ონტოლოგია, როგორც დოქტრინა მთლიანი სამყაროს შესახებ. ძირითადი ონტოლოგიური მოდელები. ონტოლოგიისა და ონტოლოგიური სისტემის მოდელები

დასაწყისი - ონტოლოგია კორპორატიულ სისტემებში. ნაწილი I

ონტოლოგიური სისტემების გამოყენება შესაძლებელია ბიზნეს პრობლემების გადასაჭრელად, ინტელექტუალური სისტემების შესაქმნელად და ცოდნის ინტერნეტში წარმოდგენისთვის. ამ საკითხთან დაკავშირებული ტექნოლოგიების სპექტრი ძალიან ფართოა და მოიცავს მრავალ აგენტურ სისტემებს, ბუნებრივი ენის ტექსტებიდან ცოდნის ავტომატურ ამოღებას, ინფორმაციის მოძიებას, ინტელექტუალურ ანოტაციას, აბსტრაქტების ავტომატურ შედგენას და ა.შ.

სტატიის მეორე ნაწილში მოკლედ განხილულია თეორიული ცნებები, ინსტრუმენტები და გამოყენების პრაქტიკული მაგალითები.

ონტოლოგიის ფორმალური მოდელი

ონტოლოგია შედგება ტერმინებისგან (ცნებები), მათი განმარტებები და ატრიბუტები, ასევე ასოცირებული აქსიომები და დასკვნის წესები.

ფორმალური ონტოლოგიის მოდელი O= არის სასრულ სიმრავლეთა მოწესრიგებული სამეული, სადაც:

• T - აპლიკაციის დომენის პირობები (AbA), რომელიც აღწერილია O ონტოლოგიით;
• R-დამოკიდებულებები მოცემული SbA-ს ტერმინებს შორის;
• F - ონტოლოგიის ტერმინებზე ან/და მიმართულებებზე განსაზღვრული ინტერპრეტაციის ფუნქციები O.

ონტოლოგიური მოდელები კლასიფიცირდება შემდეგნაირად:

• მარტივი (აქვს მხოლოდ ცნებები);
• ჩარჩოებზე დაყრდნობით (მათ აქვთ მხოლოდ ცნებები და თვისებები);
• ლოგიკაზე დაფუძნებული (მაგალითად Ontolingua, DAML+OIL).

ურთიერთობები წარმოადგენს SbA-ს ცნებებს შორის ურთიერთქმედების ტიპს. ორობითი ურთიერთობის მაგალითია "ნაწილი". უნდა აღინიშნოს, რომ ურთიერთობები, რომლებიც მიზანშეწონილია გამოიყენოთ ონტოლოგიის შექმნისას, გაცილებით ნაკლებად მრავალფეროვანია, ვიდრე ტერმინები და, როგორც წესი, არ არის სპეციფიკური კონკრეტული SbA-სთვის ("ნაწილი-მთელი", "ქვეკლასი", " აქვს გავლენა“, „მსგავსია“ და ასე შემდეგ.).

აქსიომები გამოიყენება ყოველთვის ჭეშმარიტი განცხადებების მოდელირებისთვის.

ცნებებს შორის შეიძლება დამყარდეს გარკვეული ტიპის კავშირი. ტერმინების ლექსიკონი კონკრეტული გამოყენების სფეროში, თეზაურუსი თავისი ცნებებით (ცნებებით) და კავშირებით, რომლებიც განსაზღვრავენ ბუნებრივ ენობრივ ტერმინებს, შეიძლება ჩაითვალოს ონტოლოგიად. ინფორმაციის მოპოვების მეთოდები გამოიყენება სიტყვიერად განსაზღვრულ ცნებებსა და შესაბამისი მოთხოვნების ცნებების საძიებლად კავშირის დასამყარებლად. ცნობილი მაგალითებიამ ტიპის ონტოლოგია არის საძიებო სისტემების ინდექსები ინტერნეტში ინფორმაციის მისაღებად.

მეტი აღწერისთვის რთული სისტემებიდანერგვა ისეთი ცნებები, როგორიცაა გაფართოებული ონტოლოგიის მოდელი.

ონტოლოგიების აღწერის ენები

სხვადასხვა ონტოლოგიის განსახორციელებლად აუცილებელია მათი წარმომადგენლობითი ენების შემუშავება, რომლებსაც აქვთ საკმარისი გამომსახველობითი ძალა და საშუალებას მისცემს მომხმარებელს თავიდან აიცილოს „დაბალი დონის“ პრობლემები.

ონტოლოგიის დიზაინის მთავარი პუნქტია ონტოლოგიის სპეციფიკაციის შესაბამისი ენის არჩევა. ასეთი ენების დანიშნულებაა შესაძლებელი გახდეს რესურსების დამატებითი მანქანური ინტერპრეტაციის სემანტიკის დაზუსტება, მონაცემების მანქანური წარმოდგენა უფრო მსგავსი იყოს რეალურ სამყაროში არსებულ მდგომარეობასთან და მნიშვნელოვნად გაზარდოს კონცეპტუალური გამომსახველობითი შესაძლებლობები. თავისუფლად სტრუქტურირებული ვებ მონაცემების მოდელირება.

ცოდნის წარმოდგენისადმი ონტოლოგიური მიდგომის გავრცელებამ ხელი შეუწყო სხვადასხვა ონტოლოგიის წარმომადგენლობითი ენებისა და ინსტრუმენტების შექმნას, რომლებიც შექმნილია მათი რედაქტირებისა და ანალიზისთვის.

არსებობს ტრადიციული ონტოლოგიის სპეციფიკაციის ენები: Ontolingua, CycL, აღწერილ ლოგიკაზე დაფუძნებული ენები (როგორიცაა LOOM), ჩარჩოებზე დაფუძნებული ენები (OKBC, OCML, Flogic).

უახლესი ენები დაფუძნებულია ვებ სტანდარტებზე (XOL, SHOE, UPML). RDF(S), DAML, OIL, OWL შეიქმნა სპეციალურად ონტოლოგიების გაცვლისთვის ინტერნეტის საშუალებით, რაც ქვემოთ იქნება განხილული.

ზოგადად, განსხვავება ტრადიციულ და ვებ ონტოლოგიის სპეციფიკაციის ენებს შორის არის გამოხატვის შესაძლებლობებისაგნის არეალის აღწერა და მექანიზმის ზოგიერთი შესაძლებლობები ლოგიკური დასკვნაამ ენებისთვის. ტიპიური ენის პრიმიტივები დამატებით მოიცავს:

• აგრეგაციის კონსტრუქტები, მრავალი კლასის იერარქია, დასკვნის წესები, აქსიომები;
• მოდულარიზაციის სხვადასხვა ფორმები ონტოლოგიებისა და მათ შორის ურთიერთობის ჩასაწერად;
• ონტოლოგიის მეტა-აღწერის უნარი, რაც სასარგებლოა სხვადასხვა ტიპის ონტოლოგიებს შორის ურთიერთობის დამყარებაში. დღეს ამ ენებიდან ზოგიერთი გახდა ძალიან პოპულარული და ფართოდ გამოიყენება (კერძოდ, საინფორმაციო რესურსების და ინტერნეტ სერვისების აღწერისთვის).

RDF ენა. ინტერნეტ საინფორმაციო რესურსების სემანტიკური ინტერპრეტაციის პროექტის ფარგლებში (Semantic Web) იქნა შემოთავაზებული დოკუმენტის მეტამონაცემების აღწერის სტანდარტი, რესურსების აღწერის ჩარჩო, XML სინტაქსის გამოყენებით.

RDF იყენებს ძირითადი მონაცემთა მოდელს "ობიექტი - ატრიბუტი - მნიშვნელობა"და შეუძლია შეასრულოს უნივერსალური ენის როლი რესურსების სემანტიკისა და მათ შორის ურთიერთობების აღწერისთვის. რესურსები აღწერილია, როგორც მიმართული ეტიკეტირებული გრაფიკი - თითოეულ რესურსს შეიძლება ჰქონდეს თვისებები, რომლებიც, თავის მხრივ, ასევე შეიძლება იყოს რესურსები ან მათი კოლექციები. ყველა RDF ლექსიკა იყენებს ძირითად სტრუქტურას, რომელიც აღწერს რესურსების კლასებს და მათ შორის ურთიერთობის ტიპებს. ეს საშუალებას იძლევა გამოიყენოს ჰეტეროგენული დეცენტრალიზებული ლექსიკონები, რომლებიც შექმნილია მანქანების დამუშავებისთვის სხვადასხვა პრინციპებისა და მეთოდების გამოყენებით. მნიშვნელოვანი თვისებასტანდარტი არის გაფართოება: თქვენ შეგიძლიათ მიუთითოთ წყაროს აღწერილობის სტრუქტურა RDF სქემების ისეთი ჩაშენებული ცნებების გამოყენებით და გაფართოებით, როგორიცაა კლასები, თვისებები, ტიპები, კოლექციები. RDF სქემის მოდელი მოიცავს კლასებისა და თვისებების მემკვიდრეობას.

RDF-მა უკვე მიიღო მხარდაჭერა პროგრამული უზრუნველყოფის მრავალი წამყვანი მწარმოებლისგან. შემუშავებულია მრავალი პროგრამული პროდუქტი, რომელიც საშუალებას გაძლევთ შექმნათ RDF აღწერილობები სხვადასხვა ტიპის სისტემებისთვის. ვარაუდობენ, რომ შესაძლებელია არსებული ინფორმაციის საცავების ინტეგრირება საერთო სემანტიკური აღწერილობის ბაზაში და RDF მონაცემთა ბაზის კონცეფციის ინტეგრირება MPEG ფორმატთან. RDFსქემა არის სტანდარტი, რომელიც შემოთავაზებულია W3C-ის მიერ ონტოლოგიური ცოდნის წარმოსაჩენად. იგი განსაზღვრავს ყველა შესაძლო მოქმედი მონაცემთა სქემის ერთობლიობას. დომენის მოდელები აღწერილია რესურსების, თვისებების და მათი მნიშვნელობების მეშვეობით. RDFS უზრუნველყოფს კარგ ძირითად შესაძლებლობებს დომენის ტიპის ლექსიკონების აღწერისთვის. ერთ-ერთი შეზღუდვა არის აქსიომატური ცოდნის გამოხატვის შეუძლებლობა RDFS-ის გამოყენებით, ანუ მათზე აგებული აქსიომებისა და დასკვნის წესების განსაზღვრა.

DAML + ზეთიარის სემანტიკური მარკირების ენა ვებ რესურსებისთვის, რომელიც აფართოებს RDF და RDF Schema სტანდარტებს უფრო სრულყოფილი მოდელირების პრიმიტივებით. DAML+OIL-ის უახლესი ვერსია უზრუნველყოფს კონსტრუქციების მდიდარ კომპლექტს ონტოლოგიის შესაქმნელად და ინფორმაციის მარკირებისთვის ისე, რომ წაიკითხოს და გაიგოს მანქანა.

პირველი წინადადებები RDFS-ზე დაფუძნებული ონტოლოგიის აღსაწერად იყო DARPA DAML-ONT (DARPA Agent Markup Language) და ევროკომისიის OIL (ონტოლოგიური დასკვნის ფენა). ეს ონტოლოგიის სპეციფიკაციები და გაცვლის სტანდარტები შეიქმნა ცოდნის გაზიარებისა და ცოდნის ინტეგრაციის პროცესის მხარდასაჭერად. ამ წინადადებებზე დაყრდნობით წარმოიშვა ერთობლივი გადაწყვეტა DAML+OIL. DAML+OIL ონტოლოგია შედგება: სათაურებისაგან; კლასის ელემენტები; საკუთრების ელემენტები; შემთხვევები.

ᲑᲣ(Web Ontology Language) არის ენა ონტოლოგიების წარმოსადგენად, რომელიც აფართოებს XML, RDF, RDF Schema და DAML+OIL-ის შესაძლებლობებს. ეს პროექტი გულისხმობს ძლიერი სემანტიკური ანალიზის ძრავის შექმნას. დაგეგმილია DAML+OIL დიზაინის შეზღუდვების მოგვარება.

OWL ონტოლოგიები არის აქსიომებისა და ფაქტების თანმიმდევრობა, ისევე როგორც სხვა ონტოლოგიების ბმულები. ისინი შეიცავს კომპონენტს ავტორის და სხვა დეტალური ინფორმაციის ჩასაწერად, არის ვებ დოკუმენტები და მათი მითითება შესაძლებელია URI-ის საშუალებით.

უკვე ნახსენებ Semantic Web პროექტში შინაარსის „მნიშვნელობის მანქანური დამუშავება“ მაქსიმალურად მკაფიო გახდება დოკუმენტების „სრული მნიშვნელობის“ ინდექსით მარკირების გზით, ონტოლოგიური ტერმინების გამოყენებაზე დაყრდნობით. ამრიგად, ონტოლოგიები განიხილება, როგორც ძირითადი ტექნოლოგია სემანტიკურ ქსელში გამოსაყენებლად (სურათი 1).

ონტოლოგიები მნიშვნელოვან როლს ასრულებენ ვებზე დაფუძნებული ცოდნის დამუშავებისა და ცოდნის გაზიარების ორგანიზებაში. ონტოლოგია, განსაზღვრული, როგორც კონკრეტული დომენების საერთო ფორმალური ცნებები, უზრუნველყოფს თემების საერთო გაგებას, რომლის შესახებაც ადამიანებსაც და აპლიკაციებსაც შეუძლიათ ინფორმაციის გაცვლა. ონტოლოგიები განსხვავდებიან XML სქემებისგან იმით, რომ ისინი წარმოადგენენ ცოდნის წარმოდგენას და არა შეტყობინების ფორმატებს (ვებ სტანდარტების უმეტესობა შედგება შეტყობინების ფორმატებისა და პროტოკოლის სპეციფიკაციების კომბინაციისგან).

ონტოლოგიის დამუშავების ხელსაწყოები

ონტოლოგიის ერთ-ერთი უპირატესობა არის მათთვის ხელსაწყოების პროგრამული უზრუნველყოფის ხელმისაწვდომობა, რომელიც უზრუნველყოფს ონტოლოგიური ანალიზის ზოგადი დომენიდან დამოუკიდებელ მხარდაჭერას. არსებობს ონტოლოგიური ანალიზის მრავალი ინსტრუმენტი, რომელიც მხარს უჭერს სხვადასხვა ფორმატის ონტოლოგიების რედაქტირებას, ვიზუალიზაციას, დოკუმენტაციას, იმპორტს და ექსპორტს, მათ პრეზენტაციას, კომბინაციას და შედარებას.

რედაქტორები

ონტოლინგია.თავად ონტოლოგიის რედაქტორის გარდა, ეს სისტემა შეიცავს Webster-ის ქსელის კომპონენტს, რომელიც შექმნილია ცნებების განსაზღვრისთვის, სერვერს, რომელიც უზრუნველყოფს წვდომას Ontolingua ონტოლოგიაზე OKBC (Open Knowledge Base Connectivity) პროტოკოლით და Chimaera, ინსტრუმენტთა ნაკრები ონტოლოგიების ანალიზისა და კომბინაციისთვის.

პროტეჟეარის თავისუფლად გავრცელებული Java პროგრამა, რომელიც შექმნილია კონკრეტული აპლიკაციის ზონის ონტოლოგიების შესაქმნელად (შექმნისთვის, რედაქტირებისთვის და ნახვისთვის). მასში შედის ონტოლოგიის რედაქტორი, რომელიც საშუალებას გაძლევთ შექმნათ ონტოლოგიები აბსტრაქტული და კონკრეტული კლასებისა და სლოტების იერარქიული სტრუქტურის გაფართოებით. გენერირებული ონტოლოგიაზე დაყრდნობით, Protégé საშუალებას გაძლევთ შექმნათ ცოდნის შეძენის ფორმები კლასებისა და ქვეკლასების ინსტანციების შესატანად.

ინსტრუმენტი მხარს უჭერს OWL ენის გამოყენებას და საშუალებას გაძლევთ შექმნათ HTML დოკუმენტები, რომლებიც აჩვენებენ ონტოლოგიების სტრუქტურას. ვინაიდან იგი იყენებს OKVS ცოდნის წარმოდგენის ჩარჩო მოდელს, ეს საშუალებას აძლევს მას ადაპტირდეს SbA მოდელების რედაქტირებისთვის, რომლებიც წარმოდგენილია არა OWL-ში, არამედ სხვა ფორმატებში (UML, XML, SHOE, DAML+OIL, RDF და RDFS და ა.შ.).

DOEარის მარტივი რედაქტორი, რომელიც მომხმარებელს საშუალებას აძლევს შექმნას ონტოლოგიები. ონტოლოგიის დაზუსტების პროცესი შედგება სამი ეტაპისგან.

პირველ ეტაპზე მომხმარებელი აშენებს ცნებებისა და ურთიერთობების ტაქსონომიას, ნათლად ასახავს თითოეული ელემენტის (კონცეფციის) პოზიციას იერარქიაში. შემდეგ მომხმარებელი მიუთითებს იმაზე, თუ რამდენად არის კონცეფცია სპეციფიკური მისი „მშობლის“ მიმართ და როგორ არის ეს კონცეფცია მსგავსი ან განსხვავებული მისი „ძმებისგან“. მომხმარებელს ასევე შეუძლია დაამატოთ სინონიმები და ენციკლოპედიური განმარტებები მრავალ ენაზე ყველა კონცეფციისთვის.

მეორე ეტაპზე, ორი ტაქსონომია განიხილება სხვადასხვა პერსპექტივიდან. მომხმარებელს შეუძლია გააფართოვოს ისინი ახალი ობიექტებით ან დაამატოთ შეზღუდვები ურთიერთობების სფეროებში.

