CC BY
273
УДК 004.5, 004.822
СОВРЕМЕННЫЕ МЕТОДЫ СОЗДАНИЯ МУЛЬТИПРЕДМЕТНЫХ ВЕБ-РЕСУРСОВ НА БАЗЕ ВИЗУАЛИЗАЦИИ И ОБРАБОТКИ ФОРМАЛИЗОВАННОЙ СЕМАНТИКИ
В.В. Диковицкий, П.А. Ломов, Р.Р. Сепеда-Эррера, М.Г. Шишаев
Институт информатики и математического моделирования технологических процессов КНЦ РАН
Аннотация
Рассмотрены современные методы создания мультипредметных веб-ресурсов, основанных на формализованном представлении, обработке и визуализации семантической составляющей информации. Отдельное внимание авторы уделяют современным подходам к визуализации «многомерной» информации на базе методов визуального анализа, а также проблематике обеспечения релевантности поисковых запросов. В качестве основополагающего механизма для создания высокоэффективных веб-ресурсов, основанных на формализованном представлении семантики в виде сетевых структур, авторами предлагается концепция «пользователь как эксперт», обеспечивающая создание самонастраивающихся интеллектуализированных информационных систем с обратной связью. Применение описанных методов рассматривается на примере мультипредметного веб-ресурса, ориентированного на информационную поддержку развития приарктических территорий Российской Федерации.
Ключевые слова:
мультипредметный ресурс, семантика, формализация, визуализация, релевантность, онтология, интеграция онтологий.
Введение
В информационном пространстве, окружающем современного человека, все более возрастающую роль играет Интернет. Всемирная сеть сегодня включает информационные ресурсы самой различной тематики и назначения. В развитии информационных ресурсов Интернета (прежде всего, веб-ресурсов, созданных с применением соответствующей технологии) можно отметить несколько заметных тенденций:
• непрестанно растущий объем информации, заключенный в ресурсах всемирной сети. Эта тенденция отражает своего рода экстенсивную составляющую развития Интернета;
• уже накопленный и постоянно увеличивающийся огромными темпами объем разного рода данных, представленных в электронном виде, как правило, находит отражение и в ресурсах Интернета;
• информационная насыщенность Интернет-ресурсов порождает для пользователей проблему адекватного их задачам поиска и интерпретации больших объемов данных: сегодня практически каждый из нас знаком с ситуацией, когда поисковая система выдает тысячи ссылок на информационные ресурсы, далеко не все из которых релевантны запросу.
Вместе с экстенсивным развитием, выражающимся в накоплении данных, очень быстро изменяются и формы представления и оперирования информацией глобальной сети. В своем развитии Интернет за короткое время (датой «рождения» Интернета принято считать 29 октября 1969 года) прошел огромный путь от примитивных сервисов, используемых в основном в режиме командной строки, до современной концепции семантического веба (semantic web), основанного уже не на данных, а на знаниях. Поворотным моментом в истории всемирной сети, обеспечившим лавинообразный рост популярности Интернета, стало появление технологии World Wide Web, обеспечившей представление и, впоследствии, оперирование мультимедийной информацией (текстом, графикой, аудио, видео). Обеспечив для пользователей невероятную простоту поиска информации, Интернет стал одним из главных компонентов информационного пространства для огромного количества пользователей с самыми различными профессиональными и личными интересами. Это нашло отражение в тематическом и функциональном спектре современных вебресурсов: Интернет стал источником информации, относящейся к различным видам
профессиональной деятельности, средством межличностных коммуникаций, средой для проведения досуга. Все это обеспечено различного рода веб-ресурсами.
Сегодня многие пользовательские информационные задачи являются мультипредметными по своей сути. Так, задумав, например, построить дом, человек сталкивается с необходимостью изучить или, по крайней мере, ознакомиться с большим объемом информации, связанной с инженерными вопросами, вопросами правового обеспечения собственности, вопросами экологии жилья и многими другими. Это обстоятельство естественным образом подталкивает к идее создания мультипредметных информационных ресурсов, способных удовлетворить все или почти все информационные потребности пользователей в той или иной ситуации. К подобным мультипредметным ресурсам можно отнести и веб-сайты, посвященные вопросам текущего состояния и развития крупных регионов. В частности, потенциально востребованным может стать ресурс, посвященный вопросам развития арктических территорий Российской Федерации.
В настоящее время социально-экономическое развитие Российской Арктики рассматривается как стратегически важная задача государственной политики. Это обусловлено, с одной стороны, геополитическим положением региона, а с другой - его огромным природно-ресурсным богатством. Как и любой регион, Российская Арктика имеет множество аспектов развития: это и социальноэкономическая среда региона, включающая множество компонентов (промышленный, научнообразовательный, культурный и так далее), и государственная политика на арктических территориях, и вопросы обеспечения национальной безопасности и многие другие. Таким образом, задача информационного обеспечения развития Российской Арктики является комплексной, требующей в том или ином виде создания мультипредметных информационных ресурсов.
