پشتیبانی
رزومه مشاوران توسعه آينده
مدیریت دانش چیست؟
درباره ما | ارتباط با ما | همكاري با ما
اخبارمحصولاتكارفرمايانكتابخانهپرسشهاي متداولسايتهاي مرتبطتصاوير

مجله الكترونيكي مطالعات مديريت دانش

چارچوبی برای مدیریت دانش در وب معنایی




چارچوبی برای مدیریت دانش در وب معنایی1



نویسندگان: Nenad Stojanovic, Siegfried Handschuh / University of Karlsruhe / Germany
ترجمه و تلخیص: پیام حقیقی بروجنی / کارشناس ارشد مدیریت دانش / مشاوران توسعه آینده




چکیده



وب معنایی یک پلت‌فرم بسیار نوید-بخش برای توسعه سیستم‌های مدیریت دانش ارائه می‌دهد. تنها مشکلی که وجود دارد این است که چگونه می‌توان دانش را در فرمتی قابل فهم برای ماشین ارائه کرد، به گونه‌ای که دانش مربوطه توسط فناوری‌های هوشمند قابل بازنگری باشد. در این مقاله رویکرد مدیریت دانش بر اساس فرمت سازگار با RDF (Resource Description Framework یک روش کلی برای توصیف مفهومی و یا مدل سازی اطلاعات است که در منابع وب انجام می شود) ارائه می‌گردد که قواعد و روش جدید برای حاشیه‌نویسی2  از منابع دانش با استفاده از عبارات شرطی3  را ارائه می‌کند. این رویکرد مبتنی بر ابزارهای وب معنایی موجود است. مزیت اصلی، بهبود قابل توجه در دقت به واسطه جستجوی دانش است و همچنین بازیابی یک ترکیب از منابع دانش مرتبط با حل مسئله را امکان‌پذیر می‌نماید.





1. مقدمه

وب معنایی نسل جدیدی از شبکه جهانی وب4  است که بر مبنای ارائه یکسانی5  از شبکه معنایی دانش6  بنا شده و بسته‌بندی اطلاعات در قالب عبارت سه‌گانه شیء-صفت-ارزش7  را امکان‌پذیر می‌نماید. با فرض اینکه اصطلاحات مورد استفاده در این عبارت‌ها (برای8 COI)  بر اساس معانی به طور رسمی مشخص شده است، (مانند هستی-شناسی9 ) این عبارات سه‌گانه توسط فناوری‌های ماشینی هوشمند10  به راحتی قابل پردازش معنایی است. بسیاری از نرم‌افزارهای کاربردهای وب معنایی در حال حاضر از چنین عبارات اتمی به عنوان حقایق خالص استفاده می‌کنند، که می‌توان برای آن دلیل آورد. به عنوان مثال یک فناوری هوشمند ماشینی می‌تواند اطلاعاتی از قبیل این‌که یک بیمار خاص که از بیماری X رنج می‌برد، با استفاده از داروی Y قابل درمان است را به خوبی درک نماید. علاوه براین یک عامل هوشمند می‌تواند این اطلاعات را به منظور برقراری ارتباط با ماشین‌های هوشمند دیگر به کار ببرد. (به عنوان مثال برای گرفتن وقت ملاقات از دکتر W) و این امر چشم‌انداز وب معنایی را بسیار واقعی می‌نماید. اما عبارات مفید که می‌توانند بین عوامل هوشمند ردوبدل شوند، همیشه به نمونه‌ای از افراد مجزا مربوط نمی‌شوند. (مثلاً بیمار X و بیماری Y) بلکه ممکن است به گروهی از افراد مجزا و مبتلا به برخی از ویژگی‌های مشترک مربوط شوند. (به عنوان مثال، اطلاعات مربوط به بیماران زن مسن‌تر از 60 سال که از بیماری Y رنج می‌برند). علاوه براین عبارات اتمی می‌توانند به شیوه رساتر در ترکیبات ساده به کار روند؛ به عنوان مثال به شکل عبارات شرطی (مثلاً با پیش‌شرط بیمار مذکر که به بیماری X مبتلا است، عملی که باید اتخاذ شود مداوای بیمار با داروی Y است). در مرحله پیاده‌سازی این مثال را می‌توان با استفاده از عبارات شرطی if-then (اگر- آنگاه) نشان داد. چنین ساختاری، اتم‌ها را برای خدمات استنتاج و اعتماد بر وب معنایی مناسب می‌کند.


