Прототип системы OntoSeek

Разработка и реализация прототипа системы «содержательного» доступа к WWW-ресурсам OntoSeek - результат 2-летней работы, выполненной в коопе­рации Corinto (Consorzio di Ricerca Nazionale Tecnologia Oggetti - National Re­search Consortium for Object Technology) и Ladseb-CNR (National Research Council - Institute of Systems Science and Biomedical Engineering), как части про­екта по поиску и повторному использованию программных компонентов [Guarino, et al., 1999].

Система OntoSeek разработана для содержательного извлечения информации из доступных в режиме on-line «желтых» страниц (yellow pages) и каталогов. В рам­ках системы совместно используются механизмы поиска по содержанию, управ­ляемые соответствующей онтологией (ontology-driven content-matching mecha­nism), и достаточно мощный формализм представления.

При создании OntoSeek были приняты следующие проектные решения:

• использование ограниченного числа ЕЯ-терминов для точного описания ре­сурсов на фазе кодирования;

• полная «терминологическая свобода» в запросах за счет управляемого онтоло­гией семантического отображения их на описания ресурсов;

• интерактивное ассистирование пользователю в процессе формулировки за­проса, его обобщения и/или конкретизации, а также приняты во внимание:

♦ текущее состояние исследований в области Интернет-архитектур;

♦ необходимость достижения высокой точности и приемлемой эффективно­сти на больших массивах данных;

♦ важность хорошей масштабируемости и портабельности принимаемых ре­шений.

Система работает как с гомогенными, так и с гетерогенными каталогами продук­тов. Понятно, что второй вариант сложнее. Поэтому в системе OntoSeek для пред­ставления запросов и описания ресурсов используется модификация простых концептуальных графов Дж. Совы [Sowa, 1984], которые обладают существенно более мощными выразительными возможностями и гибкостью по сравнению с обычно используемыми списками типа «атрибут-значение». Для концептуаль­ных графов проблема контекстного отождествления редуцируется до управляе­мого онтологией поиска в графе. При этом узлы и дуги сопоставимы, если онтоло­гия «показывает», что между ними существует заданное отношение. Вместе с тем, поскольку система базируется на использовании лингвистической онтологии, узлы концептуального графа должны быть привязаны к соответствующим лекси­ческим единицам, причем для этого должны выполняться определенные семанти­ческие ограничения.

На этапе планирования проекта вместо разработки собственной лингвистичес­кой онтологии были проанализированы доступные Интернет-ресурсы и выбра­на онтология Sensus [Knight et al., 1994], которая обладает простой таксономи­ческой структурой, имеет объем около 50 000 узлов, в основном выделенных из тезауруса WordNet [Beckwith et al., 1990], а также доступна для исследователь­ских целей в свободном режиме.

Функциональная структура системы OntoSeek представлена на рис. 9.10.

На фазе кодирования описание ресурсов конвертируется в концептуальный граф. Для этого «поверхностные» узлы и дуги, отмеченные пользователем, с по­мощью лексического интерфейса трансформируются в смыслы, заданные в сло­варе. Таким образом, «граф слов» транслируется в «граф смыслов», причем каж­дому понятию последнего сопоставляется соответствующий узел онтологии. После семантической валидации концептуального графа на основе использова­ния онтологии он запоминается в БД.

Рис. 9.10. Функциональная структура системы OntoSeek

Наиболее интересным моментом этапа кодирования ресурсов в системе Onto­Seek является формализм представления помеченных концептуальных графов (ПКГ), который базируется на том, что заданы словари существительных и глаго­лов, а собственно ПКГ определяется как связный ориентированный граф, удов­летворяющий следующим синтаксическим ограничениям:

• Дуги могут быть помечены только существительными из словаря (любой граф, содержащий дугу, помеченную транзитивной конструкцией вида [<URLl>man] → (love) → [women], может быть конвертирован в базисный ПКГ вида [<URLl>man] ← (agent) ← [love] → (patient) → [women]).

• В общем случае узлы помечаются строками вида concept [instance], где con­cept существительное или глагол из словаря, а необязательная ссылка: instan­ce - управляющий идентификатор.

