Παραδοτέο Π1.1 Νέες τεχνολογίες αναπαράστασης και στοίχισης οντολογιών (1η έκδοση)

Transcript

1 ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΥΠΟΥΡΓΕΙΟ ΠΑΙΔΕΙΑΣ ΔΙΑ ΒΙΟΥ ΜΑΘΗΣΗΣ & ΘΡΗΣΚΕΥΜΑΤΩΝ ΕΠΙΧΕΙΡΗΣΙΑΚΑ ΠΡΟΓΡΑΜΜΑΤΑ «ΑΝΤΑΓΩΝΙΣΤΙΚΟΤΗΤΑ & ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΤΗΤΑ» ΚΑΙ ΠΕΡΙΦΕΡΕΙΩΝ ΣΕ ΜΕΤΑΒΑΣΗ ΕΘΝΙΚΟ ΣΤΡΑΤΗΓΙΚΟ ΠΛΑΙΣΙΟ ΑΝΑΦΟΡΑΣ ΕΣΠΑ Παραδοτέο Π1.1 Νέες τεχνολογίες αναπαράστασης και στοίχισης οντολογιών (1η έκδοση) Κωδικός Έργου: 09ΣΥΝ Τίτλος του Έργου: IS-HELLEANA - Intelligent System for HELLEnic Audiovisual National Aggregator ΕΥΦΥΕΣ ΣΥΣΤΗΜΑ ΣΗΜΑΣΙΟΛΟΓΙΚΗΣ ΕΝΟΠΟΙΗΣΗΣ ΚΑΙ ΑΝΑΔΕΙΞΗΣ TΟΥ ΕΛΛΗΝΙΚΟΥ ΟΠΤΙΚΟΑΚΟΥΣΤΙΚΟΥ ΑΠΟΘΕΜΑΤΟΣ ΔΡΑΣΗ ΕΘΝΙΚΗΣ ΕΜΒΕΛΕΙΑΣ «ΣΥΝΕΡΓΑΣΙΑ» ΔΡΑΣΗ ΕΘΝΙΚΗΣ ΕΜΒΕΛΕΙΑΣ ΕΥΡΩΠΑΪΚΗ ΕΝΩΣΗ ΕΥΡΩΠΑΪΚΟ ΤΑΜΕΙΟ ΠΕΡΙΦΕΡΕΙΑΚΗΣ ΑΝΑΠΤΥΞΗΣ Υπουργείο Παιδείας, Δια Βίου Μάθησης και Θρησκευμάτων ΓΓΕΤ ΕΥΔΕ-ΕΤΑΚ (Ε. Π. Ανταγωνιστικότητα και Επιχειρηματικότητα (ΕΠΑΝ ΙΙ), ΠΕΠ Μακεδονίας Θράκης, ΠΕΠ Κρήτης και Νήσων Αιγαίου, ΠΕΠ Θεσσαλίας Στερεάς Ελλάδας Ηπείρου, ΠΕΠ Αττικής)

2 ΠΙΝΑΚΑΣ ΠΕΡΙΕΧΟΜΕΝΩΝ 1. Εισαγωγή Γλώσσες Αναπαράστασης Οντολογιών Η γλώσσα OWL Η γλώσσα OWL 2 και οι υπογλώσσες της Αντιστοίχιση Οντολογιών Τεχνικές Αντιστοίχισης Οντολογιών Τοπικές Μέθοδοι Ορολογικές Μέθοδοι Δομικές Μέθοδοι Επεκτατικές Μέθοδοι Σημασιολογικές Μέθοδοι Καθολικές Μέθοδοι Συστήματα Αιχμής στην Αντιστοίχιση Οντολογιών SAMBO Falcon DSSim CROSI MapOnto RiMOM QOM COMA++... Error! Bookmark not defined. 5.9 Hmatch AlighmentAPI Σύνοψη Βιβλιογραφία Σελίδα 2 από 15

3 1. Εισαγωγή Στόχος του συγκεκριμένου έργου είναι η εφαρμογή σύγχρονων τεχνολογιών του Παγκόσμιου Ιστού και του Σημασιολογικού Ιστού έτσι ώστε να κατασκευαστεί ένα ολοκληρωμένο σύστημα το οποίο θα παρέχει ενοποιημένη πρόσβαση, διαχείριση, αναζήτηση αλλά και διαδραστική παρουσίαση του Ελληνικού Οπτικοακουστικού Αποθέματος. Πιο συγκεκριμένα το σύστημα αυτό θα δίνει τη δυνατότητα στους παρόχους οπτικοακουστικού υλικού να προβάλλουν το ψηφιακό περιεχόμενο που διαθέτουν με ένα ενιαίο διαλειτουργικό τρόπο, έτσι ώστε αυτό να είναι διαθέσιμο τόσο στον ελληνικό χώρο, όσο και διεθνώς, δίνοντας τη δυνατότητα στους χρήστες να αναζητούν αποτελεσματικά το περιεχόμενο που επιθυμούν και να συμμετέχουν στις ηλεκτρονικές διαδραστικές υπηρεσίες που θα υποστηρίζονται. Το ψηφιακό οπτικοακουστικό περιεχόμενο συνοδεύεται από πληροφορίες, σε μορφή μεταδεδομένων, που αναφέρονται στο πρωτογενές θέμα που απεικονίζεται, σε τεχνικά και πληροφοριακά χαρακτηριστικά του ίδιου του περιεχομένου και της διαδικασίας ψηφιοποίησής του, καθώς και σε πληροφορίες για το φορέα και τη σχέση του με το περιεχόμενο, αλλά και πληροφορίες για τη διάθεσή του και τις πηγές που έχουν συνεισφέρει στην τεκμηρίωση του. Για να μπορέσουν αυτά τα μεταδεδομένα να χρησιμοποιηθούν σε ένα περιβάλλον διαλειτουργικότητας και ομοιογένειας, είναι απαραίτητο οι πληροφορίες αυτές να αναπαρασταθούν με τεχνολογίες Σημασιολογικού Ιστού και πιο συγκεκριμένα με τη χρήση οντολογιών, οι οποίες αποτελούν τυπικούς και σαφείς ορισμούς μιας κοινής εννοιολογικής μορφοποίησης που αφορά σε ένα πεδίο ενδιαφέροντος. Kαι οι οντολογίες όμως, ανάλογα από την οπτική γωνία από την οποία έχουν κατασκευαστεί, είναι δυνατόν να είναι ετερογενείς. Για παράδειγμα σε δύο οντολογίες η ίδια έννοια μπορεί να έχει διαφορετικά ονόματα ή πιο απλά να είναι ορισμένη με διαφορετικό τρόπο. Για το λόγο αυτό σε αυτό το έργο είναι απαραίτητο οι οντολογίες που θα προκύψουν για την περιγραφή των μεταδεδομένων των διαφόρων παρόχων να πρέπει να αντιστοιχιστούν έτσι ώστε να είναι δυνατή η σημασιολογική διαλειτουργικότητα ανάμεσα στο οπτικοακουστικό περιεχόμενο που θα περιγράφεται από αυτές για όλους τους παρόχους. Στη συνέχεια στην Ενότητα 2 παρουσιάζεται μια σύντομη περιγραφή των γλωσσών που χρησιμοποιούνται για την περιγραφή οντολογικής γνώσης. Στην Ενότητα 3 παρουσιάζουμε το πρόβλημα της αντιστοίχισης οντολογιών, ενώ στην Ενότητα 4 παραθέτουμε τα πιο δημοφιλή σύγχρονα συστήματα αντιστοίχισης οντολογιών. Το παραδοτέο αυτό κλείνει με την Ενότητα 5 στην οποία παρουσιάζουμε τα συμπεράσματα μας. 2. Γλώσσες Αναπαράστασης Οντολογιών Ο Σημασιολογικός Ιστός αποτελεί εξέλιξη του σημερινού Παγκόσμιου Ιστού που αναπτύσσεται λόγω της ανάγκης που υπάρχει για πιο εξελιγμένα συστήματα διαχείρισης γνώσης. Στόχος του είναι ο Παγκόσμιος ιστός να μετατραπεί από ένα αποθετήριο συνδεδεμένων εγγράφων σε μια πλατφόρμα εφαρμογών όπου «στην πληροφορία δίνεται καλά ορισμένο νόημα, δίνοντας τη δυνατότητα συνεργασίας ανθρώπων και υπολογιστών» [1]. Στο Σημασιολογικό Ιστό, η πληροφορία που περιέχεται σε διάφορες πηγές προσδιορίζεται και αναπαρίσταται με χρήση μεταδεδομένων, δηλαδή δεδομένων σχετικών με δεδομένα, τα οποία συλλαμβάνουν μέρος του νοήματος των δεδομένων. Η ανακτώμενη πληροφορία ερμηνεύεται με τη βοήθεια οντολογιών, οι οποίες περιγράφουν τυπικά κάποιο πεδίο ενδιαφέροντος και δίνουν τη δυνατότητα σημασιολογικής διαλειτουργικότητας (semantic interoperability). Οι οντολογίες αποτελούν λεξιλόγια/ορολογίες που περιγράφουν τα αντικείμενα/οντότητες ενός κόσμου καθώς και τις σχέσεις μεταξύ τους με ένα τυπικό τρόπο και χρησιμοποιούν Σελίδα 3 από 15

