Abstract image of a woman sitting on books and studying on a laptop

Понятийные системы в цифровом мире: что может знать компьютер?

Dmitry Kudryavtsev, profile picture
Dmitry Kudryavtsev

Документ посвящен понятийным системам в цифровом мире и их роли в управлении знаниями. Рассматриваются современные методологии управления знаниями, применение онтологий и семантических технологий, а также проблемы создания и использования понятийных систем. В документе также обсуждаются примеры систем управления знаниями и актуальные направления исследований в этой области.

Technology
1 of 87
Downloaded 25 times
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
Понятийные системы в цифровом мире: что может знать компьютер? Кудрявцев Дмитрий 24 февраля 2016 г., Санкт-Петербург
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 2
2016, Понятийные системы в цифровом мире Системы управления знаниями и применение онтологий 3 Кудрявцев Д.В. Системы управления знаниями и применение онтологий: Учеб. пособие / СПб.: Изд-во Политехн. ун-та, 2010. – 343 с. Аннотация Последовательно рассмотрены понятия знания, управления знаниями, системы управления знаниями. Представлен обзор современных методологий управления знаниями. Предложено применение онтологий и семантических технологий в системах управления знаниями. Описан процесс управления знаниями в организации. Дано описание задач, методов и программных средств для повышения эффективности процессов создания, накопления, распределения и использования знаний в организации. Рассмотрены вопросы структурирования и представления знаний, работы с метаданными, поиска информации, а также обмена неявными знаниями на предприятии. Систематизированы программные средства для работы со знаниями. Приведены примеры систем управления знаниями, а также указаны направления современных исследований в области представления и управления знаниями. Особое внимание уделено применению онтологий в системах управления знаниями. http://elib.spbstu.ru/dl/2/2982.pdf/info
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Технологии бизнес-инжиниринга 4 Кудрявцев Д. В., Арзуманян М. Ю., Григорьев Л. Ю. Технологии бизнес-инжиниринга : учеб. пособие — СПб. : Изд-во Политехн. ун-та, 2014. — 427 с.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. План 1. Введение 2. Знания компьютера и роль понятийных систем 3. Сложности создания понятийных систем 4. Виды и примеры понятийных систем 5. Разработка и сопровождение понятийных систем 6. Использование понятийных систем 7. Актуальные темы исследований 5
Введение
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Интеллектуальные помощники 7 Apple Siri (2011) Google Now (2012) Microsoft Cortana (2014) Amazon Alexa/Echo (2014) https://www.apple.com/ios/siri/ https://www.google.com/landing/now/ http://www.windowsphone.com/en-us/how-to/wp8/cortana/meet-cortana http://www.amazon.com/oc/echo/ Facebook M (2015)
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 8
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 9
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. История Siri • Siri is using the results of over 40 years of research funded by DARPA via SRI International’s Artificial Intelligence Center through CALO project (2003~2008). • Siri technology has come a long way with dialog and natural language understanding, machine learning, evidential and probabilistic reasoning, ontology and knowledge representation, planning, reasoning and service delegation. • Siri was founded in 2007 (spin-off from SRI international) by Dag Kittlaus (CEO), Adam Cheyer (VP Engineering), and Tom Gruber (CTO/VP Design). 10
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Технологические основы Siri 11
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Взаимодействие в виде разговора 12
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример автоматизации задачи 13
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Подробнее 14
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 15
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Фрагмент активной онтологии 16
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Инструмент для редактирования активной онтологии 17
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Подробнее в трудах конференций 18 Guzzoni, D., Baur, C., & Cheyer, A. (2007). Modeling Human-Agent Interaction with Active Ontologies. In AAAI Spring Symposium: Interaction Challenges for Intelligent Assistants (pp. 52-59). Guzzoni, D., Baur, C., & Cheyer, A. (2006). Active: A unified platform for building intelligent web interaction assistants. In Web Intelligence and Intelligent Agent Technology Workshops, 2006. WI-IAT 2006 Workshops. 2006 IEEE/WIC/ACM International Conference on (pp. 417-420). IEEE.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Рассказ Тома Грубера о Siri 19 https://vimeo.com/5424527
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Том Грубер – автор одной из наиболее цитируемых работ по онтологиям 20
Знания компьютера и роль понятийных систем
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Что знает компьютер • Что в него заложили • Что он автоматически вывел, на основе заложенных знаний • Чему он научился в результате индукции 22
2016, Понятийные системы в цифровом мире 23 Компоненты модели знаний / модели экспертизы (expertise model) Уровень задачи (Task knowledge) • Цели, решаемой задачи (Task goals) • Декомпозиция задачи (Task decomposition) • Порядок выполнения задачи (Task control) Уровень вывода (Inference knowledge) • Базовые элементы вывода • Роли Предметные знания (Domain knowledge) • Понятия / Типы • Отношения • Правила • Факты ДИАГНОСТИКА (задача) Выработка гипотезы (эл-т вывода) Верификация (эл-т вывода) Симптом (тип) Болезнь (тип) Тест (тип) Schreiber, A. T., Akkermans, J. M., Anjewierden, A. A., de Hoog, R., Shadbolt, N. R., van de Velde, W., & Wielinga, B. J. (2000). Knowledge Engineering and Management: the CommonKADS methodology. MIT press. Studer, R., Benjamins, V. R., & Fensel, D. (1998). Knowledge engineering: principles and methods. Data & knowledge engineering, 25(1), 161-197.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 24
2016, Понятийные системы в цифровом мире Предметные знания (Domain knowledge) 25 Состояние автомобиля Аккумулятор Заряд: {нормальный, низкий} Бензобак Статус: {полный, полупустой, пустой} Невидимое состояние автомобиля Видимое состояние автомобиля Работа двигателя Статус: {нормальная, не заводится, останавливается} Горючее в двигателе Статус: {да, нет} Электропитание Статус: {да, нет} Показания приборов Показатель топлива Правила: Бензобак . Статус = пустой  Горючее в двигателе . Статус = нет {Взаимозависимость состояний} Аккумулятор . Заряд = низкий  Электропитание . Статус = нет {Взаимозависимость состояний} Бензобак . Статус = пустой  Показатель топлива . Значение = 0 {Модель проявлений}
2016, Понятийные системы в цифровом мире Уровень задачи (Task knowledge) 26 Диагностика автомобиля Генерация и тестирование гипотез Задача Жалоба / Проблема Неисправность Обоснование Вход Выход Статистическая классификация Деревья решений Задача Метод решения (Problem Solving Method, PSM) Объяснение Предсказание Получение информации Сравнение Элементы вывода Обмен информацией Декомпозиция
2016, Понятийные системы в цифровом мире Уровень задачи (Task knowledge) 27 Объяснение Жалоба / Проблема Гипотеза / Возможное решение Двигатель не заводится Пустой бензобак Причинная модель Правила взаимозависимости состояний Предсказание Ожидаемые признаки Показатель топлива = 0 Получение информации Фактические наблюдения Сравнение Результат Показатель топлива = в норме Несовпадение Модель проявлений Правила проявлений
2016, Понятийные системы в цифровом мире Уровень вывода (Inference knowledge) 28 Объяснение Жалоба / Проблема Гипотеза / Возможное решение Элемент вывода Невидимое состояние автомобиля Видимое состояние автомобиля отображение (mapping) отображение (mapping) Роль (knowledge role) Роль (knowledge role) Понятие предметной области Понятие предметной области {Взаимозависимость состояний} отображение (mapping) Правила предметной области Причинная модель Связка предметных знаний с методами решения задачи
2016, Понятийные системы в цифровом мире 29 Место модели знаний в разработке системы на основе знаний Модель организации (проблемы и возможности, стратегия, оргструктура, бизнес-процессы, карта знаний), модель агента, модель задачи Модель знаний Модель коммуникации Проект системы (для реализации) Контекст Концептуальная модель Артефакт Система моделей в методологии CommonKADS
2016, Понятийные системы в цифровом мире 30 Повторное использование знаний Уровень задачи (Task knowledge) • Цели, решаемой задачи (Task goals) • Декомпозиция задачи (Task decomposition) • Порядок выполнения задачи (Task control) Уровень вывода (Inference knowledge) • Базовые элементы вывода • Роли Предметные знания (Domain knowledge) • Понятия / Типы • Отношения • Правила • Факты Gómez-Pérez, A., & Benjamins, R. (1999). Overview of knowledge sharing and reuse components: Ontologies and problem- solving methods. IJCAI and the Scandinavian AI Societies. CEUR Workshop Proceedings. Библиотеки методов решения проблем (Problem Solving Methods, PSM) Библиотеки онтологий (понятийных систем) предметных областей
