Метод автоматизованої розбудови та оцінювання якості онтологій баз знань Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 004.89

В.В. ЛИТВИН, М.Я.ГОПЯК, А.Б.ДЕМЧУК

МЕТОД АВТОМАТИЗОВАНО1 РОЗБУДОВИ ТА ОЦ1НЮВАННЯ ЯКОСТ1 ОНТОЛОГ1Й БАЗ ЗНАНЬ

Розглядаеться задача автоматично! розбудови базово! онтологп. Для шдвищення ефек-тивностi баз знань, ядром яких е онтолопя, пропонуеться зважувати поняття та ввдношення онгологiй. Розробляються методи завдання ваг ввдповвдних елеменгiв та оптимiзацiя струк-тури онтологш баз знань. Пропонуеться оцшювати яюсть онтологiй на основi 180 9126.

1. Вступ

Основною компонентою штелектуальних систем е база знань (БЗ), що формуеться вщповщно до предметно! областi (ПО), на яку зорiентоване функцiонування ще! системи. Традицiйнi методи iнженерi! знань (отримання знань вщ експерта, штелектуальний аналiз даних, машинне навчання тощо) не грунтуються на системi вивiрених та загальноприйнятих стандартiв, тому побудоваш на !хнiй основi БЗ з часом втрачають свою функцюнальнють через низьку ефективнють !х функцiонування. Як стандарт шженерп знань використовують онтолопчний iнжинiринг, у результатi застосування якого отримують онтолопю бази знань. Онтолопя - це детальна формалiзацiя деяко! областi знань, подана за допомогою концептуально! схеми. Така схема складаеться з iерархiчно! структури понять, зв'язюв мiж ними, теорем та обмежень, яю прийнятi у певнш ПО [1].

Враховуючи наведене вище, тд формальною моделлю онтологп О розумдать:

О = (С, Я, Е), (1)

де С - скшченна множина понять (концеплв, термiнiв) ПО, яку задае онтолопя О; Я : С ^ С - скшченна множина вщношень мiж поняттями (термiнами, концептами) задано! ПО; Е -скшченна множина функцш iнтерпретацi! (аксiоматизацiя, обмеження), заданих на поняттях чи вщношеннях онтологi!' О.

Використання онтологiй у складi БЗ допомагае вирiшити низку проблем методолопчного та технологiчного характеру, як виникають пiд час розроблення таких систем. Зокрема для Укра!ни характерш проблеми полягають у вщсутносп концептуально! цiлiсностi й узгодже-носп окремих прийомiв та методiв шженерп знань; нестачi квалiфiкованих фахiвцiв у цш галузi; жорсткостi розроблених програмних засобiв та !х низькiй адаптивнш здатностi; складностi впровадження iнтелектуальних систем, що зумовлено психолопчними аспектами. Все це свщчить та тдтверджуе актуальнiсть проблематики дослiджень використання онтологш у процесi побудови iнтелектуальних систем.

Для того щоб вручну побудувати повну зв'язану онтолопю для певно! ПО, необхщно затратити достатньо багато часу та ресуршв. Це пояснюеться тим, що прикладш онтологi! повинш мiстити десятки тисяч елементiв, щоб бути придатними для розв'язування широкого кола задач, як виникають у цих ПО. Ручна побудова онтологп - це довгий рутинний процес, який до того ж, вимагае грунтовних знань ПО та розумшня принцитв побудови онтологш. Тому активно розвиваються методи та алгоритми автоматизовано! побудови онтологп. Розробимо математичне забезпечення процесу автоматизацп побудови онтологп, а точшше, !! розбудови, оскшьки прийнято, що базовi термши та вщношення мiж ними людина-експерт апрiорi ввела в онтологiю вручну. Таку початкову онтолопю називатимемо

базовою i позначатимемо ОЬте = (Сь,Яь,Еь), тобто побудова онтологп починаеться з моменту, коли в нш вже е яюсь даш. Тому такий процес названо розбудовою базово! онтологп. Формально запишемо:

Ж: О„те ^ О . (2)

Онтолопя - це мова науки. Мова науки, як структуроване наукове знання, задае багато-шарове iерархiчне утворення, в якому видшяють таю блоки: термшосистема; номенклатура; засоби та правила формування понятшного апарату i термшв. Отже, щоб побудувати