4 μια γραμματική για τη χρήση των όρων του λεξιλογίου ώστε να εκφράσουν κάτι που έχει νόημα, όσον αφορά σε ένα συγκεκριμένο πεδίο γνώσης. Τα κύρια συστατικά που απαρτίζουν μια οντολογία είναι: Άτομα: αντιστοιχούν σε συγκεκριμένα υπαρκτά αντικείμενα, είτε υλικά είτε αφηρημένα. Για παράδειγμα άνθρωποι, ζώα, σπίτια, τραγούδια κ.α. Δεν είναι υποχρεωτικό μια οντολογία να περιέχει άτομα, όμως είναι χρήσιμο να υπάρχει ένας αριθμός ατόμων σε μια οντολογία, αφού ένας από τους κυριότερους λόγους ύπαρξης της είναι να συνάγει συμπεράσματα μέσα από λογικές διεργασίες για τα άτομα αυτά. Κλάσεις ή έννοιες: συλλογές από ομοειδή αντικείμενα, τα οποία θεωρούμε ότι ανήκουν στην ίδια κατηγορία, αφού παρουσιάζουν κοινά γνωρίσματα και χαρακτηριστικά. Ένα από τα κύρια χαρακτηριστικά των κλάσεων είναι η ιδιότητα του εγκλεισμού. Πρόκειται για ένα σχήμα κληρονομικότητας κατά το οποίο ένα αντικείμενο ανήκει σε περισσότερες από μια κλάσεις, με το σύνολο γνωρισμάτων της μιας κλάσης να αποτελεί υποσύνολο γνωρισμάτων της άλλης. Σε πολλές περιπτώσεις είναι επιτρεπτό και το φαινόμενο της πολλαπλής κληρονομικότητας όπου μια κλάση εγκλείεται σε περισσότερες από μια κλάσεις. Έτσι, μπορούν να δημιουργηθούν πολύ περίπλοκες και εκφραστικές ταξονομίες οι οποίες περιγράφουν εύστοχα πολλά από τα στοιχεία του κόσμου μας. Συσχετίσεις μεταξύ αντικειμένων των κλάσεων: Η σύνδεση δύο αντικειμένων γίνεται χρησιμοποιώντας σχέσεις (ρόλους) οι οποίες περιγράφουν την σχέση ενός αντικειμένου στον κόσμο με ένα άλλο αντικείμενο. Ένα παράδειγμα σχέσης που αφορά την παραπάνω ταξονομία θα μπορούσε να ήταν η σχέση «έχειπαιδί», η οποία αφορά την κλάση μητέρα και καθορίζει αν αυτή έχει παιδί που είναι αγόρι ή κορίτσι. Όπως βλέπουμε, λοιπόν, οι σχέσεις (ρόλοι) μας δίνουν τη δυνατότητα να ορίσουμε μοντέλα που είναι πολύ πλούσια σημασιολογικά. Κατασκευαστές: Αποτελούν (λογικούς) τελεστές με τη βοήθεια των οποίων μπορούν να οριστούν σύνθετες έννοιες και σχέσεις για τις οντότητες της οντολογίας χρησιμοποιώντας αυτές που ήδη υπάρχουν. Οι οντολογίες αποτελούν τυπικές γλώσσες που διαθέτουν τυπική σημασιολογία (formal semantics). Για το λόγο αυτό μπορούν να χρησιμοποιηθούν από προγράμματα αυτοματοποιημένης συλλογιστικής (automated reasoners), τα οποία χρησιμοποιώντας την ήδη υπάρχουσα γνώση που περιγράφεται σε αυτές είναι δυνατόν να εξάγουν νέα γνώση που ονομάζουμε συμπεράσματα. Για την αναπαράσταση των οντολογιών στον Σημασιολογικό Ιστό αναπτύχθηκαν γλώσσες αναπαράστασης βασισμένες στην XML, τη γλώσσα στην οποία δομείται η πληροφορία στο σημερινό ιστό. Οι γλώσσες αυτές είναι η RDF(S) και η OWL. Στo Σχήμα 1 φαίνεται η αρχιτεκτονική του Σημασιολογικού Ιστού. Όπως παρατηρούμε, ο Σημασιολογικός Ιστός αποτελείται από στρώματα που υλοποιούν διαφορετικές λειτουργικότητες: Η γλώσσα XML παρέχει τη στοιχειώδη σύνταξη του περιεχομένου των δεδομένων, χωρίς να τους προσδίδει σημασιολογία. Με τη γλώσσα XML Schema καθορίζεται η δομή των δεδομένων στα αρχεία XML. H γλώσσα RDF είναι γλώσσα αναπαράστασης γνώσης και βρίσκεται στο επίπεδο μεταδεδομένων. Η RDF περιγράφει μόνο ισχυρισμούς για τα δεδομένα, χρησιμοποιώντας τις έννοιες του πόρου (resource) και της ιδιότητας/ρόλου (property). Οι πόροι είναι ουσιαστικά τα ίδια τα δεδομένα, τα οποία περιγράφονται με την απόδοση ιδιοτήτων σε αυτά. Τα μοντέλα που βασίζονται στην RDF μπορούν να αναπαρασταθούν με βάση τη σύνταξη της XML. Σελίδα 4 από 15

