5.4. Висновки

• Ідентифікація класів і об’єктів – найважливіше завдання об’єктно-орієнтованого проектування; процес ідентифікації скла­дається з відкриття й винаходу.

• Класифікація є проблемою групування (кластеризації) об’єктів.

• Класифікація – процес послідовних наближень; проблеми класифікації зумовлені здебільшого, тим, що є багато рівноправних рішень.

• Є три підходи до класифікації: класичний розподіл за кате­горіями (класифікація за властивостями), концептуальна кластеризація (класифікація за поняттями) і теорія прототипів (класифікація за по­дібністю із прототипом).

• Метод сценаріїв – це потужний засіб об’єктно-орієнто­ва­ного аналізу, його можна використати для інших методів: класичного аналізу, аналізу поведінки й аналізу предметної області.

• Ключові абстракції відображають словник предметної об­лас­ті; їх шукають в самій області або придумують у процесі про­ектування.

• Механізми позначають стратегічні проектні рішення щодо спільної діяльності об’єктів багатьох різних типів.

Запитання для повторення та контролю знань

1. Важливість правильної класифікації.

2. Складнощі класифікації.

3. Ідентифікація класів та об’єктів.

4. CRC-картки.

5. Ключові абстракції.

6. Ідентифікація механізмів.

Розділ 6 онтології й онтологічні системи

• Основні визначення

• Моделі онтологій. Онтологічні системи

• Системи і засоби подання онтологічних знань

У цьому розділі подано поняття онтології, розглянуто онто­логічні системи. Описано моделі онтологій і їх використання під час розроблення інтелектуальних систем. У кінці розділу описано системи та засоби подання онтологічних знань.

6.1. Поняття онтології

Онтологія (від грец. онтос – суще, логос – навчання, по­няття) – термін, що визначає вчення про буття, про сутність, на відміну від гносеології – вчення про пізнання. Вже у X. Вольфа (1679–1754), ав­тора терміна “онтологія”, вчення про буття відокремлено від учення про пізнання. Tермін увів у філософську літературу німецький філософ Р. Гокленіус (1547–1628). До цього онтологія була частиною метафізи­ки, наукою самостійною, незалежною і не пов’язаною з логікою, з “практичною філософією”, з науками про приро­ду. Її предмет ста­но­вить вивчення абстрактних і загальних філо­софських категорій, таких як буття, субстанція, причина, дія, явище тощо, а сама онтологія як наука домагалася повного по­яснення причин усіх явищ.

Зрозуміло, що таке визначення трохи недоречне для прак­тичного використання, але дає поштовх для подальшої конк­ретизації й обговорення, з огляду на цілі цього видання. У цьому значенні ціка­віше визначення онтології, запропоно­ване в межах розроблення системи стандартів на мультиагентні системи міжнародним співто­вариством FIPA (Foundation for Intelligent Physical Agents). У філософському розумінні можна посилатися на онтологію як на певну систему категорій, що є наслідком певного погляду на світ.

Сама система категорій не залежить від кон­кретної мови: онто­логія Арістотеля завжди одна і та сама, неза­лежно від мови, викорис­таної для її опису.

З іншого погляду, ближчого до понять, пов’язаних зі штуч­ним інтелектом, онтологія – це знання, формально відображені на ґрунті концептуалізації. Концептуалізація, як вже об­говорювалося вище, припускає опис безлічі об’єктів і понять, знань про них і зв’язків між ними. Отже, онтологією на­зивається експліцитна специфікація концеп­туалізації. Фор­мально онтологія складається з термінів, організованих в так­сономію, їх визначень і атрибутів, а також пов’язаних з ними аксіом і правил виведення.

Часто набір припущень, що становлять онтологію, має форму ло­гічної теорії першого порядку, де терміни словника є іменами унарних і бінарних предикатів, що називаються відповідно концептами і відно­шеннями. У простому випадку онтологія описує тільки ієрархію кон­цептів, зв’язаних відношеннями категоризації. У складніших випад­ках до неї додаються відповідні аксіоми для вираження інших відношень між концеп­тами і для того, щоб обмежити їх передбачувану інтерпре­тацію. З огляду на вищесказане, онтологія є базою знань, що опи­сує факти, які передбачаються завжди істинними в межах певної спільноти на основі загальноприйнятого значення використовуваного словника.

