Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Ontologias: Introdução
Karin Breitman – PUC-Rio
2
Referências Ontology Design Patterns and Problems: Practical Ontology Engineering using Protege-OWL - Alan Rector, Natasha Noy, Holger Knublauch, Guus Schreiber, Mark Musen John Sowa Web Pages – John Sowa My Experience in Building Ontology-driven Applications - Harry Chen, eBiquity Group Meeting, February 9, 2004 Foundations of the Semantic Web: Ontology Engineering – Alan Rector et al – CS646 Ontology Development 101 – Noy, N.; McGuiness, D. – A guide to creating your first ontology – KSL Technical Report, Standford University, 2001 Ontological Engineering - Gómez-Pérez, A.; Fernadéz-Peréz, M.; Corcho, O. -Springer Verlag Software Engineering Lab (LES) – PUC-Rio
3
KR and methodologies Procedural Knowledge: Knowledge is encoded in functions/procedures. For example: function Person(X) return boolean is if (X = ``Socrates'') or (X = ``Hillary'') then return true else return false; Or function Mortal(X) return boolean is return person(X); Networks: A compromise between declarative and procedural schemes. Knowledge is represented in a labeled, directed graph whose nodes represent concepts and entities, while its arcs represent relationships between these entities and concepts. Frames: Much like a semantic network except each node represents prototypical concepts and/or situations. Each node has several property slots whose values may be specified or inherited by default. Logic: A way of declaratively representing knowledge. For example: person(Socrates). person(Hillary). forall X [person(X) ---> mortal(X)] DL, FOL, SOL Adapted from Deepak Kumar (Bryn Mayr)
4
Modeling Some of the knowledge is lost when it is placed into any particular structure, or may not be reusable (e.g. Frames) So, you may ask something that cannot be answered or inferred Knowledge evolves, i.e. changes Knowledge and understanding is very often context dependent (and discipline, language, and skill-level dependent, and …)
5
And, if you are used to logic
You are working mostly within the world of logic, whereas we are trying to represent knowledge with logic and we are usually dealing with tangible objects, such as trees, clouds, rock, storms, etc. Because of this, we have to be very careful when translating real things into logical symbols - this can, surprisingly, be a difficult challenge. Consider your method of representation (yes, we do want to compute with it) Adapted from Conrad Barski under CC license.
6
Thus A person who wants to encode knowledge needs to decouple the ambiguities of interpretation from the mathematical certainty of (any form of) logic. The nature of interpretation is critical in formal knowledge representation and is carefully formalized by KR scientists in order to guarantee that no ambiguity exists in the logical structure of the represented knowledge. Adapted from Conrad Barski under CC license.
7
Representing Knowledge With Objects
Take all individuals that we need to keep track of and place them into different buckets based on how similar they are to each other. Each bucket is given a descriptive based on what objects it contains. Since the individuals in a given bucket are at least somewhat similar, we can avoid needing to describe every inconsequential detail about each individual. Instead, properties that are common to all individuals in a bucket can just be assigned to the entire bucket at once. Properties are typically either primitive values (such as numbers or text strings) or may be references to other buckets. Adapted from Conrad Barski under CC license.
8
Representing Knowledge With Objects
Some buckets will be more similar to each other than others and we can arrange the buckets into a hierarchy based on the similarity. If all buckets in a branch in the tree of buckets share a property, the information can be further simplified by assigning the property only to the parent bucket. Other buckets (and individuals) are said to inherit that property. Buckets may have different names: e.g. Classes, Frames, or Nodes BUT, once we move to (e.g.) DL, not all object rules apply, e.g. cannot override properties Multiple inheritance is not always obvious to people Adapted from Conrad Barski under CC license.
9
Web Semântica A maior parte dos recursos primários estão em linguagem natural, compreensíveis para humanos. Software Engineering Lab (LES) – PUC-Rio
10
Web Semântica Web Semântica
“A Web Semântica é uma EXTENSÃO da web atual na qual é dado a informação um SIGNIFICADO bem definido, permitindo com que computadores e pessoas trabalhem em cooperação.” Berners-Lee, Hendler e Lassila "The Semantic Web is an extension of the current web in which information is given well-defined meaning, better enabling computers and people to work in cooperation." Software Engineering Lab (LES) – PUC-Rio
11
Re-enter Semantic Web At its core, the Semantic Web can be thought of as a methodology for linking up pieces of structured and unstructured information into commonly-shared description logics ontologies. Adapted from Conrad Barski under CC license.