მესამე ეტაპზე ონტოლოგია შეიძლება ითარგმნოს ცოდნის წარმომადგენლობით ენაზე.

OntoEdit- ინსტრუმენტი, რომელიც უზრუნველყოფს ონტოლოგიის დათვალიერებას, გადამოწმებას და მოდიფიკაციას. იგი მხარს უჭერს OIL და RDFS ონტოლოგიის წარმომადგენლობის ენებს, ასევე შიდა ენა OXML ცოდნის წარმოდგენები XML-ზე დაფუძნებული. Protégé-ს მსგავსად, ეს არის დამოუკიდებელი Java აპლიკაცია, მაგრამ მისი კოდი დახურულია. OntoEdit Free შემოიფარგლება 50 კონცეფციით, 50 ურთიერთობით და 50 მაგალითით.

ზეთოვანი-პროექტის Op-To-Knowledge-ის ფარგლებში შემუშავებული ავტონომიური გრაფიკული ონტოლოგიის რედაქტორი. ის თავისუფლად ნაწილდება GPL საჯარო ლიცენზიით. ინსტრუმენტი იყენებს OIL ენას ონტოლოგიების წარმოსადგენად. OilEd არ უჭერს მხარს კლასის ინსტანციებს.

WebOntoშექმნილია ონტოლოგიების სანახავად, შესაქმნელად და რედაქტირებისთვის. ის იყენებს OCML (ოპერაციული კონცეპტუალური მოდელირების ენას) ონტოლოგიების მოდელირებისთვის. მომხმარებელს შეუძლია შექმნას სხვადასხვა სტრუქტურები, მათ შორის კლასები მრავალჯერადი მემკვიდრეობით. ხელსაწყოს აქვს ნომერი სასარგებლო თვისებები: ურთიერთობების, კლასების და წესების ნახვა, შესაძლებელია რამდენიმე მომხმარებლის ონტოლოგიაზე თანამშრომლობა.

ო.დ.ე.(ონტოლოგიური დიზაინის გარემო) ურთიერთქმედებს მომხმარებლებთან კონცეპტუალურ დონეზე, აძლევს მათ შევსების ცხრილების კომპლექტს (ცნებები, ატრიბუტები, ურთიერთობები) და ავტომატურად წარმოქმნის კოდს LOOM, Ontolingua და FLogic ენებზე. ინსტრუმენტი შეიქმნა WebODE-ში, რომელიც აერთიანებს ყველა ODE სერვისს ერთ არქიტექტურაში, ინახავს მის ონტოლოგიას რელაციურ მონაცემთა ბაზაში.

დახვეწილი ინსტრუმენტები

ეს ინსტრუმენტები საჭიროა არა მხოლოდ ონტოლოგიური ინფორმაციის შეყვანისა და რედაქტირებისთვის, არამედ მისი ანალიზისთვის, ონტოლოგიაზე ტიპიური ოპერაციების შესასრულებლად, მაგალითად:

• ნიველირება(განლაგება) - ორ ონტოლოგიას შორის სხვადასხვა ტიპის კორესპონდენციის დადგენა, რათა მათ შეძლონ ერთმანეთის ინფორმაციის გამოყენება;
• ჩვენება(დასახვა) - სხვადასხვა ონტოლოგიის მსგავს ელემენტებს შორის სემანტიკური კავშირების მოძიება;
• კავშირი(შერწყმა) არის ოპერაცია, რომელიც ორ ონტოლოგიაზე დაყრდნობით წარმოქმნის მესამეს, რომელიც აერთიანებს ინფორმაციას პირველი ორიდან.

ᲡᲬᲠᲐᲤᲘემსახურება ონტოლოგიების გაერთიანებას და დაჯგუფებას. ეს არის Protégé სისტემის დამატება, დანერგილი როგორც მოდული. ორი ონტოლოგიის გათვალისწინებით, რომლებიც უნდა გაერთიანდეს, PROMPT აშენებს ოპერაციების სიას (მაგალითად, აერთიანებს ტერმინებს ან კოპირებს ახალ ონტოლოგიაში) და გადასცემს მას მომხმარებელს, რომელსაც შეუძლია შეასრულოს ერთ-ერთი შემოთავაზებული ოპერაცია. შემდეგ ოპერაციების სია იცვლება, რათა შეიქმნას კონფლიქტების სია და მათი შესაძლო გადაწყვეტილებები. ეს მეორდება მანამ, სანამ ახალი ონტოლოგია მზად იქნება.

ქიმერაარის ონტოლოგიის კომბინირების ინტერაქტიული ინსტრუმენტი, რომელიც დაფუძნებულია Ontolingua ონტოლოგიის რედაქტორზე.

IN OntoMergeორიგინალური ონტოლოგიები ითარგმნება ზოგად წარმოდგენაში სპეციალურ ენაზე.

OntoMorphგანსაზღვრავს ტრანსფორმაციის ოპერატორების ერთობლიობას, რომელიც შეიძლება გამოყენებულ იქნას ონტოლოგიაში.

დამკვირვებელიაერთიანებს ონტოლოგიებს მათ შორის რუკის ინფორმაციას და პოულობს სინონიმებს წყაროს ონტოლოგიაში.

ᲮᲐᲮᲕᲘეფუძნება ონტოლოგიურ ალგებრას და იძლევა ინსტრუმენტებს ონტოლოგიას შორის არტიკულაციის (დაკავშირების) წესების განსაზღვრისათვის.

ონტოლოგიების შექმნის მეთოდოლოგია

ონტოლოგიის პრაქტიკული განვითარება მოიცავს:

• კლასების განსაზღვრა ონტოლოგიაში;
• კლასების მოწყობა ტაქსონომიურ იერარქიაში (ქვეკლასი - სუპერკლასი);
• სლოტების განსაზღვრა და ამ სლოტების დაშვებული მნიშვნელობების აღწერა;
• ინსტანციის სლოტის მნიშვნელობების შევსება.

ამის შემდეგ შეგიძლიათ შექმნათ ცოდნის ბაზა ამ კლასების ცალკეული შემთხვევების განსაზღვრით, მნიშვნელობის კონკრეტულ სლოტში შეყვანით და დამატებითი შეზღუდვების მიწოდებით სლოტისთვის.

მოდით გამოვყოთ ონტოლოგიის განვითარების რამდენიმე ფუნდამენტური წესი. ისინი საკმაოდ კატეგორიულად გამოიყურებიან, მაგრამ ხშირ შემთხვევაში ისინი დაეხმარებიან სწორი დიზაინის გადაწყვეტილებების მიღებას.

• არ არსებობს ერთი სწორი გზა პრობლემის დომენის მოდელირებისთვის - ყოველთვის არის სიცოცხლისუნარიანი ალტერნატივები. საუკეთესო გამოსავალი თითქმის ყოველთვის დამოკიდებულია განზრახ აპლიკაციასა და მოსალოდნელ გაფართოებებზე.
• ონტოლოგიის განვითარება აუცილებლად განმეორებადი პროცესია.
• ონტოლოგიაში ცნებები ახლოს უნდა იყოს ობიექტებთან (ფიზიკურთან ან ლოგიკურთან) და ინტერესებთან მიმართებაში. სავარაუდოდ, ეს არის არსებითი სახელები (ობიექტები) ან ზმნები (კავშირები) წინადადებებში, რომლებიც აღწერს საგნის არეალს.

იმის ცოდნა, თუ რისთვის არის განკუთვნილი ონტოლოგია გამოსაყენებლად და რამდენად დეტალური ან ზოგადი იქნება ის, შეიძლება გავლენა იქონიოს მრავალი მოდელირების გადაწყვეტილებაზე.

აუცილებელია განისაზღვროს, რომელი ალტერნატივა დაეხმარება პრობლემის უკეთ გადაჭრას და იქნება უფრო ვიზუალური, უფრო გაფართოებული და ადვილი შესანარჩუნებელი. უნდა გვახსოვდეს, რომ ონტოლოგია არის რეალური სამყაროს მოდელი და ონტოლოგიაში არსებული ცნებები უნდა ასახავდეს ამ რეალობას.

ონტოლოგიის საწყისი ვერსიის განსაზღვრის შემდეგ, ჩვენ შეგვიძლია შევაფასოთ და გავმართოთ ის ზოგიერთ აპლიკაციაში მისი გამოყენებით და/ან დომენის ექსპერტებთან განხილვით. შედეგად, საწყისი ონტოლოგია სავარაუდოდ გადაიხედება. და ეს განმეორებითი დიზაინის პროცესი გაგრძელდება ონტოლოგიის მთელი სასიცოცხლო ციკლის განმავლობაში.

არსებული ონტოლოგიების ხელახალი გამოყენება შეიძლება საჭირო გახდეს, თუ სისტემას სჭირდება სხვა აპლიკაციებთან ურთიერთქმედება, რომლებიც უკვე შედის ცალკეულ ონტოლოგიაში ან კონტროლირებად ლექსიკონებში. ბევრი სასარგებლო ონტოლოგია უკვე ხელმისაწვდომია ელექტრონულად და მათი იმპორტირება შესაძლებელია. არსებობს მრავალჯერადი გამოყენების ონტოლოგიების ბიბლიოთეკები, როგორიცაა Ontolingua ან DAML. ასევე არსებობს რამდენიმე საჯაროდ ხელმისაწვდომი კომერციული ონტოლოგია, როგორიცაა UNSPSC, RosettaNet, DMOZ.

ორგანიზაციული ონტოლოგიები და ცოდნის პორტალები

იმისდა მიუხედავად, რომ უკვე შემუშავებულია მრავალი ონტოლოგია, რომელიც ასახავს ცოდნას მრავალფეროვანი ობიექტების შესახებ, ეკონომიკური საქმიანობის კონკრეტული საგნების აღწერისას აუცილებელია მათი სპეციფიკის გათვალისწინება და შესაბამის ონტოლოგიურ მოდელებში შეყვანა.

ეკონომიკური სუბიექტების შესახებ ცოდნის ონტოლოგიური წარმოდგენა, რომლებიც სისტემის ნაწილია, შეიძლება გამოყენებულ იქნას მათი საინფორმაციო რესურსების ერთ საინფორმაციო სივრცეში გაერთიანებისთვის (ნახ. 2).

საწარმოს ონტოლოგია შეიცავს ცნებების კლასებს მათთვის მინიჭებული სემანტიკური ურთიერთობებით. იგი შედგება კომპლექტისგან ტექნოლოგიური ონტოლოგიები და ორგანიზაციული ონტოლოგიასაწარმოს ორგანიზაციული და ფუნქციონალური სტრუქტურის ამსახველი: შემადგენლობა საშტატო მაგიდა(თანამშრომლები, ადმინისტრაცია, მომსახურე პერსონალი), პარტნიორები, რესურსები და ა.შ. და მათ შორის ურთიერთობა. ტექნოლოგიური ონტოლოგია შეიცავს ცნებებს, რომლებიც აღწერს წარმოების პროცესებს. ზოგადი ცოდნა იმ სფეროს შესახებ, რომელსაც ეკონომიკური სუბიექტები განეკუთვნებიან ინდუსტრიის ონტოლოგია.

განვითარებული ონტოლოგია საშუალებას მისცემს იმავე ინდუსტრიის ან კორპორაციის თანამშრომლებს გამოიყენონ საერთო ტერმინოლოგია და თავიდან აიცილონ ურთიერთგაგება, რამაც შეიძლება გაართულოს თანამშრომლობა და გამოიწვიოს სერიოზული დანაკარგები (მაგალითად, ორგანიზაციული ონტოლოგია ნათლად ასახავს ორმხრივ იერარქიას და კავშირებს საწარმოს განყოფილებებს შორის. ასევე, მათი კომპეტენციის სფეროები და გარკვეული მარეგულირებელი დოკუმენტების ბმულები მოლაპარაკებების იმავე საფუძველს იძლევა). ისინი უზრუნველყოფენ სამუშაოს სტრუქტურირებულ მონაცემთა წყაროებთან, რომლებისთვისაც შესაძლებელია მონაცემთა სქემის აგება, ანუ აღწერილია მონაცემთა ტიპები და მათ შორის ურთიერთობები და არსებობს ინდივიდუალური მონაცემთა ელემენტების მოპოვების ფორმალური გზა. სტრუქტურირებული მონაცემთა წყაროების მაგალითები მოიცავს სხვადასხვა მონაცემთა ბაზებს (მაგალითად, რელატიურ და ობიექტურ), ასევე თავისუფლად სტრუქტურირებულ რესურსებს, რომლებიც აღწერილია XML, RDF, OWL, DAML+OIL ფორმატებში.

როგორც ონტოლოგიური ტექნოლოგიების მოდელების პრაქტიკული გამოყენების მაგალითს, ჩვენ მივცემთ ONTOLOGIC სისტემას, რომელიც შექმნილია ნორმატიული და საცნობარო ინფორმაციის (RNI) განაწილებული სისტემების შესაქმნელად და მხარდასაჭერად, ლექსიკონების, საცნობარო წიგნებისა და კლასიფიკატორების შესანახად და აღრიცხვის ობიექტების კოდირების სისტემის მხარდასაჭერად. (იხ. სურ. 3).

სისტემის საფუძველია მუდმივი, რეალურ დროში ურთიერთქმედების ტექნოლოგიური გარემო მომხმარებლებს შორის: ინფორმაციის მომხმარებელთა (სერვისებისა და ფუნქციური განყოფილებების თანამშრომლები) და ექსპერტები, რომლებიც პასუხისმგებელნი არიან მარეგულირებელი და საცნობარო ინფორმაციის შენარჩუნებაზე.

საცნობარო მონაცემთა სისტემებში ობიექტების ცალსახა იდენტიფიკაციისა და კლასიფიკაციის უზრუნველსაყოფად, შემუშავებულია მეთოდოლოგია, რომელიც იყენებს ონტოლოგიურ მოდელს კლასიფიცირებული მონაცემების ფორმალური აღწერისთვის, რომელიც უზრუნველყოფს კლასიფიკაციის ობიექტების ძირითადი თვისებების იდენტიფიკაციას და კლასიფიკაციის კოდის აგებას. მათ. კლასები (ერთგვაროვანი პროდუქტების ჯგუფები) იდენტიფიცირებულია ტექნიკური და სამომხმარებლო მახასიათებლების ნაკრების ჰომოგენურობის პრინციპის მიხედვით და თითოეული მასალისთვის იქმნება კლასიფიკაციის კოდი, მათ შორის კლასის კოდი და ყველა თვისების კოდი და მათი მნიშვნელობები. მოცემული მასალა.

ონტოლოგია უზრუნველყოფს ნებისმიერი რაოდენობის ინფორმაციის თანმიმდევრულ დაგროვებას სტანდარტული კლასიფიკაციის სტრუქტურაში. ეს მიდგომა უზრუნველყოფს რესურსების ცალსახა იდენტიფიკაციას, მიუხედავად იმისა სხვადასხვა ინტერპრეტაციებიმათი სახელები სხვადასხვა მწარმოებლის მიერ.

ეს ტექნოლოგია ითვალისწინებს სტანდარტული გადაწყვეტის შექმნას სამაგისტრო მონაცემებისა და ძირითადი მონაცემების სამართავად სამრეწველო საწარმოებისთვის, ჰოლდინებისა და სამთავრობო უწყებებისთვის. SAP MDM (Master Data Management) გამოიყენება როგორც ტექნოლოგიური პლატფორმა, რომელიც შექმნილია სხვადასხვა (მათ შორის მრავალ პლატფორმის) აპლიკაციების ინტეგრირებისთვის კომპანიის, ჰოლდინგის, ინდუსტრიის, სამთავრობო სააგენტოს და ა.შ. მასშტაბით, ასევე ორგანიზებისთვის და მართვის ინდუსტრიის ან კორპორატიული მარეგულირებელი საცნობარო ინფორმაცია (მასტერ მონაცემები).

ონტოლოგიების გამოყენების მაგალითები

TOVE (ტორონტოს ვირტუალური საწარმო). პროექტის მიზანია მონაცემთა მოდელის შექმნა, რომელიც უნდა:

• უზრუნველყოს საერთო ტერმინოლოგია საგნობრივი სფეროსთვის, რომლის აპლიკაციების გაზიარება და გაგება შეუძლია კომუნიკაციის თითოეულ მონაწილეს;
• მიეცით თითოეული ტერმინის მნიშვნელობის ზუსტი და, თუ შესაძლებელია, თანმიმდევრული განმარტება პირველი რიგის ლოგიკის საფუძველზე;
• მოგვაწოდეთ სემანტიკის განმარტება აქსიომების ერთობლიობის გამოყენებით, რომელიც ავტომატურად მოგცემთ საშუალებას მიიღოთ პასუხი ბევრ კითხვაზე საგნის სფეროსთან დაკავშირებით.

TOVE-მ უნდა უზრუნველყოს გარკვეული საგნის არეალის ინტეგრირებული მოდელის აგება, რომელიც შედგება შემდეგი ონტოლოგიისაგან: ოპერაციები, მდგომარეობა და დრო, ორგანიზაცია, რესურსები, პროდუქტები, მომსახურება, წარმოება, ფასი, რაოდენობა.

Ontolingua არის სტენფორდის უნივერსიტეტში შემუშავებული სისტემა, რომელიც უზრუნველყოფს განაწილებულ, თანამშრომლობით გარემოს ონტოლოგიების ნახვის, შექმნის, რედაქტირების, მოდიფიკაციისა და გამოყენებისთვის. სისტემის სერვერი მხარს უჭერს 150-მდე აქტიურ მომხმარებელს, რომელთაგან ზოგიერთი ავსებს სისტემას მათი პროექტების აღწერილობით.

