ТЕХНОЛОГІЇ МЕНЕДЖМЕНТУ ЗНАНЬ

вводити вирази умов. Введення умов можливо здійснити двома способами: перший – натиснувши на кнопку введення за допомогою рядкового редактора “Create New Expression”. У цьому разі весь вираз умови необхідно буде вводити вручну, що в більшості випадків є незручним. Другий спосіб введення умови дає змогу зробити це в окремому вікні, де є можливість вибрати потрібний квантор, властивість зі списку властивостей, потрібний клас об’єктів та додаткові символи, необхідні для формування виразу.

Видалити умову

Список

необхідних умов для вибраного класу

, Список умов, що належать суперкласам до вибраного

Рис. 7.22. Вікно умов (введення та редагування обмежень)

Для введення обмеження для деякого класу об’єктів в окремому вікні треба у вікні ієрархії класів виділити потрібний клас, після чого у вікні умов натиснути клавішу “Create Restriction...”. Далі у вікні (рис. 7.22) у списку властивостей виділити потрібну властивість (наприклад, “має_Домішку”), а у сусідньому віконечку – вибрати тип обмеження (наприклад, someValuesFrom). Після цього набрати в полі побудови назву класу, об’єкти якого будуть зв’язані вибраною властивістю (наприклад, “Неметал”), або натиснути клавішу “Insert class” на панелі створення виразу і вибрати потрібний клас з ієрархії. За допомогою панелі створення виразу є можливість створювати вирази, що містять логічні операції (об’єднання, перетин, логічне запе-

241

речення), булеві оператори та дужки. Після натискання клавіші “OK” вікно закриється і сформований вираз обмеження автоматично додасться до списку умов (рис. 7.23).

Поле побудови виразу

Панель створення виразів

Рис. 7.23. Вікно введення виразу обмежень

Числове

обмеження

Рис. 7.24. Приклад застосування числового обмеження для класу “Чисті метали”

Числові обмеження. В OWL є можливість описати клас об’єктів, що мають не менш ніж, не більш ніж або чітко визначену кількість зв’язків між іншими об’єктами або даними. Обмеження, за допомогою яких встановлюють такі умови, називаються числовими (Cardinality restrictions). Тобто для певної властивості можна задати мінімальне,

242

максимальне або визначене число зв’язків, якими вона буде зв’язана з об’єктами деякого класу. Наприклад, за допомогою такої умови можна задати відсотковий вміст та максимальну кількість домішок у чистому металі, за якої цей метал ще можна вважати чистим (рис. 7.24). Принцип створення таких обмежень аналогічний до попереднього, тільки у цьому разі для опису використовують типи “Cardinality”, “min Cardinality” і “max Cardinality”, а в полі побудови виразу вказується певне числове значення.

Обмеження типу “має значення”. Ці обмеження позначаються символом і визначають клас або набір об’єктів, що, використовуючи деяку властивість, мають принаймні один зв’язок з конкретним об’єктом. Наприклад, вираз “має_Домішку з Сірка” (де “Сірка” – об’єкт класу “Неметали”) визначає набір об’єктів (наприклад, металів), які можуть мати домішку саме сірки. Тобто, якщо попередніми обмеженнями ми зв’язували за допомогою властивостей один набір об’єктів (клас) з іншим набором (класом) або деякими даними, то в цьому разі ми вказуємо конкретний об’єкт, який безпосередньо пов’язаний такою властивістю з деяким класом або набором об’єктів.

Механізм міркувань

Однією з важливих особливостей використання мови OWL для побудови онтологій є можливість опрацьовувати їх за допомогою механізму міркувань (reasoner). Під опрацьовуванням онтології в такому разі розуміється перевірка правильності присвоєння підкласів певним класам, внаслідок чого автоматично формується виведена ієрархія класів онтології. У Protégé-OWL ієрархія класів, внесена вручну, називається заявленою ієрархією, а вирахована механізмом міркувань – виведеною ієрархією. Також за допомогою механізму міркувань перевіряється логічна узгодженість (несуперечність) класів і підкласів онтології. На основі введених умов для кожного класу механізм міркувань дає можливість встановити, чи певні об’єкти (екземпляри) можуть належати вказаним класам.

Використання механізму міркувань є особливо зручним у роботі з громіздкими онтологіями (декілька тисяч класів). Виникає реальна необхідність автоматично визначати і відстежовувати взаємозв’язки в ієрархії “клас – суперклас”. У таких випадках без використання механізму міркування надзвичайно важко підтримувати онтологію великих розмірів логічно узгодженою. Цей механізм забезпечує відповідність

243

створеної онтології іншим онтологіям та прикладним програмам, а також мінімізує вплив людських помилок.