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Переход к понятию «сервис» 31
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Semantic web (Семантический веб) 32
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Статья в Scientific American про семантический веб и активизация интереса к понятийным системам, понятным компьютеру (2001 г.) 33 http://www.cs.man.ac.uk/~ezolin/logic/semantic_web_rus.html Перевод
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Важность организации знаний «Именно организация знаний, а не скорость переработки, предельно низкая с точки зрения технических систем, дает ключ к пониманию, по крайней мере, части наших познавательных способностей.» Величковский Б.М. Когнитивная наука : Основы психологии познания : в 2 т. — Т. 2 — М. : Смысл : Издательский центр «Академия», 2006. — 432 с. 34
Сложности создания понятийных систем
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Различие в абстрактных моделях разных субъектов при рассмотрении одного и того же объекта 36 Источник: [Буч, 1998]
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Наука о знаковых системах Семиотика, или семиология (от греч. Semeiotikon, от semeion – знак, признак) – наука, исследующая свойства знаковых систем и соответственно знаков (естественных и искусственных). Три основных аспекта изучения знака и знаковой системы, выделяемые семиотикой: 1) синтактика, изучающая отношения между знаками, т. е. внутренние свойства систем знаков (иначе, правила построения знаков в рамках знаковой системы); 2) семантика, изучающая отношения между знаками и обозначаемым предметом, т. е. содержанием знаков; 3) прагматика, изучающая отношения между знаком и человеком-пользователем знака: говорящим, слушающим, пишущим, читающим, т. е. назначение знаков. Примером знаков могут служить широко используемые в операционных системах ярлыки-иконки, например, ярлык с изображением принтера. Его изображение на экране является именем знака. Содержание знака может быть раскрыто с помощью перехода от имени к таблице, содержащей все нужные сведения о принтерах, а включение процедуры печати при щелчке по ярлыку принтера определяет назначение этого знака. 37
2016, Понятийные системы в цифровом мире Неоднозначность соответствия «знак – понятие – вещь (денотат)» 38 • Омонимия (один знак – разные несвязанные понятия и вещи), • Полисемия (один знак – разные, но связанные понятия и вещи), • Синонимия (разные знаки для одного понятия и/или вещи) «Семантический треугольник» Фреге
2016, Понятийные системы в цифровом мире Пример омонимии Знак Понятие Вещь Ягуар Ягуар (Животное) Ягуар (Напиток) Ягуар (Машина) ? один знак – разные несвязанные понятия и вещи 39
2016, Понятийные системы в цифровом мире Пример полисемии 40 «Капитальный ремонт» определения понятия, встречающиеся на одном из отечественных предприятий: - работы по техническому обслуживанию и ремонту оборудования, выполняемые в капитальный останов, т. е. останов производственной линии длительностью свыше 24-х часов. - ремонт, выполняемый для восстановления исправности и полного или близкого к полному восстановлению ресурса изделия с заменой или восстановлением любых его частей, включая базовые. один знак – разные, но связанные понятия и вещи
2016, Понятийные системы в цифровом мире Пример синонимии 41 разные знаки для одного понятия и/или вещи По материалам компании Future Models
2016, Понятийные системы в цифровом мире Потребность в общем языке 42 Для снижения представленной выше неоднозначности соответствия знак – понятие – вещь (денотат) необходим «общий язык», включающий в себя: • Строго определенный словарь лексических единиц (знаков), • Непротиворечивое понимание того, какие понятия обозначаются заданными лексическими единицами (знаками).
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Определение понятия 43 Интенсионал понятия - это определение его через соотнесение с понятием более высокого уровня абстракции с указанием специфических свойств. Интенсионалы формулируют знания об объектах. Другой способ определяет понятие через соотнесение с понятиями более низкого уровня абстракции или перечисление фактов, относящихся к определяемому объекту. Это есть определение через данные, или экстенсионал понятия.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Где учат (учили) определять понятия? 44
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Где учат (учили) определять понятия? 45
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Формирование понятий на основе общих признаков 46 Понятие A 1 32 4 3 Понятие Б 5 6 Родовое понятие
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Сложности определения понятий 47 Опыты Лурия А.Р. 30-е годы ХХ века Глухие кишлаки Средней Азии, Исследование людей, не подвергшихся влиянию науки и обучения научному мышлению
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Сложности классификации понятий 48
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Роль ситуативных факторов в классификации понятий 49 Поспелов Д. А. Ситуационное управление: теория и практика. – Наука. Гл. ред. физ.-мат. лит., 1986. «Приведенные эксперименты подчеркивают мысль о том, что не призначная структура, находящаяся в центре внимания специалистов по распознаванию образов, а ситуативное положение того или иного факта или объекта определяют его интерпретацию у человека, не имеющего дело с научными определениями и теориями» «В обычной жизни человек формирует понятия и организует системы классификации, как правило, на основе тех ситуаций, с которыми он сталкивается в своей повседневной деятельности и на основании тех прагматических признаков, учет которых важен для успешной её реализации». Д.А.Поспелов
Виды и примеры понятийных систем
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Разнообразие терминов 51 Глоссарий Классификатор Онтология Система организации знаний Тезаурус Модель информации Модель данных Справочные данные Концептуальная карта Архитектура информации Фолксономия Таксономия
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Точки зрения на систематизацию терминов 52 Специалист по информационной науке («из библиотечного дела») Специалист по компьютерной науке Онтология Глоссарий Классификатор Тезаурус Концептуальная карта и др. Система организации знаний виды виды А есть ещё практики разрабатывающие ИС, управленцы…!
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Онтологии как средство представления знаний Онтология в философии: - наука о бытии, о сущем. Онтология в информатике: - система понятий, их свойств и связей между ними. Понятная как человеку, так и компьютеру. Иногда дополняется правилами. Стандартные языки представления онтологий позволяют обмениваться формализованными знаниями. 53
2016, Понятийные системы в цифровом мире Онтология как общий словарь для коммуникаций Ягуар Животное является / пример … Лев Тигр 54
2016, Понятийные системы в цифровом мире Генная онтология, фрагмент, описание биологических процессов 55 http://geneontology.org/
2016, Понятийные системы в цифровом мире Онтология научной деятельности SWRC (Semantic Web Research Community) 56
2016, Понятийные системы в цифровом мире Виды онтологий по глубине проработки Каталоги на основе ID Глоссарий Отношение «Выше-Ниже» Неформальные таксономии Формальные таксономии Формальные экземпляры Свойства классов/понятий Ограничения на значения Произвольные логические ограничения Дизъюнктивные классы, Обратные свойства О. Лассилла, Д. МакГинесс 57
2016, Понятийные системы в цифровом мире Пример неформальной таксономии пиццы 58
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Формальная таксономия пиццы 59 точное определение отношения ПОДКЛАСС-КЛАСС http://wordnetweb.princeton.edu/
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Взаимосвязи между понятиями: concept map 60
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Ограничения на область значений свойств 61
2016, Понятийные системы в цифровом мире Логические утверждения о концептах – аксиомы 62 Класс, который имеет только необходимые условия в описании
2016, Понятийные системы в цифровом мире Логические утверждения о концептах – аксиомы 63 Класс, имеющий по крайней мере один набор необходимых и достаточных условий
2016, Понятийные системы в цифровом мире Автоматизированная классификация 64
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Систематизация терминов на основе структурных особенностей 65 Типы отношений Глоссарий Классифика- ционная система Mind Map Тезаурус Концепт. карта Модель / схема данных Онтология Эквивалентность Да Да Да +/- Да Синонимы Да Да Да +/- Да Антонимы Да +/- Да Иерархия Да Да Да Да Да Да Шире-Уже Да Да Да Да Да Да Класс-подкласс +/- +/- Да Да Да Да Часть-Целое +/- Да Да Да Да Экземпляр +/- +/- Да Да Ассоциативные связи Да Да Да Да “см. также” +/- Да Да Да Да другие типы (напр., выполняет, создает, влияет) Да Да Да Свойства элементов Да Да Да Логические ограничения Да На основе Stock W. G. Concepts and semantic relations in information science //Journal of the American Society for Information Science and Technology. – 2010. – Т. 61. – №. 10. – С. 1951-1969.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример: Российский классификатор информации об общероссийских классификаторах 66
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример: Российский классификатор информации об общероссийских классификаторах 67
