Ontologiczne modelowanie wiedzy

Model ontologiczny jest specyfikacją pojęć, cech i relacji międzynimi, funkcjonu­ jących w modelowanej dziedzinie. Dostarcza on słownika i upowszechnia znaczenie terminologii stosowanej w danej dziedzinie. Ontologie tworzone na bazie ustalonej

Analiza ontologiczna 59

terminologii stanowią ramy, umożliwiające uzgodnionąinterpretację znaczenia obiek­

tów, występujących w danej dziedzinie.

Modelowanie wiedzy polega najej reprezentacji w celu zachowaniajej, przekazy­ wania lub dokonywania zewnętrznych manipulacji. Automatyzacja manipulacji ze­ wnętrznych prowadzi do projektowaniaitworzenia systemów zarządzania wiedzą, tzn.

systemów, których funkcjonowanie polega na symbolicznych manipulacjach realizo­

wanych przez modele formalne na elementach wiedzy w celu przeprowadzenia sen­ sownych operacji.

Tworzenie reprezentacji wiedzy wywołujeproblem wyboru formy, czyli formalnej reprezentacji,pozwalającej na opis semantyki dotyczącej elementówwiedzy. Jeden ze sposobów, stosowany od lat osiemdziesiątych ubiegłego wieku, odwołuje się do kon­

cepcji ontologii. Ontologie są tym elementem modelu wiedzy, który odzwierciedla semantykę pojęć podstawowych stosowanych do tworzenia formalnych twierdzeń dotyczących danejdziedziny zastosowań.

Ontologie są stosunkowo nowądziedziną, stanowią potężnenarzędziekonceptual­

ne, służące modelowaniu wiedzy. Stwarzają spójną i uporządkowaną w postaci słow­ nika pojęć podstawę tworzeniaopisówi realizacji procesów komunikacji.

Ludzie, organizacje i systemy komputerowe muszą się komunikować. Jednak ko­

munikacja ta bywa utrudniona z powodu różnych potrzeb i punktów widzenia,przez co założenia dotyczące tych samych zagadnień mogą się znacznie różnić. Specjaliści z różnych dziedzin stosują własne, specjalistyczneżargony, w których zakresy pojęć, struktur i metodzazębiają sięi/lub nie pasują do siebie. Konsekwencjami brakuwspól­ nego rozumienia pojęć są: uboga komunikacja, trudności z identyfikacją wymogów i wynikające z tego ograniczone współdziałanie, niewielkie możliwości powtórnego wykorzystania wypracowanych rozwiązań i ich rozpowszechniania, co prowadzi do marnowaniawysiłków. Istnieje potrzeba ograniczenia lub eliminacji problemówtermi­ nologicznych przez dokonywanie uzgodnień terminologii. Tworzenie i implementacja jawnych wyliczeń uzgodnionych znaczeń (tzn. ontologii) w danej dziedzinie może

udoskonalić komunikację, co z kolei umożliwi wielokrotne wykorzystanie uzyskanych wyników, współdziałanie oraz zmniejszenie zawodności oprogramowania [Uschold, Grunninger 1996, s. 98]. Ontologie są ramą unifikującą różne punktywidzenia i serwi­

sy, stanowiącą podstawę umożliwiającąkomunikację pomiędzy ludźmi, ludźmi i sys­

temami i samymi systemami. Taka ujednolicona podstawa konceptualna powinna funkcjonować jako wspólny, zrozumiały dlawszystkich język.

Ontologie uważane są za narzędzie umożliwiające zwiększenie jednoznaczności;

jedną z ich głównych ról jest likwidacja wieloznaczności przez stworzenie narzędzi semantycznych, słownika konceptualnego, służącego tworzeniu opisów i komuniko­ waniu. Z jednej strony, Ontologie dysponująmożliwościami notacji dla formułowania iujawniania wiedzy, a zdrugiej -stanowią wspólną ramę, którąmogą stosować różni aktorzy. Ontologie mogą reprezentować znaczenie różnych treści wymienianych w systemachinformacyjnych.

Im bardziej rozwijanesą inteligentne systemy informacyjne, tym większą rolę we wnioskowaniu odgrywa ogólna wiedza o rzeczach i ich kategoriach. Dlatego, jeżeli chcemy, aby maszyny funkcjonowały inteligentnie i w sposób zrozumiały, wiedza ta musi być im przekazana.

Do modelowania domeny często stosowanajest Ontologią zaproponowana przez Mario Bungego, która służyć może jako opis określonej dziedziny. Zawiera ona ze­

60 Opis dokumentów elektronicznych. Teoretyczny model i możliwości jego aplikacji

staw zasad i podstawowe struktury wykorzystywane do reprezentowania zjawisk świata rzeczywistego. Ontologiąta zostałanastępnie przystosowana do modelowania systemów informacyjnych przez Yaira Wanda i Rona Webera, jako tzw. Bunge- -Wand-Weber (BWW) model [Wand 1996; Opdahl, Henderson-Sellers, Barbier 2001]. Tę ontologię imodel BWWprzystosowano do potrzebmodelowania obiekto­

wego. Uwzględnia ona podejście systemowe, jest kompletna, formalna i odnosi się do wcześniejszych prac, realizowanych w dziedzinach ontologii i filozofii nauki.

