Ontologie für Informationssysteme

Slides:



Advertisements
Ähnliche Präsentationen
Christian Scheideler SS 2009
Advertisements

Hier einige Hieroglyphen:
Vorlesung Compilertechnik Sommersemester 2008
Definition [1]: Sei S eine endliche Menge und sei p eine Abbildung von S in die positiven reellen Zahlen Für einen Teilmenge ES von S sei p definiert.
Rekursion: Rekurrenz: Algorithmen rufen sich selbst (rekursiv) auf.
Falls Algorithmen sich selbst rekursiv aufrufen, so kann ihr Laufzeitverhalten bzw. ihr Speicherplatzbedarf in der Regel durch eine Rekursionsformel (recurrence,
Eine dynamische Menge, die diese Operationen unterstützt,
Semantik und Wissensrepräsentation
Algebraische Zahlen: Exaktes Rechnen mit Wurzeln
Schnelle Matrizenoperationen von Christian Büttner
Frame-Logik Eine Einführung Andreas Glausch.
Software-Engineering II Eingebettete Systeme, Softwarequalität, Projektmanagement Prof. Dr. Holger Schlingloff Institut für Informatik der Humboldt.
Default Logiken Zhao Li
Ontologien - Eine Einführung Formale Ontologie & Semantic Web
Es sei SPEC = (, E) eine Spezifikation mit einer
Finale Semantik und beobachtbares Verhalten
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 4 / 1 Termalgebren Definition "Freie Algebra" Die -Algebra A = [A, F ] heißt.
Hauptseminar Modellüberprüfung Kathrin Ott
Arbeits- und Präsentationstechniken 1 Teil A: Wissenschaftstheoretische Grundlagen Prof. Dr. Richard Roth WS 2011/2012 APT 1 Prof. Dr. Richard Roth.
Kapitel 4 Datenstrukturen
Grammatiken, Definitionen
Verifizieren versus Berechnen
Erschließen von semantischen Referenzen mit Ontology-Reasoning-Werkzeugen Das Ziel dieser Masterarbeit war die Erweiterung des ORBI Systems um ein Inferenz-System.
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-17.
Algorithmentheorie 04 –Hashing
Suche in Texten: Suffix-Bäume
Union-Find-Strukturen
WS Prof. Dr. Th. Ottmann Algorithmentheorie 09 - Suche in Texten Suffix - Bäume.
Kapitel 5 Stetigkeit.
Kapitel 6 Differenzierbarkeit. Kapitel 6: Differenzierbarkeit © Beutelspacher Juni 2005 Seite 2 Inhalt 6.1 Die Definition 6.2 Die Eigenschaften 6.3 Extremwerte.
Fakten, Regeln und Anfragen
Beispiele für Ausdrucksalgebren
Gleichungskalkül und Induktion
Grammatik als Deduktionssystem
Lexikalisch-Funktionale-Grammatik
Explizite und editierbare Metainformationen für Software Muster.
GALEN Claudia Bärthel Inhalt Was ist GALEN? –Entwicklung –Komponenten Top Level Ontologie –Category Ontologie –Attribute Ontologie.
Minimum Spanning Tree: MST
Folie 1 Kapitel II. Vom Raumbegriff zu algebraischen Strukturen Neubeginn: Herleitung des Begriffs Vektorraum aus intuitiven Vorstellungen über den Raumbegriff.
§9 Der affine Raum – Teil 2: Geraden
§9 Der affine Raum – Teil 2: Geraden
Der Supermarkt: Eine beispielhafte Erklärung für die fünf untersten Schichten des Semantic Web Protocol Stack Nicola Henze.
Der Supermarkt: Eine beispielhafte Erklärung für die fünf untersten Schichten des Semantic Web Protocol Stack Nicola Henze.
Isabelle/HOL ( Kripke Structures & Model Checking ) Ying Wang, Nelli Bärsch, Bartosz Rynarzewski,
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
RDF MT Resource Description Framework Model Theory © 2002 by Emir Blažević
Ontologien im Wissensmanagement
Effiziente Algorithmen
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Hartmut Klauck Universität Frankfurt WS 06/
§3 Allgemeine lineare Gleichungssysteme
Dr. Rolf Haenni, University of KonstanzNovember 28, 2002 Page 1/15 Aspekte eine echten Informationstheorie 1.Einführung 2.Informationsalgebren 3.Unsicherheit.
Erfindervon Fuzzy Logic
Formale Sprachen Grammatiken und die Chomsky-Hierarchie
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Fragen und Einwände hinsichtlich der Möglichkeit einer Schöpfungsforschung Thomas Waschke
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 3: Potenzreihen und kontextfreie Sprachen (Vgl. Buch von A. Salomaa)
Petrinetze 1. Einführung Informatik : wesentlich Modellierung von
Arne Vater Wintersemester 2006/ Vorlesung
1 Albert-Ludwigs-Universität Freiburg Rechnernetze und Telematik Prof. Dr. Christian Schindelhauer Informatik III Christian Schindelhauer Wintersemester.
Analyse der Laufzeit von Algorithmen
7. Formale Sprachen und Grammatiken
Lexit.at Michael Hausenblas Semantische Darstellung und Abfrage von Rechtsnormen – IRIS 2004 Semantische Darstellung und Abfrage von Rechtsnormen am Beispiel.
Syntax, Semantik, Spezifikation - Grundlagen der Informatik R. Hartwig Kapitel 3 / 1 Algebraische Hülle und Homomorphie A = [A, F ] sei  -Algebra. Eine.
Rules of Play - Game Design Fundamentals by Katie Salen and Eric Zimmerman Universität zu Köln Historisch-Kulturwissenschaftliche Informationsverarbeitung.
 Präsentation transkript:

