semantic-based knowledge management tools รุ่นที่...

SEMANTIC-BASED KNOWLEDGE MANAGEMENT TOOLS รนท 3

My Research Experience on Ontology

Optimizing rules and the Q-square Knowledge representation framework

Krich Intratip: PhD.Student Dr.Sasiporn Usanavasin: Advisor

http://fic.nectec.or.th/node/326






Outline Introduction to my research trip

Optimizing rules (Problems – Ideas – Method)

Introduction to my current works

Ideas & Backgrounds

Case Study

Research instrument & Ontology design

Clear in concept and instance for well-form design

Questions & Suggestions

My Research Trip

• Constructive Simulation (The best of Army research award’2006)

• Grid Computing

• Military Decision Making Process using Semantic Web

• Ontology Improvement – Optimizing Rules (KICSS2010)

• Knowledge Representation using Ontology Based on Research Findings – A Development Framework for Qualitative and Quantitative

Knowledge Based on Research Findings using Ontological Representation

Step-wise Approach for Improving Ontology using Optimizing Rules

Krich Intratip and Sasiporn Usanavasin

Faculty of Information Technology, Sripatum University, Bangkok, Thailand

http://itpe.siit.tu.ac.th/kicss2010/front/show/accepted-papers






Semantic Web was introduced

Berners-Lee at the Home Office, London, 2010

[1] T. Berners Lee, J. Hendler and O. Lassila. The Semantic Web. Scientific American, May 2001.

”The Semantic Web is an extension of the current web in which information is given Well-defined meaning, better enabling computers and people to work in cooperation.”

by Krich Intratip

http://en.wikipedia.org/wiki/Home_Office

Semantic Web was introduced

Berners-Lee at the Home Office, London, 2010

The semantic web : an interview with Tim Berners Lee, Consortium Standard Bulletin, 2005. http://www.consortiuminfo.org/bulletins/semanticweb.php

“The semantic web is designed to smoothly interconnect personal information management, enterprise application integration, and the global sharing of commercial, scientific and culture data. We are talking about data here, not human documents.”

by Krich Intratip

http://en.wikipedia.org/wiki/Home_Office

Problems

• Most of them are poor design at least one problem – Domain knowledge is in both the ontology and its

programming code, hard to maintenance – One fact is in many places, hard to maintenance – Ontology is also bigger than usage, lack of performance – Other nodes or instances are also in the ontology, although

it has the best one for the result, lack of performance

• However, the Semantic web application can go on running (by program solving)

by Krich Intratip

Example of composite value

Black color Label

Black Label Red Label

Black box, color of box is black

Red Box, color of box is red

Black t-shirt, color of t-shirt is black

Product name by Krich Intratip


Black color Label





Product name

Composite value Non-composite value

by Krich Intratip


Black color Label





Product name

It is a design problem issue, not only programming problem issue.

by Krich Intratip

Some domain knowledge are thrown in Programming area

Composite value

Ontology area

Programming area “Bla

ck b

ox”

“Black box”

Black

Box

Separate to

What does it mean?

What is the box color?

What is the item?

for

for

by Krich Intratip

Got Ideas

Ontology design

Quality of

ontology

Ontology improvement

by Krich Intratip

Our proposed method

• Step-wise approach for improving for ontology design – 4 optimizing rules

• Remove composite-values to optimize the maintenance

• Remove one fact in many places to optimize the maintenance

• Remove unused class to optimize the performance • Remove unnecessary class to optimize the

maintenance and performance

“Optimize both the maintenance and performance”

by Krich Intratip

Scenario

• student ID, student name, admission year, major, level, and gender.

• If one of the student record has values as ‘50560073’, ‘Mr.Krich Intratip’, ‘2550’, ‘IT’, ‘Ph.D.’, ‘male’

by Krich Intratip

Scenario :shows composite-values problem

• student ID, student name, admission year, major, level, and gender.