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример: Общероссийский классификатор продукции по видам экономической деятельности 68 http://www.okpd2.info/classifier/ "ОК 034-2014 (КПЕС 2008). Общероссийский классификатор продукции по видам экономической деятельности" (утв. Приказом Росстандарта от 31.01.2014 N 14-ст) (ред. от 26.05.2015)
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример: Тезаурус по искусству и архитектуре 69 http://www.getty.edu/research/tools/vocabul aries/aat/index.html
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Репозиторий биологических и биомедицинских онтологий Open Biomedical Ontologies (OBO) 70
Разработка и сопровождение понятийных систем
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Методология разработки онтологий для новичков Шаг 1. Определение области и масштаба онтологии Шаг 2. Рассмотрение вариантов повторного использования существующих онтологий Шаг 3. Перечисление важных терминов в онтологии Шаг 4. Определение классов и иерархии классов Шаг 5. Определение свойств классов (слотов) Шаг 6. Определение ограничений на значения свойств (слотов) Шаг 7. Создание экземпляров 72
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 73 Методологии: Ограничения и перспективы развития • Cyc method • Uschold & King method • Gruninger & Fox’s methodology • METHONTOLOGY • SENSUS method • On-To-Knowledge • DILIGENT ©Asuncion Gomez-Perez Динамика Контекст Совместная работа  Ни одна методология не учитывает три аспекта одновременно.  Недостаточная поддержка ВСЕГО жизненного цикла работы с онтологиями. ~ 2006 год, начало разработки методологии NeOn
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Сценарии создания сети онтологий в методологии NeOn 74
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Сценарии создания онтологий Сценарий 1: Создание сети онтологий «с нуля» без использования существующих ресурсов Сценарий 2: Создание сети онтологий путем повторного использования «неонтологических» ресурсов (поле знаний, не доведенное до уровня онтологии или ее фрагментов); Сценарий 3: Создание сети онтологий путем повторного использования существующих онтологий или модулей; Сценарий 4: Создание сети онтологий путем повторного использования и реинжиниринга существующих онтологий или модулей; Сценарий 5: Создание сети онтологий путем повторного использования и объединения существующих онтологий или модулей; Сценарий 6: Создание сети онтологий путем повторного использования, объединения и реинжиниринга существующих онтологий или модулей; Сценарий 7: Создание сети онтологий путем реструктуризации существующих онтологий или модулей; Сценарий 8: Создание сети онтологий путем локализации существующих онтологий или модулей. 75
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Методы отображения онтологий (ontology mapping) 76
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Методы оценки онтологий 77 На основе материала Горового В. и Болотниковой Е.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Автоматизированное формирование и наполнение онтологий Ontology learning and Ontology population 78 Cimiano P. (2006) Ontology Learning and Population from Text: Algorithms, Evaluation and Applications. Springer. Maedche A. (2012). Ontology learning for the semantic web (Vol. 665). Springer Science & Business Media. Разработка и подбор алгоритмов для каждого уровня:
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. и много других задач… 79 На русском: Глоссарий предметной области «Онтологическое моделирование»
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Использование понятийных систем • Интеграция информации • Семантический поиск • Организация документов/контента • Обработка естественного языка • Разработка интеллектуальных систем • Обучение (людей) • Проектирование и настройка информационных систем • Моделирование и проектирование • Стратегическое управление ИТ (и бизнесом) 80
Актуальные темы исследований 81
2016, Понятийные системы в цифровом мире Тренды - Тематики профильных конференций "Knowledge in evolving and local contexts" • Model evolution – Ontology evolution – Ontology debugging – Ontology change management and versioning – Ontology usage trends • Methods and methodologies for time awareness, such as: – Modelling of time-indexed knowledge – Ontology design patterns for time-indexed knowledge – Reasoning over time-indexed knowledge – Stream processing and stream reasoning – Event processing • Methods and methodologies for context awareness, such as: – Modelling of contextualised knowledge – Ontology design patterns for representing context – Reasoning with context – Context-aware knowledge-based applications • Lessons learned from case studies, e.g.: – Knowledge management in large organizations – Adoption of semantic web technologies – Maintenance of corporate knowledge repositories – … 82 Knowledge Engineering and Acquisition • Tools and methodologies for ontology engineering • Ontology design patterns • Ontology localization • Ontology alignment • Knowledge authoring and semantic annotation • Knowledge acquisition from non-ontological resources (thesauri, folksonomies etc.) • Semi-automatic knowledge acquisition, e.g., ontology learning • Mining the Semantic Web and the Web of Data • Ontology evaluation and metrics • Uncertainty and vagueness in knowledge representation • Dealing with dynamic, distributed and emerging knowledge Social and Cognitive Aspects of Knowledge Representation • Similarity and analogy-based reasoning • Knowledge representation inspired by cognitive science • Synergies between humans and machines • Knowledge emerging from user interaction and networks • Knowledge ecosystems • Expert finding, e.g., by social network analysis • Trust and privacy in knowledge representation • Collaborative and social approaches to knowledge management and acquisition • Crowdsourcing in knowledge management http://ekaw2016.cs.unibo.it/
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Тренды - Тематики профильных конференций Topics • Database, information retrieval, information extraction, natural language processing and artificial intelligence techniques for the Semantic Web • Knowledge graph creation, reasoning, and usage • Knowledge representation and reasoning on the Web • Scalable management of semantics and data on the Web, including Linked Data • Semantic Web data analysis • Languages, tools, and methodologies for representing and managing semantics and data on the Web • Architectures and algorithms for extreme volume, heterogeneity, dynamicity, and decentralization of Semantic Web data • Cleaning, quality assurance, and provenance of Semantic Web data, services, and processes • Ontology-based data access and integration/exchange on the Web • Ontology engineering and ontology patterns for the Web • Ontology modularity, mapping, merging, and alignment for the Web • Searching and querying the Semantic Web • Supporting multi-linguality in the Semantic Web • User interfaces and interaction with semantics and data on the Web • Information visualization and exploratory analysis methods for Semantic Web data • Personalized access to Semantic Web data and applications • Social semantics methods and applications • Geospatial semantics and data on the Web • Data streams and the Internet of Things • Semantic technologies for mobile platforms • Trust, privacy, and security on the Semantic Web • Semantic Web and Linked Data for cloud environments 83 http://iswc2016.semanticweb.org/pages/calls/research-track.html
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Тренды 84
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 2013 год, журнал «Human-Computer Studies», спец. выпуск «25 лет получению знаний» 85 http://www.sciencedirect.com/science/journal/10715819/80 Гуру рефлексируют на тему работы со знаниями – прошлое, настоящее, будущее
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Материалы по теме 1. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. – СПб. и др. : Питер, 2000. – 384 с. 2. Гаврилова Т. А., Муромцев Д. И. Интеллектуальные технологии в менеджменте: Учеб. пособие. – СПб.: «Высшая школа менеджмента», Издат. дом СПбГУ, 2008. – 488 с. 3. Кудрявцев Д.В. Системы управления знаниями и применение онтологий: Учеб. пособие / СПб.: Изд-во Политехн. ун-та, 2010. – 343 с. 4. Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Системы управления знаниями (методы и технологии) – Томск: Изд-во НТЛ, 2005. – 260 с. 5. Хорошевский В. Ф., Семантические технологии: ожидания и тренды. – 2012. 6. Schreiber G., Akkermans H., Anjewierden A., R. de Hoog, Shadbolt N., W. van de Velde, Wielinga B. Knowledge Engineering and Management: The CommonKADS Methodology, The MIT Press, Cambridge, MA, 2000. – 455 p. 7. Сообщество практиков ONTOLOG http://ontologforum.org/ 8. Журнал «Онтология проектирования» 9. Редактор онтологий Protégé и сообщество http://protege.stanford.edu/ 10. Международная конференция Knowledge Engineering and Semantic Web (KESW) http://kesw.ru/ (для 2016 г. дедлайн по аннотациям – 15 апреля 2016 :) 86
87 СПАСИБО ЗА ВНИМАНИЕ ВОПРОСЫ? Дмитрий Кудрявцев dmitry.ku@gmail.com http://www.gsom.spbu.ru/faculty/prepodavateli_vshm_spbgu/kudryavcev/ http://www.linkedin.com/profile/view?id=17582861 https://twitter.com/kudryavtsev_d