ბევრ სხვა პროექტთან ერთად, Ontolingua იყენებს Enterprise პროექტს.

საწარმოს პროექტი. პროექტის მიზანია გააუმჯობესოს (სადაც საჭიროა, ჩაანაცვლოს) არსებული მოდელირების მეთოდები ინსტრუმენტების ნაკრების გამოყენებით, რომლებიც ინტეგრაციის საშუალებას იძლევა. სხვადასხვა მეთოდებიდა საწარმოს მოდელირების ინსტრუმენტები. დაგეგმილია ინსტრუმენტების შექმნა, რომელიც უზრუნველყოფს: კონკრეტული საგნის არეალის ჩაწერას და აღწერას; მიზნებისა და მოთხოვნების განსაზღვრა (ონტოლოგიასთან შესაბამისობაში); გადაწყვეტის ვარიანტებისა და ალტერნატიული პროექტების იდენტიფიცირება და შეფასება, არჩეული სტრატეგიის განხორციელება.

ინსტრუმენტების დამოუკიდებლად შემუშავებისას შესაძლებელია სხვადასხვა ტერმინოლოგიის გამოყენება, რამაც შეიძლება გამოიწვიოს კონფლიქტები და გაურკვევლობა მათი ინტეგრაციისას. ამ პრობლემის გადასაჭრელად აშენდა ონტოლოგია, რომელიც განსაზღვრავს ხშირად გამოყენებული და ზოგადად მიღებული ტერმინების ერთობლიობას, როგორიცაა აქტივობა, პროცესი, ორგანიზაცია, სტრატეგია, მარკეტინგი.

კაკტუსი. პროექტის მიზანია ტექნიკური სისტემების შესახებ ცოდნის ხელახალი გამოყენების მეთოდოლოგიის აგება მათი სასიცოცხლო ციკლის განმავლობაში. ეს აუცილებელია იგივე ცოდნის ბაზის გამოსაყენებლად დიზაინის, შეფასების, ექსპლუატაციის, შენარჩუნების, ხელახალი დიზაინისა და ტრენინგისთვის.

KACTUS მხარს უჭერს ინტეგრირებულ მიდგომას, რომელიც მოიცავს წარმოების, საინჟინრო და ცოდნის ინჟინერიის მეთოდებს, დაფუძნებული ონტოლოგიური და გამოთვლითი საფუძვლის შექმნაზე შეძენილი ცოდნის ხელახალი გამოყენებისთვის ტექნიკური სფეროს სხვადასხვა აპლიკაციების პარალელურად. ეს მიიღწევა დომენის ონტოლოგიის შექმნით და მისი ხელახალი გამოყენებით სხვადასხვა აპლიკაციის სფეროში. გარდა ამისა, მცდელობა ხდება ამ ონტოლოგიების გაერთიანება არსებულ სტანდარტებთან (მაგალითად STEP), ონტოლოგიების გამოყენებით, სადაც შესაძლებელია კონკრეტული ტერიტორიის შესახებ მონაცემების ჩაწერა.

KACTUS-ში მთავარი ფორმალიზმი არის CML (Conceptual Modeling Language).

KACTUS ინსტრუმენტარიუმი არის ინტერაქტიული გარემო, რომელშიც შეგიძლიათ ექსპერიმენტი თეორიული შედეგებით (ონტოლოგიის ბიბლიოთეკების ორგანიზება, მონაცემების გარდაქმნა ონტოლოგიას შორის, ტრანსფორმაციები სხვადასხვა ფორმალიზმებისთვის), ასევე პრაქტიკული მოქმედებების განხორციელება (ონტოლოგიის ნახვა, რედაქტირება და დახვეწა სხვადასხვა ფორმალიზმებში. ).

OntoSeek არის ინფორმაციის მოძიების სისტემა, რომელიც შექმნილია სემანტიკურად ორიენტირებული ინფორმაციის მოსაძიებლად, რომელიც აერთიანებს ონტოლოგიაზე ორიენტირებულ მნიშვნელობის რუკების ძრავას და მძლავრ მოდელირების სისტემებს.

SHOE (მარტივი HTML ონტოლოგიის გაფართოებები) საშუალებას აძლევს ავტორებს შეასრულონ თავიანთი ვებ გვერდები სემანტიკური შინაარსით. SHOE-ის მთავარი კომპონენტია ონტოლოგია, რომელიც შეიცავს ინფორმაციას გარკვეული დომენის შესახებ. ამ ინფორმაციის გამოყენებით, საძიებო და შეკითხვის ინსტრუმენტები იძლევა უფრო შესაბამის პასუხს კითხვაზე, ვიდრე არსებული საძიებო სისტემები, რაც საშუალებას აძლევს ცოდნის შეტანას ვებ გვერდებზე, რომელთა წაკითხვაც ინტელექტუალურ აგენტებს შეუძლიათ. ამისათვის SHOE ავსებს HTML-ს სპეციალური ტეგების ნაკრებით ცოდნის წარმოსაჩენად. SHOE საშუალებას გაძლევთ აღმოაჩინოთ ცოდნა ტაქსონომიისა და დასკვნის წესების გამოყენებით, რომლებიც არსებობს ონტოლოგიაში.

პლინუსი. პროექტის მიზანია ნახევრად ავტომატური ცოდნის ამოღება ბუნებრივი ენის ტექსტებიდან, კერძოდ, ლიტერატურა კერამიკული მასალების მექანიკურ თვისებებზე. ვინაიდან ტექსტები მოიცავს კონცეფციების ფართო სპექტრს, ბევრი ინტეგრირებული ონტოლოგიაა საჭირო ისეთი ცნებების დასაფარად, როგორიცაა კერამიკული მასალები და მათი თვისებები, მათი დამუშავების მეთოდები და სხვადასხვა მატერიალური დეფექტები, როგორიცაა ბზარები და ფორები. ონტოლოგია განსაზღვრავს ენას, რომლითაც გამოხატულია ლექსიკონის სემანტიკური ნაწილი.

დასკვნა

კერძო პირებისა და ორგანიზაციების საქმიანობა ახლა ყველა ჩართულია უფრო დიდი ზომითდამოკიდებულია მათ ხელთ არსებულ ინფორმაციაზე და მისი ეფექტურად გამოყენების უნარზე (ცოდნის ამოღება). ამავდროულად, ინფორმაციის დამუშავებაში ჩართული ადამიანების ზოგიერთი ჯგუფი იყენებს სპეციალურ ტერმინებს, რომლებსაც სხვა ორგანიზაციები იყენებენ განსხვავებულ კონტექსტში. ამავდროულად, სხვადასხვა ორგანიზაცია ხშირად იყენებს სხვადასხვა სიმბოლოებს ერთი და იგივე კონცეფციებისთვის.

ეს ყველაფერი მნიშვნელოვნად ართულებს ურთიერთგაგებას. აქედან გამომდინარე, აუცილებელია ცოდნის წარმოდგენის ფორმალიზებული მოდელების შემუშავება, რომლებიც უზრუნველყოფენ ინფორმაციის დამუშავებას სემანტიკურ დონეზე ცოდნის მართვის სისტემებში (KMS).

ამჟამად, საკონტროლო სისტემების მიმართ მნიშვნელოვანი ინტერესია ინდუსტრიული კომპანიების მხრიდან, რომლებმაც იციან ცოდნაზე დაფუძნებული სისტემების გამოყენების მაღალი პოტენციალი და გამოიყენება რიგი პრობლემების გადასაჭრელად. პრაქტიკული პრობლემებისაწარმოები (ორგანიზაციები). ცოდნის მართვის საკითხები გადამწყვეტი ხდება განვითარებადი ეკონომიკისთვის, სადაც ცოდნის კაპიტალიზაცია ხდება და, შესაბამისად, სრულიად განსხვავებულ სტატუსს იძენს.

ცოდნის აღწერის მოდელში გადამწყვეტ როლს თამაშობს ონტოლოგია, რომლის გარეშეც, ექსპერტების აზრით, ნებისმიერ საგნობრივ სფეროში შესვლა აკრძალულია. ონტოლოგიის დიზაინი არის შემოქმედებითი პროცესი და, შესაბამისად, ონტოლოგიის პოტენციური გამოყენება, ისევე როგორც დიზაინერის მიერ დომენის გაგება და პერსპექტივა, უდავოდ გავლენას მოახდენს გადაწყვეტილების მიღებაზე.

გლადუნ ანატოლი იასონოვიჩი- დოქტორი ტექ. მეცნიერებანი, უფროსი მეცნიერ თანამშრომელი უკრაინის მეცნიერებათა ეროვნული აკადემიის საინფორმაციო ტექნოლოგიებისა და სისტემების საერთაშორისო სამეცნიერო ცენტრი,

როგუშინა იულია ვიტალიევნა- დოქტორი ფიზიკა და მათემატიკა მეცნიერებანი, უფროსი მეცნიერ თანამშრომელი პროგრამული სისტემების ინსტიტუტი NASU.

მოკლე პასუხი საგამოცდო კითხვაკურსში AII - ხელოვნური ინტელექტის სისტემები (ყველა კითხვა).

ონტოლოგია არის საერთო კონცეპტუალური მოდელის ფორმალური სპეციფიკაცია.

O=(C, R, A), სადაც

• O - ონტოლოგია,
• C - საგნის არეალის ცნებების ნაკრები,
• R არის მათ შორის ურთიერთობების ნაკრები,
• A არის აქსიომების ერთობლიობა (კანონები და წესები, რომლებიც აღწერენ ცნებების არსებობის კანონებსა და პრინციპებს).

ონტოლოგიების კლასიფიკაცია

განვითარების სიღრმის მიხედვით, ყველა ონტოლოგია იყოფა:

• "მძიმე წონიანი" ონტოლოგია, რომელიც შეიცავს აქსიომებს (C, R, A)
• "მსუბუქი" (მსუბუქი წონა), არ შეიცავს მათ (C, R)

განზოგადების დონის მიხედვით შეიძლება გამოიყოს ონტოლოგიების შემდეგი 4 კატეგორია:

1. რეპრეზენტაციული ონტოლოგიები აღწერს კონცეპტუალურ მოდელს, რომელიც არის ცოდნის წარმოდგენის ფორმალიზმის საფუძველი.
2. ზოგადი ონტოლოგიები დომენის ონტოლოგიების მსგავსია, მაგრამ მათ მიერ აღწერილი ცნებები საერთოა რამდენიმე დომენისთვის. როგორც წესი, ასეთი ონტოლოგია აღწერს ცნებებს, როგორიცაა მდგომარეობა, მოვლენა, პროცესი, მოქმედება, კომპონენტი.
3. დომენის ონტოლოგია გამოხატავს კონკრეტული დომენის შესაბამის კონცეპტუალიზაციას.
4. განაცხადის ონტოლოგია (Application Ontology) შეიცავს ყველა აღწერილობას, რომელიც საჭიროა კონკრეტული აპლიკაციისთვის საჭირო ცოდნის მოდელირებისთვის. როგორც წესი, გამოყენებითი ონტოლოგია არის დომენის ონტოლოგიიდან და ზოგადი ონტოლოგიიდან აღებული ცნებების ერთობლიობა, რომელიც შეიძლება შეიცავდეს სპეციფიკურ გაფართოებებს გამოყენებული მეთოდებისა და გადაწყვეტილი პრობლემებისთვის.

ფორმალური ონტოლოგიის მოდელი

O = ,

• X არის საგნის არეალის ცნებების სასრული ნაკრები,
• R არის ცნებებს შორის მიმართებების სასრული ნაკრები,
• Ф, რა თქმა უნდა, არის ინტერპრეტაციის ფუნქციების ნაკრები, რომელიც მითითებულია ონტოლოგიაში.

X-ზე შეზღუდვები სასრულია და არა ცარიელი. R, Ф სასრულია, მაგრამ ზოგჯერ შეიძლება ცარიელი იყოს.

მოდით R = 0, Ф = 0. შემდეგ X-ის ონტოლოგია გარდაიქმნება მარტივ ლექსიკონად:

O=V= .

R = 0, Ф!= 0-ის შემთხვევაში, X-დან თითოეული ელემენტი შეიძლება ასოცირებული იყოს ინტერპრეტაციის ფუნქციასთან f-დან Ф-დან.

X = X1 V X2, სადაც

• X1 - ინტერპრეტირებული ტერმინების ნაკრები,
• X2 – ინტერპრეტაციული ტერმინების ერთობლიობა.

სუბსტანციის ცნება ონტოლოგიურ სისტემებში. სუბსტანციისა და არსების ცნება. ეძებს ყოფიერების არსებით საფუძველს ფილოსოფიის ისტორიაში. სუბსტანცია, როგორც ეგზისტენციალური პროცესების თვითგანმსაზღვრელი საფუძველი. ზოგადი იდეა სულისა და მატერიის, სულისა და სხეულის ურთიერთობის შესახებ. სუბსტანცია, სული და გონება. კატეგორიები „აბსოლუტური“, „ნათესავი“, „უნივერსალური“, „ინდივიდუალური“, „არსი“ და „ფენომენი“ ნივთიერებისა და მისი გამოვლინების ფორმებს შორის ურთიერთობის საკითხის გადასაჭრელად. მატერიალიზმი და იდეალიზმი ეხება ცნობიერებისა და აზროვნების ბუნებას და მათ ურთიერთობას მატერიასთან.

მატერიალისტური სუბსტანციალიზმი. მატერიალისტური ონტოლოგიის აგების მრავალფეროვნება. სენსუალურ-მატერიალური კოსმოსი, როგორც უძველესი ბუნებრივი ფილოსოფიის მთავარი მახასიათებელი. დიალექტიკური მატერიალიზმი, როგორც მატერიალისტური სუბსტანციალიზმის ერთ-ერთი ვარიანტი და მისი ადგილი თანამედროვე ფილოსოფიაში. მატერიის, როგორც ობიექტური რეალობის და როგორც სამყაროს ყველა პროცესის სუბსტანციის გაგება. სამყაროს მატერიალისტური ერთიანობის პრინციპი. მეცნიერება და მატერიალისტური ფილოსოფია. თანამედროვე წარმოდგენებიმატერიის, ნივთიერებისა და ველების სტრუქტურის შესახებ. მატერიალური სისტემების იერარქია მსოფლიოში. მატერიის, როგორც ნივთიერების სტრუქტურული უსასრულობა და მარადიულობა. მატერიის უნივერსალური ატრიბუტები. მატერიის ზოგად და სპეციფიკურ თვისებებს შორის ურთიერთობა. მატერიის სტრუქტურული დონეები და მისი სისტემური ორგანიზაციის ფორმები. მატერიის უნივერსალური თვისებების გამოვლენისა და მათი უნივერსალურობის დადასტურების მეთოდები. ურთიერთქმედება და მოძრაობა, როგორც მატერიის ატრიბუტები. ურთიერთქმედებასა და კომუნიკაციას შორის ურთიერთობა. ურთიერთობების სახეები მსოფლიოში. მიზეზობრივი ურთიერთობების ასიმეტრია შეუქცევად ცვლილებებში. სივრცესა და დროში კავშირებისა და ურთიერთქმედების გავრცელების პრობლემა. სამყარო უსასრულოა თუ ის დაკავშირებული ინტეგრალური წარმონაქმნია, ინტეგრალური სისტემა? მატერიალური სისტემების ურთიერთქმედება და ავტონომია. მატერიის მოძრაობის ძირითადი ფორმები და მათი კლასიფიკაციის კრიტერიუმები. ცოცხალ და უსულო ბუნებას შორის ურთიერთობა.

იდეალისტური სუბსტანციალიზმი. იდეალისტური სუბსტანციალიზმის სახეობები ფილოსოფიის ისტორიაში. სამყაროს უნივერსალიზმისა და სენსორული აღქმის კოსმოსის იდეა ძველ ფილოსოფიაში. უძველესი იდეალიზმი. იდეალისტური სუბსტანციალიზმის რელიგიური და ფილოსოფიური მოდელები. ონტოლოგიური სისტემის აგების თავისებურებები ლოგიკურ იდეალიზმში. არსებობის სულიერად იდეალური პრინციპები. იდეალისა და მასალის ურთიერთობა იდეალისტურ ინტერპრეტაციაში. იდეალური სუბსტანციის ატრიბუტები: ცნობიერება, მიზნის დასახვა, თავისუფლება, კრეატიულობა. ცნობიერება, როგორც სამყაროს იდეალური არსებითი საფუძველი. ეიდოსის ცნება, როგორც სამყაროს მიზეზ-მიზნობრივი სტრუქტურა, როგორც თვითმოაზროვნე არსება ძველ ფილოსოფიაში. კოსმოსის, როგორც „მსოფლიო სუბიექტის“ უძველესი კონცეფცია. აბსოლუტური სული ჰეგელის ფილოსოფიაში. მსოფლიო კოსმოსური გონების კონცეფცია. ღმერთის კონცეფცია რელიგიისა და ფილოსოფიის ისტორიაში, როგორც სამყაროს იდეალური არსებითი საფუძველი. ლოგოსი და ღმერთი.

ონტოლოგიის კრეაციონისტული ვარიანტები. ღმერთისა და სამყაროს ურთიერთობა შუა საუკუნეების ონტოლოგიურ სისტემებში. მიზეზი და ნება. ღვთაებრივი სული და ადამიანის სული. სულის შესახებ იდეების განვითარება. სული, როგორც ცნობიერების მატარებელი და ადამიანის მთელი სულიერი სამყარო. სულიერების კონცეფცია. სულიერება და რელიგიურობა. ცნობიერების იდეალურ-სემანტიკური შინაარსი და მისი ონტოლოგიური სტატუსი. იდეალისტური ონტოლოგიის მიღწევები და შეზღუდვები.

