CC BY
54
Розглянуто вдосконалення онтологiчноï моделi верифшацшною складовою з метою збереження та обробки шформацп про про-цес гiбридного виведення знань в розподЫе-них ттелектуальних тформацшних системах. Запропоновано метод верифтаци знань
Ключовi слова: онтологiя, база знань,
верифшащя, гiбридне виведення
□-□
Рассмотрено усовершенствование онтологической модели верификационной составляющей с целью накопления и обработки информации о процессе гибридного вывода знаний в распределенных интеллектуальных информационных системах. Предложен метод верификации знаний
Ключевые слова: онтология, база знаний,
верификация, гибридный вывод
□-□
Extension of the ontological model by the verification component for accumulation and processing of the information about knowledge hybrid inference in distributed intelligent information systems is considered. A method for knowledge verification is proposed
Key words: ontology, knowledge base, verification, hybrid inference -□ □-
УДК 004.89:004.423.4
РОЗРОБКА МЕТОДУ ТА МОДЕЛ1 ВЕРИФ1КАЦП ЗНАНЬ В ОНТОЛОГ1ЧНИХ СИСТЕМАХ
М.В. Климова
Кафедра штучного штелекту Хармвський нацюнальний уыверситет радюелектроники
пр. Ленша, м. Хармв, 61166
1. Вступ
Сучасний етап розвитку теоретичних i приклад-них дослщжень в рiзних галузях науки характеризуемся зростанням уваги до задач моделюван-ня шформацшних систем, що мштять компоненти з штелектуальною обробкою шформацп. Широкого розповсюдження набули Web-орiентованi шформа-цшш системи, зокрема, так зваш портали знань [1], яю використовуються з метою шдвищення ефектив-ностi роботи в Web-просторi та пропонують доступ до ресурив вiдповiдноi тематики для 1х сумiсного використання людьми та програмними агентами. За-стосування таких систем в уах сферах сустльного життя, а надто в процесах прийняття ршень, в тому числi в освiтi та науцi, зумовлюе особливу увагу до методiв iх верифiкацii, тобто забезпечення цiлiсностi, несуперечливосп та прозоростi наданоi системами шформацп. Ця проблема залишаеться досi нерозв'я-заною за умов розподiленоi оргашзацп збереження та гiбридного виведення шформацп.
Потреба в забезпеченш якостi систем, заснованих на знаннях на сьогодш отримала широке визнання серед свiтовоi дослiдницькоi спiльноти та здобула статус фундаментального компоненту розробки шформацш-них систем.
До тепершнього часу було розроблено багато систем верифжацп шформацп, однак передуам пiд вери-
фжащею в iснуючих системах розумiють лише обме-жену кiлькiсть процедур, орieнтованих на KOHKpeTHi предметнi галузi чи задач^ для яких застосовують переважно статистичш та синтаксичнi методи пере-вiрки. Жоден з представлених системами методiв не здiйснюe iнтелектуального пояснення та доказу знань, яю надае програмна система.
У зв'язку iз цим досить актуальною е задача розробки методiв iнтелектуальноï верифжацп знань, що видобуваються з розпод^ених рiзноконтекстних рiз-норiдних джерел.
2. Пщходи до верифжацп знань
Шд формальною верифiкацiею систем розумiють демонстращю цiлiсностi (погодженостi), повноти та точносп програмноi системи на кожному етат та помiж етапами циклу розробки. Метою верифжацп класичних iнформацiйних систем е, як правило, пере-вiрка чiтко визначених властивостей системи знань, ввдповвдно до и специфiкацii. В залежносп вiд видiв властивостей, верифжащя може бути обмежена до специфiчних частин системи знань, таких як база знань, машина виведення або штерфейс користувача, або зосереджуватись на специфiчних аспектах функщ-ональностi системи, як наприклад, поведшка введен-ня-виведення або дедуктивна поведшка.
Архитектура сучасних шформацшних систем пе-редбачае модульну побудову, видобуток з розподь лених джерел iнформацii системи, як знаходяться в рiзних точках фiзичного простору, та розподiлене збереження даних системи, можливють iнтеграцii та повторного використання як даних, так i елеменпв структури системи.