از نقطه‌نظر کاربران وب، وجود عبارات قابل بیان در قالب‌های با قابلیت خوانده ‌شدن توسط ماشین11 ، به معنای امکان پیدا کردن راحت‌تر چنین عبارات شرطی است که به حل مسئله12  کنونی مربوط می‌شود. علاوه بر این، عبارات شرطی را می‌توان برای "نمایه-سازی13 " محتوای منابع وب به شیوه‌ای رساتر از ترکیب کلیدواژه/ مفاهیم یا ابرداده‌های عمومی (شامل روابط) استفاده کرد. این امر باعث تشکیل کوئری‌های پیشرفته‌تر و با متن دقیق‌تر شده و در نتیجه به بهبود و دقت در عمل بازیابی و جستجوی دانش منجر می‌گردد. به عنوان مثال، یک مشکل نمایه-سازی رایج که آیا سند نمایه شده توسط کلیدواژه "آسپرین" و "سردرد" در مورد این است که آسپرین درمان سردرد است و یا اینکه چگونه آسپرین باعث سردرد می‌شود، می‌تواند به راحتی با استفاده از عبارات شرطی مذکور، حل و فصل گردد.


به منظور استفاده از عبارات شرطی در یک سناریوی مدیریت دانش در وب معنایی، به یک بیان قابل فهم توسط ماشین از چنین عباراتی و همچنین مکانیسم‌های قدرتمند برای ایجاد و دستکاری آنها نیاز داریم. در کار قبلی الزامات مورد نیاز برای نمایش اطلاعات مشروط (به عنوان مثال دانش) در یک فرمت قابل فهم برای ماشین را مورد تجزیه و تحلیل قرار دادیم و یک فرمت RDFS برای قوانین ارائه شده (RDFRules) را مطرح ساختیم. به طور خلاصه، آن فرمت، نمایش قوانین هورن14 ، توسعه یافته توسط فاکتور عدم اطمینان15  و برخی از مدل‌ها/چارچوب‌های اطلاعاتی را امکان‌پذیر می‌سازد. از آنجا که هر قاعده شامل مجموعه‌ای از فرض‌ها و مجموعه‌ای از نتیجه‌گیری‌ها می‌باشد (هر دوی این مجموعه‌ها می‌تواند خالی باشد)، فرمت ارائه شده را می‌توان برای شرح عبارات شرطی در فرم پیش‌شرط-عمل مورد استفاده قرار داد. در این مقاله، چارچوب کاربردی برای مدیریت منابع دانش در وب معنایی، با استفاده از توصیف شرطی ارائه شده برای جستجوی موثرتر دانش را معرفی خواهیم کرد. این چارچوب بر اساس ابزارهای وب معنایی موجود است (OntOMat، OntOMat-SOEP، OntOMat-REVERSE، OntOMat-CRAWL، Ontobroker) که باید به منظور سازگاری با فرمت داده‌های قابل بیان (عبارات شرطی) اندکی بیشتر توسعه یابد. این چارچوب در بخش بعدی به تفصیل شرح داده شده است.




2- چارچوب مدیریت دانش در وب معنایی

فرآیند اصلی در یک سیستم مدیریت دانش، پیدا کردن منابع دانشی مربوط به مشکل در دست و همچنین روند فراهم کردن منابع دانش است که می‌تواند در حل و فصل برخی از مشکلات استفاده شود. از نقطه نظر رسمی-سازی16  دانش، این منابع دانش را می‌توان به دو دسته تقسیم نمود: قوانین خبره رسمی17  و اسناد (چند-رسانه‌ای18 ). به منظور فعال‌کردن جستجوی کارآمدتر دانش‌هایی که در دسته دوم جای می‌گیرند، محتوای اسناد با استفاده از برخی عبارات مبتنی بر هستی-شناسی نمایه‌سازی می‌شوند. در این رویکرد، عبارات دارای فرم شرطی هستند (پیش‌شرط-اقدام) که ما را قادر به استفاده از مکانیسم‌های منطقی در مدیریت هر دو دسته از منابع دانش می‌کند. علاوه بر این، جستجو برای دانش مرتبط می‌تواند به تولید برخی از قوانین خبره و یا برخی از اسناد منجر شود.