პერსონალისტური სუბსტანციალიზმი. ადამიანი, როგორც მიკროკოსმოსი რენესანსის ფილოსოფიაში. ღირებულებები ადამიანის არსებობადა ადამიანის ადგილი სივრცეში. კრეატიულობა, როგორც ადამიანის განსაკუთრებული ადგილის მთავარი ნიშანი მსოფლიოში. ლაიბნიცის მონადოლოგია და იდეალ-რეალიზმი ნ.ო. ლოსკი. მატერიის დინამიური გაგება. ანთროპული პრინციპი კოსმოლოგიაში. კოსმიური მიდგომა ადამიანისა და ცნობიერებისადმი. ონტოლოგიური ძიების თავისებურებები რუსულ ფილოსოფიაში.

ონტოლოგიის კრიზისი და ფილოსოფიის ანტისუბსტანციალისტური მოდელები. ონტოლოგიზმის კრიზისი ფილოსოფიის ისტორიაში, თეზისი „მეტაფიზიკის სიკვდილის“ შესახებ (წინაპირობები, მოტივები, დეკლარაციები და არგუმენტები). არსება და ცნობიერება: ფილოსოფიური ონტოლოგიური კონსტრუქციების ობიექტურ რეალობასთან შესაბამისობის პრობლემა. სამყაროს, რეალური სამყაროს და ინდივიდის ონტოლოგიური სურათი. ადამიანის „მე“-ს კონსტრუქციული და შემოქმედებითი საქმიანობა და ონტოლოგიის კრიტიკა.

ონტოლოგიური მოდელები თანამედროვე ფილოსოფიაში. მეტაფიზიკის სარეაბილიტაციო პროგრამები და „ახალი ონტოლოგიის“ პროექტები. ონტოლოგიის იერარქიული მოდელები: არსება, როგორც მატერიის მოძრაობის ფორმების ერთობლიობა ფ. ენგელსის მიერ. არსებობის ფენები ნ.ჰარტმანი. ე.ჰუსერლის რეგიონალური ონტოლოგიები. რეგიონალური ონტოლოგიების იდენტიფიცირების პრობლემა: საზოგადოების ონტოლოგია. ცნობიერებისა და თვითშემეცნების ონტოლოგია. ენის ონტოლოგია. პიროვნული ყოფიერების (არსებობის) ონტოლოგია. სხეულებრივობის ონტოლოგია. კულტურის ონტოლოგია. ეგზისტენციალური მეტაფიზიკის ვარიანტები: მ.ჰაიდეგერის ფუნდამენტური ონტოლოგია. კ.იასპერსის ტრანსცენდენტული არსებობის სამყარო.

ონტოლოგიის დიალექტიკურ-მატერიალისტური მოდელი. ფილოსოფიის ფუნდამენტური საკითხის მატერიალისტური გადაწყვეტა. მატერიის, როგორც ობიექტური სინამდვილის ცნება. ყოფნის სტრუქტურული დონეები.

ონტოლოგიური მოდელების ტიპოლოგიზაციის პრობლემა. მონისტური, პლურალისტური და დუალისტური ონტოლოგია. ესენციალისტური და ანტიესენციალისტური ონტოლოგიები. იერარქიული და არაიერარქიული ონტოლოგიური კონსტრუქციები. ბუნებრივი ფილოსოფიური მოდელები. თეისტური მოდელები. ეგზისტენციალურ-ანთროპოლოგიური მოდელები. ფენომენოლოგიურ-ჰერმენევტიკული მოდელები.

გენეზისი და განვითარება

მოძრაობის პრობლემა ფილოსოფიის ისტორიაში. მოძრაობას, ცვლილებასა და განვითარებას შორის ურთიერთობა. მოძრაობის ძირითადი თვისებები. განვითარების ფილოსოფიური მოდელები: კრეაციონიზმი, ემანაციის თეორია, პრეფორმაციონიზმი, ემერგენტიზმი, ევოლუციონიზმი. მოძრაობის ფორმების მრავალფეროვნება და არსებობის სტრუქტურული დონეები. ცვალებადი და უცვლელი არსებობა. მოძრაობის პრობლემა ფილოსოფიის ისტორიაში. მოძრაობის უნივერსალურობის პრობლემა. მოძრაობის პარადოქსები.

ყოფიერების ახალი ფორმების განვითარება და გაჩენა. განვითარება და დიალექტიკა. განვითარების დიალექტიკური ცნებები. მათი სტრუქტურა, კანონები, პრინციპები, ძირითადი ცნებები. რაღაც ახალის გაჩენის პარადოქსი. ფაქტობრივი და პოტენციალის ურთიერთობის პრობლემა განვითარებაში. განვითარების არაწრფივობა. კანონები და განვითარების კატეგორიები.

დიალექტიკის სახეები. განვითარების წყარო, მექანიზმი და მიმართულება. სამყაროს განვითარების აღმწერი ფილოსოფიური კანონები (G.W.F. ჰეგელი, კ. მარქსი, დიალექტიკური მატერიალიზმი). ერთიანობის, ურთიერთქმედების და დაპირისპირებების ბრძოლის კანონი. რაოდენობრივი და თვისებრივი ცვლილებების ურთიერთგადასვლის კანონი. დიალექტიკური უარყოფის კანონი.

თანამედროვე შეხედულებები ადამიანის, საზოგადოებისა და სამყაროს ევოლუციის შესახებ. ადამიანი, ბუნება, სივრცე. სიცოცხლის ფენომენი და მისი ადგილი სამყაროში. სამყაროში ცხოვრების სხვა ფორმების პრობლემა და ჰიპოთეზა ადამიანის გონების უნიკალურობის შესახებ (ვ. შკლოვსკი). ტექნოგენურ-მომხმარებლური ცივილიზაციის გლობალური კრიზისი და ნოოსფეროს კონცეფცია. ანთროპოკოსმიური შემობრუნების თავისებურებები თანამედროვე მეცნიერებასა და კულტურაში.

ადამიანი, როგორც "ბიო-ლოგოსი" არსება.

„ლოგოსი“ პიროვნების კომპონენტი. ადამიანი, როგორც ყოფნა. "კულტურული მანქანების" კონცეფცია. ადამიანის არსებობის ძირითადი ფენომენები. ადამიანი, როგორც „სიმბოლური“ არსება. „სიმბოლური სივრცის“ სტრუქტურა. ისტორიული ტიპებიმენტალიტეტი. ტრანსცენდენტული პირობები სიმბოლოების გენერირებისთვის: დეკლარაციულობა და ადამიანის უნარი სინთეზური აქტების მიმართ. შეცდომის დაშვების ადამიანის უფლება. კაცობრიობის გლობალური პრობლემების პროგრესი და გამწვავება. სინერგეტიკა და თვითორგანიზაციის პროცესები ღია არაწრფივ სისტემებში. გლობალური ევოლუციონიზმი თანამედროვე ცნობიერების სტრუქტურაში. თვითორგანიზების პროცესები ღია არაწრფივ სისტემებში. სინერგეტიკა და მისი ძირითადი ცნებები (ატრაქტორები, ბიფურკაციის წერტილები, რყევები, ფრაქტალები). გლობალური ევოლუციონიზმი.

ინფორმაციის როლი განვითარების პროცესებში. საკომუნიკაციო ინსტრუმენტების სისტემის შეცვლა თანამედროვე სამყაროროგორც განვითარების ტემპის დაჩქარების უმნიშვნელოვანესი პირობა.

კურსკი 2007 წ

BBK დაბეჭდილი გადაწყვეტილებით

სარედაქციო და საგამომცემლო საბჭო

კურსკის სახელმწიფო უნივერსიტეტი

მიმომხილველი -

: სახელმძღვანელო. შემწეობა უნივერსიტეტის სტუდენტებისთვის. – კურსკი: კურსკის სახელმწიფო უნივერსიტეტის გამომცემლობა, 200. – 84 წ.

საგანმანათლებლო და მეთოდური სახელმძღვანელო ეძღვნება საგნობრივი სფეროების მოდელირების ყველაზე პერსპექტიულ მიდგომას - ონტოლოგიურს. ონტოლოგიების შემუშავებისა და აგების ძირითადი ცნებები, განმარტებები, მეთოდოლოგია განიხილება საგანმანათლებლო ცოდნის ბაზის „ცხოველთა სამყაროს“ მაგალითის გამოყენებით. განიხილება ონტოლოგიების აგების ერთ-ერთი ინსტრუმენტი Protégé.

განკუთვნილია სპეციალობაში სწავლის უფროსკლასელებისთვის......საინფორმაციო სისტემების მათემატიკური მხარდაჭერა და ადმინისტრირება.

შესავალი ................................................... ................................................... 4

1. ონტოლოგიების აგების თეორიული ასპექტები................................... 5

1. 1. ონტოლოგიის განმარტება.......................................... ........ 5

1. 2. ონტოლოგიისა და ონტოლოგიური სისტემის მოდელები................................... 14

1. 3. ონტოლოგიების გამოყენება.......................................... ......... 21

1. 4. ონტოლოგიის საინჟინრო ინსტრუმენტები................................... 25

2. დომენის ონტოლოგიის შექმნა Protégé-ში.......... 30

2. 1. წინასწარი შენიშვნები............................................ ........ 30

2. 2. ძირითადი ინფორმაცია პროტეჟეს შესახებ.......................................... ........ 37

2. 3. დომენის ონტოლოგიის შექმნა Protégé-ში.... 40

3. სემესტრული დავალება................................................ ................... 77

პროექტის განხორციელების ბრძანება: ...................................................... ..... 77

ლიტერატურა...................................................... ............................ 82

შესავალი

საექსპერტო სისტემა არის სამი ურთიერთდამოკიდებული „მოდულის“ კომბინაცია: ცოდნის ბაზა, დასკვნის ძრავა და მომხმარებლის ინტერფეისი. დასკვნის ძრავა და ინტერფეისი ჩვეულებრივ გაერთიანებულია და უწოდებენ ექსპერტი სისტემის გარსს. ამ შემთხვევაში შეიძლება ვისაუბროთ ორ კომპონენტზე: გარსზე და ცოდნის ბაზაზე. მათ შორის ყველაზე მნიშვნელოვანი კომპონენტი, რა თქმა უნდა, არის ცოდნის ბაზა. ადეკვატური მეთოდის, ან მეთოდის პრობლემა საგნობრივი სფეროს მოდელირებისთვის და, შედეგად, ცოდნის ფორმალიზება მისი შემდგომი შეყვანით ცოდნის ბაზაში, თუ ცენტრალური არა, მაშინ მაინც მნიშვნელოვანია ხელოვნური ინტელექტის თეორიაში.

ცოდნის წარმოდგენის მრავალი მეთოდი არსებობს. ეს არის ცნობილი ლოგიკური და ჩარჩო მეთოდები, ასევე სემანტიკური ქსელები და წარმოების წესები. ცოდნაზე დაფუძნებული სისტემების შექმნისას (საექსპერტო სისტემები უდავოდ მათ ეკუთვნის) გამოიყენება ცოდნის წარმოდგენის სხვადასხვა მეთოდი.

თითოეულ ამ მეთოდს აქვს თავისი დადებითი და უარყოფითი მხარეები. ჩართულია ამ მომენტშიმნიშვნელოვანი ინტერესია ონტოლოგიის, როგორც ცოდნაზე დაფუძნებული სისტემების ცოდნის ბაზის გამოყენება. გაითვალისწინეთ, რომ ზოგიერთ ლიტერატურაში ცოდნის ბაზა იდენტიფიცირებულია ონტოლოგიასთან. ზოგადად, არ არსებობს დომენის ონტოლოგიის ცალსახა განმარტება, ხშირად ონტოლოგია ისეა განსაზღვრული, რომ მომგებიანია ამ მომენტისთვის. ეს და ონტოლოგიასთან დაკავშირებული სხვა რამდენიმე საინტერესო პრობლემა, ისევე როგორც მათი ტექნიკური განხორციელების საკითხები, განხილულია ამ სახელმძღვანელოში.

ონტოლოგიის აგების თეორიული ასპექტები

ონტოლოგიის განმარტება

როგორც უკვე აღვნიშნეთ, ცოდნის წარმოდგენა მნიშვნელოვანი საკითხია ხელოვნურ ინტელექტში. ტერმინი „ცოდნის წარმოდგენა“ შეიძლება ნიშნავდეს ცოდნის დაშიფვრის გზას ცოდნის ბაზაში, ან ფორმალურ სისტემას, რომელიც გამოიყენება ცოდნის ფორმალიზებისთვის.

რთული საგნობრივი სფეროებისა და პრობლემებისთვის ცოდნაზე დაფუძნებული სისტემების შემუშავების პრაქტიკამ აჩვენა, რომ თითოეულ საგნობრივ სფეროში არის გარკვეული სტრუქტურა, რომელიც შუალედურ პოზიციას იკავებს დომენის მოდელში გამოყენებული ცოდნის წარმოდგენასა და დომენის მოდელს (ცოდნის ბაზა) შორის.

ამ სტრუქტურას ეწოდება "დომენის ონტოლოგია".

ფილოსოფიაში ონტოლოგია არის ტერმინი, რომელიც განსაზღვრავს დოქტრინას ყოფიერების, არსებობის შესახებ, განსხვავებით. ეპისტემოლოგია -ცოდნის დოქტრინა. სხვა თვალსაზრისით, ონტოლოგია არის ცოდნა ფორმალურად წარმოდგენილი კონცეპტუალიზაციის საფუძველზე. კონცეპტუალიზაცია გულისხმობს ობიექტებისა და ცნებების ნაკრების, მათ შესახებ ცოდნისა და მათ შორის კავშირების აღწერას.

ონტოლოგიაეწოდება კონცეპტუალიზაციის აშკარა სპეციფიკაცია. ფორმალურად, ონტოლოგია შედგება ტაქსონომიად ორგანიზებული ტერმინებისგან, მათი განმარტებებისა და ატრიბუტებისა და მათთან დაკავშირებული აქსიომებისა და დასკვნის წესებისგან.

უმარტივეს შემთხვევაში, ონტოლოგია აღწერს მხოლოდ ცნებების იერარქიას, რომლებიც დაკავშირებულია კატეგორიზაციის ურთიერთობებით. უფრო რთულ შემთხვევებში, შესაფერისი აქსიომები ემატება ცნებებს შორის სხვა ურთიერთობების გამოხატვისა და მათი მიზნობრივი ინტერპრეტაციის შეზღუდვის მიზნით.

ამის გათვალისწინებით, ონტოლოგია არის ცოდნის ბაზა, რომელიც აღწერს ფაქტებს, რომლებიც ვარაუდობენ, რომ ყოველთვის სიმართლეა კონკრეტულ საზოგადოებაში გამოყენებული ლექსიკის ზოგადად მიღებული მნიშვნელობის საფუძველზე.

მოდით გამოვყოთ ამ ტერმინის შემდეგი ინტერპრეტაციები:

1. ონტოლოგია, როგორც ფილოსოფიური დისციპლინა.

2. ონტოლოგია, როგორც არაფორმალური კონცეპტუალური სისტემა.

3. ონტოლოგია, როგორც სემანტიკის ფორმალური შეხედულება.

4. ონტოლოგია, როგორც „კონცეპტუალიზაციის“ სპეციფიკაცია.

5. ონტოლოგია, როგორც კონცეპტუალური სისტემის წარმოდგენა ლოგიკური თეორიის მეშვეობით, რომელსაც ახასიათებს:

o სპეციალური ფორმალური თვისებები ან

o მხოლოდ მისი დანიშნულებით

6. ონტოლოგია, როგორც ლექსიკონი, რომელსაც იყენებს ლოგიკური თეორია.

7. ონტოლოგია, როგორც ლოგიკური თეორიის (მეტა დონის) დაზუსტება.

ონტოლოგიაზე საუბრისას პირველი ინტერპრეტაციის ფარგლებში ვგულისხმობთ ფილოსოფიურ დისციპლინას, რომელიც სწავლობს ყოფიერების ბუნებას და ორგანიზაციას.

მეორე ინტერპრეტაციის მიხედვით, ონტოლოგია არის კონცეპტუალური სისტემა, რომელსაც შეუძლია გარკვეული ცოდნის ბაზის საფუძველი. მე-3 ინტერპრეტაციის მიხედვით, ონტოლოგია, რომელზედაც აგებულია ცოდნის ბაზა, გამოხატულია სემანტიკურ დონეზე შესაფერისი ფორმალური სტრუქტურების მიხედვით. ამრიგად, ეს ორი ინტერპრეტაცია განიხილავს ონტოლოგიას, როგორც კონცეპტუალურ „სემანტიკურ“ ერთეულს, ფორმალური თუ არაფორმალური, ხოლო ინტერპრეტაციები 5-7 განიხილავს ონტოლოგიას, როგორც სპეციალურ „სინტაქსურ“ ობიექტს. მეოთხე ინტერპრეტაცია ერთ-ერთი ყველაზე პრობლემურია, რადგან მისი ზუსტი მნიშვნელობა დამოკიდებულია ტერმინების „სპეციფიკაციის“ და „კონცეპტუალიზაციის“ გაგებაზე.

„დომენის ონტოლოგიის“ კონცეფციის განსაზღვრის პირველი მიდგომა, რომელსაც პირობითად ჰუმანიტარული ეწოდება, მოიცავს განმარტებებს ინტუიციურად გასაგებ ტერმინებში. ონტოლოგიის ცნების განსაზღვრის მეორე მიდგომას ჩვეულებრივ უწოდებენ კომპიუტერს. ამ მიდგომის ფარგლებში, კომპიუტერული ენები შემუშავებულია ონტოლოგიების წარმოსადგენად.

