- •В.В. Литвин технології менеджменту знань
- •Розділ 1 основні поняття менеджменту знань
- •1.1. Основні означення менеджменту знань
- •1.1.1. Структура менеджменту знань
- •Маркетинґ Проектування Підготовка виробництва Виробництво Збут
- •1.1.2. Формування знань
- •1.1.3. Введення даних
- •1.1.4. Адміністрування
- •1.1.5. Мотивація
- •1.1.6. Особливості впровадження мз
- •1.2. Менеджмент знань
- •1.3. Базові поняття менеджменту знань
- •1.3.1. Видобування знань
- •1.3.2. Системи пізнання
- •1.3.3. Організація доступу до знань
- •1.3.4. Інновації в області автоматизації
- •1.3.5. Менеджмент знань та інформації
- •1.3.6. Менеджмент знань та Інтернет
- •1.4. Онтологічний інжиніринг
- •1.4.1. Системи керування знаннями
- •1.4.2. Онтологія
- •1.5. Висновки
- •Запитання для повторення та контролю знань
- •Розділ 2 теоретичні аспекти менеджменту та інженерії знань
- •2.1. Поле знань
- •2.1.1. Мова опису поля знань
- •2.1.2. Семіотична модель поля знань
- •2.1.3. “Піраміда” знань
- •2.2. Стратегії одержання знань
- •2.3. Теоретичні аспекти видобування знань
- •2.3.1. Психологічний аспект
- •2.3.2. Лінгвістичний аспект
- •2.3.3. Гносеологічний аспект видобування знань
- •2.4. Теоретичні аспекти структурування знань
- •2.4.1. Історична довідка
- •2.4.2. Ієрархічний підхід
- •2.4.3. Традиційні методології структуризації
- •2.4.4. Об’єктно-структурний підхід (осп)
- •Стратифікація знань предметної області
- •Матриця об’єктно-структурного аналізу
- •Запитання для повторення та контролю знань
- •Розділ 3 технології менеджменту та інженерії знань
- •3.1. Класифікація методів практичного видобування знань
- •3.2. Комунікативні методи
- •3.2.1. Пасивні методи
- •Порівняльні характеристики пасивних методів видобування знань
- •3.2.2. Активні індивідуальні методи
- •Порівняльні характеристики активних індивідуальних методів видобування
- •3.2.3. Активні групові методи
- •3.3. Текстологічні методи
- •3.3.1. Методи структурування
- •Дані концептуалізації
- •3.3.2. Еволюція систем одержання знань
- •Запитання для повторення та контролю знань
- •Завдання для самостійного розв’язування
- •Розділ 4 прикладні аспекти менеджменту та інженерії знань
- •4.1. Латентні структури знань і психосемантика
- •4.1.1. Семантичні простори і психологічне градуювання
- •Опис зв’язку між поняттями
- •4.1.2. Методи багатовимірного градуювання
- •4.1.3. Використання метафор для виявлення “прихованих” структур знань
- •4.2. Метод репертуарних решіток
- •4.2.1. Основні поняття
- •4.2.2. Методи виявлення конструктів. Метод мінімального контексту
- •4.2.3. Аналіз репертуарних решіток
- •4.2.4. Автоматизовані методи
- •4.3. Керування знаннями
- •4.3.1. Що таке “керування знаннями”?
