Средства автоматической интеграции разнородных онтологий

Понятие онтологии
Онтология – конструкция для представления знаний в Интернете, представляющая собой множество объектов, классифицированных в соответствии с некоторыми критериями, плюс описание свойств этих объектов. Онтология кодирует объекты и свойства в понятном для компьютера формате.

Применение онтологий
Информационный поиск (Information retrieval)
Обеспечение концептуального индексирования
Семантический Веб (Semantic Web)
Автоматизация «интеллектуальных» задач обработки значения ресурсов сети

Методы создания
3 подхода к созданию онтологий
Автоматическое извлечение знаний
Использование экспертов
Использование сообщества
У каждого – свои недостатки
Для получения наилучшего результата необходимо комбинировать подходы

Цель дипломной работы
Цель – разработка средств интеграции двух разнородных онтологий – русскоязычной Wikipedia и базы знаний, составленной сотрудниками НИВЦ МГУ.

Задачи
Анализ существующих проектов
Выбор формата результирующей онтологии
Проектирование и кодирование средств автоматической интеграции
Выборочное тестирование результирующей онтологии

Обзор аналогов
Наиболее близкий аналог – YAGO
Авторы – Fabian M. Suchanek, Gerhard Weikum
Автоматическое получение знаний из WordNet и Wikipedia
1.7 миллиона сущностей
15 миллионов фактов
Язык описания онтологии – RDF/RDFS

Язык описания результата
RDF/RDFS – Resource Description Framework
Разработан World Wide Web Consortium
Создан специально для обмена онтологиями через Internet
Синтаксис на основе XML

Средства интеграции
Язык разработки – Python 2.6.2
Сначала онтология НИВЦ конвертируется в RDF, затем пополняется из XML-dump Wikipedia
Для пополнения используются категории и панели информации Wikipedia

Результат
Проведен обзор аналогов
Выбран стандарт RDF/XML в качестве языка описания результирующей онтологии
На языке Python созданы средства интеграции онтологий

Направления дальнейшей работы
Улучшение эвристик для определения категорий сущностей
Тестирование новых эвристик
Оптимизация программы по скорости выполнения