Для реалізації механізму міркувань у середовищі Protégé-OWL необхідно встановити і запустити додатковий модуль, зокрема, це може бути RACER, розроблений групою розробників інструментів описової логіки (DIG – Description Logic Implementers Group). Цей модуль та інструкція з його встановлення доступні на сайті http://www.sts.tu- harburg.de/~r.f.-moeller/racer/.

Після того, як встановлено і налагоджено відповідний механізм міркувань, введену вручну онтологію можна “відіслати до механізму міркувань” для автоматичної класифікації та перевірки узгодженості. Це можливо здійснити, вибравши в головному меню програми пункт

OWL, а в ньому – дію “Classify taxsonomy... ” (рис. 7.25). Аналогічно,

за допомогою дії “Check consistency...” перевіряється онтологія на суперечність. Ці дії також можна здійснити натисканням відповідних кнопок на панелі інструментів.

Рис. 7.25. OWL меню

Коли виведена ієрархія обчислена, то вікно виведеної ієрархії відкриється поряд з вікном заявленої ієрархії під назвою “Inferred Hierarchy”. Структура класів може значно відрізнятися від введеної

244

вручну. Ця різниця залежатиме, насамперед, від умов, присвоєних певним класам та їх екземплярам. Деякі класи внаслідок автоматичної класифікації можуть змінити свій суперклас. Тоді цей клас у виведеній ієрархії буде виділено синім кольором.

У разі виявлення суперечливого класу в онтології, він буде виділений у заявленій ієрархії червоним кольором. Це може бути у разі, якщо попередньо було вказано, що об’єкти одного класу не можуть належати іншому класу (задається у вікні “Disjoint” (рис. 7.10). Тобто, якщо механізм міркувань виявив, що деякий підклас належить одночасно різним класам, що були розділені, то він виділить цей клас як суперечливий. Для видалення суперечності необхідно відмінити розділення між класами, в яких виникла ця суперечність, внаслідок видалення суперечливого класу у вікні “Disjoint”.

Введення екземплярів класів

Після того, як введено основні класи нашої онтології, визначено їх властивості та встановлено умови їх взаємозв’язку, для забезпечення конкретизації предметної області вводяться екземпляри (об’єкти) класів (рис. 7.26). Об’єкти вважаються найнижчим рівнем онтології, вони успадковують усі властивості класів, до яких вони належать. Прикладами об’єктів в онтології матеріалів можуть бути конкретні марки сталей або назви чистих металів (наприклад: Ст3, сталь 20, 15Х2МФА, мідь, залізо). У разі, якщо об’єкт має під собою інші об’єкти, він автоматично стає класом.

Об’єкти в Protégé-OWL можна створювати і редагувати у вікні об’єктів на закладці “Individuals” головного вікна програми (рис. 7.26).

Вікно екземплярів складається з трьох основних частин. Зліва розташоване вікно ієрархії класів онтології (Class Browser), в якому вибирається клас, екземпляр якого створюється. Навпроти кожного класу в дужках вказується кількість об’єктів, що належать саме цьому класу. Виділяючи певний клас, в центральному вікні (Instance Browser) виводиться список об’єктів, що належать такому класу. За допомогою клавіш керування, що розташовані над списком екземплярів, можна створити новий екземпляр у виділеному класі, скопіювати наявний екземпляр або видалити вибраний екземпляр зі списку. Вибираючи певнй об’єкт зі списку або створюючи новий в крайній правій частині вікна відкривається редактор екземплярів (Individual Editor), за допомогою якого можна змінити ім’я об’єкта, додати опис та коментар, а

245

також внести значення властивостей об’єкта. У редакторі об’єкта виводять усі властивості, успадковані ним від батьківського класу. Також є можливість додавати або видаляти певні властивості цього класу (самі об’єкти власних властивостей не мають). Кожна властивість має окреме поле, в якому вноситься її значення для конкретного об’єкта. Введення нової або видалення наявної властивості відбувається за допомогою відповідних клавіш керування у верхній частині вікна, а внесення значення властивості – за допомогою клавіш, розташованих біля її назви або з випадного списку.

