Upload
dmitry-kudryavtsev
View
605
Download
1
Embed Size (px)
Citation preview
Понятийные системы в цифровом мире:
что может знать компьютер?
Кудрявцев Дмитрий
24 февраля 2016 г., Санкт-Петербург
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 2
2016, Понятийные системы в цифровом мире
Системы управления знаниями и применение онтологий
3
Кудрявцев Д.В. Системы управления знаниями и применение онтологий: Учеб. пособие / СПб.: Изд-во Политехн. ун-та, 2010. – 343 с.
Аннотация Последовательно рассмотрены понятия знания, управления знаниями, системы управления знаниями. Представлен обзор современных методологий управления знаниями. Предложено применение онтологий и семантических технологий в системах управления знаниями. Описан процесс управления знаниями в организации. Дано описание задач, методов и программных средств для повышения эффективности процессов создания, накопления, распределения и использования знаний в организации. Рассмотрены вопросы структурирования и представления знаний, работы с метаданными, поиска информации, а также обмена неявными знаниями на предприятии. Систематизированы программные средства для работы со знаниями. Приведены примеры систем управления знаниями, а также указаны направления современных исследований в области представления и управления знаниями. Особое внимание уделено применению онтологий в системах управления знаниями.
http://elib.spbstu.ru/dl/2/2982.pdf/info
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Технологии бизнес-инжиниринга
4
Кудрявцев Д. В., Арзуманян М. Ю., Григорьев Л. Ю. Технологии бизнес-инжиниринга : учеб. пособие — СПб. : Изд-во Политехн. ун-та, 2014. — 427 с.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
План
1. Введение
2. Знания компьютера и роль понятийных систем
3. Сложности создания понятийных систем
4. Виды и примеры понятийных систем
5. Разработка и сопровождение понятийных систем
6. Использование понятийных систем
7. Актуальные темы исследований
5
Введение
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Интеллектуальные помощники
7
Apple Siri
(2011)
Google Now
(2012)
Microsoft Cortana
(2014)
Amazon Alexa/Echo
(2014)
https://www.apple.com/ios/siri/ https://www.google.com/landing/now/ http://www.windowsphone.com/en-us/how-to/wp8/cortana/meet-cortana http://www.amazon.com/oc/echo/
Facebook M
(2015)
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 8
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 9
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
История Siri
• Siri is using the results of over 40 years of research funded by DARPA via SRI International’s Artificial Intelligence Center through CALO project (2003~2008).
• Siri technology has come a long way with dialog and natural language understanding, machine learning, evidential and probabilistic reasoning, ontology and knowledge representation, planning, reasoning and service delegation.
• Siri was founded in 2007 (spin-off from SRI international) by Dag Kittlaus (CEO), Adam Cheyer (VP Engineering), and Tom Gruber (CTO/VP Design).
10
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Технологические основы Siri
11
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Взаимодействие в виде разговора
12
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Пример автоматизации задачи
13
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Подробнее
14
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 15
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Фрагмент активной онтологии
16
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Инструмент для редактирования активной онтологии
17
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Подробнее в трудах конференций
18
Guzzoni, D., Baur, C., & Cheyer, A. (2007). Modeling Human-Agent Interaction with Active Ontologies. In AAAI Spring Symposium: Interaction Challenges for Intelligent Assistants (pp. 52-59).
