PREDSTAVLJANJE SEMANTIČKOG ZNANJA

Mladen Stanojević, Sanja Vraneš, Institut Mihajlo Pupin, Beograd

Sadržaj – Da bi se velike količine povezanih informacija predstavile na način koji će omogućiti njihovo lako pretraživanje i izmenu, potrebno je koristiti neku od tehnika za predstavljanje semantičkog znanja. Jedna od danas najpopularnijih tehnika za predstavljanje semantičkog znanja je relacioni model baza podataka, dok se za istu stvar u oblasti Semantičog Web-a koriste ontološki i šematski jezici. U ovom radu će biti prikazana Hijerarhijska Semantička Forma (HSF) koja predstavlja modifikaciju lokalističkog pristupa konekcionog modela, kao još jedna moguća tehnika za predstavljanje semantičkog znanja. 1. UVOD

Ukoliko informacije nisu međusobno povezane, one nemaju upotrebnu vrednost. Da bi bile upotrebljive, informacije moraju biti povezane na način razumljiv čoveku koji želi da ih upotrebi. Informacije koje su međusobno povezane na taj način predstavljaju semantičko znanje.

Istraživači u oblasti veštačke inteligencije su još na samom početku uočili važnost predstavljanja semantičkog znanja i predložili brojne tehnike [1] za njegovo predstavljanje: semantičke mreže, logički formalizam, konceptualne zavisnosti, okviri, skripta, pravila, itd. Kasnije, sa pojavom Semantičkog Web-a se za predstavljanje seman-tičkog znanja koriste različiti ontološki i šematski jezici [2] kao što su XOL, SHOE, OML, RDFS, DAML+OIL i OWL.

Međutim, najpopularniji način za predstavljanje semantičkog znanja predstavlja relacioni model baza podataka. Razlozi za tu popularnost su sledeći:

• jednostavan i razumljiv model predstavljanja podataka • efikasno predstavljanje znanja koje se postiže

korišćenjem primarnih i spoljnih ključeva uz normalizaciju baze podataka da bi se obezbedilo jedinstveno predstavljanje podataka u bazi

• korišćenje SQL jezika za dohvatanje semantički povezanih podataka iz baze, koji se lako uči i koristi

• korišćenje indeksa za efikasno pretraživanje podataka

Iako su ove tehnike za predstavljanje semantičkog znanja našle brojne primene, one imaju i određene nedostatke. Osnovni nedostatak leži u načinu na koji je rešen problem predstavljanja značenja podataka. Ovaj problem je rešen tako što se koriste imena za opisivanje značenja podataka. Osnovna posledica takvog rešenja je da nije moguće predstaviti domenski nezavisno znanje. Da bi se ove tehnike mogle koristiti za predstavljanje domenskog znanja, inženjer znanja ili projektant baze podataka mora projektovati bazu znanja ili bazu podataka u skladu sa datim domenom. To u praksi znači da oni moraju identifikovati i imenovati sve objekte i relacije iz domena koji su od interesa za određenu aplikaciju. U slučaju baza znanja ili ontologija, potrebno je imenovati sve klase, instance, atribute i relacije, a u slučaju

baza podataka, imenovati tabele, polja, relacije i indekse. Svako proširenje domena aplikacije zahteva redizajn baze znanja ili baze podataka. Proširenje postojećih baza znanja ili baza podataka nije trivijalno, tako da iako gotovo ne postoje fizička ograničenja u smislu količine podataka, ona postoje u smislu veličine domena koji se njima može opisati.

Pristalice radikalnog konekcionizma [3] smatraju da mi ne koristimo prirodni jezik (imenovanje) kao sredstvo za predstavljanje znanja, već pre kao sredstvo za komunikaciju. Lokalistički pristup konekcionog modela [4] predstavlja tehniku koja može da posluži kao osnova za ostvarenje ideja radikalnog konekcionizma.

Hijerarhijska Semantička Forma (HSF) predstavlja modifikaciju lokalističkog pristupa, gde čvorovi mreže nemaju unapred definisano značenje i svaki čvor na jedinstven način predstavlja određeno značenje u zavisnosti od njegovog položaja u mreži (konteksta). HSF prevazilazi probleme klasičnog lokalističkog pristupa koji se ogledaju u predstavljanju hijerarhijskih struktura [5] i predstavljanju konteksta čvorova u tim hijerarhijskim strukturama. Upotrebljivost HSF-a je testirana na primeru prototipa Semantičkog Web servisa za pronalaženje željenog leta [6] u bazi letova za nekoliko velikih evropskih aviokompanija.

