Методы и алгоритмы повышения выразительности связанных данных (обзор)

Article Sidebar

PDF
Опубликован: 28.05.2020
УДК 004.822 004.021
DOI: https://doi.org/10.26907/1562-5419-2020-23-4-808-834
Выпуск
Том 23 № 4 (2020): Тематический выпуск «Научный сервис в сети Интернет». Часть 2

Main Article Content

Ольга Авенировна Невзорова
Казанский федеральный университет, ул. Кремлевская, 18, Казань, 420008
https://orcid.org/0000-0001-8116-9446

Аннотация

В обзорной статье рассмотрены методы и алгоритмы повышения выразительности связанных данных, подготовленных для публикации в Вебе. Представлены основные подходы к обогащению онтологий, описаны методы, на которых они базируются, а также приведен инструментарий, реализующий эти подходы и инструменты применения соответствующих методов.Основным этапом в общей схеме жизненного цикла данных в облаке открытых связанных данных является этап построения набора связанных RDF-триплетов. Для улучшения классификации данных и анализа их качества применяются различные методы повышения выразительности связанных данных. Основные идеи рассматриваемых методов связаны с обогащением существующих онтологий (расширением базовой схемы знаний) путем добавления или совершенствования терминологических аксиом. Методы обогащения опираются на методы, применяемые в различных областях, таких как представление знаний, машинное обучение, статистика, обработка текстов на естественном языке, анализ формальных понятий и теория игр.

Article Details

Биография автора

Ольга Авенировна Невзорова

Доцент кафедры информационных систем Института вычислительной математики и информационных технологий Казанского федерального университета, к. т. н. Основные направления научных исследований: обработка естественного языка, искусственный интеллект.

Библиографические ссылки

Auer S., Lehmann J., Ngonga-Ngomo A.-C. Introduction to Linked Data and Its Lifecycle on the Web // Reasoning Web 2011. Lecture Notes in Computer Science. 2011. V. 6848. Springer, Heidelberg. P. 1–75.

Nienhuys-Cheng S.-H., de Wolf R. Foundations of Inductive Logic Programming // Lecture Notes in Computer Science. V. 1228. Springer, Heidelberg, 1997. 248 p.

Cohen W.W., Borgida A., Hirsh H. // Computing Least Common Subsumers in Expressive Description Logics. In: Foo N. (eds). Advanced Topics in Artificial Intelligence. AI 1999. Lecture Notes in Computer Science. Vol. 1747. Springer, Berlin, Heidelberg. P. 754–760.

Cohen W.W., Hirsh H. Learning the CLASSIC description logic: Theoretical and experimental results // Proceedings of the 4th International Conference on the Principles of Knowledge Representation and Reasoning (KR-94). San Francisco: Morgan Kaufmann, 1994. P. 121–133.

Badea L., Nienhuys-Cheng S.-H. A refinement operator for description logics // In: Cussens J., Frisch A.M. (eds). Inductive Logic Programming: 10th International Conference, ILP 2000. Lecture Notes in Computer Science (LNAI). 2000. Vol. 1866. Springer, Heidelberg. P. 40–59.

Esposito F., Fanizzi N., Iannone L. Knowledge-intensive induction of terminologies from metadata // Proceedings of The Third International Semantic Web Conference Proceedings, ISWC 2004. Lecture Notes in Computer Science. 2004. V. 3298. Springer-Verlag, Heidelberg. P. 411–426.

Lehmann J., Hitzler P. Foundations of Refinement Operators for Description Logics // In: Blockeel H., Ramon J., Shavlik J., Tadepalli P. (eds). Inductive Logic Programming: 17th International Conference, ILP 2007. Lecture Notes in Computer Science (LNAI). 2008. Vol. 4894. Springer, Heidelberg. P. 161–174.

Fanizzi N., d’Amato C., Esposito F. DL-FOIL Concept Learning in Description Logics // Inductive Logic Programming: 18th International Conference, ILP 2008. Lecture Notes in Computer Science. 2008. V. 5194. Springer, Heidelberg. P. 107–121.

Baader F., Sertkaya B., Turhan A.Y. Computing the Least Common Subsumer w.r.t. a Background Terminology. In: Alferes J.J., Leite J. (eds). Logics in Artificial Intelligence. JELIA 2004. Lecture Notes in Computer Science. 2004. Vol. 3229. Springer, Berlin, Heidelberg. P. 400–412.

Quinlan J.R. Learning Logical Definitions from Relations // Machine Learning. 1990. V. 5. P. 239–266.

Iannone L., Palmisano I., Fanizzi N. An algorithm based on counterfactuals for concept learning in the Semantic Web // Applied Intelligence. 2007. Vol. 26. P. 139–159.

Lehmann J., Hitzler P. A refinement operator based learning algorithm for the ALC description logic // In: Blockeel H., Ramon J., Shavlik J., Tadepalli P. (eds). Inductive Logic Programming: 17th International Conference, ILP 2007. Lecture Notes in Computer Science (LNAI). 2008. Vol. 4894. Springer, Heidelberg. P. 147–160.