12
Como humanos enxergam esta página
Software Engineering Lab (LES) – PUC-Rio
13
Como o computador enxerga esta página
Software Engineering Lab (LES) – PUC-Rio
14
A Web de hoje 8 bilhões de páginas
Mecanismos de busca: Yahoo, Google, AltaVista... Nenhum mecanismo para “interpretar” o resultado das buscas. Software Engineering Lab (LES) – PUC-Rio
15
Cenário: busca pela palavra “morango”
Did you mean: morongo :: Morango :: - "As fotos aqui veiculadas, bem como os textos, frames, sinais distintivos, logotipo e marca são de propriedade do site Morango.com.br. ... :: Morango -... Divirta-se! "As fotos aqui veiculadas, bem como os textos, frames, sinais distintivos, logotipo e marca são de propriedade do site Morango.com.br. ... deviantART: morango ~morango. Joana Vieira. is an Antagonist; is Female; is a deviant since Aug 8, 2002, 2:02 PM; has 9,972 pageviews; is located in Portugal; kv k'pow! STRABERRY Morango MORANGO - fruto produzido por erva rasteira, Fragancia vesca, originária da Europa, possui inúmeras variedades naturais e híbridas. ... California Casino Morango California Casino Morango ( Casino ). Casino Shop for Casino from 600+ merchants with one cart. Hundreds of trusted merchants. Thousands of popular brands. ... vof Morango - smakelijke aardbeien, vers, vertrouwd en ... vers. aardbeien zijn het lekkerst als ze vers zijn. van eind april tot in november plukken wij ze dagelijks voor u. vertrouwd. van aardbeien ... Batida Morango recipe A delicious recipe for Batida Morango, with cachaca, strawberries, granulated sugar and crushed ice. Also lists similar drink recipes. ... Batida Morango recipe. ... Software Engineering Lab (LES) – PUC-Rio
16
Web Sintática Biblioteca Digital
Uma biblioteca de documentos chamados páginas (web pages) interconectados por links Base de Dados, plataforma para aplicações Portal comum para aplicações acessíveis através de páginas web e que apresentam resultados utilizando estas mesmas páginas. Plataforma multimídia Internet Radio, Trailers de filmes, … Um esquema de nomeação Identidade única para documentos RESUMO: Um lugar onde os computadores são responsáveis pela APRESENTAÇÃO (o fácil) e as pessoas fazem a INTERPRETAÇÃO (o difícil) Por que não fazer com que os computadores fiquem com a parte mais pesada do trabalho? Software Engineering Lab (LES) – PUC-Rio Ref: Goble
17
Combinar recursos primários com recursos de metadados.
Web Semântica Metadados. Combinar recursos primários com recursos de metadados. Metadados em formato padronizado podem ser entendidos por software e pessoas. Software Engineering Lab (LES) – PUC-Rio
18
Web Semântica - Objetivos
“enriquecer a informação disponível com semântica que pode ser entendida por máquinas “ “fornecer acesso inteligente a informação heterogênea e distribuída, permitindo que produtos de software possam fazer uma intermediação entre as necessidades do usuário e as fontes de informação disponíveis. “ ontologia Software Engineering Lab (LES) – PUC-Rio
19
Semantic Web Layers
20
Elements of KR in Semantic Web
Declarative Knowledge Statements as triples: {subject-predicate-object} interferometer is-a optical instrument Fabry-Perot is-a interferometer Optical instrument has focal length Optical instrument is-a instrument Instrument has instrument operating mode Instrument has measured parameter Instrument operating mode has measured parameter NeutralTemperature is-a temperature Temperature is-a parameter A query: select all optical instruments which have operating mode vertical An inference: infer operating modes for a Fabry-Perot Interferometer which measures neutral temperature
21
Ontologia Software Engineering Lab (LES) – PUC-Rio
22
Tipos de ontologia Software Engineering Lab (LES) – PUC-Rio Ref: Noy
23
Ontologia Estudo do que existe – being Platão – metafísica
Aristóteles categorias Ontologia: século XVII Onto (o que existe) + Logos (conhecimento sobre) Software Engineering Lab (LES) – PUC-Rio
24
Categorias de Aristóteles
Substância Um gato Qualidade O gato é preto Quantidade O gato tem 50cm de comprimento Relação O gato tem metade do tamanho de um.... Onde O gato está em casa Quando O gato saiu ontem Posição O gato está sentado Possuir O gato tem um rato Ação O gato está correndo Sentimento O gato quer leite. Software Engineering Lab (LES) – PUC-Rio
25
Árvore de Porfírio Software Engineering Lab (LES) – PUC-Rio
26
Propósito Uma ontologia define: Vocabulário Compartilhado
Entendimento Comum Software Engineering Lab (LES) – PUC-Rio
27
Ontologia x ontologia [Guarino98]