Традиционным на сегодняшний день средством обеспечения мультипредметных информационных запросов пользователей являются веб-порталы, в общем представляющие собой набор гиперссылок на разнородные ресурсы, которые могут быть востребованы пользователем в контексте решения той или иной проблемы или группы проблем. Однако такое решение проблемы «в лоб» путем простого формирования набора слабо связанных друг с другом ресурсов имеет существенный изъян. Заключается он в том, что такое собирание разнородных ресурсов «под одну крышу» не только не решает, но и усугубляет проблему поиска и обработки большого объема информации. На изучение собранных в рамках портала ресурсов пользователь, как правило, вынужден тратить огромное количество драгоценного времени, даже если его информационные потребности не подразумевают сколько-нибудь глубокого изучения некоторой группы смежных вопросов. Простое объединение нескольких разнородных ресурсов существенно усложняет для пользователя задачу оперирования представленной на них информацией. Среди наиболее значимых причин этого можно обозначить:
• различные структура и навигационные схемы, реализованные на ресурсе;
• различные контексты представления информации (например, на новостных сайтах информация представляется, как правило, во временном контексте, тогда как на сайтах различных организаций контекст обычно определяется их внутренней структурой);
• различные подразумеваемые шаблоны интерпретации информации (сайты, ориентированные на различные категории пользователей, подразумевают разную интерпретацию внешне идентичной или схожей информации);
• наконец, различные стили оформления (цветовые схемы и т.п.).
Проблема быстрого и адекватного поиска и обработки информации не будет полностью решена даже в случае объединения информации, хранящейся на множестве ресурсов, в рамки одного единственного веб-ресурса с единой структурой и навигационной схемой, единым дизайном, контекстом и подразумеваемой интерпретацией. Этому препятствует, помимо попросту большого объема данных, то обстоятельство, что подобный мультипредметный ресурс используется различными по роду занятий и ментальным стереотипам людьми. Это означает, что удобные для одного класса пользователей навигационная схема и структура будут неудобными для другого, естественные для одного пользователя шаблоны интерпретации будут противоестественными для другого и так далее.
Таким образом, проблема быстрого и удобного поиска и восприятия информации стала в настоящее время весьма актуальной, и современные исследователи и разработчики информационных систем уделяют ей большое внимание. Результатом этого стало появление множества технологий, существенно облегчающих работу с современными информационными ресурсами. В качестве основного направления развития в данной области, пожалуй, следует обозначить интеллектуализацию информационных систем (ИС), направленную на обеспечение их реактивности (обратной связи с пользователем) и выполнение большей части рутинных операций по обработке
информации. Современные ИС все больше перестают быть статичным монументом, запечатлевшим в собственной структуре, логике поведения и пользовательском интерфейсе субъективные представления их разработчика. Теперь системы способны в некотором роде «ощущать» того, кто ими пользуется, и учитывать эти ощущения в собственном поведении, способны во многом предугадывать желания пользователя, брать на себя большую часть рутинной работы, видоизменяться в соответствии с пользовательскими потребностями.
В данной работе рассмотрен ряд современных концепций, методов и технологий, обеспечивающих создание мультипредметных информационных ресурсов. К ним относятся: концепция Semantic web, методы и технологии представления и обработки семантики информационных ресурсов, технологии визуализации разнородной информации и ее представления в веб-среде. Рассмотрение ведется в контексте задачи создания мультипредметного веб-ресурса, посвященного проблематике освоения и развития арктических территорий России.
Концепция мультипредметного веб-ресурса, посвященного проблемам развития арктических территорий РФ
Современная Российская Арктика представляет собой макрорегион, имеющий специфические природно-климатические, социально-экономические, геополитические характеристики. В Арктическую зону Российской Федерации полностью или частично входят территории Республики Саха (Якутия), Мурманской и Архангельской областей, Красноярского края, Ненецкого, ЯмалоНенецкого, Таймырского (Долгано-Ненецкого) и Чукотского автономных округов, включая земли и острова, указанные в Постановлении Президиума Центрального исполнительного комитета СССР от 15 апреля 1926 г. «Об объявлении территорией СССР земель и островов, расположенных в Северном Ледовитом океане», а также прилегающие к северному побережью Российской Федерации внутренние морские воды, территориальное море, исключительная экономическая зона и континентальный шельф, в пределах которых Россия обладает суверенными правами и юрисдикцией в соответствии с Конвенцией ООН по морскому праву 1982 года.
Специфическое геополитическое положение и огромные природные богатства Российской Арктики заставляют уделять особое внимание социально-экономическому развитию данных территорий. Это внимание выразилось, в частности, в принятии Правительством РФ «Основ государственной политики Российской Федерации в Арктике на период до 2020 года и дальнейшую перспективу» [1]. Особенностями Арктической зоны Российской Федерации, оказывающими влияние на развитие региона, являются:
а) экстремальные природно-климатические условия, включая постоянный ледовый покров или дрейфующие льды в арктических морях;
б) очаговый характер промышленно-хозяйственного освоения территорий и низкая плотность населения;
в) удаленность от основных промышленных центров, высокая ресурсоемкость и зависимость хозяйственной деятельности и жизнеобеспечения населения от поставок топлива, продовольствия и товаров первой необходимости из других регионов России;
г) низкая устойчивость экологических систем, определяющих биологическое равновесие и климат Земли, и их зависимость даже от незначительных антропогенных воздействий.
Рост интереса к Арктическому региону в последние годы значительно повлиял на появление новых информационных ресурсов, в том числе новых веб-ресурсов, посвященных проблематики развития Российской Арктики. Данные ресурсы можно классифицировать по различным признакам. По уровню доступности информации:
• открытые - вся информация полностью доступна для любых посетителей и пользователей, пример - новостной сайт http://arctic.ru/;
• полуоткрытые - для доступа необходимо зарегистрироваться (обычно бесплатно), пример -городской форум http://www.apatity.ru/forum/;
• закрытые - полностью закрытые служебные сайты организаций (в том числе корпоративные сайты), личные сайты частных лиц, доступные для узкого круга людей; сюда можно отнести любые интранет-сайты, доступные только изнутри организации.