Ще конкретнішим поняття онтології є у відомому проекті Оntolingua, який активно розробляють у Стенфордському університеті. Тут передбачається, що онтологія – це експліцитна специфікація певної теми.

Такий підхід припускає формальне і декларативне подання деякої теми, яке вміщує словник (або список констант) для посилання до термінів предметної області, обмеження ціліс­ності на терміни, логічні твердження, які обмежують інтерпре­тацію термінів і те, як вони поєднуються один з одним.

Резюмуючи вищесказане, можна констатувати, що сьо­годні розуміння терміна “онтологія” різне, залежно від контекс­ту і цілей його використання. У роботі [44] виділяють такі аспекти інтерпретації цьо­го терміна:

1. онтологія як філософська дисципліна;

2. онтологія як неформальна концептуальна система;

3. онтологія як формальний погляд на семантику;

4. онтологія як специфікація “концептуалізації”;

5. онтологія як уявлення концептуальної системи через ло­гічну теорію, що характеризується:

• спеціальними формальними властивостями,

• її призначенням;

6. онтологія як словник, використовуваний логічною теорією;

7. онтологія як метарівнева специфікація логічної теорії.

Зазначимо, що перша інтерпретація радикально від­різняється від інших і пов’язана, як пропонують автори ви­щезгаданої роботи, з тим, що йдеться про Онтологію (з великої літери) і як філософську дисцип­ліну, що вивчає, за Арістотелем, природу й організацію сущого. У цьому значенні Онтологія намагається відповісти на запи­тання: “Що є суще?” або, в іншому формулюванні, на запитан­ня: “Які властивості є загальними для всього сущого?”. Коли ж говоримо про онтологію (з маленької літери), то поси­лаємося на об’єкт, природа якого може бути різною, залежно від вибору між інтерпретаціями 2–7. За другою інтерпре­тацією, онтологія є концептуальною системою, яку можемо припускати як базис визначеної БЗ. Згідно з інтерпрета­цією 3 онто­логія, на основі якої побудована БЗ, виражається в термінах відповід­них формальних структур на семантично­му рівні. Отже, ці дві інтер­претації розглядають онтологію як концептуальну “семантичну” сут­ність, неважливо – формаль­ну чи неформальну, тоді як інтерпретації 5–7 трактують онто­логію як спеціальний “синтаксичний” об’єкт. Четверта інтерпретація, запропонована Грубером як визначення он­тології для використання в межах ШІ-спільноти, – одна з найпроб­лематичніших, оскільки точне значення її залежить від розуміння термінів “специфі­кація” і “концептуалізація”. І разом з тим, саме це визначення найчастіше і використовується сьогодні в роботах з проекту­вання і дослідження онтології.

Для визначеності подальшого викладу вважатимемо, що онтології – це бази знань (БЗ) спеціального типу, які можуть “читати­ся” і розумітися, відчужуватися від розробника чи фізично розділятися їхніми користувачами.

Онтологічний інжиніринг – гілка інженерії знань, яка вико­ристовує Онтологію (з великої букви) для побу­дови онтології (з ма­ленької букви). Зрозуміло, що будь-яка онтологія означає концепту­алізацію, але одна концептуалізація може бути основою різних онто­логій, і дві різні БЗ можуть відображати одну онтологію.

Історично онтології виникли з гілки філософії, відомої як мета­фізика, яка вивчає природу реальності та буття. Ця фундаментальна гілка аналізує різноманітні типи моделей буття, часто з особливою увагою до зв’язків між частковим і загальним, внутрішнім і зовнішнім, існуванням і буттям.

У середині 70-х років ХХ ст. дослідники в галузі штучного інтелекту зрозуміли, що збирання знань – це ключ до побудови ве­ликих і потужних систем штучного інтелекту. Дослідники обгово­рю­вали можливість створення онтологій як інструменту чисельного мо­делювання, що дає змогу виконувати логічне виведення знань. У 80-х роках ХХ ст. дослідники прийшли до висновку, що термін “онтологія” може використовуватися у двох значеннях. По-перше, онтологія – це компонент систем, що ґрунтуються на знаннях, по-друге, – це змоде­льована за допомогою формальних засобів частина реального світу.