онтолопю, необхщно побудувати И термiносистему От та номенклатуру Ом. Базова онто-логiя обов'язково мiстить частину термшосистеми, тобто ОЪае пОт Ф0 . Енциклопедп, термiнологiчнi та тлумачш словники, на пiдставi яких будують термiносистему ПО, як правило, мають чiтку структуру i складаються iз словникових статей. Процес побудови номенклатури складнiший. Якщо в словниках термши вже виокремленi, то в наукових текстах (пщручники, монографп тощо) !х необхiдно видiляти, вести пошук властивостей понять i вiдношень м1ж поняттями. Отже, потрiбна технологiя природномовного опрацюван-ня наукового тексту.

Метою дослiдження е розроблення методу автоматизовано! розбудови базово! онтологп та ощнювання 11 якостi.

2. Структурна модель концеп^в та вiдношень онтологп

Нехай задана множина назв вщношень V = {v1,} . Тодi вiдношення в онтологп задаеться як вiдображення iз С в С з використанням елемента множини V: R : с ——» С , тобто вщношення г - триплет вигляду:

Оскшьки онтологiя формуе таксономiю понять, то, використовуючи термiнологiю об-'ектно-орiентованого пiдходу, кожне поняття являе собою клас. Визначимо поняття як клас з такою структурою:

де N - ¡м'я поняття; RX - множина вiдношень, в яких клас C е доменом (областю визначення); RY - множина вщношень, в яких клас C е множиною значень; S - суперкласи C ; D - пщкласи C ; A - аксiоми визначення C ; Ob - екземпляри C .

Отже, розбудовуючи базову онтологiю Obase, необхщно будувати триплети r та новi поняття C, як задаються структурою (4). У цю структуру входить набiр аксiом А, однак автоматизовано побудувати такий набiр аксюм дуже складно (принаймнi автор не знае жодно! тако! спроби). Тому поки що такий процес виконують вручну.

Для опрацювання природномовних текстiв з метою розбудови онтологп нами використа-но готовi парсери, а саме Link Grammar Parser [2]. Розроблено шаблони вщношень для шести груп: 1) iерархiя, 2) агрегащя, 3) функцюнальш, 4) семютичш, 5) тотожностi, 6) кореляцп, подiбно як у роботi [3]. На основi цих шаблонiв здiйснюеться пошук вщповщних вiдношень у текстi.

3. Алгоритм розбудови базовоТ онтологп

Наша щея, яка лежить в основi автоматизовано! розбудови онтологiй, полягае в тому, що опрацьоваш тексти iз знаннями ПО використовуються для отримання даних для доповнен-ня наявно! онтологп. У той самий час промiжна онтологiя використовуеться для опрацювання текспв ПО. У результат отримуемо рекурсивний процес, який можна вважати самонав-чанням системи (рис. 1). Навчання може бути як автоматизованим, так i натвавтоматизо-ваним, за допомогою вчителя. По мiрi навчання системи необхiднiсть у вчителi вiдпаде i процес стане повнютю автоматизованим. Початкова онтологiя iз базовими поняттями ПО та загальновживаними термшами повинна бути задана апрюрг

Розбудову онтологп оргашзуемо у виглядi !! навчання на основi наукових текспв задано! ПО, впорядкованих за зростанням складносп опрацювання. Мiра складностi опрацювання тексту може грунтуватись на рiзних критерiях, наприклад, за кiлькiстю невщомих термiнiв, якi зустрiчаються у тексп, або за допомогою топологiчного порядку дерева наукових праць, як посилаються одна на одну.

Для визначення нових елеменив, як можуть бути додаш в онтологiю, можна використо-вувати рiзноманiтнi методи, переважно засноваш на евристиках, що враховують наявш в онтологi! елементи. Використавши рiзнi методи, отримуемо набiр можливих модифшацш онтологiй, серед яких потрiбно вибрати правильна Вибiр здiйснюе вчитель або це здшснюеться автоматизовано, на основi попереднього навчання.

(3)

(4)

Евристики, що беруть участь у визначенш нових елеменпв, можуть мати вигляд продук-цiйних правил або грунтуватися на алгоритмах розпiзнавання образiв, намагаючись допов-нити дiлянки онтологiй пропущеними елементами на основi iснуючих шаблошв.

