CC BY
110
УДК 007:681.512.2
ICF-ОНТОЛОГИЯ ДЛЯ АНАЛИЗА ДОКУМЕНТОВ В ТЕХНОЛОГИИ SEMANTIC WEB Д.И. Каширин
Рязанский государственный радиотехнический университет
Представлена профессором В.Е. Подольским и членом редколлегии профессором В.И. Коноваловым
Ключевые слова и фразы: анализ документов; дескриптивные логики; онтологии; пертинентный поиск документов; формальные системы; ALC-грамматика; ICF-онтологии; OWL; Semantic Web.
Аннотация: Рассматривается применение общей ICF-онтологии, ориентированное на описание и анализ системы понятий разных предметных областей с рассмотрением этих понятий под различными углами зрения. Приводится модификация DL логики с ALC-грамматикой, не нарушающая семантики логики относительно свойства разрешимости и дающая возможность использовать таксономию, введенную в ICF -онтологии.
1. Введение
Формальное представление знаний для их последующей компьютерной обработки является фундаментальной проблемой науки об искусственном интеллекте. Из множества применений этой проблематики можно выделить актуальную современную задачу интеллектуального поиска в Internet.
Эта задача связана с интенсивным развитием глобальных информационных ресурсов, накапливаемых во всемирной сети WWW. В то же время поиск релевантной, то есть отвечающей потребностям конечного пользователя, информации становится все более сложным. Проблемой интенсивно занимается компания W3C (World Wide Web Consortium) [2]. Новая версия сети, названная Semantic Web, базируется на предварительном формальном описании знаний, содержащихся в документах. Предполагается, что запрос (информационные потребности) пользователя также должен быть строго семантически структурирован в его собственной формальной системе знаний. Для конструктивного решения задачи поиска нужно обеспечить унификацию формы (языка) представления знаний.
OWL (OWL-DL) как новое средство манипулирования формализованными знаниями использует математический аппарат онтологии и дескриптивной логики DL [3, 4].
2. Современная проблематика семантического представления на основе RDF и OWL
Как правило, авторы программных средств, предназначенных для формального описания знаний в Semantic Web, не претендуют на завершенность своей разработки и отсутствие возможности создания более эффективных теоретических концепций и версий программных систем этого назначения. В то же время
нужно согласиться с тем, что принятие единого стандарта в описании знаний -важнейший фактор реальной работы Semantic Web. Исходя из этого, новые формализмы представления знаний целесообразно разрабатывать, основываясь на принципах совместимости с существующими средствами, такими как RDF и OWL-DL.
Перечислим некоторые проблемы, существующие на современном этапе становления технологии Semantic Web.
1. Для совместимости формального представления знаний разных конечных пользователей необходимо использовать метазнания, то есть знания о том, как устроена сама система представления знаний.
2. Необходима возможность выделения ликвидных знаний из данных в условиях неоднородности и больших объемов первоначальной информации, то есть знаний, в которых существует реальная потребность пользователей.
3. Необходимо иметь возможность реорганизации схем описания знаний при внесении изменений в их первоначальную классификацию без дальнейших потерь при поиске.
4. Существует сложность в отыскании пользователя, нуждающегося в конкретной информации, с учетом различия задач, интересов и мотивации у разных пользователей.
Все перечисленные сложности так или иначе связаны с необходимостью получения новых модификаций известных формализмов, обладающих более хорошими возможностями представления знаний, но не разрушающими достигнутые результаты по полноте и разрешимости логических теорий [6].
Для преодоления сложностей целесообразно использовать концепцию онтологий [4] как средства для представления знаний на основе семантических сетей, использующих базовые таксономические отношения.
Настоящая статья посвящена концепции использования онтологического формализма для описания и анализа знаний о предметных областях с целью их последующего эффективного поиска в Semantic Web.
3. Проблема анализа документов для поиска
В реальной практике поиск необходимой конечному пользователю информации разделяют на документальный и фактографический. В первом случае задачей поиска является выбор релевантных или пертинентных документов - электронных материалов различного вида, например, статей, монографий, нормативных актов, патентов и т. п. Во втором случае необходимо найти ответ на конкретно поставленный вопрос, например, «В каком году появился первый персональный компьютер?», «Из каких химических элементов состоит заданное минеральное удобрение?» или «Как спроектировать драйвер для заданного периферийного устройства?».