კომპიუტერული მიდგომის მთავარი უპირატესობა არის ონტოლოგიების აღწერისთვის შემოთავაზებული საშუალებების ფორმალობა. დომენის ონტოლოგიის ცნების განმარტება ამ მიდგომის ფარგლებში არ აზუსტებს ამ კონცეფციის არსებით არსს, პირიქით, ამ არსს ფარავს კომპიუტერულ განხორციელებასთან დაკავშირებული მრავალი ტექნიკური დეტალით და არ განასხვავებს მას სხვა ცნებებისგან. , კერძოდ დომენის მოდელის კონცეფციიდან (ცოდნის ბაზა).

მესამე, მათემატიკური მიდგომის ფარგლებში, მცდელობებია განისაზღვროს ონტოლოგიის ცნება მათემატიკური თვალსაზრისით ან მათემატიკური კონსტრუქციების გამოყენებით.

ონტოლოგია არის ლოგიკური თეორია, რომელიც ზღუდავს ლოგიკური ენის დასაშვებ მოდელებს. ამ შემთხვევაში ონტოლოგიამ უნდა უზრუნველყოს აქსიომები, რომლებიც ზღუდავს ლოგიკური ენის არალოგიკური სიმბოლოების (პრედიკატების და ფუნქციების) მნიშვნელობას, რომლებიც გამოიყენება როგორც "პრიმიტივები" კონკრეტული წარმოდგენის მიზნებისთვის. ონტოლოგიის მიზანია დაახასიათოს კონცეპტუალიზაცია ლოგიკური ენის არალოგიკური სიმბოლოების შესაძლო ინტერპრეტაციების შეზღუდვით, რათა შეიქმნას კონსენსუსი იმის შესახებ, თუ როგორ აღვწეროთ ცოდნა ამ ენის გამოყენებით. კონცეპტუალიზაცია განიხილება, როგორც არაფორმალური წესების ერთობლიობა, რომელიც ზღუდავს რეალობის ნაწილის სტრუქტურას.

ასე რომ, დომენის ონტოლოგიაში ვგულისხმობთ:

1. დომენის ონტოლოგია არის საგნის ცოდნის ის ნაწილი, რომლის მიმართაც იგი უცვლელად ითვლება. დანარჩენი დომენის ცოდნა სავარაუდოდ შეიცვლება, მაგრამ უნდა დარჩეს დომენის ონტოლოგიასთან შესაბამისობაში.

2. დომენის ონტოლოგია არის დომენის ცოდნის ის ნაწილი, რომელიც ზღუდავს დომენის ტერმინების მნიშვნელობას. დომენის ტერმინების მნიშვნელობები დამოუკიდებელია დომენის ცოდნის დანარჩენი (ცვალებადი) ნაწილისგან.

3. დომენის ონტოლოგია არის დომენის შესახებ კონვენციების ერთობლიობა, დომენის ცოდნის კიდევ ერთი ნაწილი არის ამ დომენის ემპირიული და სხვა კანონების ნაკრები. ონტოლოგია განსაზღვრავს დომენის ექსპერტების შეთანხმებას ტერმინების მნიშვნელობებზე.

4. დომენის ონტოლოგია არის იმპლიციტურად მოცემული კონცეპტუალიზაციის აშკარად მოცემული გარეგანი მიახლოება. კონცეპტუალიზაცია არის ყველა სიტუაციის ერთობლიობა, რომელიც შეიძლება იყოს წარმოდგენილი. ცოდნის ბაზის შესაბამისი სიტუაციების ერთობლიობა კონცეპტუალიზაციის ქვეჯგუფია. ეს ქვესიმრავლე არის სიტუაციების სიმრავლის გარკვეული მიახლოება, რაც შესაძლებელია რეალობაში.

შემდგომში, დაზუსტებისთვის, ჩვენ ვივარაუდებთ, რომ ონტოლოგია - ცნებების ფორმალური აშკარა აღწერა განსახილველ საგანში (კლასები (ზოგჯერ უწოდებენ ცნებებს)), თითოეული კონცეფციის თვისებები, რომლებიც აღწერს სხვადასხვა თვისებებიდა კონცეფციის ატრიბუტები (სლოტები (ზოგჯერ უწოდებენ როლებს ან თვისებებს)) და სლოტებზე დაწესებული შეზღუდვები (ასპექტები (ზოგჯერ უწოდებენ როლის შეზღუდვებს)) . ონტოლოგია, ცალკეული კლასის ინსტანციების ერთობლიობასთან ერთად, ქმნის ცოდნის ბაზას.

მოდით მივცეთ რამდენიმე მიზეზი ონტოლოგიების განვითარების აუცილებლობისთვის. ასე რომ, ონტოლოგია საჭიროა:

· ადამიანების ან პროგრამული აგენტების მიერ ინფორმაციის სტრუქტურის საერთო გაგების გაზიარება;

· საგნობრივ სფეროში ცოდნის ხელახალი გამოყენების შესაძლებლობა;

· ცალსახად გამოთქვას ვარაუდები საგნის სფეროში;

· დომენური ცოდნის გამიჯვნა ოპერატიული ცოდნისაგან;

· ცოდნის ანალიზი საგნობრივ სფეროში.

ინფორმაციის სტრუქტურის საერთო გაგების გაზიარება ადამიანებს ან პროგრამულ აგენტებს შორისონტოლოგიის განვითარების ერთ-ერთი ყველაზე გავრცელებული მიზანია. მაგალითად, დავუშვათ, რომ რამდენიმე სხვადასხვა ვებგვერდი შეიცავს ინფორმაციას მედიცინის შესახებ ან აწვდის ინფორმაციას ინტერნეტით გადახდილი ფასიანი სამედიცინო სერვისების შესახებ. თუ ეს ვებსაიტები იზიარებენ და აქვეყნებენ ტერმინების ერთსა და იმავე ძირითად ონტოლოგიას, რომელსაც ყველა იყენებს, მაშინ კომპიუტერულ აგენტებს შეუძლიათ ამოიღონ ინფორმაცია ამ სხვადასხვა საიტებიდან და დააგროვონ იგი. აგენტებს შეუძლიათ გამოიყენონ დაგროვილი ინფორმაცია მომხმარებლის მოთხოვნებზე პასუხის გასაცემად ან სხვა აპლიკაციებში შესატანად.

დომენის ცოდნის გამოყენების ჩართვაგახდა ერთ-ერთი მამოძრავებელი ძალა ონტოლოგიების შესწავლის ბოლო პერიოდში. მაგალითად, მრავალი სხვადასხვა საგნობრივი სფეროს მოდელებისთვის აუცილებელია დროის ცნების ჩამოყალიბება. ეს წარმოდგენა მოიცავს დროის ინტერვალების, დროის მომენტების, დროის შედარებითი ზომების კონცეფციას და ა.შ. თუ მეცნიერთა ერთი ჯგუფი დეტალურად შეიმუშავებს ასეთ ონტოლოგიას, მაშინ სხვებს შეუძლიათ უბრალოდ ხელახლა გამოიყენონ იგი თავიანთ საგნებში. გარდა ამისა, თუ ჩვენ გვჭირდება დიდი ონტოლოგიის შექმნა, შეგვიძლია გავაერთიანოთ რამდენიმე არსებული ონტოლოგია, რომელიც აღწერს დიდი დომენის ნაწილებს. შესაძლებელია ისეთი ძირითადი ონტოლოგიის ხელახლა გამოყენება, როგორიცაა UNSPSC და მისი გაფართოება ინტერესის სფეროს აღსაწერად.

დომენის აშკარა დაშვებების გაკეთებაიმპლემენტაციის საფუძველი აადვილებს ამ ვარაუდების შეცვლას, როდესაც იცვლება ჩვენი დომენის ცოდნა. პროგრამირების ენაში სამყაროს შესახებ დაშვებების მყარი კოდირება ხდის ამ ვარაუდებს არა მხოლოდ ძნელად პოვნას და გაგებას, არამედ ძნელად შეცვლას პროგრამისტის გარეშე. გარდა ამისა, დომენის ცოდნის მკაფიო სპეციფიკაციები სასარგებლოა ახალი მომხმარებლებისთვის, რომლებმაც უნდა ისწავლონ დომენის ტერმინების მნიშვნელობა.

დომენური ცოდნის გამიჯვნა ოპერატიული ცოდნისაგან– ეს არის კიდევ ერთი ვარიანტი ონტოლოგიების ზოგადი გამოყენებისთვის. ჩვენ შეგვიძლია აღვწეროთ პროდუქტის კონფიგურაციის ამოცანა მისი კომპონენტებიდან საჭირო სპეციფიკაციის მიხედვით და განვახორციელოთ პროგრამა, რომელიც ამ კონფიგურაციას დამოუკიდებელს ხდის პროდუქტისა და თავად კომპონენტებისგან. ამის შემდეგ ჩვენ შეგვიძლია შევიმუშავოთ კომპიუტერის კომპონენტებისა და მახასიათებლების ონტოლოგია და გამოვიყენოთ ეს ალგორითმი არასტანდარტული კომპიუტერების კონფიგურაციისთვის. ჩვენ ასევე შეგვიძლია გამოვიყენოთ იგივე ალგორითმი ლიფტების კონფიგურაციისთვის, თუ მას მივაწვდით ლიფტის კომპონენტების ონტოლოგიას.

დომენური ცოდნის ანალიზიშესაძლებელია, როდესაც არსებობს ტერმინების დეკლარაციული დაზუსტება. ფორმალური ტერმინების ანალიზი ძალზე ღირებულია როგორც არსებული ონტოლოგიების ხელახლა გამოყენების მცდელობისას და მათი გაფართოებისას.

ხშირად ჩნდება კითხვა ონტოლოგიასა და მონაცემთა ბაზას შორის განსხვავებაზე. მოდით აღვნიშნოთ მათ შორის ძირითადი განსხვავებები.

მონაცემთა ბაზის შეკითხვის შედეგი, როგორც წესი, არის მაგალითის მონაცემებისა და ტექსტური დოკუმენტების ბმულების კოლექცია, ხოლო ონტოლოგიის მოთხოვნის შედეგი შეიძლება შეიცავდეს თავად ონტოლოგიის ელემენტებს (მაგალითად, კონკრეტული კლასის ყველა ქვეკლასს).

თავად ონტოლოგია მოიცავს სემანტიკას

მონაცემთა ბაზის სქემები და კატალოგები, როგორც წესი, არ იძლევა გარე სემანტიკას მათი მონაცემებისთვის. სემანტიკა არასოდეს იყო განსაზღვრული, ან სემანტიკა განისაზღვრა გარედან მონაცემთა ბაზის შემუშავებისას, მაგრამ სპეციფიკაცია არ გახდა მონაცემთა ბაზის სპეციფიკაციის ნაწილი და აღარ არის ხელმისაწვდომი. ამიტომ, მონაცემთა ბაზების გამოყენებისას, ჩვენ გვჭირდება გარკვეული პროტოკოლები მონაცემთა ბაზის შეცვლისას კონფლიქტური შეზღუდვების პრობლემის მოსაგვარებლად. თუმცა, ონტოლოგია არის ლოგიკური სისტემები, რომლებიც თავისთავად მოიცავს სემანტიკას.

ონტოლოგია უფრო ხშირად ხელახლა გამოიყენება

მონაცემთა ბაზის სქემა განსაზღვრავს კონკრეტული მონაცემთა ბაზის სტრუქტურას და სხვა მონაცემთა ბაზებს და სქემები ხშირად არ ხდება პირდაპირ ხელახლა გამოყენება ან გაფართოება. წრე არის ინტეგრირებული სისტემის ნაწილი და იშვიათად გამოიყენება მისგან დამოუკიდებლად. ონტოლოგიების შემთხვევაში, სიტუაცია ზუსტად საპირისპიროა: ონტოლოგიები ჩვეულებრივ ხელახლა იყენებენ და აფართოებენ სხვა ონტოლოგიას და ისინი არ არიან მიბმული კონკრეტულ სისტემასთან.

ონტოლოგია ბუნებით დეცენტრალიზებულია

ტრადიციულად, მონაცემთა ბაზის სქემის შემუშავება და განახლება ცენტრალიზებული პროცესია: ორიგინალური სქემის შემქმნელები (ან იმავე ორგანიზაციის თანამშრომლები), როგორც წესი, ცვლის ცვლილებებს და ინარჩუნებენ სქემას. ბოლოს და ბოლოს, მონაცემთა ბაზის სქემის შემქმნელებმა ჩვეულებრივ იციან, რომელი მონაცემთა ბაზები იყენებენ მათ სქემას. ბუნებით, ონტოლოგიის განვითარება ბევრად უფრო დეცენტრალიზებული და თანამშრომლობითი პროცესია. შედეგად, არ არსებობს ცენტრალური კონტროლი იმაზე, თუ ვინ იყენებს კონკრეტულ ონტოლოგიას. გაცილებით რთულია (და შესაძლოა შეუძლებელი) განახლებების გავრცელება ან სინქრონიზაცია: ჩვენ არ ვიცით ვინ იყენებს ონტოლოგიას, ჩვენ არ შეგვიძლია ვუთხრათ მათ განახლებების შესახებ და არ შეგვიძლია ვივარაუდოთ, რომ მათ თავად იცოდნენ ამის შესახებ. ცენტრალიზებული და სინქრონიზებული კონტროლის ნაკლებობა ასევე ართულებს (და ხშირად შეუძლებელს) ოპერაციების თანმიმდევრობის მიკვლევას, რამაც ონტოლოგიის ერთი ვერსია მეორეში გარდაქმნა.

ონტოლოგიური ინფორმაციის მოდელები უფრო მდიდარია

ბევრ ონტოლოგიას აქვს ბევრად მეტი წარმოდგენის პრიმიტივი, ვიდრე ტიპიური მონაცემთა ბაზის სქემა. მაგალითად, მრავალი ონტოლოგიური ენა და სისტემა იძლევა კარდინალურობის შეზღუდვების, ინვერსიული თვისებების, გარდამავალი თვისებების, ინვერსიული კლასების და ა.შ. ზოგიერთი ენა (მაგ. DAML+OIL) ამატებს პრიმიტივებს, რათა განისაზღვროს ახალი კლასები, როგორც გაერთიანებები ან სხვა კლასების კვეთა, როგორც მათი წევრების ჩამოთვლა, როგორც ობიექტების ნაკრები, რომელიც აკმაყოფილებს გარკვეულ შეზღუდვას.

კლასები და შემთხვევები შეიძლება იყოს იგივე

მონაცემთა ბაზები მკაფიოდ განასხვავებენ სქემის ინფორმაციას და ინსტანციის ინფორმაციას. ცოდნის წარმომადგენლობის ბევრ მძლავრ სისტემაში ძნელია იმის დადგენა, სად მთავრდება ონტოლოგია და სად იწყება ინსტანციები. მეტაკლასების გამოყენება (კლასები, რომლებიც იყენებენ სხვა კლასებს, როგორც ინსტანციებს) ბევრ სისტემაში (მაგ. Protégé, Ontolingua, RDFS) ბუნდოვნდება ან წაშლის საზღვრებს კლასებსა და ინსტანციებს შორის. მეტაკლასები არის კომპლექტები, რომელთა ელემენტებიც არის კომპლექტები. ეს ნიშნავს, რომ "ინსტანცია" და "კლასი" ნამდვილად არის კონცეფციის მხოლოდ როლები.

ონტოლოგიისა და ონტოლოგიური სისტემის მოდელები

ონტოლოგიის კონცეფცია მოიცავს სამი კომპონენტის ურთიერთდაკავშირებული და ურთიერთშეთანხმებული ნაკრების განსაზღვრას და გამოყენებას: ტერმინების ტაქსონომია, ტერმინების განმარტებები და მათი დამუშავების წესები. მოდით შემოგთავაზოთ ონტოლოგიის მოდელის კონცეფციის შემდეგი განმარტება:

ონტოლოგიის ფორმალურ მოდელში O ვგულისხმობთ

X არის საგნის არეალის ცნებების (ცნებები, ტერმინები) სასრული ნაკრები, რომელიც წარმოდგენილია ონტოლოგიით O;

R – მოცემული საგნობრივი სფეროს ცნებებს (ცნებებს, ტერმინებს) შორის მიმართებების სასრული ნაკრები;

F არის ინტერპრეტაციის (აქსიომატიზაციის) ფუნქციების სასრული ნაკრები, რომელიც განსაზღვრულია O ონტოლოგიის ცნებებზე და/ან მიმართებაში.

X სიმრავლისთვის დაწესებული ბუნებრივი შეზღუდვა არის მისი სასრულობა და არასიცარიელობა. განსხვავებული სიტუაციაა F და R კომპონენტებთან დაკავშირებით ონტოლოგიის განმარტებაში O. ცხადია, რომ ამ შემთხვევაში F და R უნდა იყოს სასრული სიმრავლეები. მივუთითოთ მათ სიცარიელესთან დაკავშირებული საზღვრების შემთხვევები.

1. მოდით და . შემდეგ ონტოლოგია O გადაიქცევა მარტივ ლექსიკონად:

.

ასეთი გადაგვარებული ონტოლოგია შეიძლება სასარგებლო იყოს პროგრამული ლექსიკის დაკონკრეტებისთვის, გამდიდრებისთვის და შესანარჩუნებლად, მაგრამ ლექსიკონის ონტოლოგიას აქვს შეზღუდული გამოყენება, რადგან ისინი ცალსახად არ წარმოადგენენ ტერმინების მნიშვნელობას. მიუხედავად იმისა, რომ ზოგიერთ შემთხვევაში, როდესაც გამოყენებული ტერმინები ეკუთვნის ძალიან ვიწრო (მაგალითად, ტექნიკურ) ლექსიკას და მათი მნიშვნელობები უკვე კარგად არის შეთანხმებული გარკვეულ (მაგალითად, სამეცნიერო) საზოგადოებაში, ასეთი ონტოლოგია გამოიყენება პრაქტიკაში. ამ ტიპის ონტოლოგიის ცნობილი მაგალითებია ინტერნეტში ინფორმაციის მოპოვების მანქანების ინდექსები.