Lehmann J., Bühmann L. ORE – A Tool for Repairing and Enriching Knowledge Bases // In: Patel-Schneider P.F. et al. (eds) The Semantic Web – ISWC 2010. ISWC 2010. Lecture Notes in Computer Science. 2010. Vol. 6497. Springer, Berlin, Heidelberg. P. 177–193.

Lehmann J., Auer S., Bühmann L. Class expression learning for ontology engineering // Journal of Web Semantics. 2011. Vol. 9. P. 71–81.

Lisi F.A. Building rules on top of ontologies for the semantic web with inductive logic programming // Theory and Practice of Logic Programming. 2008. Vol. 8(3). P. 271–300.

Blomqvist E. Semi-automatic Ontology Construction based on Patterns. Ph.D. thesis. Linkoping University. 2009.

Volker J., Vrandecic D., Sure Y. Learning Disjointness // In: Franconi E., Kifer M., May W. (eds). 4th European Semantic Web Conference, ESWC 2007. Lecture Notes in Computer Science (LNAI). 2007. Vol. 4894. Springer, Heidelberg. P. 175–189.

Rudolph S. Exploring relational structures via FLE // In: Wolff K.E., Pfeiffer H.D., Delugach H.S. (eds) // 12th International Conference on Conceptual Structures, ICCS 2004. Lecture Notes in Computer Science (LNAI). 2004. Vol. 3127. Springer, Heidelberg. P. 196–212.

Sertkaya B. OntocomP system description // In: Grau B.C., Horrocks I., Motik B., Sattler U. (eds.) Proceedings of the 22nd International Workshop on Description Logics (DL 2009), Oxford, UK, July 27-30. CEUR Workshop Proceedings. Vol. 477. CEUR-WS.org (2009).

Völker J., Rudolph S. Fostering Web Intelligence by Semi-automatic OWL Ontology Refinement // IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology, Sydney, NSW. 2008. P. 454–460. doi: 10.1109/WIIAT.2008.36.

RELExO (Relational Exploration for Learning Expressive Ontologies). URL: http://code.google.com/p/relexo/.

Choi N., Song I.-Y., Han H. A survey on ontology mapping // SIGMOD Record. 2006. Vol. 35(3). P. 34–41.

Doan A., Domingos P., Halevy A. Learning to Match the Schemas of Data Sources: A Multistrategy Approach // Machine Learning. 2003. Vol. 50 (3). P. 279–301.

Beneventano D., Bergamaschi S., Guerra F. Synthesizing an Integrated Ontology // IEEE Internet Computing. 2003. Vol. 7(5). P.42–51.

Calvanese D., De Giacomo G., Lenzerini M. A Framework for Ontology Integration // Proceedings of the 1st International Semantic Web Working Symposium (SWWS). 2001. P. 303–317.

Silva N., Rocha J. Ontology Mapping for Interoperability in Semantic Web // Proceedings of the IADIS International Conference WWW/Internet 2003, ICWI 2003. 2003. P. 603–610.

Bouquet P., Giunchiglia F., van Harmelen F. C-OWL: Contextualizing Ontologies // The Semantic Web – ISWC 2003, Second International Semantic Web Conference, 2003. Lecture Notes in Computer Science. 2003. Vol. 2870. P. 164–179.

Bouquet P., Serafini L., Zanobini S. Semantic Coordination: A New Approach and an Application // The Semantic Web - ISWC 2003, Second International Semantic Web Conference, 2003. Lecture Notes in Computer Science. 2003. Vol. 2870. P.130–145.

Doan A., Madhavan J., Dhamankar R. et al. Learning to match ontologies on the Semantic Web // VLDB. 2003. Vol. 12. P. 303–319. https://doi.org/ 10.1007/s00778-003-0104-2.

Silva N., Rocha J. Semantic Web complex ontology mapping // Proceedings IEEE/WIC International Conference on Web Intelligence (WI 2003).2003. P. 82-88. doi: 10.1109/WI.2003.1241177.

Li J. LOM: A Lexicon-based Ontology Mapping Tool // Proceedings of the Performance Metrics for Intelligent Systems. 2004. https://citeseerx.ist.psu.edu/ viewdoc/download?doi=10.1.1.141.5379&rep=rep1&type=pdf

Ehrig M., Staab S. QOM – Quick OntologyMapping // Proceedings of The Third International Semantic Web Conference Proceedings, ISWC 2004. Lecture Notes in Computer Science. 2004. Vol. 3298. P. 683–697.

Mitra P., Wiederhold G. Resolving Terminological Heterogeneity in Ontologies // Proceedings of the ECAI’02 workshop on Ontologies and Semantic Interoperability. 2002. P. 45–50.

Maedche A., Motik B., Stojanovic L., Studer R., Volz R. Ontologies for Enterprise Knowledge Management // IEEE Intelligent Systems. 2003. Vol. 18(2). P. 26–33.

Mitra P., Noy N. F., Jaiswals A. OMEN: A Probabilistic Ontology Mapping Tool // Proceedings of International Semantic Web Conference, ISWC- 2005. 2005. P. 537–547.