Розроблений нами алгоритм розвитку базово! онтологп на основi аналiзу природомовних текспв е таким:

1) iз тексту видiляються семантичнi одиницi iз прив'язкою до вiдповiдних 1м елеменпв у онтологп;

2) серед взаемопов'язаних семантичних одиниць видiляються пiдмножини тих, яю утво-рюють певнi семантичш шаблони, котрi можуть утворити новi елементи для онтологп;

3) семантичш шаблони додаються у масив, по якому шсля опрацювання текстового документа здшснюеться серiя проходiв. Протягом кожного проходу шаблон розглядаеться на можливють додавання у онтолопю. Якщо такий шаблон е дозволений для додавання политикою побудови онтологп, то вш помiщаеться в чергу для розгляду адмшстратором або автоматизовано додаеться залежно вщ мiри довiр'я до типу шаблону, встановленою полгги-кою побудови. Проходи здшснюються до того моменту, поки не перестануть додаватися новi елементи або ж фшсовану кшьюсть разiв, встановлену полiтикою побудови;

4) черга шаблошв являе собою орiентований ациктчний граф пропозицiй вставки нових елеменпв у онтологiю. Адмiнiстратор розглядае пропозицп з верхнього рiвня, якщо пропози-цiю вiдхилено, то автоматизовано вщхиляються всi пропозицп з нижшх рiвнiв, якi стали можливими завдяки додаванню скасовано! в чергу. Якщо пропозищю прийняв адмшстра-тор, то йому надають до розгляду наступш пропозицп поточного рiвня; якщо таких не залишилося, то вiдбуваеться перехщ до наступного рiвня. Роль адмшстратора може вико-нуватися евристичним алгоритмом додавання, залежно вщ полiтики побудови онтологп;

5) будь-яю ди в онтологп логуються у базi даних, тдтримуеться транзакцiйнiсть i можливiсть вщхилити змiни, починаючи вщ певного моменту.

Детальшше цей процес нами описано в роботах [4, 5]. Зазначимо, що напрям дослщжень автоматизовано! розбудови онтологш, БЗ за допомогою природомовних текспв та систем на !хнш основi активно розвиваеться. Зокрема щорiчна Свропейська конференцiя зi штучного штелекту проводить засiдання окремо! секцп з навчання онтологiй, на якш розглядае досягнення в галузi !х автоматизованого формування.

Алоритм працюе iз семантичною мережею, отриманою пiсля використання Link Grammar Parser. Приклад тако! семантично! мережi наведено на рис. 2.

Джерел( документ

Клieнтська система

Рис. 1. Д1аграма потоков даних автоматизовано! розбудови онтологп

11 J IUi 1 i 1:111 Uil l-Ll'.i i a? Li 1С lyiiy V" 111^ li 3UU VV I '

l",inkpar.ser> the qui'ck Ьгдап fqaf j umped over' 'the lazy dgg -№H-Time 0.0 4 se

E'ound: 2 linka<Jefe Щ ha;5 no P.P.. violation^.

Linkage 1,. ¿ost veefiiiL S> ' ifUHjJS ED===0 DI3 = 0 AND=0 LEM-18)

+-...............---D3.:----------+ +-------Jsv------+

| +----------A--------+ ! +------QSi----H-

| | +---A--+----Щ—+--MVp- + I +--A— +

i i j I I I i

the iguick.a browhi'a fg^.r. jumped.v over the lazy.a dog.n Pcas.S RETURN for the; .next linkage,;.

Рис. 2. Вигляд текстового документа тсля використання Link Grammar Parser

Нехай задано речення: „The quick brown fox jumped over the lazy dog". Дiеслово „jumped" вщноситься до функцюнальних вщношень Fun(v,x,y,z) (рис. 3). Далi необхщно дослiдити, чи iснують знайденi поняття в онтологi!. Можливi п'ять випадюв та вiдповiдних дiй (таблиця). У випадках 2 та 5 новi поняття вносяться в онтолопю, в шших випадках або iгноруються, або заносяться у БД для подальшого аналiзу.