По особенностям представления информации и категориям решаемых задач:
• коммерческие ресурсы. Сайты банков, электронных магазинов или других коммерческих
организаций, например: http://www.barentsbank.ru/;
• ресурсы территориально-административных образований, расположенных в регионе,
например: http://www.apatity-city.ru/;
• новостные ресурсы, например: http://arctic.ru/;
• культурно-исторические, например: http://www.modnt.ru/;
• туристические, например: http://www.kolatravel.com/;
• ресурсы, затрагивающие вопросы научных исследований приарктических территорий,
например: http://pgia.ru/;
• развлекательные ресурсы, например: http://mout.ru/;
• площадки обсуждения, например: http://www.apatity.ru/forum/;
• электронные журналы, например: http://arctic-ru.livejournal.com/.
Многие веб-ресурсы работают в межклассовом поле и сразу по нескольким направлениям. В частности, гибридными можно назвать популярные в последние годы социальные сети. Практически все существующие веб-ресурсы в той или иной мере ориентированы на узкую предметную область или на небольшой регион, город. В основном это разного рода информационные сайты, в том числе и городские порталы. Вместе с тем существуют и довольно крупные информационные порталы, претендующие на охват многих или даже всех сторон жизни региона. Среди крупных информационных порталов можно выделить:
1) http://arctic.ru/ - информационно-новостной проект РИА Новости;
2) http://arcticfocus.com/ - новости Арктики;
3) http://www.arcticuniverse.com/ - Информационно-аналитический портал ARCTICuniverse;
4) http://www.arctictoday.ru/ - новости и информация.
Проект http://arctic.ru/ - наиболее масштабный веб-ресурс, посвященный Российской Арктике. На сайте представлены новости, аналитика, фото и видеоматериалы по Арктике. Основная версия сайта представлена на английском языке, существуют версии и на других языках, в том числе и на русском. Сайт обновляется достаточно часто, однако, он изначально ориентирован на новости. Хотя на сайте и существуют информационно-справочные разделы по разным предметным областям, они являются лишь дополнением к общему новостному порталу и достаточно скудны в своем наполнении. Источником всего материала на сайте является одно информационное агентство. При этом, учитывая масштабность региона, материала (в том числе и новостей) мало. Особенно, если сравнивать с региональными новостными ресурсами.
Новостной сайт http://arcticfocus.com/ также представлен на английском языке. Однако, в отличие от http://arctic.ru/ он не так часто обновляется, и объем материала невелик. Отчасти это связано с тем, что он создается не на коммерческой основе, а силами нескольких энтузиастов.
Информационно-аналитический портал «ARCTICunivers» http://www.arcticuniverse.com/ основан Международным Институтом Стратегических Исследований "Vector" и группой профессиональных социологов, политологов и журналистов. На сайте представлены собственные новости, аналитические статьи и интервью об Арктике. Весь материал на русском языке.
Сайт http://www.arctictoday.ru/ также является информационно-аналитическим порталом. В отличие от других рассмотренных ресурсов, новостей здесь меньше, основным содержанием контента является справочная и нормативно-правовая информация о регионе.
В контексте рассматриваемой задачи в приведенных выше ресурсах (и практически всех остальных подобных) можно выделить два основных недостатка:
1) отсутствие полноценной площадки для обсуждения материала. Предложенная посетителю сайта информация в таком варианте становится довольно субъективной;
2) отсутствие возможности адаптировать поиск и навигацию для разнородных пользователей. Искать нужную информацию в жесткой структуре разделов для пользователей, имеющих различные профессиональные и культурные традиции, не всегда удобно. В этой ситуации приходится использовать контекстный поиск (поиск по ключевым словам), релевантность результатов которого чаще всего оставляет желать лучшего.
Таким образом, можно утверждать, что на сегодняшний день не существует полноценного мультипредметного веб-ресурса, посвященного проблемам развития арктических территорий РФ. Вся существующая информация разбросана по региональным или даже городским информационным сайтам. Зачастую обсуждение материала и аналитика размещаются в популярных социальных сетях и часто закрыты для общего доступа, что создает еще большую разобщенность информационного освещения проблем развития Российской Арктики. Кроме того, некоторые стороны жизни региона, в
частности вопросы развития региональной науки в целом, практически не представлены на существующих ресурсах, а информацию о них можно встретить лишь в форме упоминаний в материалах другой тематики. Вследствие этого становится актуальной задача построения единого информационного пространства Арктического региона, позволяющего в максимально удобной форме получить информацию о всех сторонах его современной жизни и будущего развития.
В рамках задачи построения единого информационного пространства Арктического региона необходимо создание информационного ресурса, обеспечивающего логическую интеграцию общедоступных информационных ресурсов по Арктическому региону, предоставление унифицированного удобного доступа к информации о Российской Арктике для различных категорий пользователей. Решающим фактором, обусловливающим активное использование и развитие подобного ресурса, является эффективность используемой модели хранения и поиска информации в разнородном (с точки зрения предметных областей) информационном контенте.
В рамках веб-ресурса предлагается использовать две структуры интеграции разнородной информации:
1. Иерархическую базовую структуру, описывающую промышленность, науку, образование, культуру, и иные аспекты жизни и развития региона.
2. Сквозную семантическую модель связей между элементами контента, основанную на формализованном представлении знаний о различных предметных областях.
