1 / 22

Sistemi basati su conoscenza Costruzione automatica di ontologie di dominio

Sistemi basati su conoscenza Costruzione automatica di ontologie di dominio. Dott. Fabio Massimo Zanzotto a.a. 2001-2002. Ontologie di dominio (esempio). cibo. vegetale. carne. frutta. ortaggio. carne_bianca. carne_rossa. mela. pera. arancia. Ontologia di dominio.

aileen-chase
Télécharger la présentation

Sistemi basati su conoscenza Costruzione automatica di ontologie di dominio

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Sistemi basati su conoscenzaCostruzione automatica di ontologie di dominio Dott. Fabio Massimo Zanzotto a.a. 2001-2002

  2. Ontologie di dominio(esempio) cibo vegetale carne frutta ortaggio carne_bianca carne_rossa mela pera arancia

  3. Ontologia di dominio • Le applicazioni basate su conoscenza richiedono molte informazioni precise • Grandezza delle ontologie di dominio • Precisione dell’informazione contenuta.

  4. Concetto importanti • Ontologia contiene: • Concetti • Relazioni tra concetti • Istanze • I concetti sono quelli ritenuti importanti per l’applicazione

  5. Nozione di termine • Dato un dominio conoscitivo, un termine è la rappresentazione superficiale di un concetto importante per il dominio • Es. Dominio Informatico hard disk Turing machine Von Neumann machine Virtual machine

  6. Costruzione di ontologie di dominio • Passo importante: individuare i concetti che si desidera includere • Fare una ipotetica lista di candidati • Separare concetti importanti da quelli non importanti (da includere/da non includere)

  7. Costruzione di ontologie di dominio • Non sono esperto di dominio (problema): • Ingegnere della conoscenza • Progettista di basi di dati • Programmatore ma conoscono una metodologia di risoluzione del problema

  8. Ontologie di dominio • Sorgente di informazione (conoscenza) • Testi scritti in linguaggio naturale che riguardano il dominio in questione

  9. Ingegneri della conoscenza + Esperti del Dominio Ciclo di produzione Modello esteso del dominio Termine Collezione di documenti Ontologia pre-esistente

  10. Produzione semi-automatica di ontologie • Affiancare agli esperti di dominio Ingegneri della Conoscenza “Automatici” • Abbiamo: • Cosa dobbiamo cercare: i concetti importanti • Dove cercarlo: i testi scritti in linguaggio naturale • Il trait-d’union: la nozione di termine

  11. Nozione di termine: riflessioni • Rappresentazione superficiale • Proprietà osservabile nel mondo testuale • Importanza per il dominio • Proprietà osservabile nel modello esteso del dominio • La rappresentazione superficiale (termine) non è il concetto soggiacente

  12. Rappresentando in XI • Per ogni concetto vogliamo rappresentare una forma interna e le sue proprietà /* hard_diskC(X) è il concetto*/ prop(hard_diskC(X), [name(X,[hard,disk])]).

  13. Nozione di termine: riflessioni • Rappresentazione superficiale • Sequenza di 1 o 2 parole • Importanza per il dominio • Frequenza con cui è osservata la sequenza • Si assume che esiste una relazione uno a uno tra termine e concetto

  14. Costruzione del modello/sistema • Specifiche: • Costruire una procedura che dato un insieme di testi in ingresso, mostri le forme superficiali in ordine di importanza • Ci vogliamo del male e lo implementiamo in ProLog

  15. Conta su di un testo /* concetti_importanti(Testo,Concetti_Ordinati) Testo = [w1,w2,...,wn] Concetti_Ordinati = [(c1,freq1),..., (cn,freqn)] */

  16. Conta su di un testo I concetti devono essere rappresentati dalla sequenza di parole intervallata da _ e terminano con C ed hanno come proprietà quella di manifestarsi nel testo con la forma superficiale rappresentata dalle parole stesse Es. Forma superficiale Rappresentazione hard disk hard_diskC pre-tax profit pre-tax_profitC

  17. Conta su di un testo concetti_importanti(Testo,Concetti_Ordinati):- singoli(Testo,ConcettiSemplici), importanza(ConcettiSemplici,ConcettiSempliciVal), coppie(Testo,ConcettiCompl), importanza(ConcettiCompl,ConcettiComplVal), append( ConcettiSempliciVal, ConcettiComplVal, ConcettiVal), sorted(ConcettiVal, Concetti_Ordinati).

  18. Singoli e coppie singoli([],[]). singoli([W|RT],[C|RC]):- atomconcat(W,’C’,C), !, singoli(RT,RC). coppie([],[]). coppie([W1,W2|RT],[C|RC]):- atomconcat([W1,’_’,W2,’C’],C), !, coppie([W2|RT],RC).

  19. Importanza importanza([],[]). importanza([C|RC],[(C,FREQ)|RCFREQ]):- compare(C,[C|RC],FREQ,RCREST) !, importanza(RT,RC). compare(_,[],0,[]). compare(A,[A|REST],FREQ,REST1):- compare(A,REST,F1,REST1), FREQ is F1 + 1. compare(A,[B|REST],FREQ,[B|REST1]):- compare(A,REST,FREQ,REST1).

  20. Esempio ??????

  21. Esercizi • Trasformare un testo in ingresso (sequenza di caratteri) in sequenza di parole (si utilizzi il concetto di stringa in prolog) • Scrivere un predicato che ordini per importanza i concetti in più testi.

  22. Limiti dell’algoritmo presentato • Forme superficiali povere Vengono proposti concetti non convincenti • Nozione di importanza troppo poco informativa Salgono concetti generici

More Related