© 2003 ontoprise GmbH Semantisches Knowledge Retrieval am Beispiel des SemanticMiner™ WM2003 Luzern, 03.04.2003 Eddie Mönch.

Präsentation zum Thema: "© 2003 ontoprise GmbH Semantisches Knowledge Retrieval am Beispiel des SemanticMiner™ WM2003 Luzern, 03.04.2003 Eddie Mönch."—  Präsentation transkript:

1 © 2003 ontoprise GmbH Semantisches Knowledge Retrieval am Beispiel des SemanticMiner™ WM2003 Luzern, 03.04.2003 Eddie Mönch

2 © 2003 ontoprise GmbH 2 Agenda – Semantisches Knowledge Retrieval Wissensmodelle Knowledge Retrieval Kollokationsanalyse

3 © 2003 ontoprise GmbH 3 Wissensmodelle Ontologien TopicMaps extended ER-Modell Thesauri Prädikatenlogik Semantische Netze Taxonomien Menu

4 © 2003 ontoprise GmbH 4 Taxonomie Objekt PersonThemaDokument AkademikerStudent Semantik OntologieDoktorand Taxonomie := Segmentierung, Klassifikation und Einordnung von Elementen in ein Kategoriensystem anhand ihrer definierten Beziehungen zueinander PhD StudentF-Logic Menu

5 © 2003 ontoprise GmbH 5 Thesaurus Objekt PersonThemaDokument AkademikerStudent Semantik PhD StudentDoktorand Terminologie zu best. Domäne, keine Instanzen Graph mit Primitiven, 2 feste Relationen (ähnlich, Synonym) kommen ursprünglich aus der Bibliographie ähnlichSynonym OntologieF-Logic Menu

6 © 2003 ontoprise GmbH 6 Topic Map Objekt PersonThemaDokument AkademikerStudent Semantik PhD StudentDoktorand kennt behandelt_in schreibt NameAlter Topics (Knoten), Relationen und Occurences (zug. Dokumenten) ISO-Standard meist für Navigation- und Visualisierung eingesetzt OntologieF-Logic ähnlich Synonym Menu

7 © 2003 ontoprise GmbH 7 Ontologie (in unserem Sinne) Objekt PersonThemaDokument AkademikerStudent Semantik Ontologie NameAlter PhD StudentDoktorand kennt behandelt_in schreibt ähnlich F-Logic Synonym Menu

8 © 2003 ontoprise GmbH 8 Ontologie (in unserem Sinne) Objekt PersonThemaDokument AkademikerStudent SemantikOntologie NameAlter PhD Student Doktorand kennt behandelt_in schreibt behandelt_inzu_Thema kennt P schreibt D zu_Thema TPT DTTD Regeln ähnlich F-Logic Unterthema York Sure York31 Repräsentationssprache: Prädikatenlogik, nämlich F-Logic, entstehende Standards sind: RDF, DAML+OIL, OWL Menu

9 © 2003 ontoprise GmbH 9 Ontologie (in unserem Sinne) Objekt PersonThemaDokument AkademikerStudent SemantikOntologie NameAlter PhD Student Doktorand kennt behandelt_in schreibt behandelt_inzu_Thema kennt P schreibt D zu_Thema TPT DTTD Regeln ähnlich F-Logic Unterthema York Sure York31 Repräsentationssprache: Prädikatenlogik, nämlich F-Logic, entstehende Standards sind: RDF, DAML+OIL, OWL Menu

10 © 2003 ontoprise GmbH 10 Ontologie (in unserem Sinne) Objekt PersonThemaDokument AkademikerStudent SemantikOntologie PhD Student Doktorand F-Logic A BCD rel2 rel1 rel3 Mapping auf Datenbanken und andere Ontologien Instanzen werden bei Bedarf angefragt Menu

11 © 2003 ontoprise GmbH 11 Abgrenzung gegenüber relationalen Datenbanken Relationale Datenbank Ontologie Regeln Vererbung Veränderung der Struktur Nicht möglich, muss in Applikation einprogrammiert werden auf beliebiger Abstraktionsebene möglich Nicht möglich, muss in Applikation einprogrammiert werden Applikation muss geändert werden Regel gilt für alle Unterkonzepte Modell wird angepasst, Applikation muss nicht angepasst werden.    Menu

12 © 2003 ontoprise GmbH 12 Agenda – Semantisches Knowledge Retrieval Wissensmodelle Knowledge Retrieval Kollokationsanalyse

13 © 2003 ontoprise GmbH 13 & Vom Information- zum Knowledge Retrieval Gemeinsame Begrifflichkeit Logische Regeln Knowledge Retrieval Information Retrieval SEMANTIK WIRKLICHKEIT ANSPRUCH FRAGE: Which Operating Systems are supported by this Tool? ANTWORT