Ontologie für Informationssysteme Heinrich Herre Universität Leipzig

Inhalt Ontologien Forschungsgruppe Onto-Med GFO (General Formal Ontology) Qualitätskriterien für Ontologien Funktionen Ausblick <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie als Wissenschaft Formale Ontologie: Ziel: formalen Beschreibung von Dingen, Modi, Strukturen und Prozessen der Welt auf der Grundlage von Kategoriensystemen Methoden aus: Fachwissenschaft, Logik, Künstliche Intelligenz, Philosophie, Kognitionspsychologie <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie als Wissenschaft Allgemeine formale Ontologie: Ziel: formale und axiomatische Beschreibung der allgemeinsten Kategorien der Welt Methoden aus: Logik, Linguistik, Philosophie, Künstliche Intelligenz Kooperation mit Fachwissenschaftlern <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie 3 Kategorie: durch einen sprachlichen Ausdruck F repräsentiertes System inhaltlicher Bedingungen und Bestimmungen, die a) von Entitäten ausgesagt (prädiziert) werden können oder b) die von Entitäten erfüllt werden können. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie 4 Kategorien Grundbeziehungen zwischen Kategorien und Entitäten C(Expr) sei die durch den Ausdruck Expr repräsentierte Kategorie, E eine Entität. a) C(Expr) wird von E ausgesagt, b) E erfüllt C(Expr) c) E ist Instanz von C(Expr) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie 5 Klassifikation von Kategorien Kategorie ? Immanentes Universal Konzept Symbol- struktur Transzendentale Kategorie ? <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie als Informationsystem Eine Ontologie ist eine Spezifikation einer Konzeptualisierung (T. Gruber, 1993) Repräsentationsformen: a) Sprachbasierte Systeme b) Graphbasierte Systeme <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie 7 Sprachbasierte Repräsentation: Ont = (L, V, Ax, Sem) L eine formale Repräsentationssprache V ein Vokabular (Symbole für Prädikate, Relationen, und Konstanten, entspricht der Konzeptualisiersung) Ax: Menge von Axiomen über V (entspricht der Spezifikation) Sem : modelltheoretische Semantik <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie 8 Beispiele: DL (Description Logic) FOL (First Order Logic) CL (Common Logic) D: Domäne Spec: Axiome Mod(Axiome) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie 9 Graphbasierte Repräsentation Ont = (Tm, C, Rel, Def, G) Tm := Menge von Termen C := Menge von Konzepten G:= Gerichteter Graph, dessen Knoten mit Konzepten und dessen Kanten mit Relationen bewertet sind. Def: C  Rel  L (Sprache) Def(d) ist eine Definition von d, formuliert in L <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie 10 Beispiele: Semantische Netze Konzeptuelle Graphen Entity Relationship Model (ER-Modell) Spec:Graph D: Domäne Mod(Graph) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie 11 Abstraktionsstufen von Ontologien Top-Level Ontologie TLO Domänenontologien (DO) Domänenkernontologien (DKO) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ontologie 12 Ebenen TLO Biology Kernontologie Genetics Cytology Physiologie Ethology Ecology <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Onto-Med Grundlagen der Formalen Ontologie Formale Werkzeuge für die Entwicklung von Ontologien Domänenontologien Computer-basierte Anwendungen Contact Heinrich Herre, Markus Löffler www.onto-med.de <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Onto-Med Formale Ontologie und Axiomatik Sprachentwurf, Metalogik, Semantik Ontologien in verschiedenen Domänen <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Onto-Med Integrated Framework for the Development and Application of Ontologies (IFDAO) Integrated System of Foundational Ontologies (ISFO) Ontology Languages (OL) Development Tools (DT) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Onto-Med Architektur IFDAO ISFO OL DT GFO DOLCE ? ? Onto- Builder Wiki ? <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