Иерархическая базовая структура портала является основной структурой разделов сайта. Она позволяет пользователям сразу получить общее представление о регионе и задает простейшую базовую схему навигации и поиска. Семантическая модель предназначена для задания сквозной схемы связей внутри каталога, что позволит осуществлять адаптивную смысловую выборку и поиск информационных ресурсов.
Основу семантической модели составляет динамическая схема онтологий разных предметных областей, которая формируется с помощью методов и технологий семантической интеграции разнородных информационных ресурсов, специальных алгоритмов поиска связей и аналогий [2, 3]. Использование данного подхода позволяет обеспечить пользователей сайта удобными и эффективными инструментами навигации и поиска по сайту, учитывающими особенности предметной области/профессии, в которой они работают.
Визуализация «многомерной» информации
Одной из существенных проблем, возникающих при попытке создания информационного ресурса, объединяющего тем или иным способом большой объем информации, является сложность интерпретации и обработки данных. Проблема усугубляется и тем, что, кроме собственно большого объема, данные могут иметь «многомерный» характер, то есть могут быть структурированы множеством способов: например, по временной шкале, по принадлежности тому или иному источнику, по ассоциированной с ними области знаний и т.д. Частично решить данную проблему позволяют некоторые современные технологии автоматизированной обработки данных, например, data mining [4]. Однако возможности современных программных средств и вычислительной техники в ряде случаев безнадежно уступают человеческому мозгу, в частности в образном мышлении, а также при обработке многомерных данных, требующей рассмотрения имеющейся информации в различных, часто неявных, контекстах. С другой стороны, человеческий мозг, обладающий мощным потенциалом творческого, ассоциативного мышления, сильно уступает возможностям вычислительных машин в смысле обработки больших объемов информации. Обеспечить при обработке подобных данных эффективное совместное использование как человеческого мозга, так и вычислительных машин призваны активно развиваемые в настоящее время методы визуального анализа данных.
Целью визуального анализа информации является представление большого объема сложной для алгоритмической обработки информации в таком виде, в котором ее восприятие человеком не вызывает особого труда. Визуальный анализ данных призван вовлечь человека в процесс отыскания знаний в данных. Основная идея заключается в том, чтобы представить данные в такой форме, где человек мог бы увидеть то, что трудно выделить алгоритмически. Существует множество способов поиска закономерностей в данных алгоритмами, но также не стоит упускать из вида возможности человека по анализу данных: полезно сочетать вычислительные ресурсы современных компьютеров с творческим мышлением человека.
С помощью новых технологий пользователи способны оценивать большие объекты и маленькие, далеко они находятся или близко. Пользователь в реальном времени может двигаться вокруг объектов и рассматривать их со всех сторон. Это позволяет использовать для анализа естественные человеческие перцепционные навыки в обнаружении неопределенных образцов в визуальном трехмерном представлении данных [5].
Визуальный анализ данных особенно полезен, когда цели исследования до конца не определены. К таким задачам можно отнести, например, поиск информации, т.к. не представляется возможным с абсолютной точностью выразить конечную информационную потребность пользователя. Это обстоятельство обуславливает применение визуального анализа данных для представления знаний сложных ИС, в частности семантических баз знаний (БЗ) ИС.
Наиболее важным условием применения методов визуального анализа является обеспечение пользователей ИС развитым пользовательским интерфейсом. Применительно к информационнопоисковым системам основным требованием к интерфейсу является обеспечение пользователей возможностями поиска необходимой информации в БЗ ИС и осуществление навигации.
В работах [6, 7] представлен метод формирования графовой структуры данных по текстовой информации в виде визуальной интерактивной среды. Достоинством визуального отображения информации является возможность воспринимать содержимое текста не последовательно, а одномоментно. Это позволяет воспринимать структуру связей предметной области в комплексе, притом именно в том, который соответствует связям, сформированным специалистом, а не формировать его самостоятельно при прочтении груды технической документации [7]. Примером навигационной структуры, реализующей одномоментное восприятие информации пользователем, является облако тегов (tag cloud) - визуальное представление списка гиперссылок, используемых в веб-ресурсах. В работе [8] изложена идея модификации облака тегов для реализации сквозной семантической модели навигации.
Модель пользователя, отражающая его интересы, может быть представлена как множество взвешенных тем для поиска, соответствующих концептам базы знаний. Текущий интерес пользователя выражается через запрос пользователя к системе поиска, а также через контекст просматриваемой в данный момент страницы. Запрос пользователя определяется как разность множеств, характеризующих его информационную модель в текущий и предыдущий момент времени.
Общий интерес пользователя определяется как нечеткое множество - пересечение множества концептов БЗ, находящихся в запросе пользователя и множества концептов БЗ, определяющих контекст просматриваемой в данный момент страницы, дополненное моделью пользователя.
Информационное содержание навигационной структуры ИС формируется динамически как множество смежных тем просматриваемого документа, расширенных и ранжированных моделью пользователя.
Данное множество составляет основу для динамического формирования навигационных структур - набора ссылок для поиска (меток), отражающих в форме поиска документы, соответствующие данным меткам в контексте области интересов пользователя. Набор ссылок для поиска ранжируется по значимости отдельных меток, которым соответствуют термы в модели пользователя.
Динамическое формирование информационного содержания навигационной структуры ИС как набора смежных тем просматриваемого документа, расширенных и ранжированных моделью пользователя, позволяет не потеряться пользователю, обеспечивая возможность быстрой интуитивнопонятной навигации в пространстве информационного ресурса.