Guzzoni, D., Baur, C., & Cheyer, A. (2006). Active: A unified platform for building intelligent web interaction assistants. In Web Intelligence and Intelligent Agent Technology Workshops, 2006. WI-IAT 2006 Workshops. 2006 IEEE/WIC/ACM International Conference on (pp. 417-420). IEEE.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Рассказ Тома Грубера о Siri
19
https://vimeo.com/5424527
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Том Грубер – автор одной из наиболее цитируемых работ по онтологиям
20
Знания компьютера и роль понятийных систем
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Что знает компьютер
• Что в него заложили
• Что он автоматически вывел, на основе заложенных знаний
• Чему он научился в результате индукции
22
2016, Понятийные системы в цифровом мире 23
Компоненты модели знаний / модели экспертизы (expertise model)
Уровень задачи (Task knowledge) • Цели, решаемой задачи (Task goals) • Декомпозиция задачи (Task decomposition) • Порядок выполнения задачи (Task control)
Уровень вывода (Inference knowledge) • Базовые элементы вывода • Роли
Предметные знания (Domain knowledge) • Понятия / Типы • Отношения • Правила • Факты
ДИАГНОСТИКА (задача)
Выработка гипотезы (эл-т вывода)
Верификация (эл-т вывода)
Симптом (тип)
Болезнь (тип)
Тест (тип)
Schreiber, A. T., Akkermans, J. M., Anjewierden, A. A., de Hoog, R., Shadbolt, N. R., van de Velde, W., & Wielinga, B. J. (2000). Knowledge Engineering and Management: the CommonKADS methodology. MIT press. Studer, R., Benjamins, V. R., & Fensel, D. (1998). Knowledge engineering: principles and methods. Data & knowledge engineering, 25(1), 161-197.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 24
2016, Понятийные системы в цифровом мире
Предметные знания (Domain knowledge)
25
Состояние автомобиля
Аккумулятор
Заряд: {нормальный,
низкий}
Бензобак
Статус: {полный, полупустой,
пустой}
Невидимое состояние
автомобиля
Видимое состояние
автомобиля
Работа двигателя
Статус: {нормальная, не заводится,
останавливается}
Горючее в двигателе
Статус: {да, нет}
Электропитание
Статус: {да, нет}
Показания приборов
Показатель топлива
Правила:
Бензобак . Статус = пустой Горючее в двигателе . Статус = нет {Взаимозависимость состояний} Аккумулятор . Заряд = низкий Электропитание . Статус = нет {Взаимозависимость состояний} Бензобак . Статус = пустой Показатель топлива . Значение = 0 {Модель проявлений}
2016, Понятийные системы в цифровом мире
Уровень задачи (Task knowledge)
26
Диагностика автомобиля
Генерация и тестирование
гипотез
Задача
Жалоба / Проблема
Неисправность
Обоснование
Вход Выход
Статистическая классификация
Деревья решений
Задача
Метод решения (Problem Solving
Method, PSM)
Объяснение
Предсказание
Получение информации
Сравнение
Элементы вывода
Обмен информацией
Декомпозиция
2016, Понятийные системы в цифровом мире
Уровень задачи (Task knowledge)
27
Объяснение
Жалоба / Проблема
Гипотеза / Возможное
решение
Двигатель не заводится
Пустой бензобак
Причинная модель
Правила взаимозависимости
состояний
Предсказание Ожидаемые
признаки
Показатель топлива = 0
Получение информации
Фактические наблюдения
Сравнение
Результат
Показатель топлива = в норме
Несовпадение
Модель проявлений
Правила проявлений
2016, Понятийные системы в цифровом мире
Уровень вывода (Inference knowledge)
28
Объяснение Жалоба / Проблема
Гипотеза / Возможное решение
Элемент вывода
Невидимое состояние
автомобиля
Видимое состояние
автомобиля
отображение (mapping)
отображение (mapping)
Роль (knowledge role)
Роль (knowledge role)
Понятие предметной области
Понятие предметной области
{Взаимозависимость состояний}
отображение (mapping)
Правила предметной области
Причинная модель
Связка предметных знаний с методами решения задачи
2016, Понятийные системы в цифровом мире 29
Место модели знаний в разработке системы на основе знаний
Модель организации (проблемы и возможности, стратегия, оргструктура, бизнес-процессы, карта знаний),
модель агента, модель задачи
Модель знаний
Модель коммуникации
Проект системы (для реализации)
Контекст
Концептуальная модель
Артефакт
Система моделей в методологии CommonKADS
2016, Понятийные системы в цифровом мире 30
Повторное использование знаний
Уровень задачи (Task knowledge) • Цели, решаемой задачи (Task goals) • Декомпозиция задачи (Task decomposition) • Порядок выполнения задачи (Task control)
Уровень вывода (Inference knowledge) • Базовые элементы вывода • Роли
Предметные знания (Domain knowledge) • Понятия / Типы • Отношения • Правила • Факты
Gómez-Pérez, A., & Benjamins, R. (1999). Overview of knowledge sharing and reuse components: Ontologies and problem-solving methods. IJCAI and the Scandinavian AI Societies. CEUR Workshop Proceedings.
Библиотеки методов решения проблем (Problem Solving Methods, PSM)
Библиотеки онтологий (понятийных систем) предметных областей
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Переход к понятию «сервис»
31
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Semantic web (Семантический веб)
32
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Статья в Scientific American про семантический веб и активизация интереса к понятийным системам, понятным компьютеру (2001 г.)