• If one of the student records has values as ‘50560073’, ‘Mr.Krich Intratip’, ‘2550’, ‘IT’, ‘Ph.D.’, ‘male’

• student name (e.g., Mr.Krich Intratip) is a composite value

• student name should be separate to title, first name and last name

by Krich Intratip

owl:Thing

Students ScholarshipRecipients

studentID ‘50560073’

studentName ‘Mr.Krich Intratip’

admissionYear ‘2550’

major ‘IT’

level ‘PhD.’

gender ‘male’


scholarshipTpye ’RTA. Officer’

amount ’15%off’

duration ‘3 years’

Scenario : shows one fact in many places

by Krich Intratip

owl:Thing

Students ScholarshipRecipients




major ‘IT’

level ‘PhD.’

gender ‘male’

studentName ‘http://www.spu.ac.th/Ontology.owl#Mr.Krich_Intratip’


amount ’15%off’


Solution (a)

by Krich Intratip

owl:Thing

Students

ScholarshipRecipients


studentLastName ‘Intratip’


major ‘IT’

level ‘PhD.’

gender ‘male’


amount ’15%off’


studentTitle ‘Mr.’

studentFirstName ‘Krich’

Solution (b)

by Krich Intratip

owl:Thing

Students





major ‘IT’

level ‘PhD.’

gender ‘male’


amount ’15%off’




Solution : shows unnecessary class problem

owl:Thing

Students





major ‘IT’

level ‘PhD.’


amount ’15%off’




by Krich Intratip

Conclusions

• Eliminating the design issues such as

– composite values of instances, redundancy of attributes and unused class nodes

• Enhance the ontology design such that

– it can better serve to the usage or business objectives of the system

• Reduce programming overhead

• Make the maintenance of ontology easier

by Krich Intratip

Current works

• Q-square knowledge representation framework (on going)

• Root cause problem solving

Q-square = Qualitative & Quantitative Research Findings

INTRODUCTION TO KNOWLEDGE AND ONTOLOGY

กระบวนการจดการความร (KM Processes)

Structuring Knowledge

ดร.มารต บรณรช, Ontology for Information System Design and Development, 28 พฤศจกายน 2553

สงทตองรในการสราง Ontology

หนาตาของความรทน ามาสรางเปน Ontology เปนอยางไร?

ใครคอ Domain experts(ตวจรงทเปนตวแทนประชากรได)/Stakeholders?

Intend to use

กระบวนการตรวจสอบความถกตอง

• ความรทน ามาท าเปน Ontology

• Design of the ontology

Ontology improvement

by Krich Intratip

กระบวนการพฒนา Ontology

http://protege.stanford.edu/publications/ontology_development/ontology

101-noy-mcguinness.html

Natalya F. Noy and Deborah L. McGuinness , Ontology Development 101:

A Guide to Creating Your First Ontology, Stanford University, Stanford, CA,

94305

by Krich Intratip

http://protege.stanford.edu/publications/ontology_development/ontology101-noy-mcguinness.html






Problems

• Gap between knowledge extraction and ontology design impact to...

– No idea to sketch well-form design ontology

– Need to do ontology improvement

– Stuck in programming code

– Hard to maintenance

– Lack of reusable

by Krich Intratip

ปรชญาความเชอ

• เชอวาความรทถกตองและเชอถอได คอ ความรทไดมาจากกระบวนการทางวทยาศาสตร (scientific method) -> research

methodology

– Qualitative research

– Quantitative research

by Krich Intratip

ความรจากงานวจย

• ลกษณะของความรของงานวจยเชงคณภาพ – ความรนนอธบายถงความสมพนธระหวางตวแปรตางๆ แตไมไดบอกถงอะไรเปน

เหต อะไรเปนผล เพยงแตบอกวามนเกยวกน ซงเราสามารถน ามาเขยนเชอมโยงความสมพนธดงกลาวได และน าเสนอในรปแบบของ Ontology ไดบนหลกการและพนฐานของ Grounded theory

• ลกษณะของความรของงานวจยเชงปรมาณ – ความรนนสามารถอธบายความสมพนธและขนาดของความสมพนธของตวแปร

สามารถพฒนาจนสามารถบงชถงความเปนเหตเปนผลไดชดเจนและสามารถสรางเปนสมการการท านายได โดยมโครงสรางโมเดลการวดและโมเดล Path ซงน าไปสการพฒนา Ontology บนพนฐานของ Structural Equation Modeling

by Krich Intratip

Research Areas

Knowledge (pattern of

information)

