für Kommunikation, Informationstechnik und Ergonomie

Präsentation zum Thema: "für Kommunikation, Informationstechnik und Ergonomie"—  Präsentation transkript:

1 für Kommunikation, Informationstechnik und Ergonomie
Computerlinguistik 7. Vorlesung ( ) apl. Professor Dr. Ulrich Schade Fraunhofer-Institut für Kommunikation, Informationstechnik und Ergonomie

2 Computerlinguistik Inhalt der Vorlesung Einführung Methoden Tagging
Formale Methoden Parsing Ontologien Anwendungen Informationsextraktion Maschinelle Übersetzung Textanalyse

3 Ontologien – Definition
Computerlinguistik Ontologien – Definition „Eigentlich“ ist die Ontologie eine Disziplin der Philosophie: die Lehre vom Sein bzw. vom Seienden. In der Informatik bezeichnet man damit die Repräsentation von Wissen über einen Gegenstandsbereich. Entsprechend ist es in der Informatik auch möglich über „Ontologien“ (Plural) zu sprechen, wobei sich dann zwei Ontologien in der Art des repräsentierten Wissens bzw. im Gegenstandsbereich unterscheiden. In der Philosophie gibt es dagegen nur eine Ontologie.

4 Ontologien – Definition
Computerlinguistik Ontologien – Definition Gruber (1993): „An ontology is an explicit specification of a shared conceptualization.“ „explicit“ – Alles, was ein System wissen soll, muss explizit repräsentiert werden. „shared conceptualization“ – Zu explizieren ist insbesondere auch das, was wir (als Menschen) in der Kommunikation nicht verbalisieren, weil es für uns (als Kommunikationspartner) selbstverständlich ist.

5 Ontologien – Definition
Computerlinguistik Ontologien – Definition Mit der Hilfe von Ontologien soll Wissen – auch implizites Wissen, über das Menschen verfügen – für Systeme nutzbar gemacht werden. Das geschieht dadurch, dass dieses Wissen in der Ontologie explizit ausgedrückt wird. Aus diesem Ansatz ergibt sich auch die Beschränkung auf einen Gegenstandsbereich: Um den Umfang des zu repräsentierenden Wissens überhaupt handhabbar zu halten, können sich Ontologien stets nur auf (eingeschränkte) Gegenstandsbereiche („domains“) beziehen.

6 Computerlinguistik Was gibt es überhaupt für Arten von Wissen?
Ontologien  Wissen Was gibt es überhaupt für Arten von Wissen? Was ist der Unterschied zwischen explizitem und implizitem Wissen?

7 Computerlinguistik Deklaratives Wissen Faktenwissen (propositional)
Faktenwissen (als „Bild“, als „Film“, ...) Wissen über den situativen Kontext Wissen über Regeln Prozedurales Wissen Wissen über die Anwendung von Regelwissen Implizites Wissen über das Ausführen von Handlungen

8 Computerlinguistik Faktenwissen (propositional)
deklaratives Wissen Faktenwissen (propositional) Paris ist die Hauptstadt von Frankreich. Faktenwissen (als „Bild“, als „Film“, ...)

9 Computerlinguistik Wissen über den situativen Kontext
deklaratives Wissen Wissen über den situativen Kontext Wer ist Sprecher, wer ist Hörer? Wo, wann, warum und wie findet das Gespräch statt? Wissen über Regeln „Wenn man eine Telephonnummer nicht weiß, kann man die Auskunft anrufen.“ „Im Deutschen steht bei einer NP der Artikel vor dem Nomen.“

10 Computerlinguistik Wissen über die Anwendung von Regelwissen
prozedurales Wissen Wissen über die Anwendung von Regelwissen Sprachverarbeitung (wenigstens zum Teil) Turn-Taking Beachten von Verkehrsregeln im Straßenverkehr Implizites Wissen über das Ausführen von Handlungen wie man mit dem Fahrrad fährt wie man geht

11 explizit versus implizit
Computerlinguistik explizit versus implizit explizit formuliert formal formuliert  im Computer nutzbar implizit nicht formuliert, (evtl. sogar nicht formulierbar  in der Ontologie nicht repräsentierbar und daher vom Computer nicht nutzbar)

12 wie man eine Ontologie aufbaut
Computerlinguistik wie man eine Ontologie aufbaut Vorgehensweise Phase 1: Die Machbarkeitsstudie Phase 2: Start / Vorbereitung Phase 3: Aufbau / Verfeinerung Phase 4: Evaluation Phase 5: Applikationen und Evolution

13 wie man eine Ontologie aufbaut
Computerlinguistik wie man eine Ontologie aufbaut Vorgehensweise – Die Machbarkeitsstudie Welches Problem ist zu lösen?  Gegenstandsbereich Welche Ressourcen stehen zur Verfügung ? Hardware ... Software (Protégé ) Personal ... Zeit ...