5 Σχήμα 1, Αρχιτεκτονική Σημασιολογικού Ιστού Η γλώσσα RDF-S χρησιμοποιείται στο επίπεδο σχήματος. Η γλώσσα αυτή επεκτείνει την RDF με τη δυνατότητα περιγραφής των πόρων της RDF με έννοιες (κλάσεις), ιεραρχία εννοιών και ρόλων. Η γλώσσα OWL προσθέτει ακόμα περισσότερο λεξιλόγιο για την περιγραφή των ιδιοτήτων και των κλάσεων. Το λεξιλόγιο αυτό, είναι βασισμένο στις Περιγραφικές Λογικές και περιλαμβάνει τους κατασκευαστές των Περιγραφικών Λογικών. Στη συνέχεια παραθέτουμε μια μικρή εισαγωγή τόσο της γλώσσας OWL όσο και της OWL 2 που αποτελεί διάδοχο της. 2.1 Η γλώσσα OWL H OWL είναι μία γλώσσα για την αναπαράσταση οντολογιών, η σημασιολογία της οποίας αντιστοιχεί σε εκείνη μίας εκφραστικής Περιγραφικής Λογικής [2]. Η OWL, δεν είναι γλώσσα προγραμματισμού αλλά μία δηλωτική γλώσσα που περιγράφει την κατάσταση του κόσμου που αναπαρίσταται με λογικό τρόπο. Με τη βοήθεια εργαλείων συλλογιστικής, τα οποία είναι ανεξάρτητα από την OWL, είναι δυνατό να εξαχθούν συμπεράσματα για αυτή την κατάσταση του κόσμου. Για τη μοντελοποίηση της γνώσης, η OWL χρησιμοποιεί αξιώματα (axioms), τα οποία αντιστοιχούν σε δηλώσεις για τον κόσμο, οντότητες (entities), οι οποίες αντιπροσωπεύουν αντικείμενα, έννοιες και ρόλους του πραγματικού κόσμου καθώς και εκφράσεις (expressions), δηλαδή συνδυασμούς από οντότητες για την κατασκευή πιο σύνθετων οντοτήτων. Η OWL εμφανίζεται σε τρεις μορφές, τρεις υπογλώσσες αυξανόμενης εκφραστικότητας οι οποίες παρουσιάζονται παρακάτω: OWL Lite: Παρέχει την ίδια εκφραστική δυνατότητα με τη γλώσσα περιγραφικής λογικής SHIF(D). Απευθύνεται σε χρήστες που δεν έχουν μεγάλες απαιτήσεις σε εκφραστικές δυνατότητες. Έτσι εμφανίζει πολύ καλές υπολογιστικές επιδόσεις σε σχέση με πιο εκφραστικές γλώσσες. Σελίδα 5 από 15

6 OWL DL: Βασίζεται στη γλώσσα περιγραφικής λογικής SHOIN(D). Παρέχει μεγάλη εκφραστική ικανότητα παραμένοντας αποφασίσιμη (decidable). Πρόκειται για την πιο διαδεδομένη γλώσσα περιγραφής οντολογιών. OWL Full: Η γλώσσα αυτή είναι ίδια με την OWL DL όσον αναφορά στο λεξιλόγιό της. Παρέχει όμως επιπλέον χαρακτηριστικά όπως τη συντακτική ελευθερία της γλώσσας RDF. Συνεπώς, παρέχει και περιθώρια μετα-μοντελοποίησης. Τα χαρακτηριστικά αυτά την καθιστούν μη-αποφασίσιμη (undecidable) κάτι το οποίο έχει σαν συνέπεια να μη χρησιμοποιείται σε εφαρμογές. 2.2 Η γλώσσα OWL 2 Η τελευταία έκδοση της OWL είναι η γλώσσα OWL 2. Με τις υπογλώσσες (profiles) της OWL 2, αντιμετωπίζεται το πρόβλημα υψηλής πολυπλοκότητας συλλογιστικής εξαιτίας της υψηλής εκφραστικότητας που παρουσιάζεται στην OWL. Κάθε μία από τις υπογλώσσες μειώνει την εκφραστικότητα της OWL με διαφορετικό τρόπο, ώστε η κάθε μία να χρησιμοποιείται σε διαφορετικού είδους εφαρμογές παρέχοντας ταυτόχρονα την απαραίτητη εκφραστικότητα χωρίς όμως να παρουσιάζει μεγάλη υπολογιστική πολυπλοκότητα. Η OWL 2 EL είναι κατάλληλη για οντολογίες με πολύ μεγάλο αριθμό ιδιοτήτων ή εννοιών. Σε τέτοιες περιπτώσεις είναι σημαντικό τα βασικά προβλήματα συλλογιστικής να επιλύονται σε χρόνο πολυωνυμικό ως προς το μέγεθος της οντολογίας. Η OWL 2 EL βασίζεται στην οικογένεια γλωσσών EL και συγκεκριμένα στη γλώσσα EL++. Η OWL 2 QL χρησιμοποιείται σε οντολογίες με πολύ μεγάλο αριθμό στιγμιοτύπων, και στις οποίες από πλευράς συλλογιστικής μας ενδιαφέρει κυρίως η απάντηση ερωτημάτων. Στην OWL 2 QL, η απάντηση συζευκτικών ερωτημάτων μπορεί να υλοποιηθεί με τη βοήθεια σχεσιακών βάσεων δεδομένων. Με την κατάλληλη τεχνική συλλογιστικής, η απάντηση ερωτημάτων μπορεί να είναι ορθή και πλήρης σε λογαριθμικό, ως προς το πλήθος των στιγμιοτύπων, χώρο. Όπως και για την OWL 2 EL, υπάρχουν αλγόριθμοι συλλογιστικής που σε πολυωνυμικό χρόνο υλοποιούν τα προβλήματα συνέπειας και υπαγωγής. Η OWL 2 RL έχει σχεδιαστεί για εφαρμογές που απαιτούν υψηλού επιπέδου συλλογιστική χωρίς να θυσιάζεται όλη η εκφραστική δύναμη της γλώσσας OWL. Απευθύνεται σε εφαρμογές που μπορούν να θυσιάσουν μέρος της εκφραστικότητας των γλωσσών που διαχειρίζονται έτσι ώστε να εμφανίζουν μεγαλύτερη αποτελεσματικότητα, όπως επίσης σε εφαρμογές RDF(S) που χρειάζονται επιπλέον εκφραστικότητα. Τα συστήματα εξαγωγής συμπερασμάτων για την OWL 2 RL υλοποιούνται με μηχανές συλλογιστικής βασισμένες σε κανόνες (rule-based). Τα προβλήματα συνέπειας, ικανοποιησιμότητας εκφράσεων, ελέγχου στιγμιοτύπων και απάντησης συζευκτικών ερωτημάτων λύνονται σε πολυωνυμικό χρόνο σε σχέση με το μέγεθος της οντολογίας. Η γλώσσα αυτή έχει αρκετά υψηλή εκφραστικότητα, αφού περιλαμβάνει σχεδόν όλους τους κατασκευαστές της OWL Αντιστοίχιση Οντολογιών Όπως αναφέραμε και προηγουμένως για να μπορέσει να επιτευχθεί διαλειτουργικότητα μεταξύ των μεταδεδομένων των διαφόρων παρόχων είναι απαραίτητο οι πληροφορίες να αναπαρίστανται με τη βοήθεια οντολογιών. Παρόλα αυτά είναι πιθανό και οι οντολογίες να εισάγουν κάποιο βαθμό ετερογένειας και για αυτό θα πρέπει να υποστούν κάποια επεξεργασία για να αποκατασταθεί η διαλειτουργικότητα. Συνεπώς η σημασιολογική διαλειτουργικότητα που είναι απαραίτητη για την ολοκλήρωση των Σελίδα 6 από 15