Ontology design &

improvement

Research methodology

(SEM, GT)

Knowledge extraction using research methodology

Ontology(knowledge representation) design approaches

Transformation approaches by Krich Intratip

CASE STUDY

31

ทานคดวาแบบไหนถก

A B

32 ค าสมภาษณ “ทานไดรบขอมลขาวสารทางไหน?”

by Krich Intratip

TOOL FOR SOLVING SIMPLE STEPS TO CREATE ONTOLOGY

Knowledge extraction & Ontology design

33

Research Instrument กบ Ontology Development

• การใหความหมายเปนสวนของการก าหนด Domain

• Intend to use เปนสวนของการก าหนดขอบเขต ซงจะเปนตวบอกถงวาจะใชตวบงช ใดบางมาอธบาย

• การก าหนดการวธวด

– ตวบงชชนดนามธรรมเปนสวนของ Concept class ซงทก Concept ควรไดรบการอธบาย

– ตวบงชชนดรปธรรมหรอตวบงชทสามารถสงเกตไดเปนสวนของ Attribute class ซงหมายความวา Class ชนดนเทานนทจะม Instances มาอยได

• มาตรวดถอวาเปนสวนของ constrain อยางหนงของ Ontology ซงกคอ Data type นนเองซงจะถกก าหนดใหกบตวบงชชนดสงเกตไดหรอ attribute เทานน

• การจดกลมของตวบงชจะจดจากประเภทนามธรรมไปยงตวบงชรปธรรมซงจะท าใหความสมพนธระหวางกนขนมา

by Krich Intratip

Some of ontology (re)-engineering processes (Knowledge extraction)

• Define topic area – หวขอทสนใจคออะไร?

• Define domain specific – ประเดนทสนใจในหวขอนนทตองการใหความหมายหรอการอธบายคออะไร?

• Define intend to use (Domain expert) – การใหความหมายหรอการอธบายนนเพอวตถประสงคใด?

• Breakdown into sub-domains/concepts – กลมแนวความคดยอยหรอความหมายกลมยอยคออะไรบาง?

– Review literature (Consider reuse)

• Define indicators in each concept

• Define indicator measurement

• Define scale of the measurement by Krich Intratip

*

มตคณภาพ

เครองมอ

Specification

Sensitivity

Consistency

Power of Prediction

by Krich Intratip

ความหมาย <= ตวบงช

(ครบถวนแคไหน %)

ตวบงช <= วธวด, มาตราวด

(ถกตองมากแคไหน %)

การวด <= ขอค าถาม

(สอดคลองแคไหน %)

ความหมาย <= ขอค าถาม

(ภาพรวมเหมาะสมแคไหน %)

D1

D2

D3

D4

*

No. ความหมาย (ตวแปร)

ตวบงช การวด

(วธวด, มาตราวด) ตววด

(ขอค าถาม) คะแนน (4 มต)

comment

(D1+D2+D3+D4)/4

คะแนนรายขอของผเชยวชาญแตละทานรวมกน/จ านวนผเชยวชาญ > 50%

by Krich Intratip

* ใหใชหลก Relevance theory: http://www.phon.ucl.ac.uk/home/PUB/WPL/02papers/wilson_sperber.pdf

* น าไปสการอนมานความหมายได ตามเงอนไขทใหสามารถสอไดไดตรงตามเจตนารมณการใชงาน

http://www.phon.ucl.ac.uk/home/PUB/WPL/02papers/wilson_sperber.pdf



Instrument & Ontology design

Domain

Intend to use

Concept 1

Concept 2

Att. 1 Att. 2 Att. 3 Att. 4 Att. 5 String Int

ตวบงชนามธรรม

ตวบงชสงเกตได

มาตรวด ขอบเขต

ใหความหมาย

ในสงทตองการ อธบาย

by Krich Intratip

Principle of defining class and its relation

• Class (นามธรรมทตองการการอธบาย)

– ม class node อย 2 ประเภท • Concept node ควรตองไดรบการอธบายเพมเตมจาก node อน

– กฎ : ไมสามารถเปนทอยของ Instance ได

• Attribute node ควรตองไดรบการอธบายเพมเตมดวยการใส Instance

– กฎ : เปนทอยของ Instance

– มความสมพนธระหวาง concept node ไดสองแบบ • Is-a, Part-of

– มความสมพนธระหวาง concept node กบ Attribute node ไดแบบเดยว คอ Attribute-of

by Krich Intratip

Principle of defining instance and its relation

• Instance (data item) – กฎ : ตองถกบรรจอยใน Attribute node

• One fact in one place

• Atomic value

• Relation – กบ Attribute node เปน Instance-of

– ระหวาง Instance อนใน Attribute node อนจะเปน Has_???