33
http://www.cs.man.ac.uk/~ezolin/logic/semantic_web_rus.html
Перевод
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Важность организации знаний
«Именно организация знаний, а не скорость переработки, предельно низкая с точки зрения технических систем, дает ключ к пониманию, по крайней мере, части наших познавательных способностей.» Величковский Б.М. Когнитивная наука : Основы психологии познания : в 2
т. — Т. 2 — М. : Смысл : Издательский центр «Академия», 2006. — 432 с.
34
Сложности создания понятийных систем
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Различие в абстрактных моделях разных субъектов при рассмотрении одного и того же объекта
36
Источник: [Буч, 1998]
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Наука о знаковых системах
Семиотика, или семиология (от греч. Semeiotikon, от semeion – знак, признак) – наука, исследующая свойства знаковых систем и соответственно знаков (естественных и искусственных).
Три основных аспекта изучения знака и знаковой системы, выделяемые семиотикой:
1) синтактика, изучающая отношения между знаками, т. е. внутренние свойства систем знаков (иначе, правила построения знаков в рамках знаковой системы);
2) семантика, изучающая отношения между знаками и обозначаемым предметом, т. е. содержанием знаков;
3) прагматика, изучающая отношения между знаком и человеком-пользователем знака: говорящим, слушающим, пишущим, читающим, т. е. назначение знаков. Примером знаков могут служить широко используемые в операционных системах ярлыки-иконки, например, ярлык с изображением принтера. Его изображение на экране является именем знака. Содержание знака может быть раскрыто с помощью перехода от имени к таблице, содержащей все нужные сведения о принтерах, а включение процедуры печати при щелчке по ярлыку принтера определяет назначение этого знака.
37
2016, Понятийные системы в цифровом мире
Неоднозначность соответствия «знак – понятие – вещь (денотат)»
38
• Омонимия (один знак – разные несвязанные понятия и вещи), • Полисемия (один знак – разные, но связанные понятия и вещи), • Синонимия (разные знаки для одного понятия и/или вещи)
«Семантический треугольник» Фреге
2016, Понятийные системы в цифровом мире
Пример омонимии
Знак
Понятие
Вещь
Ягуар
Ягуар (Животное)
Ягуар (Напиток) Ягуар (Машина)
?
один знак – разные несвязанные понятия и вещи
39
2016, Понятийные системы в цифровом мире
Пример полисемии
40
«Капитальный ремонт» определения понятия, встречающиеся на одном из отечественных предприятий: - работы по техническому обслуживанию и ремонту оборудования, выполняемые в капитальный останов, т. е. останов производственной линии длительностью свыше 24-х часов. - ремонт, выполняемый для восстановления исправности и полного или близкого к полному восстановлению ресурса изделия с заменой или восстановлением любых его частей, включая базовые.
один знак – разные, но связанные понятия и вещи
2016, Понятийные системы в цифровом мире
Пример синонимии
41
разные знаки для одного понятия и/или вещи
По материалам компании Future Models
2016, Понятийные системы в цифровом мире
Потребность в общем языке
42
Для снижения представленной выше неоднозначности соответствия знак – понятие – вещь (денотат) необходим «общий язык», включающий в себя: • Строго определенный словарь лексических единиц (знаков),
• Непротиворечивое понимание того, какие понятия обозначаются заданными лексическими единицами (знаками).
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Определение понятия
43
Интенсионал понятия - это определение его через соотнесение с понятием более высокого уровня абстракции с указанием специфических свойств. Интенсионалы формулируют знания об объектах. Другой способ определяет понятие через соотнесение с понятиями более низкого уровня абстракции или перечисление фактов, относящихся к определяемому объекту. Это есть определение через данные, или экстенсионал понятия.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Где учат (учили) определять понятия?
44
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Где учат (учили) определять понятия?
45
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Формирование понятий на основе общих признаков
46
Понятие A
1
3 2
4
3 Понятие Б
5
6
Родовое понятие
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Сложности определения понятий
47
Опыты Лурия А.Р. 30-е годы ХХ века Глухие кишлаки Средней Азии, Исследование людей, не подвергшихся влиянию науки и обучения научному мышлению
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Сложности классификации понятий
48
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Роль ситуативных факторов в классификации понятий
49
Поспелов Д. А. Ситуационное управление: теория и практика. – Наука. Гл. ред. физ.-мат. лит., 1986.