7 δεδομένων ανάγεται στην εναρμόνιση των οντολογιών. Το πρόβλημα αυτό είναι γνωστό στην βιβλιογραφία ως «Αντιστοίχιση Οντολογιών» (Ontology Alignment ή Ontology Matching) και μπορεί να περιγραφεί ως εξής: δεδομένων δύο οντολογιών που κάθε μια περιγράφει ένα σύνολο από διακριτά αντικείμενα ζητείται να βρεθούν οι σχέσεις (όπως ισοδυναμία ή υπαγωγή) που ισχύουν μεταξύ των αντικειμένων αυτών. Με άλλα λόγια η αντιστοίχιση οντολογιών είναι η διαδικασία κατά την οποία παράγονται σημασιολογικές αντιστοιχίσεις μεταξύ οντολογιών παρέχοντας έτσι τη δυνατότητα της ολοκλήρωσης δεδομένων με αυτόματο τρόπο. Για τον ορισμό μιας αντιστοίχισης ανάμεσα σε δύο οντότητες δύο διαφορετικών οντολογιών είναι απαραίτητο να οριστεί η σχέση που υπάρχει ανάμεσα σε αυτές (τις οντότητες). Οι αλγόριθμοι αντιστοίχισης πρωτίστως χρησιμοποιούν την σχέση της ισοδυναμίας (=) θέλοντας έτσι να δηλώσουν ότι οι οντότητες που έχουν αντιστοιχιστεί είναι ίδιες ή ισοδύναμες. Επιπλέον είναι δυνατόν να οριστούν σχέσεις που ορίζονται από την κάθε γλώσσα αναπαράστασης οντολογιών. Για παράδειγμα, χρησιμοποιώντας την OWL, είναι δυνατόν να χρησιμοποιηθούν οι σχέσεις owl:equivalentclass, owl:disjointwith, και rdfs:subclassof έτσι ώστε να συσχετιστούν οι οντότητες των δύο οντολογιών. Οι σχέσεις αυτές αντιστοιχούν σε συνολοθεωρητικές σχέσεις: ισότητα (=), σχέση ξένων εννοιών ( ) και σχέση γενίκευσης ( ) αντίστοιχα. Τέλος, οι σχέσεις αυτές μπορεί να είναι οποιουδήποτε τύπου και δεν είναι απαραίτητο να περιορίζονται σε σχέσεις που ορίζονται από τη γλώσσα αναπαράστασης οντολογιών, όπως είναι οι ασαφείς σχέσεις ή οι κατανομές πιθανότητας πάνω σε ένα πλήρες σύνολο σχέσεων, ή τέλος μέτρα ομοιότητας. Για πρακτικούς λόγους, στη σχέση που ορίζεται ανάμεσα σε δύο οντότητες ανατίθεται ένας βαθμός εμπιστοσύνης ο οποίος μπορεί να θεωρηθεί ως ένα μέτρο εμπιστοσύνης στο γεγονός ότι ισχύει η σχέση. Η χρήση αυτού του μέτρου έγκειται στο ότι όσο μεγαλύτερο είναι το μέτρο αυτό τόσο πιο πιθανό είναι να ισχύει η σχέση στην οποία έχει ανατεθεί. Η πιο διαδεδομένη δομή είναι αυτή που στηρίζεται στο συνεχές διάστημα τιμών [0 1], αλλά κάποια συστήματα χρησιμοποιούν άλλες δομές όπως ασαφείς βαθμούς, πιθανότητες ή και άλλες. Χρησιμοποιώντας αυτά τα συστατικά μια αντιστοίχιση ανάμεσα σε δύο οντολογίες O και O μπορεί να οριστεί ως η πλειάδα <id,e,e,r,n> όπου: id είναι ένα μοναδικό αναγνωριστικό για τη συγκεκριμένη αντιστοίχιση, e είναι μια οντότητα της οντολογίας O, e είναι μια οντότητα της οντολογίας O, r είναι η σχέση ανάμεσα στα e, e και n είναι ο βαθμός εμπιστοσύνης. Συνεπώς η αντιστοίχιση <id,e,e,r,n> ορίζει ότι ισχύει η σχέση r ανάμεσα στις οντότητες e και e με βαθμό εμπιστοσύνης n. Επομένως η αντιστοίχιση δύο οντολογιών O και O ορίζεται ως το σύνολο των αντιστοιχίσεων της μορφής <id,e,e,r,n> για (πιθανώς) όλες τις οντότητες e και e που ανήκουν στις O και O αντίστοιχα. 4. Τεχνικές Αντιστοίχισης Οντολογιών Όπως αναφέρθηκε και παραπάνω ο στόχος της αντιστοίχισης οντολογιών είναι η εύρεση σχέσεων μεταξύ οντοτήτων (εννοιών και ρόλων) διαφορετικών οντολογιών. Πολύ συχνά οι σχέσεις αυτές είναι σχέσεις ισοδυναμίας που προκύπτουν μέσω της μέτρησης της ομοιότητας των οντοτήτων που περιέχουν οι οντολογίες αυτές. Σελίδα 7 από 15

8 Στη συνέχεια παρουσιάζουμε ένα πλήθος μεθόδων που χρησιμοποιούνται ευρέως στη βιβλιογραφία αλλά και στα υπάρχοντα συστήματα και εργαλεία. Οι μέθοδοι αυτές κατηγοριοποιούνται σε τοπικές οι οποίες υπολογίζουν την συσχέτιση μεταξύ δύο οντοτήτων και καθολικές οι οποίες χρησιμοποιώντας τις συσχετίσεις που έχουν υπολογιστεί από τις τοπικές μεθόδους παράγουν τις αντιστοιχίσεις. 4.1 Τοπικές Μέθοδοι Οι τοπικές μέθοδοι συνίστανται στην εύρεση αντιστοιχίσεων μεταξύ οντοτήτων διαφορετικών οντολογιών. Αυτό σημαίνει ότι στις τοπικές μεθόδους μια οντότητα (που μπορεί να είναι είτε έννοια, είτε ρόλος, είτε αντικείμενο) από μια οντολογία συγκρίνεται με μια οντότητα από μια άλλη οντολογία. Για να μπορέσουμε να αναγνωρίσουμε ποιες είναι οι πιο σχετικές οντότητες ανάμεσα σε δύο οντολογίες και για να μπορέσουμε να παρέχουμε αποδεκτές αντιστοιχίσεις μεταξύ τους χρησιμοποιούμε κάποια μέτρα. Τέτοια μέτρα είναι η ομοιότητα με την οποία υπολογίζουμε πόσο όμοιες είναι δύο οντότητες, και η ανομοιότητα με την οποία υπολογίζουμε πόσο διαφέρουν Ορολογικές Μέθοδοι Οι μέθοδοι αυτές χρησιμοποιούν τους όρους (ετικέτες ή ονόματα) των οντοτήτων έτσι ώστε να βρουν τις οντότητες που είναι όμοιες. Υπάρχουν δύο κύριες κατηγορίες μεθόδων για τη σύγκριση όρων. Αυτές είναι οι μέθοδοι συμβολοσειράς οι οποίες λαμβάνοντας υπ όψιν τους χαρακτήρες της συμβολοσειράς του όρου και οι γλωσσικές μέθοδοι στις οποίες χρησιμοποιείται γλωσσολογική πληροφορία Μέθοδοι συμβολοσειράς Οι μέθοδοι αυτές εκμεταλλεύονται τη δομή μιας συμβολοσειράς. Μερικές τέτοιες μέθοδοι είναι οι εξής: η ισότητα συμβολοσειρών που είναι μια συνάρτηση που επιστρέφει 0 εάν δύο συμβολοσειρές είναι διαφορετικές και 1 εάν είναι ίδιες, συναρτήσεις που ελέγχουν εάν μια συμβολοσειρά εμπεριέχεται σε μια άλλη. Μια τέτοια συναρτήση είναι η συνάρτηση n-gram [3] που επιστρέφει τον αριθμό των κοινών υπό-συμβολοσειρών που είναι όμοιες στις δύο συμβολοσειρές, συναρτήσεις που υπολογίζουν την απόσταση επεξεργασίας δύο συμβολοσειρών, που είναι ο αριθμός των εισαγωγών, διαγραφών και αντικαταστάσεων χαρακτήρων που χρειάζονται έτσι ώστε μια συμβολοσειρά να μετασχηματιστεί σε μια άλλη. Τέτοιες συναρτήσεις είναι η απόσταση Jaro [3] και η απόσταση Jaro- Winkler [3], συναρτήσεις που χρησιμοποιούν σημειολογική πληροφορία και θεωρούν τις συμβολοσειρές ως (πολυ)σύνολα λέξεων, δηλαδή σύνολα στα οποία ένα συγκεκριμένο αντικείμενο μπορεί να εμφανίζεται πολλές φορές. Οι συναρτήσεις αυτές είναι εμπνευσμένες από το χώρο της ανάκτησης πληροφοριών (information retrieval) Γλωσσικές μέθοδοι Οι μέθοδοι αυτές στηρίζουν τη λειτουργία τους στη χρήση τεχνικών Επεξεργασίας Φυσικής Γλώσσας, έτσι ώστε να ανακαλύψουν συσχετίσεις μεταξύ αντικειμένων εννοιών και ρόλων. Κατηγοριοποιούνται περαιτέρω σε εσωτερικές, που εφαρμόζουν ορολογικές μεθόδους αντιστοίχισης με τη βοήθεια μορφολογικής και συντακτικής ανάλυσης, εξωτερικές, που χρησιμοποιούν εξωτερικές πηγές όπως λεξικά και θησαυρούς και τέλος σε πολυγλωσσικές, που περιλαμβάνουν την αντιστοίχιση όρων σε διαφορετικές Σελίδα 8 από 15

