Статья

Название статьи МЕТОД СОЗДАНИЯ ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ НА ОСНОВЕ ГЛОССАРИЯ
Автор Ю.А. Кравченко, А.А. Новиков, В.В. Марков
Рубрика РАЗДЕЛ IV. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И НЕЧЕТКИЕ СИСТЕМЫ
Месяц, год 06, 2015
Индекс УДК 002.53:004.89
DOI
Аннотация Рассмотрена разработка метода для создания онтологии предметной области из одного или нескольких глоссариев. Особенностью данного метода является параллельное построение онтологии и формирование полной терминологии предметной области. Метод позволяет определить основные этапы построения онтологии предметной области на основе итерационного отражения понятий глоссария в объектах онтологии. Данный процесс максимально автоматизирован, но на начальных этапах построения он должен вручную корректироваться разработчиками онтологии при помощи экспертов в данной предметной области. На этапе кластеризации термины глоссария группируются в кластеры на основе алгоритма кластеризации k-средних. Множество элементов глоссария разбивается на заранее известное количество кластеров k. Алгоритм заканчивает свою работу, когда кластеры больше не изменяются. Затем происходит добавление новых (неописанных в глоссарии) терминов и их определений. Для каждого кластера определяются отношения между всеми объектами, входящими в него. Предоставляется неформальное описание значения и особенности для каждой связи. На основе этих связей осуществляется поиск понятий, которые можно было бы выделить в подклассы кластера, в котором они находятся, и их группировка. Затем строится концептуальная модель онтологии, которая является обобщением представлений о данных. Результатом является отображение полученной онтологии в графическом виде посредством использования различных редакторов онтологий, например: Ontolingua, OntoEdit, OilEd, WebOnto, ODE, Protégé. Конечная онтология отражает в себе понятия с указанием точного определения и является законченной по отношению к конкретной предметной области.

Скачать в PDF

Ключевые слова Онтология предметной области; кластеризация; классификация; системы представления знаний.
Библиографический список 1. Gruber T.R. A Translation Approach to Portable Ontology Specifications // Knowledge Acquisition. – 1993. – № 5 (2). – P. 199-220.
2. Кравченко Ю.А., Запорожец Д.Ю., Лежебоков А.А. Способы интеллектуального анализа данных в сложных системах // Известия КБНЦ РАН. – 2012. – № 3 (47). – С. 52-57.
3. Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Системы управления знаниями (методы и технологии) / Под общ. ред. В.З. Ямпольского. – Томск: Изд-во НТЛ, 2005. – 260 с.
4. Kravchenko Yu.A., Kureichik V.V. Knowledge management based on multi-agent simulation in informational systems // Conference proceedings. 8th IEEE International Conference “Application of Information and Communication Technologies – AICT 2014”. 15-17 October 2014, Astana, Kazakhstan. – P. 264-267.
5. Башмаков А.И., Башмаков И.А. Интеллектуальные информационные технологии: Учеб. пособие. − М.: МГТУ им. Н.Э. Баумана, 2005. − 304 с.
6. Kureichik V.M., Rodzin S.I. Evolutionary algorithms: genetic programming // Journal of Computer and Systems Sciences International. – 2002. – Vol. 41, № 1. – P. 123-132.
7. Курейчик В.В., Сороколетов П.В. Концептуальная модель представления решений в генетических алгоритмах // Известия ЮФУ. Технические науки. –2008. – № 9 (86). – С. 7-12.
8. Интеллектуальный анализ данных. Алгоритм кластеризации k-means. URL: http://intellect-tver.ru/?p=265 (дата обращения: 14.05.2015).
9. Курейчик В.М. Особенности построения систем поддержки принятия решений // Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 92-98.
10. Кравченко Ю.А., Бова В.В. Нечеткое моделирование разнородных знаний в интеллектуальных обучающих системах // Открытое образование. – 2013. – № 4 (99). – С. 70-74.
11. Искусственный интеллект. Методы классификации. URL: http://www.aiportal.ru/articles/autoclassification/methods-class.html (дата обращения: 14.05.2015).
12. Курейчик В.М. Особенности построения систем поддержки принятия решений // Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 92-98.
13. Бова В.В., Курейчик В.В., Нужнов Е.В. Проблемы представления знаний в интегрированных системах поддержки управленческих решений // Известия ЮФУ. Технические науки. –2010. – № 7 (108). – С. 107-113.
14. Курейчик В.В., Родзин С.И. О правилах представления решений в эволюционных алгоритмах // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 13-21.
15. OntoEdit: Collaborative ontology development for the Semantic Web. Y. Sure, M. Erdmann, J. Angele, S. Staab, R. Studer, D. Wenke // In Proc. of the Inter. Semantic Web Conference (ISWC 2002), Sardinia, Italia, June 2002.
16. ODE, WebODE [Электронный ресурс] URL: delicias.dia.fi.upm.es/webODE/ (дата обращения: 14.05.2015).
17. Ontolingua [Электронный ресурс] URL: http://www.ksl.stanford.edu/software/ontolingua/ (дата обращения: 14.05.2015).
18. Protege. [Электронный ресурс]. URL: protege.stanford.edu/download/registered.html (дата обращения: 14.05.2015).
19. WebOnto [Электронный ресурс]. URL: http://webonto.open.ac.uk (дата обращения: 14.05.2015).
20. Noy N., Musen M. The PROMPT Suite: Interactive Tools For Ontology Merging And Mapping // Stanford Medical Informatics, Stanford Univ.

Comments are closed.