2. . მაშინ X-დან ტერმინთა სიმრავლის თითოეული ელემენტი შეიძლება ასოცირდებოდეს ინტერპრეტაციის ფუნქციასთან f-დან F-დან. ფორმალურად, ეს განცხადება შეიძლება დაიწეროს შემდეგნაირად.

სად არის ინტერპრეტირებული ტერმინების ნაკრები;

ბევრი ინტერპრეტაციული ტერმინი.

ისეთივე როგორც

სიმრავლეთა გადაკვეთის სიცარიელე გამორიცხავს ციკლურ ინტერპრეტაციებს და k არგუმენტების შეყვანა ფუნქციის განხილვაში გამიზნულია უფრო სრულყოფილი ინტერპრეტაციის უზრუნველსაყოფად. F-დან f-ის გამოსახვის ტიპი განსაზღვრავს ამ ტიპის ონტოლოგიის ექსპრესიულ ძალას და პრაქტიკულ სარგებლობას. თუ ინტერპრეტაციის ფუნქცია მითითებულია მნიშვნელობის მინიჭების ოპერატორის მიერ (), სად არის ინტერპრეტაციის სახელი), მაშინ ონტოლოგია გარდაიქმნება პასიურ ლექსიკონად:

ასეთი ლექსიკონი პასიურია, რადგან ტერმინების ყველა განმარტება აღებულია უკვე არსებული და ფიქსირებული ნაკრებიდან. მისი პრაქტიკული ღირებულება უფრო მაღალია, ვიდრე მარტივი ლექსიკონის, მაგრამ აშკარად არასაკმარისია, მაგალითად, ცოდნის წარმოსაჩენად ინფორმაციის დამუშავების ამოცანების ინტერნეტში ამ გარემოს დინამიური ხასიათის გამო.

ბოლო გარემოების გათვალისწინების მიზნით, ჩვენ ვივარაუდებთ, რომ კომპლექტიდან ზოგიერთი ინტერპრეტაციული ტერმინი მითითებულია პროცედურულად და არა დეკლარაციულად და გამოითვლება ყოველ ჯერზე, როდესაც ხდება ტერმინის ინტერპრეტაცია. ამ შემთხვევაში ონტოლოგია გარდაიქმნება განმარტებების აქტიურ ლექსიკონად

მეტიც

ინტერნეტ გარემოში ინფორმაციის დამუშავების ამოცანების ასეთი ლექსიკონის ღირებულება უფრო მაღალია, ვიდრე წინა მოდელის, მაგრამ მაინც არასაკმარისია, რადგან ინტერპრეტირებული ელემენტები არანაირად არ არის დაკავშირებული ერთმანეთთან და, შესაბამისად, თამაშობენ მხოლოდ შესვლის გასაღებების როლს. ონტოლოგია.

წარმოადგინოს ონტოლოგიის მოდელი, რომელიც საჭიროა ინტერნეტში ინფორმაციის დამუშავების პრობლემების გადასაჭრელად.

განვიხილოთ შესაძლო ვარიანტები ონტოლოგიის კონცეფციებზე დაფუძნებული ურთიერთობების ნაკრების ფორმირებისთვის.

განვიხილოთ ონტოლოგიის სპეციალური ქვეკლასი - მარტივი ტაქსონომია შემდეგნაირად:

ტაქსონომიური სტრუქტურა - მიმართებით ურთიერთდაკავშირებული ცნებების იერარქიული სისტემა არის_a („კლასის ელემენტი იყოს“).

is_a ურთიერთობას აქვს წინასწარ ფიქსირებული სემანტიკა და საშუალებას გაძლევთ მოაწყოთ ონტოლოგიის კონცეფციების სტრუქტურა ხის სახით.

ონტოლოგიური მოდელების კლასიფიკაცია

მოდელის კომპონენტები	.
ფორმალური განმარტება
ახსნა	პროგრამული ლექსიკონი	პასიური პროგრამული ლექსიკონი	აქტიური პროგრამული ლექსიკონი	პროგრამული ცნებების ტაქსონომია

X ცნებების ნაკრების წარმოდგენები ქსელური სტრუქტურის სახით;

R მიმართებათა საკმაოდ მდიდარი ნაკრების გამოყენება, მათ შორის არა მხოლოდ ტაქსონომიური მიმართებების, არამედ კონკრეტული საგნობრივი სფეროს სპეციფიკის ამსახველი მიმართებებისა და R სიმრავლის გაფართოების საშუალებების ჩათვლით;

დეკლარაციული და პროცედურული ინტერპრეტაციებისა და ურთიერთობების გამოყენება, მათ შორის ახალი ინტერპრეტაციების განსაზღვრის უნარი.

შემოვიღოთ ონტოლოგიური სისტემის ცნება. ონტოლოგიური სისტემის ფორმალური მოდელი გაგებულია, როგორც ფორმის სამეული:

სად არის უმაღლესი დონის ონტოლოგია (მეტაონტოლოგია)

ბევრი საგნობრივი ონტოლოგია და დომენის პრობლემების ონტოლოგია

ონტოლოგიურ სისტემასთან დაკავშირებული დასკვნის ძრავის მოდელი.

ონტოლოგიის სისტემის და სპეციალური დასკვნის ძრავის გამოყენება შესაძლებელს ხდის ასეთ მოდელში სხვადასხვა პრობლემის გადაჭრას. მოდელების სისტემის გაფართოებით, შეგიძლიათ გაითვალისწინოთ მომხმარებლის პრეფერენციები, ხოლო დასკვნის ძრავის მოდელის შეცვლით, შეგიძლიათ შემოიტანოთ სპეციალიზებული კრიტერიუმები ძიების პროცესში მიღებული ინფორმაციის შესაბამისობისთვის და შექმნათ დაგროვილი მონაცემების სპეციალური საცავი, როგორც ასევე საჭიროების შემთხვევაში გამოყენებული ონტოლოგიების შევსება.

მოდელს აქვს სამი ონტოლოგიური კომპონენტი:

მეტაონტოლოგია;

საგნის ონტოლოგია;

ამოცანების ონტოლოგია.

მეტაონტოლოგია მოქმედებს ზოგადი ცნებებითა და ურთიერთობებით, რომლებიც არ არის დამოკიდებული კონკრეტულ საგნობრივ სფეროზე. მეტადონის ცნებები არის ზოგადი ცნებები, როგორიცაა „ობიექტი“, „საკუთრება“, „მნიშვნელობა“ და ა.შ. მეტა დონის ონტოლოგია სტატიკურია, რაც შესაძლებელს ხდის აქ ეფექტური დასკვნის გაკეთებას.

საგნის ონტოლოგია შეიცავს ცნებებს, რომლებიც აღწერს კონკრეტულ საგნობრივ სფეროს, მიმართებებს, რომლებიც სემანტიკურად მნიშვნელოვანია მოცემული საგნის სფეროსთვის, და ამ ცნებებისა და მიმართებების მრავალ ინტერპრეტაციას (დეკლარაციული და პროცედურული). დომენის კონცეფციები სპეციფიკურია თითოეულ გამოყენებულ ონტოლოგიაში, მაგრამ ურთიერთობები უფრო უნივერსალურია. მაშასადამე, როგორც საფუძვლად, სუბიექტური ონტოლოგიის მოდელის ისეთი მიმართებები, როგორც წესი, გამოიყოფა როგორც ნაწილი_ის, სახის_ის, შეიცავს_ში, წევრი_ის, აგრეთვედა ზოგიერთი სხვა.

დამოკიდებულება ნაწილიგანსაზღვრულია ცნებების ერთობლიობაზე, არის წევრობის კავშირი და აჩვენებს, რომ კონცეფცია შეიძლება იყოს სხვა ცნებების ნაწილი. ეს არის „ნაწილი-მთელი“ ტიპის მიმართება და მისი თვისებები ახლოსაა კავშირთან არისდა შეიძლება დაზუსტდეს შესაბამისი აქსიომებით. ანალოგიურად, შეიძლება დაინერგოს სხვა "ნაწილობრივ-მთლიანი" ურთიერთობები.

განსხვავებული სიტუაციაა დამოკიდებულებასთან დაკავშირებით იხილეთ ასევე.მას აქვს განსხვავებული სემანტიკა და სხვა თვისებები. ამიტომ, მიზანშეწონილია მისი შემოღება არა დეკლარაციულად, არამედ პროცედურულად, ისევე როგორც ეს ხდება პროგრამირების ენებში ახალი ტიპების განსაზღვრისას, რომლებიც მხარს უჭერენ მონაცემთა აბსტრაქტულ ტიპებს.

ამოცანების, როგორც ცნებების ონტოლოგია შეიცავს გადასაჭრელ ამოცანების ტიპებს და ამ ონტოლოგიის ურთიერთობები, როგორც წესი, განსაზღვრავს ამოცანების დაშლას ქვეამოცნებებად. ამავდროულად, თუ აპლიკაციის სისტემა წყვეტს ერთი ტიპის ამოცანას (მაგალითად, მოთხოვნის შესაბამისი ინფორმაციის მოძიების ამოცანას), მაშინ დავალების ონტოლოგიას შეუძლია ამ შემთხვევაშიაღწერილი იყოს ლექსიკონში. ამრიგად, ონტოლოგიური სისტემის მოდელი საშუალებას გვაძლევს აღვწეროთ მისი ფუნქციონირებისთვის საჭირო ონტოლოგიები. სხვადასხვა დონეზე. ონტოლოგიას შორის კავშირი ნაჩვენებია სურათზე:

ზოგად შემთხვევაში, ონტოლოგიური სისტემის დასკვნის ძრავა შეიძლება დაეყრდნოს ონტოლოგიის ქსელურ წარმოდგენას ყველა დონეზე. ამ შემთხვევაში, მისი ფუნქციონირება დაკავშირებული იქნება:

ცნებების ან/და მიმართებების გააქტიურებით, რომლებიც აფიქსირებს გადაწყვეტილ პრობლემას (საწყისი სიტუაციის აღწერა);

სამიზნე მდგომარეობის (სიტუაციის) განსაზღვრა;

დასკვნა ქსელში არის ის, რომ აქტივაციის ტალღები ვრცელდება საწყისი სიტუაციის კვანძებიდან, მათთან დაკავშირებული ურთიერთობების თვისებების გამოყენებით. პროცესის შეჩერების კრიტერიუმია მიზნობრივი სიტუაციის მიღწევა ან შესრულების ხანგრძლივობის (ტაიმ-აუტის) გადაჭარბება.

ონტოლოგიების გამოყენება

სხვადასხვა ონტოლოგიის ტიპფიკაციის შეჯამებით, ჩვენ შეგვიძლია განვასხვავოთ კლასიფიკაციები:

დამოკიდებულების ხარისხი კონკრეტულ ამოცანაზე ან საგნობრივ სფეროზე;

აქსიომატიზაციის დეტალების დონე;

საგნის არეალის „ბუნება“ და ა.შ.

ამ განზომილებების გარდა, შეიძლება დაინერგოს ონტოლოგიის განვითარებასთან, განხორციელებასთან და შენარჩუნებასთან დაკავშირებული კლასიფიკაციები.

კონკრეტულ დავალებაზე ან საგნობრივ სფეროზე დამოკიდებულების ხარისხზე დაყრდნობით, ისინი ჩვეულებრივ განასხვავებენ:

უმაღლესი დონის ონტოლოგიები;

დომენზე ორიენტირებული ონტოლოგიები;

კონკრეტულ ამოცანაზე ორიენტირებული ონტოლოგიები;

გამოყენებითი ონტოლოგიები.

უმაღლესი დონის ონტოლოგია აღწერს ძალიან ზოგად ცნებებს, როგორიცაა სივრცე, დრო, მატერია, ობიექტი, მოვლენა, მოქმედება და ა.შ., რომლებიც დამოუკიდებელნი არიან კონკრეტული პრობლემისგან ან დომენისგან. აქედან გამომდინარე, მიზანშეწონილია, ყოველ შემთხვევაში, თეორიულად, მათი გაერთიანება მომხმარებელთა დიდ თემებში.

ასეთი ზოგადი ონტოლოგიის მაგალითია CYC®. ამავე სახელწოდების პროექტი - CYC® - ორიენტირებულია მულტიკონტექსტური ცოდნის ბაზის შექმნაზე და Susogr-ის მიერ შემუშავებული სპეციალური დასკვნის ძრავის შექმნაზე. ამ გიგანტური პროექტის მთავარი მიზანია ყველა ზოგადი კონცეფციის ცოდნის ბაზის შექმნა (დაწყებული დრო, არსი და ა.შ.), ტერმინების სემანტიკური სტრუქტურის, მათ შორის კავშირებისა და აქსიომების ჩათვლით. ვარაუდობენ, რომ ასეთი ცოდნის ბაზა შეიძლება ხელმისაწვდომი იყოს სხვადასხვა პროგრამული ინსტრუმენტებისთვის, რომლებიც მუშაობენ ცოდნასთან და შეასრულებენ ბაზის როლს. საბაზისო ცოდნა" ზოგიერთი მონაცემის მიხედვით, ონტოლოგია უკვე შეიცავს 10 6 ცნებას და 10 5 აქსიომას. ამ პროექტის ფარგლებში ცოდნის წარმოსაჩენად შემუშავდა სპეციალური ენა CYCL.

უმაღლესი დონის ონტოლოგიის კიდევ ერთი მაგალითია Gene-railized Upper Model სისტემის ონტოლოგია, რომელიც ორიენტირებულია ბუნებრივი ენის დამუშავების პროცესების მხარდაჭერაზე: ინგლისური, გერმანული და იტალიური. ამ ონტოლოგიის აბსტრაქციის დონე არის ლექსიკურ და კონცეპტუალურ ცოდნას შორის, რაც განისაზღვრება ლინგვისტურ რესურსებთან ინტერფეისების გამარტივების მოთხოვნებით. განზოგადებული ზედა მოდელი მოიცავს ტაქსონომიას ორგანიზებულ ცნებების იერარქიაში (დაახლოებით 250 ცნება) და ურთიერთობების ცალკეულ იერარქიაში.

საკმარისად ზოგადი უმაღლესი დონის ონტოლოგიების შექმნა ძალიან სერიოზული ამოცანაა, რომელსაც ჯერ კიდევ არ აქვს დამაკმაყოფილებელი გადაწყვეტა.

საგნების ონტოლოგიები და ამოცანების ონტოლოგია აღწერს, შესაბამისად, ლექსიკას, რომელიც ასოცირდება საგნობრივ სფეროსთან (მედიცინა, კომერცია და ა.შ.) ან კონკრეტულ ამოცანასთან ან აქტივობასთან (დიაგნოსტიკა, გაყიდვები და ა.შ.) ონტოლოგიაში დანერგილი ტერმინების სპეციალიზაციის გამო. ზედა დონე. დომენის სპეციფიკური და დავალების სპეციფიკური ონტოლოგიების მაგალითებია TOVE და Plinius, შესაბამისად.

ონტოლოგია TOVE (Toronto Virtual Enterprise Project) სისტემაში არის სუბიექტზე ორიენტირებული კორპორაციის მოდელის წარმოსაჩენად. მისი განვითარების მთავარი მიზანია პასუხის გაცემა მომხმარებლის კითხვებზე ბიზნეს პროცესის რეინჟინერიის შესახებ ონტოლოგიაში ცალსახად წარმოდგენილი ცოდნის ამოღებით. ამ შემთხვევაში, სისტემას შეუძლია განახორციელოს პასუხების დედუქციური დასკვნა. ონტოლოგიას არ გააჩნია სხვა ონტოლოგიასთან ინტეგრაციის ინსტრუმენტები. ფორმალურად, ონტოლოგია აღწერილია ჩარჩოების გამოყენებით.

ამჟამად აშენდა ონტოლოგია მოლეკულური ბიოლოგიის ზოგიერთი განყოფილებისთვის, რომლებიც გვთავაზობენ ტერმინოლოგიას მრავალი ქიმიური ელემენტის განსაზღვრისთვის და უჯრედის შიგნით მიმდინარე პროცესების აღწერისთვის. TAMBIS Ontology (TaO) აღწერს ბიოინფორმატიკას, მოიცავს მოლეკულური ბიოლოგიის და ბიოინფორმატიკის ძირითად ცნებებს: მაკრომოლეკულებს, მათ დანიშნულებას, სტრუქტურას, ფუნქციებს, უჯრედულ მდებარეობას და პროცესებს, რომლებშიც ისინი ურთიერთქმედებენ. ტაოს ონტოლოგია აგებულია OIL ენის გამოყენებით.

ასევე არსებობს ბიოორგანული ცენტრების ექსპერიმენტული ონტოლოგია, რომელიც ცნობილია როგორც COME. COME შედგება სამი ტიპის ერთეულებისაგან: მოლეკულა (MOL), ბიოორგანული მოტივი (BIM) და ბიოორგანული პროტეინები (PRX).

