Heutzutage ist in digitalen Medien und im Internet eine gewaltige Menge an Informationen abrufbar. Aufgrund dessen ist es wichtig, die Informationen so zu strukturieren und aufzubereiten, dass die Suche nach relevanten Informationen über eine bestimmte Thematik und ihre richtige Interpretation einfach und schnell durchgeführt werden kann. Um dieses Ziel zu erreichen, sind Wissensrepräsentationen nötig. Dafür hat sich in der Informatik in den letzten Jahren der Begriff Ontologie eingebürgert. Der Begriff der Ontologie hat eine lange Tradition in der Philosophie und den Sprachwissenschaften. Erst in den 90er Jahren wurde der Begriff in die Informatik von Gruber eingeführt. Er definierte eine Ontologie als „explicit specification of a conceptualization“. Eine aktuelle Definition, die darauf aufgebaut ist, ist die von Studer: “Eine Ontologie ist eine explizite, formale Spezifikation der Konzeptualisierung eines abgegrenzten Diskursbereichs zu einem definierten Zweck, auf die sich eine Gruppe von Akteuren geeinigt hat.“ Anders als bei einem konzeptionellen Datenbankschema enthalten Ontologien Informationen über die Bedeutung der gespeicherten Daten sowie Regeln über deren Zusammenhang. Eine Ontologie ist ein formales Wissensmodell, das im Wissensmanagement, in Experten- und Multiagentensystemen, bei der Informationsintegration und vor allem im Semantic Web eingesetzt wird. Gerade in diesen Bereichen haben die Ontologien einen großen Aufschwung erlangt, wie in Abb. 1.1 ersichtlich ist. Besonders seit dem Aufkommen des Semantic Webs werden sie immer mehr zur Grundlange für Austausch und Zusammenführen von Informationen (siehe Abb. 1.1). Ontologien sind zu dem Rückgrat der Wissensrepräsentation im Semantic Web geworden.
Aufgrund der hohen Anzahl an verfügbaren Ontologien und aufgrund der Bedeutung von Ontologie, vor allem für den Bereich des Semantic Webs, ist die Evaluation der unterschiedlichen Ontologien zu einem Schlüsselfaktor der Entwicklung von Anwendungen des Semantic Webs geworden. Für die Entwicklung von Anwendungen spielt die Auswahl der richtigen und guten Ontologie eine große Rolle. Um dieses beurteilen zu können, ist eine Evaluation der einzelnen Ontologien unumgänglich.
Inhaltsübersicht
1. Welchen Zweck erfüllen Ontologien?
2. Ontologien
2.1 Anwendungsbereiche und Historie
2.2 Elemente einer Ontologie
2.3 Klassifikation von Ontologien
2.4 Ontologie versus konzeptionelles Datenbankschema
3. Evaluation von Ontologien
3.1 Evaluationsansätze
3.2 Evaluationstechniken
3.3 Evaluationsmethoden
4. Ansätze zur automatischen Evaluierung von Ontologien
4.1 Natural Language Application metrics
4.2 OntoClean mit AEON
4.3 OntoRand Index
4.4 Vergleich der Ansätze
5. Zusammenfassung und Ausblick
Zielsetzung & Themen
Das Hauptziel dieser Arbeit ist die systematische Vorstellung und Analyse verschiedener Verfahren zur Evaluation von Ontologien, wobei ein besonderer Schwerpunkt auf Ansätzen zur automatischen Durchführung der Evaluation liegt.
- Grundlagen und Definition von Ontologien
- Klassifikation und Abgrenzung von Ontologien zu Datenbankschemata
- Methodische Ansätze zur ontologischen Evaluation
- Automatisierte Verfahren wie String Matching, AEON und OntoRand Index
- Vergleichende Analyse der Evaluationsansätze
Auszug aus dem Buch
4.2 OntoClean mit AEON
Die OntoClean Methode ist ein Verfahren zur Evaluation der ontologischen Angemessenheit von Taxonomien. Es definiert Richtlinien anhand Kernbegriffe bezüglich sinnvoller taxonomischer Beziehungen und überprüft diese auf Inkonsistenzen, mit anderen Wörtern es bereinigt auf diese Weise die Taxonomie von Inkonsistenzen. Ziel ist Konzepthierarchien zu analysieren und die Bedeutung der Konzepte zu klären. Die Methode basiert auf ontologischen Ideen und grundlegenden Begriffen, die bereits seit langer Zeit in der Philosophie benutzt werden, wobei die Kernbegriffe rigidity (Essenz), identity (Identität), unity (Einheit) und dependence (Abhängigkeit) sind. Diese Kernbegriffe (Meta-Eigenschaften) werden als Meta-Relationen an den Konzepten einer Ontologie angehängt und erlauben somit offensichtlich intendierte Aspekte von Konzepten auszudrücken.