شکل 1 چارچوب پیشنهاد شده برای مدیریت دانش در وب معنایی را طرح می‌کند، که منعکس کننده تنوع دگرگونی‌های دانش در این محیط به شدت توزیع شده است، بدین ترتیب که دانش می‌تواند از منابع مختلف و در فرمت‌های مختلف جمع‌آوری، پس از آن در فرمت بازیابی رایج19  ذخیره و به منظور محاسبه وابستگی‌های داخلی بین آیتم‌های دانش یا حل‌وفصل تعارضات، پردازش نموده و در نهایت برای حل مسئله به اشتراک گذاشته، جستجو و استفاده کرد.



Untitled 23.png


شکل 1: چارچوب مدیریت دانش ارائه شده برای وب معنایی




بنابراین، رویکرد مدیریت دانش شامل فرایندهای زیر است: 1. تسخیر دانش20 ، 2. بازنمایی دانش21 ، 3. پردازش دانش، 4. به اشتراک گذاری دانش و 5. استفاده از دانش. تمامی فرآیندها به نحوی مربوط به هستی-شناسی دامنه می‌باشد. از آنجا که هستی-شناسی، مدل دامنه است، حاوی مجموعه‌ای از بدیهیات دامنه است که برای استخراج اطلاعات جدید استفاده می‌شود - که وظیفه موتور استنتاج است. در زیر این فرآیند را توصیف می‌نماییم.



1. چهار نوع از منابع دانش شناسایی شده است، که می‌تواند در فاز تسخیر دانش مورد استفاده قرار گیرد: دانش تخصصی22 ، سیستم‌های میراث23  (قانون-محور24 )، مخازن ابرداده25  و اسناد. در این قسمت برای هریک بخشی از ابزارهای وب معنایی را همراه می‌کنیم.


      a) دانش‌های تخصصی در فرم قوانین را می‌توان با استفاده از افزونه26  ویرایشگر27  هستی-شناسی ساده OntOMat-SOEP، (ویرایشگر هستی-شناسی توسعه‌یافته با قابلیت ویرایش قانون) تسخیر نمود. SOEP ساختار و همچنین فرهنگ لغت، یعنی لایه واژگانی28  از هستی شناسی دامنه، برای ایجاد قانون را فراهم می‌کند. اگرچه این قوانین مربوط به هستی شناسی دامنه است، با آنها به عنوان بدیهیات29  در آن هستی-شناسی رفتار نمی‌شود. بدیهیات هستی-شناختی باید عبارات همیشه-درست باشد که مورد قوانین خبره صادق نیست. SOEP قوانین را به طور مستقیم در قالب RDFRule ذخیره می‌کند.


      b) میراث قانون-محور30  منابع بسیار ارزشمندی از دانش قابل اشتراک-گذاری است که می‌تواند در حل برخی از مشکلات به صورت رایگان و یا با قیمتی اندک به کار رود. تمرکز بر حل تعاملی مسئله از طریق پرسش و پاسخ از مجموعه‌ای از پایگاه‌های قاعده‌ای نیست، بلکه هدف ایجاد و خلق پایگاه‌های خبره با تخصص بالا از طریق واردات زنجیره‌های قاعده مرتبط از پایگاه‌های قاعده است. پیش‌شرط لازم این است که ساز و کاری برای تبدیل میراث قاعده-محور به قانون میان-زبانی اندیشیده شود. نامزد بالقوه برای نشانه‌گذاری31  قواعد پذیرفته شده، RuleML می‌باشد. OntOMat-REVERSE ابزاری است که محتوای یک پایگاه داده رابطه‌ای را به هستی-شناسی ارائه شده در RDF، ترجمه می‌کند.


      c) ابرداده پخش شده بر وب، منبع دانش اصلی برای به اشتراک گذاشتن دانش در آینده است. به منظور ایجاد به اشتراک-گذاری کارآمدتر برخی از سازوکارها برای بسته‌بندی دانش، تجارت و قیمت‌گذاری دانش مورد نیاز است. OntOMat-CRAWL یک خزنده ابرداده-آگاه و متمرکز بر هستی-شناسی است که در حال حاضر توانایی جمع‌آوری اسناد وب (ابرداده) متناسب با مدل "دانش" را دارا می‌باشد، به طوری که انطباق آن با قاعده-خزنده آسان است.