В обоих случаях для поиска необходимо представление запроса в сложной форме семантической сети (онтологии), конкретизированной для реальной предметной области. В любом случае исходные данные к поиску представляются парой: известная для поиска информация и требуемая в результате поиска информация. Конкретизированная семантическая сеть (КСС) содержит понятия и отношения, классифицированные с помощью базовой онтологии. В объектно-ориентированном подходе (ООП) это означает, что понятия и отношения КСС являются наследниками классов из базовой онтологии. В то же время, конкретные сети содержат новые сложные отношения, которые могут быть классифицированы дополнительно.
Документальный и фактографический поиски имеют и существенные отличия. При документальном поиске достаточно частично унифицировать КСС запроса пользователя с КСС выбираемого из информационного хранилища документа. При подходящем уровне унифицируемости (релевантности) документ предъявляется в качестве результата поиска. При этом можно использовать нечеткие математические формализмы. При фактографическом поиске КСС запроса должна содержать неконкретизированные вершины (переменные), которые при поиске должны получить значения, выдаваемые пользователю в результате. В этом случае КСС запроса и КСС документа (фрагмента информационного хранилища, базы данных и т.п.) должны быть унифицированы более математически строго, чем при документальном поиске.
Комплексный подход к поиску заключается в том, что конечный пользователь будет в любом случае удовлетворен документом или его фрагментом, в той или иной форме содержащем ответ на сформированный запрос. Это обстоятельство диктует необходимость синтеза как можно более полной онтологической базы знаний пользователя. Под полнотой здесь понимается достаточность пользовательского тезауруса для осуществления релевантного поиска. Не следует также пренебрегать тем фактом, что конечному пользователю могут быть полезны материалы различных предметных областей или тематически ассоциативно смежные информационные материалы. Их можно рассматривать как подсказку к дальнейшему поиску или как материалы для возможной коррекции основной задачи пользователя, которая является причиной его информационного поиска. В этом случае речь можно вести о пертинентной коррекции.
Исходя из ранее изложенного, можно сделать вывод о необходимых условиях поиска:
1) поиск основывается на базе знаний (онтологии) пользователя, которую можно рассматривать в качестве семантической модели его предметной области;
2) для поиска необходимо представление документов информационного хранилища в онтологической форме;
3) необходимо получение алгоритмов автоматизированного синтеза онтологий для пользователя и для документов;
4) необходимо получение алгоритмов унификации онтологий как для поиска, так и для синтеза производных онтологий из базовых, возможно разнородных, фрагментов;
5) нужны алгоритмы верификации онтологий, позволяющие автоматизировано обнаруживать семантические ошибки и приводить онтологии к регулярным формам на основе анализа (разборки) первоначально построенных и синтеза (сборки) вновь образуемых сетей.
Для автоматизированного построения онтологии пользователя должна использоваться специальная программа извлечения знаний из пользователя как эксперта в предметной области.
Для автоматизированного построения онтологий документов можно использовать следующие подходы:
1) построение с помощью лингвистического процессора (естественно-языковой системы);
2) построение с помощью программного индексатора, предоставляемого автору документа как эксперту в собственной предметной области;
3) использование статистической лингвистики, основанной на анализе частот встречаемости словоформ из тезаурусов, шаблонировании документов по функционально значимым фрагментам, исключении из рассмотрения документов со словоформами контр-примеров.
В любом случае при поиске должен использоваться логический формализм представления знаний в соответствующей синтаксической форме.
Эффективность поиска и анализа документов с использованием онтологии заключается в возможности создания моделей информационных потребностей множества конечных пользователей. Эти модели могут иметь или не иметь пересечения. В этом случае анализ какого-либо информационного хранилища будет представлять собой перебор всех документов для унификации с каждой из заранее составленных моделей информационных потребностей. Композиция таких моделей в единую семантическую сеть по специальной алгебраической технологии позволит упростить алгоритм унификации, делая его алгоритмом последовательного уточнения пертинентности документа по иерархически упорядоченным группам интересов пользователей.
Таким образом, множество всех документов хранилища разделится на три группы востребованности:
- востребованные одним конечным пользователем;
- востребованные одновременно несколькими пользователями;
- невостребованные ни одним из пользователей.