Podstawowymi elementami konstrukcyjnymi ontologii BWW są: rzeczy, związki rzeczy, cechy, klasy, atrybuty, schematy funkcjonalne, stany i prawa. Określona dzie­

dzina zawiera rzeczy, tzn. atomy, zagadnienia, osoby, artefakty i systemy społeczne.

Przykładami nierzeczysą: cechy rzeczy (np. energia), zmiany w nich zachodząceoraz idee rozważane wnich samych. Rzeczy posiadają cechy. Każda rzeczywista cecha jest wykazywana przez conajmniej jedną rzecz. Cechy,należące do więcej niż jednej rze­ czy, są cechami wspólnymi. Nie istnieją dwie rzeczy posiadające dokładnie ten sam zestawcech.

Zasadąontologiczną jestfakt,że każda zmiana wiąże sięz rzeczą,akażda rzecz się zmienia. Każda zmiana dotyczy cech rzeczy. Cechy rzeczy mogą zmieniać się wcza­

sie46. Cechy posiadane przez rzeczy w określonym czasie determinują stan rzeczy.

Jeżeli jedna (lubwięcej) cecha rzeczy zmieni się, tzn. gdy zmieni się jej stan, rzecz podlega zdarzeniu. Sekwencja kolejnychstanów rzeczy nazywana jest historią.

46Ontologią pozwalana zmianę cech wzależności od ramyodniesienia (ang.reference frame),która może być bardziej ogólna niż czas, np. czasoprzestrzenna.

47 ZbiórrzeczyT tworzyklasę wtedy i tylko wtedy, gdy istnieje skończony zbiór cech P posiadanych przez wszystkieelementy zbioru T[Parsons,Wand2000].

Dwie rzeczy tworzą związki (oddziałująna siebie),jeżelihistoria przynajmniej jed­

nej z nich zależyod historii innej rzeczy. Innymisłowy,historia rzeczy nie jest nieza­

leżna od historii innej rzeczy.

Prawa sącechami określającymi inne cechy, które rzecz może lub musi posiadać.

Prawa rzeczy determinują możliwe stany rzeczy i zdarzenia, którym może ona podle­

gać. Mogąonetworzyć prawne relacjepomiędzy innymi cechami rzeczy i są istotne także ztego względu, że rzeczzachowujeich identyfikację tak długo, jak długo działa ona zgodnie z tymi samymi prawami. Innymi słowy, rzecz zaczyna istnieć wraz z ze­ stawem cech praw iprzestajeistnieć, gdy traci jednolub więcej z nich.

Rzeczy posiadające jedną lub więcej cech wspólnych tworzą klasy. Klasa zawiera wszystkie rzeczy i tylko te, które posiadają zestawcechdefiniującychtęklasę47.

Ponieważ prawa są cechami, klasy mogą być definiowane również przez prawa.

Takie bardziej restrykcyjnie zdefiniowane klasy są nazywane rodzajami naturalnymi.

O ile rzeczyw klasiemogą posiadać tylko określone cechy wspólne, rzeczy w rodzaju naturalnym posiadają takżewspólne aspekty zachowań, gdyż mają wspólneprawa.

Dwie rzeczywspółdziałają, jeżeli co najmniej jedna z nichmożewpływać nasta­ ny innej w pewnym czasie. Zdolność dwóch rzeczy do współdziałania jest wspólną cechątych dwóch rzeczy. Bazując na definicji współdziałania, system można okre­ ślić jako mieszankę, składającą się ze współdziałających rzeczy. Skład systemujest zestawem składników systemu. Definiuje to, co znajduje się wewnątrz systemu, na­ tomiast zewnętrzne zdarzenia definiują to, co dzieje się poza systemem i na niego oddziałuje.

Analiza ontologiczna 61 Zasadnicza różnica między modelowaniem ontologicznym a modelowaniem obie­ ktowym polega na odmiennej motywacji. Zadaniem modelowania obiektowego jest zgromadzenie wiedzy odpowiedniej do określonych celów, natomiast celem ontologii jest zgromadzenie faktówlub wiedzyo danej dziedzinie.Dlatego też model obiektowy

zawsze powinienbyć na wyższym poziomie abstrakcji niżOntologie48. Modele obiek­

towe sąobecnie często wizualizowane za pomocą diagramów UML, demonstrujących statyczną strukturę aplikacyjną modelu, różne aspekty zachowań dynamicznych, a także organizację i zarządzanie modułami aplikacyjnymi.

4,1 Nie mamytu na myśli ontologii najwyższego poziomu.