Помимо навигации важным является обеспечение пользователя развитым интерфейсом взаимодействия с БЗ ИС. Применение методов визуального анализа позволяет осуществить человекомашинное взаимодействие в более простой форме, а также представлять большие объемы данных в более удобной форме в силу следующих аспектов:
одномоментное (симультанное) восприятие области поиска. При использовании простых интерфейсов, например, таких как поисковая строка, пользователю необходимо знать терминологию поиска и выполнять множество запросов, итерактивно корректируя свой запрос. Использование интерфейса многомерной визуализации семантической сети БЗ позволит избавить пользователя от этой необходимости;
динамическое отслеживание запроса во время работы с интерфейсом. Навигация в семантическом пространстве сети позволяет выявить реальную информационную потребность
пользователя, определяемую как множество концептов семантической сети, выбранных/отмеченных пользователем, задающее некоторую область текущих интересов пользователя;
улучшенное зрительное восприятие информации за счет пространственной модели визуализации. Основой интерфейса поисковой формы является семантическая сеть. В силу сложности структур визуализации сеть отображается в трехмерном пространстве с возможностью поворота и перемещения виртуальной сцены.
При создании интерфейса использовался метод иерархических образов с возможностью динамического проецирования, интерактивной фильтрации и масштабирования образов [9].
Основным положением является максимально возможное исключение пересекающихся связей между концептами семантической сети за счет разделения отображаемого множества концептов на подмножества и последующее их размещение на отдельных плоскостях многомерного интерфейса пользователя. Деление концептов семантической сети на множества производится по типам отношений семантической сети, которые делятся на горизонтальные, и вертикальные. Обычно к горизонтальным относят отношения типа ассоциаций и коннотаций, к вертикальным - отношения часть-целое, принадлежности, классификации и т.п.
Горизонтальные отношения отражают отношения набора элементов семантической сети, находящихся на одной плоскости интерфейса, вертикальные отношения реализуют связь плоскостей интерфейса друг с другом. Таким образом, семантически близкие концепты размещены в одной плоскости, а переход на другую плоскость осуществляется преимущественно в процессе уточнения/обобщения запроса пользователем.
С одной стороны, выбор альтернатив происходит привычным для пользователя образом: в одной из плоскостей трехмерного пространства, с другой стороны, возможность перехода в другую плоскость позволяет не ограничивать количество альтернатив выбора. Таким образом, применение методов визуального анализа позволяет осуществить человеко-машинное взаимодействие в более простой форме, представлять большие объемы данных в более удобной форме, а также сократить вероятность потери пользователя, обеспечивая возможность быстрой интуитивно-понятной навигации и поиска необходимых сведений в пространстве информационного ресурса.
Формализованное представление и обработка семантики информационных ресурсов
Вторым направлением повышения эффективности использования современных ресурсов, аккумулирующих в себе большие объемы разнородной информации, является интеллектуализация обработки данных. Подобная интеллектуализация заключается в том, что на вычислительные машины возлагается функция обработки не только неких абстрактных данных, но и данных, наделенных семантикой, то есть знаний. Обработка семантики данных позволяет в еще большей степени освободить человека от необходимости выполнения рутинных операций. Технологически для реализации такой обработки необходимо некоторое формализованное («машинопонимаемое») представление знаний, накопленных в различных предметных областях. Одним из решений данной проблемы является использование онтологических моделей для описания некоторой предметной области или задачи.
Существует множество определений понятия онтологии. Довольно известно определение, данное Грубером [10]: онтология - спецификация концептуализации. Данное определение позволяет называть онтологиями огромное множество моделей, используемых для описания понятийных систем предметных областей. Более четкое определение онтологии сформулировано Н. Гуарино в работе [11]. Н. Гуарино разделяет понятия «концептуализация» и «онтология». Онтология определяется им как явное частичное представление подразумеваемых в соответствии с некоторым онтологическим соглашением (ontological commitment) моделей логического языка. Онтологическое соглашение есть отображение константных и предикатных символов логического языка на элементы концептуализации (объекты реального мира и концептуальные отношения на них). Моделью (интерпретацией) логического языка является отображение символов логического языка на элементы структуры некоторого возможного мира (possible world), представляющего некоторую часть концептуализации.
Достоинствами онтологий являются большие выразительные возможности, наглядность, и наряду с этим еще и возможность формального отражения семантики. Последняя черта позволяет связывать контент информационного ресурса с понятийной системой, представленной в онтологии, и впоследствии обеспечивать обработку его фрагментов в соответствии с сопряженными с ними понятиями онтологии. Таким образом, использование онтологии позволяет задать и представить
метаданные, необходимые для определения правильных алгоритмов обработки данных информационного ресурса.
Концепция Семантик-веб
На сегодняшний день в глобальной сети Интернет представлено огромное множество различных информационных ресурсов. Их использование человеком заключается в отборе ресурсов и содержащихся в них данных, наиболее релевантных решаемой задаче. Данный процесс можно рассматривать как проведение семантической интеграции информации человеком с целью образования информационного пространства, на основании которого он способен выработать определенное решение некоторой задачи. Существенной трудностью при этом является гигантский объем данных в сети Интернет.
Для решения данной проблемы используются поисковые машины. Они позволяют облегчить сбор информации путем предоставления ранжированного согласно субъективной релевантности (т.е. «с точки зрения поисковой машины») перечня ресурсов, который можно также отнести к своего рода интегрированному представлению информации об объекте запроса. Однако такое представление, как правило, включает большие фрагменты данных, в которых может находиться лишь небольшое количество нужной пользователю информации. Это приводит к необходимости последующей обработки представленного набора информационных ресурсов уже человеком.