Процесс последовательной композиции дерева информационных потребностей (ДИП) включает попытку попарной композиции ДИП и их кластеризации на группы по интересам. Для этого используется алгоритм частичной унификации. В реальности интересы некоторой заданной замкнутой группы пользователей могут не образовать дерева. Результатом может стать множество поддеревьев или тривиальный случай множества непересекающихся ДИП.
4. Общая ICF-онтология. Понятия и отношения
Онтологии принято классифицировать по областям их применения [1] на:
- общие (top-level), описывающие наиболее общую структуру знаний, не зависящую от прикладной или отраслевой направленности;
- предметные (domain ontologies), задающие структуру представления знаний в некоторой предметной области или отрасли знаний;
- прикладные (application ontologies), предназначенные для работы со знаниями более конкретного уровня, чем отраслевые, например, ориентированные на определенный профессиональный статус специалистов в предметной области.
Следует уточнить, что каждый из классов онтологий может быть применен для решения определенных задач как самостоятельно, так и в комплексе с другими классами. Например, вначале можно создать или изучить имеющуюся общую онтологию, затем на ее основе разработать предметную и, в завершении, реализовать прикладную онтологию. В то же время, можно использовать общую онтологию для описания прикладной, минуя предметную онтологию. Самым простым случаем является создание только прикладной онтологии для решения конкретной задачи, например, поиска научных работ по своему направлению исследований. Однако последний случай является утилитарным и вряд ли его результаты можно использовать для нужд больших коллективов специалистов.
В этом параграфе в нотации Стааба-Студера [2] формально описывается новая модифицированная онтология, названная по имени главного отношения онтологии - ICF. При формализации далее используется синтаксис теории множеств и универсальных алгебр [1].
Определение 1. ICF-онтологией Oicf называется следующая система множеств:
OICF = < C, R, D, A > ,
где пара < C, R > - алгебраическая модель онтологии, включающая
C = {c1, C2,..., cn} - конечное множество концептов как понятий некоторой пред-
метной области, и сигнатура модели Я = {1,Г2,...,гт} - конечное множество отношений на С; Б = (г^,ё2,...,} - множество денотатов как конкретных примеров отношений; А = (а^,а^,...,ак} - множество выделенных отношений различной конечной местности, начиная с унарных, называемое аксиомами онтологии [5].
Как принято в онтологиях [2, 7], концепт Сг-, в свою очередь, интерпретируется как подмножество соответствующих ему денотатов с Б с вытекающими отсюда возможностями использования теоретико-множественных операций для интерпретации разных по таксономической [2] общности концептов. Поскольку «концепт» относится к наиболее общим понятиям, правильнее его назвать «сущностью», так как к нему относятся также процессы, признаки и другие классы вершин в онтологической семантической сети. Сеть строится из сущностей с помощью отношений.
Множество Я строго разбивается на подмножества:
Я = ЯТ и Ям , ЯТ п Ям = 0 ,
где Ят - отношения таксономии; Ям - мета-отношения.
Отношения таксономии - это отношения, задающие инцидентность на семантической сети, как правило, образующую нестрогую иерархию или гетерархию. В основе таксономии лежат либо родовидовое (к-А), либо видо-видовое (A-Kind-Of ) отношения, либо, например, причинно-следственное отношение (Саше-О:!). Кроме того, это может быть партономия, то есть иерархия, задаваемая отношением «часть-целое» (Раг1-01), или генеалогия с отношением «предок-наследник» [4].
Приведем базовые бинарные отношения 1СГ-онтологии, используемые для задания соответствующей таксономии (табл. 1).
Приведенная таблица может быть дополнена другими отношениями, использование которых целесообразно для решения конкретной задачи при представлении знаний в форме онтологии.
Определение 2. Главным отношением 1СГ-онтологии является отношение, формирующее концептуальную таксономию на основе трех базовых составляющих:
1СБ(X, у, 2) = Ь-А(X, у) п Ь-А(Х, 2) п СоШ(у, 2) п Рогш(Х, у) п Рогш(Х, 2).
Следуя этому определению, ребра таксономического графа соответствуют отношению 1СГ между концептами. Это означает, что отцовская вершина с двумя ее потомками составляет триаду: концепт отцовской вершины может проявляться в форме двух дочерних взаимно противоположных концептов. Дочерние вершины являются прямыми потомками отцовской по родовидовой иерархии, а следовательно, могут «проистекать друг в друга», то есть наследуют через отцовскую вершину все свойства сестринской вершины и свойства всех потомков вершины-сестры (81а1:-наследование). Построенное подобным образом дерево будет представлять собой дихотомию, то есть строгую бинарную классификацию. Кроме того, каждая вершина дерева наследует все свойства всех остальных вершин.