General Formal Ontology (GFO) Onto-Med General Formal Ontology (GFO) Reports on GFO: - Part I (Basic Principles) - Part II (Axiomatics and Ontology Languages) - Part III (Applications) - Part IV (GFO Problem Book) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

GFO Meta-Architecture Abstract top level Set / Item Abstract Core Level Basic Level <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

GFO Abstract Top Level Entity Set Item <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Abstract Top Level (partial) GFO Abstract Top Level (partial) Item Category Individual Concept Universal Symbol Structure Concrete abstract <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Selected GFO Categories (Basic) concrete individual complex individual space-time entity role function quality relator spatial entity time entity presential occurrent space region spatial boundary time region time boundary material structure configur- ation process change material boundary material object situation situoid topoid chronoid <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

GFO Basic Relations 1 (selection) Arität > 1 membership [entity, set] e  S instantiation [entity, category] e :: C has-quality [bearer, quality] hqual(B,q) inherence [bearer, accidential] inh(a,B) Part-of spatial-part-of [space entity, space entity] spart(a,b) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

GFO Basic Relations (2) (selection) Part-of space spatial-part-of [space-entity, space-entity] spart(a,b) time temporal-part-of [time-entity, time entity] tpart(a,b) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

GFO Basic Relations (3) (selection) part-of material structure material-part-of [material struct, material struct] matpart(a,b) process processual-part-of [process., process] procpart(a,b) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

GFO Basic Relations (4) (selection) part of configurations/configuroid constituent-part-of [conf, conf] cpart(a,b) relativized part of part(x,y,C) := x ist Teil von y relativ zu der Kategorie C <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 1 Wie lässt sich die Qualität einer Ontologie abschätzen und bewerten? Kritik an existierenden Ontologien in: L. N. Soldatova, R. D. King „Are the current ontologies in biology good ontologies? Nature Biotechnology, vol. 23, N. 9, September 2005 S. 1095-1098 Weitere Diskussion zu diesem Artikel in Nature Biotechnology , vol. 24, N. 1. 2006, S.21-23 <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 2 Die meisten der Ontologien, wie z.B. UMLS und GO, FMA u.a. sind nicht sprachbasierter Form gegeben, sondern graph-basiert. Analyse einer eine graph-basierte Ontologie (z.B. UMLS): Ont = (Tm, C, Rel, Def, G) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 3 Folgende Kriterien werden zu Grunde gelegt: Korrektheit Konsistenz Vollständigkeit Natürlichsprachliche Definitionen Formale Definitionen Ausdrucksfähigkeit Einfachheit Stabilität Ontologische Fundiertheit <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 4 Die Kritik an bestehenden Ontologien behauptet, dass verschiedene der genannten Bedingungen, insbesondere Korrektheit und Konsistenz, nicht (immer) erfüllt sind. These: Die Kritik ist nicht immer begründet, da sie auf einem unzureichenden Verständnis der Begriffe „Konsistenz“, „Korrektheit“ u.s.w. beruht. Analyse von Konsistenz, Korrektheit und Vollständigkeit. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 5 Tax(Ont) sei das taxonomische Gerüst einer Ontologie. Der Ausdruck C is-a D hat die Bedeutung: tr(C is-a D) = x (x :: C  x :: D) und Ax(Tax(Ont)) = { tr(C is-a D) | C is-a D ist ein Link in Ont}. Tax(Ont) ist logisch konsistent genau dann, wenn Ax(Tax(Ont)) logisch konsistent ist. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

