Kỷ yếu hội nghị khoa học nghiên cứu sinh công nghệ thông tin

Hội nghị Khoa học Nghiên cứu sinh Công nghệ Thông tin, 2012 - Hội nghị Khoa học Nghiên cứu sinh Công nghệ Thông tin, 2012 - Các Phương pháp Lập luận Tích hợp Ontology Mờ Trương Hải Bằng Trường Đại học Công nghệ Thơng tin, Đại học quốc gia TP.HCM bangth@uit.edu.vn Tóm tắt Ontology có vai trị quan trọng việc tổ chức quản lý tri thức lĩnh vực nghiên cứu ứng dụng khác Tri thức Ontology thu hút quan tâm nghiên cứu nhà khoa học giới Tuy nhiên, khái niệm ontology truyền thống cịn thiếu khả biểu diễn thơng tin mờ lĩnh vực tri thức không chắn Mặt khác tốn lập luận tích hợp ontology mờ cịn vấn đề có nhiều trao đổi nghiên cứu lý thuyết lẫn ứng dụng Bài báo đề xuất mơ hình ontology mờ nhằm hướng đến giải toán tích hợp ontology mờ dựa lý thuyết đồng thuận trình giải mâu thuẫn ontology mờ số kết nghiên cứu gần Giới thiệu Ontology đóng vai trị thiết yếu trình trao đổi tri thức hệ thống thông tin phân tán Để thực điều cách hiệu quả, ontology phân tán cần phải tích hợp lại Tuy nhiên tích hợp ontology trình phức tạp, tính chất đa dạng cấu trúc Do tích hợp ontology toán nhiều nhà nghiên cứu quan tâm theo hướng tiếp cận khác [13] Với mục tiêu tích hợp ontology, định nghĩa sau sử dụng Ontotlogy tứ xác định thành phần sau [19]: O = (C, I, R, Z),  C tập hợp khái niệm(concepts);  I tập hợp thực thể (instances);  R tập hợp quan hệ hai định nghĩa C;  Z tập hợp luật biểu diễn ràng buộc toàn vẹn mối quan hệ thực thể khái niệm quan hệ R Ontology dựa logic mô tả truyền thống, không đủ khả để mô tả thông tin mờ, đại diện đầy đủ xử lý tri thức khơng chắn, thơng tin khơng xác miền ứng dụng khác Năm 2006, Straccia [25] dựa vào tảng logic mô tả lý thuyết tập mờ Zadeh [26] đưa logic mô tả mờ (Fuzzy Description Logic) nhằm phục vụ cho việc xử lý tri thức không chắn Web ngữ nghĩa Từ việc nghiên cứu phát triển logic mô tả mờ sở cho việc biểu diễn tri thức lập luận đặt Trong nghiên cứu mình, Calegari Ciucci [23], [24] đề cập đến phương pháp tích hợp logic mô tả mờ Transactions of the UIT Doctoral Workshop, Vol 1, pp.1-14, 2012 Trương Hải Bằng vào ontology truyền thống để mở rộng ontology phù hợp cho việc giải vấn đề suy luận không chắn vấn đề cần thiết để xây dựng ontology mờ cho Web ngữ nghĩa Sự khác biệt ontology ontology mờ cho phép phân biệt mức độ khác mô tả khái niệm quan hệ chúng giới thực Các nghiên cứu ontology mờ phân thành hai nhóm cơng trình Nhóm thứ bao gồm phương pháp tiếp cận dựa logic, cụ thể logic mô tả mờ [16], [20] Nhóm thứ hai sử dụng tiếp cận khơng-logic [14] Nhóm đề xuất mơ hình ontology mờ mơ tả khái niệm mờ hóa mức độ giá trị thuộc tính cách sử dụng hàm thành viên mờ [27]-[29] Trong nhóm Blanco [15] đề xuất mơ hình ontology linh hoạt cho phép lưu trữ thông tin mờ sở liệu Đề xuất cho phép người dùng quản lý thơng tin khơng xác Trong phần tiếp theo, chúng tơi trình bày nghiên