacher» в качестве домена и «Module» в качестве диапазона.
Слайд 117
Слайд 118
Protégé
Создание свойств данных
Следующим шагом является создание идентифицированных свойств данных. Для этого перейдите на
вкладыш «Свойства данных», а затем значок «Добавить подчиненное свойство». Опять же, все свойства будут находиться под свойствами по умолчанию "topDataProperty".
Слайд 119
Слайд 120
Просмотр после добавления всех идентификаторов данных
Слайд 121
Protégé
Свойства объекта добавляются таким же образом. Здесь «домен» и «диапазон» могут быть определены
для каждого свойства данных. Однако, при выборе «диапазона», типы данных также должны быть добавлены. Например, свойство данных «first_name» имеет область действия «xsd: string».
Чтобы добавить эти типы данных, нажмите кнопку «+» рядом с «Диапазон» и выберите «Встроенные типы данных».
Слайд 122
Слайд 123
Protégé
Мы добавляем следующие диапазоны и к другим идентифицированным данным.
• first_name → xsd: string
• last_name →
xsd: string
• index_no → xsd: int
• staff_id → xsd: int
Добавление людей
Последняя задача при создании онтологии - это добавление индивидов. Для этого я нажимаю на вкладыш «лица» и нажимаю на иконку «Добавить человека».
Слайд 124
Слайд 125
Protégé
Теперь давайте создадим отдельный модуль. Это делается с помощью шагов ниже. Пусть будет
создан отдельный модуль «CS2341». Тип для "CS2341" как "Модуль" добавлен:
Слайд 126
Слайд 127
Protégé
Во-вторых, пусть «Student_1» будет добавлен индивидуально. Это можно сделать, следуя приведенным ниже инструкциям,
чтобы правильно настроить личность.
1. Индивидуальный "Студент_1" создан.
2. Введите «Student_1» в качестве добавленного «Student».
3. Добавьте свойства объекта в “Student_1”.
Слайд 128
Слайд 129
Добавление свойств данных к „Student_1“
Слайд 130
Protégé
Сначала выбирается свойство "first_name". Затем выбирается тип «xsd: string». Наконец, значение добавляется к
предоставленному пространству (в приведенном выше примере значение = Михаил). То же самое относится и к другим свойствам данных.
По завершении вышеупомянутого итерационного процесса личность “student_1” получается, как показано на следующем слайде.
Слайд 131
Слайд 132
Видео работы с Protégé
https://www.youtube.com/watch?v=MbauHV2-XYw&t=18s
Слайд 133
Готовые онтологии для Protégé
http://protege.cim3.net/cgi-bin/wiki.pl?ProtegeOntologiesLibrary
Слайд 134
Семантические рассуждающие агенты
Семантические рассуждающие агенты - часть программного обеспечения, которая способна вывести логические
следствия из множества фактов и/или аксиом. Концепция семантического мышления обобщает этот случай с изпользованием машин логического вывода, предоставляя более богатый набор механизмов для работы. Правила вывода обычно определяются с использованием языка онтологии и часто языка описательной (дескриптивной) логики. Рассуждающий агент (семантический ризонер) используется для извлечения новых фактов из существующих онтологий. Многие из них используют логику предикатов первого порядка для выполнения поставленных задач.
Слайд 135
Семантические рассуждающие агенты
(Semantic reasoners)
Вот некоторые из популярных машин, разработанных за последние несколько лет:
Pellet, RACER, FACT ++, Snorocket, Hermit, CEL, ELK, SWRL-IQ, TrOWL и другие. Эти машины имеют разнообразные атрибуты (характеристики), такие как алгоритм вывода, поддерживающая логика, степень полноты рассуждений, язык и другие.
Слайд 136
Семантические рассуждающие агенты
Pellet
Pellet является основанным на Java агентом OWL-DL, разработанным The Mind
Swap Group. Он основан на изпользовании алгорифма таблиц и поддерживает логику исчисления сценариев. Это первый случай, который поддерживает все свийства OWL DL SHOIN(D) и расширен до OWL2 (SROIQ (D)). Pellet поддерживает OWL2. Разработка онтологий осуществляется посредством Jena, а также через OWL-API. Пеллет также предоставляет и объяснение ошибок.
Слайд 137
Семантические рассуждающие агенты
Слайд 138
Семантические рассуждающие агенты
RACER
RACER (Renamed ABoxes и Reasoner Concept Expression) является моделью рассуждений,
разработанной Хорроксом (Horrocks). RACER, также известный как RacerPro, является первой машиной с использованием OWL. Он поддерживает методы оптимизации FaCT, а также новые методы оптимизации для работы с ограничениями кардинальности и ABox. RACER применяет рассуждения TBox и ABox к логике SHIQ.
Слайд 139
Семантические рассуждающие агенты
Слайд 140
FACT ++
FaCT (Fast Classification of Terminologies) - машина, представленная также Хорроксом
(Horrocks). Ее можно использовать в качестве классификатора описательной логики, а также и для проверки соответствия модальной логике. Система FaCT имеет надежный и полный алгоритм таблиц для построения выразительной логики сценариев. Обновленная версия FaCT - FaCT++. Этот агент использует тот же алгорифм, что и FaCT, но с другой внутренней структурой. Это все реализовано в среде C++. Первая версия FaCT++ поддерживает рассуждения только в SHOIQ и OWLDL. Последняя версия FaCT++ поддерживает OWL и основана на логике сценариев SROIQ. В FaCT++ реализована процедура принятия решений на основе таблиц для TBox и неполная поддержка ABox.
Слайд 141
HermiT
HermiT является первым общедоступным OWL-агентом. Это было написано с помощью OWL. HermiT
может проверять файлы OWL, чтобы определить последовательность реляций в онтологиях и определить иерархические отношения между классами. Этот агент основан на исчислении hypertableau calculus, что обеспечивает более быстрый процесс классификации онтологий.