x (x :: C  x :: D)  x ( (x::C)  (x::D)). Qualitätskriterien 6 Satz. Ax(Tax(Ont)) ist logisch konsistent. Beweis. Ax(Tax(Ont)) enthält nur definite Formeln. Eine Menge von definiten Formeln ist stets logisch konsistent. Es gilt x (x :: C  x :: D)  x ( (x::C)  (x::D)). Für Formeln dieser Art lässt sich stets ein Modell finden. Korollar: Eine Taxonomie ist stets logisch konsistent. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 7 Beispiel: Tax(Ont) enthalte: 1) C1: apoptosis is-a cellular component x (x :: apoptosis  x :: cellular component) 2) C2: apoptosis is-a biological process. x (x :: apoptosis  x:: biological process) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 8 {C1, C2} ist logisch konsistent. Jedoch gilt, dass C3:  x ( x :: biological process  x :: cellular component) C4:  x (x :: apoptosis). Die Theorie {C1,C2,C3,C4} ist logisch inkonsistent! <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 9 Analyse C3, C4 gehören zur biologischen Theorie Th(Bio), sind aber nicht aus Ax(Tax(Ont)) ableitbar. Wenn Ax(Tax(Ont)) konsistent aber Ax(Tax(Ont))  Th(Bio) logisch inkonsistent ist, dann heißt Ax(Tax(Ont)) relativ inkonsistent zu Th(Bio), Wenn Ax(Tax(Ont))  Th(Bio), dann heißt Ax(Tax(Ont)) relativ konsistent zu Th(Bio). <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 10 Korrektheit (am Beispiel einer Taxonomie) Eine Taxonomie Tax(Ont) ist korrekt für die Domäne D, wenn D |= Ax(Tax(Ont)), d.h. wenn für alle is-a(C,D)-Links gilt D |= Ax(C,D). D |= F bedeutet: „F ist wahr in D.“ Da stets vorausgesetzt wird, dass Th(Bio) korrekt für D ist, so folgt aus der Korrektheit von Tax(Ont) die relative Konsistenz von Tax(Ont) für Th(Bio). <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 11 Weitere Probleme mit Konsistenz und Korrektheit a) Dynamik von Theorien Folgende Fall ist zu beachten: Ax(Tax(Ont)) ist relativ konsistent zu T zum Zeitpunkt t. T ändert sich auf Grund neuer Erkenntisse zu einer Theorie S zum Zeitpunkt s. Dann kann Ax(Tax(Ont))  S inkonsistent werden. Jede Ontologie muss daher als ein evolutionäres System angesehen werden. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 12 b) Nicht-monotones Schließen Beispiel: T enthalte den Satz: x (Vogel(x)  fliegt(x)). Dann lässt sich aus T1 = T  {Vogel (d)} logisch ableiten: T1 |- fliegt(d). Wenn T1 zu T2 = T1  {Pinguin(d)} erweitert wird, dann gilt nicht mehr T2 |- fliegt(d). Der Bestand der bereits bewiesenen Sätze bleibt also bei Erweiterung der Theorie nicht erhalten, das Schließen wird nicht- monoton. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 13 Der Satz x (Vogel(x)  fliegt(x)) darf daher nicht im strikt logischen Sinne verstanden, sondern als Regel über den Normalfall („Default-Regel“). Neue Interpretation: x (Vogel(x)  Cons:fliegt(x))  fliegt(x)) (Wenn x ein Vogel ist und kein Fakt über x bekannt ist, der der Flugfähigkeit von x widerspricht (d.h. wenn die Flugfähigkeit als konsistent zum aktuellen Wissen angenommen werden kann), dann kann x fliegen). <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 14 Eine empirische Theorie T hat dann mehrere Bestandteile: T = ( T(0), D, E), wobei: - T(0) ist eine Theorie im klassischen Sinne - D ist eine Menge von Default-Regeln der Gestalt: x (A(x)  Cons:B(x))  B(x)) - E ist eine Menge von Ausnahmen: {C1(x), ..., Cn(x)}. