Εμπλουτισμός Οντολογιών Με Τεχνικές Μηχανικής Μάθησης

Abstract

Καθώς ο Σημασιολογικός Ιστός κατέχει ύψιστη σημασία, δεδομένου ότι παρέχει μια κατανοητή από τις μηχανές προσέγγιση για χειρισμό πληροφοριών, οι Οντολογίες παίζουν το δικό τους ρόλο στην σύνθεση αυτού του νέου ιστού. Σε αντίθεση με τις βάσεις δεδομένων που παράγονται εδώ και πολλά χρόνια, υπάρχουν μόνο λίγες Οντολογίες για διαφόρους σκοπούς και οι μηχανικοί γνώσης δυσκολεύονται να συμβαδίσουν με το ρυθμό των σημερινών αναγκών. Ευτυχώς, στις μέρες μας υπάρχει τεράστια ανάπτυξη στις τεχνικές Μηχανικής Μάθησης (Machine Learning) που επιτρέπουν στις μηχανές να διαχειρίζονται πληροφορίες και να παράγουν συσχετίσεις για την ευκολότερη κατανόηση και επεξεργασία των δεδομένων. Στην παρούσα διπλωματική, ένα νέο μοντέλο προτείνεται για τον εμπλουτισμό υπαρχουσών Οντολογιών με την χρήση τεχνικών Μηχανικής Μάθησης. Πιο συγκεκριμένα, χρησιμοποιούνται τεχνικές ταξινόμησης (classification) και παραγωγής κανόνων συσχέτισης (association rules). Μια Οντολογία εμπλουτίζεται μέσω μοντέλων Μηχανικής Μάθησης τα οποία είχαν προηγουμένως εκπαιδευτεί με τη χρήση άλλων διαφορετικών Οντολογιών. Επιπλέον, παράγονται κανόνες συσχέτισης ανάλογα με τις έννοιες (concepts) και τις ιδιότητες (properties) που συνθέτουν τη δοσμένη Οντολογία, οι οποίοι εισάγονται στη συνέχεια στην αρχική Οντολογία με τη μορφή αξιωμάτων. Οι διαδικασίες της ταξινόμησης και της εκμάθησης κανόνων συσχέτισης διευκολύνεται από την χρήση του συστήματος Weka που παρέχει μια ποικιλία από υλοποιήσεις αλγορίθμων μηχανικής μάθησης. Για την επίτευξη του εμπλουτισμού της Οντολογίας γράφτηκε ένα πρόγραμμα σε Java και εκτελέστηκαν αρκετά υποσχόμενα πειράματα. Στις περισσότερες των περιπτώσεων ο εμπλουτισμός της Οντολογίας ήταν επιτυχής, καθώς νέοι ισχυρισμοί εννοιών και ρόλων προστέθηκαν στην Οντολογία μετά την εφαρμογή ταξινόμησης, βασισμένης σε άλλη δοσμένη οντολογία, καθώς και επιπρόσθετοι κανόνες συσχέτισης παράχθηκαν που προμήθευσαν την Οντολογία με νέα αξιώματα.