Це обумовлюе структурну iзоморфнiсть та тдви-щення надiйностi системи в цiлому, але пльки за умо-ви щлюносп, правдивостi та несуперечностi знань, яю зберiгае система.
Саме тому особлива увага прид^яеться важливо-му компоненту iнтелектуальноi системи - базi знань - модулю знань системи, що мютить абстрактнi та специфiчнi знання про предметну галузь в машино-зрозумшому виглядi [2, 3, 4].
База знань - це структура вигляду:
КВ = (скв, Якв, I, ic, щ, (1)
де Скв та Якв - це множина концепив та множи-на вщношень бази знань, I - множина екземплярiв бази знань, функщя iC : Скв ^Р(1) ставить у вщповщ-нiсть екземплярам концепти, а ^:ЯКВ ^Р(1) - вiдно-шення.
Верифiкацiя баз знань пов'язана з низкою питань, яю мають розглядатися протягом верифжацп [5]:
- залежнiсть методу верифжацп вiд моделi подан-ня знань;
- залежшсть верифiкацii вiд предметноi галузi, що позначаеться в збереженш мета-знань про проблемну галузь в самому методi верифiкацii;
- критерп верифiкацii - визначення рiзних титв аномалiй, що можуть бути виявленими в БЗ;
- визначення структури моделi БЗ (плоска та iе-рархiчна), що впливае на вибiр стратегii верифiкацii, монотоннiсть БЗ;
- вибiр стратегii верифiкацii: виявлення або вияв-лення та виправлення помилок;
- участь експерта з галузi тд час виявлення поми-лок та аномалiй в БЗ;
- критерп якост верифiкатора та шшь
Як правило верифiкацii тдлягають три складовi бази знань: структура або архиектура бази знань; синтаксис визначень без огляду семантики; семантика бази знань.
В онтолопчних базах верифiкацiю знань передуам пов'язують з правильною побудовою онтологп, тобто перевiркою того, що и визначення виконуються вiрно згiдно з вимогами онтологп та питаннями, що '¿х вирь шуе онтологiя, або функцюнують вiрно вiдповiдно до представленоi галузi реального свiту [6]. Зпдно з да-ним визначенням верифжащя стосуеться правильного подання предметноi галузi i вимагае перевiрки всiх и визначень.
Верифiкацiя онтологii [7] складаеться з верифжа-цii: кожного iндивiдуального визначення та аксюми, сукупностi визначень та аксюм, що поданi в явному виглядi в онтологп, визначень, що iмпортованi з iнших теорiй, множини аксюм, яю можуть бути виведеш з iнших визначень та аксюм.
На сьогодш розроблено низку методiв верифiкацii знань, в тому чи^ i знань, представлених онтолопч-ною моделлю подання. Але слiд вщзначити суттевi не-
долiки та обмеження юнуючих методiв, якi обумовлю-ють неможливiсть всебiчноi семантичноi верифiкацii знань [8, 9, 10, 11]:
- переважне використання синтаксичних та стати-стичних засобiв верифжацп;
- зосередженiсть юнуючих систем семантичноi ве-рифiкацii знань на локальних специфiчних задачах;
- ефектившсть принципiв в теорii, але неефектив-нiсть реалiзацii на практищ;
- вiдсутнiсть механiзмiв автоматичного тлумачен-ня накопиченоi та розподiленоi шформацп;
- вiдсутнiсть формування елементiв перевiрки на несуперечливiсть та достовiрнiсть шформацп, виходя-чи з явно' та неявно' iнформацii, яка може накопичува-тись в процесi функцiонування систем;
- застосування лише внутршшх шформацшних моделей системи для верифжацп;
- потреба в керуванш з боку експерта в предметнш галузi для розв'язання проблем за розумний промiжок часу.
Необхщними е iнтелектуальнi методи автоматичного видобутку й аналiзу отримано'' iнформацii, що е нереалiзованим у сучасних системах. Крiм того, проблемою залишаеться автоматичне тлумачення нако-пичено'' та розподiленоi iнформацii, формування еле-ментiв перевiрки на несуперечливють та достовiрнiсть iнформацii, виходячи з явно' та неявно' шформацп, яка може накопичуватись в проце« функцюнуван-ня систем, та мае супроводжувати будь-який процес автоматичного отримання результату, для того, щоб клiент, який може бути кшцевим користувачем або програмним агентом, мп довiряти та приймати отри-маний результат.