14 wie man eine Ontologie aufbaut
Computerlinguistik wie man eine Ontologie aufbaut Vorgehensweise – Start und Vorbereitung Was gehört zu dem Problem? Welche problemrelevanten Konzepte umfasst der Gegenstandsbereich? Welche davon sind Klassen und welche sind Instanzen? Welche Attribute der Konzepte sind für die Problemlösung wichtig? Welche Relationen zwischen den Konzepten sind wichtig? Dieser Arbeitsschritt kann mit Papier und Bleistift geleistet werden: Ideen notieren / festhalten! 

15 wie man eine Ontologie aufbaut
Computerlinguistik wie man eine Ontologie aufbaut Vorgehensweise – Ontologieaufbau Notierte Ideen in Software gießen. Top-Down: Aufbau der Klassen-Hierarchie (Taxonomie) Hierfür kann man evtl. eine „Upper Ontology“ nutzen. Bottom-Up: Extrahiere (halb-automatisch?) Konzepte, Attribute etc. aus vorliegenden Dokumenten und konstruiere dazu eine Klassen-Hierarchie, die diese Konzepte umfasst.

16 Computerlinguistik wie man eine Ontologie aufbaut
Subclass Hierarchy Tree entity       physical            object                 self connected object                 region                      hole                      astronomical body                      geographic area                           geopolitical area                           water area                           land area                                continent                                island                                nation                                state or province                                address                                city                 collection                 agent            process       abstract Computerlinguistik wie man eine Ontologie aufbaut Eine Upper Ontology enthält die Hierarchie allgemeiner Klassen. Das Beispiel stammt von „SUMO“ (Suggested Upper Merged Ontology).

17 Computerlinguistik Ontologieaufbau Die Hierarchie der Objektklassen ist eine Taxonomie, die auf der Relation ISA („water“ is a „substance“) aufgebaut ist. Den einzelnen Objektklassen kann man Attribute zuordnen, die sich entlang der Klassenhierarchie vererben.

18 Ontologieaufbau Klassen
Computerlinguistik Ontologieaufbau Klassen Man unterscheidet „abstrakte“ von „konkreten“ Klassen ( vs. ). Nur konkrete Klassen dürfen Instanzen haben. Es empfiehlt sich, dass nur die untersten Klassen der Hierarchie konkrete Klassen sind.

19 Ontologieaufbau Instanzen
Computerlinguistik Ontologieaufbau Instanzen Instanzen sind – ganz im Sinne der objekt-orientierten Programmierung – individuelle Exemplare ihrer Konzeptklasse. [Mengentheoretisch sind es Elemente.] Ontologie von Frau Granieczny

20 Computerlinguistik Ontologieaufbau – Instanzen
die Verteilung von Wissen zwischen Ontologie und Datenbank Instanzen und spezifische Fakten wie „Paris ist die Hauptstadt von Frankreich.“ stehen in größeren Anwendungen in der Datenbank. Allgemeine Fakten finden sich in der Datenbank (indirekt) und in der Ontologie. Beispiel: „Jedes Land hat (genau) eine Hauptstadt.“ Die Beziehungen zwischen Fakten / Regeln stehen in der Ontologie. Beispiel: „Stadt A liegt näher am Äquator als Stadt B, wenn die Zahl, mit der die Breite von A angegeben ist, kleiner ist als die entsprechende Zahl bei B.“

21 Ontologieaufbau Attribute
Computerlinguistik Ontologieaufbau Attribute Da die Attribute vererbt werden, weist man sie der höchstmöglichen Klasse zu, wobei die Wertebereiche eines Attributs mit zunehmender Hierarchietiefe zunehmend eingeschränkt werden.

22 Ontologieaufbau Attribute
Computerlinguistik Ontologieaufbau Attribute Attributwerte können vom Typ her sein: Strings, Symbols, Zahlen (Integer, Float), Instanzen, Klassen, spezifische Typen (Datum).

23 Ontologieaufbau Attribute
Computerlinguistik Ontologieaufbau Attribute Attribute haben manchmal genau einen Wert (Name). Manchmal können sie auch mehrere Werte haben (z.B. für die Relation „besteht aus“).

24 Ontologieaufbau Unterklasse oder Attribute
Computerlinguistik Ontologieaufbau Unterklasse oder Attribute Je nach Anwendung werden bestimmte Eigenschaften als Attribut oder als Unter-klasse realisiert. So könnte man etwa die Bilder aus der Romantik als Unterklasse der Bilder festlegen.