- •4.3.2. Керування знаннями і корпоративна пам’ять
- •4.3.3. Системи omis
- •4.3.4. Особливості розроблення омis
- •4.4. Візуальне проектування баз знань як інструмент пізнання
- •4.4.1. Від понятійних карт до семантичних мереж
- •4.4.2. База знань як пізнавальний інструмент
- •4.5. Проектування гіпермедіа бд і адаптивних навчальних систем
- •4.5.1. Гіпертекстові системи
- •4.5.2. Від мультимедіа до гіпермедіа
- •4.5.3. На шляху до адаптивних навчальних систем
- •Запитання для повторення та контролю знань
- •Розділ 5 Класифікація даних та знань
- •5.1. Важливість правильної класифікації
- •5.1.1. Класифікація й об’єктно-орієнтовне проектування
- •5.1.2. Труднощі класифікації
- •5.2. Ідентифікація класів і об’єктів
- •5.2.1. Класичний і сучасний підходи
- •5.2.2. Об’єктно-орієнтований аналіз
- •5.3. Ключові абстракції й механізми
- •5.3.1. Ключові абстракції
- •5.3.2. Ідентифікація механізмів
- •5.4. Висновки
- •Запитання для повторення та контролю знань
- •Розділ 6 онтології й онтологічні системи
- •6.1. Поняття онтології
- •6.2. Моделі онтології й онтологічної системи
- •Класифікація моделей онтології
- •6.3. Методології створення і “життєвий цикл”онтології
- •6.4. Мови опису онтологій
- •6.4.1. Види owl
- •6.4.2. Структура онтологій
- •Запитання для повторення та контролю знань
- •Розділ 7 Програмні засоби побудови онтологій
- •7.1. Онтологія як засіб формалізації та алгоритмізації знань в інтелектуальній системі
- •7.1.1. Аналіз підходів до навчання онтологій
- •7.1.2. Загальні принципи проектування онтологій
- •7.1.3. Формати та стандарти подання інформації
- •7.1.4. Засоби для створення онтології
- •7.2. Технологія розроблення онтологій в редакторі Protégé
- •7.2.1. Еволюція Protégé
- •7.2.2. Protégé-owl. Мова Web онтологій owl
- •7.2.3. Основні терміни та поняття у Protégé-owl
- •Терміни та їх синоніми
- •7.2.4. Методика розроблення онтології засобами Protégé
- •Створення й експлуатація онтології
- •7.2.5. Створення онтології
- •Запитання для повторення та контролю знань
- •Завдання для самостійного розв’язування
- •Література
- •Литвин Василь Володимирович технології менеджменту знань
- •V lp.Com.Ua, ел. Пошта: vmr@vlp.Com.Ua
7.1.1. Аналіз підходів до навчання онтологій
Поруч з очевидними перевагами застосування онтологій існують проблеми їх створення та навчання. Навчання онтології – це процес наповнення її новими знаннями з певної предметної області. За останні два десятиліття було розроблено низку проектів у галузі навчання онтологій. У деяких з них, наприклад, Mikrokosmos та CYC знання одержували вручну, а вже після побудови великої базової онтології переводили цей процес у напівавтоматичний режим, використовуючи за основу цю онтологію.
Онтологію можна створювати з нуля, з наявних онтологій (як із глобальних, так і локальних), з інформаційних даних різних джерел або комбінації останніх двох підходів. Онтології будуються з різною мірою автоматизації: вручну (інформацію вносить в БЗ інженер зі знань та за допомогою експерта з певної предметної області), напівавтоматично (обмін інформацією відбувається в діалоговому режимі між машиною та експертом) та повністю автоматично (БЗ наповнюється з використанням підходів інтелектуального аналізу інформації). Оскільки ручний режим вимагає значних часових і фінансових затрат, а автоматичний метод внаслідок слабкої розвиненості підходів семантичного аналізу текстів сьогодні можна застосовувати лише для побудови дуже спрощених онтологій в обмежених випадках, тому основну увагу приділимо напівавтоматичному способу із застосуванням спеціалізованих редакторів.
З іншого боку, програми навчання онтологій працюють на різному структурному рівні та топології, використовуючи різноманітні підходи: статистичні методи, логічні підходи, такі як індуктивне логічне програмування (inductive logic programming – ILP), методи виділення кластерів, лінгвістичні підходи, такі як синтаксичний аналіз та морфологічно-синтаксичний аналіз. Також існує декілька проектів, які використовують комбінації вищенаведених підходів для навчання різних компонентів онтологій.
Рис. 7.2. Рівні абстракції онтологій
Загалом, основними факторами, що відрізняють одну систему навчання онтологій від іншої, є такі:
елементи навчання (поняття, зв’язки між ними, аксіоми, екземпляри класів, синтаксичні категорії та тематичні ролі);
початкова точка наповнення (стан наповненості та мова на вході);
попереднє опрацювання (лінгвістичне, глибоке або поверхневе опрацювання тексту);
методи навчання: а) підхід (статистичний, логічний, лінгвістичний, порівняння з взірцем, методи шаблону та гібридні); б) задача навчання (класифікація, кластеризація, навчання правилам, формування понять, створення онтології); в) категорія навчання (контрольована/неконтрольована); г) ступінь автоматизації (ручний, напівавтоматичний, автоматичний);
результатна онтологія (ступінь покриття предметної області, структура, топологія і мова відображення);
методи оцінювання (оцінювання навчальних методів чи результатної онтології).
У побудованій онтології розрізняють декілька рівнів абстракції, на кожному з яких можуть бути визначені окремі онтології. Наприклад, в області кожної наукової дисципліни можна визначити онтології, вище можна описати онтології наукових областей, що містяться на стику окремих наукових дисциплін. Найвищим рівнем абстракції поставимо загальні категорії структур знань. Для роботи ІС в певній предметній області необхідна онтологія тільки з відповідної наукової дисципліни (рис. 7.2).