1. Razvoj algoritma za avtomatsko generiranje ontologij
Aleksander Pivk
fakultetni mentor: akademik prof. dr. Ivan Bratko institutski mentor: prof. dr. Matjaž Gams

2. Ocenjevanje (ekspert)
Teza doktorata
na množici vhodnih dokumentov se poskuša sistem avtomatsko naučiti znanja o domeni, tj. ontologijo, ki se uporabi za avtomatsko luščenje informacij.
agost
ShinA*
Množica dokumentov
Vhodni dokument
Sistem
Ontologija
Ocenjevanje (ekspert)
Odgovor OK
ni OK
doprinos – sistem za avtomatsko generiranje ontologij (strojno in človeško berljivih) iz spletnih dokumentov. Ena izmed temeljnih nerešenih nalog semantičnega spleta.

3. Postopek delovanja sistema
PREDZNANJE
primeri iz določene domene (npr. CFP, e-nakupovanje, …)
ONTOLOGIJA
POSTOPKOVNI OPIS:
a) s pomočjo predznanja procesiraj primere in pripravi podatke za učni algoritem
b) uporabi učni algoritem za generiranje pravil (znanja)
c) iz pravil zgradi ontologijo
- <h#|b|i|title> - kw={workshop, conference, CFP}
dokumenti/primeri so zapisani v HTML
primere poda človek

4. Predznanje (1) pet vrst predznanja: html oznake in strukture
lastna imena
pripadnost vnaprej definiranemu seznamu (imena oseb, držav, mest, ustanov, mesecev, dni, …)
osnovne entitete
sintaktična analiza besedila (shallow language processing)
orodje GATE (ogrodje za razvoj komponent pri procesiranju naravnega jezika)
obstoječe splošne ontologije
Wordnet
zahtevnost znanja

5. Predznanje (2) HTML OZNAKE in STRUKTURE sintaksa jezika HTML
ELEMENT: par ujemajočih se oznak (<a>…</a>), enostavna oznaka (<br>) ali tekst
BLOK: (lahko) sestavljen iz več elementov, ločnico predstavljajo skupine oznak:
interne povezave v dokumentu (#anchor)
mejniki (<h#>,<br>,<p>,<hr>,<blockquote>,…)
SEZNAM: vsebina elementa (<table>, <ul>, <ol>, <dt>)
pomembnost oznak
oznake z večjo informacijsko vrednostjo (<h#>, <font>, <i>, <b>,<u>,<center>…)

6. Predznanje (3) OSNOVNE ENTITETE (hevristična) sintaktična pravila:
tel, fax: (tel|fax|gsm|phone) +?\\(?X\\)?\\(X\\)?(-?X)+ X=[0-9]+
(e?-?mail(to)?)? Y=[0-9a-zA-Z]+
datum: [DDDD|MMMM] d{2}W*d{2} W*d{4} W=[.,/ ]
ura: d{2}Z*d{2} Z=[:]
temperatura: [T|temp] d{3}°?[C|F]

7. Podrobnejši opis delovanja
vhodni parametri
dokumenti/primeri iz izbrane domene
izbira predznanj
procesiranje in priprava podatkov za učenje
procesiranje in obdelava primerov na podlagi predznanja in strukturne analize
priprava učnih atributov
učna faza
učni algoritmi: povezovalna pravila, ILP sistem (HYPER?), HINT?
induciranje pravil in dopolnjevanje atributov
grajenje ontologije iz pravil
zapis ontologije v formalen jezik (RDF/S, OWL)

8. Učna faza (alg: povezovalna pravila)
osnovni korak (bottom-up pristop)
iz učnih atributov induciramo pravila
sortiramo glede na (confidendce, support)
izluščimo pravila nad pragom
združevanje pravil v hierarhično strukturo (drevo)
koraki višjih nivojev
dodamo/dopolnimo učne atribute (agregacija, razbitje)
iz učnih atributov induciramo nova pravila
drevo nadgradimo z izbranimi novimi pravili
postopek učenja pravil na višjih nivojev ponavljamo, dokler ne zgradimo celotnega drevesa (povežemo vsa poddrevesa)
generirano drevo predstavlja ontologijo
ponavljaj

9. Simulacija konkretnega primera
trije dokumenti/primeri iz domene CFP
predznanje: a) - c)
po strukturni analizi dobimo:

10. Simulacija konkretnega primera
učni primeri
učni algoritem (povezovalna pravila)
izluščimo pravila
TITLE,DATE, LOC, PC, PC_LIST,DATES, DAT_LIST, DL_TYP=L2 (c=1)
TOPICS,TOP_LIST -> TL_TYP=6 (c=1)
LOC -> LOC_TYP=L5 (c=2/3)
OC,OC_LIST -> OCL_TYP=L1 (c=1/2) …
s pravili (nad pragom) gradimo ontologijo

11. Simulacija konkretnega primera
iz pravil generiramo ontologijo
zapis v formalen jezik (RDF, OWL)
CFP
DATE D1 D2 D3 D4 D5
D1: <h#|b|i>
D2: kw={submission}
D3: kw={notification}
D4: kw={camera ready}
D5: kw={abstract}
TOPIC
<h2|h3> + LIST - kw= {topic, theme, area}
LOCATION
- <h#|b|i>
TITLE
- <h#|b|i|title> - kw={workshop, conference, CFP}
- <h2|h3> + LIST - kw={date}
NAME
COUNTRY
UNIVERSITY
CITY
- pravila inducirana iz predznanja
- <h2|h3> + LIST - kw={comittee}
COMITTEE
ORGANIZE
PROGRAM
- kw={program}
- kw={organize}

12. Dileme PREDZNANJE UČENJE
pri kateri stopnji predznanja sistem začne funkcionirati?
ali obstoječe ontologije kaj pripomorejo?
UČENJE
kako izkoriščati strukturno indukcijo?
poskus hevrističnega grupiranja za povezovalna pravila
primernost sistema HYPER?