ასევე აშენდა ონტოლოგიები, რომლებიც წარმოადგენენ ცნებებსა და ურთიერთობებს უფრო ვიწრო ფოკუსირებულ სფეროებში - როგორიცაა ქიმიური კრისტალები, კერამიკული მასალები, ბიოენერგეტიკული ცენტრები. ასეთი ონტოლოგიის მაგალითია ქიმიურ-კრისტალების ონტოლოგია. ქიმიურ-კრისტალების ონტოლოგია აღწერს სხვადასხვა სახისნივთიერებების კრისტალური სტრუქტურა. ეს ონტოლოგია აგებულია მეთოდოლოგიის გამოყენებით, რომელიც ცნობილია როგორც METHONTOLOG.

ონტოლოგიის კიდევ ერთი მაგალითია სუფთა ნივთიერების ონტოლოგია. სუფთა ნივთიერებების განმარტება მოცემულია ქიმიური შემადგენლობით, ე.ი. სტრუქტურული წესების მეშვეობით, რომლებიც განსაზღვრავენ სუფთა ნივთიერებებს ქიმიკატებისა და ბუნებრივი რიცხვების მიხედვით. შემუშავებულია ფიზიკური ქიმიის იერარქიული ონტოლოგიის მოდელი. ფიზიკური ქიმიის მოდულარული ონტოლოგია განსაზღვრავს საგნის არეალის ბევრ მონაკვეთს და მათ შორის კავშირებს, აღწერს თითოეული სექციის ცნებების სისტემას და განსაზღვრავს კავშირებს განყოფილებების ცნებებს შორის. ფიზიკური ქიმიის ონტოლოგია შედგება რვა ურთიერთდაკავშირებული განყოფილებისგან: "ელემენტები", "ნივთიერებები", "რეაქცია", "თერმოდინამიკის საფუძვლები", "თერმოდინამიკა". ქიმიური თვისებები“, „თერმოდინამიკა. ფიზიკური თვისებები“, „თერმოდინამიკა. ფიზიკურ და ქიმიურ თვისებებს შორის კავშირი“, „ქიმიური კინეტიკა“. ამ საგნის სფეროს ონტოლოგია ეფუძნება მეტაონტოლოგიას, რომელიც განსაზღვრავს მეტაკონცეფციებს, რომლებიც გამოიყენება თითოეული სექციის კონცეფციის სისტემების განსაზღვრისას.

გამოყენებითი ონტოლოგიები აღწერს ცნებებს, რომლებიც დამოკიდებულია როგორც კონკრეტულ საგნობრივ სფეროზე, ასევე მათში გადაჭრილ ამოცანებზე. ასეთ ონტოლოგიაში ცნებები ხშირად შეესაბამება იმ როლებს, რომლებსაც დომენის ობიექტები ასრულებენ გარკვეული აქტივობის შესრულების პროცესში. ასეთი ონტოლოგიის მაგალითია პლინიუსის სისტემის ონტოლოგია, რომელიც შექმნილია ქიმიის დარგის ტექსტებიდან ცოდნის ნახევრად ავტომატური ამოღებისთვის. ზემოთ ნახსენები სხვა ონტოლოგიებისგან განსხვავებით, არ არსებობს ცნებების აშკარა ტაქსონომია.

ამის ნაცვლად, განსაზღვრულია ატომური კონცეფციების რამდენიმე ნაკრები, როგორიცაა, მაგალითად, ქიმიური ელემენტი, მთელი რიცხვი და ა.შ. და დანარჩენი ცნებების აგების წესები. ონტოლოგია აღწერს დაახლოებით 150 ცნებას და 6 წესს. ფორმალურად, პლინიუსის ონტოლოგია ასევე აღწერილია ჩარჩოების გამოყენებით.

შესავალი

IN Ბოლო დროსონტოლოგიების გამოყენება ავტომატური საინფორმაციო სისტემების საგნობრივი სფეროების მოდელირებისთვის სულ უფრო ფართოვდება. ყველაზე ხშირად, ეს მიდგომა გამოიყენება ინტელექტუალური სისტემებისთვის, განსაკუთრებით მათთვის, ვინც შექმნილია ინტერნეტში მუშაობისთვის. ეს გამოწვეულია იმით, რომ ონტოლოგიის მოდელი იძლევა მეტამონაცემების მოდელის შემუშავების საშუალებას, რაც მნიშვნელოვნად აუმჯობესებს სისტემის გამოყენებას მომხმარებელთა ფართო სპექტრის მიერ ურთიერთქმედების ორგანიზების თვალსაზრისით.

ონტოლოგია არის სტრუქტურა, რომელიც აღწერს ზოგიერთი სისტემის ელემენტების მნიშვნელობებს, სტრუქტურის მცდელობას სამყაროაღწერეთ კონკრეტული საგნის არეალი ცნებებისა და წესების სახით, განცხადებები ამ ცნებების შესახებ, რომელთა დახმარებით თქვენ შეგიძლიათ შექმნათ ურთიერთობები, კლასები, ფუნქციები და ა.შ. საგნობრივი სფეროს ონტოლოგიები შემოიფარგლება სამყაროს აღწერით კონკრეტულ საგნობრივ სფეროში.

ინფორმაციული სისტემის საგნობრივი არეალის ონტოლოგიური მოდელის აგების ამოცანა სამეცნიერო კვლევებში ინოვაციური განვითარების შედეგების კომერციალიზაციის მხარდასაჭერად არის გადაუდებელი და რთული სამეცნიერო და პრაქტიკული ამოცანა. ამოცანის სირთულე განისაზღვრება, კერძოდ, მრავალი ინტერდისციპლინური და ინტერდისციპლინური კავშირის არსებობით და სისტემის საბოლოო მომხმარებლების სხვადასხვა მიზნებით: მეცნიერები, ექსპერტები, ბიზნესმენები, პოლიტიკოსები, საჯარო და კომერციული ორგანიზაციების თანამშრომლები.

ამ სამუშაოს მიზანია ინფორმაციული სისტემის საგნობრივი ზონის ონტოლოგიური მოდელის შემუშავება და შექმნა სამეცნიერო კვლევის შედეგების კომერციალიზაციის მხარდასაჭერად.

CERIF 2008 სტანდარტის მოკლე მიმოხილვა

მსოფლიოს ყველა ქვეყანაში მრავალი სხვადასხვა სახის სამეცნიერო კვლევა ტარდება და სხვადასხვა ქვეყანაში მეცნიერული კვლევის ნიმუში მსგავსია. როგორც წესი, პირველად ტარდება სტრატეგიული დაგეგმვა, შემდეგ გამოცხადებულია კვლევის პროგრამა, წინადადებების მოძიება, სამუშაოსთვის შესაფერისი წინადადებების მიღება, კვლევის შედეგების მონიტორინგი, ანალიზი და შემდგომში გამოყენება ამა თუ იმ მიზნით.

კვლევა ცოდნის იმავე სფეროში შეიძლება განხორციელდეს ერთდროულად რამდენიმეში სამეცნიერო ორგანიზაციებიმათ შორის ერთ ქვეყანაში. გარდა ამისა, გლობალიზაციის ეპოქაში, ერთი ქვეყნის კვლევით ორგანიზაციებს შეუძლიათ თავიანთი მუშაობა სხვა ქვეყნებში მიღებულ შედეგებზე დაყრდნობით. აქედან გამომდინარე, მნიშვნელოვანია უზრუნველყოს სრული და სანდო ინფორმაციისა და მონაცემთა ნაკრების გაცვლა სხვა და სხვა ქვეყნებიდა აფინანსებს კვლევის ყველა ეტაპზე, განაცხადის ეტაპიდან ინოვაციური განვითარების მიმოხილვის გამოქვეყნების ეტაპამდე. სამეცნიერო კვლევის მონაცემების სტანდარტიზაციის პრობლემა წარმოიშვა ჯერ კიდევ გასული საუკუნის 80-იან წლებში და როგორც ამ პრობლემის გადაწყვეტა, პირველად გამოჩნდა ვარიანტები მონაცემთა ბაზის სქემების განზოგადებისთვის სამეცნიერო კვლევის შედეგების შესანახად, რის საფუძველზეც CERIF სტანდარტი (Common European Research) ინფორმაციის ფორმატი) მოგვიანებით გაჩნდა კვლევის ინფორმაციის ფორმატი).

ევროCRIS ორგანიზაცია აქტიურად იყო ჩართული ამ სტანდარტის საფუძველზე სამეცნიერო კვლევის საგნობრივი სფეროს მოდელირებაში ბოლო 14 წლის განმავლობაში ევროკავშირში. ამ სტანდარტის ძირითადი თვისებები:
1) სტანდარტი მხარს უჭერს ობიექტების ან ერთეულების კონცეფციას ატრიბუტებით: მაგალითად, როგორიცაა პროექტი, პიროვნება, ორგანიზაცია;
2) სტანდარტი მხარს უჭერს n:m ურთიერთობებს ობიექტებს შორის „სავალდებულო ურთიერთობების“ გამოყენებით და ამით უზრუნველყოფს მდიდარ სემანტიკას როლებისა და დროის ჩათვლით;
3) სტანდარტი სრულიად საერთაშორისოა ენის ან ხასიათის კომპლექტის თვალსაზრისით;
4) სტანდარტი გაფართოვდება ძირითადი მონაცემთა მოდელის დაზიანების გარეშე, რაც შესაძლებელს ხდის მთავარ დონეზე მუშაობას უფრო ფართო ურთიერთქმედების შეფერხების გარეშე.

CERIF სტანდარტის ძირითადი ობიექტებია პირი, ორგანიზაციული ერთეული და პროექტი, რომელთაგან თითოეული რეკურსიულად არის დაკავშირებული თავისთან და ინარჩუნებს ურთიერთობას სხვა ობიექტებთან. სტანდარტი აღწერს ბევრ დამატებით ობიექტს, რომლებიც გამოიყენება სრულად აღწერისთვის კვლევითი პროექტები, მათი მონაწილეები, მათი ერთობლივი მუშაობის შედეგები და ა.შ. მონაცემების სემანტიკა მითითებულია სპეციალურ სემანტიკურ დონეზე, ცხრილებში, რომლებიც აღწერს ცალკეულ ობიექტებს შორის შესაძლო როლებსა და ურთიერთქმედებებს.

პროექტს, ადამიანს, ორგანიზაციას შორის ურთიერთობა ნაჩვენებია CERIF სტანდარტში სპეციალური ბმულების გამოყენებით და ისინი განიხილება CERIF მოდელის ერთ-ერთ ძლიერ მხარედ. კავშირი ყოველთვის აკავშირებს ორ ობიექტს. ყველა კავშირი აგებულია ერთი და იგივე სქემის მიხედვით: ისინი მემკვიდრეობით იღებენ სახელებს და იდენტიფიკატორებს მშობელი ობიექტებიდან და დამატებით აქვთ კავშირის დაწყების და დასრულების თარიღის ატრიბუტები. ამრიგად, ყველა შესაძლო ურთიერთობა პროექტებს, ადამიანებსა და ორგანიზაციებს შორის დაზუსტებულია ამ კავშირების გამოყენებით და დაქვემდებარებული ურთიერთობების ბუნება (ვინ არის ვისი ავტორი, ვინ არის ვისი საგანი, რა არის რისი ნაწილი და ა.შ.) ნაჩვენებია წყალობით. სემანტიკური ფენა, რომელშიც დაგეგმილია ყველა ეს როლი.

სამეცნიერო საქმიანობის შედეგების საჩვენებლად CERIF სტანდარტი ითვალისწინებს სპეციალურ ობიექტებს: ResultPublication, ResultPatent, ResultProduct (Publication, Patent, Product). გარდა ძირითადი და შედეგად მიღებული ობიექტებისა, CERIF ასევე იყენებს ბევრ ეგრეთ წოდებულ მეორე დონის ობიექტს, როგორიცაა: FundProg - დაფინანსების პროგრამა, Event - ღონისძიება, პრიზი - ჯილდო, Facil - მომსახურების ობიექტები, Equip - აღჭურვილობა და ა.შ. მეორე დონის ობიექტები საშუალებას გაძლევთ წარმოაჩინოთ კვლევის კონტექსტი მთავარ და მიღებულ ობიექტებთან კავშირებით.

CERIF მოდელი მხარს უჭერს მრავალენოვან შესაძლებლობებს სახელების, სათაურების, აღწერილობების, საკვანძო სიტყვების, განზოგადებების და სემანტიკისთვისაც კი. გამოყენებული ენა ინახება LangCode ატრიბუტში მაქსიმუმ ხუთსიმბოლოიანი მნიშვნელობებით (მაგ. en, de, fr, si, en-uk, en-us, fr-fr, fr-be, fr-nl). Trans ატრიბუტი გვაწვდის ინფორმაციას თარგმანის ტიპის შესახებ: o=original (ორიგინალი ენა), h=human (ადამიანის თარგმანი) ან m=machine (მანქანური თარგმანი). ძირითადი, მიღებული და მეორე დონის ობიექტების გარდა, მულტილინგვიზმი მხარს უჭერს კლასიფიკატორებს CERIF-ის სემანტიკურ დონეზე. ამ გზით შესაძლებელი ხდება სხვადასხვა ენაზე კლასიფიკაციის სქემების მხარდაჭერა.

CERIF სტანდარტი რეკომენდირებულია CRIS სისტემებში გამოსაყენებლად (Current Research Information Systems - საინფორმაციო სისტემები მიმდინარე სამეცნიერო კვლევებისთვის), რომლებიც ერთად აგროვებენ სამეცნიერო კვლევების საფუძველში არსებულ ყველა ინფორმაციას. ასეთი სისტემების გამოყენება მნიშვნელოვნად უწყობს ხელს ინვესტორებსა და მკვლევარებს შორის ურთიერთქმედებას. კვლევით გუნდებს აქვთ მარტივი წვდომა იმ ინფორმაციაზე, რომელიც მათ სჭირდებათ ინოვაციური იდეების განსავითარებლად, მენეჯერებსა და მენეჯმენტ პერსონალს შეუძლიათ უფრო ადვილად აკონტროლონ და შეაფასონ მიმდინარე კვლევითი საქმიანობა, ხოლო ინვესტორებს და კვლევით საბჭოებს შეუძლიათ გაამარტივონ ინოვაციური პროექტების დაფინანსების პროცესი.

სტანდარტის გამოყენების რეალური მაგალითია CERIF სტანდარტის საფუძველზე აგებული IST World პორტალი. ის გვაწვდის ინფორმაციას ექსპერტების, კვლევითი ჯგუფების, ცენტრებისა და კომპანიების შესახებ, რომლებიც მონაწილეობენ ტექნოლოგიების შექმნაში მზარდი საინფორმაციო საზოგადოებისთვის. სერვისის მთავარი აქცენტი არის პროცესის მთავარი მონაწილეების გამოცდილება და გამოცდილება ევროპული ქვეყნები. საცავი შეიცავს ინფორმაციას ევროკომისიის მეხუთე, მეექვსე და მეშვიდე ჩარჩო პროგრამების პროექტების შესახებ, აგრეთვე ამ კვლევით პროექტებთან დაკავშირებულ ინფორმაციას, რომლებიც შეგროვებულია ბულგარეთში, კვიპროსში, ჩეხეთში, ესტონეთში, უნგრეთში, ლატვიაში, ლიტვაში, მალტაში, პოლონეთში. , რუმინეთი, რუსეთი, სერბეთი, სლოვენია, სლოვაკეთი და თურქეთი.

რუსეთში არ არსებობს მიმდინარე სამეცნიერო კვლევების ერთიანი სისტემა. ასეთი სისტემების შექმნის ყველა მცდელობა ცალ-ცალკე ხორციელდება სხვადასხვა პროგრამებისა და პროექტების ფარგლებში. ჩერნოგოლოვკაში შიგნით რუსეთის აკადემია Sciences, HAAB-ის გრანტის ფარგლებში, ხორციელდება პროექტი, რომლის მიზანია ინტელექტუალური საქმიანობის შედეგების კომერციალიზაციის მხარდასაჭერი საინფორმაციო სისტემის შექმნა და განვითარება დაინტერესებული იურიდიული და მიწოდებისთვის. პირებიმონაცემები RAS-ის ინსტიტუტების ინოვაციური განვითარების შესახებ მათი შესაძლო შემდგომი კომერციალიზაციის შესახებ. ამ სისტემაში ინოვაციური განვითარება გაგებულია, როგორც ობიექტების საინფორმაციო გამოსახულებები ინტელექტუალური საკუთრებისტექნიკური გადაწყვეტილებები, აგრეთვე სამეცნიერო და ტექნიკური საქმიანობის შედეგად მიღებული ტექნოლოგიური მოთხოვნები, იდეები და სხვა არამატერიალური აქტივები.

CERIF-ის სტანდარტის გაანალიზებით, ჩვენ აღმოვაჩენთ, რომ ის არ მოიცავს ექსპერტების მუშაობას და კომერციალიზაციის პროცესისთვის ინოვაციური განვითარების მომზადების საგნებს. ამიტომ, ავტორებმა შემოგვთავაზეს ამ სტანდარტით შემოთავაზებული მოდელის გაფართოება ზემოაღნიშნულ საგნებზე.

სტრუქტურული თვალსაზრისით, ინოვაციის პროცესი არის ინოვაციების შექმნის, განვითარებისა და გავრცელების თანმიმდევრულად ურთიერთდაკავშირებული ქმედებების კომპლექსი. ინოვაციური პროცესი გულისხმობს ინოვაციური პროდუქტის მდგომარეობის ევოლუციურ ცვლილებას, მის იდეიდან პროდუქტად გადაქცევას, აგრეთვე მისი შემდგომი ბაზრის ბედის მონიტორინგს.