Свойства, заимствованные от потомков сестринской вершины, в естественном языке часто имеют собственные названия. Например, у человека, как у позвоночного животного, есть конечности, которые называются руки, а у собаки конечности называются лапами.
Базовые бинарные отношения ICF-онтологии
Наименование Обозначение Смысл отношения Пример
Родовидовое отношение Is-A(x, у) Бинарное отношение, соответствующее наследованию свойств более общего концепта более частным Ь-А(«Автобус», «Транспортное средство»)
Строгая противоположность понятий Cont(x, у) Бинарное отношение, соответствующее строгой противоположности двух концептов по смыслу Соп1(«Форма», «Содержание»)
Проявление в форме Form(x, у) Бинарное отношение, соответствующее смыслу «быть одной из форм существования сущности» Богш(«Объект», «Объект, изменяющийся во времени»)
Часть-целое Part(x, у) Бинарное отношение, соответствующее смыслу «сущность является частью другой сущности» Раг1:(«Агрегат», «Деталь агрегата»)
Причина-следствие Cause(x, у) Сущность (событие), стоящая в качестве первого аргумента, является причиной сущности (события), стоящей на месте второго аргумента Саше(«Опоздание», «Задержка в пути»)
Противоположность концептов по объему Vol(x, у) Концепт х, как множество соответствующих ему денотатов, может быть дополнен до универсума концепта общего класса множеством у Уо1(1, «Целые числа, за исключением единицы»)
Начало и результат процесса Result(x, у) х является концептом - начальной ситуацией процесса, у - заключительной ситуацией К^ик(«Начальная позиция в шахматах», «Мат»)
Функциональная эквивалентность EqF(x, у) Два концепта х и у эквивалентны по назначению EqF(«Шуруп», «Саморез»)
Эквивалентность по принадлежности классу EqIs(x, у) Два концепта х и у эквивалентны как принадлежащие одному классу EqIs(«Стол», «Стул») - предметы меблировки
ISSN 0136-5835. Вестник ТГТУ. 2007. Том 13. № 4. Transactions TSTU
897
Другой пример свидетельствует о том, что некоторые понятия не имеют соответствующих естественно-языковых словоформ. Автобус для пассажира через множество опосредованных вершин, сначала вверх по иерархии, затем вниз по сестринским вершинам (Stat-наследование) - средство перемещения в пространстве. Для водителя тот же автобус - инструмент его труда, для владельца - средство зарабатывания денег, для производителя - продукт производства, для инженера - сложная техническая система, для эколога - экологически чистый вид транспорта и т.д.
Можно допустить, что не все ребра ICF-онтологии должны соответствовать отношению ICF, но их наиболее общая часть должна удовлетворять этому требованию.
Определение 3. Общими регулярными ICF-онтологиями называются онтологии, содержащие в базовой таксономии исключительно ICF -ребра.
Иными словами, онтология, в которой семантическая сеть < C, ICF > есть бинарное дерево, является общей регулярной ICF-онтологией.
Каждый концепт с1 | с1 е C и каждый денотат можно отнести к некоторому типу, определяющему под каким углом зрения они рассматриваются. Например, концепт «программа» можно рассматривать как «процесс» и как «объект собственности». Для этого можно использовать новые концепты, такие как «процесс-программа» и «собственность-программа». Можно рассмотреть и более сложные случаи уточнения понимания концепта: «конечный-процесс-программа» или «ин-теллектуальная-собственность-программа». Однако таких слов в естественном языке нет, хотя они и могут быть когда-нибудь введены и обозначены новой словоформой. Т ак, в русском языке появились новые слова «спикер» и «лизинг» вместо «председатель Думы» и «аренда собственности с последующим выкупом». В любом случае, для рассмотрения всех возможных оттенков смыла разных слов в естественном языке никогда не найдется такого большого числа словоформ. В этом и нет необходимости.
В то же время более точное определение смысла онтологического концепта сделает более эффективным понимание реальной предметной области. В этой связи множество концептов C в ICF-онтологии необходимо расширить, введя для каждого из концептов его семантический тип. Например, можно записать:
Программа | Т Собственность ^ Интеллектуальная собственность,
что следует понимать как «в этом случае рассматривается концепт «программа» как более общее понятие «собственность», но как частный случай собственности «интеллектуальная собственность».