На початку 90-х років минулого століття робота Тома Грубера “Майбутні принципи проектування онтологій для поширення та колективного використання знань” містила визначення онтології як технічного терміна в комп’ютерних науках. Грубер описував термін “онтологія” як специфікацію концептуалізації деякої області. Це озна­чало, що онтологія – це опис концептів і зв’язків між ними, які існують для деякої множини агентів. Це визначення узгоджується з вико­ристанням онтологій як множини визначень концептів, але є загаль­нішим і звичайно має інший сенс, ніж у філософії. Онтології часто порівнюють з таксономічними ієрархіями класів і з визначеннями класів з категоризацією зв’язків, але не обмежують лише цими фор­мами. Онтології також не обмежуються консервативними визна­чен­нями, на зразок систем теорем та аксіом.

Формування семантичного Webу почалось з розроблення мови RDF консорціумом W3C. Але історія роботи з метаданими у W3C почалася 1995 року з появою PICS (Platform for Internet Content Selection). PICS – це механізм для передавання комунікаційних ярликів Web-сторінок від сервера до клієнта. Ці ярлики містили інформацію про вміст Web-сторінок, для прикладу, про рецензовані наукові статті, розміщені на сторінці, чи про авторизацію ресурсу акредитованим до­слідником. Також ярлики часто містили публічні дані авторів сторінок, посилання на іншомовні версії сторінки тощо. Замість того, щоб визначити фіксований набір критеріїв, PICS забезпечувала загальний механізм створення ярликових систем. Різні організації визначали влас­ний вміст сайту, залежно від їхніх цілей, необхідності і корис­тувачів. Розроблення PICS мотивувалося тим, що назрівають зміни у Webа, причому ці зміни мали стосуватися здебільшого різних обме­жень у США та інших країнах.

Після серії обговорень були ідентифіковані обмеження в PICS, і змінилися функціональні вимоги. Вимоги почали охоплювати загаль­ніші проблеми, ніж асоціація дескриптивної інформації з Інтернет-ресурсами, ґрунтованими на PICS-архітектурі. Як результат, W3C створив нову робочу групу PICS-NG (Next Generation), яка почала досліджувати загальні проблеми опису ресурсів.

Згодом нова команда розробила попередню специфікацію документу PICSMOD, який визначав новий формат. Цей формат відразу був застосований у кількох, різних за своєю структурою, аплі­каціях і залишився незмінним. Побачивши результат, W3C сконсолі­дував групу для роботи над RDF. Нова група була названа “W3C Resource Description Framework working group”.

Мова RDF стала результатом роботи численних об’єднань спе­ціалістів, що займалися дослідженням метаданих. У RDF є кілька по­передників. Технічно найближчим до RDF був проект MCF, ініційо­ваний Раманатаном Гуа в компанії “Apple Computer” і продовжений після купівлі цього проекту компанією Netscape. Ідеї “Dublin Core” та PICS також мали ключове значення для створення RDF.

Специфікація RDF-моделі та її XML-синтаксис був опуб­лікований 1999 року у вигляді W3C-рекомендації. Потім почалася ро­бота над створенням нових пов’язаних специфікацій, які були опубліковані 2004 року.

Історія онтологічних розроблень у комп’ютерних науках доволі давня. Починаючи з 90-х років минулого століття, частина дослідників намагалася поширити ідеї про використання знань у Webі. Ці дослід­ження передбачали створення різноманітних мов, ґрунтованих на HTML (наприклад, SHOE), на XML(XOL, пізніше OIL) та на фреймах.

OWL здебільшого оснований на дослідженнях DARPA (Defense Advanced Research Projects Agency), які створили мову DAML+OIL. Вона, своєю чергою, ґрунтувалася на мовах DAML та OIL.

World Wide Web Consortium створив робочу групу “Web Ontology Working Group”, яка функціонувала з 1 листопада 2001 року на чолі з Джеймсом Хендлером та Гусом Скрейбером. Перший робочий документ опублікований в липні 2002 року. Документ став офіційною рекомендацією W3C 10 лютого 2004 року. Групу було розформовано 31 травня 2004 року.

Одним із найскладніших і найдовших етапів у формуванні семантичного Webу є створення SPARQL (Simple Protocol and RDF Query Language) – мови запитів до RDF, яку розробила група DAWG (RDF Data Access Working Group).