Слайд 142
ЗНАЧИМОСТь ИСПОЛьЗОВАНИЯ РАССУЖДАЮЩИХ МАШИН
Качество и правильность онтологий играют жизненно важную роль в
семантическом представлении и обмене знаниями. Чтобы гарантировать качество онтологий, необходимо иметь дело с непоследовательностью и часто - неопределенностью в онтологиях, применяемых в реальном мире.
Слайд 143
ЗНАЧИМОСТь ИСПОЛьЗОВАНИЯ РАССУЖДАЮЩИХ МАШИН
Несоответствие в онтологии означает, что в онтологии есть ошибка или
конфликт, в результате чего некоторые понятия в онтологии не могут быть правильно интерпретированы. Несоот-ветствие приводит к неправильному семантическому пониманию и/или представлению знаний. Неопределенная онтология означает, что такая онтология всего лишь вероятна.
Слайд 144
Онтологическая читаемость уменьшает избыток информации в базе знаний и выявляет конфликты в
содержании знаний.
Теперь давайте посмотрим, как работает агент типа HermiT, который входит в Протеже, а точнее, какие последствия это может иметь.
Сначала я добавлю еще одного ученика и одного учителя.
Слайд 145
Слайд 146
Слайд 147
HermiT-добавление свойств, обозначающих два модуля. Это поможет агенту определить, к каким классам относятся
оба модуля.
Слайд 148
HermiT-добавление свойств, обозначающих оба модуля
Слайд 149
Размещение свойств в модулях с целью различения Math и CS модулей
Слайд 150
Размещение свойств в модулях
Слайд 151
Запуск HermiT после добавления свойств
Ранее на вкладыш Windows можно было добавить виды классификации,
чтобы увидеть, как агент будет устанавливать соединения (связи).
Слайд 152
HermiT. Меню Reasoner→Start reasoner
Слайд 153
HermiT. Результаты: модули ученика и учителя организованы в классах...
Слайд 154
HermiT: смотреть то, что в желтом цвете и во вкладыше, где это уместно
Teacher_1 -> Teacher; Student_1,
Student_2 -> Student ; CS2341, CS4032 -> CSModule ; MA4124 -> MathModule
Слайд 155
HermiT:
смотреть желтый цвет
Слайд 156
HermiT: РЕЗУЛьТАТ
OntoGraf от Window -> Tabs
Слайд 157
Литература
1. Йоцов, В. Логическо програмиране. София: За буквите о писменехь, 2014
2. The Protégé Ontology
Editor and Knowledge Acquisition System, http://protege.stanford.edu/
3. Dragan Gašević; Dragan Djurić; Vladan Devedžić (2009). Model Driven Engineering and Ontology Development (2nd ed.). Springer. p. 194. ISBN 978-3-642-00282-3.
4. https://www.w3.org/TR/owl-guide/
5. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1560433/
6. Bhaskar Kapoor and Savite Sharma, „A comparative study ontology building tools for Semantic Web application “International Journal of web and Semantic Technology (IJWest)Vol1num 3 july 2010.DOI:10.5121/ijwest.2010.1301.
Слайд 158
Литература
7. Staab, Steffen, and Rudi Studer. Handbook on ontologies. Springer, 2010.
8. Antoniou, Grigoris, and Frank
Van Harmelen. A semantic web primer. MIT press, 2004.
9. Hebeler, John, Matthew Fisher, Ryan Blace, and Andrew Perez-Lopez.Semantic web program-ming. John Wiley & Sons, 2011.
10. Singh S, Jain V. Information Retrieval (IR) through Semantic Web (SW): An overview. Proceed-ings of CONFLUENCE 2012 - The Next Generation Information Technology Summit at Amity School of Engineering and Technology; 2012 Sep. p. 23–7
11. https://www.obitko.com/tutorials/ontologies-semantic-web/ontologies.html&xid=25657,15700023,15700186,15700191,15700253,15700256,15700259&usg=ALkJrhh75iu3AydLHCCAFFMhusoyzgbkbg
Слайд 159
Литература
12. Noy NF, McGuinness DL: Ontology Development 101: A Guide to Creating Your First
Ontology. Stanford Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical In-formatics Technical Report SMI-2001-0880, 2001
13. https://en.wikipedia.org/wiki/Semantic_reasoner
14. https://pdfs.semanticscholar.org/ 9091/e269a2cf7a44b46681b3de3ca489a36ad243.pdf
15. https://www.obitko.com/tutorials/ontologies-semantic-web/ontologies.html&xid=25657,15700023,15700186,15700191,15700253,15700256,15700259&usg=ALkJrhh75iu3AydLHCCAFFMhusoyzgbkbg
16. https://www.obitko.com/tutorials/ontologies-semantic-web/communication-between-agents.html&xid=25657,15700023,15700186,15700191,15700253,15700256,15700259&usg=ALkJrhioicY0s3Ycdy1WtbNJ9xdTx1qFcg
Слайд 160
17. https://www.obitko.com/tutorials/ontologies-semantic-web/specification-of-conceptualization.html&xid=25657,15700023,15700186,15700191,15700253,15700256,15700259&usg=ALkJrhiDKq6S12iuWN2rOzCGdjqyhXiLGA
18. https://www.obitko.com/tutorials/ontologies-semantic-web/ontologies-for-agents.html&xid=25657,15700023,15700186,15700191,15700253,15700256,15700259&usg=ALkJrhiXrx2ua--PDxVp2OEtjJNDp0HQcQ
19. https://protege.stanford.edu/publications/ontology_development/ontology101-noy-mcguinness.html#Section51