• เขาใจธรรมชาตของ Instance วาสามารถเจรญเตมโตไปเปน Node ไดเมอมการเปลยนแปลงจ าเปนตอง re-structure ontology

by Krich Intratip

Class/Instance and their relation

concept

concept

concept

concept

concept

attribute

instance

Is-a Part-of Att-of

Ins-of

parent

child

Physical/Concrete VS Logical

INFERENCE ? QUERY & RULE

43

Inference and Decision

• ขอเทจจรง – ความสง(m)

– น าหนก(kg)

• เกดคณสมบตตามา (Query) – BMI = ความสง(m) * น าหนก(kg)ยกก าลงสอง

• การอนมาน – ใชเกณฑมาตดสน หรอการใหความหมาย

http://en.wikipedia.org/wiki/First-order_logic

http://www.chulabook.com/description.asp?barcode=978974

0326960 by Krich Intratip







การท าอนมาน

ภาวะ คาดชนความหนาทค านวณได ผอม ระดบ 4 < 16.0 ผอม ระดบ 3 16.0-16.9 ผอม ระดบ 2 17.0-18.4 ผอม ระดบ 1 18.5-19.9 ปกต 20.0-24.9 อวน ระดบ1 25.0-29.9 อวน ระดบ 2 30.0-39.9 อวน ระดบ 3 > 40.0

http://www.thailabonline.com/BMI.htm by Krich Intratip

http://www.thailabonline.com/BMI.htm

หลกการส าคญในการออกแบบ Ontology

• พจารณาความละเอยดหยาบของสงทตองการอธบาย และใหแตละระดบของการอธบายมความละเอยดหยาบพอๆกน (Generic VS Specific)

• ปกตแลว Ontology ใชหลกการจดกลมจดประเภทขอมลหรอกลมแนวคด เปนหมวดหม (Taxonomy) เปน Hierarchy แลวใช First order logic ในการอนมานความหมาย ซงความหมายจะไมคลมเครอถาหากขอมลหรอกลมแนวคดนนมอยทเดยว(Unique) ในโครงสราง Ontology

• จะเพมความสามารถในการ Reuse ใหกบ Ontology ได โดยท าให Ontology นนมความหมายชดเจนอยางใดอยางหนงตามเจตนารมณการใชงาน

by Krich Intratip

พจารณาความละเอยดหยาบในการออกแบบ Ontology

• 5 = X + 2

• How to describe X?

– X = 3

– X = 5 - 2

– X = Y + 1

– X = f(Y) + 1; f(Y) = 2

– X = f(Y) + f(Z); f(Y) = 2, f(Z) = 1

– X = ?

• 5 = f(X) + 2

by Krich Intratip

5

X 2

Part-of Part-of

Knowledge & Ontology development life cycle

Describe domain and

intend to use

Instrument development

Gather information

Build up domain

knowledge

Practice based

ontology design

Inference over

ontology

meaning

by Krich Intratip

ขอขอบคณทกทานครบ ขอเสนอแนะ หรอ ขอซกถาม

Krich Intratip

Dr.Sasiporn Usanavasin

FB: Zimmantic lab https://www.facebook.com/groups/zimmaticlab/

FB: SEM Study Lab https://www.facebook.com/groups/SEMStudyLab/

Slide @ http://prezi.com/d113kizjskll/nectec-semantic-

seminar-3-my-research-experience-on-ontology/

https://www.facebook.com/groups/zimmaticlab/

https://www.facebook.com/groups/SEMStudyLab/

http://prezi.com/d113kizjskll/nectec-semantic-seminar-3-my-research-experience-on-ontology




















semantic-based knowledge management tools รุ่นที่...

Documents