«Приведенные эксперименты подчеркивают мысль о том, что не призначная структура, находящаяся в центре внимания специалистов по распознаванию образов, а ситуативное положение того или иного факта или объекта определяют его интерпретацию у человека, не имеющего дело с научными определениями и теориями» «В обычной жизни человек формирует понятия и организует системы классификации, как правило, на основе тех ситуаций, с которыми он сталкивается в своей повседневной деятельности и на основании тех прагматических признаков, учет которых важен для успешной её реализации».
Д.А.Поспелов
Виды и примеры понятийных систем
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Разнообразие терминов
51
Глоссарий Классификатор
Онтология
Система организации
знаний
Тезаурус
Модель информации Модель
данных
Справочные данные
Концептуальная карта
Архитектура информации
Фолксономия
Таксономия
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Точки зрения на систематизацию терминов
52
Специалист по информационной
науке («из библиотечного
дела»)
Специалист по компьютерной науке
Онтология
Глоссарий
Классификатор
Тезаурус
Концептуальная карта
и др.
Система организации
знаний
вид
ы ви
ды
А есть ещё практики разрабатывающие ИС, управленцы…!
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Онтологии как средство представления знаний
Онтология в философии:
- наука о бытии, о сущем.
Онтология в информатике: - система понятий, их свойств и связей между ними. Понятная как человеку, так и компьютеру. Иногда дополняется правилами. Стандартные языки представления онтологий позволяют обмениваться формализованными знаниями.
53
2016, Понятийные системы в цифровом мире
Онтология как общий словарь для коммуникаций
Ягуар
Животное
является / пример
…
Лев Тигр
54
2016, Понятийные системы в цифровом мире
Генная онтология, фрагмент, описание биологических процессов
55
http://geneontology.org/
2016, Понятийные системы в цифровом мире
Онтология научной деятельности SWRC (Semantic Web Research Community)
56
2016, Понятийные системы в цифровом мире
Виды онтологий по глубине проработки Каталоги на основе ID
Глоссарий
Отношение «Выше-Ниже»
Неформальные таксономии
Формальные таксономии
Формальные экземпляры
Свойства классов/понятий
Ограничения на значения
Произвольные логические ограничения
Дизъюнктивные классы, Обратные свойства О. Лассилла,
Д. МакГинесс
57
2016, Понятийные системы в цифровом мире
Пример неформальной таксономии пиццы
58
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Формальная таксономия пиццы
59
точное определение отношения ПОДКЛАСС-КЛАСС
http://wordnetweb.princeton.edu/
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Взаимосвязи между понятиями: concept map
60
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Ограничения на область значений свойств
61
2016, Понятийные системы в цифровом мире
Логические утверждения о концептах – аксиомы
62
Класс, который имеет только необходимые условия в описании
2016, Понятийные системы в цифровом мире
Логические утверждения о концептах – аксиомы
63
Класс, имеющий по крайней мере один набор необходимых и достаточных условий
2016, Понятийные системы в цифровом мире
Автоматизированная классификация
64
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Систематизация терминов на основе структурных особенностей
65
Типы отношений Глоссарий Классифика-ционная система
Mind Map
Тезаурус Концепт. карта
Модель / схема
данных
Онтология
Эквивалентность Да Да Да +/- Да
Синонимы Да Да Да +/- Да
Антонимы Да +/- Да
Иерархия Да Да Да Да Да Да
Шире-Уже Да Да Да Да Да Да
Класс-подкласс +/- +/- Да Да Да Да
Часть-Целое +/- Да Да Да Да
Экземпляр +/- +/- Да Да
Ассоциативные связи
Да Да Да Да
“см. также” +/- Да Да Да Да
другие типы (напр., выполняет, создает, влияет)
Да Да Да
Свойства элементов Да Да Да
Логические ограничения
Да
На основе Stock W. G. Concepts and semantic relations in information science //Journal of the American Society for Information Science and Technology. – 2010. – Т. 61. – №. 10. – С. 1951-1969.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Пример: Российский классификатор информации об общероссийских классификаторах
66
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Пример: Российский классификатор информации об общероссийских классификаторах
67
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Пример: Общероссийский классификатор продукции по видам экономической деятельности
68
http://www.okpd2.info/classifier/
"ОК 034-2014 (КПЕС 2008). Общероссийский классификатор продукции по видам экономической деятельности" (утв. Приказом Росстандарта от 31.01.2014 N 14-ст) (ред. от 26.05.2015)
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Пример: Тезаурус по искусству и архитектуре
