Ontologie-Alignment , auch Ontologie-Matching genannt , ist der Prozess der Bestimmung von Entsprechungen zwischen Konzepten in Ontologien . Eine Menge von Entsprechungen wird ebenfalls als Alignment bezeichnet. In der Informatik , der Kognitionswissenschaft oder der Philosophie hat der Begriff eine leicht abweichende Bedeutung .

Informatik

Für Informatiker werden Konzepte als Datenbezeichnungen ausgedrückt. Historisch gesehen entstand der Bedarf an Ontologie-Angleichung aus der Notwendigkeit, heterogene Datenbanken zu integrieren , die unabhängig voneinander entwickelt wurden und daher jeweils über ein eigenes Datenvokabular verfügen. Im Kontext des Semantischen Webs, in dem viele Akteure ihre eigenen Ontologien bereitstellen , hat der Ontologie-Abgleich eine entscheidende Rolle für die Interoperabilität heterogener Ressourcen eingenommen. Werkzeuge zur Ontologie-Angleichung finden semantisch äquivalente Datenklassen , beispielsweise „LKW“ und „Lkw“. Die Klassen sind nicht notwendigerweise logisch identisch. Laut Euzenat und Shvaiko (2007) [ 1 ] gibt es drei Hauptdimensionen der Ähnlichkeit: syntaktische, externe und semantische. Zufälligerweise entsprechen diese in etwa den Dimensionen, die Kognitionswissenschaftler im Folgenden identifizieren. Es wurden zahlreiche Werkzeuge und Frameworks zur Ontologie-Angleichung entwickelt, einige inspiriert von der Kognitionswissenschaft, andere unabhängig davon.

Werkzeuge zur Ontologie-Ausrichtung wurden im Allgemeinen für die Verarbeitung von Datenbankschemata [ 2 ] , XML-Schemas [ 3 ] , Taxonomien [ 4 ] , formalen Sprachen , Entity-Relationship-Modellen [ 5 ] , Wörterbüchern und anderen Label-Frameworks entwickelt. Diese werden üblicherweise vor dem Abgleich in eine Graphdarstellung umgewandelt. Seit dem Aufkommen des Semantischen Webs lassen sich solche Graphen in den Sprachen des Resource Description Framework (RDF ) durch Tripel der Form <Subjekt, Prädikat, Objekt> darstellen, wie in der Notation-3- Syntax veranschaulicht . In diesem Kontext wird die Ausrichtung von Ontologien auch als „Ontologie-Matching“ bezeichnet.

Das Problem der Ontologieausrichtung wurde in jüngster Zeit durch die automatische Berechnung von Übereinstimmungen und anschließendem Mapping (basierend auf diesen Übereinstimmungen) angegangen. Systeme wie DSSim , X-SOM [ 6 ] oder COMA++ erreichen derzeit eine sehr hohe Präzision und Trefferquote . [ 3 ] Die Ontology Alignment Evaluation Initiative (OAE) hat zum Ziel, die verschiedenen Ansätze zu evaluieren, zu vergleichen und zu verbessern.

Formale Definition

Gegeben seien zwei Ontologien , wobei die Menge der Klassen, die Menge der Relationen, die Menge der Individuen, die Menge der Datentypen und die Menge der Werte ist. Wir können verschiedene Arten von (Inter-Ontologie-)Beziehungen definieren. [ 1 ] Solche Beziehungen werden zusammenfassend als Alignments bezeichnet und können anhand verschiedener Dimensionen kategorisiert werden:

  • Ähnlichkeit vs. Logik: Dies ist der Unterschied zwischen Matchings (Aussagen über die Ähnlichkeit von Ontologiebegriffen) und Mappings ( logische Axiome , die typischerweise logische Äquivalenz oder Inklusion zwischen Ontologiebegriffen ausdrücken ).
  • Atomar vs. komplex: ob die betrachteten Alignments eins-zu-eins sind oder in einer abfrageähnlichen Formulierung mehrere Terme umfassen können (z. B. LAV/GAV -Mapping)
  • homogen vs. heterogen: Basieren die Zuordnungen auf Begriffen desselben Typs (z. B. beziehen sich Klassen nur auf Klassen, Individuen nur auf Individuen usw.) oder lassen wir Heterogenität in der Beziehung zu?
  • Art der Ausrichtung: die einer Ausrichtung zugeordnete Semantik. Dies kann eine Subsumtion , Äquivalenz , Disjunktheit , Teil-von- Beziehung oder eine beliebige benutzerdefinierte Beziehung sein.

Subsumtion, atomare und homogene Alignments sind die Bausteine ​​für komplexere Alignments und besitzen in jeder Beschreibungslogik eine wohldefinierte Semantik. Im Folgenden werden Ontologie-Matching und -Mapping formaler eingeführt.

