Przegląd istniejących technik łączenia oraz odwzorowywania
3.5 Opis istniejących algorytmów łączenia oraz odwzorowy- odwzorowy-wania ontologii podobnychodwzorowy-wania ontologii podobnych
3.5.2 Dynamiczne tworzenie powiązań pomiędzy ontologiami
Rozwiązaniem alternatywnym wobec idei metaontologii jest możliwość dynamicznego generowania odwzorowań między dwiema ontologiami, czyli tworzenie powiązań między klasami, bytami oraz relacjami różnych ontologii. W wyniku tej operacji powstaje transformata umożliwiająca prze-kształcenie jednej ontologii w drugą lub nowa ontologia będąca złączeniem ontologii wejściowych.
Tą ścieżką podąża wiele zespołów badawczych.
Hovy [75] zaproponował zbiór algorytmów heurystycznych opierających się głównie na wyszuki-waniu podobieństw lingwistycznych miedzy konceptami oraz analizie leksykalnej opisów konceptów w języku naturalnym. Algorytm mapowania przebiega następująco:
1. Rozdzielenie składowych nazw elementów ontologii, 2. Porównywanie składowych nazw elementów ontologii,
3. Porównywanie liczby i podobieństwa słów wspólnych w opisach elementów ontologii w języku naturalnym.
Wynikiem działania tego algorytmu są sugerowane powiązania pomiędzy ontologiami, które na-stępnie muszą zostać skorygowane i zatwierdzone przez człowieka.
Rozwiązaniem analizującym również strukturę ontologii zapisanych w języku OWL jest to za-prezentowane przez Euzenat i Volchev [53]. W tej propozycji miara rozwiązania jest średnią ważoną pomiędzy podobieństwami takich elementów definicji konceptu, jak typ, czy etykieta konceptu, dziedzina, zakres oraz ograniczenia właściwości, taksonomia itp.
Innym możliwym podejściem jest to reprezentowane przez GLUE [47]. System ten do po-szukiwania odwzorowań stosuje techniki uczenia się maszyn. Rożne algorytmy uczące analizują informacje zawarte w instancjach konceptów oraz w taksonomii ontologii. Wyniki te są następnie scalane za pomocą technik probabilistycznych. System ten najlepiej sprawuje się dla ontologii po-siadających dużą liczbę instancji oraz gdy atrybuty wypełnione są tekstowymi etykietami, a nie odnośnikami do innych instancji.
Połączenie wielu reguł podobieństwa zaproponowali Ehrig i Sure [48]. Tezą ich pracy jest stwierdzenie, iż zestawienie wielu, wprowadzonych ręcznie przez człowieka, reguł podobieństwa konceptów da lepsze odwzorowanie jednej ontologii w drugą, niż zastosowanie prostych warun-ków. Rozwiązanie to zapewnia praktycznie automatyczne odwzorowanie oraz łączenie ontologii na podstawie jednorazowo wprowadzonego przez ekspertów zestawu reguł.
3.5 Opis istniejących algorytmów łączenia oraz odwzorowywania ontologii . . . 25
Goczyła i Grabowska [66] zaproponowali wydajny algorytm integracji ontologii zapisanych me-todą kartograficznej reprezentacji wiedzy (ang. knowledge cartography) [67, 68]. Metoda ta zakłada podział ontologii na regiony będące fragmentami nie mającymi elementów wspólnych w obrębie jed-nej ontologii. W trakcie integracji wiedzy rozważa się jakie jest prawdopodobieństwo występowania elementu w określonym regionie jednej i określonym regionie drugiej integrowanej ontologii. Pro-ponowany algorytm zakłada jednak określoność stosowanej terminologii. W przeciwnym wypadku komputer nie jest w stanie automatycznie wyznaczyć „regionów niespełnialnych” w utworzonej ontologii. Alternatywą jest rozszerzenie ontologii o tzw. „współczynnik spełnialności” oznaczający wartość prawdopodobieństwa występowania osobników w wskazanym regionie. Wymagany jest też zapis ontologii w określonej postaci, jaką jest postać kartograficzna.
Noy i Musen opracowali algorytm i narzędzie o wspólnej nazwie PROMPT [113]. Opracowany algorytm jest mechanizmem półautomatycznym – prowadzi użytkownika poprzez proces integracji wiedzy. W pierwszej kolejności generowane są sugestie powiązań bazujące na nazwach klas. Na podstawie akcji użytkownika, akceptującego lub modyfikującego sugerowane powiązania, algorytm generuje kolejne podpowiedzi uwzględniając już zgromadzoną wiedzę wynikającą z działań użyt-kownika. Działanie algorytmu porównano z pracą ekspertów. Badania wykazują dużą skuteczność metody – wg badań przeprowadzonych przez autorów eksperci w 90% przypadków podążali za sugestiami algorytmu, a w 75% przypadków zaakceptowali sugerowane przez PROMPT rozwiąza-nia sytuacji konfliktowych. Łącznie eksperci w 74% podążali za działarozwiąza-niami algorytmu, a jedynie w pozostałych 26% nie zgadzali się z nim. Niestety pomimo swojej dużej skuteczności oraz nie-zależności od formalizmów, na jakich oparte są integrowane ontologie, algorytm do poprawnego działania wymaga udziału człowieka, gdyż dopiero na podstawie jego akcji może podjąć kolejne decyzje co do kształtu integrowanej ontologii.
Innym rozwiązaniem półautomatycznym wspierającym prace człowieka jest Chimaera [101]. Na podstawie analizy leksykalnej etykiet, synonimów czy akronimów konceptów narzędzie to pozwala na zasugerowanie podobnych do siebie elementów upraszczając proces integracji wiedzy. Narzędzie to, podobnie jak PROMPT, niestety nie umożliwia automatycznego procesu łączenia ontologii.
Ze względu na rosnącą liczbę powstających ontologii badania na polu ich łączenia i odwzo-rowywania są aktywnie prowadzone przez wiele zespołów. Powyżej przedstawiono jedynie kilka reprezentatywnych podejść. Pomimo dużej ich różnorodności, istniejące obecnie rozwiązania są niewystarczające. Wiele algorytmów rozważa podobieństwo leksykalne, a pomija semantyczną zbieżność konceptów. Brakuje również algorytmów prostych i wydajnych na tyle, by mogły być z powodzeniem zastosowane przez różnego rodzaju systemy komputerowe dla dowolnej pary on-tologii. Część rozwiązań przyjmuje, że to człowiekowi pozostaje ostateczna decyzja o kształcie odwzorowania, co przeczy idei automatyzacji procesu. Inne skupiają się na formalnym zapisie ontologii pomijając w ten sposób bogactwo form wyrażania tej samej idei dostępnych w języku na-turalnym. Część opracowanych rozwiązań obejmuje jednak leksykalny aspekt łączonych ontologii.
Stanowią one doskonałą podstawę do dalszych badań. Niestety złożoność i różnorodność języka naturalnego, stosowanego do opisu poszczególnych elementów ontologii, pozostaje nadal nieroz-wiązanym problemem, zwłaszcza gdy przystępujemy do analizy rozwiązań utworzonych w dwu lub więcej językach. W przypadku ontologii monolingwistycznych rozwiązania takie jak WordNet pozwalają na sprawne określanie relacji między zastosowanymi opisami konceptów.
26 Przegląd istniejących technik łączenia oraz odwzorowywania ontologii . . .