9 γλώσσες, έτσι ώστε να μπορεί να κατασκευαστεί μια πολυγλωσσική οντολογία από δύο μονογλωσσικές ή ακόμα και για να αντιστοιχιστούν πολυγλωσσικές οντολογίες Δομικές Μέθοδοι Οι μέθοδοι αυτές συγκρίνουν τη δομή των οντοτήτων σε μια οντολογία, αντί να συγκρίνουν τα ονόματα και τα αναγνωριστικά τους. Η σύγκριση αυτή μπορεί να διαιρεθεί σε σύγκριση της εσωτερικής δομής μιας οντότητας και σε σύγκριση της οντότητας αυτής με άλλες οντότητες με τις οποίες σχετίζεται Εσωτερική δομή Οι μέθοδοι αυτές στηρίζονται στην εσωτερική δομή των οντοτήτων και χρησιμοποιούν κριτήρια όπως το πεδίο τιμών και το πεδίο ορισμού των ρόλων, τον αριθμό πληθικότητας τους, και τη μεταβατικότητα και/ή συμμετρία των ρόλων τους έτσι ώστε να υπολογίσουν την ομοιότητα τους. Οι μέθοδοι αυτές χρησιμοποιούνται συνήθως σε συνδυασμό με άλλες μεθόδους με σκοπό να ελαχιστοποιήσουν το μέγεθος των οντοτήτων που είναι υποψήφιες για αντιστοίχιση Εξωτερική δομή Οι μέθοδοι εξωτερικής δομής στηρίζουν την λειτουργία τους στην αντίληψη ότι «εάν δύο οντότητες είναι όμοιες τότε και οι γείτονες τους μπορεί να είναι κατά κάποιο τρόπο όμοιοι». Το μέτρο (αν)ομοιότητας υπολογίζεται με βάση τη θέση των οντοτήτων μέσα στην ιεραρχία της οντολογίας τους. Οι μέθοδοι αυτές παρουσιάζουν πολύ σημαντικά προβλήματα όταν το πεδίο από το οποίο έχουν κατασκευαστεί οι δύο σε σύγκριση οντολογίες είναι διαφορετικό, κάτι που είναι ιδιαίτερα συχνό στον Σημασιολογικό Ιστό Εκτατικές Μέθοδοι Οι μέθοδοι αυτές συγκρίνουν τα αντικείμενα που συμμετέχουν στις έννοιες και τους ρόλους της οντολογίας και μπορούν να χρησιμοποιηθούν κάτω από δύο διαφορετικές συνθήκες. Η πρώτη είναι όταν οι δύο οντολογίες μοιράζονται το ίδιο σύνολο αντικειμένων και η δεύτερη όταν κάτι τέτοιο δεν ισχύει Σημασιολογικές Μέθοδοι Οι σημασιολογικές μέθοδοι στηρίζουν τη λειτουργία τους σε μοντέλα. Αποτελούν επαγωγικές μεθόδους και χρησιμοποιούν μοντελο-θεωρητική σημασιολογία για να δικαιολογήσουν τα αποτελέσματα τους. Η βασική ιδέα είναι ότι μεταφράζουν το πρόβλημα αντιστοίχισης σε μια προτασιακή φόρμουλα την οποία στη συνέχεια ελέγχουν για την εγκυρότητα της. Οι αμιγώς σημασιολογικές μέθοδοι δεν παρέχουν καλά αποτελέσματα όταν χρησιμοποιούνται μόνες τους. Συνήθως χρειάζονται ένα στάδιο προεπεξεργασίας στο οποίο δίνονται οι οντότητες που είναι ισοδύναμες. 4.2 Καθολικές Μέθοδοι Οι μέθοδοι αυτές συνδυάζουν τα αποτελέσματα των τοπικών μεθόδων έτσι ώστε να κατασκευάσουν ένα πρωτότυπο αλγόριθμο για την κατασκευή αντιστοιχίσεων. Από τη στιγμή που οι τοπικές μέθοδοι έχουν καθορίσει το μέτρο της (αν)ομοιότητας χρησιμοποιούνται διάφορες διεργασίες έτσι ώστε να υπολογιστούν οι αντιστοιχίσεις. Τέτοιες διεργασίες είναι: η συνάθροιση των αποτελεσμάτων των τοπικών μεθόδων έτσι ώστε να υπολογιστεί η ομοιότητα σύνθετων οντοτήτων, η οργάνωση του συνδυασμού διαφόρων τύπων ομοιοτήτων και αλγορίθμων αντιστοίχισης, Σελίδα 9 από 15

10 η συμμετοχή του χρήστη στη διαδικασία αντιστοίχισης, η εξαγωγή των αντιστοιχίσεων από τις προκύπτουσες (αν)ομοιότητες. 5. Συστήματα Αιχμής στην Αντιστοίχιση Οντολογιών 5.1 SAMBO Το SAMBO είναι ένα σύστημα που χρησιμοποιείται για την αντιστοίχιση και την συγχώνευση βιοϊατρικών οντολογιών [4]. Έχει τη δυνατότητα να διαχειρίζεται οντολογίες γραμμένες σε OWL και η έξοδος του δίνει αντιστοιχίσεις ένα προς ένα μεταξύ εννοιών και ρόλων. Το σύστημα αυτό χρησιμοποιεί μια πληθώρα προσαρμογέων αντιστοίχισης ομοιότητας (matchers), που περιλαμβάνουν: ορολογικούς: n-gram, απόσταση επεξεργασίας, σύγκριση των λιστών των λέξεων από τις οποίες αποτελούνται οι όροι. Τα αποτελέσματα αυτών των προσαρμογέων συνδυάζονται μέσω ενός σταθμισμένου αθροίσματος με προκαθορισμένα βάρη, δομικούς, μέσω ενός επαναληπτικού αλγορίθμου που ελέγχει εάν δύο έννοιες εμφανίζονται σε ίδιες θέσεις σε σχέση με τις ιεραρχίες is-a ή part-of σε σχέση με ήδη αντιστοιχισμένες έννοιες, με την διαίσθηση ότι οι υπό μελέτη έννοιες είναι πιθανό να είναι επίσης όμοιες, με χρήση γνωστικού υποβάθρου, με τη χρήση (i) μιας σχέσης μεταξύ των αντιστοιχισμένων εννοιών σε UMLS (Unified Medical Language System) [5] και (ii) ενός συνόλου γνώσης που συλλέγεται από την δημοσιευμένη βιβλιογραφία και εξάγεται με τη χρήση ενός απλού ταξινομητή Bayes. Τα αποτελέσματα που παράγονται από αυτούς τους προσαρμογείς συνδυάζονται με βάση τα προκαθορισμένα βάρη. Στη συνέχεια, πραγματοποιείται μια διαδικασία φιλτραρίσματος έτσι ώστε να προκύψει μια πρόταση αντιστοίχισης, η οποία εμφανίζεται στο χρήστη για επιβεβαίωση (αποδοχή, απόρριψη ή τροποποίηση). Εφόσον η διαδικασία της αντιστοίχισης έχει πραγματοποιηθεί, το σύστημα μπορεί να συγχωνεύσει τις αντιστοιχισμένες οντολογίες, να υπολογίσει τις συνέπειες της αντιστοίχισης και να ελέγξει την καινούρια οντολογία για ασυνέπειες. 5.2 Falcon Το σύστημα Falcon ακολουθεί μια προσέγγιση διαίρει-και-βασίλευε για την αντιστοίχιση οντολογιών [6]. Μπορεί να διαχειριστεί οντολογίες που είναι γραμμένες σε RDF και OWL. Έχει σχεδιαστεί έτσι ώστε να μπορεί να διαχειρίζεται πολύ μεγάλες οντολογίες (που περιέχουν χιλιάδες οντότητες). Η διαδικασία αντιστοίχισης πραγματοποιείται σε τρείς φάσεις: (i) διαχωρισμού των οντολογιών, (ii) αντιστοίχισης τμημάτων, και (iii) υπολογισμού αντιστοιχίσεων. Η πρώτη φάση ξεκινάει με ένα δομικό διαχωρισμό έτσι ώστε να διαχωριστούν οι οντότητες (έννοιες και ρόλοι) κάθε οντολογίας σε ένα σύνολο μικρών συστάδων. Ο διαχωρισμός στηρίζεται σε δομικές αποστάσεις ανάμεσα σε έννοιες και ρόλους, π.χ. στο πόσο κοντά βρίσκονται οι έννοιες στις ιεραρχίες των σχέσεων rdfs:subclassof καθώς και σε μια επέκταση του αλγορίθμου ομαδοποίησης Rock agglomerative [7]. Στη συνέχεια με χρήση αυτών των συστάδων (ομάδων) κατασκευάζει τμήματα. Στη δεύτερη φάση αυτή τα τμήματα από διαφορετικές οντολογίες αντιστοιχίζονται με βάση ζεύγη οντοτήτων που έχουν ήδη αντιστοιχιστεί και ονομάζονται άγκυρες. Όσο περισσότερες άγκυρες υπάρχουν για τα δύο αυτά τμήματα τόσο περισσότερο όμοια είναι. Με τη σειρά τους, οι άγκυρες αυτές προκύπτουν από την αντιστοίχιση οντοτήτων με τη χρήση του αλγορίθμου I-SUB [8]. Στη συνέχεια τα ζεύγη τμημάτων που έχουν τις μεγαλύτερες ομοιότητες επιλέγονται με βάση ένα κατώφλι. Αξίζει να σημειωθεί ότι κάθε τμήμα Σελίδα 10 από 15