cứu liên quan đến phương pháp lập luận tích hợp tri thức ontology mờ Trong phần trình bày vấn đề liên quan phương pháp lập luận tích hợp ontology mờ Phần đề xuất phương pháp sử dụng lý thuyết đồng thuận để tích hợp ontology mờ số kết nhóm tác giả cơng bố gần [31]-[34] Cuối nghiên cứu thời gian Các Cơng trình Liên quan Các cơng trình tích hợp ontology từ năm 2009 đến trình bày[1]-[12] Các nghiên cứu tập trung đề cập vấn đề tích hợp ontology theo phương pháp khác so khớp, ánh xạ trộn ontology tùy thuộc vào ứng dụng cụ thể chủ yếu liên quan đến web ngữ nghĩa, truy vấn thông tin Các phương pháp tiếp cận để tích hợp ontology trình bày khơng thể tiêu chí cách rõ ràng cho q trình tích hợp, thuật tốn tích hợp liên quan đến nghiên cứu ứng dụng thực tế cho vấn đề cụ thể Hiện có nhiều định nghĩa tích hợp ontology định nghĩa nhiều nghiên cứu tham khảo [19] phát biểu sau: Cho n ontologies O1, ,On ta cần xác định ontology O* tốt đại diện cho cho ontology O1, ,On Để thực điều tùy thuộc vào ứng dụng mục tiêu nghiên cứu, cần tiến hành kỹ thuật sau: Các Phương pháp Lập luận Tích hợp Ontology Mờ So khớp ontology: tìm tương ứng khái niệm quan hệ ontology Quá trình sử dụng cần giao tiếp trao đổi hai hệ thống muốn sử dụng thông tin hệ thống thứ hai cho người dùng hệ thống thứ Được sử dụng nhiều công việc khác trộn ontology, trả lời truy vấn, dịch liệu, duyệt web ngữ nghĩa [1], [3], [4], [8], [10] Ánh xạ ontology: biểu diễn tương ứng các khái niệm quan hệ hai ontology trình chiều, chuyển khái niệm quan hệ từ ontology sang ontology khác Định nghĩa phù hợp với định nghĩa ánh xạ toán học, tương ứng khái niệm quan hệ ontology nguồn ontology đích [6], [7], [9], [12] Trộn ontology: trình tạo ontology từ ontology khác Được sử dụng cần tích hợp số hệ thống để tạo hệ thống [5], [11], [21], [22] Xung đột ontology: q trình tích hợp ontology thơng thường cần phải giải xung đột (không thống nhất) thực thể, khái niệm quan hệ ontology [16], [17], [19], [21], [22], [30]-[34] Các Khái niệm Liên quan 3.1 Định nghĩa Ontology Mờ Cho (A,V) giới thực, A tập hữu hạn thuộc tính, V miền giá trị A, , Va miền giá trị thuộc tính a Ontology mờ định ⋃ nghĩa sau [30], [32], [34]: Fuzzy ontology = (C, R, Z),  C tập hữu hạn khái niệm Một khái niệm ontology mờ định nghĩa tứ: (c, Ac, Vc, fc), với c tên khái niệm, Ac  A tập thuộc tính mơ tả khái niệm, Vc  V miền giá trị thuộc tính: fc hàm thành viên mờ: fc: Ac[0,1] biểu diễn mức ⋃ thuộc tính mơ tả khái niệm c Bộ (Ac, Vc, fc) gọi cấu trúc mờ c  R tập quan hệ mờ khái niệm, R = {R1, R2,…, Rm}, Ri  C C (0,1], i = 1, 2, ,m Một quan hệ tập bao gồm cặp khái niệm giá trị mờ biểu diễn mức độ quan hệ chúng Mối quan hệ Ri hai khái niệm ontology biểu diễn giá trị mờ nhất, nghĩa (c, c, v) Ri (c, c, v) Ri v = v  Z tập hợp tiên đề, hiểu ràng buộc toàn vẹn mối quan hệ khái niệm tập hợp hạn chế hay điều kiện (cần đủ) để xác định khái niệm C 