More Related Content

PPTX
кудрявцев V3
NLPseminar
 
PDF
Инженерия организации на основе онтологического моделирования
Business_Engineering_Group
 
PDF
Дмитрий Кудрявцев ВШМ СПбГУ RKM- 2016 Дифференциация методов и инструментов КМ
valveindustryhub
 
PPTX
Defrag Panel _Filtering information through a social network _ Tamccann
T. A. McCann
 
PDF
Raport – Największe Zagrożenia Dla Bezpieczeństwa w Internecie w 2016 Roku.
Cybersecurity Foundation
 
PDF
[Infografico] 9 Passos Para um Perfil Campeao no Linkedin
Felipe Matheus
 
DOCX
Modul 5 dian haryanto 1407123394
dian haryanto
 
PDF
Technical excellence
Prayoch Rujira
 
кудрявцев V3
NLPseminar
 
Инженерия организации на основе онтологического моделирования
Business_Engineering_Group
 
Дмитрий Кудрявцев ВШМ СПбГУ RKM- 2016 Дифференциация методов и инструментов КМ
valveindustryhub
 
Defrag Panel _Filtering information through a social network _ Tamccann
T. A. McCann
 
Raport – Największe Zagrożenia Dla Bezpieczeństwa w Internecie w 2016 Roku.
Cybersecurity Foundation
 
[Infografico] 9 Passos Para um Perfil Campeao no Linkedin
Felipe Matheus
 
Modul 5 dian haryanto 1407123394
dian haryanto
 
Technical excellence
Prayoch Rujira
 

Viewers also liked (15)

PDF
Oltre parigi - AESS SaveAtWork
Luca Lombroso
 
PDF
Informal economy of india at a glance
Just.Jobs
 
PPTX
Memory
Aravinda Koithyar
 
PDF
Прайс-лист на Smm услуги
Вячеслав Богомолов
 
PPT
Ruby on Rails와 함께 하는 애자일 웹 개발
Sukjoon Kim
 
PDF
Mengenal allah lewat akal. indonesian. bahasa indonesia
HarunyahyaBahasaIndonesia
 
PDF
Emissor de NFCe - Nota Fiscal Eletronica + Daruma DR800L
Michael Belmonte
 
PPTX
Светлана Мухина "Metrics on agile projects"
Anna Shymchenko
 
PPTX
Intermediari Assicurativi 3.0 Lancio del 1° market-place insurance-arena.com®
insurance-arena.com®
 
DOC
Zaman batu, satu pembohongan sejarah. bahasa melayu
HarunyahyaBahasaMelayu
 
PDF
BIG BUZZ #2016
HERMANN DJOUMESSI, MA
 
PPTX
15.02.2016 Brainy. Органи чуття: інструменти та творці свідомості
ProstirChasopys
 
PDF
ZDG_CMO_folder_online_4_1
Hendrien van de Geest
 
PPTX
Produtos Amway
Vanderlei e Anderson - Amway
 
PPT
201011 발표자료(이회사에서나만제정신이야)
Kevin Kim
 
Oltre parigi - AESS SaveAtWork
Luca Lombroso
 
Informal economy of india at a glance
Just.Jobs
 
Memory
Aravinda Koithyar
 
Прайс-лист на Smm услуги
Вячеслав Богомолов
 
Ruby on Rails와 함께 하는 애자일 웹 개발
Sukjoon Kim
 
Mengenal allah lewat akal. indonesian. bahasa indonesia
HarunyahyaBahasaIndonesia
 
Emissor de NFCe - Nota Fiscal Eletronica + Daruma DR800L
Michael Belmonte
 
Светлана Мухина "Metrics on agile projects"
Anna Shymchenko
 
Intermediari Assicurativi 3.0 Lancio del 1° market-place insurance-arena.com®
insurance-arena.com®
 
Zaman batu, satu pembohongan sejarah. bahasa melayu
HarunyahyaBahasaMelayu
 
BIG BUZZ #2016
HERMANN DJOUMESSI, MA
 
15.02.2016 Brainy. Органи чуття: інструменти та творці свідомості
ProstirChasopys
 
ZDG_CMO_folder_online_4_1
Hendrien van de Geest
 
Produtos Amway
Vanderlei e Anderson - Amway
 
201011 발표자료(이회사에서나만제정신이야)
Kevin Kim
 
Ad

Similar to Понятийные системы в цифровом мире: что может знать компьютер? (20)

PPTX
Место информационных технологий в системе управления знаниями (курс в МЭСИ, 2...
Дмитрий Бастрон
 
PPTX
А.Левенчук -- Интеллект-стек: как создаётся Deus ex Machina
Anatoly Levenchuk
 
PDF
Role of Semantic Models in smarter industrial ops Chapter 2 of current MOM Ch...
Bill Bosler, P.E.
 