Fun(v,x,y,z)

Fox

v ---► jump (function)

y Dog

Рис. 3. Вщповщтсть шаблону

Можлив1 до шд час автоматично! розбудови онтологш

x

z

№ € зв'язок € суб'ект € об'ект Можлива доя

1 + + + Занести до бази даних вщношень

2 + + - Додати неввдоме поняття до онтологп

3 + - - Анатзувати (1гнорувати)

4 - - - [гнорувати

5 + - + Додати неввдоме поняття до онтологп

Якщо задано речення: "A steel has internal structure", то в результат! його опрацювання LinkParseroM отримаемо вщношення "has", яке належить до зв'язюв 1ерарх1чного типу, а його шаблоном е Hier(a,x,y).

4. Зважування елемен^в онтологп

Ефективнють адаптацп онтологп БЗ до особливостей ПО визначають елементи ïï струк-тури та мехашзми ïï адаптацп через самонавчання пщ час експлуатацп. Одним з пщход1в до реал1зацп таких мехашзм1в е автоматизоване зважування понять БЗ та семантичних зв'язюв м1ж ними пщ час самонавчання. Цю роль виконують ваги важливосп понять та зв'язюв. Вага важливосп поняття (зв'язку) - це числова м1ра, котра характеризуе значущють певного поняття (зв'язку) у конкретнш ПО i динам1чно змшюеться за певними правилами пщ час експлуатацiï системи. Запропоновано розширити модель онтологп (1), вв1вши в ïï формальний опис ваги важливосп понять та вщношень [6, 7]. Таку онтолопю визначено як:

O = (C, R, F), (5)

де C = {C,Wj, R = (R, L}, своею чергою W- вага важливосп понять C; L - вага важливосп вiдношень R.

Визначену у такий споиб онтологiю названо адаптивною, тобто такою, що адаптуеться до ПО за допомогою задання ваг важливосп понять та зв'язюв мiж ними.

Для задання ваг важливосп вщношень для семантичних задач використано дослщжен-ня, якi провели датсью вченi Кнаппе, Бульшков та Андреасен [8]. Вони визначили таю значення ваг вщношень: L1 = 0,9; L2 = 0,8 ; L3 = 0,3; L4 = 0,2 . Для вщношення тотожностi прийнято, що L5 = 1. Вiдношення кореляцп зустрiчаеться лише в ознакових задачах. Для ознакових задач виходимо iз евристики, що поняття, якi знаходяться нижче за iерархiею, е важлившими, оскiльки вони приймають конкретнi значення. Виходячи iз цього, вважаемо, що L = L2 = 1,1, ваги iнших аналогiчнi як для семантичних задач. Вщношення кореляцп е

двостороншм зв'язком. Його вага дорiвнюе модулю кореляцп мiж ознаками: L6 = jrj.

Методи задання ваг важливосп понять е такими:

- експертш оцшки;

- частота вживання понять у наукових текстах;

- за допомогою штелектуального аналiзу даних ПО, в яюй функцюнуе 1СППР.

Метод обчислення ваг понять наведено у роботах [9, 10].

Визначена модель онтологi! БЗ дае змогу розраховувати ваги сво!х елеменпв у процесi !х додавання, вилучення i використання пiд час експлуатацп системи, завдяки чому реалiзуе механiзм адаптацi! до задано! користувачем ПО.

Отримаш ваги названо вагами базових понять, множину !х позначено WB . Цi ваги розвинуто на всю онтолопю ПО завдяки таксономп понять онтологi!, вiдношенню мiж поняттями та !х iнтерпретацi!. Математично (формально) цей процес записано у виглядк

WB —— W . (6)

Розвинення ваг на всю онтолопю залежить вщ визначення (аксюматизацп) клаив, !х iерархi! (вертикальних зв'язюв) та горизонтальних зв'язкiв. Ми пропонуемо використати дерева ршень для задання початкових ваг понять.

Вершини (ознаки) окремо! гшки дерева рiшень розмщеш на k рiвнях. Очевидно, що чим вищий рiвень, тим бшьш значуща ознака, яка мiститься на цьому рiвнi. Крiм того, запро-поновано цi ваги нормувати, щоб !х сума для кожного класу (гшки дерева ршень ) дорiвню-вала 1.

Ваги визначаються як вiдношення рiзницi (k+1) рiвня дерева та рiвня, на якому мiстить-

. ... _ k +1 - i 2 (k +1 - i) ся ознака, до суми вшх рiвнiв гiлки, тобто: wt = —-— = —--—1.