2. RELACIONI MODEL BAZA PODATAKA

Mogućnosti relacionog modela baza podataka u predstavljanju semantičkog znanja ćemo ilustrovati na primeru jednostavne studentske baze podataka. Da bismo mogli da predstavimo semantičke iskaze o položenim ispitama kao što su:

„Jovan je dobio 8 na predmetu Elektronika I.“ „Petar je dobio 7 na predmetu Osnovi elektrotehnike.“

potrebno je definisati tabele Student, Predmet i Ispit (Sl. 1).

Sl. 1. Studentska baza podataka

Polja BrojIndeksa i PredmetID predstavljaju primarne ključeve u tabelama Student i Predmet, dok ova ista polja u tabeli Ispit predstavljaju spoljne ključeve. Korišćenje spoljnih ključeva omogućava definisanje relacija između tabela Student, Predmet i Ispit.

Student BrojIndeksa: Ime:

Predmet PredmetID: Naziv:

Ispit BrojIndeksa: PredmetID: Ocena:

Zbornik radova 50. Konferencije za ETRAN, Beograd, 6-8. juna 2006, tom III Proc. 50th ETRAN Conference, Belgrade, June 6-8, 2006, Vol. III

187

Da bi ubrzali pretraživanje baze prilikom traženja informacije o tome, na primer, koju je ocenu dobio Petar na polaganju ispita iz Osnova elektrotehnike, potrebno je definisati indekse na poljima Ime u tabeli Student, Naziv u tabeli Predmet i BrojIndeksa i PredmetID u tabeli Ispit.

SQL skript za MS SQL Server 2000 koji bi generisao jednu ovakvu bazu (za dbo vlasnika) bi mogao da ima sledeću formu:

CREATE TABLE [dbo].[Student] ( [BrojIndeksa] [nvarchar] (10) NOT NULL, [Ime] [nvarchar] (20) NULL ) ON [PRIMARY] CREATE TABLE [dbo].[Predmet] ( [PredmetID] [int] NOT NULL, [Naziv] [nvarchar] (30) NULL ) ON [PRIMARY] CREATE TABLE [dbo].[Ispit] ( [BrojIndeksa] [nvarchar] (10) NULL, [PredmetID] [int] NULL [Ocena] [int] NULL ) ON [PRIMARY] ALTER TABLE [dbo].[Student] WITH NOCHECK ADD CONSTRAINT [PK_Student] PRIMARY KEY

CLUSTERED ( [BrojIndeksa] ) ON [PRIMARY] ALTER TABLE [dbo].[Predmet] WITH NOCHECK ADD CONSTRAINT [PK_Predmet] PRIMARY KEY

CLUSTERED ( [PredmetID] ) ON [PRIMARY] CREATE INDEX [ImeIndex] ON [dbo].[Student]([Ime])

ON [PRIMARY] CREATE INDEX [NazivIndex] ON [dbo].[Predmet]([Naziv]) ON [PRIMARY] CREATE INDEX [BrojIndeksaIndex] ON [dbo].[Ispit]([BrojIndeksa]) ON [PRIMARY] CREATE INDEX [PredmetIDIndex] ON [dbo].[Ispit]([PredmetID]) ON [PRIMARY] ALTER TABLE [dbo].[Ispit] ADD CONSTRAINT [FK_Ispit_Student] FOREIGN KEY ( [BrojIndeksa] )

REFERENCES [dbo].[Student] ( [BrojIndeksa] ) ON DELETE CASCADE CONSTRAINT [FK_Ispit_Predmet] FOREIGN KEY

( [PredmetID] ) REFERENCES [dbo].[Predmet] ( [PredmetID] ) ON DELETE CASCADE

Ovoj studentskoj bazi se može dodati nekoliko zapisa kao što je prikazano u Tabelama 1, 2 i 3.

Tabela 1. Zapisi u tabeli Student BrojIndeksa Name

93/03 Jovan 28/04 Petar

Tabela 2. Zapisi u tabeli Predmet PredmetID Naziv

1 Osnovi elektrotehnike 2 Elektronika I

Tabela 3. Zapisi u tabeli Ispit BrojIndeksa PredmetID Ocena

93/03 1 7 93/03 2 8 28/04 1 7

Na ovaj način je zapisano da je Jovan (br.ind. 93/03) položio Osnove elektrotehnike i dobio ocenu 7 i Elektroniku I i dobio ocenu 8, a da je Petar (br.ind. 28/04) položio Osnove elektrotehnike i dobio ocenu 7.