Filosofia Disciplina Ontologia Ciência da Computação Artefato ontologia (o minúsculo) Software Engineering Lab (LES) – PUC-Rio
28
Ontologia = Modelo Conceitual
Mundo Computacional Mundo Real Gap Semântico Software Engineering Lab (LES) – PUC-Rio
29
Desenvolvimento de Ontologias
Em geral é mais difícil desenvolver uma ontologia do que desenvolver software: Não existem boas métricas de avaliação de ontologias Um programa é bom se roda, uma ontologia é boa se funciona com um progarama rodando. Em geral se escreve um programa DEPOIS de desenvolver a ontologia Ovo-Galinha Software Engineering Lab (LES) – PUC-Rio Ref: Harry Chen
30
Ontologias X Modelos OO
Reflete a estrutura do Mundo Real Foco: estrutura dos conceitos A representação física de fato não é importante Modelos Orientados a Objetos Refletem a estrutura dos dados e do código Foco: comportamento (métodos) Descrevem a representação física dos dados (long int, char, etc...) Software Engineering Lab (LES) – PUC-Rio Ref: Noy
31
Continuum Semântico Formal Implícito Informal Formal
Consenso Humano Compartilhado Semântica processada por humanos Formal (para humanos) Semântica processada por máquinas Descrições textuais Implícito Informal (explícito) Formal (para máquinas) mais para direita Menos ambiguidade Melhor interoperação Mais robusto Mais difícil Software Engineering Lab (LES) – PUC-Rio [Mike Uschold, Boeing Corp]
32
Definição [Berners-Lee]
“an ontology is a document or file that formally defines the relationship among terms” “ontologia é um documento ou arquivo que formalmente define os relacionamento entre termos” Ontologia = taxonomia + regras de inferência Software Engineering Lab (LES) – PUC-Rio
33
Definição [Gruber93] “Uma ontologia é uma especificação formal explícita de uma conceitualização compartilhada.” Conceitualização – modelo abstrato de como as pessoal pensam Especificação explícita – os conceitos e relacionamentos utilizados neste modelo abstrato são fornecidos através de termos explícitos e bem definidos [Gruninger02] Software Engineering Lab (LES) – PUC-Rio
34
Definição [Maedche02] O : = {C, R, HC, rel, AO} que consiste de:
§ Dois conjuntos disjuntos, C (conceitos/classes) and R (relacionamentos) § Uma hierarquia de conceitos, HC: HC é um relacionamento direto HC C x C chamado hierarquia de conceitos ou taxonomia. HC (C1,C2) significa C1 é um sub-conceito de of C2 § Uma função rel : R C x C que relaciona os conceitos de modo não taxonômico § Um conjunto de axiomas AO, expressos em uma linguagem lógica apropriada. Software Engineering Lab (LES) – PUC-Rio
35
Para que serve uma ontologia?
Noy & McGuiness: Compartilhar entendimento comum de uma estrutura de informação por pessoas ou agentes de software Permitir o reuso de conhecimento de domínio Evitar “reinventar a roda” Explicitar hipóteses sobre um domínio Separar conhecimento de domínio de conhecimento operacional Análise Estabelecimento de Regras e Políticas (SWRL) Software Engineering Lab (LES) – PUC-Rio
36
Para que serve uma ontologia: Busca de Informação
Utilizar ontologias para reduzir o universo de opções em buscas na web: Ontologias restringem o significado de termos utilizados em buscas por palavras chave Auxiliam na montagem da query Software Engineering Lab (LES) – PUC-Rio
37
Busca “revisitada” (sobremesa, fruta, morango)
liparte - A fruta, Salada - Busca de Ilustrações ClipeArte e... chaves tigela, alimento, comer para fora, cor, corte papel, frescor, ilustração, melão, morango, salada de fruta, sobremesa, uva, vermelho, vertical. Folha Online - Equilíbrio - Notícias - Festivais gastronômicos de dois tipos de fondue salgado, a casa oferece uma sobremesa como cortesia. ... O morango, fruta da estação, dá o sabor do inverno em Monte Verde, distrito da ... Forno... RÁPIDA SOBREMESA REFRESCANTE SOBREMESA REQUINTADA SOBREMESA TROPICAL SORVETE COM FRUTA SORVETE CROCANTE ... COM ABACAXI SORVETE DE MORANGO SORVETE FATIADO ... Receitas tradicionais dos Açores de Ana Taveira - Gelados... Na hora de servir serve-se com xarope de morango ou morangos esmagados ... Gelado sobremesa. ... No fundo de um pyrex coloca-se salada de fruta (banana, ananás e outras ... Terra - Especial Culinária Morango com suco e casca de laranja, com vinho tinto e anis-estrelado ou com chocolate. Confira nossas sugestões e transforme essa fruta numa sobremesa ainda Saúde Vida On Line - Tabela de calorias -... Flan de baunilha c/ calda de morango Royal, 1 porção (130g), Fruta c/ calda de chocolate, 2 c. sopa (50g), Galak Nestlé sobremesa, Unidade (110g), 181 Software Engineering Lab (LES) – PUC-Rio
38
Porque construir uma ontologia?