Спочатку, в квітні 2006 року, SPARQL була подана як кандидат W3C  рекомендації, але потім її повернули на доопрацювання як робочий стандарт. У червні 2007 року SPARQL знову у кандидатах до ре­комендації. 12 листопада 2007 року SPARQL запропоновано до ре­ко­мендації і 15 січня 2008 року визнано офіційною рекомендацією W3C.

Мова SPARQL дає змогу робити запити за допомогою триплетів “суб’єкт–предикат–об’єкт”, кон’юнкцій, диз’юнкцій та необов’язкових шаблонів. Існує кілька реалізацій SPARQL для програмних мов, зо­крема для Java.

Загалом RDF, SPARQL та OWL створюють цілісну картину засобів семантичного Webу, необхідних для побудови онтологічних моделей.

У книзі “Семантичний Web: введення в майбутнє XML, Web сервісів та управління знаннями” М. Даконта та інші автори описали, що таке RDF, чому вона не набула популярності і чому виникли онто­логії. Автору дають таке пояснення, що таке RDF. На найпростішому рівні RDF є XML базованою мовою для опису ресурсів. Якщо XML має метадані лише в частині документу, то RDF описує всі метадані, які необхідні для опису знань у документі. Дуже хорошим прикладом використання RDF є опис ресурсів, які є невидимими для користувача, наприклад, аудіофайли.

Модель RDF складається із тверджень (триплетів), кожен з яких складається з суб’єкта, предиката та об’єкта. На рис. 6.1 наведено RDF-твердження.

Рис. 6.1. RDF-твердження

Суб’єкт. Граматично суб’єкт – це іменник, який в реченні виконує певну дію. Наприклад, у реченні “Компанія купує продукт” суб’єктом є “компанія”. У RDF суб’єкт – це ресурс, інформація про який опи­сується в предикаті та об’єкті. Тому для ідентифікації суб’єкта вико­ристовується URI (Unified Resource Identifier), наприклад, “http://www.business.org/ontology/#company”.

Предикат. Граматично предикат є дієсловом чи дієслівним зво­ротом, наприклад, у тому самому реченні “Компанія купує продукт” предикат – “купує”. Інакше кажучи, предикат повідомляє нам щось про суб’єкт. У RDF предикат є зв’язком між суб’єктом та об’єктом. Тому, предикат у RDF подається як URI на зразок: “http:// www.business. org/ontology/#buy” .

Об’єкт. Граматично об’єкт є іменником, якого стосується дія, за­дана в дієслові (предикаті). У попередньому прикладі об’єктом є “про­дукт”. У RDF об’єкт – це ресурс або літерал, пов’язаний з преди­ка­том. У прикладі об’єкт має такий URI: “http://www.business. org/ontology/ #product”, але загалом об’єктом може бути літеральне зна­чення, на­приклад, “Змінна дорівнює 5”, де 5 – літеральне значення об’єкта.

Твердження. У RDF сукупність суб’єкта, предиката та об’єкта прийнято називати твердженням. Наприклад, у N3 (Notation3) тверд­ження називають триплетами.

М. Даконта та інші автори у своїй книзі також пояснили причини, чому RDF активно не використовується. По-перше, мова RDF не достатньо добре інтегрується в XML-файли. Це пояснюється тим, що RDF завжди має простір імен, тоді як XML чи XHTML-документи можуть описувати лише дані без необхідних інфраструк­турних еле­ментів метаданих (таких як простори імен). Хоча RDF-об’єкти серіалізуються так само, як і XML-об’єкти, все ж існувала проблема інтеґрації RDF у XHTML та XML. Виправивши синтаксис, робоча група W3C із RDF вирішила проблему інтеграції. Для прикладу, існують спеціальні утиліти на зразок SMORE, які вміють читати вкладені RDF-документи в HTML та XHTML.

Рис. 6.2. Порівняння використання технологійRDF та XML

По-друге, мова RDF складніша, ніж XML, яка, своєю чергою, не є достатньо читабельною для розробників і через це є складною. Склад­ність RDF полягає в тому, що насправді в RDF-документах існують і дані, і метадані, які також мають складний синтаксис. Тобто у роботі з RDF треба знати не лише ієрархічну структуру даних, але й ієрархічну структуру метаданих, які тісно між собою переплітаються.

