Страница 120

Страница 120: Базы знаний интеллектуальных систем, Автор неизвестен, 2001 читать онлайн, скачать pdf, djvu, fb2 скачать на телефон Учебник для технических вузов по входящим в различные дисциплины вопросам разработки интеллектуальных систем

Концепт

Employee

Ссылочные атрибуты

Переменные

Е, Р

Определение

……………………..

Forall (E, P) Employs (E) and

Head-Of-Project (E, P) =>

Works-At-Project(E, P)

………………………………..

Таблица 8.8.

Фрагмент таблицы экземпляров

Экземпляр

Атрибут

Значение

GomezPerez

………………

Full Name

First Name

Last Name

E-Mail

………………..

«Asuncion GomezPerez»

«Asuncion»

«Gomez-Perez»

«[email protected]»

……………………………..

Как показывает анализ приведенных выше процедур, выполняемых при создании онтологии в подходе METHONTOLOGY, все они хорошо коррелируют с теми стадиями, которые выделены и используются при построении баз знаний. И это не случайное совпадение, а закономерность, связанная с тем, что онтология — это, по существу, БЗ специального вида. Поэтому, как и в случае построения баз знаний, здесь используется концепция быстрого прототипирования, а специфика проявляется в тех конкретных процессах, которые реализуют рассмотренные выше процедуры. При этом:

• планирование выполняется до начала собственно разработки;

• контроль и гарантии качества осуществляются в процессе разработки;

• большая часть операций по накоплению знаний и их оценке выполняется на стадии концептуализации для того, чтобы предотвратить распространение ошибок на фазу реализации;

• интеграция не должна рассматриваться как интеграция на стадии реализации. Напротив, она выполняется в процессе разработки.

8.2.4. Примеры онтологии

В настоящее время исследования в области онтологии и онтологических систем являются «горячими точками» не только в ИИ, но и в работах по интеллектуализации информационного поиска, в первую очередь, в среде Интернет; в работах по мультиагентным системам; в проектах по автоматическому «извлечению» знаний из текстов на естественном языке; в проектах, ведущихся в смежных областях.

При этом разные авторы вводят различные типизации онтологии [Gruber, 1995; Guarino, 1996], суммируя которые можно выделить классификации по:

• степени зависимости от конкретной задачи или предметной области;

• уровню детализации аксиоматизации;

• «природе» предметной области и т. д.

Дополнительно к этим измерениям можно ввести и классификации, связанные с разработкой, реализацией и сопровождением онтологии, но такая типизация более уместна при обсуждении вопросов реализации онтологических систем.

По степени зависимости от конкретной задачи или предметной области обычно различают:

• онтологии верхнего уровня;

• онтологии, ориентированные на предметную область;

• онтологии, ориентированные на конкретную задачу;

• прикладные онтологии.

Онтологии верхнего уровня описывают очень общие концепты, такие как пространство, время, материя, объект, событие, действие и т. д., которые независимы от конкретной проблемы или области. Поэтому представляется разумным, по крайней мере в теории, унифицировать их для больших сообществ пользователей.

Примером такой общей онтологиии является CYC® [Lenat, 1995]. Одноименный проект — CYC® — ориентирован на создание мультиконтекстной базы знаний и специальной машины вывода, разрабатываемой Сусогр. Основная цель этого гигантского проекта — построить базу знаний всех общих понятий (начиная с таких, как время, сущность и т. д.), включающую семантическую структуру терминов, связей между ними и аксиом. Предполагается, что такая база знаний может быть доступна разнообразным программным средствам, работающим со знаниями, и будет играть роль базы «начальных знаний». В онтологии, по некоторым данным, уже представлены 106 концептов и 105 аксиом. Для представления знаний в рамках этого проекта разработан специальный язык CYCL.

Другим примером онтологии верхнего уровня является онтология системы Gene-railized Upper Model [Braetman et al., 1994], ориентированная на поддержку процессов обработки естественного языка: английского, немецкого и итальянского. Уровень абстракции этой онтологии находится между лексическими и концептуальными знаниями, что определяется требованиями упрощения интерфейсов с лингвистическими ресурсами. Модель Generalized Upper Model включает таксономию, организованную в виде иерархии концептов (около 250 понятий) и отдельной иерархии связей. Фрагмент системы понятий этой онтологии приведен на рис. 8.10.

Базы знаний интеллектуальных систем

Базы знаний интеллектуальных систем

Обсуждение Базы знаний интеллектуальных систем

Комментарии, рецензии и отзывы

Страница 120: Базы знаний интеллектуальных систем, Автор неизвестен, 2001 читать онлайн, скачать pdf, djvu, fb2 скачать на телефон Учебник для технических вузов по входящим в различные дисциплины вопросам разработки интеллектуальных систем