Explicitar significado Integrar recursos na Web interoperabilidade Software Engineering Lab (LES) – PUC-Rio
39
Onde ontologias estão sendo utilizadas?
e-Science, e.g., Bioinformática Consórcio Open Biomedical Ontologies Consortium (GO, MGED) Utilizadas para experiências “in silico” relacionando teoria e dados E.g., relacionando dados de fosfatases em modelos de conhecimento biológicos Medicina Construção e manutenção de terminologias Snomed, NCI & Galen Organização de estrutras complexas e semi-estruturadas UN-FAO, NASA, General Motors, Lockheed Martin, … Governo/Militares DARPA, NIST, SAIC, Web Semântica Grid Semântico Software Engineering Lab (LES) – PUC-Rio
40
Ciência da Computação O termo ONTOLOGIA foi “emprestado” pela computação para definir uma descrição explícita dos conceitos de um domínio Conceitos Propriedades e Atributos Restrições em propriedades e atributos Indivíduos * Em geral, um único modelo não é suficiente para representar todas as características de em sistema Vários tipos de modelo no desenvolvimento de software: UML, ER, Esquemas de BD Ref: Rector et al Software Engineering Lab (LES) – PUC-Rio
41
“Classe” “Conceito” “Categoria” “Tipo” “Instância” “Indivíduo”
Vocabulário “Classe” “Conceito” “Categoria” “Tipo” “Instância” “Indivíduo” “Entidade” “Objeto”, Classe ou indivíduo “Propriedade” “Slot” “Atributo” “Papel (role)” Muito cuidado com o termo “role” Significa “propriedade” em lógica de descrição Significa “papel desempenhado” na maioria das ontologias Exemplo: Funcionário, Comprador, Vendedor. Software Engineering Lab (LES) – PUC-Rio Ref: Rector CS646
42
Conceitos importantes
Conceito/Classe/Entidade/Categoria Objetos que possuem um conjunto de características que nos permitem classificá-los como sendo membros deste grupo. Software Engineering Lab (LES) – PUC-Rio
43
Conceitos importantes
Propriedade/Atributo/Role/Slot Característica Software Engineering Lab (LES) – PUC-Rio
44
Conceitos importantes
Relacionamento/Restriction Modo pelo qual duas ou mais classes estão relacionadas Software Engineering Lab (LES) – PUC-Rio
45
Generalização tipo de Veículo Terrestre Aquático Carro Anfíbio Barco
Software Engineering Lab (LES) – PUC-Rio
46
Composição parte de Luminária de Teto Base Cúpula Fiação Interruptor 1 Ontologias não são modeladas através de composição! Software Engineering Lab (LES) – PUC-Rio
47
Contra exemplo [Welty02]
Carro & Motor Carro – propriedade – acomoda pessoas Motor – propriedade – gera força rotacional Motor não acomoda pessoas.... não é um tipo de carro. Software Engineering Lab (LES) – PUC-Rio
48
Exemplo Taxonomia dos seres vivos Ser vivo Espécie humanos Idade
Sexo homens mulheres crianças X é uma subcategoria de y Taxonomia dos seres vivos adultos Software Engineering Lab (LES) – PUC-Rio
49
Prática: Criando um novo projeto
Abra o Protégé: Selecione Create New Project Software Engineering Lab (LES) – PUC-Rio
50
Criando um novo projeto
Selecione OWL Files (.owl or .rdf) Selecione Finish Software Engineering Lab (LES) – PUC-Rio
51
Criando uma hierarquia de Classes
Crie a seguinte hierarquia utilizando os comandos Create Subclass e Create Sibling Class da janela de Asserted Hierarchy Software Engineering Lab (LES) – PUC-Rio
52
CamelNotation Notação utilizada para uniformizar as ontologias
Chama-se CamelNotation Letra maiúscula para classes – Ingrediente, Animal Letra minúscula para propriedades – temPatas, temCobertura Use a convenção que quiser mas… SEJA CONSISTENTE! Software Engineering Lab (LES) – PUC-Rio Copyright © 2005, The University of Manchester
53
Criando uma hierarquia de Classes