Усложнение же механизмов индексации и поиска хоть и позволяет в некоторой степени повысить эффективность информационного обеспечения пользователя, но оно также имеет свои пределы. Например, использование в поисковых машинах методов компьютерной лингвистики позволяет повысить релевантность результатов. Это достигается за счет выявления семантики в индексируемых ресурсах в процессе их комплексного языкового анализа, но ценой такого повышения релевантности является существенное уменьшение быстродействия поисковых систем и необходимость привлечения дополнительных вычислительных ресурсов [12].
Основной технологической проблемой, принципиально ограничивающей возможности оперирования семантикой в рамках современного Интернета, является то, что веб-ресурсы представлены в большинстве своем отформатированными при помощи HTML-разметки текстовыми блоками, связанными друг с другом URL-ссылками. Никакой машинопонимаемой семантики информации такие ресурсы не несут. Данное обстоятельство является следствием того, что с появлением ЭВМ долгое время не уделялось должного внимания проблеме сопряжения данных, хранимых в ЭВМ, и их смысла, подразумеваемого человеком. Разумеется, в рамках решения одиночных задач это не так важно. Программист в этом случае создает некоторую структуру с данными и программный код, в котором реализует свои знания о семантике данных. Это приводит к тому, что программа «знает» смысл того или иного фрагмента информации, и каким образом он должен быть обработан, однако, для другой обрабатывающей программы эта информация становится в смысле семантики черным ящиком, набитым абстрактными данными, интерпретировать которые можно как угодно.
Концепция глобальной сети Интернет предполагает общий доступ к информационным ресурсам, то есть их обработка может осуществляться впоследствии множеством программ и людей. Но если для людей, как правило, семантика информации представлена, ввиду описания данных посредством естественного языка, то для программ такого сказать нельзя. Это не позволяет использовать ЭВМ для осуществления эффективной обработки большого объема данных и приводит к проблеме информационного хаоса в сети Интернет.
На решение обозначенной проблемы направлен проект построения так называемой семантической сети (Semantic Web) [13]. Основной идеей данного проекта является формальное представление семантики любой информации посредством метаинформации в рамках одного информационного ресурса. Это позволит сделать данные машинопонимаемыми (machine readable) и соответственно обеспечить их обработку с помощью программных агентов.
В качестве основных средств описания и последующей работы с метаинформацией, представляющей семантику, в рамках проекта Semantic Web используются:
• XML (Extensible Markup Language) [14] - расширяемый язык разметки, являющийся гибким текстовым форматом для описания документов произвольной структуры. XML обеспечивает возможность включения метаинформации, несущей машинопонимаемую семантику, в контент ресурса;
• RDF (Resource Definition Framework) [15] - стандарт, принятый в 1999 г. консорциумом W3C и поддержанный ведущими производителями программного обеспечения. Он включает две части:
способ описания ресурсов и способ задания схем, по которым ресурс описывается. Первая часть (RDF) определяет простую модель для описания информационного ресурса в виде троек или триплетов, состоящих из элементов: объект, атрибут и значение. Вторая часть (RDF Sterna) определяет более сложную модель, позволяющую представить структуру предметной области в виде, сходном с диаграммой классов UML;
• OWL (Web Ontology Language) [16] определяет модель и язык, расширяющие возможности RDF и RDFS. Язык OWL использует синтаксис XML, включает конструкции для представления таксономии классов их свойств и экземпляров. Основной целью языка OWL является описание онтологий в виде веб-ресурсов. Онтологии в этом случае используются для определения семантики метаданных, которыми в свою очередь аннотируются фрагменты данных в информационных ресурсах;
• SPARQL (Protocol and RDF Query Language) [17] - язык запросов к RDF ресурсам и одновременно протокол передачи информации в виде RDF троек.
Использование технологий, стандартов и языков Semantic Web в решении различных задач обработки данных позволяет применять качественно иные методы, ориентированные на учет представляющих семантику метаданных.
Задача информационного поиска в этом случае будет сводиться к нахождению в онтологиях ресурсов понятия, соответствующего объекту поиска и представления сопряженного с ним фрагмента данных. Разумеется, это сокращает объем данных, обрабатываемых поисковыми машинами, за счет использования лишь онтологий ресурсов, отражающих понятийную систему. Однако это в свою очередь делает приоритетной довольно непростую задачу интеграции онтологий множества ресурсов.
Интеграция онтологий на базе концепции ‘user as an expert ’
В общем интеграцию онтологий принято определять как процесс построения новой онтологии, описывающей некоторую предметную область, на основе имеющихся онтологий, описывающих схожие между собой предметные области [18].
Интеграция онтологий является довольно сложной проблемой, решение которой осуществляется, как правило, с помощью привлечения экспертов, осуществляющих сопоставления понятий. В этом случае машина может лишь предлагать определенные соответствия и проверять валидность соответствий, заданных человеком-оператором.