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 15 Die Defaultregel x (A(x)  Cons:B(x))  B(x)) ist wie folgt zu handhaben. Um B(d) zu zeigen wird zunächst A(d) gezeigt, und dann wird geprüft, ob die Bedingungen  C1(d),...,  Cm(d) erfüllt sind (d.h. es wird gezeigt, dass nach dem aktuellen Wissen E die Entität d keine Ausnahme darstellt). Dann kann auf B(d) geschlossen werden. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 16 Die Theorie T = ( T(0), D, E) kann nicht in eine klassische Theorie überführt werden, da die Menge E der Ausnahmen nicht als abgeschlossen angesehen werden kann. Wie können die Qualitätskriterien der Konsistenz und Korrektheit gesichert werden? Eine absolute Sicherheit gibt es nicht, da Konsistenz und Korrektheit wesentlich auf dem z.Z. anerkannten Stand des Wissens eines Fachgebiets aufbaut. Konsistenz und Korrektheit werden daher durch Experten eines Fachgebiets bestimmt. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 17 Einige Methoden zur Verbesserung der Konsistenz und Korrektheit von Ontologien. Technische Methoden: a) Werkzeuge für die ontologische und formal-logische Analyse. Verwendung von Methoden aus der Linguistik und Kognitionspsychologie b) Werkzeuge aus der Künstlichen Intelligenz, z.B. Nicht-monotones Schließen, unscharfes Schließen, Prototyptheorie u.s.w. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 18 Soziale Methoden und Prinzipien: a) Rationale Prinzipien der wissenschaftlichen Diskussion, Offenheit des Review-Prozesses. b) Technische Hilfsmittel, die die Teilnahme der Mitglieder eines Fachgebiets an dem Konsensus- Prozess unterstützen. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 19 Qualitätskriterium der Vollständigkeit Der Vollständigkeitsgrad einer Ontologie Ont bezüglich einer Domäne D gemessen. Eine für D korrekte Ontologie Ont = ( L, V, Ax) ist (logisch) vollständig für D, wenn für jede Aussage F aus L die Beziehung gilt: Wenn D |= F, dann Ax |= F. Insbesondere gilt dann für jeden Satz F der Sprache L: Ax |= F oder Ax |=  F. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 20 Kategoriale (begriffliche) Vollständigkeit. Eine Ontologie Ont = ( L, V, Ax) heißt kategorial vollständig, wenn jeder für D relevanter Begriff (Konzept oder Relation), in dem Vokabular V enthalten ist oder sich mittels des Vokabulars V durch Definitionen ableiten lässt. Ausdrucksvollständigkeit Eine Ontologie Ont = ( L, V, Ax) heißt ausdrucksvollständig, wenn sich jeder Wissensinhalt über das Vokabular V in der Sprache L ausdrücken läßt. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 21 Ontologien können bezüglich ihres Grades der logischen, und kategorialen Vollständigkeit sowie der Ausdrucksvollständigkeit verglichen werden. Beispiel. Ont(1), Ont(2) können durch folgende Beziehungen bezüglich ihres Vollständigkeitsgrades verglichen werden: <(L) : Vergleich des logischen Vollständigkeitsgrades <(K): Vergleich des kategorialen Vollständigkeitsgrades <(A) : Vergleich der Ausdrucksvollständigkeit <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 22 Ont(1) <(L) Ont(2), wenn Ded(Ax(Ont(1))  Ded(Ax(Ont(2)) Ded(Ax(Ont(1)) = { F : Ax(Ont(1) |= F } Ont(1) =(L) Ont(2), wenn Ded(Ax(Ont(1)) = Ded(Ax(Ont(2)) <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Qualitätskriterien 23 Beispiel (fortgesetzt) Ont(1) <(K) Ont(2) , wenn V(Ont(1))  Def(V(Ont(2))). Ont(1) <(A) Ont(2) , wenn für jeden Satz F aus L(Ont(1)) ein Satz tr(F) aus L(Ont(2)) existiert, so dass gilt: Ax(Ont(1)) |= F gdw. Ax(Ont(2)) |= tr(F). <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Ausblick 1 Grundlagen der formalen Ontologie Mereologische Systeme von Domänen Ontologische Analyse und Axiomatisierung von Relationen (insbesondere 54 Relationen von UMLS). Nicht-monotones Schließen in Ontologien Top-Level Ontologie für Prozesse <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Mereologische Systeme 1 Mereologsiche Systeme: Sei D eine Domäne; für die Mereologie von D, Mer(D) sind zu unterscheiden: die Basisobjekte von D, notiert durch BObj(D), die relevanten Teile der Basisobjekte, Parts(Bobj(D)), die Teil-Ganzes-Beziehung <. Dann heißt Mer(D) = (BObj(D), Parts(Bobj(D)), {MStr(O)| BObj(D)}, <) ein mereologisches System für die Domäne D. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Mereologische Systeme 2 Für ein Basis-Objekt O sei MStr(O) die mereologische Struktur von O, definiert durch: MStr(O) = (O, Parts(O), <). MStr(O) ist eine partielle Ordnung mit größten Element O. Die mereologische Theorie von D, notiert durch MT(D) ist definiert durch MT(D) = Th({MStr(O)| BObj(D)}), das ist die Menge der mereologischen Sätze, die in jeder der Strukturen MStr(O) wahr sind. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Mereologische Systeme 3 MStr(O) liefert einen Bauplan, d.h. liefert Informationen darüber, wie O aus seinen Teilen zusammengesetzt ist. Gedankenexperiment: Seien U1, U2 zwei gleiche Uhren, und A, B zwei Personen. An A und B werden die Uhr U1 und die Menge Parts(U2) übergeben. Aufgabe: A und B sollen aus Parts(U2) eine Uhr U2 zusammensetzen, die mit U1 gleich (isomorph) ist. <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Mereologische Systeme 4 A erhält nun neben U1, und Parts(U2), noch die Struktur (MStr(U2), <), der Person B wird diese Information vorenthalten. Wer hat die größeren Chancen, nach einiger Zeit U2 zusammenzusetzen, zu konstruieren? A verfügt über einen „Bauplan“, der die mereologische Struktur aufweist. Würde man ihm alle möglichen mereologischen Summen der Teile übergeben, d.h. die Menge Pow(Parts(U2)), so ist ihm das keine Hilfe, er muss die mereologische Struktur von U2 kennen, und diese verschwindet in der Menge Pow(Parts(U2)). <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>

Mereologische Systeme 5 Bei Artefakten, wie der Uhr, lässt sich der mereologische Bauplan noch durch einen Algorithmus Alg(U2) ergänzen, der angibt, in welcher zeitlichen Reihenfolge die Teile zu einem Ganzen zusammensetzen sind. Dann entsteht eine Montageplan: Mont (U2) = (Parts(U2), MStr(U2), <, Alg(U2)). <<Thema / Veranstaltung>> <<Datum>> <<Vortragender>>