X i=ij (1+k )k

Пропонуемо такий метод визначення ваг понять на всю онтолопю. Спочатку ваги вшх ознак дорiвнюють 0. Для ознак, яю беруть участь у деревi рiшень, для вщповщного класу до початково! ваги додаемо вагу, отриману на основi дерева. Вш iншi обчислюемо для онтологп вiдповiдно! задачi згiдно з формулою:

W =lL„ W +!.%,. (7)

У загальному випадку (7) е системою лшшних алгебра!чних рiвнянь. Однак в окремих випадках (7) е послщовнютю лiнiйних спiввiдношень.

5. Оптимiзацiя онтологiй та критерil якостi "й" оц1нювання

Автоматизована розбудова онтологi! призводить до виникнення деяких недолiкiв у !! структурi та змiстi, невщповщносп !! наповнення iнформацiйним потребам користувача. Тому таю системи необхщно «укомплектовувати» набором процедур оптимiзацi! онтологi!.

Критерп оптимiзацi! сформовано вiдповiдно до стандарту якосп ISO 9126 [11]. Згщно з цим стандартом характеристиками якосп е:

1. Функцгональна придатшсть залежить вщ повноти та належно! побудови онтологп, насюльки точно вона описуе специфшу ПО та задач, яю у нiй виникають. Своею чергою,

повнота онтологш зaлeжить вiд вмiння давати ^авильш вiдпoвiдi на запити до reï, а цe зaлeжить вщ того, чи вмie cиcтeмa оцшювати новизну знань, що пpoпoнyeтьcя додавати до онтологп. Мipoю якocтi функцюнально! пpидaтнocтi бyдe вiдcoтoк нeтpивiaльниx (жнульо-

N"

виx) пpaвильниx вiдпoвiдeй на запити до онтологи, тобто х = ' Ю0%. Визнaчeння функ-

цioнaльнoï пpидaтнocтi e oднieю з бaзoвиx xapaктepиcтик онтологш.

2. Коректмсть (або docmoeipmcmb) функцюнування БЗ - ад вiдcoтoк дocтoвipнo

N"

poзв'язaниx задач. Цe оетовна xapaктepиcтикa якocтi БЗ. Отжe, х2 = ~N~.

3. Використовувамсть pecypcie (або ресурсна економiчнiсть) y cтaндapтax вiдoбpa-жaeтьcя зайнятютю pecypciв цeнтpaльнoгo пpoцecopa, oпepaтивнoï, зовшшньо! та вipтyaль-нoï пaм'ятi, кaнaлiв ввeдeння-вивeдeння, тepмiнaлiв i кaнaлiв зв'язку. Для пoкpaщeння цieï xapaктepиcтики poзглядaють oптимiзaцiйнy задачу, кpитepieм якoï e мiнiмiзaцiя фiзичнoгo oб'eмy пaм'ятi, що зaймae oнтoлoгiя. З iншoгo боку, oчeвиднo, що oнтoлoгiя зaймae нaймeн-ший oб'eм пaм'ятi, якщо в нш нeмae жодного поняття. Тому ввeдeнo пeвнy пopoгoвy вeличинy на займаний oнтoлoгieю oб'eм пaм'ятi.

4. Практичтсть - вaжкoфopмaлiзoвyвaнe поняття, яте визнaчae фyнкцioнaльнy ^и-дaтнicть i кopиcнicть зacтocyвaння для пeвниx кopиcтyвaчiв. У цю гpyпy пoкaзникiв вxoдять cyбxapaктepиcтики, яю з piзниx acroR™ вiдoбpaжaють фyнкцioнaльнy зpoзyмiлicть, зpyчнicть ocвoeння, cиcтeмнy eфeктивнicть i пpocтoтy викopиcтaння oнтoлoгiй. Така пpидaтнicть rpyнтyeтьcя на ц^^ност! oнтoлoгiï, тобто вiдcyтнocтi в ïï тiлi взaeмoзaпepeчyвaльниx твepд-жeнь та дублювання, а також на збaлaнcoвaнocтi ПО, яка пoлягae y piвнoмipнoмy пoдaннi ïï oкpeмиx пiдpoздiлiв y oнтoлoгiï.