Таким образом, стрелки «Т» и «^» означают соответственно подъем и спуск в дереве ICF-таксономии. В общем случае таких подъемов и спусков может быть много, но обязательно конечное число. Это означает, что множество C в онтологии продолжает оставаться счетным. Безусловно, типизация распространяется и на денотаты, то есть «Программа Word v.11.0» также может рассматриваться под разными углами зрения.
Поскольку ICF-онтология базируется на таксономическом дереве, вычислить траекторию подъема и спуска в нем не представляется сложным. Вследствие этого введем дополнительный символ «•» для сокращения записи уточняющей траектории:
Программа | •Собственность • Интеллектуальная собственность.
Если рассмотреть «•» как транзитивное замыкание, этот пример можно записать более кратко:
Программа | • Интеллектуальная собственность.
5. Дескриптивная логика и ее семантика
Используя онтологию как базовую модель знаний, можно описать систему оперирования этими знаниями на основе какой-либо формальной системы [1]. Для работы с опорой на онтологии чаще всего используется дескриптивная логика.
Дескриптивная логика DL [6] как формальная система представляет собой следующую четверку:
DL = <ALC, A, P,T > ,
где ALC - язык выражений логики; А - множество аксиом; P - множество правил вывода и T - множество теорем.
Язык ALC описывает все возможные логические выражения. Он может быть задан следующим рекурсивным описанием грамматики в форме Бэкуса-Наура:
<ALC-выражение> ::= <Атомарный концепт> I (<ALC-выражение>) I <ALC-выражение> и <ALC-выражение> I <ALC-выражение> n <ALC-
выражение> I I <ALC-выражение> I $ <Атомарная роль>. <ALC-выражение> I V <Атомарная роль>. <ALC-выражение> I <ALC-выражение> = <ALC-выражение>
I <ALC-выражение> с <ALC-выражение> I <ALC-выражение> I (<Ограничитель>) <ALC-выражение>;
<Атомарная роль> ::= <Слово из символов> I <Атомарная роль>_ I <Атомарная роль> ;
<Ограничитель> ::= > <целое число> I < <целое число>.
Семантика DL задается в терминах теории множеств, исходя из того, что любой концепт представляется множеством денотатов [5], а роль есть бинарное отношение, то есть множество пар (табл. 2).
В табл. 2 символ I обозначает отображение на область интерпретации DI, являющуюся универсумом денотатов предметной области. В ICF-онтологии ему будет соответствовать типизированное множество денотатов.
К описанному синтаксису и семантике обычно добавляют индивидные выражения:
1) a : C - конкретный денотат, входящий в множество денотатов концепта С;
2) (a, b) : R - конкретная пара из отношения R.
Добавим также типизацию:
1) C | •D, или C | *D1 • D2... • Dn - концепт типа (*D1 • D2... • Dn);
2) a : C | •D , или a : C | •D! • D2... • Dn - денотат типа (•D! • D2...• Dn).
А, как множество аксиом, может описывать определение концептов (терминологические аксиомы) и аксиомы существования взаимных отношений между концептами. Аксиомы описывают утверждения о концептах предметной области и записываются, например, по следующим схемам:
C = D - синонимия двух концептов, возможно заданных выражениями, например,
Руководитель = Человек n $ Иметь подчиненного.Человек;
C с D - таксономическое утверждение, например,
$ Занимающийся разработкой трансляторов . Системный программист с
$ Занимающийся разработкой программ. Программист.
Аксиомами, или правилами вывода, можно описать свойства отношений из R. В аксиомах использованы мета-отношения «=» и «с», соответствующие в семантике равенству множеств и нестрогому включению подмножеств денотатов.