PDF
Экспертные системы: лекция №1
Laboratory of Information Science and Semantic Technologies
 
PPT
л 2 13
Kirill Bystrov
 
PPTX
Открытая лекция А. Левенчука
ASIMP
 
PPTX
А.Левенчук -- лекция о будущем (2014)
Anatoly Levenchuk
 
PPTX
Лекция 1_ РЭС_Презентация — копия.pptx
AssemNazirova2
 
PPTX
Введение в Искусственный Интеллект / Introduction into Artificial Intelligence
Роман Душкин
 
PDF
clssifying images using artificial intelligence
MohammadEnnab6
 
PPTX
SAP _ presentation about Machine learning
Alexey Lutokhin
 
PDF
Онтологии и информационная архитектура: соотношение терминов и потенциал совм...
Dmitry Kudryavtsev
 
PDF
BI Information Systems Directed Evolution
Igor Kholkin
 
PPTX
Мастер-класс: Системное мышление
CEE-SEC(R)
 
PPT
Искусственный интеллект
guestc1a3879b
 
PPTX
А.Левенчук -- будущее науки
Anatoly Levenchuk
 
PPTX
презентация холодилиной александры
Evgeniya18
 
PPT
Uncertainty and Contradiction in Multi-agent Systems
Catherine Vorobiova
 
PPTX
Экспертные системы
Отшельник
 
PPT
L12
Philippovich Andrey
 
Место информационных технологий в системе управления знаниями (курс в МЭСИ, 2...
Дмитрий Бастрон
 
А.Левенчук -- Интеллект-стек: как создаётся Deus ex Machina
Anatoly Levenchuk
 
Role of Semantic Models in smarter industrial ops Chapter 2 of current MOM Ch...
Bill Bosler, P.E.
 
Экспертные системы: лекция №1
Laboratory of Information Science and Semantic Technologies
 
л 2 13
Kirill Bystrov
 
Открытая лекция А. Левенчука
ASIMP
 
А.Левенчук -- лекция о будущем (2014)
Anatoly Levenchuk
 
Лекция 1_ РЭС_Презентация — копия.pptx
AssemNazirova2
 
Введение в Искусственный Интеллект / Introduction into Artificial Intelligence
Роман Душкин
 
clssifying images using artificial intelligence
MohammadEnnab6
 
SAP _ presentation about Machine learning
Alexey Lutokhin
 
Онтологии и информационная архитектура: соотношение терминов и потенциал совм...
Dmitry Kudryavtsev
 
BI Information Systems Directed Evolution
Igor Kholkin
 
Мастер-класс: Системное мышление
CEE-SEC(R)
 
Искусственный интеллект
guestc1a3879b
 
А.Левенчук -- будущее науки
Anatoly Levenchuk
 
презентация холодилиной александры
Evgeniya18
 
Uncertainty and Contradiction in Multi-agent Systems
Catherine Vorobiova
 
Экспертные системы
Отшельник
 
L12
Philippovich Andrey
 
Ad

More from Dmitry Kudryavtsev (13)

PDF
2020_Specifying K-maps through ontology engineering_IFKAD
Dmitry Kudryavtsev
 
PDF
Map of the Maps: Conceptualization of the Knowledge Maps
Dmitry Kudryavtsev
 
PDF
Using Enterprise Architecture Management Methods and Technologies for Knowled...
Dmitry Kudryavtsev
 
PDF
Representing strategic organizational knowledge via diagrams, matrices and on...
Dmitry Kudryavtsev
 
PDF
Knowledge management (KM) tools
Dmitry Kudryavtsev
 
PDF
Inter-university Academic Center of Competence on Enterprise Architecture ...
Dmitry Kudryavtsev
 
PDF
БИЗНЕС-АРХИТЕКТУРА: КОМПОНЕНТЫ, ПРИМЕНЕНИЕ, ИНСТРУМЕНТЫ МОДЕЛИРОВАНИЯ
Dmitry Kudryavtsev
 
PDF
Applying Quality Function Deployment method for business architecture alignment
Dmitry Kudryavtsev
 
PDF
Strategy-focused and value-oriented capabilities
Dmitry Kudryavtsev
 
PPT
Diagrammatic knowledge modeling for managers – ontology-based approach
Dmitry Kudryavtsev
 
PPT
The Ontology-based Business Architecture Engineering Framework
Dmitry Kudryavtsev
 
PPT
Systemic approach towards enterprise functional decomposition
Dmitry Kudryavtsev
 
PPT
From context to knowledge: consecutive mapping ontologies and contexts
Dmitry Kudryavtsev
 
2020_Specifying K-maps through ontology engineering_IFKAD
Dmitry Kudryavtsev
 
Map of the Maps: Conceptualization of the Knowledge Maps
Dmitry Kudryavtsev
 
Using Enterprise Architecture Management Methods and Technologies for Knowled...
Dmitry Kudryavtsev
 
Representing strategic organizational knowledge via diagrams, matrices and on...
Dmitry Kudryavtsev
 
Knowledge management (KM) tools
Dmitry Kudryavtsev
 
Inter-university Academic Center of Competence on Enterprise Architecture ...
Dmitry Kudryavtsev
 
БИЗНЕС-АРХИТЕКТУРА: КОМПОНЕНТЫ, ПРИМЕНЕНИЕ, ИНСТРУМЕНТЫ МОДЕЛИРОВАНИЯ
Dmitry Kudryavtsev
 
Applying Quality Function Deployment method for business architecture alignment
Dmitry Kudryavtsev
 
Strategy-focused and value-oriented capabilities
Dmitry Kudryavtsev
 
Diagrammatic knowledge modeling for managers – ontology-based approach
Dmitry Kudryavtsev
 
The Ontology-based Business Architecture Engineering Framework
Dmitry Kudryavtsev
 
Systemic approach towards enterprise functional decomposition
Dmitry Kudryavtsev
 
From context to knowledge: consecutive mapping ontologies and contexts
Dmitry Kudryavtsev
 

Понятийные системы в цифровом мире: что может знать компьютер?

