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).