Семантика логнкн DL
Конструкция Синтаксис Семантика Пример
Атомарный концепт А AI cAI Программа
Атомарная роль R RI с AI xAI Быть потомком
Типизированный концепт C j •D CI c{x j (x j •DI) є AI j Бревно I «Твердый предмет • Т опливо
Конъюнкция C n D CI n DI Мужчина п Солдат
Дизъюнкция C и D CI и DI Студент и Школьник
Отрицание —C AI \ CI 0 Конечное
Существование ЗЯ£ {x j Зу(x, у) є R1 & у є c} $ Иметь запах. Пища
Всеобщность VR.C {x j Vy(x, у) є R1 ^ у є cj V Иметь ребенка. Мальчик
Ограничитель > > nR {x jj{y(x,у) є R1 }j> nj > 7 Иметь карандаши
Ограничитель < < nR {x jj{y(x,у) є R1 }j< nj < 1 Иметь руководителя
P, как правила вывода, дают возможность достраивать и проверять правильность таксономии, то есть находятся ли два концепта или отношения (выражения) в таксономическом отношении на всей области интерпретации или нет. Приведем два основных правила:
1) C с D, если и только если концепта C niD не существует в реальности;
2) C существует в реальности, если и только если оно не противоречит реальности, то есть not C с D и iD , где D - некоторый другой концепт.
6. Заключение
Предложенная в статье концепция ICF-онтологии, использующая представление в форме дескриптивной логики, позволяет анализировать документы при их поиске с учетом различных углов зрения. Такая формализация дает возможность определить схожесть смыслового содержания документов, заложенного их автором, и смыслового содержания, соответствующего поисковым потребностям конечного пользователя.
Список литературы
1. Baader F., Calvanese D., McGuinness D., Nardi D. and Patel-Schneider P.F. editors. The Description Logic Handbook : Theory, Implementation, and Applications. Cambridge University Press, 2003.
2. Davies J., Studer R., Warren P., Semantic Web technologies: trends and research in ontology-based systems / J. Davies (N. John), Chichester, 2006. - 312 p.
3. Fensel D., Lausen H., Polleres A., de Bruijn J., Stollberg M., Roman D., Domingue J. Enabling Semantic Web Services // Springer-Verlag, Berlin Heidelberg, 2007. - 188 p.
4. Gavrilova T., Laird D. 2005. Practical Design Of Business Enterprise Ontologies // In Industrial Applications of Semantic Web (Eds. M. Bramer and V. Terzyan), Springer. - Pp. 61-81.
5. Taniar D., Rahayu J. W. Web Semantics and Ontology. IDEA Group Publishing, London, 2006. - 404 p.
6. Каширин, И.Ю. Основы формальных систем // И.Ю. Каширин, Л.В. Маликова, В.В. Маркова / под ред. И.Ю. Каширина - М. : Минобразования России, 1999. - 80 с.
7. Манцивода, А.В. Представление и обработка знаний в Интернете / А.В. Манцивода, А. А. Малых. - Иркутск : Изд-во Иркут. гос. ун-та, 2005. - 103 с.
ICF-Ontology for Analysis of Documents via Semantic Web Technology
D.I. Kashirin
Ryazan State Radio-Technical University
Key words and phrases: descriptive logics; documents analysis; formal systems; ontology; pertinent document search; ALC grammar; ICF ontology; OWL; Semantic Web.
Abstract: Application of general ICF ontology oriented at the description and analysis of the system of various subject areas examining these notions at different angels is considered. DL logic and ALC grammar modification non-destructing the semantics of logic with regard for resolution property and enabling to use the taxonomy introduced in ICF ontology is given.
ICF-Ontologie ftir die Analyse der Dokumente in der Technologie Semanic Web
Zusammenfassung: Es wird die Anwendung der allgemeinen ICF-Ontologie, die auf die Beschreibung und die Analyse des Systems der Begriffe verschiedener gegenstandlicher Gebiete mit der Betrachtung dieser Begriffe unter verschiedenen Winkeln der Sehkraft orientiert ist, betrachtet. Es wird die Modifikation der DL-Logik mit der ALC-Grammatik, die die Semantik der Logik bezuglich der Eigenschaften der Losbarkeit nicht verletzt, angefuhrt. Sie gibt die Moglichkeit die in die ICF-Ontologie eingefuhrte T axonomie zu verwenden.
ICF-ontologie pour une analyse des documents dans la technologie Semantic Web
Resume: Est examinee l’application d’une ICF-ontologie generale orientee sur la description et sur l’analyse du systeme des notions de differents domaines d’objets avec l’examen de ces dernieres sous un different angle visuel. Est citee une modification de la logique DL avec une grammaire ALC ne contrevenant a la semantique de la logique concernant les proprietes de la decidabilite et donnant la possibilite d’utiliser la classification introduite dans la logique DL.