5. Супроводжувашсть вiдoбpaжaeтьcя зpyчнicтю та eфeктивнicтю випpaвлeння, удо^ кoнaлeння або aдaптaцiï cтpyктypи та змюту oнтoлoгiï БЗ зaлeжнo вщ змiн y зoвнiшньoмy cepeдoвищi зacтocyвaння, а також y вимoгax i фyнкцioнaльниx cпeцифiкaцiяx замовника.

6. Мобшьтсть xapaктepизyeтьcя тpивaлicтю i тpyдoмicткicтю шсталяцп БЗ, aдaптaцiï та зaмiщeння y paзi пepeнeceння на iншi arnparai та oпepaцiйнi плaтфopми. Кpитepieм мобшьноеп e швидкoдiя, яка виpaжaeтьcя чашм вiдгyкy на зoвнiшнe звepтaння ^ac peaкцiï на змiнy пapaмeтpiв зовшшнього cepeдoвищa, до якиx чутлива тотема).

Зважаючи на нaвeдeнi вищe ^m'epiï, мeтoд oптимiзaцiï oнтoлoгiï пepeдбaчae задачу oптимiзaцiï ïï cтpyктypи та змюту: 1) ycyнeння пapaлeльниx peбep, дублювання вepшин з однаковими пapaмeтpaми та iншиx ocoбливocтeй cтpyктypи гpaфy онтологп, яю можуть пopyшити ïï цшюнють i знижують eфeктивнicть фyнкцioнyвaння iнтeлeктyaльниx cиcтeм (задача oптимiзaцiï cтpyктypи онтологи); 2) oптимiзaцiя змicтoвoï чacтини онтологп з мeтoю збiльшeння ïï швидкодп та iнфopмaцiйнoï нacичeнocтi за зaдaниx oбмeжeнь на фiзичний oб'eм пам'ят cиcтeми. Poзв'язyвaння циx задач poзнeceнo y чaci, пpичoмy, щоб збepeгти цiлicнicть oнтoлoгiï, cпepшy виконують ïï ^py^yp^ пepeвipкy i лишe по^м - oптимiзaцiю змicтoвoï чacтини постщовною peдyкцieю ïï гpaфy до виконання вимог вибpaниx кpитepiïв чepeз мaкcимiзaцiю cyми ваг вepшин та peбep такого гpaфy.

В ocнoвy зaдaчi мiнiмiзaцiï cтpyктypи гpaфy oнтoлoгiï пoклaдeнo типову oптимiзaцiйнy задачу тeopiï гpaфiв пpo вiдшyкaння мiнiмaльнoгo кicтякa, яка пoлягae y пошуку кicтякa мшмально! ваги y звaжeнoмy гpaфi. Задача зaбeзпeчeння yзгoджeнocтi в cтpyктypi ^афу eфeктивнo poзв'язyeтьcя мeтoдoм peзoлюцiй. Задача oптимiзaцiï змicтy звoдитьcя до oбepнeнoï зaдaчi пpo нaплiчник. Нexaй онтолопя cклaдaeтьcя з n eлeмeнтiв загальним об^мом пaм'ятi М. У poлi «нaплiчникa» виcтyпae пeвнa задана частка oб'eмy, нaпpиклaд N = 0,1 • M, до яко! стщ вiднecти нaймeнш цiннi eлeмeнти (поняття з мшмальною вагою вaжливocтi та макетмальним oб'eмoм) для подальшого ïx вилyчeння. Тoдi нeoбxiднo

Ii 1 n

мaкcимiзyвaти: S—X ^max, тaкиx eлeмeнтiв, для якиx Sm¡x¡ ^N, дe

i=1 Wi i=1

[xj = 0, якщо поняття Cj залишаеться,

1 , п m. - об'ем пам'ятi, який займае елемент C.. Для

[ xt = 1, якщо поняття Ci вилучаеться, • ' •

розв'язування цiе! задачi використано жадiбний алгоритм. Детальнiше задачi оптимiзацi! онтологiй наведено у [9].