69
http://www.getty.edu/research/tools/vocabularies/aat/index.html
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Репозиторий биологических и биомедицинских онтологий
Open Biomedical Ontologies (OBO)
70
Разработка и сопровождение понятийных систем
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Методология разработки онтологий для новичков
Шаг 1. Определение области и масштаба онтологии
Шаг 2. Рассмотрение вариантов повторного использования существующих онтологий
Шаг 3. Перечисление важных терминов в онтологии
Шаг 4. Определение классов и иерархии классов
Шаг 5. Определение свойств классов (слотов)
Шаг 6. Определение ограничений на значения свойств (слотов)
Шаг 7. Создание экземпляров
72
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В. 73
Методологии: Ограничения и перспективы развития
• Cyc method
• Uschold & King method
• Gruninger & Fox’s methodology
• METHONTOLOGY
• SENSUS method
• On-To-Knowledge
• DILIGENT
©Asuncion Gomez-Perez
Динамика
Контекст
Совместная работа
Ни одна методология не учитывает три аспекта одновременно. Недостаточная поддержка ВСЕГО жизненного цикла работы с онтологиями.
~ 2006 год, начало разработки методологии NeOn
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Сценарии создания сети онтологий в методологии NeOn
74
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Сценарии создания онтологий
Сценарий 1: Создание сети онтологий «с нуля» без использования существующих ресурсов
Сценарий 2: Создание сети онтологий путем повторного использования «неонтологических» ресурсов (поле знаний, не доведенное до уровня онтологии или ее фрагментов);
Сценарий 3: Создание сети онтологий путем повторного использования существующих онтологий или модулей;
Сценарий 4: Создание сети онтологий путем повторного использования и реинжиниринга существующих онтологий или модулей;
Сценарий 5: Создание сети онтологий путем повторного использования и объединения существующих онтологий или модулей;
Сценарий 6: Создание сети онтологий путем повторного использования, объединения и реинжиниринга существующих онтологий или модулей;
Сценарий 7: Создание сети онтологий путем реструктуризации существующих онтологий или модулей;
Сценарий 8: Создание сети онтологий путем локализации существующих онтологий или модулей.
75
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Методы отображения онтологий (ontology mapping)
76
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Методы оценки онтологий
77
На основе материала Горового В. и Болотниковой Е.
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Автоматизированное формирование и наполнение онтологий
Ontology learning and Ontology population
78
Cimiano P. (2006) Ontology Learning and Population from Text: Algorithms, Evaluation and Applications. Springer. Maedche A. (2012). Ontology learning for the semantic web (Vol. 665). Springer Science & Business Media.
Разработка и подбор алгоритмов для каждого уровня:
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
и много других задач…
79
На русском: Глоссарий предметной области «Онтологическое моделирование»
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Использование понятийных систем
• Интеграция информации • Семантический поиск • Организация документов/контента • Обработка естественного языка • Разработка интеллектуальных систем • Обучение (людей) • Проектирование и настройка
информационных систем • Моделирование и проектирование • Стратегическое управление ИТ (и бизнесом)
80
Актуальные темы исследований
81
2016, Понятийные системы в цифровом мире
Тренды - Тематики профильных конференций
"Knowledge in evolving and local contexts" • Model evolution
– Ontology evolution – Ontology debugging – Ontology change management and versioning – Ontology usage trends
• Methods and methodologies for time awareness, such as:
– Modelling of time-indexed knowledge – Ontology design patterns for time-indexed knowledge – Reasoning over time-indexed knowledge – Stream processing and stream reasoning – Event processing
• Methods and methodologies for context awareness, such as:
– Modelling of contextualised knowledge – Ontology design patterns for representing context – Reasoning with context – Context-aware knowledge-based applications
• Lessons learned from case studies, e.g.: – Knowledge management in large organizations – Adoption of semantic web technologies – Maintenance of corporate knowledge repositories – …
82
Knowledge Engineering and Acquisition
• Tools and methodologies for ontology engineering
• Ontology design patterns
• Ontology localization
• Ontology alignment
• Knowledge authoring and semantic annotation
• Knowledge acquisition from non-ontological resources (thesauri, folksonomies etc.)