Рис. 7.26. Вікно екземплярів

Описавши всі класи, властивості, обмеження і об’єкти предметної області, одержуємо базу знань, що є основою для побудови інтелектуальних систем, здатних здійснювати операції над інформацією. Створену онтологію в редакторі Protégé-OWL можна тепер експортувати у формат, зрозумілий для інших редакторів, які займаються безпосередньо розробленням інтелектуальних систем (CLIPS, HTML, RDF, OWL). У складі інтелектуальної системи базова онтологія повинна постійно розширюватися і модифікуватися. Це може відбуватися в автоматичному режимі, завдяки спеціально розробленим алгоритмам; в іншому разі онтологію необхідно редагувати вручну (використовуючи редактори типу Protégé-OWL).

246

Запитання для повторення та контролю знань

1.Які Ви знаєте засоби для створення онтології?

2.Що таке Protégé?

3.Як виглядає архітектура Protégé -2000?

4.Які характеристики воастиві редактору Protégé-OWL?

5.Які є версії мови OWL?

6.Які завдання вирішує мова OWL?

7.Охарактеризуйте термінологію мови OWL.

8.Як відбувається подання структури класів в OWL?

9.Яка існує методика розроблення онтології засобами Protégé?

10. Як здійснювати створення та збереження нового проекту Protégé-

OWL?

11. Як створювати властивості класів?

12. Які характеристики мають OWL властивості? Наведіть приклади.

Завдання для самостійного розв’язування

1.Спроектувати онтологію для предметної області.

2.Подати онтологію у форматах OWL Lite, OWL DL і OWL Full.

3.Вивчити середовище Protege.

4.Подати структуру класів розробленої онтології у середовищі Protege.

5.Розробити властивості класів.

6.Навести скріншоти описів класів, визначити класи та створити екземпляри класів.

247

ЛІТЕРАТУРА

1.Аверкин А.Н. Нечеткие множества в моделях управления и искусственного интеллекта / А.Н. Аверкин, И.3. Батыршин, А.Ф. Блишун. –

М.: Наука, 1986. – 312 c.

2.Айвазян С.А. Прикладная статистика: Основы моделирования и первичная обработка данных / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. – М.: Финансы и статистика, 1983. – 471 c.

3.Айзенк Г. Коэффициент интеллекта / Г. Айзенк. – К.: Гранд,

1994. – 192 c.

4.Алахвердов В. М. Когнитивные стили в контурах процесса познания. Когнитивные стили / В.М. Алахвердов; Под ред. В. Колги. – Таллинн, 1986. – С. 12–23.

5.Александров Е.А. Основы теории эвристических решений / Е.А. Александров. – М.: Сов. радио, 1975. – 256 с.

6.Алексеевская М. А. Диагностические игры в медицинских задачах / М.А. Алексеевская, А.В. Недоступ // Вопросы кибернетики : Задачи медицинской диагностики и прогнозирования с точки зрения врача –

1998. – № 112. – С. 128–139.

7.Андриенко Г.Л. Игровые процедуры сопоставления в инженерии знаний / Г.Л. Андриенко, Н.В. Андриенко // Сборник трудов ІІІ Конференции по искусственному интелекту. – Тверь, 1992. – С. 93–96.

8.Анисимов А.В. Система обработки текстов на естественном языке / А.В. Анисимов, А.А. Марченко // Научно-теоретический журнал “Искуственный интелект”, ІПШІ “Наука і освіта”. – 2002. – Вип. 4 –

C. 157–163.

9. Апресян Ю. Д. Экспериментальное исследование семантики русского языка / Ю.Д. Апресян. – М.: Наука, 1977. – 251 c.

10. Аткинсон Р. Человеческая память и процесс обучения / Р. Аткинсон. – М.: Прогресс, 1980.

11. Белнап Н. Логика вопросов и ответов / Н. Белнап, Т. Стил. – М.: Прогресс, 1981. – 288 c.

248

12. Берков В.Ф. Вопрос как форма мысли / В.Ф. Берков. – Минск: Изд-во БГУ, 1972. – 136 c.

13. Берн Э. Игры, в которые играют люди. Люди, которые играют в игры / Э. Берн. – М.: Прогресс, 1988. – 155 c.

14. Болотова Л.С. Неформальные модели представления знаний в системах искусственного интеллекта / Л.С. Болотова, А.А. Смольянинов. – Московский институт радиотехники, электроники и автоматики (ТУ) – М.,

1999. – 100 с.

15. Борисов А. Н. Приобретение знаний для интеллектуальных систем / А.Н. Борисов, А.В. Алексеев. – М.: Радио и связь, 1989. – 304 с.

16. Боронников А.Б. Построение информационных систем на основе технологии XML Веб-сервисов / А.Б. Боронников, С.В. Семенов // Программные продукты и системы, № 4. – 2004. – C. 61–62.