Međutim studentska baza podataka, na način na koji je definisana, može da predstavlja samo ograničeni skup

informacija. Da bi se na primer predstavili podaci o tome kom smeru pripada student, ili koji su sve obavezni, a koji izborni predmeti na svakom od smerova, neophodno je redizajnirati ovu bazu podataka dodavanjem i imenovanjem novih tabela, relacija, ključeva i indeksa.

3. ONTOLOŠKI JEZIK OWL

Isti primer sa predstavljanjem informacija o položenim ispitima ćemo iskoristiti da bismo ilustrovali mogućnosti ontoloških jezika u predstavljanju semantičkog znanja. Kao predstavnika ontoloških jezika smo odabrali OWL (Web Ontology Language).

U predstavljanju ontologija OWL koristi klase i instance i objektne atribute da bi opisao relacije između njih. Na Sl. 2 je prikazana ontologija kreirana za potrebe našeg primera.

Sl. 2. Ontologija klasa i instanci

Pored tri klase: Student, Predmet i Ispit, definisani su i odgovarajući atributi, relacije (položioIspit, polagaoStudent, predmet) i instance klasa. Definicije klasa, atributa i relacija su date sledećim OWL kodom: <owl:Class rdf:ID="Ispit"/> <owl:Class rdf:ID="Student"/> <owl:Class rdf:ID="Predmet"/> <owl:ObjectProperty rdf:ID="inverse_of_predemt"/> <owl:ObjectProperty rdf:ID="polozioIspit"> <owl:inverseOf> <owl:FunctionalProperty rdf:ID= "polagaoStudent"/> </owl:inverseOf> <rdfs:domain rdf:resource="#Student"/> </owl:ObjectProperty> <owl:DatatypeProperty rdf:ID="brojIndeksa"> <rdfs:range rdf:resource="http://www.w3.org/

2001/XMLSchema#string"/> <rdfs:domain rdf:resource="#Student"/> <rdf:type rdf:resource="http://www.w3.org/

2002/07/owl#FunctionalProperty"/> </owl:DatatypeProperty> <owl:DatatypeProperty rdf:ID="ocena"> <rdfs:range rdf:resource="http://www.w3.org/

2001/XMLSchema#int"/> <rdfs:domain rdf:resource="#Ispit"/>

Student brojIndeksaime položioIspit

Predmet naziv

Ispit polagaoStudent predmet ocena

Student1 brojIndeksa: 93/03 ime: Jovan položioIspit: Ispit1, Ispit2

Student2 brojIndeksa: 28/04 ime: Petar položioIspit: Ispit3

Predmet1 naziv: Osnovi elektrotehnike

Predmet2 naziv: Elektronika I

Ispit1 polagaoStudent: Student1 predmet: Predmet1 ocena: 7

Ispit2 polagaoStudent: Student1 predmet: Predmet2 ocena: 8

Ispit3 polagaoStudent: Student2 predmet: Predmet1 ocena: 7

188

<rdf:type rdf:resource="http://www.w3.org/ 2002/07/owl#FunctionalProperty"/>

</owl:DatatypeProperty> <owl:FunctionalProperty rdf:ID="predmet"> <rdf:type rdf:resource="http://www.w3.org/

2002/07/owl#ObjectProperty"/> <rdfs:domain rdf:resource="#Ispit"/> </owl:FunctionalProperty> <owl:FunctionalProperty rdf:ID="naziv"> <rdfs:range rdf:resource="http://www.w3.org/

2001/XMLSchema#string"/> <rdf:type rdf:resource="http://www.w3.org/

2002/07/owl#DatatypeProperty"/> <rdfs:domain rdf:resource="#Predmet"/> </owl:FunctionalProperty> <owl:FunctionalProperty rdf:ID="ime"> <rdfs:range rdf:resource="http://www.w3.org/

2001/XMLSchema#string"/> <rdf:type rdf:resource="http://www.w3.org/

2002/07/owl#DatatypeProperty"/> <rdfs:domain rdf:resource="#Student"/> </owl:FunctionalProperty> <owl:FunctionalProperty rdf:about=

"#polagaoStudent"> <rdf:type rdf:resource="http://www.w3.org/

2002/07/owl#ObjectProperty"/> <rdfs:domain rdf:resource="#Ispit"/> <owl:inverseOf rdf:resource="#polozioIspit"/> </owl:FunctionalProperty>

Slično kao u relacionom modelu, da bi se opisao primer, sve klase, atributi i relacije moraju biti unapred imenovani, a svako proširenje domena zahteva redizajn ontologije.