На сегодняшний день существует несколько программных продуктов, направленных на решение задачи отображения онтологических понятий, среди которых можно выделить:
• PROMPT [19] представляет собой подключаемый модуль к редактору онтологий Protege. Процесс работы системы заключается в анализе онтологий и представлении эксперту списка предложений по объединению и последующей его корректировке списка путем выбора того или иного действия. Формирование списка предложений осуществляется на основе схожести символических имен понятий, их словоформ, а также таксономических связей между ними;
• Chimaera [20] является компонентом сервера Ontolingua. Выполняет задачи объединения онтологий и выявления последующих логических несогласованностей. При генерации списка своих предложений Chimaera основывается главным образом на сходстве имен понятий, учитываются также непосредственные таксономические связи;
• ONION [21] в результате анализа онтологий предлагает пользователю набор правил
объединения. Сам анализ включает две стадии: лингвистическую и структурную. На
лингвистической - определяются сходства названий терминов, а также их определений, полученных из стороннего словаря. На структурной стадии осуществляется оценка близости понятий на основе их отношений со схожими терминами. Эксперт в итоге определяет применение тех или иных правил, предлагающих различные разрешения неоднородностей в соответствии с их эвристической оценкой.
• OntoMerge [22] строит объединенную онтологию из исходных. Данный процесс включает фазу унификации представлений онтологий путем их описания на внутреннем языке, определение связывающих аксиом экспертом и последующего автоматического вывода заключения, формирующего объединенную онтологию. Авторы данного программного продукта указывают на целесообразность его применения для онтологий, содержащих большее количество аксиом Abox (Assertional box), определяющих различные отношения принадлежности конкретных объектов (экземпляров) к классам (понятиям) онтологии, нежели Tbox (Terminological box), представляющих иерархию классов (понятий).
Однако не всегда привлечение эксперта возможно и целесообразно. Примером такой ситуации является интеграция онтологий для осуществления последующего семантического поиска на основе
их единого представления. В этом случае большое количество онтологий многочисленных ресурсов повлечет за собой существенный объем трудозатрат на их интеграцию, предполагающую участие эксперта. Еще одной проблемой является наличие различных точек зрения на сходные понятия у эксперта и пользователя поисковой системы. И, наконец, наиболее серьезным, на наш взгляд, фактором, сдерживающим быстрое и широкое распространение онтологий для формального представления знаний, является динамичность самих правил интерпретации формально идентичных данных. Если зимой температура воздуха за пределами помещения в +2° С интерпретируется как «на улице тепло», то через несколько месяцев, летом, эта же температура обозначается словами «на улице ужасный холод». В таких условиях попытки формально представить семантику данных становятся подобны погоне за собственной тенью.
Выходом из положения в данной ситуации является реализация концепции ‘user as an expert’, заключающейся в предоставлении пользователю возможности влиять на результаты интеграции. Это достигается путем учета статистики использования нескольких понятий в одном поисковом запросе. Если статистка высока, то это говорит о большом сходстве понятий в представлениях данного пользователя, и если большая часть пользователей также демонстрируют интерпретацию рассматриваемых понятий как идентичных, то понятия следует считать эквивалентными. Пользователь в этом случае выступает в качестве эксперта, который в ходе работы корректирует единое представление онтологий, сформированное на этапе их начальной интеграции.
Однако необходимо учесть тот факт, что точки зрения на близость тех или иных терминов у пользователей также могут отличаться в зависимости от целей их деятельности. Поэтому необходимо использовать связи и их оценки, заданные при интеграции онтологий, как исходные, а все изменения сопрягать с пользователем, вызвавшим их. Это позволит адаптировать интегрированное представление онтологий под множество пользователей, выполняющих различные задачи. В этом случае пользователь будет оперировать единым представлением онтологий, персонализированным в соответствии с данными статистики его предыдущих сеансов работы. Таким образом, такая технология интеграции с использованием пользователя в качестве эксперта позволит снизить стоимость и время интеграции многочисленных онтологий ресурсов и образовать интегрированное информационное пространство, способное подстраиваться под представление конечного пользователя. В итоге это позволит повысить релевантность результатов поисковой системы. Одна из технологий интеграции формально представленных знаний, реализующая концепцию ‘user as an expert’ и обеспечивающая перечисленные возможности, предложена в работах [2, 3].
Заключение
Создание по настоящему эффективного мультипредметного веб-ресурса, способного привлечь к себе широкую пользовательскую аудиторию, является весьма нетривиальной задачей. Многочисленные примеры попыток создания ресурсов такого сорта показывают, что простое слияние множества ресурсов в рамках одного веб-сайта или одного веб-портала не обеспечивает жизнеспособность вновь созданного интегрированного ресурса. Это обусловливается высокой трудоемкостью для человека задач поиска и интерпретации данных среди больших массивов информации. Вместе с тем, создание мультипредметных ресурсов не перестает быть актуальной задачей, но, напротив, становится все более востребованным в условиях современного глобализованного мироустройства. Для решения этой проблемы необходимы новые подходы к организации человеко-машинного взаимодействия, обеспечивающие более эффективное использование как потенциала человеческого интеллекта, так и возможностей современной вычислительной техники. В данной работе рассмотрены некоторые из наиболее активно развиваемых в последнее время направлений компьютерной науки и технологии, призванные решить эту задачу, основанные на формализованном представлении и обработке семантики информационных ресурсов. Авторы не претендуют на сколько-нибудь полный обзор очень большого пласта разработок и научных исследований в данной области, но лишь поверхностно затрагивают некоторые концепции и технологии, способные, на наш взгляд, побудить интерес читателя к проблематике разработки вебсистем, основанных на знаниях.