25 Ontologieaufbau Relationen
Computerlinguistik Ontologieaufbau Relationen Wenn der Wert eines Attributs auf eine andere Klasse bzw. eine andere Instanz der Ontologie verweist, besteht eine Beziehung zwischen den beiden Objekten und damit eine Relation. Im Beispiel haben wir die Relation, dass sich der „Elbe Seiten Kanal“ (bzw. dessen Lokation) unter der „Bahnbrücke bei Stortenbüttel“ befindet.

26 Ontologieaufbau Relationen
Computerlinguistik Ontologieaufbau Relationen Beispiel 2: „Ausstellungsdatum“ (für Dokumente)

27 Ontologieaufbau Relationen
Computerlinguistik Ontologieaufbau Relationen Beispiel 3: „hat als Ressource“

28 Ontologieaufbau Relationen
Computerlinguistik Ontologieaufbau Relationen Beispiel 4: Metarelation Es gibt auch Metarelationen, etwa um auszudrücken, dass zwei Klassen keine gemeinsamen Instanzen haben.

29 wie man eine Ontologie aufbaut
Computerlinguistik wie man eine Ontologie aufbaut Evaluation Die Ontologie wird auf Mängel hin überprüft. Werden Mängel entdeckt, so führt dies (hoffentlich ) zu einer Überarbeitung der Ontologie; deshalb heißt die dritte Phase auch „Aufbau und Verfeinerung“. Dabei sind Schleifen normal. Aufbau und Verfeinerung Evaluation

30 Computerlinguistik Ontologieevaluation Ontologien können unter unterschiedlichen Aspekten evaluiert werden: unter technologischen Aspekten unter nutzerbezogenen Aspekten unter formalen Aspekten

31 Computerlinguistik Evaluation in Bezug auf die Technologie
Ontologieevaluation Evaluation in Bezug auf die Technologie einheitliche Syntax Konsistenz; Widerspruchsfreiheit (Überprüfung der Semantik) Skalierbarkeit (Kann die Ontologie leicht erweitert werden? Ist die Nutzung der Ontologie dann noch schnell genug?) Interoperabilität (Kann die Ontologie technisch eingebunden werden; z.B. im Rahmen einer service-orientierten Architektur?)

32 Computerlinguistik Evaluation in Bezug auf den Nutzer
Ontologieevaluation Evaluation in Bezug auf den Nutzer Erfüllt die Ontologie die gestellte Aufgabe? Ist die Semantik für den Nutzer verständlich? Bedeuten die Namen für die Konzepte (Klassen, Instanzen) und die Attribute das, was der Nutzer darunter versteht?

33 Computerlinguistik Formale Evaluation
Ontologieevaluation Formale Evaluation Formale Überprüfungen können evtl. mit Tools (z.B. OntoClean) durchgeführt werden. Dazu sehen wir uns ein Beispiel an.

34 Computerlinguistik Definition
Ontologieevaluation Definition Eine Eigenschaft ist genau dann für eine Instanz essentiell, wenn diese Instanz diese Eigenschaft immer und notwendigerweise besitzt. Beispiel: Instanz: Angela Merkel essentielle Eigenschaft: weiblich nicht essentielle Eigenschaft: Bundeskanzler sein

35 Computerlinguistik Definition
Ontologieevaluation Definition Eine Eigenschaft ist genau dann rigide, wenn diese Eigenschaft für alle Instanzen, die sie besitzen, essentiell ist. Eine Eigenschaft ist genau dann anti-rigide, wenn diese Eigenschaft für keine Instanz, die sie besitzt, essentiell ist.

36 Computerlinguistik Ontologieevaluation Objekt rotes Objekt
physikalisches Objekt Apfel

37 wie man eine Ontologie aufbaut
Computerlinguistik wie man eine Ontologie aufbaut Applikationen und Evolution In welchen Anwendungen / Systemen kann die entwickelte Ontologie noch verwendet werden? Mit welchen Applikationen kann man das in der Ontologie repräsentierte Wissen abgreifen und nutzen? Unter welchen Umständen bzw. in welchen Zeitzyklen wird die Ontologie an die neusten Entwicklungen angepasst?

38 Computerlinguistik Literatur
Guarino, N. & Welty, C.A. (2004). An Overview of OntoClean. Kapitel 8 in Staab & Studer (Eds.), Handbook on Ontologies. Mitkov, R. (2003). The Oxford Handbook of Computational Linguistics. Oxford, UK: Oxford University Press. Sowa, J.F. (2000). Knowledge Representation. Pacific Grove, CA: Brooks/Cole. Staab, S. & Studer, R. (2004), Handbook on Ontologies. Berlin: Springer. Sure, Y., Staab, S. & Studer, R. (2004). On-To-Knowledge Methodology (OTKM). Kapitel 6 in: Staab & Studer (Eds.), Handbook on Ontologies.