Besana P., Robertson D., Rovatsos M. Exploiting interaction contexts in P2P ontology mapping // Proceedings of 2nd International Workshop on Peer to Peer Knowledge Management. 2005. CEUR Workshop Proceedings. P. 1613–1673. CEUR-WS.org/Vol-139/2.pdf.

Noy N.F., Musen M.A. PROMPT: Algorithm and Tool for Automated Ontology Merging and Alignment // Proceedings of the National Conference on Artificial Intelligence (AAAI/IAAI). 2000. P.450–455.

Noy N.F., Musen M.A. Smart: Automated Support for Oontology Merging and Alignment // Proceedings of the 12th Workshop on Knowledge, Acquistion Modeling and Management (IKAW 1999). 1999. P. 1–20.

Chalupsky H. Ontomorph: A Translation System for Symbolic Knowledge // Proceedings of the 7th international Conference on Principles of Knowledge Representation and Reasoning. 2000. P. 471–482.

Ichise R., Takeda H., Honiden S. Rule Induction for Concept Hierarchy Alignment // Proceedings of the Workshop on Ontology Learning at the 17th International Joint Conference on Artificial Intelligence (IJCAI). 2001. http://ceur-ws.org/Vol-38/ichise_IJICAI-OL.pdf.

Noy N.F., Musen M.A. Anchor-PROMPT: Using Non-Local Context for Semantic Matching // Proceedings of the Workshop on Ontologies and Information Sharing at the International Joint Conference on Artificial Intelligence (IJCAI). 2001. http://dit.unitn.it/~accord/RelatedWork/Matching/noy.pdf.

Kalfoglou Y., Hu B. CROSI Mapping System (CMS) Results of the 2005 Ontology Alignment Contest // Proceedings of the K-CAP 2005 Workshop of Integrating Ontologies. 2005. P. 77–85.

Stumme G., Maedche A. FCA-Merge: Bottom-Up Merging of Ontologies // Proceeding of the International Joint Conference on Artificial Intelligence IJCAI-01. Seattle: 2001. P. 205–234.

Ganter B., Wille R. Formal Concept Analysis. Mathematical Foundations. Berlin: Springer, 1999. 284 p.

Titanic: Machine Learning Algorithms. URL: https://www.kaggle.com/ berhag/titanic-machine-learning-algorithms.

McGuinness D., Fikes R., Rice J., Wilder S. The Chimaera Ontology Environment // Proceedings of the 17th National Conference on Artificial Intelligence (AAAI). 2000. P. 1123–1124.



Представляя статьи для публикации в журнале «Электронные библиотеки», авторы автоматически дают согласие предоставить ограниченную лицензию на использование материалов Казанскому (Приволжскому) федеральному университету (КФУ) (разумеется, лишь в том случае, если статья будет принята к публикации). Это означает, что КФУ имеет право опубликовать статью в ближайшем выпуске журнала (на веб-сайте или в печатной форме), а также переиздавать эту статью на архивных компакт-дисках журнала или включить в ту или иную информационную систему или базу данных, производимую КФУ.

Все авторские материалы размещены в журнале «Электронные библиотеки» с ведома авторов. В случае, если у кого-либо из авторов есть возражения против публикации его материалов на данном сайте, материал может быть снят при условии уведомления редакции журнала в письменной форме.

Документы, изданные в журнале «Электронные библиотеки», защищены законодательством об авторских правах, и все авторские права сохраняются за авторами. Авторы самостоятельно следят за соблюдением своих прав на воспроизводство или перевод их работ, опубликованных в журнале. Если материал, опубликованный в журнале «Электронные библиотеки», с разрешения автора переиздается другим издателем или переводится на другой язык, то ссылка на оригинальную публикацию обязательна.

Передавая статьи для опубликования в журнале «Электронные библиотеки», авторы должны принимать в расчет, что публикации в интернете, с одной стороны, предоставляют уникальные возможности доступа к их материалам, но, с другой, являются новой формой обмена информацией в глобальном информационном обществе, где авторы и издатели пока не всегда обеспечены защитой от неправомочного копирования или иного использования материалов, защищенных авторским правом.

При использовании материалов из журнала обязательна ссылка на URL: http://rdl-journal.ru. Любые изменения, дополнения или редактирования авторского текста недопустимы. Копирование отдельных фрагментов статей из журнала разрешается для научных исследований, персонального использования, коммерческого использования до тех пор, пока есть ссылка на оригинальную статью.

Запросы на право переиздания или использования любых материалов, опубликованных в журнале «Электронные библиотеки», следует направлять главному редактору Елизарову А.М. по адресу: amelizarov@gmail.com

Издатели журнала «Электронные библиотеки» не несут ответственности за точки зрения, излагаемые в публикуемых авторских статьях.

Предлагаем авторам статей загрузить с этой страницы, подписать и выслать в адрес издателя журнала по электронной почте скан Авторского договора о передаче неисключительных прав на использование произведения.

Наиболее читаемые статьи этого автора (авторов)