3. Верифжацшна модель
Для того, щоб гарантувати довiру користувача, в якосп якого може виступати i штелектуальний агент,
i зовнiшнiй Web-сервiс, до результапв роботи системи, що е надзвичайно важливим для систем, що тдтриму-ють процес прийняття ршень, необхiдно забезпечити прозорiсть системи, тобто можливють перевiрки всiх
ii результапв.
Семантична верифiкацiя програмних систем, представлена в цш роботi, - це процедура демонстра-цii користувачу точносп знань, якi надае система, що складаеться з пояснення користувачу знань, яю надае йому система, та доказу того, що знання не суперечать вимогам, що накладаються на систему, щлям системи та представленш галузi реального свiту. Задача ускладнюеться тим, що знання, якi на-копичуються системами, можуть збиратися з зовшш-нiх для системи, розпод^ених джерел iнформацii, наприклад, Web-сервiсiв та формуватися в результат використання багатьох видiв виведення, якi можуть комбшуватися мiж собою та формувати складш по-слiдовностi.
Пояснення (Explanation) - це демонстращя шляху семантичного пбридного виведення певного знання.
Доказ точносп знання (Proof) - це побудова обг-рунтування несуперечностi способiв формування знань ix семантицi, що ввдбуваеться шляхом перевiрки можливостi побудови хоча б одше'' iнтерпретацii, яка
е одночасно моделлю для множини елеменпв форму-вання знань (GenerationSet) та самого знання.
На точшсть знання впливае споаб формування, що може розглядатися як результат автоматично! або авто-матизовано! процедури в система Автоматична процедура формування знання представляе з себе видобуток з певного джерела знань або пбридне виведення, що застосовуе виведення за аксюмами TBox онтологп (inference), виведення за фактами ABox онтологп (reasoning), виведення за SWRL-правилами, математичне обчислен-ня та виведення знання у ввдповвдь на SPARQL запит. Виведення ввдбуваеться з розподiлених гетерогенних джерел - прикладань та Web-сервiсiв. Пiд автомати-зованим формуванням знань розумiемо участь кори-стувача, який явним чином вносить безпосередньо або, користуючись штерфейсом, в базу знань iнформацiю, що зберпаеться згiдно з внутрiшньою структурою бази знань системи.
Верифжащя знань стае можливою за умови роз-ширення кнуючо! моделi подання знань (рис. 1), в якоси яко! в даному дослщженш обрано онтологiчну модель.
Базова модель подання знання - це багаторiвнева структура, заснована на дескрипцшнш лопщ, основу яко! складае множина RDF-тверджень, представлених триплетами "суб'ект-предикат-об'ект", органiзована як позначений граф дов^ьно! розмiрностi, обмеження, словник та структуру для якого явним чином описуе онтолопя.
Розширена модель подання знань , запропонована в цш робот^ розширюе iснуючу триплетну форму, до-даючи до не'! верифiкацiйний компонент, перетворю-ючи триплети, що описують твердження, на тетради "суб'ект-предикат-об'ект-верифжащя", де пiд верифп кацiею розумiемо результат семантично! верифжацп - семантичну структуру (ver:Verification), що зберпае пояснення та доказ вщповщного твердження.
Верифiкацiйна модель (рис. 2) - це онтолопя, яка описуеться мовою подання онтологiй OWL, завдяки чому е придатною для обмшу мiж Web-сервiсами та клiентами, що застосовують RDF/XML синтаксис.
Основними елементами верифжацшно! моделi е: твердження (rdf:Statement), пояснення (ver:Explanation),
елемент пiдтвердження (ver.ExplanationElement) доказ (ver.Proof), дiя (ver:Action), користувач (ver.User), джере-ло (ver:Source).
Ключовим поняттям в цiй моделi е елемент тд-твердження (ver:ExplanationElement) - одиниця пояснення, що зберпае опис стану середовища на рiзних етапах роботи системи. Елемент тдтвердження гене-руеться пiд час змш в середовищi, якi вщбуваються у вiдповiдь на дii само! системи або користувача. Визна-чають рiзнi типи елементiв пiдтвердження для рiзних типiв виведення знань.
