ontologias: introdução karin breitman – puc-rio. software engineering lab (les) – puc-rio 2...
TRANSCRIPT
Ontologias: Introdução
Karin Breitman – PUC-Rio
Software Engineering Lab (LES) – 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 - 2004.
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
3
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 …)
4
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) 5
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.
6
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. 7
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 people8
Software Engineering Lab (LES) – PUC-Rio 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."
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.
11
Software Engineering Lab (LES) – PUC-Rio 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 Aug8, 2002, 2:02 PM; has 9,972 pageviews; is located in Portugal; ... 500kv k'pow!
• STRABERRY MorangoMORANGO - fruto produzido por erva rasteira, Fragancia vesca, origináriada Europa, possui inúmeras variedades naturais e híbridas. ...
• California Casino MorangoCalifornia Casino Morango ( Casino ). Casino Shop for Casino from 600+ merchantswith 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 novemberplukken wij ze dagelijks voor u. vertrouwd. van aardbeien ...
• Batida Morango recipeA delicious recipe for Batida Morango, with cachaca, strawberries, granulated sugarand 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?
Ref: Goble
Software Engineering Lab (LES) – PUC-Rio 17
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
19
Semantic Web Layers
http://www.w3.org/2003/Talks/1023-iswc-tbl/slide26-0.html, http://flickr.com/photos/pshab/291147522/
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
Ontologia
Software Engineering Lab (LES) – PUC-Rio 21
Software Engineering Lab (LES) – PUC-Rio 22
Tipos de ontologia
Ref: Noy
Software Engineering Lab (LES) – PUC-Rio 23
Ontologia
• Estudo do que existe – being• Platão – metafísica• Aristóteles - 10 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 Real Mundo Computacional
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
Ref: Harry Chen
Software Engineering Lab (LES) – PUC-Rio 30
Ontologias X Modelos OO
• Ontologias
– 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...)
Ref: Noy
Software Engineering Lab (LES) – PUC-Rio 31
Continuum Semântico
[Mike Uschold, Boeing Corp]
ConsensoHumanoCompartilhado
Implícito
Descrições textuais
Informal(explícito)
Semântica processada por humanos
Formal(para humanos)
Semântica processada por máquinas
Formal(para máquinas)
• Menos ambiguidade• Melhor interoperação• Mais robusto• Mais difícil
mais para direita
Software Engineering Lab (LES) – PUC-Rio 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), 136. ... Fruta c/ caldade chocolate, 2 c. sopa (50g), 90. ... 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
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.
Ref: Rector CS646
Software Engineering Lab (LES) – PUC-Rio 42
Conceitos importantes
Objetos que possuem um conjunto de características que nos permitem classificá-los como sendo membros deste grupo.
Conceito/Classe/Entidade/Categoria
Software Engineering Lab (LES) – PUC-Rio 43
Conceitos importantes
Característica
Propriedade/Atributo/Role/Slot
Software Engineering Lab (LES) – PUC-Rio 44
Conceitos importantes
Modo pelo qual duas ou mais classes estão relacionadas
Relacionamento/Restriction
Software Engineering Lab (LES) – PUC-Rio 45
Generalização
tipo deVeículo
Terrestre Aquático
Carro Anfíbio Barco
Software Engineering Lab (LES) – PUC-Rio 46
Composição
parte de
Luminária de Teto
Base Cúpula FiaçãoInterruptor
1 1 1 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
Ser vivoEspécie
humanosIdade
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!
Copyright © 2005, The University of Manchester
Software Engineering Lab (LES) – PUC-Rio 53
Criando uma hierarquia de Classes
• Crie a seguinte hierarquia de classes:
Artes e EntretenimentoMúsica, Televisão, Rádios
Ciência e Meio Ambiente
Engenharia, Física, AgropecuáriaMapas e VistasCâmeras Online
EconomiaInformática, Compras
Notícias Revistas, Televisão, Rádio
EsportesFutebol, Aquáticos, Artes Marciais,
SaúdeClínicas, Hospitais
Sociedade e CulturaReligião., Espiritualidade, TransportesAéreas, Rodoviárias, Viagens e TurismoMinas Gerais, Hospedagem,
Software Engineering Lab (LES) – PUC-Rio 54
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
Ref: Noy
Software Engineering Lab (LES) – PUC-Rio 57
Tipos de Ontologia
• Vocabulários Controlados – – 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 – – 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 42.000 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 1dessert -- (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
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
Ref: Harry Chen
Software Engineering Lab (LES) – PUC-Rio 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...
OntologiasOntologias
Agentes de
Software
Agentes de
Software Métodos para
Resolução de
Problemas
Métodos para
Resolução de
Problemas
Aplicações
Independentes de
Domínio
Aplicações
Independentes de
Domínio
Bases de
Dados
Bases de
Dados
Declararestrutura
Bases de
Conhecimento
Bases de
Conhecimento
Fornecerdescrições de
Domínio
Web
Semântica
Web
Semântica
Ref: Rector et al