• Semi-automatic knowledge acquisition, e.g., ontology learning
• Mining the Semantic Web and the Web of Data
• Ontology evaluation and metrics
• Uncertainty and vagueness in knowledge representation
• Dealing with dynamic, distributed and emerging knowledge
Social and Cognitive Aspects of Knowledge Representation
• Similarity and analogy-based reasoning
• Knowledge representation inspired by cognitive science
• Synergies between humans and machines
• Knowledge emerging from user interaction and networks
• Knowledge ecosystems
• Expert finding, e.g., by social network analysis
• Trust and privacy in knowledge representation
• Collaborative and social approaches to knowledge management and acquisition
• Crowdsourcing in knowledge management
http://ekaw2016.cs.unibo.it/
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Тренды - Тематики профильных конференций
Topics • Database, information retrieval, information extraction, natural language processing and artificial intelligence techniques for
the Semantic Web • Knowledge graph creation, reasoning, and usage • Knowledge representation and reasoning on the Web • Scalable management of semantics and data on the Web, including Linked Data • Semantic Web data analysis • Languages, tools, and methodologies for representing and managing semantics and data on the Web • Architectures and algorithms for extreme volume, heterogeneity, dynamicity, and decentralization of Semantic Web data • Cleaning, quality assurance, and provenance of Semantic Web data, services, and processes • Ontology-based data access and integration/exchange on the Web • Ontology engineering and ontology patterns for the Web • Ontology modularity, mapping, merging, and alignment for the Web • Searching and querying the Semantic Web • Supporting multi-linguality in the Semantic Web • User interfaces and interaction with semantics and data on the Web • Information visualization and exploratory analysis methods for Semantic Web data • Personalized access to Semantic Web data and applications • Social semantics methods and applications • Geospatial semantics and data on the Web • Data streams and the Internet of Things • Semantic technologies for mobile platforms • Trust, privacy, and security on the Semantic Web • Semantic Web and Linked Data for cloud environments 83
http://iswc2016.semanticweb.org/pages/calls/research-track.html
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Тренды
84
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
2013 год, журнал «Human-Computer Studies», спец. выпуск «25 лет получению знаний»
85
http://www.sciencedirect.com/science/journal/10715819/80
Гуру рефлексируют на тему работы со знаниями – прошлое, настоящее,
будущее
2016, Понятийные системы в цифровом мире, Кудрявцев Д.В.
Материалы по теме
1. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. – СПб. и др. : Питер, 2000. – 384 с.
2. Гаврилова Т. А., Муромцев Д. И. Интеллектуальные технологии в менеджменте: Учеб. пособие. – СПб.: «Высшая школа менеджмента», Издат. дом СПбГУ, 2008. – 488 с.
3. Кудрявцев Д.В. Системы управления знаниями и применение онтологий: Учеб. пособие / СПб.: Изд-во Политехн. ун-та, 2010. – 343 с.
4. Тузовский А.Ф., Чириков С.В., Ямпольский В.З. Системы управления знаниями (методы и технологии) – Томск: Изд-во НТЛ, 2005. – 260 с.
5. Хорошевский В. Ф., Семантические технологии: ожидания и тренды. – 2012. 6. Schreiber G., Akkermans H., Anjewierden A., R. de Hoog, Shadbolt N., W. van de
Velde, Wielinga B. Knowledge Engineering and Management: The CommonKADS Methodology, The MIT Press, Cambridge, MA, 2000. – 455 p.
7. Сообщество практиков ONTOLOG http://ontologforum.org/ 8. Журнал «Онтология проектирования» 9. Редактор онтологий Protégé и сообщество http://protege.stanford.edu/ 10. Международная конференция Knowledge Engineering and Semantic Web
(KESW) http://kesw.ru/ (для 2016 г. дедлайн по аннотациям – 15 апреля 2016 :)
86
87
СПАСИБО ЗА ВНИМАНИЕ
ВОПРОСЫ?
Дмитрий Кудрявцев [email protected]
http://www.gsom.spbu.ru/faculty/prepodavateli_vshm_spbgu/kudryavcev/ http://www.linkedin.com/profile/view?id=17582861
https://twitter.com/kudryavtsev_d