  • 1. Понятийные системы в цифровом мире: что может знать компьютер? Кудрявцев Дмитрий 24 февраля 2016 г., Санкт-Петербург
  • 2. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 2
  • 3. 2016, Понятийные системы в цифровом мире Системы управления знаниями и применение онтологий 3 Кудрявцев Д.В. Системы управления знаниями и применение онтологий: Учеб. пособие / СПб.: Изд-во Политехн. ун-та, 2010. – 343 с. Аннотация Последовательно рассмотрены понятия знания, управления знаниями, системы управления знаниями. Представлен обзор современных методологий управления знаниями. Предложено применение онтологий и семантических технологий в системах управления знаниями. Описан процесс управления знаниями в организации. Дано описание задач, методов и программных средств для повышения эффективности процессов создания, накопления, распределения и использования знаний в организации. Рассмотрены вопросы структурирования и представления знаний, работы с метаданными, поиска информации, а также обмена неявными знаниями на предприятии. Систематизированы программные средства для работы со знаниями. Приведены примеры систем управления знаниями, а также указаны направления современных исследований в области представления и управления знаниями. Особое внимание уделено применению онтологий в системах управления знаниями. http://elib.spbstu.ru/dl/2/2982.pdf/info
  • 4. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Технологии бизнес-инжиниринга 4 Кудрявцев Д. В., Арзуманян М. Ю., Григорьев Л. Ю. Технологии бизнес-инжиниринга : учеб. пособие — СПб. : Изд-во Политехн. ун-та, 2014. — 427 с.
  • 5. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. План 1. Введение 2. Знания компьютера и роль понятийных систем 3. Сложности создания понятийных систем 4. Виды и примеры понятийных систем 5. Разработка и сопровождение понятийных систем 6. Использование понятийных систем 7. Актуальные темы исследований 5
  • 7. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Интеллектуальные помощники 7 Apple Siri (2011) Google Now (2012) Microsoft Cortana (2014) Amazon Alexa/Echo (2014) https://www.apple.com/ios/siri/ https://www.google.com/landing/now/ http://www.windowsphone.com/en-us/how-to/wp8/cortana/meet-cortana http://www.amazon.com/oc/echo/ Facebook M (2015)
  • 8. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 8
  • 9. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 9
  • 10. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. История Siri • Siri is using the results of over 40 years of research funded by DARPA via SRI International’s Artificial Intelligence Center through CALO project (2003~2008). • Siri technology has come a long way with dialog and natural language understanding, machine learning, evidential and probabilistic reasoning, ontology and knowledge representation, planning, reasoning and service delegation. • Siri was founded in 2007 (spin-off from SRI international) by Dag Kittlaus (CEO), Adam Cheyer (VP Engineering), and Tom Gruber (CTO/VP Design). 10
  • 11. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Технологические основы Siri 11
  • 12. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Взаимодействие в виде разговора 12
  • 13. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример автоматизации задачи 13
  • 14. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Подробнее 14
  • 15. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 15
  • 16. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Фрагмент активной онтологии 16
  • 17. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Инструмент для редактирования активной онтологии 17
  • 18. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Подробнее в трудах конференций 18 Guzzoni, D., Baur, C., & Cheyer, A. (2007). Modeling Human-Agent Interaction with Active Ontologies. In AAAI Spring Symposium: Interaction Challenges for Intelligent Assistants (pp. 52-59). Guzzoni, D., Baur, C., & Cheyer, A. (2006). Active: A unified platform for building intelligent web interaction assistants. In Web Intelligence and Intelligent Agent Technology Workshops, 2006. WI-IAT 2006 Workshops. 2006 IEEE/WIC/ACM International Conference on (pp. 417-420). IEEE.
  • 19. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Рассказ Тома Грубера о Siri 19 https://vimeo.com/5424527
  • 20. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Том Грубер – автор одной из наиболее цитируемых работ по онтологиям 20
  • 21. Знания компьютера и роль понятийных систем
  • 22. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Что знает компьютер • Что в него заложили • Что он автоматически вывел, на основе заложенных знаний • Чему он научился в результате индукции 22
  • 23. 2016, Понятийные системы в цифровом мире 23 Компоненты модели знаний / модели экспертизы (expertise model) Уровень задачи (Task knowledge) • Цели, решаемой задачи (Task goals) • Декомпозиция задачи (Task decomposition) • Порядок выполнения задачи (Task control) Уровень вывода (Inference knowledge) • Базовые элементы вывода • Роли Предметные знания (Domain knowledge) • Понятия / Типы • Отношения • Правила • Факты ДИАГНОСТИКА (задача) Выработка гипотезы (эл-т вывода) Верификация (эл-т вывода) Симптом (тип) Болезнь (тип) Тест (тип) Schreiber, A. T., Akkermans, J. M., Anjewierden, A. A., de Hoog, R., Shadbolt, N. R., van de Velde, W., & Wielinga, B. J. (2000). Knowledge Engineering and Management: the CommonKADS methodology. MIT press. Studer, R., Benjamins, V. R., & Fensel, D. (1998). Knowledge engineering: principles and methods. Data & knowledge engineering, 25(1), 161-197.
  • 24. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 24
  • 25. 2016, Понятийные системы в цифровом мире Предметные знания (Domain knowledge) 25 Состояние автомобиля Аккумулятор Заряд: {нормальный, низкий} Бензобак Статус: {полный, полупустой, пустой} Невидимое состояние автомобиля Видимое состояние автомобиля Работа двигателя Статус: {нормальная, не заводится, останавливается} Горючее в двигателе Статус: {да, нет} Электропитание Статус: {да, нет} Показания приборов Показатель топлива Правила: Бензобак . Статус = пустой  Горючее в двигателе . Статус = нет {Взаимозависимость состояний} Аккумулятор . Заряд = низкий  Электропитание . Статус = нет {Взаимозависимость состояний} Бензобак . Статус = пустой  Показатель топлива . Значение = 0 {Модель проявлений}
  • 26. 2016, Понятийные системы в цифровом мире Уровень задачи (Task knowledge) 26 Диагностика автомобиля Генерация и тестирование гипотез Задача Жалоба / Проблема Неисправность Обоснование Вход Выход Статистическая классификация Деревья решений Задача Метод решения (Problem Solving Method, PSM) Объяснение Предсказание Получение информации Сравнение Элементы вывода Обмен информацией Декомпозиция
  • 27. 2016, Понятийные системы в цифровом мире Уровень задачи (Task knowledge) 27 Объяснение Жалоба / Проблема Гипотеза / Возможное решение Двигатель не заводится Пустой бензобак Причинная модель Правила взаимозависимости состояний Предсказание Ожидаемые признаки Показатель топлива = 0 Получение информации Фактические наблюдения Сравнение Результат Показатель топлива = в норме Несовпадение Модель проявлений Правила проявлений
  • 28. 2016, Понятийные системы в цифровом мире Уровень вывода (Inference knowledge) 28 Объяснение Жалоба / Проблема Гипотеза / Возможное решение Элемент вывода Невидимое состояние автомобиля Видимое состояние автомобиля отображение (mapping) отображение (mapping) Роль (knowledge role) Роль (knowledge role) Понятие предметной области Понятие предметной области {Взаимозависимость состояний} отображение (mapping) Правила предметной области Причинная модель Связка предметных знаний с методами решения задачи
  • 29. 2016, Понятийные системы в цифровом мире 29 Место модели знаний в разработке системы на основе знаний Модель организации (проблемы и возможности, стратегия, оргструктура, бизнес-процессы, карта знаний), модель агента, модель задачи Модель знаний Модель коммуникации Проект системы (для реализации) Контекст Концептуальная модель Артефакт Система моделей в методологии CommonKADS
  • 30. 2016, Понятийные системы в цифровом мире 30 Повторное использование знаний Уровень задачи (Task knowledge) • Цели, решаемой задачи (Task goals) • Декомпозиция задачи (Task decomposition) • Порядок выполнения задачи (Task control) Уровень вывода (Inference knowledge) • Базовые элементы вывода • Роли Предметные знания (Domain knowledge) • Понятия / Типы • Отношения • Правила • Факты Gómez-Pérez, A., & Benjamins, R. (1999). Overview of knowledge sharing and reuse components: Ontologies and problem- solving methods. IJCAI and the Scandinavian AI Societies. CEUR Workshop Proceedings. Библиотеки методов решения проблем (Problem Solving Methods, PSM) Библиотеки онтологий (понятийных систем) предметных областей
  • 31. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Переход к понятию «сервис» 31
  • 32. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Semantic web (Семантический веб) 32
  • 33. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Статья в Scientific American про семантический веб и активизация интереса к понятийным системам, понятным компьютеру (2001 г.) 33 http://www.cs.man.ac.uk/~ezolin/logic/semantic_web_rus.html Перевод