ЛИТЕРАТУРА
1. Основы государственной политики Российской Федерации в Арктике на период до 2020 года и дальнейшую перспективу / Утверждены Президентом Российской Федерации Д.А. Медведевым 18.09.2008 // Российская
газета. 30 марта 2009 г. 2. Ломов П.А., Шишаев М.Г. Интеграция данных на основе онтологий для обеспечения информационной поддержки управленческих решений // Прикладные проблемы управления макросистемами: труды Института системного анализа Российской академии наук (ИСА РАН). М.: Книжный дом «ЛИБРОКОМ», 2008. Т. 39. С. 159-173. 3. Информационные технологии поддержки инноваций / А.Г. Олейник, Ю.С. Попков, В.А. Путилов, М.Г. Шишаев. М.: Едиториал УРСС, 2010. 503 с. 4. Чубукова И.А. Data Mining: уч. пособие. М.: Интернет-университет информационных технологий; БИНОМ: Лаборатория знаний, 2006. 382 с. 5. База знаний кафедры ИКТ. Режим доступа: http://wiki.auditory.ru. 6. Александров В.В. и др. Системное моделирование. Методы построения информационно-логистических систем: уч. пособие / В.В. Александров, Н.А. Андреева, С.В. Кулешов. СПб.: Изд-во Политех. ун-та, 2006. 95 с. Режим доступа: http://sial.iias.spb.su/files/semsys.pdf 7. Кулешов С.В. Разработка автоматизированной системы семантического анализа и построения визуальных динамических глоссариев: автореф. ... дис. канд. техн. наук. СПб., 2005. 20 с. 8. Диковицкий В.В. и др. Применение метода семантического поиска на основе семантической сети с субтрактивными связями для реализации сервисов интернет-портала / В.В. Диковицкий, М.Г. Шишаев // Труды международной летней школы-семинара IsyT 2011. 9. J.J. Thomas and K.A. Cook (Eds.), Illuminating the Path: The Research and Development Agenda for Visual Analytics. IEEE Press, 2005. 10. Gruber T.R. «Toward principles for the design of ontologies used for knowledge sharing». Presented at the Padua workshop on Formal Ontology, March 1993, later published in International Journal of Human-Computer Studies, Vol. 43, Issues 4-5, November 1995. P. 907-928. 11. Guarino N. «Formal Ontology in Information Systems.Proceedings of FOIS'98», Trento, Italy, 6-8 June 1998. Amsterdam, IOS Press, P. 315. 12. Осипов Г.С. и др. Семантический поиск в сети Интернет средствами поисковой машины Exactus / Г.С. Осипов, И.А. Тихомиров, И.В. Смирнов // Труды 11-й национал. конф. по искусственному интеллекту КИИ-2008. 2008. C. 323-328. 13. Berners-Lee T., Hendler J, Lassila O. The Semantic Web // Scientific American, May 2001. P. 29-37. 14. Extensible Markup Language (XML) 1.0, W3C Recommendation 10.02.1998. Режим доступа: http://www.w3.org/TR/1998/REC-xml-19980210, свободный. 15. Resource Description Framework (RDF), 2004. Режим доступа: http://www.w3.org/RDF, свободный. 16. OWL - Web Ontology Language. Overview, 2004. Режим доступа: http://www.w3.org/TR/owl-features, свободный. 17. SPARQL Query Language for RDF W3C Candidate Recommendation 14 June 2007. Режим доступа: http://www.w3.org/TR/rdf-sparql-query.18. Pinto H.S., Gomez-Perez A., Martins J.P. (1999) Some Issues on Ontology Integration // In Proc. of IJCAI99's Workshop on Ontologies and Problem Solving Methods: Lessons Learned and Future Trends. Stockholm, Sweden, 1999. Vol. 18, P. 1-12. 19. Noy N.F., Musen M.A. Prompt: Algorithm and tool for automated ontology merging and alignment // Proceedings of the Seventeenth National Conference on Artificial Intelligence. 2000. P. 450-455. 20. McGuinness D.L., Fikes R.., Rice J., Wilder S. (2000) An environment for merging and testing large ontologies. Proc. 7th International Conference on Principles of Knowledge Representation and Reasoning, Breckenridge, Colorado, April 2000, P. 483-493. 21. Gangemi A., Pisanelli D.M., Steve G. An Overview of the ONIONS Project: Applying Ontologies to the Integration of Medical Terminologies // Data & Knowledge Engineering 31(2), P.183-220. 22. Dou D., McDermott D., Qi P. Ontology translation by ontology merging and automated reasoning // EKAW'02 workshop on Ontologies for Multi-Agent Systems. Spain, 2002. P. 3-18. 23. Madhavan J., Bernstein P., Rahm E. Generic Schema Matching with Cupid The VLDB Journal, 2001. P. 49-58. 24. Fellbaum C. WordNet - an Electronic Lexical Database. MIT Press, Cambridge, 1998. 25. Ломов П.А. и др. Разработка метода семантической интеграции информации в сфере государственного и муниципального управления / П.А. Ломов, М.Г. Шишаев // Труды XI Всероссийской научной конференции Электронные библиотеки: перспективные методы и технологии, электронные коллекции. Петрозаводск: КарНЦ РАН, 2009.
С. 78-86. 26. Бархатов А.В. Разработка и интеграция веб-ресурсов на основе их семантического представления в виде онтологий. Режим доступа: http://rrc.krasu.ru/node/1885
Сведения об авторах
Диковицкий Владимир Витальевич - стажер-исследователь; e-mail: [email protected] Ломов Павел Андреевич - стажер-исследователь; e-mail: [email protected] Сепеда-Эррера Рафаэль Рафаэлевич - программист; e-mail: [email protected] Шишаев Максим Геннадьевич - д.т.н., с.н.с., зав.лаб; e-mail: [email protected]