13. Delitev množice HTML oznak
tekstni nivo (vrstica)
<font, tt, i, b, big, small, sub, sup, em, strong, dfn, code, samp, kbd, var, cite, q, a>
bločni nivo
<h#, address, p, pre, div, center, blockqoute, form, isindex, hr, table, caption, tr, th, ul, ol, li, dt, dd, br, frame, frameset, body>

14. množica HTML dokumentov
Slika 1
AGOSD
množica HTML dokumentov
sistem
ontologija
ShinA*
odgovor
vhodni dokument

15. množica spletnih dokumentov
Slika 1a
AGOD
ontologija
ShinA*
odgovor
vhodni dokumenti
VUSP
skrbnik
uporabnik
množica spletnih dokumentov

16. množica spletnih dokumentov množica okvirjev (F-Logic)
Slika 1c
AGOD
ontologija
VUSP
skrbnik
množica spletnih dokumentov
Onto Broker
množica okvirjev (F-Logic)
ShinA*
vhodni dokumenti
odgovor
uporabnik

17. HTML dokumenti iz izbrane domene (npr. turizem, e-nakupovanje, …)
Slika 2
POSTOPKOVNI OPIS:
a) s pomočjo predznanja procesiraj dokumente, izlušči relevantne tabele in jih pripravi za procesiranje/obdelavo
b) obdelaj relevantne tabele (poravnava)
c) uporabi obstoječe (splošne) ontologije za ugotavljanje/določanje semantike
d) iz obdelanih tabel in določene semantike zgradi ontologijo
predznanje
HTML dokumenti iz izbrane domene (npr. turizem, e-nakupovanje, …)
ontologija
- primerki konceptov

18. Slika 2b ontologija predznanje
POSTOPKOVNI OPIS:
a) s pomočjo predznanja procesiraj dokumente, izlušči relevantne tabele in jih pripravi za procesiranje/obdelavo
b) obdelaj relevantne tabele
c) uporabi obstoječe (splošne) ontologije za ugotavljanje/ določanje semantičnih kategorij
d) iz obdelanih tabel in določene semantičnih kategorij zgradi ontologijo
e) preslikaj ontologijo v formalizem F-Logic
predznanje
HTML dokumenti iz izbrane domene (npr. turizem, e-nakupovanje, …)
ontologija
primerki konceptov
okvirji (jezik F-Logic)

19. Slika 3 1 Čiščenje & Normalizacija 2 Odkrivanje strukture
3 Grajenje FTM
4 Semantično oplemenitenje FTM
Fizični
Strukturni
Funkcijski
Semantični
HTML
Okvir
metodološki koraki
tabelarični model
vhod
izhod
1 Čiščenje & Normalizacija
2 Odkrivanje strukture
3 Grajenje FTM
4 Semantično oplemenitenje FMT
Fizični
Strukturni
Funkcijski
Semantični
metodološki koraki
tabelarični model
vhod
izhod
dokument HTML
okvir F-Logic

20. 1 Čiščenje & Normalizacija 2 Odkrivanje strukture 3 Grajenje FTM
4 Semantično oplemenitenje FMT
Fizični
Strukturni
Funkcijski
Semantični
metodološki koraki
tabelarični model
vhod
izhod
tabela HTML
okvir F-Logic
1 Čiščenje & Normalizacija
2 Odkrivanje strukture
3 Grajenje FTM
4 Semantično oplemenitenje FMT
Fizični
Strukturni
Funkcijski
Semantični
metodološki koraki
tabelarični model
vhod
izhod
tabela HTML
koncept F-Logic

21. FORALL X,Y,P <- EXISTS T T:Tour[EconomicExtension@(X,Y) -> P].
Tour [ Code => ALPHANUMERIC; DateValid => DATE; EconomicExtension (PersonClass, RoomClass) => LARGE_NUMBER; ExtendedExtension (PersonClass, RoomClass) => LARGE_NUMBER; ].
FORALL X,Y,P <- EXISTS T -> P].
X = adult, Y = single_Room, P = ; X = adult, Y = double_Room, P = ; X = adult, Y = extra_Bed, P = ; X = child, Y = occupation, P = ; X = child, Y = no_Occupation, P = ; X = child, Y = extra_Bed, P = ;
FORALL X <- EXISTS T -> X].
X = DP9LAX01AB; 
FORALL X,Y,P <- EXISTS T -> X and DateValid -> Y single_Room) -> P].
X = DP9LAX01AB, Y = , P = 2.510;

22. - FORALL X,Y,P <- EXISTS T T:Tour[EconomicExtension@(X,Y) -> P].
X = adult, Y = single_Room, P = ; X = adult, Y = double_Room, P = ; X = adult, Y = extra_Bed, P = ; X = child, Y = occupation, P = ; X = child, Y = no_Occupation, P = ; X = child, Y = extra_Bed, P = ;
- FORALL X <- EXISTS T -> X].
X = DP9LAX01AB; 
- FORALL X,Y,P <- EXISTS T -> X and DateValid -> Y and single_Room) -> P].
X = DP9LAX01AB, Y = , P = 2.510;