14 © 2003 ontoprise GmbH 14 & Vom Information- zum Knowledge-Retrieval Gemeinsame Begrifflichkeit Logische Regeln Knowledge Retrieval Information Retrieval SEMANTIK Knowledge Retrieval Semantische Netze Ontologien TopicMaps WIRKLICHKEIT ANSPRUCH Information Retrieval ++ Vorhandene Strukturen einbinden Lösungen für Kernprozesse

15 © 2003 ontoprise GmbH 15 Bewertung von Retrieval-Systemen Dokumentenbestand Anzahl aller relevanten Dokumente |  (I)| Anzahl aller gefundenen Dokumente |  (I)| Anzahl aller relevanten, gefundenen Dokumente |  (q,I)| Recall = |  (q,I)| / |  (I)| Precision = |  (q,I)| / |  (I)|

16 © 2003 ontoprise GmbH 16 Bewertung des Knowledge Retrieval Entwicklung der IR-Systeme „stagniert“ seit den letzten 5 Jahren (siehe TREC-Konferenzen) Effiziente Verbesserung durch Ontologie-basierten Query-Expansion Ansatz:  Verbesserung von Recall –es werden mehr relevante Dokumente gefunden  Verbesserung der Precision –Durch spezielles Ranking-Verfahren werden relevantere Dokumente hoch gerankt  Erhöhung der „subjektiven Precision“, da Benutzer nur ca. max. 20-30 der gefundenen Dokumente durchschauen

17 © 2003 ontoprise GmbH 17 Beispiel einer Query Expansion

18 © 2003 ontoprise GmbH 18 Navigation & Integration

19 © 2003 ontoprise GmbH 19 Agenda – Semantisches Knowledge Retrieval Wissensmodelle Knowledge Retrieval Kollokationsanalyse

20 © 2003 ontoprise GmbH 20 Kollokationsanalyse Kollokation (in unserem Sinne): Signifikantes Vorkommen zweier Muster (Wortformen) in einem gemeinsamen Kontext (unmittelbare Nachbarschaft) Kollokationsanalyse –Statistischer Ansatz (nicht syntaktisch) –Nachbarschaftskollokation Beispiel (Hund : bellen), (dunkel : Nacht)

21 © 2003 ontoprise GmbH 21 Anwendung der Kollokationsanalyse Integration (semi)strukturierter Daten: Bildung der Kollokation von (Suchbegriffe+Query Expansion : Daten) Signifikanzmaß gibt Antwort auf Fragestellung: Welche Unternehmen sind im Multimedia Markt tätig? Wer kennt sich mit dem SemanticMiner aus?

22 © 2003 ontoprise GmbH 22 SemanticMiner Architektur – modular DBMS Index- server WWW Search Engines Clients Semantic Middleware Data Sources SemanticMiner (Wissensprozess) Zope Ontology-Server (frontside cached) WWW-BrowserOntoEdit™ Information Retrieval Web-Application Server SemTalk Search-Server (distributed) Web-service interface Middleware eMail Wissensmetaprozess

23 © 2003 ontoprise GmbH 23 Ausblick Verbesserung des KR –Clustering, Klassifikation der Ergebnisse (semi)automatische Ontologie-Erweiterung –Kollokationsanalyse Ergebnisse für Ontologie-Erweiterung z.B. Zuordnung von Begriffen zu Sachgebieten einer Ontologie (Kohyponyme)  ([Konzept] : X) Ermittlung von Synonymen Lernen von Relationen –Adaptive Informations-Extraktion –Kombination verschiedener Extraktionsverfahren Anbindung neuer Datenquellen (Konnektoren) (PubMed, Morphologische Komponente, …) Integration in vorhandene IT-Systeme / Portale … Vorschläge ?

24 © 2003 ontoprise GmbH 24 Vielen Dank für Ihre Aufmerksamkeit! www.ontoprise.de

25 © 2003 ontoprise GmbH 25 Modulare Architektur DBMS Index- server WWW Search Engines Various data sources and legacy systems Semantic Middleware eMail SemanticMiner Specific GUI GUI Retrieval Moduls Kollokations- Module Visualisierungs- Komponenten basic product individual GUI Components

26 © 2003 ontoprise GmbH 26 Architektur OntoBroker Internal Database Databases Inference kernel Internal Database Inference kernel ConnektorsConnektors F-Logic Compiler Prolog Compiler RDF Compiler Builtins.... Compiler Inference Server Application Server Inference Server Application Server Menu

27 © 2003 ontoprise GmbH 27 Performanz Strategien OntoBroker Anzahl Zugriffe Anzahl Regeln Daten- änderungs- rate 2 Regelkompilierung, Regelverteilung 3 verteilte Inferenzmaschine dynamische Regeloptimierung 1 Materialisierung, Caching, Menu