Crie a seguinte hierarquia de classes: Artes e Entretenimento Música, Televisão, Rádios Ciência e Meio Ambiente Engenharia, Física, Agropecuária Mapas e Vistas Câmeras Online Economia Informática, Compras Notícias Revistas, Televisão, Rádio Esportes Futebol, Aquáticos, Artes Marciais, Saúde Clínicas, Hospitais Sociedade e Cultura Religião., Espiritualidade, Transportes Aéreas, Rodoviárias, Viagens e Turismo Minas Gerais, Hospedagem, Software Engineering Lab (LES) – PUC-Rio
54
Dublin Core (Metadados) Ontologias de Topo
Mais Exemplos Outras taxonomias Yahoo! categorias Catálogos de compras on-line Submarino LojasAmericanas.com Amazon.com Dublin Core (Metadados) Ontologias de Topo SUO Sumo Software Engineering Lab (LES) – PUC-Rio
55
Estrutura das ontologias
São todos ontologias ??? Artefatos com diversos graus de estruturação Taxonomias Tesauros Metadata Schemes Ontologias Lógica Software Engineering Lab (LES) – PUC-Rio
56
Tipos de ontologia Software Engineering Lab (LES) – PUC-Rio Ref: Noy
57
Tipos de Ontologia Vocabulários Controlados – Glossários – Tesauros
Lista finita de termos. Um Exemplo:NAICS (North American Industry Classification System) de produtos e serviços Glossários – Lista de termos com significados em linguagem natural. Similar ao de um dicionário - termos são organizados alfabeticamente, Exemplo de glossário: é o NetGlos (The Multilingual Glossary of Internet Terminology) que reúne terminologia relacionada a recursos na Internet. Tesauros lista de termos e suas definições que padroniza a utilização de palavras para indexação. Software Engineering Lab (LES) – PUC-Rio
58
Tipos de ontologia Hierarquias tipo-de informais – Frames
Hierarquias que utilizam o relacionamento de generalização (tipo de) de maneira informal. Exemplo: Yahoo. Não respeitam integralmente o relacionamento de generalização: “aluguel de carro” e “hotel”, não são “tipos-de-viagem” Hierarquias tipo-de formais – Hierarquias que incluem instâncias de um domínio. Nestas hierarquias os relacionamentos de generalização são respeitados integralmente. Um exemplo é a taxonomia dos seres vivos, ilustrada na próxima seção. Frames Representação proposta por Marvin Minsky. Primitivas: classes (ou frames) É largamente utilizado em modelagem de conhecimento. Software Engineering Lab (LES) – PUC-Rio
59
Diferenças: Taxonomia e Ontologia
Taxonomia: “Classificação de entidades de informação no formato de uma hierarquia, de acordo com relacionamentos que estabelecem com entidades do mundo real que representam.” Michael Daconta Servem Para: classificar informação em uma hierarquia (árvore) utilizando APENAS relacionamento pai-filho (generalização ou “tipo-de”) Software Engineering Lab (LES) – PUC-Rio
60
Diferenças: Taxonomia e Ontologia
Generalização: único tipo de relacionamento que existe entre os termos de uma Taxonomia. Não se pode: atribuir características ou propriedades aos termos atributos, exprimir outros tipos de relacionamento: parte-de, causa-efeito, localização, Associação.. Para isto é necessário construir uma ontologia. Software Engineering Lab (LES) – PUC-Rio
61
Exemplo de Taxonomia Software Engineering Lab (LES) – PUC-Rio
62
Diferenças: Tesauro e Ontologia
Tesauro: “um vocabulário controlado organizado segundo uma ordem conhecida e estruturado de modo a disponibilizar claramente os relacionamentos de equivalência, associação, hierárquicos e homônimos existentes entre termos.” ANSI/NISO Monolingual Thesaurus Standard Servem para: Garantir que conceitos sejam descritos consistentemente Permitir com que usuários possam refinar buscas e localizar a informação que necessitam. Contam com uma lista de relacionamentos pré defidos adicionais (além do de generalização) Sinônimo - Similar a, Equivalente, Homônimo – mesma grafia, Mais amplo do que – hierarquia, pai de, super classe, Mais restrito do que - hierarquia – filho de, sub classe, Associado - relacionado a, Software Engineering Lab (LES) – PUC-Rio