Автори книги навели статистику (рис. 6.2) щодо кількості книжок, програмних продуктів та сайтів компаній, присвячених використанню RDF та XML відповідно. Статистика показує, що використання XML істотно перевищує RDF, і що більше реальні програмні продукти з використанням RDF фактично не створюються.

Отже, виникла гостра необхідність створити нову мову, яка б описувала знання на вищому рівні абстракції, ніж звичайні Web-ресурси, як це робить RDF. Тому виникла мова OWL. Вона була по­кликана змінити типову архітектуру систем з метою перетворити дані у знання, а системи зробити ближчими до реального світу. На рис. 6.3 наведено типовий процес роботи зі знаннями.

На першому рівні відбувається введення інформації з певного дже­­рела (від людей, з джерел даних, таких як бази даних, Інтернет тощо).

На другому рівні відбувається продукування, на якому дані записуються в базу даних, цифрові файли чи пошукову машину. Ос­новною проблемою є те, що група чи проект вводять одну і ту саму інформацію по-різному. Як результат отримують багато жорстко-зв’язаних систем.

Третім рівнем процесу може бути (а може й не бути) інтеграція, яка залежить від складності інформаційної структури комплексу. Оскільки всі інформаційні системи є жорстко-зв’язаними, то зазвичай інтеграція цих систем для отримання цілісної картини є не дуже хорошим рішенням. Відповідно, процес інтеграції систем не міститиме повторюваних частин, тобто кожен раз інтеграцію треба буде по­чинати спочатку. Якщо навіть існує інтеґраційне рішення, то корпо­ра­ції платять великі гроші інтеграторам за дуже дорогу інформаційну систему, що інтегруватиме інші системи.

Четвертий рівень процесу – пошук знань серед внутрішніх ресурсів корпорації (необов’язково враховуючи інтеграційну систему). Це довготривалий та, за суттю, майже випадковий процес. Понад усе, часто інформація, яку шукають, може бути недостатньо релевантною через свою загальність.

Наступний рівень – це утворена програма з результатів пошуку. З цієї системи можна отримати зазвичай презентацію чи звіт. Після того, як новий продукт створений, результати звітів можуть збері­гатися, але зазвичай вони ще складніше класифікуються, ніж жорстко-зв’язані системи. Ще одною проблемою в системах такого роду є версифікація документів, адже перебирати щоразу документи у всіх системах нереально, а явну версифікацію запроваджувати для всіх фай­лів теж дуже складно. Ну і нарешті, останньою постає проблема повторного використання даних.

Як результат така система знань має дуже складну структуру, і тому її важко інтегрувати з іншими системами. Інтегруючи, треба дотримуватися такого правила: системи не можуть розпізнавати одна одну, якщо вони не працюють через однаковий контракт. Інформацій­ний контракт декларує способи взаємодії систем так, що одна система підтримує контракт, а інша, знаючи про його існування, використовує цей контракт як вхідний інтерфейс системи. Загалом такий контракт треба спеціально описувати. У випадку з онтологіями сама онтологія є контрактом між двома системами, які інтегруються.

Рис. 6.3. Процес роботи зі знаннями в типових системах

Тепер онтології все частіше використовують в реальних про­ектах. Переваги онтологій:

• використання єдиних термінів у біохімічних знаннях пришвидшує розроблення, а також дає можливість передавати знання;

• онтології забезпечують додаткові можливості з формування і тестування наукових тез, з опрацювання даних природною мовою, з інтеграції даних.

Одним з прикладів проектів, які використовують онтології для роботи з біохімічними знаннями, є GONG. Він був спрямований на генерацію генетичної онтології GO (Gene Ontology).

Іншими прикладами розроблених онтологій в галузі біохімії є онтологія DOLCE та онтологія Ontology Works. Вони містять формальні визначення базових елементів в біохімії (процесів, подій, випадків, типів тощо).

Отже, проекти GONG, DOLCE та інші описують частину загальних характеристик біологічних даних. Основною метою роботи була оцінка складності використання загальноприйнятих технік моде­лювання за допомогою онтологій. Автори переконують, що викорис­тання онтологій допоможе описувати різноманітні аспекти біохімії та молекулярної біології розподілено та дистанційно. Біохімічні онтології використовують як основу побудови баз даних для зберігання інфор­мації. Як результат роботи створений спеціальний стандарт XML – SBML (Systems Biology Markup Language), який використовується для обміну інформацією між імітаційними моделями біохімічних реакцій.