4. HIJERARHIJSKA SEMANTIČKA FORMA

Hijerarhijska Semantička Forma (HSF) predstavlja modifikaciju lokalističkog pristupa konekcionog modela i može se koristiti za predstavljanje različitih sintaksnih i semantičkih kategorija kao i relacija između njih. Pri tome SOUL (Space Of Universal Links) algoritam omogućava automatsku ekstrakciju semantičkih kategorija i podržava kreiranje i održavanje Hijerarhijske Semantičke Forme.

U prirodnim jezicima su sve strukture po svojoj prirodi nizovi. Strukture na najnižem hijerarhijskom nivou su slova, slogovi predstavljaju nizove slova, reči su nizovi slogova, grupe reči su nizovi reči, dok su semantičke kategorije nizovi reči i drugih semantičkih kategorija.

HSF koristi dva tipa podataka, grupe i veze, koje obezbeđuju jedinstveno predstavljanje jezičkih struktura i hijerarhijsku organizaciju nizova. Grupa (Sl. 3.a) je slična čvorovima u lokalističkom pristupu, koja predstavlja slova, grupe slova, reči i složene strukture. Ovaj tip podataka se koristi za predstavljanje nizova na različitim hijerarhijskim nivoima i ukazuje na prvu vezu niza koji predstavlja. Ista grupa se može pojavljivati u različitim kontekstima, pa tako može imati više pridruženih veza (za svaki kontekst po jednu vezu). Na taj način se obezbeđuje jedinstveno predstavljanje struktura na svim hijerarhijskim nivoima.

Veze (Sl. 3.b) omogućavaju kreiranje nizova na različitim hijerarhijskim nivoima. Ovaj tip čvorova se ne koristi u čistoj lokalističkoj reprezentaciji i za razliku od običnih čvorova, oni su međusobno povezani na istom hijerarhijskom nivou. Osnovna funkcija veza je predstavljanje struktura (grupa) u različitom kontekstu. Za svaki novi kontekst u kome se neka struktura pojavljuje, potrebna nam je nova veza. Veza predstavlja grupu u datom nizu, i povezana je sa prethodnom i svim sledećim vezama

definišući kontekst strukture. Ako je veza poslednja u nizu, onda umesto na sledeće veze, ukazuje na grupu koja predstavlja ovaj niz.

Sl. 3. Osnovni tipovi podataka

U početku HSF sadrži samo grupe koje predstavljaju slova. Ako korišćenjem SOUL algoritma unosimo reči, HSF će rasti tako što će kreirati strukture koje predstavljaju te reči. Pretpostavimo da smo uneli reči: Jovan i Elektronika. SOUL algoritam će kreirati nove strukture koje odgovaraju tim rečima (Sl. 4).

Sl.4. Jednostavne strukture

Pri tome grupa koja odgovara reči Jovan na jedinstven način predstavlja tu reč, a ponavljanje iste reči u različitim kontekstima (iskazima) ne zahteva kreiranje nove grupe, jer se za svaki kontekst koristi veza koja predstavlja tu grupu.

SOUL (Space Of Universal Links) algoritam može da samostalno prepoznaje nove strukture. Kada unosimo neki tekst, SOUL algoritam vrši parcijalno uparivanje korišćenjem postojećih struktura definisanih u HSF-u, otkriva poznate strukture u novom tekstu, kreira nove strukture i konačno kreira HSF reprezentaciju unetog teksta koja se sastoji od starih i novih struktura.