• Для каждого графа существует в точности один узел, называемый «головой». Этот узел маркируется URL в угловых скобках, идентифицирующим файл описания ресурса, который описывает данный граф, и маркерной строки, представляющей понятие онтологии.

Понятно, что прежде, чем использовать этот граф, должна быть устранена поли­семия, что может позволить однозначно отразить существующие метки в понятия онтологии. После выполнения этой процедуры семантическая интерпрета­ция ПКГ происходит следующим образом:

• каждый узел, помеченный «словом» А, представляет класс экземпляров соот­ветствующего концепта. При наличии в описании идентификатора экземпля­ра узел определяет синглетон, содержащий этот экземпляр. Если А - глагол, узел фиксирует его номинализацию (например, узел с пометкой «love» опре­деляет класс событий «любить»);

• каждая дуга с пометкой С из узла А в узел В определяет соответствующее непу­стое отношение;

• в целом граф с «головой» А и URL U определяют класс экземпляров А, описы­ваемых ресурсом, помеченным U.

Процесс поиска осуществляется следующим образом. Пользователь представля­ет свой запрос тоже в виде концептуального графа, который после устранения лексической неоднозначности и семантической валидации передается компонен­те отождествления, работающей с БД. Здесь ищутся графы, удовлетворяющие запросу и ограничениям, заданным в онтологии, после чего ответ представляется пользователю в виде HTML-отчета.

Семантика графа запроса и процедура его построения аналогичны рассмотрен­ной выше процедуре кодирования ресурсов, но имеет следующие отличия:

• на месте URL может быть задана переменная;

• переменными может быть помечено произвольное число узлов.

Так, например, запрос вида [<Х> саr] → (part) → [radio] вернет множество URL на документы, описывающие автомобили с радиоприемниками в качестве части, а запрос вида [саr] → (part) → [<Х> radio] - множество URL на документы, опи­сывающие радиоприемник как часть автомобиля. И более того, композиция этих запросов вида [<Х> саr] → (part) → [<Y> radio] может быть использована для получения документов обоих типов.

Таким образом, предполагается, что граф запроса Q отождествляется с графом описания ресурса R, если:

• Q изоморфен подграфу графа R;

• пометки графа R соответствуют пометкам графа Q;

• «голова» графа R соответствует узлу, помеченному переменной в графе Q.

Последнее условие необходимо, если мы хотим «сосредоточиться» на ресур­сах, соответствующих запросу в точности.

Реализация системы OntoSeek выполнена в парадигме «клиент-сервер». Архи­тектурным ядром ее является сервер онтологий, обеспечивающий для приложе­ний интерфейсы доступа и/или манипулирования данными модели онтологии, а также поддержки БД концептуальных графов. Заметим, что последняя может строиться и пополняться не только в интерактивном режиме, но и за счет ском­пилированных описаний ПКГ, представленных на языке XML. Компонента БД в системе OntoSeek выделена в отдельный блок, что позволяет легко заменить при необходимости используемую СУБД.

Проект начался зимой 1996 г. - на заре эры языка Java. Поэтому прототип был реализован на языке C++. В настоящее время авторы предполагают провести ре­инжиниринг системы на основе использования новейших Интернет-технологий.

Таким образом, использование онтологий для интеллектуальной работы с Интер­нет-ресурсами является в настоящее время «горячей» точкой исследований и практических применений.

Специалистам в этой области хорошо известны Интернет-сайты организаций и проектов, связанных с созданием и использованием онтологий, но даже у них при выборе онтологии, «подходящей» для конкретного приложения, возникают опре­деленные проблемы. Основные из них: отсутствие стандартного набора свойств, характеризующих онтологию с точки зрения ее пользователя; уникальность ло­гической структуры представления релевантной информации на каждом «онто­логическом» сайте; высокая трудоемкость поиска подходящей онтологии.

Учитывая вышесказанное, в заключение данного параграфа рассмотрим пример интеллектуального агента, который демонстрирует онтологический подход к поиску на Web и выбору для использования собственно онтологий.