Ngày mới đầu tìm hiểu về ontology, đọc khái niệm ontology dưới quan điểm của Triết học mà thấy sợ ontology có nghĩa là "bản thể luận" bao hàm đi tìm về bản chất của vấn đề, sự việc, hiện tượng. Sự phát triển của công nghệ thông tin trong đó có sự phát triển của ngành Trí tuệ nhân tạo (AI) đã giúp cho khái niệm Ontology ngày càng trở lên phổ dụng hơn, đã đi ra khỏi các Lab của Trí tuệ nhân tạo, đi sâu vào đời sống CNTT, đặc biệt trong thời kỳ bùng nổ tri thức Web 3.0. Dưới đây là tổng hợp một số vấn đề cơ bản liên quan đến Ontology:
1. Khái niệm Ontology
Theo quan điểm của ngành trí tuệ nhân tạo, một Ontology là sự mô tả về các khái niệm và các quan hệ của các khái niệm đó nhằm mục đích thể hiện một góc nhìn về thế giới. Trên miền ứng dụng khác của khoa học, một Ontology bao gồm tập các từ vựng cơ bản hay một tài nguyên trên một miền lĩnh vực cụ thể, nhờ đó những nhà nghiên cứu có thể lưu trữ, quản lý và trao đổi tri thức cho nhau theo một cách tiện lợi nhất [1].
Hiện tại tồn tại nhiều khái niệm về Ontology với nội dung rất đa dạng và phong phú. Một định nghĩa ontology mang tính khái quát và được sử dụng khá phổ biến do Kincho H. Law và cộng sự [1] đưa ra: “Ontology là biểu hiện một tập các khái niệm (đối tượng), trong một miền cụ thể và những mối quan hệ giữa các khái niệm này”.
Các thành phần chính của Ontology là: Lớp (Class), thuộc tính (Property), cá thể (Individual). Lớp (class) là một tập các thực thể, được mô tả logic đề định nghĩa các đối tượng của lớp; lớp được xây dựng theo cấu trúc phân cấp cha con như là một sự phân loại các đối tượng. Thuộc tính (Property) thể hiện quan hệ nhị phân của các cá thể (quan hệ giữa hai cá thể) như liên kết hai thực thể với nhau. Cá thể (individual) hay còn gọi là “thể hiện”. Đây được xem là thể hiện của một lớp, làm rõ hơn về lớp đó và có thể được hiểu là một đối tương nào đó trong tự nhiên.
Hình 1 chỉ dẫn một bộ phận của một ontology về thời tiết.
Hình 1: Ví dụ Ontology mô tả về hiện tượng thời tiết “Gió” (wind) của dự án NextGen Network Enabled Weather (NNEW)
2. Lý do của việc xây dựng ontology
Natalya F.Noy và Deborah L. McGuinness [2] đã chỉ ra 5 lý do sau đây để xây dựng một ontology:
- Thứ nhất, việc chia sẻ sự ‘hiểu’ về các cấu trúc thông tin giữa con người và các tác tử phần mềm là mục tiêu lớn nhất trong sự phát triển của ontology. Ví dụ, có rất nhiều Website chứa đựng các thông tin hay dịch vụ về y tế. Nếu các Website này chia sẻ và được xuất bản trên cơ sở sử dụng các thuật ngữ của cùng một ontology thì máy tính có thể trích chọn và tích hợp thông tin từ các nguồn này, trả lời cho các truy vấn người dùng hay là làm input cho một ứng dụng nào khác.
- Thứ hai, việc xây dựng ontology cho phép khả năng sử dụng lại các tri thức miền.
- Thứ ba, việc xây dựng ontology tạo ra các giả thiết tri thức miền rõ ràng.
- Thứ tư, việc xây dựng ontology cho phép tách biệt tri thức miền với tri thức thi hành.
- Thứ năm, phân tích tri thức miền là hoàn toàn có thể thi hành được khi đã biết được các định nghĩa của các khái niệm trong ontology được xây dựng.
3. Các bước xây dựng một ontology
Thông thường, việc xây dựng một ontology được coi như một hình thức để xác định tập dữ liệu và cấu trúc của nó cho một chương trình khác sử dụng. Phương pháp giải quyết vấn đề, các ứng dụng độc lập và tác tử phần mềm coi ontology và cơ sở tri thức xây dựng từ ontology như là các dữ liệu.
Bài toán xây dựng Ontology bao gồm các bước sau [2]:
• Bước 1: Định nghĩa các lớp (khái niệm) trong Ontology
• Bước 2: Sắp xếp các lớp trong một kiến trúc phân cấp lớp cha - lớp con (taxonomic hierarchy)
• Bước 3: Định nghĩa các thuộc tính của các lớp và mô tả dạng dữ liệu của những thuộc tính này
• Bước 4: Tìm các thể hiện của các lớp, các giá trị của các thuộc tính
Thông thường, để xây dựng Ontology cho một miền ứng dụng nào, ba bước đầu tiên (1-3) được tiến hành thủ công bởi các chuyên gia trong miền ứng dụng đó. Bước 4, hoặc cũng được thực hiện thủ công, hoặc được thực hiện bằng cách tự động khi sử dụng các công cụ của xử lý ngôn ngữ tự nhiên như nhận dạng thực thể, trích chọn quan hệ để tiến hành bổ sung thông tin.
Tài liệu tham khảo
1. C. P. Cheng, G. T. Lau, J. Pan and K. H. Law (2008). Domain-Specific Ontology Mapping by Corpus-Based Semantic Similarity. Proceedings of 2008 NSF CMMI Engineering Research and Innovation Conference, January 7-10, 2008.
2. Noy, N.F., and McGuinness. D.L (2001). Ontology Development 101: A Guide to Creating Your First Ontology SMI. Technical report SMI-2001-0880, Stanford University, 2001.
No comments:
Post a Comment