Da bi predstavili informacije iz primera sa studentima i položenim ispitima, potrebno je da SOUL algoritam prvo identifikuje potrebne reči i imena predmeta kao grupe. Sve neophodne informacije se zatim mogu definisati sledećim iskazima u prirodnom jeziku:

„Jovan ima broj indeksa 93/03“ (1) „Petar ima broj indeksa 28/04“ (2) „Jovan je dobio 8 na predmetu Elektronika I“ (3) „Jovan je dobio 7 na predmetu Osnovi elektrotehnike“ (4) „Petar je dobio 7 na predmetu Osnovi elektrotehnike“ (5)

SOUL će u toku unosa ovih iskaza identifikovati delove koji se ponavljaju i od njih kreirati složenije grupe: „ima broj indeksa“, „je dobio“, „Jovan je dobio“ (6), „na predmetu“ i „na predmetu Osnovi elektrotehnike“ (7). Po završetku obrade iskaza, HSF će izgledati kao na Sl. 5, pri čemu su grupe numerisane samo da bi bilo jasnije o kom iskazu ili složenoj grupi se radi.

vezagrupa

J o v a n E l e k t r o n i k a

pridružene veze

prva veza

sledeće veze

prva veza

pridružena grupa

a) grupa b) veza

189

Sl. 5. Predstavljanje iskaza korišćenjem HSF

Za razliku od relacionog modela i ontoloških jezika, HSF omogućava opisivanje semantičkog znanja koje nije ograničeno domenom. Grupe nemaju unapred definisano značenje, već je značenje definisano kontekstom. To omogućava lako proširivanje baze znanja, jer će sa dodavanjem novih iskaza SOUL algoritam automatski identifikovati nove grupe i korišćenjem veza definisati sve neophodne semantičke relacije.

4. ZAKLJUČAK

Usled ogromne količine informacija koje je pohranjena na internetu i računarima uopšte, osnovna prepreka u njihovom efikasnijem korišćenju predstavlja nemogućnost lakog pronalaženja tražene informacije. Postoji više tehnika za predstavlja semantički povezanih informacija. U ovom radu su opisani relacioni model baza podataka, kao najpopularniji način za predstavljanje semantičkog znanja i OWL, kao predstavnik ontoloških jezika. Osnovni nedostatak ovih metoda je korišćenje imena da bi se opisalo značenje predstavljanog znanja, što za posledicu ima neophodnost projektovanja baze poda-taka ili baze znanja za svaki domen aplikacije.

Hijerarhijska Semantička Forma (HSF) predstavlja modifikaciju lokalističkog pristupa konekcionog modela, koja ne zahteva korišćenje imena radi definisanja značenja predstavljenog znanja. HSF uz korišćenje SOUL (Space Of Universal Link) algoritma omogućava predstavljanje domenski nezavisnog znanja bez potrebe za bilo kakvim projektovanjem, kao i lako proširenje ili spajanje postojećih baza znanja.

LITERATURA

[1] S. Vraneš, M. Stanojević, „Prolog/Rex - A Way to Extend Prolog for Better Knowledge Representation”, IEEE Transactions on Knowledge and Data

Engineering, Vol. 6, No. 1, 1994, pp. 22-37.

[2] D. Fensel, J.A. Hendler, H. Lieberman and W. Wahlster (Eds.), „Spinning the Semantic Web: Bringing the World Wide Web to Its Full Potential”, MIT Press, Cambridge, MA, 2003.

[3] G.O’Brien, J. Opie, „Radical connectionism: thinking with (not in) language”, Language & Communication, No. 22, 2002, pp. 313–329.

[4] G.E. Hinton, „Mapping Part-Whole Hierarchies into Conntectionist Networks”, Artificial Intelligence, Vol. 46, No. 1-2, 1990, pp. 47-75.

[5] J. Fodor, Z. Pylyshyn, „Connectionism and Cognitive Architecture: A Critical Analysis”, Cognition, No. 28, 1988, pp. 3-71.

[6] M. Stanojević, S. Vraneš, „Semantic Web Services with Soul“, Lecture Notes in Computer Science, No. 3704, 2005, pp. 338-346.

Abstract – To represent large quantities of semantically related data in a way that will enable their easy retrieval and change, it is necessary to use one of the techniques for semantic knowledge representation. One of the most popular techniques for semantic knowledge representation is relational database model, whereas in Semantic Web ontology and schema languages are used for the same purpose. In this paper a Hierarchical Semantic Form (HSF) is described, which is a modification of localist approach of connectionist model, as yet another possible technique for semantic knowledge representation.

SEMANTIC KNOWLEDGE REPRESENATION

Mladen Stanojević, Sanja Vraneš

„8“

„Jovan“

„Petar“

„ima broj indeksa“

„na predmetu“

„Elektronika I“

„Osnovi elektrotehnike“

„28/04“

„93/03“

„je dobio“

„7“

1

6

7

5

2 4

3

vezagrupa

190