Die Meta-Eigenschaften werden von OntoClean wie folgt definiert: rigib bezeichnet die Notwendigkeit einer Eigenschaft für ihre Instanzen; is rigid (+R) bedeutet essentielle Eigenschaft für alle ihre Instanzen; is anti-rigid (~R) drückt essentielle Eigenschaft für manche ihre Instanzen aus; is non-rigid (-R) bedeutet nicht essentielle Eigenschaft für ihre Instanzen. Zu den weiteren Meta-Eigenschaften gehören carries identity criterion (+I), supplies identity criterion (+O), carries unity (+U) carries anti-unity (~U) und dependence (+D). Die identity besagt, ob Konzepte die Identitätskriterien haben oder nicht. Es soll über Identitätskriterien die Möglichkeit geschaffen werden, zwei verschiedene Instanzen eines Konzepts von einander zu unterscheiden. Die unity erlaubt alle Bestandteile einer individuellen Entität zu erkennen. Es können die Bestandteile und Grenzen eines Konzepts beschrieben werden, wodurch ersichtlich wird, was Teil des Konzepts ist und was nicht. Bei der dependence handelt es sich darum, ob ein Konzept von einem anderen extern abhängig ist.
Zusammenfassung der Kapitel
1. Welchen Zweck erfüllen Ontologien?: Einführung in die Notwendigkeit von Wissensrepräsentationen im digitalen Zeitalter und Darstellung der Rolle von Ontologien als Rückgrat für das Semantic Web.
2. Ontologien: Erläuterung der historischen Entwicklung, der Kernelemente einer Ontologie sowie deren Klassifikation und Abgrenzung gegenüber konzeptionellen Datenbankschemata.
3. Evaluation von Ontologien: Systematisierung verschiedener Evaluationsansätze und Beschreibung grundlegender Techniken, die auf verschiedenen Schichten einer Ontologie ansetzen.
4. Ansätze zur automatischen Evaluierung von Ontologien: Detaillierte Vorstellung spezifischer automatischer Verfahren wie String Matching, OntoClean mit AEON sowie dem OntoRand Index und deren vergleichende Einordnung.
5. Zusammenfassung und Ausblick: Resümee der erarbeiteten Erkenntnisse und Diskussion zukünftiger Anforderungen an die Entwicklung allgemeinerer, von spezifischen Domänen unabhängiger Evaluationsmethoden.
Schlüsselwörter
Ontologie, Evaluation, Semantic Web, automatische Evaluierung, Wissensrepräsentation, OntoClean, AEON, OntoRand Index, String Matching, Goldstandard, Konzepthierarchie, Taxonomie, Datenbankschema, Qualitätssicherung, Wissensmanagement
Häufig gestellte Fragen
Worum geht es in dieser wissenschaftlichen Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Evaluation von Ontologien, insbesondere mit den Herausforderungen und Methoden, um die Qualität und Angemessenheit von Ontologien zu beurteilen.
Was sind die zentralen Themenfelder der Ausarbeitung?
Die zentralen Themen sind die Definition und Klassifikation von Ontologien, die theoretischen Ansätze zur Evaluation sowie der Fokus auf Verfahren zur automatischen Evaluierung.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, die bestehenden Verfahren zur Evaluation von Ontologien vorzustellen und zu bewerten, mit einem besonderen Schwerpunkt auf der automatisierten Durchführung dieser Prozesse.
Welche wissenschaftliche Methode liegt der Arbeit zugrunde?
Es handelt sich um eine strukturierte Literaturanalyse, die verschiedene existierende Ansätze, Algorithmen und mathematische Modelle (wie z.B. String Matching oder Rand Index) vergleicht und in den Kontext der Ontologie-Evaluation einordnet.
Was wird im Hauptteil der Arbeit behandelt?
Im Hauptteil werden neben den Grundlagen von Ontologien vor allem spezifische Ansätze wie OntoClean, die Verwendung von Goldstandards bei der automatischen Evaluierung und der Einsatz des OntoRand Index detailliert analysiert.
Welche Schlüsselwörter charakterisieren die Arbeit am besten?
Wichtige Begriffe sind Ontologie-Evaluation, Semantic Web, automatische Evaluierung, Wissensrepräsentation und die verschiedenen vorgestellten Algorithmen wie AEON oder der OntoRand Index.
Warum ist die Unterscheidung zwischen Ontologie und Datenbankschema so wichtig?
Die Unterscheidung ist entscheidend, da sie das Verständnis für den Zweck der Wissensmodellierung schärft – während Datenbankschemata zentralisiert und zweckgebunden sind, bieten Ontologien eine dezentrale und flexiblere Wissensrepräsentation für unterschiedliche Anwendungen.
Was ist die Hauptkritik an den vorgestellten automatischen Evaluationsmethoden?
Ein wesentlicher Kritikpunkt ist die Abhängigkeit von menschlich erstellten Goldstandards, was den Prozess der automatischen Evaluation in der Praxis einschränkt, da die Erstellung dieser Standards aufwendig ist und die Fehlerquelle oft unklar bleibt.
- Arbeit zitieren
- Marco Castillo (Autor:in), 2008, Automatic Evaluation of Ontologies, München, GRIN Verlag, https://www.hausarbeiten.de/document/154887