Дiя (ver:Action) в запропонованiй моделi вказуе на маншулящю, яка призвела до змши середовища та представляе клас в верифжацшнш онтологii. Згiдно зi способами формування знань доцiльно роздшити дii на простi та складт.
Простою дiею е отримання знання вщ явного джерела знань, яким може бути користувач систе-ми, зовнiшнiй шформацшний ресурс, програмна система або Web-сервш, структурування знання та збереження його в базi знань системи. Складна дiя представляе виведення знання з наявних передумов шляхом застосування певного елемента виведення - правила, формули або запиту. Правилами виведення (ver:Inference_rule) можуть бути SWRL- та Jena-правила, описаш для дано! предметно! галуз^ або внутршш правила, що застосовуються машиною виведення (наприклад, модус-поненс).
Для кожного екземпляру класу «фя», в залежност вщ його типу, визначаеться множина атрибупв, що описують даний екземпляр: дата маншуляцп (dateof _ action), правило виведення (hasinferencerule), джере-ло дп (hassource), формула, за якою вiдбулось обчис-лення (calculatedby formula) та шш^ якi ставлять у вiдповiднiсть данш дп множину об'ектiв верифжацш-но! онтологп.
Джерелом дii можуть бути рiзнi об'екти онтологп: користувач, який здшснив манiпуляцiю та внiс змши у стан середовища системи, певний елемент виведення, застосування якого визначено для даного стану середовища, Web-сервiс, вщ якого надшшла шфор-мащя, Web-ресурс, з якого вщбулося видобування iнформацii.
ДОВ1РА
ДОКАЗ
ЛОГ1КА
ОНТОЛОГ1Я (OWL)
АНОТАЦ1Я (RDF)
ОБ'еКТ (URI, XML)
С Я s
ПРАВИЛА (SWRL)
fa В s
о
©
-о О а
s »
ВЕРИФ1 КАЦ1Я
ДОКАЗ
ПОЯСНЕННЯ
/ ТВЕРДЖЕННЯ
Суб'ект
Верифжащя
________А______
Предикат
-ы Об'ект
Рис. 1. Розширена модель подання знань
ТВЕРДЖЕННЯ
Предикат Суб'ект j-►( Об'ект
ПОЯСНЕННЯ
_L
JL
Елемент пщтвердження
' ДОКАЗ
Елемент доказу
Д1я користувача
Автоматична д1я
КОРИСТУВАЧ
ФЮ
Оргашзащя
Права
' Д1Я
КОРИСТУВАЧА
Користувач
"I URI
Дата останньо! модифшаци
xsd: date
'' АВТОМАТИЧНА Д1Я
Лопчне виведення
Обчислення
' ЛОГ1ЧНЕ ВИВЕДЕННЯ
Правило виведення
Дата останньо!
xsd: date
Видобуток
' ОБЧИСЛЕННЯ
Формула обчислення
Дата останньо!
xsd: date
ДЖЕРЕЛО
URI
Рис. 2. Схема клаав онтологи та вщношення мiж ними, що задають структуру верифкацшноТ моделi
Завдяки розширенню моделi та внесенню до не' елеменив верифжацп, можемо говорити про створен-ня нового типу виведення знань в онтолопчних системах, що дозволяе:
- створювати пояснення та доказ точносп знань;
- виявляти змши в мехашзмах виведення знань (порiвняння структури пояснень);
- у випадку внесення змш до механiзмiв виведення знань в систем^ перевiряти коректнiсть iснуючих знань;
- перевiряти iдентичнiсть пояснень та доказiв знань.
4. Розробка методу верифiкацii знань
Метод верифжацп знань, що мктяться в онтолопч-них базах знань, зводиться до методiв пояснення знань та доказу знань.
Метод пояснення знань (рис. 3) полягае у покро-ковому виконанш генерацii елементу тдтверджен-ня (ver:ExplanationStep) для кожного твердження знання та формуванш пояснення, що об'еднуе в«
згенерованi елементи шдтвердження в одну структуру ^ег:Ехр1апайои). Генеращя елементу вщбува-еться шляхом автоматичного створення об'екив ве-рифжацшно' онтологii, якi зберiгають мета-данi, що описують твердження, та процедуру '¿х формування, тд час кожно' змши, що фжсуеться в онтологiчнiй базi знань.