11 αποτελεί ένα μικρό τμήμα μιας οντολογίας. Τέλος, στην τρίτη φάση τα αποτελέσματα της επονομαζόμενης μεθόδου V-Doc, που αποτελεί μια γλωσσική μέθοδο αντιστοίχισης, και της τεχνικής GMO, που αποτελεί επαναληπτικό προσαρμογέα δομικής αντιστοίχισης, συνδυάζονται μέσω διαδοχικής σύνθεσης έτσι ώστε να προκύψουν αντιστοιχίσεις μεταξύ των ζευγών τμημάτων που έχουν αντιστοιχιστεί. Στο τέλος, η αντιστοίχιση που δίνεται ως έξοδος προκύπτει από μια άπληστη επιλογή (greedy selection). 5.3 DSSim Το DSSim αποτελεί ένα πλαίσιο για αντιστοίχιση οντολογιών με τη χρήση πρακτόρων. Το σύστημα διαχειρίζεται πολύ μεγάλες οντολογίες γραμμένες σε OWL και SKOS και υπολογίζει αντιστοιχίσεις ένα προς ένα που περιέχουν σχέσεις υπαγωγής και ισοδυναμίας μεταξύ εννοιών και ρόλων. Ο κάθε πράκτορας κατασκευάζει μια πεποίθηση για την ορθότητα μιας συγκεκριμένης υπόθεσης αντιστοίχισης. Στη συνέχεια, οι πεποιθήσεις αυτές συνδυάζονται σε μια πιο συνεκτική όψη έτσι ώστε να βελτιωθεί η ποιότητα της αντιστοίχισης. Στη συνέχεια οι οντολογίες διαμερίζονται σε τμήματα. Κάθε έννοια ή ρόλος του πρώτου τμήματος αντιμετωπίζεται σαν ένα ερώτημα, το οποίο επεκτείνεται με βάση υπερώνυμα από το WordNet, τα οποία αντιμετωπίζονται ως γνωστικό υπόβαθρο. Τα υπερώνυμα αυτά χρησιμοποιούνται ως μεταβλητές στην κάθε υπόθεση έτσι ώστε να ενισχύσουν τις πεποιθήσεις. Οι έννοιες και οι ρόλοι που επεκτείνονται αντιστοιχίζονται συντακτικά με όμοιες έννοιες και ρόλους της δεύτερης οντολογίας έτσι ώστε να μπορεί να αναγνωριστεί ένα σχετικό τμήμα γράφου της δεύτερης οντολογίας. Στη συνέχεια ο γράφος του ερωτήματος της πρώτης οντολογίας αντιστοιχίζεται με το σχετικό τμήμα του γράφου της δεύτερης οντολογίας. Για το σκοπό αυτό χρησιμοποιούνται διάφορα μέτρα ορολογικής ομοιότητας, όπως οι αποστάσεις Monger-Elkan και Jaccard, τα οποία στη συνέχεια συνδυάζονται με διάφορους τύπους. Οι ομοιότητες αντιμετωπίζονται ως διαφορετικοί εμπειρογνώμονες στη θεωρία αποδείξεων και χρησιμοποιούνται για να παρέχουν πρόσβαση σε ποσοτικές τιμές ομοιότητας (που μετασχηματίζονται σε συναρτήσεις πεποίθησης) με τις οποίες γεμίζουν οι πίνακες ομοιότητας. Οι αντιστοιχίσεις που προκύπτουν επιλέγονται με βάση τη μέγιστη συνάρτηση πεποίθησης πάνω από τις συνδυαζόμενες αποδείξεις. Διάφορες συγκρούσεις που μπορεί να προκύψουν αντιμετωπίζονται με τη χρήση μιας προσέγγισης που στηρίζεται σε ασαφείς κανόνες. Το σύστημα χρησιμοποιεί τη διαπροσωπεία του συστήματος απάντησης ερωτημάτων AQUA [9] που μπορεί να διαχειριστεί ερωτήματα φυσικής γλώσσας. 5.4 CROSI Το σύστημα CROSI (Capturing, Representing and Operationalising Semantic Integration) [10] χρησιμοποιεί μια μέθοδο κατηγοριοποίησης που χρησιμοποιείται τόσο για την αντιστοίχιση σχημάτων βάσεων δεδομένων όσο και για αντιστοίχιση οντολογιών. Επίσης παρέχει βοηθήματα για την πλοήγηση μέσα σε διάφορες προσεγγίσεις αντιστοίχισης δίνοντας έμφαση σε σημασιολογικές τεχνικές. Αποτελεί ένα σύστημα που χρησιμοποιεί ήδη υπάρχοντα πακέτα έτσι ώστε να ενισχύσει τους εσωτερικούς προσαρμογείς αντιστοίχισης του καθώς και άλλα συστήματα αντιστοίχισης που τα χρησιμοποιεί σαν εξωτερικούς προσαρμογείς. Η διαδικασία αντιστοίχισης βασίζεται στην ομοιότητα που υπολογίζεται από τα ονόματα, το πεδίο ορισμού, και το πεδίο τιμών καθορισμένων ιδιοτήτων καθώς και στη χρήση γλωσσολογικών μεθόδων, όπως το WordNet. 5.5 MapOnto Το MapOnto αποτελεί ένα plug-in για την πλατφόρμα διαχείρισης γνώσης Protégé. Αποτελεί ένα ερευνητικό έργο που έχει ως στόχο την δημιουργία σημασιολογικών αντιστοιχίσεων ανάμεσα σε διαφορετικά μοντέλα δεδομένων, π.χ. σχήματα βάσεων δεδομένων, εννοιολογικά σχήματα, και οντολογίες. Ενώ άλλα συστήματα Σελίδα 11 από 15