17. Братко И. Программирование на языке ПРОЛОГ для искусственного интеллекта / И. Братко. – М.: Мир, 1990. – 560 с.

18. Брунер Дж. Исследование развития познавательной деятельности / Дж.Брунер // Пер. с англ. – М.: Педагогика, 1971. – 413 c.

19. Бублик Б.Н. Основы теории управления / Б.Н. Бублик, Н.Ф. Кириченко. – К.: Вища шк., 1975. – 328 с.

20. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++ / Гради Буч. – М.: Бином, 1998. – 560 с.

21. Величковский Б.М. Современная когнитивная психология / Б.М. Величковский. – М.: МГУ, 1982. – 336 c.

22. Величковский Б.М. Психологические проблемы изучения интеллекта / Б.М. Величковский, М.С. Капица // Интеллектуальные процессы и их моделирование. – М.: Наука, 1987. – С. 120–141.

23. Вертгеймер М. Продуктивное мышление / М. Вертгеймер. – М.: Прогресс, 1987. – 336 c.

24. Винер Н. Кибернетика или управление и связь в животном и машине / Н. Винер. – М.: Сов. радио, 1958. – 344 c.

25. Виноград Т. Программа, понимающая естественный язык / Т. Виноград. – М.: Мир, 1976. – 296 с.

26. Винцюк Т.К. Анализ, распознование и интерпретация речевых сигналов / Т.К. Винцюк. – К.: Наук. думка, 1987. – 264 с.

27. Волков А. М. Классификация способов извлечения опыта экспертов / А.М. Волков, В.С. Ломнев // Известия АН СССР. Техническая кибернетика. – 1989. – № 5. – С. 34–45.

28. Вольфенгаген В. Э. Система представления знаний с использованием семантических сетей / В.Э. Вольфенгаген, О.В. Воскресенская,

249

Ю.Г. Горбанев // Вопросы кибернетики: Интеллектуальные банки данных. – М.: АН СССР, 1979. – С. 49–69.

29. Гаврилова Т. А. Представление знаний в экспертной диагностической системе АВТАНТЕСТ / Т.А. Гаврилова // Изв. АН СССР. Техническая кибернетика. – 1984. – № 5. – С. 165–173.

30. Гаврилова Т. А. От поля знаний к базе знаний через формализацию / Т.А. Гаврилова // Журнал “Представление знаний в экспертных системах”. – Л.: ЛИМАН, 1989. – С. 16–24.

31. Гаврилова Т.А. Объектно-структурная методология концептуального анализа знаний и технология автоматизированного проектирования баз знаний / Т.А. Гаврилова // Труды Междунар. конф. “Знания – диалог–решение 95”. – 1995. – Т. 1. – С. 9.

32. Гаврилова Т.А. О концептуальном анализе знаний при разработке экспертных систем / Т.А. Гаврилова, М.Р. Красовская // Доклад на Всесоюзной научно-практической конференции “Гибридные интеллектуальные системы”. – Ростов, 1991. – С. 110–113.

33. Гаврилова Т.А. Экспертные системы для оценки качества деятельности летного состава / Т.А. Гаврилова, С.П. Минкова, Г.С. Карапетян // Тез. докладов научно-практической школы-семинара “Программное обеспечение и индустриальная технология интеллектуализации разработки и применения ЭВМ”. – Ростов, 1988: ВНИИПС. – С. 23–25.

34. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. –СПб.: Питер, 2001. – 384 с.

35. Гаврилова Т. А. Извлечение и структурирование знаний для экспертных систем / Т.А. Гаврилова, К.Р. Червинская. – М.: Радио и связь, 1992. – 200 с.

36. Гаврилова Т.А. Формирование поля знаний на примере психодиагностики / Т.А. Гаврилова, К.Р. Червинская, А.М. Яшин // Техническая кибернетика. – 1988. – № 5. – С. 72–85.

37. Георгиев В. О. Модели представления знаний предметных областей диалоговых систем / В.О. Георгиев // Изв. АН СССР. Техническая Кибернетика. – 1991 – № 5.– С. 3–23.

38. Гиг Дж. Прикладная общая теория систем / Дж. Гиг // В 2-х кн. – М.: Мир, 1981. – 773 с.

39. Глибовець М.М. Штучний інтелект / М.М. Глибовець, О.В. Олецький. – К.: КМ Академія, 2002. – 366 с.

40. Даревич Р.Р. Застосування інформаційних технологій для координації наукових досліджень // Р.Р. Даревич, Д.Г. Досин, В.В. Литвин, Л.С. Мельничок. – Львів: “СПОЛОМ”, 2008. – 240 с.

250