დომენის მოდელი ინოვაციური განვითარების მხარდასაჭერად

სამეცნიერო კვლევის შედეგების კომერციალიზაციის მხარდასაჭერი საინფორმაციო სისტემის საგანი არის რამდენიმე საგნობრივი სფეროს ერთობლიობის ჯამი, კერძოდ, სამეცნიერო კვლევის საგანი, განხორციელების შესაძლო სფეროების საგანი და ინოვაციური განვითარების კომერციალიზაციისთვის ექსპერტების საგანი. ამ შემთხვევაში, ბოლო ტერმინი უნდა დაეხმაროს შემდეგი პრობლემის გადაჭრას: პირველ ორ ტერმინს შორის ურთიერთქმედების გზების დინამიურად ჩამოყალიბება „ბევრიდან ბევრამდე“ ურთიერთობაში.

სამეცნიერო კვლევითი საქმიანობის სფეროს ონტოლოგია არის სისტემის სტრუქტურა, რომელიც ასახავს სამეცნიერო საქმიანობის პროცესს. სამეცნიერო კვლევა შესაძლებელია მხოლოდ იმ შემთხვევაში, თუ ხელმისაწვდომია სრული და სანდო ინფორმაცია და მონაცემთა ნაკრები: განაცხადის ეტაპიდან განვითარების მიმოხილვის გამოქვეყნების ეტაპამდე. ამჟამინდელი კვლევის საინფორმაციო სისტემები უნდა აერთიანებს ყველა ინფორმაციას, რომელიც ემყარება სამეცნიერო კვლევას. ასეთი სისტემების გამოყენება შეუძლია ადამიანთა ფართო სპექტრს: მკვლევარებიდან ინვესტორებამდე. კვლევით ორგანიზაციებს შეუძლიათ განათავსონ ინფორმაცია თავიანთი ინოვაციური მოვლენების შესახებ ინტერნეტის საშუალებით და მოიძიონ წინადადებები პოტენციური ინვესტორებისგან და კლიენტებისგან ახორციელებს R&Dდა წინადადებები ინვესტიციებისთვის მაღალი ტექნოლოგიების სფეროში და ინოვაციური განვითარების ძიებაში.

სამეცნიერო კვლევის საგნობრივ სფეროში შეიძლება გამოიყოს შემდეგი ძირითადი კლასები (ნახ. 1):

სურათი 1. მეცნიერული კვლევის საგნობრივი სფეროს ძირითადი კლასები

პროექტი შეიცავს ინფორმაციას პროექტების, კვლევების შესახებ, რომელთა შედეგი იქნება ამა თუ იმ ფორმით ინოვაციური განვითარება, ასევე მათი დრო. პროექტები შეიძლება ასოცირებული იყოს სხვა პროექტებთან, ასოცირებული ადამიანებთან, ორგანიზაციებთან, პატენტებთან, პუბლიკაციებთან, პროდუქტებთან და სისტემის სხვა ობიექტებთან.

ორგანიზაცია შეიცავს ინფორმაციას პროექტებთან დაკავშირებული ორგანიზაციების შესახებ. შეიცავს ორგანიზაციის აღწერას: გადახდის ვალუტას, თანამშრომელთა რაოდენობას, ბრუნვას და ა.შ. ორგანიზაციები ასევე შეიძლება ერთმანეთთან იყოს დაკავშირებული და დაკავშირებული იყოს სისტემის სხვა ობიექტებთან.

პირი შეიცავს ინფორმაციას სამეცნიერო პროექტებში ჩართული ადამიანების შესახებ. ადამიანები ასევე შეიძლება იყვნენ ურთიერთდაკავშირებული და სხვა ობიექტებთან დაკავშირებული.

დამატებითი სახელების ობიექტი შეიცავს ინფორმაციას ერთი ადამიანის სახელის სხვადასხვა მართლწერის შესახებ, მათ შორის სხვადასხვა ენაზე.

პუბლიკაცია შეიცავს ინფორმაციას კვლევის შედეგების შესახებ პუბლიკაციების სახით. შეიცავს გამომავალ ინფორმაციას პუბლიკაციის შესახებ: გამოშვების თარიღი, გამოცემა, სერია, გვერდები, ISBN, ISSN, შემაჯამებელი, კომენტარები და ა.შ პუბლიკაციები შეიძლება იყოს ურთიერთდაკავშირებული და ასოცირებული სხვა კვლევის შედეგებთან, ასევე სისტემის სხვა ობიექტებთან: პროექტთან, ორგანიზაციებთან, ადამიანებთან და ა.შ.

პატენტი შეიცავს ინფორმაციას კვლევის შედეგებისთვის გაცემული პატენტების შესახებ. შეიცავს ინფორმაციას ქვეყნის შესახებ, სადაც გაიცა პატენტი, რეგისტრაციის თარიღი და მოკლე შინაარსი. პატენტები შეიძლება ასოცირებული იყოს პუბლიკაციებთან, პროექტებთან, ორგანიზაციებთან და ადამიანებთან.

პროდუქტი შეიცავს ინფორმაციას კვლევის შედეგად მიღებული პროდუქტების შესახებ, ე.ი. ინოვაციური განვითარების შესახებ, ასევე პროდუქტის აღწერას. პროდუქტები შეიძლება ასოცირებული იყოს პუბლიკაციებთან, პროექტებთან, ადამიანებთან, ორგანიზაციებთან.

CERIF სტანდარტით გათვალისწინებული დამატებითი ობიექტები ასევე ჩართულია ქვესისტემაში: ენა გამოიყენება ინფორმაციის საჩვენებლად იმ ენის შესახებ, რომლითაც სისტემაშია მონაცემები წარმოდგენილი, მისამართი გამოიყენება ადამიანებისა და ორგანიზაციების ფიზიკური მისამართების შესახებ ინფორმაციის ჩვენებისთვის, ელექტრონული მისამართი არის გამოიყენება ადამიანებისა და ორგანიზაციების ელექტრონული მისამართების შესახებ ინფორმაციის ჩვენებისთვის, ქვეყანა - ქვეყნების შესახებ ინფორმაციის საჩვენებლად, ვალუტა - ვალუტების შესახებ ინფორმაციისთვის, დაფინანსების პროგრამა - ინფორმაციისთვის იმ პროგრამის შესახებ, რომლის ფარგლებშიც პროექტი ხორციელდება და ა.შ.

სემანტიკური დონის ობიექტების კლასებისა და კლასიფიკაციის სქემის გამოყენებით ხასიათდება ურთიერთობის ტიპები, განცხადებების ფორმები და საგნების კლასიფიკაცია. მაგალითად, პუბლიკაციების ტიპების ან პროდუქტების ტიპების დანიშვნა და ა.შ.

განხორციელების შესაძლო სფეროების საგნობრივ არეალში შეიძლება გამოიყოს შემდეგი კლასები (ნახ. 2):
ორგანიზაცია შეიცავს ინფორმაციას ინოვაციურ განვითარებაში ინვესტიციით და R&D განხორციელებით დაინტერესებული ორგანიზაციების შესახებ. შეიცავს ორგანიზაციის აღწერას: გადახდის ვალუტას, თანამშრომელთა რაოდენობას, ბრუნვას და ა.შ.

პირი შეიცავს ინფორმაციას ორგანიზაციებში დასაქმებულ ადამიანებზე ან ცალკეულ პოტენციურ ინვესტორებზე. ადამიანი შეიძლება იყოს ურთიერთდაკავშირებული და დაკავშირებული სხვა ობიექტებთან. ამ საგნის სფეროსთვის ასევე გამოიყენება სახელების ობიექტი, რომელიც შეიცავს ინფორმაციას ერთი ადამიანის სახელის სხვადასხვა მართლწერის შესახებ. წინადადება შეიცავს ინფორმაციას პოტენციური ინვესტორების წინადადებების შესახებ R&D, ინვესტიციების ან კონკრეტული თემის განვითარებისთვის. შეიცავს შეთავაზებების აღწერას, ასევე ინფორმაციას მათი ვადების შესახებ. წინადადებები შეიძლება იყოს ურთიერთდაკავშირებული და ასევე დაკავშირებული იყოს ადამიანებთან, ორგანიზაციებთან და სისტემის სხვა ობიექტებთან. პატენტი შეიცავს ინფორმაციას იმ განვითარების პატენტების შესახებ, რომლებშიც ორგანიზაციას სურს ინვესტირება. პროდუქტი შეიცავს ინფორმაციას ინვესტორებისთვის საინტერესო პროდუქტების შესახებ.

მეცნიერული კვლევის საგნის არეალთან ანალოგიით განხორციელების შესაძლო სფეროების საგნობრივ არეალში, შესაძლებელია დამატებითი ობიექტების იდენტიფიცირება: ენა, მისამართი, ელექტრონული მისამართი, ქვეყანა, ვალუტა და ა.შ. ობიექტებს შორის ურთიერთობის ტიპების დასახასიათებლად. და თავად ობიექტების კლასიფიკაციისთვის, ასევე შეგიძლიათ გამოიყენოთ სემანტიკური დონის კლასი და კლასიფიკაციის სქემა.

სურათი 3. ექსპერტების საგნობრივი სფეროს ძირითადი კლასები.

ინოვაციური განვითარების კომერციალიზაციის შესაძლებლობის საექსპერტო შეფასების საგანში შეიძლება გამოიყოს შემდეგი კლასები (ნახ. 3):

პირი შეიცავს ინფორმაციას ექსპერტების შესახებ, რომლებიც აფასებენ და აანალიზებენ ინოვაციურ მოვლენებს და იღებენ გადაწყვეტილებებს მათი კომერციალიზაციის შესაძლებლობის შესახებ. იგივე დამატებითი სახელების ობიექტი შეიცავს ინფორმაციას ერთი ადამიანის სახელის სხვადასხვა მართლწერის შესახებ.

ორგანიზაცია შეიცავს ინფორმაციას იმ ორგანიზაციების შესახებ, რომლებშიც ექსპერტები არიან დასაქმებული. პროდუქტი შეიცავს ინფორმაციას სამეცნიერო და ტექნიკური განვითარების შესახებ, რომელსაც აფასებენ ექსპერტები. ცალკე, შეგიძლიათ აირჩიოთ შეფასების ობიექტი, რათა შეინახოთ ექსპერტთა მოსაზრებები განვითარებული მოვლენების კომერციალიზაციის შესაძლებლობის შესახებ.

მეცნიერული კვლევის საგნების და ექსპერტების საგანში განხორციელების შესაძლო სფეროების ანალოგიით, შეიძლება გამოიყოს დამატებითი ობიექტები: ენა, მისამართი, ელექტრონული მისამართი, ქვეყანა, ვალუტა და ა.შ.

ზოგადი სტრუქტურა, რომელიც აერთიანებს სამივე ქვესისტემას, სრულად ასახავს სამეცნიერო კვლევების ჩატარებისა და მათი კომერციალიზაციის შესაძლებლობის შეფასების პროცესს (ნახ. 4).

სურათი 4. ინფორმაციული სისტემის საგანი სამეცნიერო კვლევის შედეგების კომერციალიზაციის მხარდასაჭერად

საინფორმაციო სისტემის და მისი მომხმარებლების აგების ძირითადი პრინციპები

რუსეთის მეცნიერებათა აკადემიის სამეცნიერო კვლევების შედეგების კომერციალიზაციის მხარდასაჭერ ინფორმაციულ სისტემაში შეიძლება განვასხვავოთ სამი ქვესისტემა: რუსეთის მეცნიერებათა აკადემიის ინსტიტუტებში ჩატარებული სამეცნიერო კვლევის ქვესისტემა (ინსტიტუტების ქვესისტემა), ქვესისტემა. განხორციელების შესაძლო სფეროები (პოტენციური ინვესტორების ქვესისტემა) და ინოვაციური განვითარების შესაძლებლობის საექსპერტო შეფასების ქვესისტემა (ექსპერტების ქვესისტემა). შესაბამისად, თითოეულ ქვესისტემაში შეიძლება გამოიყოს მომხმარებელთა სამი ჯგუფი - ინტელექტუალური საკუთრების მფლობელთა ჯგუფი (მკვლევარები), ექსპერტთა ჯგუფი და ინვესტორთა ჯგუფი.

საინფორმაციო სისტემაში თითოეულ მომხმარებელს - ინტელექტუალური საკუთრების ობიექტის მფლობელს (მკვლევარს) - განურჩევლად მისი განვითარების ხარისხის (პატენტი, გადაწყვეტა, იდეა და ა.შ.) შეუძლია მიაწოდოს ინფორმაცია IP-ს, მისი სამეცნიერო და ტექნიკური განვითარების შესახებ. ინოვაციური განვითარების კუმულაციური ინფორმაციის გამოსახულების სახით, რომელიც შეიძლება შეიცავდეს რეზიუმეს, ტექნოლოგიურ წინადადებას, ინფორმაციას მფლობელის შესახებ და ა.შ. გარდა ამისა, მას შეუძლია დაამატოთ ინფორმაცია მისი განვითარების პატენტის დაცვის შესახებ, ასევე განათავსოს დამატებითი ინფორმაცია. მათ შესახებ. პოტენციურ ინვესტორებს, R&D კლიენტებს ან მათ წარმომადგენლებს შეუძლიათ სისტემაში განათავსონ თავიანთი საინვესტიციო წინადადებები, ინფორმაცია მათი საჭიროებების (ინტერესების) და შეკვეთების შესახებ R&D, ინოვაციური განვითარების ექსპერტული შეფასება, ინოვაციური განვითარების ძიება და გაეცნონ განვითარებულ მოვლენებს არსებულ ექსპერტთა შეფასებებს. სისტემამ შეიძლება უზრუნველყოს ცალკე ვირტუალური პლატფორმა ექსპერტებისთვის, რომლებსაც შეუძლიათ შეიმუშაონ კითხვარი (შეავსონ ტექნოლოგიური აუდიტი), გააანალიზონ ბიზნეს იდეები და შეაფასონ ინოვაციური განვითარების საინვესტიციო მიმზიდველობა. საინფორმაციო სისტემის თითოეულ მომხმარებელს, თავისი ინტერესებიდან გამომდინარე, აქვს შესაძლებლობა მოძებნოს საინფორმაციო ობიექტები და მასთან დაკავშირებული ინფორმაცია, შეარჩიოს ისინი და გააანალიზოს ისინი, რათა შემდგომში გადაწყვიტოს შემდგომი კონტაქტების მიზანშეწონილობა.

მომხმარებელს, რომელიც არ არის რეგისტრირებული სისტემაში, სტუმრის შესვლის შესაძლებლობის გამოყენებით, შეუძლია მონაწილეობა მიიღოს საინფორმაციო სისტემის მუშაობაში დაუსწრებლად. გაეცნოს ინოვაციური განვითარების რეზიუმეებს, ინვესტორთა წინადადებებს და ექსპერტთა შეფასებებს, რომლებიც ღიაა სანახავად, მას შეუძლია გადაწყვიტოს, შეიცავს თუ არა სისტემა განვითარებულ მოვლენებს ან კვლევის წინადადებებს, რომლებიც მას აინტერესებს, გაიგოს რა კრიტერიუმები გამოიყენება ექსპერტების მიერ ინვესტიციის მიმზიდველობის შესაფასებლად და შემდეგ გადაწყვიტოს რეგისტრაცია და შემდგომი მუშაობა საინფორმაციო სისტემაში სამეცნიერო კვლევების კომერციალიზაციის მხარდასაჭერად.

დასკვნა

ავტორები თვლიან, რომ შემდეგი დებულებები და შედეგები ახალია ამ ნაშრომში: ინფორმაციული სისტემის საგნობრივი არეალის ონტოლოგიური მოდელი RAS ინსტიტუტების ინოვაციური განვითარების სასიცოცხლო ციკლის მხარდასაჭერად.

შემუშავებული მოდელი საშუალებას გვაძლევს განვავითაროთ ასეთი სისტემის პროგრამული არქიტექტურა, განვავითაროთ მეტამონაცემები და შევქმნათ ურთიერთდაკავშირებული თეზაურების ნაკრები საბოლოო მომხმარებლის მოთხოვნების სემანტიკის მხარდასაჭერად.

ლიტერატურა:
1. ლაპშინი ვ.ა. ონტოლოგია კომპიუტერულ სისტემებში. - მ.: სამეცნიერო სამყარო, 2010.- 222გვ.
2. გრუბერი თ.რ. საერთო ონტოლოგიის როლი გაზიარებადი, მრავალჯერადი ცოდნის ბაზების მიღწევაში // ცოდნის წარმოდგენისა და მსჯელობის პრინციპები. მეორე საერთაშორისო კონფერენციის მასალები. ჯ.ა. Allen, R. Fikes, E. Sandewell - eds. მორგან კაუფმანი, 1991, გვ.601-602.
3. კონსტანტინოვა ნ.ს. ონტოლოგია, როგორც ცოდნის შენახვის სისტემები [ელექტრონული რესურსი] / N.S. კონსტანტინოვა, ო.ა. მიტროფანოვა. - წვდომის რეჟიმი: http://www.sci-innov.ru/icatalog_new/index.php?action=send_att&entry_id=68352&fname=68352e2-st08_(Mitrofanova O.A.).pdf
4. CERIF 2008 - 1.2 სრული მონაცემთა მოდელი (FDM). შესავალი და სპეციფიკაცია [ელექტრონული რესურსი] - წვდომის რეჟიმი: http://www.eurocris.org/Uploads/Web%20pages/CERIF2008/Release_1.2/CERIF2008_1.2_FDM.pdf
5. კულაგინი მ.ვ., ლოპატენკო ა.ს. სამეცნიერო საინფორმაციო სისტემები და ელექტრონული ბიბლიოთეკები. ინტეგრაციის საჭიროება // ელექტრონული ბიბლიოთეკების მესამე რუსულ კონფერენციის კრებული. RCDL"2001 პეტროზავოდსკი, 2001 წლის 11-13 სექტემბერი, გვ. 14-19.