12 αντιμετωπίζουν το πρόβλημα της δημιουργίας αντιστοιχίσεων για παρόμοια μοντέλα δεδομένων, το MapOnto έχει τη δυνατότητα να κατασκευάσει αντιστοιχίσεις μεταξύ διαφορετικών μοντέλων δεδομένων. Η πιο σημαντική του λειτουργία είναι η αντιστοίχιση μεταξύ σχεσιακών πινάκων και οντολογιών. Για να είναι κάτι τέτοιο εφικτό ο χρήστης είναι απαραίτητο να παρέχει απλές σχέσεις από τις στήλες των πινάκων σε ιδιότητες των εννοιών σε μια οντολογία. 5.6 RiMOM Το RiMOM αποτελεί ένα δυναμικό πλαίσιο πολλαπλών στρατηγικών [11]. Αποτελεί επέκταση μιας προηγούμενης έκδοσης του συστήματος [12] το οποίο στήριζε τη λειτουργία του στο συνδυασμό πολλαπλών στρατηγικών αντιστοίχισης, μέσω της ελαχιστοποίησης ρίσκου με Μπαεσιανές συναρτήσεις απόφασης. Η νέα έκδοση εκτιμά ποσοτικά τα χαρακτηριστικά ομοιότητας για κάθε διαδικασία αντιστοίχισης. Τα χαρακτηριστικά αυτά χρησιμοποιούνται στη συνέχεια για την επιλογή και το συνδυασμό των διάφορων μεθόδων αντιστοίχισης. Χρησιμοποιούνται δύο βασικές μέθοδοι αντιστοίχισης: (i) γλωσσολογική ομοιότητα (απόσταση επεξεργασίας για τις ταμπέλες των οντοτήτων, απόσταση διανύσματος ανάμεσα στα σχόλια και τα αντικείμενα των οντοτήτων) και (ii) δομική ομοιότητα (μια μορφή του Similarity Flooding [13] η οποία έχει υλοποιηθεί ως τρεις στρατηγικές: από έννοια σε έννοια, από ρόλο σε ρόλο και από έννοια σε ρόλο). Στη συνέχεια κάθε στρατηγική χρησιμοποιεί παράγοντες από τις ομοιότητες των ετικετών και τις δομικές ομοιότητες, που εισάγονται ως προεπεξεργασία των οντολογιών που πρόκειται να αντιστοιχιστούν, έτσι ώστε να καθοριστεί ποιά πληροφορία χρειάζεται να χρησιμοποιηθεί στην διαδικασία αντιστοίχισης. Πιο συγκεκριμένα, η επιλογή στρατηγικής ρυθμίζει δυναμικά τα χαρακτηριστικά για τη γλωσσολογική αντιστοίχιση, το συνδυασμό των βαρών για τον συνδυασμό των αντιστοιχίσεων, και την επιλογή της στρατηγικής αντιστοίχισης. Στη συνέχεια, η διαδικασία αντιστοίχισης ολοκληρώνεται με την επιλογή των αντιστοιχίσεων και την εξαγωγή του τελικού αποτελέσματος. 5.7 QOM Το σύστημα QOM (Quick Ontology Mapping) [14] είναι ένα εργαλείο αντιστοίχισης οντολογιών που στηρίζει τη λειτουργία του στην ποιοτική αντιστοίχιση σε σχέση με την πολυπλοκότητα εκτέλεσης. Η προσέγγιση αυτή στηρίζεται στο ότι σε αλγόριθμους αντιστοίχισης που είναι κατασκευασμένοι με βάση τις αρχές του δυναμικού προγραμματισμού, η απώλεια της ποιότητας των αντιστοιχίσεων είναι οριακή, ενώ η βελτίωση που παρατηρείται στην αποδοτικότητα του αλγορίθμου είναι τόσο μεγάλη που επιτρέπει την αντιστοίχιση πολύ μεγάλων οντολογιών. Το QOM υποστηρίζει οντολογίες που είναι γραμμένες σε RDF. Η διαδικασία που ακολουθείται για την παραγωγή των αντιστοιχίσεων περιγράφεται στη συνέχεια. Αρχικά το QOM δέχεται στην είσοδο του τις RDF οντολογίες. Στη συνέχεια, αντί να συγκρίνει όλες τις οντότητες της πρώτης οντολογίας με αυτές της δεύτερης, χρησιμοποιεί ευριστικές συναρτήσεις (heuristics) έτσι ώστε να ελαττώσει τον αριθμό των υποψήφιων αντιστοιχίσεων, κάτι το οποίο βελτιώνει σημαντικά την πολυπλοκότητα του συστήματος. Ο υπολογισμός της ομοιότητας γίνεται με τη χρήση ενός εύρους συναρτήσεων ομοιότητας συμβολοσειρών. Στη συνέχεια όλες οι αντιστοιχίσεις που έχουν παραχθεί χρησιμοποιούνται ως είσοδος σε ένα συναθροιστή ομοιοτήτων, ο οποίος αντί να χρησιμοποιεί μια γραμμική συνάρτηση συνάθροισης χρησιμοποιεί μια σιγμοειδή, έτσι δίνοντας μεγαλύτερη έμφαση στις αντιστοιχίσεις που έχουν μεγάλο μέτρο ομοιότητας. Όταν υπολογιστούν τα μέτρα ομοιότητας, τότε κατασκευάζονται και οι τελικές αντιστοιχίσεις οι οποίες ανατίθενται μια στρατηγική που ξεκινάει πρώτα από τις Σελίδα 12 από 15

13 αντιστοιχίσεις με μεγάλες τιμές ομοιότητας. Για το λόγο αυτό το QOM υποστηρίζει μόνο αντιστοιχίσεις ένα προς ένα. 5.8 Hmatch To ΗΜatch είναι ένα εργαλείο για δυναμική αντιστοίχιση οντολογιών. Συγκεκριμένα, υπάρχουν τέσσερα διαφορετικά μοντέλα αντιστοίχισης για να καλύψουν αντιστοιχίσεις τόσο σε επιφανειακό επίπεδο όσο και πιο εντατικά, με σκοπό να παρέχει ένα ευρύ φάσμα μετρικών που του δίνουν τη δυνατόν να αντιμετωπίσει τα διάφορα σενάρια αντιστοιχίσεων που μπορούν να υπάρξουν όταν οι έννοιες που χρησιμοποιούνται περιγράφουν πραγματικές οντολογίες. Το HMatch παίρνει σαν είσοδο δύο οντολογίες και επιστρέφει σαν αποτέλεσμα τις αντιστοιχίσεις που καθορίζουν τις ανταποκρίσεις μεταξύ εννοιών των δύο οντολογιών, οι οποίες έχουν το ίδιο ή παρόμοιο νόημα. Οι αντιστοιχίσεις του HMatch προκύπτουν μετά από ανάλυση της ομοιότητας των εννοιών που υπάρχουν στις οντολογίες που συγκρίνονται. Με το HMatch γίνεται ανάλυση ομοιότητας μέσω συγγενικών μετρικών για να καθοριστεί ένα μέτρο σημασιολογικής συγγένειας μεταξύ των τιμών [0,1]. Ένας μηχανισμός κατωφλίου επιβάλλεται για να θέσει ένα ελάχιστο επίπεδο σημασιολογικής συγγένειας το οποίο προσδιορίζει κατά πόσο δύο έννοιες θεωρούνται ως αντίστοιχες έννοιες. Δεδομένων δύο οντολογιών, το HMatch υπολογίζει την τιμή της σημασιολογικής συγγένειας ως το γραμμικό συνδυασμό της τιμής της γλωσσικής συγγένειας και της τιμής της συγγένειας από τα συμφραζόμενα. Για την εκτίμηση της γλωσσικής συγγένειας, το HMatch βασίζεται σε μια «εγκυκλοπαίδεια» από όρους και σχέσεις που εξάγονται αυτόματα από το λεξικό σύστημα WordNet. H συνάρτηση του HMatch που υπολογίζει τη συγγένεια από τα συμφραζόμενα παρέχει ένα μέτρο ομοιότητας, υπολογίζοντας τα χαρακτηριστικά από τα συμφραζόμενα των εννοιών της οντολογίας. Τα συμφραζόμενα μιας έννοιας μπορεί να περιέχουν ιδιότητες, σημασιολογικές σχέσεις με άλλες έννοιες και τιμές ιδιοτήτων. Το επίπεδο σημασιολογικής πολυπλοκότητας θεωρείται διαφορετικό με βάση τη σύνθεση των συμφραζόμενων και έτσι έχουμε τα τέσσερα μοντέλα αντιστοίχισης: surface: λαμβάνεται υπόψη μόνο η γλωσσική συγγένεια για να καθοριστεί η ομοιότητα των εννοιών. shallow: λαμβάνεται υπόψη η συγγένεια από τα συμφραζόμενα θεωρώντας ότι τα συμφραζόμενα συνθέτονται μόνο από ιδιότητες εννοιών. deep: επεκτείνει την περίπτωση shallow υπολογίζοντας σημασιολογικές σχέσεις και με άλλες έννοιες. intensive: επεκτείνει την περίπτωση deep υπολογίζοντας και τιμές ιδιοτήτων. 5.9 AlighmentAPI Το Alignment API αποτελεί μια Διεπαφή Προγραμματισμού Εφαρμογών (API) γραμμένη σε Java καθώς και μια υλοποίηση για τον υπολογισμό και τη διαχείριση αντιστοιχίσεων σε οντολογίες. Το εργαλείο αυτό έχει ως στόχο την υποστήριξη της ανάπτυξης εργαλείων που διαχειρίζονται αντιστοιχίσεις και έχουν τη δυνατότητα να χρησιμοποιούν άλλα συστήματα και αλγορίθμους αντιστοίχισης οντολογιών. Αποτελεί επίσης ένα τρόπο για να μπορούν τα διάφορα συστήματα να διανέμουν τις αντιστοιχίσεις που παράγουν με ένα καλά υποστηριζόμενο πλαίσιο. Το Alignment API παρέχει ένα σύνολο από επεκτάσιμες λειτουργίες όπως η δημιουργία, η αξιολόγηση, η κατεργασία οντολογιών και αντιστοιχίσεων. Αποτελεί ίσως το πιο γνωστό εργαλείο που είναι δημόσια διαθέσιμο για την επεξεργασία και την αντιστοίχιση οντολογιών και θα αποτελέσει το εργαλείο στο οποίο θα στηριχθούμε για να κατασκευάσουμε ένα σύστημα αντιστοίχισης οντολογιών. Σελίδα 13 από 15