Висновки

Розглянуто метод автоматично! розбудови базово! онтологп з використанням програм-ного забезпечення Link Grammar Parser. Здшснено класифiкацiю типiв вщношень. Розроб-лено математичне забезпечення та алгоритм визначення типу вщношень, яю зустр!чають-ся у наукових текстах. Для адаптацп онтологi! бази знань до задач, яю нею розв'язуються, запропоновано зважувати елементи онтологш. Розроблено метод задання вщповщних ваг елеменпв, що, у свою чергу, дае змогу оптимiзовувати змiст та структуру онтологш. Запропоновано використати ISO 9126 для оцшювання якост! онтологiй. Подальшим дослщ-женням стане задача оцшювання новизни знань, яю пропонуються додавати в онтологп.

Список л1тератури: 1. Gruber T. A translation approach to portable ontologies / T.Gruber // Knowledge Acquisition. 1993. № 5 (2). P. 199-220. 2. Link Grammar Homepage [Електронний ресурс]. Режим доступу: http://bobo.link.cs.cmu.edu/ link. 3. Найханова Л.В. Технология создания методов автоматического построения онтологий с применением генетического и автоматного программирования / Л.В. Найханова. Улан-Удэ: Изд-во БНЦ СО РАН, 2008. 244 c. 4. Литвин В.В. Метод автоматично!' розбудови адаптивно!' онтологп / В.В. Литвин, Д.1.Угрин // В!сник Нацюнального техн!чного утверситету «ХП1». Харк!в. 2011. № 10. С. 75-82. 5. Литвин В.В. Автоматизац!я процесу розвитку базово! онтологп на основ! анал!зу текстових ресурс!в / В.В. Литвин // В!сн. Нац. ун-ту «Льв!вська пол!техн!ка». Сер!я: Iнформацiйнi системи та мереж1. 2010. № 673. С. 319-325. 6. Литвин В.В. Мультиагентш системи п!дтримки прийняття ршень, що базуються на прецедентах та використовують адаптивн1 онтолог1! / В.В. Литвин // Радюелек-трон1ка, 1нформатика, управлшня. 2009. №2(21). С. 120-126. 7. Литвин В.В. 1нтелектуальш агенти пошуку релевантних прецедент1в на основ1 адаптивних онтолог1й / В.В. Литвин // Математичш машини i системи. Ки!в. 2011. №3. С. 66-72. 8. Knappe R. Perspectives on Ontology-based Querying [Електронний ресурс] / R.Knappe, H. Bulskov, T. Andreasen // International Journal of Intelligent Systems, 2004. Режим доступу: http://akira.ruc.dk/~knappe/publications/ijis2004.pdf 9. Литвин В.В. Бази знань штелектуальних систем тдгримки прийняття ршень / В.В.Литвин; Мшстерство освгти i науки, молод! та спорту Укра!ни, Нацюнальний ушверситет «Льв!вська пол!техн!ка». Льв!в: Видавництво Льв!всько! пол!техн!-ки, 2011. 240 с. 10. Даревич Р.Р. Ощнка под!бност! текстових документ!в на основ! визначення !нформа-ц!йно! ваги елеменпв бази знань / Р.Р. Даревич, Д.Г.Досин, В.В.Литвин, З.Т.Назарчук // Штучний !нтелект. Донецьк. 2006. № 3. С. 500-509. 11. 1SO/1EC9126:1991. Information technology - Software product evaluation - Quality characteristics and guidelines for their use. 1991. 39 p.

Надшшла до редколегИ 14.11.2012 Литвин Василь Володимирович, д-р техн. наук, доцент кафедри !нформац!йних систем Нацюнального ун!верситету „Льв!вська пол!техн!ка". Науков! !нтереси: побудова !нтелекту-альних систем тдтримки прийняття р!шень. Льв!в, вул. Бандери, 12, тел. (032) 258-25-38.

Гопяк Мар1я Ярослав1вна, асп!рантка кафедри шформащйних систем Нац!онального ун!-верситету „Льв!вська пол!техн!ка". Науков! !нтереси: ощнювання якост! баз знань !нтелекту-альних систем. Льв!в, вул. Бандери, 12, тел. (032) 258-25-38.

Демчук Андрш Богданович, астрант кафедри !нформац!йних систем Нацюнального утверситету „Льв!вська пол!техн!ка". Науков! !нтереси: побудова !нтелектуальних систем для людей з вадами зору. Льв!в, вул. Бандери, 12, тел. (032) 258-25-38.