  • 34. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Важность организации знаний «Именно организация знаний, а не скорость переработки, предельно низкая с точки зрения технических систем, дает ключ к пониманию, по крайней мере, части наших познавательных способностей.» Величковский Б.М. Когнитивная наука : Основы психологии познания : в 2 т. — Т. 2 — М. : Смысл : Издательский центр «Академия», 2006. — 432 с. 34
  • 36. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Различие в абстрактных моделях разных субъектов при рассмотрении одного и того же объекта 36 Источник: [Буч, 1998]
  • 37. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Наука о знаковых системах Семиотика, или семиология (от греч. Semeiotikon, от semeion – знак, признак) – наука, исследующая свойства знаковых систем и соответственно знаков (естественных и искусственных). Три основных аспекта изучения знака и знаковой системы, выделяемые семиотикой: 1) синтактика, изучающая отношения между знаками, т. е. внутренние свойства систем знаков (иначе, правила построения знаков в рамках знаковой системы); 2) семантика, изучающая отношения между знаками и обозначаемым предметом, т. е. содержанием знаков; 3) прагматика, изучающая отношения между знаком и человеком-пользователем знака: говорящим, слушающим, пишущим, читающим, т. е. назначение знаков. Примером знаков могут служить широко используемые в операционных системах ярлыки-иконки, например, ярлык с изображением принтера. Его изображение на экране является именем знака. Содержание знака может быть раскрыто с помощью перехода от имени к таблице, содержащей все нужные сведения о принтерах, а включение процедуры печати при щелчке по ярлыку принтера определяет назначение этого знака. 37
  • 38. 2016, Понятийные системы в цифровом мире Неоднозначность соответствия «знак – понятие – вещь (денотат)» 38 • Омонимия (один знак – разные несвязанные понятия и вещи), • Полисемия (один знак – разные, но связанные понятия и вещи), • Синонимия (разные знаки для одного понятия и/или вещи) «Семантический треугольник» Фреге
  • 39. 2016, Понятийные системы в цифровом мире Пример омонимии Знак Понятие Вещь Ягуар Ягуар (Животное) Ягуар (Напиток) Ягуар (Машина) ? один знак – разные несвязанные понятия и вещи 39
  • 40. 2016, Понятийные системы в цифровом мире Пример полисемии 40 «Капитальный ремонт» определения понятия, встречающиеся на одном из отечественных предприятий: - работы по техническому обслуживанию и ремонту оборудования, выполняемые в капитальный останов, т. е. останов производственной линии длительностью свыше 24-х часов. - ремонт, выполняемый для восстановления исправности и полного или близкого к полному восстановлению ресурса изделия с заменой или восстановлением любых его частей, включая базовые. один знак – разные, но связанные понятия и вещи
  • 41. 2016, Понятийные системы в цифровом мире Пример синонимии 41 разные знаки для одного понятия и/или вещи По материалам компании Future Models
  • 42. 2016, Понятийные системы в цифровом мире Потребность в общем языке 42 Для снижения представленной выше неоднозначности соответствия знак – понятие – вещь (денотат) необходим «общий язык», включающий в себя: • Строго определенный словарь лексических единиц (знаков), • Непротиворечивое понимание того, какие понятия обозначаются заданными лексическими единицами (знаками).
  • 43. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Определение понятия 43 Интенсионал понятия - это определение его через соотнесение с понятием более высокого уровня абстракции с указанием специфических свойств. Интенсионалы формулируют знания об объектах. Другой способ определяет понятие через соотнесение с понятиями более низкого уровня абстракции или перечисление фактов, относящихся к определяемому объекту. Это есть определение через данные, или экстенсионал понятия.
  • 44. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Где учат (учили) определять понятия? 44
  • 45. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Где учат (учили) определять понятия? 45
  • 46. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Формирование понятий на основе общих признаков 46 Понятие A 1 32 4 3 Понятие Б 5 6 Родовое понятие
  • 47. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Сложности определения понятий 47 Опыты Лурия А.Р. 30-е годы ХХ века Глухие кишлаки Средней Азии, Исследование людей, не подвергшихся влиянию науки и обучения научному мышлению
  • 48. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Сложности классификации понятий 48
  • 49. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Роль ситуативных факторов в классификации понятий 49 Поспелов Д. А. Ситуационное управление: теория и практика. – Наука. Гл. ред. физ.-мат. лит., 1986. «Приведенные эксперименты подчеркивают мысль о том, что не призначная структура, находящаяся в центре внимания специалистов по распознаванию образов, а ситуативное положение того или иного факта или объекта определяют его интерпретацию у человека, не имеющего дело с научными определениями и теориями» «В обычной жизни человек формирует понятия и организует системы классификации, как правило, на основе тех ситуаций, с которыми он сталкивается в своей повседневной деятельности и на основании тех прагматических признаков, учет которых важен для успешной её реализации». Д.А.Поспелов
  • 50. Виды и примеры понятийных систем
  • 51. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Разнообразие терминов 51 Глоссарий Классификатор Онтология Система организации знаний Тезаурус Модель информации Модель данных Справочные данные Концептуальная карта Архитектура информации Фолксономия Таксономия
  • 52. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Точки зрения на систематизацию терминов 52 Специалист по информационной науке («из библиотечного дела») Специалист по компьютерной науке Онтология Глоссарий Классификатор Тезаурус Концептуальная карта и др. Система организации знаний виды виды А есть ещё практики разрабатывающие ИС, управленцы…!
  • 53. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Онтологии как средство представления знаний Онтология в философии: - наука о бытии, о сущем. Онтология в информатике: - система понятий, их свойств и связей между ними. Понятная как человеку, так и компьютеру. Иногда дополняется правилами. Стандартные языки представления онтологий позволяют обмениваться формализованными знаниями. 53
  • 54. 2016, Понятийные системы в цифровом мире Онтология как общий словарь для коммуникаций Ягуар Животное является / пример … Лев Тигр 54
  • 55. 2016, Понятийные системы в цифровом мире Генная онтология, фрагмент, описание биологических процессов 55 http://geneontology.org/
  • 56. 2016, Понятийные системы в цифровом мире Онтология научной деятельности SWRC (Semantic Web Research Community) 56
  • 57. 2016, Понятийные системы в цифровом мире Виды онтологий по глубине проработки Каталоги на основе ID Глоссарий Отношение «Выше-Ниже» Неформальные таксономии Формальные таксономии Формальные экземпляры Свойства классов/понятий Ограничения на значения Произвольные логические ограничения Дизъюнктивные классы, Обратные свойства О. Лассилла, Д. МакГинесс 57
  • 58. 2016, Понятийные системы в цифровом мире Пример неформальной таксономии пиццы 58
  • 59. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Формальная таксономия пиццы 59 точное определение отношения ПОДКЛАСС-КЛАСС http://wordnetweb.princeton.edu/
  • 60. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Взаимосвязи между понятиями: concept map 60
  • 61. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Ограничения на область значений свойств 61
  • 62. 2016, Понятийные системы в цифровом мире Логические утверждения о концептах – аксиомы 62 Класс, который имеет только необходимые условия в описании
  • 63. 2016, Понятийные системы в цифровом мире Логические утверждения о концептах – аксиомы 63 Класс, имеющий по крайней мере один набор необходимых и достаточных условий
  • 64. 2016, Понятийные системы в цифровом мире Автоматизированная классификация 64
  • 65. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Систематизация терминов на основе структурных особенностей 65 Типы отношений Глоссарий Классифика- ционная система Mind Map Тезаурус Концепт. карта Модель / схема данных Онтология Эквивалентность Да Да Да +/- Да Синонимы Да Да Да +/- Да Антонимы Да +/- Да Иерархия Да Да Да Да Да Да Шире-Уже Да Да Да Да Да Да Класс-подкласс +/- +/- Да Да Да Да Часть-Целое +/- Да Да Да Да Экземпляр +/- +/- Да Да Ассоциативные связи Да Да Да Да “см. также” +/- Да Да Да Да другие типы (напр., выполняет, создает, влияет) Да Да Да Свойства элементов Да Да Да Логические ограничения Да На основе Stock W. G. Concepts and semantic relations in information science //Journal of the American Society for Information Science and Technology. – 2010. – Т. 61. – №. 10. – С. 1951-1969.
  • 66. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример: Российский классификатор информации об общероссийских классификаторах 66
  • 67. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример: Российский классификатор информации об общероссийских классификаторах 67