Пояснення твердження вiдбуваеться у вщповщь на зовнiшнiй запит (вщ користувача, зовнiшнього Web-сервiсу або прикладання).
В результат застосування методу пояснень форму-еться багатовимiрна деревоподiбна структура, вузла-ми яко' е твердження, що описують стан середовища на рiзних етапах роботи системи: коренем е тверджен-ня, що потребуе пояснення шляху виведення, листям (вузлам рiвня п) - твердження, яю визначають стан середовища до виконання початково' ди, що призвела до активацп виведення твердження, що потребуе пояснення шляху виведення, вузлами рiвня п-1 - твер-дження, що описують початковий стан середовища, змiна якого вщбулась в результатi початково' дп користувача; гiлками яко' е ди, що призводили до змiни середовища.
л
з
У
п и н
Рис. 3. Послiдовнiсть дiй методу пояснення знань
5. Висновок
У статт розглянуто вдосконалення онтологiчноï моделi верифiкацiйною складовою з метою збережен-ня та обробки iнформацiï про процес пбридного виведення знань в розпод^ених iнтелектуальних шформа-цшних системах.
Запропоновано новий тип виведення знань на осно-вi елеменпв верифiкацiï, що дозволяе створювати пояснення та доказ точносп знань, виявляти змши в мехашзмах виведення знань, у випадку внесення змш до механiзмiв виведення знань в систем^ перевiряти ко-ректнiсть кнуючих знань вiдповiдно до нового виведення, перевiряти iдентичнiсть пояснень та доказiв знань.
Описано метод верифжацп знань, що зводиться до методiв пояснення знань та доказу ïx точностi.
Дослiдження виконано iз застосуванням пiдxодiв Semantic Web, що дозволило тдвищити ефективнiсть та надiйнiсть iнтелектуальноï обробки iнформацiï в розподiлениx шформацшних системах.
Лiтература
1. Semantic Portals - Requirements Specification [Електрон-ний ресурс] / W3 Consortium. - Режим доступу: http:// www.w3.org/2001/sw/Europe/reports/ requirements-de-mo-2. - Загол. з екрану.
2. Brachman, Ronald J. Knowledge Representation and Reasoning / Ronald J. Brachman, Hector J. Levesque // Morgan Kaufmann Publishers. - 2004. - 381 pp.
3. Fagin, Ronald. Reasoning about Knowledge / Ronald Fa-gin, Joseph Y. Halpern, Yoram Moses, and Moshe Y. Vardi // Journal of Logic, Language and Information. - Springer Netherlands. - 1999. Volume 8, Number 4. - 469-473 pp.
4. Levesque, Hector J. The Logic of Knowledge Bases / Hector J. Levesque, Gerhard Lakemeyer // MIT Press, Cambridge.
- MA. - 2000. - 282 pp.
5. Zhang, Du. Knowledge base verification: issues and approaches // AAAI Technical Report. - AAAI. - 1993. - 148-149 pp.
6. Gómez Pérez, A. Ontological Engineering / A. Gómez Pérez, M. Fernández López, Chorcho O // Springer Verlag. - London, UK. - 2004.
7. Gomez-Perez A. Criteria to Verify Knowledge Sharing Technology // Knowledge Systems Laboratory. - WebMaster.
- January, 1995.
8. Lozano-Tello, Adolfo. ONTOMETRIC: a method to choose the appropriate ontology / Adolfo Lozano-Tello, Asuncion Gomez-Perez // Journal of Database Management. - 2004.
9. McGuinness, Deborah L. The Chimaera Ontology Environment / Deborah L. McGuinness, Richard Fikes, James Rice, and Steve Wilder // Proceedings of the Seventeenth National Conference on Artificial Intelligence (AAAI 2000).
- Austin, Texas. - July 30 - August 3, 2000.
10. McGuinness, Deborah L. Explaining Answers from the Semantic Web: The Inference Web Approach / Deborah L. McGuinness and Paulo Pinheiro da Silva. // Journal of Web Semantics. - Vol.1 No.4., pages 397-413. - October 2004.
11. Horrocks, Ian. Description Logics in Ontology Applications. // Proc. of the 9th Int. Conf. on Automated Reasoning with Analytic Tableaux and Related Methods (TABLEAUX 2005). - Springer. - 2005. - pages 2-13.