14 6. Σύνοψη Στόχος του έργου αυτού είναι η υλοποίηση των κατάλληλων εργαλείων για την ολοκληρωμένη αντιμετώπιση των διαδικασιών που αφορούν στη συγκέντρωση και καταχώρηση ετερογενούς οπτικοακουστικού υλικού, στο χειρισμό και εμπλουτισμό του και τέλος, στη δυνατότητα επικοινωνίας και διάθεσης του στον εξειδικευμένο αλλά και στο γενικού τύπου χρήστη, μέσω σύγχρονων και νέων τεχνικών προσεγγίσεων. Το ψηφιακό οπτικοακουστικό περιεχόμενο συνοδεύεται από πληροφορίες, σε μορφή μεταδεδομένων, που αναφέρονται στο πρωτογενές θέμα που απεικονίζεται, σε τεχνικά και πληροφοριακά χαρακτηριστικά του ίδιου του περιεχομένου και της διαδικασίας ψηφιοποίησής του, καθώς και σε πληροφορίες για το φορέα και τη σχέση του με το περιεχόμενο, αλλά και πληροφορίες για τη διάθεσή του και τις πηγές που έχουν συνεισφέρει στην τεκμηρίωση του. Για το λόγο αυτό και για να μπορέσουν τα μεταδεδομένα αυτά να χρησιμοποιηθούν σε ένα περιβάλλον διαλειτουργικότητας και ομοιογένειας, είναι απαραίτητο να αναπαρασταθούν με τεχνολογίες Σημασιολογικού Ιστού και πιο συγκεκριμένα με τη χρήση οντολογιών. Οι οντολογίες όμως αυτές είναι δυνατό να είναι ετερογενείς και για το λόγο αυτό θα πρέπει να αντιστοιχιστούν. Για το λόγο αυτό σε αυτό το παραδοτέο παρουσιάσαμε τις τεχνολογίες εκείνες που είναι ικανές να βοηθήσουν στην αναπαράσταση της πληροφορίας με τη χρήση οντολογιών αλλά και στην αντιστοίχιση τους έτσι ώστε να επιτευχθεί η επιθυμητή διαλειτουργικότητα. Τέλος παρουσιάσαμε ένα σύνολο από συστήματα και αλγορίθμους αιχμής σχετικά με την αντιστοίχιση οντολογιών, ένα από τα οποία είναι το Alignment API που θα χρησιμοποιηθεί σε αυτό το έργο. 7. Βιβλιογραφία [1] Tim Berners-Lee, James Hendler, and Ora Lassila. The semantic web. Scientific American, [2] Franz Baader, Diego Calvanese, Deborah L. McGuinness, Daniele Nardi and Peter F. Patel-Schneider, The Description Logic Handbook: Theory, Implementation, and Applications, Cambridge University Press, 2003 [3] Euzenat, Jérôme, and Pavel Shvaiko. Ontology matching. Vol. 18. Berlin: Springer, [4] P. Lambrix και H. Tan, SAMBO a system for aligning and merging biomedical ontologies, Journal of Web Semantics, vol. 4, no. 1, σελ , [5] O. Bodenreider, The unified medical language system (UMLS): integrating biomedical terminology, Nucleic Acids Research, vol. 32, σελ , [6] W. Hu, Y. Qu, and G. Cheng, Matching large ontologies: A divide-and-conquer approach, Data and Knowledge Engineering, vol. 67, no. 1, pp , [7] S. Guha, R. Rastogi, and K. Shim, Rock: A robust clustering algorithm for categorical attributes, in Proc. 15th International Conference on Data Engineering (ICDE), 1999, pp [8] G. Stoilos, G. Stamou, and S. Kollias, A string metric for ontology alignment, in Proc. 4th International Semantic Web Conference (ISWC), 2005, pp [9] V. Lopez, M. Pasin, and E. Motta, AquaLog: An ontologyportable question answering system for the semantic web. in Proc. 2nd European Semantic Web Conference (ESWC), 2005, pp [10] Yannis Kalfoglou and Bo Hu. Issues with evaluating and using publicly available ontologies. In Proceedings of the 4th International EON workshop (EON'06), Edinburgh, UK, May Σελίδα 14 από 15

15 [11] J. Li, J. Tang, Y. Li, and Q. Luo, Rimom: A dynamic multistrategy ontology alignment framework, IEEE Transactoins on Knowledge and Data Engineering, vol. 21, no. 8, pp , [12] J. Tang, J. Li, B. Liang, X. Huang, Y. Li, and K. Wang, Using Bayesian decision for ontology mapping, Journal of Web Semantics, vol. 4, no. 1, pp , [13] S. Melnik, H. Garcia-Molina, and E. Rahm, Similarity flooding: a versatile graph matching algorithm, in Proc. 18th International Conference on Data Engineering (ICDE), 2002, pp [14] M. Ehrig and S. Staab. QΟΜ - quick ontology mapping. In Proc. of the Third International Semantic Web Conference (ISWC2004), Hirosima (Japan), [15] David Aumueller, Hong-Hai Do, Sabine Massmann, and Erhard Rahm. Schema and ontology matching with COMA++. In SIGMOD '05: Proceedings of the 2005 ACM SIGMOD international conference on Management of data, pages , Baltimore, Maryland, ACM Press. [16] H. Do and E. Rahm. Coma - a system for flexible combination of schema matching approaches. In VLDB, Σελίδα 15 από 15