  • 68. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример: Общероссийский классификатор продукции по видам экономической деятельности 68 http://www.okpd2.info/classifier/ "ОК 034-2014 (КПЕС 2008). Общероссийский классификатор продукции по видам экономической деятельности" (утв. Приказом Росстандарта от 31.01.2014 N 14-ст) (ред. от 26.05.2015)
  • 69. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Пример: Тезаурус по искусству и архитектуре 69 http://www.getty.edu/research/tools/vocabul aries/aat/index.html
  • 70. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Репозиторий биологических и биомедицинских онтологий Open Biomedical Ontologies (OBO) 70
  • 72. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Методология разработки онтологий для новичков Шаг 1. Определение области и масштаба онтологии Шаг 2. Рассмотрение вариантов повторного использования существующих онтологий Шаг 3. Перечисление важных терминов в онтологии Шаг 4. Определение классов и иерархии классов Шаг 5. Определение свойств классов (слотов) Шаг 6. Определение ограничений на значения свойств (слотов) Шаг 7. Создание экземпляров 72
  • 73. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 73 Методологии: Ограничения и перспективы развития • Cyc method • Uschold & King method • Gruninger & Fox’s methodology • METHONTOLOGY • SENSUS method • On-To-Knowledge • DILIGENT ©Asuncion Gomez-Perez Динамика Контекст Совместная работа  Ни одна методология не учитывает три аспекта одновременно.  Недостаточная поддержка ВСЕГО жизненного цикла работы с онтологиями. ~ 2006 год, начало разработки методологии NeOn
  • 74. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Сценарии создания сети онтологий в методологии NeOn 74
  • 75. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Сценарии создания онтологий Сценарий 1: Создание сети онтологий «с нуля» без использования существующих ресурсов Сценарий 2: Создание сети онтологий путем повторного использования «неонтологических» ресурсов (поле знаний, не доведенное до уровня онтологии или ее фрагментов); Сценарий 3: Создание сети онтологий путем повторного использования существующих онтологий или модулей; Сценарий 4: Создание сети онтологий путем повторного использования и реинжиниринга существующих онтологий или модулей; Сценарий 5: Создание сети онтологий путем повторного использования и объединения существующих онтологий или модулей; Сценарий 6: Создание сети онтологий путем повторного использования, объединения и реинжиниринга существующих онтологий или модулей; Сценарий 7: Создание сети онтологий путем реструктуризации существующих онтологий или модулей; Сценарий 8: Создание сети онтологий путем локализации существующих онтологий или модулей. 75
  • 76. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Методы отображения онтологий (ontology mapping) 76
  • 77. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Методы оценки онтологий 77 На основе материала Горового В. и Болотниковой Е.
  • 78. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Автоматизированное формирование и наполнение онтологий Ontology learning and Ontology population 78 Cimiano P. (2006) Ontology Learning and Population from Text: Algorithms, Evaluation and Applications. Springer. Maedche A. (2012). Ontology learning for the semantic web (Vol. 665). Springer Science & Business Media. Разработка и подбор алгоритмов для каждого уровня:
  • 79. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. и много других задач… 79 На русском: Глоссарий предметной области «Онтологическое моделирование»
  • 80. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Использование понятийных систем • Интеграция информации • Семантический поиск • Организация документов/контента • Обработка естественного языка • Разработка интеллектуальных систем • Обучение (людей) • Проектирование и настройка информационных систем • Моделирование и проектирование • Стратегическое управление ИТ (и бизнесом) 80
  • 82. 2016, Понятийные системы в цифровом мире Тренды - Тематики профильных конференций "Knowledge in evolving and local contexts" • Model evolution – Ontology evolution – Ontology debugging – Ontology change management and versioning – Ontology usage trends • Methods and methodologies for time awareness, such as: – Modelling of time-indexed knowledge – Ontology design patterns for time-indexed knowledge – Reasoning over time-indexed knowledge – Stream processing and stream reasoning – Event processing • Methods and methodologies for context awareness, such as: – Modelling of contextualised knowledge – Ontology design patterns for representing context – Reasoning with context – Context-aware knowledge-based applications • Lessons learned from case studies, e.g.: – Knowledge management in large organizations – Adoption of semantic web technologies – Maintenance of corporate knowledge repositories – … 82 Knowledge Engineering and Acquisition • Tools and methodologies for ontology engineering • Ontology design patterns • Ontology localization • Ontology alignment • Knowledge authoring and semantic annotation • Knowledge acquisition from non-ontological resources (thesauri, folksonomies etc.) • Semi-automatic knowledge acquisition, e.g., ontology learning • Mining the Semantic Web and the Web of Data • Ontology evaluation and metrics • Uncertainty and vagueness in knowledge representation • Dealing with dynamic, distributed and emerging knowledge Social and Cognitive Aspects of Knowledge Representation • Similarity and analogy-based reasoning • Knowledge representation inspired by cognitive science • Synergies between humans and machines • Knowledge emerging from user interaction and networks • Knowledge ecosystems • Expert finding, e.g., by social network analysis • Trust and privacy in knowledge representation • Collaborative and social approaches to knowledge management and acquisition • Crowdsourcing in knowledge management http://ekaw2016.cs.unibo.it/
  • 83. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Тренды - Тематики профильных конференций Topics • Database, information retrieval, information extraction, natural language processing and artificial intelligence techniques for the Semantic Web • Knowledge graph creation, reasoning, and usage • Knowledge representation and reasoning on the Web • Scalable management of semantics and data on the Web, including Linked Data • Semantic Web data analysis • Languages, tools, and methodologies for representing and managing semantics and data on the Web • Architectures and algorithms for extreme volume, heterogeneity, dynamicity, and decentralization of Semantic Web data • Cleaning, quality assurance, and provenance of Semantic Web data, services, and processes • Ontology-based data access and integration/exchange on the Web • Ontology engineering and ontology patterns for the Web • Ontology modularity, mapping, merging, and alignment for the Web • Searching and querying the Semantic Web • Supporting multi-linguality in the Semantic Web • User interfaces and interaction with semantics and data on the Web • Information visualization and exploratory analysis methods for Semantic Web data • Personalized access to Semantic Web data and applications • Social semantics methods and applications • Geospatial semantics and data on the Web • Data streams and the Internet of Things • Semantic technologies for mobile platforms • Trust, privacy, and security on the Semantic Web • Semantic Web and Linked Data for cloud environments 83 http://iswc2016.semanticweb.org/pages/calls/research-track.html
  • 84. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Тренды 84
  • 85. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 2013 год, журнал «Human-Computer Studies», спец. выпуск «25 лет получению знаний» 85 http://www.sciencedirect.com/science/journal/10715819/80 Гуру рефлексируют на тему работы со знаниями – прошлое, настоящее, будущее
  • 86. 2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. Материалы по теме 1. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. – СПб. и др. : Питер, 2000. – 384 с. 2. Гаврилова Т. А., Муромцев Д. И. Интеллектуальные технологии в менеджменте: Учеб. пособие. – СПб.: «Высшая школа менеджмента», Издат. дом СПбГУ, 2008. – 488 с. 3. Кудрявцев Д.В. Системы управления знаниями и применение онтологий: Учеб. пособие / СПб.: Изд-во Политехн. ун-та, 2010. – 343 с. 4. Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Системы управления знаниями (методы и технологии) – Томск: Изд-во НТЛ, 2005. – 260 с. 5. Хорошевский В. Ф., Семантические технологии: ожидания и тренды. – 2012. 6. Schreiber G., Akkermans H., Anjewierden A., R. de Hoog, Shadbolt N., W. van de Velde, Wielinga B. Knowledge Engineering and Management: The CommonKADS Methodology, The MIT Press, Cambridge, MA, 2000. – 455 p. 7. Сообщество практиков ONTOLOG http://ontologforum.org/ 8. Журнал «Онтология проектирования» 9. Редактор онтологий Protégé и сообщество http://protege.stanford.edu/ 10. Международная конференция Knowledge Engineering and Semantic Web (KESW) http://kesw.ru/ (для 2016 г. дедлайн по аннотациям – 15 апреля 2016 :) 86
  • 87. 87 СПАСИБО ЗА ВНИМАНИЕ ВОПРОСЫ? Дмитрий Кудрявцев dmitry.ku@gmail.com http://www.gsom.spbu.ru/faculty/prepodavateli_vshm_spbgu/kudryavcev/ http://www.linkedin.com/profile/view?id=17582861 https://twitter.com/kudryavtsev_d