3.2 Các Phương pháp Tích hợp Ontology Trong trình thực so khớp, ánh xạ, trộn xung đột ontology cần phải giải hai hai vấn đề sau:  Các ontology cho đồng dạng (Similarity) với đến mức độ nào? Trương Hải Bằng  Những mâu thuẫn thường xuất ontology nào? Các phương pháp xác định mức độ đồng dạng ontology Các phương pháp xác định mức độ đồng dạng ontology bao gồm kỹ thuật sau:  Kỹ thuật dựa chuỗi;  Kỹ thuật dựa ngôn ngữ;  Kỹ thuật dựa cấu trúc;  Kỹ thuật dựa ngữ nghĩa Một cách tiếp cận đơn giản để liên kết hai ontology khái niệm thuộc ontology phải so khớp với tất khái niệm ontology khác nhằm đưa định có hay khơng cặp khái niệm đồng dạng với Thuật tốn có độ phức tạp O(n2), n số lượng khái niệm ontology Để khắc phục hạn chế phép tốn so khớp ontology mờ chúng tơi đề xuất thuật toán dựa khái niệm phần chung tiềm viết tắt PCP (potentially common parts) có độ phức tạp tính tốn O(nlog(n)) [34] Một số khái niệm: Khoảng cách PCP Giả sử P1 = c1, c2, , cn P’2 = c’1, c’2, , c’n tập khái niệm PCP thuộc hai ontologies tương ứng O O2 Khoảng cách nhỏ cho cặp khái niệm tương ứng theo tiếp cận PCP định nghĩa sau: ∑ D0(P1,P2) = ∑ (1) Với K={cjP2|d(ci,cj)threshold, ciP1}, đó: Độ quan trọng khái niệm : CI(c) = AI(c) + RI(c)+ bias (2) Độ quan trọng thuộc tính : AI(c) = ∑ (3) Độ quan trọng quan hệ : RI(c) = ∑ (4) Phương pháp so khớp: Nếu D(P1,P2) nhỏ nhất, suy cặp khái niệm (ci, cj) có khả tương đương, cần kiểm tra tương đương cho cặp khái niệm (ci, cj) P1 P2 Để tìm khái niệm có khả tương đương, sử dụng công thức đệ quy sau: Dk+1(P1,P2) = Dk(P1,P2) + E(P1,P2) (5)  Dk+1-D0>threshold (vượt ngưỡng cho trước)  E(P1, P2) trọng số tăng so khớp lại P P2 Quy tắc tính tương đương theo tiếp cận PCP: Quy tắc 1: Tính tương đương cặp khái niệm có đường đánh dấu bảng Nếu so khớp, loại khỏi bảng, tính lại D0và cập nhật Dk+1 Quy tắc 2: Nếu đường đánh dấu, tính độ tương đương cho cặp khái niệm theo khoảng cách nhỏ Nếu so khớp loại khỏi dòng cột tương ứng, cập nhật lại bảng , tính lại D0, Dk+1 Quy tắc 3: Nếu Dk+1 - D0 > Threshold tất cặp khái niệm so khớp Ý tưởng thuật toán: Bắt đầu từ cặp khái niệm so khớp duyệt khái niệm theo mối quan hệ kiến trúc ontology theo mức cụ thể để xác định phần chung tiềm ban đầu Quá trình lan truyền đến cặp khái niệm lân cận kết tập hợp xếp khái niệm tập hợp kết nối ngữ nghĩa hai đồ thị gọi phân đoạn Để so sánh giống cặp khái niệm Các Phương pháp Lập luận Tích hợp Ontology Mờ ontology láng giềng trình lặp lặp lại thuật toán thỏa mãn "hoặc tất khái niệm thu thập liên kết tìm thấy, khơng có cặp liên kết " Thuật tốn PCP: input: Hai ontologyO1 O2, hai Medoids, mức DepthLevel output: Tập khái niệm so khớp C* = ⋃ , Ci O1 O2; For cặp Medoidsor C* Nếu medoids Similarity ≥ Threshold * then RealMatch = , i=1 n; j=1 m CommonPart =⋃ ; CommonPart = ⋃ ; Tính CI CommonPart CommonPart theo công thức (2,3,4); For với C1kCommonPart 1, C2hCommonPart Table