У [144] описане використання онтологій у блогах з відкритим кодом. Проект VIStology’s IBlogs призначений розробити розподілену інтелектуальну систему для автоматичного моніторингу блогів. У про­екті розроблені онтологія Blog та онтологія News Event. Вони дають можливість отримувати знання з блогів і передавати їх у вигляді стрічок новин RSS.

Автори підводять підсумки своєї роботи: проект IBlogs робить перші кроки в побудові технології, яка повинна вирішити проблему аналізу, інтерпретації та агрегації вмісту блогів. Проект демонструє, що використання онтологій є корисним для перегляду інформації про блоги та взаємозв’язки між його складовими – публікаціями, у вигляді невеликих заміток про нові події, методи, технології тощо.

Стаття про моделювання знань в системі EON [6] описує як ви­користовувати систему для побудови інформаційних моделей знань про пацієнтів, медичні спеціальності та про медичні рішення і дії у відповідних випадках. Система EON має складну серверну структуру, складається з багатьох компонентів, обмін між якими здійснюється за допомогою онтологій.

За визначенням авторів, система EON створена для структуру­вання інформації про пацієнтів, медичні концепції та загальні знання. У цій системі клінічні рекомендації можуть бути інтерпретовані для читання пацієнтами чи для формування таксономічних ієрархій ме­дичних термінів.

У статті [42] описано, як за допомогою онтологій та правил можна порівнювати різні ступені та оцінки у різноманітних системах оцінювання. Наводиться приклад порівняння оцінок у північно-аме­риканських (оцінки від “F” до “A+”), східноєвропейських (оцінки від “2” до “5”) та інших вузах.

На основі GO (Gene Ontology), яка згадувалася раніше, розроб­лені засоби для анотації біомедичних даних. Ці засоби є основаними на онтологіях і дають можливість не лише індексувати біомедичні ресурси, але й давати доступ до інформації про них на Web-сторінках. Архітектура системи побудована так, щоб вона інтеґрувалася з Web-порталом з одного боку, і щоб видобувала знання з різнотипних ресурсів, з іншого.

У підсумку роботи над GO (Gene Ontology) описана реалізація прототипу системи анотування, основаної на онтологіях. Завдання системи – описати велику кількість біомедичних ресурсів для ство­рення каталогу анотованих елементів. Ресурси NCBO (National Center for Biomedical Ontology) складені в найбільшу бібліотеку біомедичних ресурсів, і система анотування дає змогу користувачеві знаходити різноманітну біомедичну інформацію, використовуючи одну точку входу, тобто єдиний репозиторій знань і, отже, не витрачати час на пошук біомедичних ресурсів у Webі. Система здатна опрацьовувати метадані з множинами генетичних виразів, радіологічних рисунків, клінічних звітів тощо, перетворюючи їх у відповідні онтології.

У середовищах eHealth використовуються онтології для по­ширення клінічних знань та даних про онкологічні дослідження. В eHealth описано процес створення онтологій, які повинні максимально відповідати реаліям в сучасних дослідженнях та відображеннях знань. Причини вибору онтологій як засобу відображення знань:

• логічна структура, яку можна алгоритмічно опрацьовувати;

• пряма відповідність термінів та знань;

• інтероперабельність (можливість взаємодії мереж).

Висновки, зроблені авторами, є такими. Середовища eHealth на­дають зручні та корисні утиліти для роботи з біомедичними онто­логіями. Досягнуто консенсусу між розробниками у великій кількості аспектів, пов’язаних з описом знань, алгоритмами роботи тощо.

Абсолютно очевидним є той факт, що онтології набули найбіль­шого використання в біомедичній галузі. Основною причиною є те, що знання в медицині є неточними та часто слабко формалізованими. До початку використання онтологій в медицині існувала велика кількість аплікацій, які по різному трактували одні і ті самі поняття. Сьогодні ситуація істотно покращилась завдяки можливості загального доступу до знань. Системи стали менш залежними одна від одної. Цього намагалися досягти розробники онтологій. Також онтології починають активно застосовувати для добре досліджених предметних областей, наприклад, блогів, об’єднань людей, форумів тощо.