Ein atomares homogenes Matching ist eine Ausrichtung, die einen Ähnlichkeitsgrad trägt , der die Ähnlichkeit zweier Terme der Eingabeontologien und beschreibt . Das Matching kann entweder mithilfe heuristischer Algorithmen berechnet oder aus anderen Matchings abgeleitet werden.

Formal lässt sich sagen, dass ein Matching ein Quadrupel ist , wobei und homogene Ontologieterme sind und der Ähnlichkeitsgrad von ist . Eine (Subsumptions-, homogene, atomare) Abbildung ist definiert als ein Paar , wobei und homogene Ontologieterme sind.

Kognitionswissenschaft

Für Kognitionswissenschaftler, die sich mit der Ontologieausrichtung befassen, sind „Konzepte“ Knotenpunkte in einem semantischen Netzwerk , das als „konzeptuelle Systeme“ im Gehirn verankert ist. Die zentrale Frage lautet: Wenn jeder Mensch einzigartige Erfahrungen und somit unterschiedliche semantische Netzwerke besitzt, wie können wir uns dann jemals verstehen? Diese Frage wurde mit dem Modell ABSURDIST (Aligning Between Systems Using Relations Derived Inside Systems for Translation) untersucht. Drei Hauptdimensionen der Ähnlichkeit wurden als Gleichungen für „interne Ähnlichkeit, externe Ähnlichkeit und gegenseitige Hemmung“ identifiziert. [ 7 ]

Methoden zur Ontologieausrichtung

Im Bereich des Ontologie-Mappings haben sich zwei Teilgebiete herausgebildet: das monolinguale und das crosslinguale Ontologie-Mapping. Ersteres bezeichnet das Mapping von Ontologien in derselben natürlichen Sprache, während letzteres den Prozess der Etablierung von Beziehungen zwischen ontologischen Ressourcen aus zwei oder mehr unabhängigen Ontologien beschreibt, wobei jede Ontologie in einer anderen natürlichen Sprache beschriftet ist. [ 8 ] Bestehende Matching-Methoden im monolingualen Ontologie-Mapping werden in Euzenat und Shvaiko (2007) diskutiert. [ 1 ] Ansätze zum crosslingualen Ontologie-Mapping werden in Fu et al. (2011) vorgestellt. [ 9 ]

Siehe auch

Referenzen

  1. ^ a b c Jérôme Euzenat und Pavel Shvaiko. 2013. Ontology matching. Archiviert am 16.01.2010 in der Wayback Machine , Springer-Verlag, 978-3-642-38720-3.
  2. ^ J. Berlin und A. Motro. 2002. Datenbankschema-Matching mittels maschinellen Lernens mit Merkmalsauswahl . Proceedings der 14. Internationalen Konferenz über fortgeschrittene Informationssystemtechnik, S. 452-466.
  3. ^ a b D. Aumueller, H. Do, S. Massmann, E. Rahm. 2005. Schema and ontology matching with COMA++ . Proc. of the 2005 International Conference on Management of Data, pp. 906-908
  4. ^ S. Ponzetto, R. Navigli. 2009. „Großflächiges Taxonomie-Mapping zur Restrukturierung und Integration von Wikipedia“ . Proc. der 21. International Joint Conference on Artificial Intelligence (IJCAI 2009), Pasadena, Kalifornien, S. 2083–2088.
  5. ^ AH Doan, AY Halevy. Semantische Integrationsforschung in der Datenbank-Community: Ein kurzer Überblick . AI Magazine, 26(1), 2005
  6. ^ Carlo A. Curino, Giorgio Orsi und Letizia Tanca (2007). „X-SOM: Ein flexibler Ontologie-Mapper“ (PDF) . Internationaler Workshop zu semantischen Webarchitekturen für Unternehmen (SWAE’07) in Verbindung mit der 18. Internationalen Konferenz zu Datenbank- und Expertensystemanwendungen (DEXA’07) . Archiviert vom Original (PDF) am 4. Juli 2009.
  7. ^ R. Goldstone und B. Rogosky. 2002. Nutzung von Relationen innerhalb konzeptueller Systeme zur Übersetzung zwischen konzeptuellen Systemen . Cognition 84, S. 295–320.
  8. ^ Bo Fu, Rob Brennan, Declan O'Sullivan, Ein konfigurierbares, translationsbasiertes, sprachübergreifendes Ontologie-Mapping-System zur Anpassung der Mapping-Ergebnisse. Journal of Web Semantics, Band 15, 15-36, ISSN 1570-8268, 2012 [1] .
  9. ^ Fu B., Brennan R., O'Sullivan D., Using Pseudo Feedback to Improve Cross-Lingual Ontology Mapping [2] . In Proceedings of the 8th Extended Semantic Web Conference (ESWC 2011), LNCS 6643, S. 336-351, Heraklion, Griechenland, Mai 2011.

Weiterführende Literatur