49 OCL(Object Constraint Language) pozwalanawyrażaniewarunkóww sposób formalnie zdefinio­ wany.

Trwają prace nad umożliwieniem przedstawiania ontologii OWLjako modelu UML i na odwrót, prowadzone m.in. przez OMG (http://www.omg.org/), która zapropono­

wała trójelementową specyfikację:

• metamodelMOF (Meta-ObjectFacility -http://www.omg.org/mof/) dlaontologii,

• profil UMLdla ontologii,

• odwzorowanie pomiędzy MOFzUML a OWL.

Można zauważyć, że trzy poziomy UML: poziom metamodelu, OCL49 i przedsta­

wienia graficznego, można porównać do trzech rodzajów informacji, zawartych w ontologiach: terminologicznej (definicje pojęć i relacji), twierdzeń (aksjomaty za­ wierające zasady i informacje o wystąpieniach) i pragmatycznej (różne narzędzia i konstrukcje,służące wspomaganiu reprezentacji i wnioskowania).

Prace prowadzone w OMG zmierzają w kierunku włączenia metadanych i seman­ tyki do modelu UML za pomocą MOF. Ideą związanąz MOF jest stworzenie języka abstrakcyjnego, służącego definiowaniu poziomu metadanych dla modeli.

W pracy Design of Knowledge-Based System with a UML-Based Ontology Model przedstawiono model ontologii dziedziny oparty na UML, ułatwiający projektowanie systemu wiedzy [Wang, Hamilton, Chan 2002]. Projektowanie to składa się z dwóch etapów, w których stosuje się model ontologii, model dziedziny i model systemu (rys. 9). Model ontologii charakteryzuje całą relewantną wiedzę, model dziedziny opi­

suje informację relewantną do systemu tworzonego w dziedzinie, przez co staje się wystąpieniem modelu ontologii. Model systemu jestz kolei wystąpieniem (uszczegó­ łowieniem) modelu dziedzinynapoziomiekonkretnego systemu.

Zewzględuna to, że Ontologie są ustrukturyzowaną wiedząo danej dziedzinie, mogą być uważane za model systemu. Głównyproblem stanowi tu fakt, że modelowanie za­

kłada istnienie zaangażowania funkcjonalnego:modelbędzie zawierał określony pogląd na dziedzinę jako funkcję zamierzonego stosowania modelu. Badacze ontologii nieco bardziej ukierunkowanina filozofię niesąz takiego stanu rzeczy zadowoleni, gdyż wy­ nikałoby z niego, że projektanci takich ontologii raczej skierowali się ku modelowaniu, niżku zachowaniupozycji czystoontologicznych.Twierdzą oni, że to,jakie rzeczy ist­

nieją w rzeczywistości, nie powinno zależeć od tego, do czego nam ta wiedza jestpo­

trzebna. Należy jednak przyznać, że dyskusja taka wydaje się debatą teoretyczną, gdyż Ontologie jako takie są przynajmniej oparte na modelu dziedziny, gdyż nasza wiedza o dowolnej dziedzinie reprezentuje model tejdziedziny. Wiele ontologii jest projektowa­

nych z myślą o konkretnych zadaniach, co wskazujena to, które aspekty rzeczywistości są tak naprawdę identyfikowane. Tym niemniej celemontologii jestuniezależnienie się

62 Opis dokumentów elektronicznych. Teoretyczny model i możliwości Jego aplikacji

od kontekstu tak bardzo, jak to możliwe; znaczenie pojęć zawartych w ontologiach powinno pozostać niezależne od kontekstu,użytkownikaczy stanusystemu.

Rys. 9. Modelontologii wprocesie projektowania systemu [Wang, Hamilton, Chan 2002, s. 2]

Można przedstawić następujące różnice pomiędzy modelami danycha ontologiami:

• Ontologie mogą być uważane za kolejny poziom ewolucyjny w skali wzrastającej złożoności (orazsemantyki) modeli danych. Potrzeba zwiększenia semantyczności jest głównym powodem przejścia od modeli ER do OM, natomiast ontologie po­

zwalają osiągnąć jeszczewiększebogactwosemantyki.

• Głównym ograniczeniem modelowania danych jest jego uproszczony punkt widze­ nia, podczas gdy ontologie mogą integrować różnecechy,np. fizyczne, funkcjonal­ neczybehawioralne, w tym samym modelu.

• Języki ontologii pozwalająna większą ekspresyjnośćdzięki stosowaniu specjalnych podstawowych elementów języka, takich jak wielokrotne hierarchiepodklas, zasa­

dy i aksjomaty oraz integracja metainformacji.

Jak widać, różnice polegają głównie na większej złożoności, skomplikowaniu i sformalizowaniu ontologii w stosunku do technikmodelowania. Można więc sądzić, że ontologiewyznaczająkierunek, w którym ewaluować będzie modelowanie.