63
Diferenças: Tesauro e Ontologia
Relacionamentos Pré Definidos: únicos tipos de relacionamento que podem existir entre os termos de um Tesauro Muitas vezes é necessário relacionar conceitos utilizando relacionamentos do tipo parte-de, membro-conjunto, fase-processo, lugar-região, material-objeto, causa-efeito Não se pode: exprimir outros tipos de relacionamento além dos pré definidos: Para isto é necessário construir uma ontologia. Software Engineering Lab (LES) – PUC-Rio
64
Exemplo de Tesauro- WordNet
Resultado da busca ao termo “tank” (tanque) no WordNet. Software Engineering Lab (LES) – PUC-Rio
65
Enfoques Inteligência artificial – Engenharia do conhecimento
Esforços voltados ao mapeamento de domínios, criação de grandes bases de conhecimento para mapear o conhecimento humano Construídas por experts Web semântica Ontologias voltadas para aplicações específicas Construídas por engenheiros de software Software Engineering Lab (LES) – PUC-Rio
66
IA Enfoque top down Tempos antigos “divide et impera”
Sistema e sub-sistema [von Bertalanffy] Dijkstra (programming considered a human activity) Especifica as partes individualmente Satisfeito? O problema está resolvido? Constrói as partes individualmente Se uma das partes ainda é complexa: subdividir Software Engineering Lab (LES) – PUC-Rio
67
Ontologias enfoque Top-down
Cyc upper ontology Base de conhecimento com 3000 termos (termos mais gerais da realidade consensual dos humanos) WordNet Banco de dados léxico para a língua inglesa com mais de termos Software Engineering Lab (LES) – PUC-Rio
68
CYC Software Engineering Lab (LES) – PUC-Rio
69
Exemplo WordNet WordNet 1.7.1 Search
Search word: Results for "Synonyms, ordered by estimated frequency" search of noun "dessert" 1 sense of dessert Sense 1 dessert -- (a dish served as the last course of a meal) => course -- (part of a meal served at one time; "she prepared a three course meal") Return to overview for dessert Return to WordNet home Software Engineering Lab (LES) – PUC-Rio
70
Ontologias de Topo Ontology Schemas
Abstrações de alto nível que restringem a construção Objetos e Processos (3D versus 4D) Grandes Controvérsias Sumo, Dolce, Onions, GALEN, SBU,… Necessárias quando se trabalha em grupos muito grandes. Software Engineering Lab (LES) – PUC-Rio
71
Grande número de pequenas ontologias interligadas
Web Semântica Grande número de pequenas ontologias interligadas Em alguns anos toda empresa, universidade, agência governamental terá seu conteúdo conectado a uma ontologia James Hendler, Agents and the Semantic Web Software Engineering Lab (LES) – PUC-Rio
72
Pequenas ontologias existirão em toda parte
Todos dispositivos possuem ontologia própria Software Engineering Lab (LES) – PUC-Rio Ref: Harry Chen
73
Ontologias de Domínio Conceitos específicos a um campo ou área de conhecimento Animais, Doenças, Comida, Arte, …. Onde começar Enterder ontologias no sentido bottom up ou middle out. Níveis Ontologias de Domínio de Topo – Pontos de partida para aquele domínio ou área de conhecimento Seres Vivos, Região Geográfica… Ontologia de Domínio – conceitos da área Gato, Elefante, Montanha, Rio Instances – the things in the world Garfield, Pico das Agulhas Negras. Software Engineering Lab (LES) – PUC-Rio
74
Ontologias são apenas o começo...
Bases de Dados Declarar estrutura Ontologias Bases de Conhecimento Web Semântica Fornecer descrições de Domínio Aplicações Independentes de Domínio Agentes de Software Métodos para Resolução de Problemas Software Engineering Lab (LES) – PUC-Rio Ref: Rector et al
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.