      d) سه نوع قبلی مربوط به دانشی است که به طور رسمی بیان شده و قابل پردازش با ماشین‌های هوشمند است. اسناد دانشی حاوی دانشی است که به طور غیر رسمی بیان شده، اما محتوای یک سند را می‌توان به طور رسمی توسط شاخص‌های مبتنی بر هستی-شناسی بیان داشت. این فرآیند زیربنایی "حاشیه‌نویسی معنایی32 " نامیده شده و توسط چارچوب نرم‌افزاری OntOMat-annotation انجام می‌شود. با استفاده از برخی از تکنیک‌های استخراج اطلاعات 33 (IE)، این امکان وجود دارد که به حاشیه نویسی نیمه اتوماتیک دست یافت. برای مثال، می‌توان OntOMat را با تکنیک‌هایی برای استخراج محتوای جدولی به منظور تبدیل اطلاعات جدولی به مجموعه ای از قوانین، به طور خودکار، گسترش داد.



2. مخزن دانش، یک پایگاه داده رابطه‌ای است که به گونه‌ای سازمان یافته است که ذخیره‌سازی کارآمد و دسترسی به ابرداده RDF را امکان‌پذیر می‌سازد. این مخزن می تواند به عنوان یک مخزن RDF دیده شود.



3. مؤلفه‌های پردازش دانش، دستکاری کارآمد دانش ذخیره شده، به خصوص پردازش مبتنی بر گراف برای دانش که به شکل قوانین ارائه می‌شود، را امکان‌پذیر می‌سازد؛ به عنوان مثال می‌توان استخراج گراف وابستگی یا آزمایش ثبات و استحکام داده را نام برد.



4. به اشتراک-گذاری دانش از طریق جستجوی قوانینی که شرایط پرسش و پاسخ را برآورده می‌سازد، تحقق می‌یابد. در مخزن RDF، قوانین به عنوان عبارات RDF شیء‌واره شده34  نشان داده می‌شوند. در حالی که در RDF هر عبارتی به عنوان ادعا در نظر گرفته شده است و بنابراین می‌توانیم مخزن RDF را به عنوان مجموعه‌ای از ادعاها در فرم موضوع، گزاره و شیء مشاهده نماییم. قوانین نیز به هستی-شناسی دامنه مربوط می‌شوند، که شامل بدیهیات دامنه گردیده که برای استخراج ادعاهای جدید مورد استفاده قرار می‌گیرند. بنابراین جستجو به عنوان یک فرآیند استنتاج فرض می‌شود. بدین منظور از Ontobroker، سیستم پایگاه داده شیءگرا با حافظه اصلی و استقرایی استفاده می‌کنیم که توسط ورودی RDF اقدام به استنتاج منطقی می‌کند. توجه داریم که سیستم با حقایق و کوئری‌ها به ترتیب همانند قواعد بدون بدنه و قواعد بدون سر رفتار می‌کند. این تسهیلات استفاده از ویرایشگر SOEP را به عنوان یک رابط پرسش و پاسخ امکان‌پذیر می‌سازد.



5. استفاده از دانش به سناریوهای پرتال دانشی35  فعال‌شده در وب معنایی36  مربوط می‌شود. مزیت اصلی روش ما استفاده از یک عبارت شرطی برای حاشیه نویسی معنایی از منابع دانش است. در این روش عبارات استفاده شده در حاشیه‌نویسی را به بدنه متنی یکدیگر پیوند زده که در نتیجه به جستجوی کارآمد برای دانش منجر می‌شود. علاوه براین، حاشیه‌نویسی منابع دانش با استفاده از عبارات پیش‌شرط-اقدام منجر به توانایی ایجاد هایپرلینک معنایی از هر دو منبع می‌شود که ارضاکننده این شرط است که بخش پیش‌شرط یک حاشیه، مشتمل بر بخش اکشن حاشیه از منبع دیگر است. بدین ترتیب پرسش‌وپاسخ برای حل یک مشکل می‌تواند منجر به ترکیب اسناد گردد که بخش حل مسئله را پوشش می‌دهد و این یک فرایند بسیار مهم در بخش جستجوی مدیریت دانش و یا آموزش الکترونیکی است.




نتیجه‌گیری


در این مقاله یک قالب نرم‌افزاری برای تحقق سیستم مدیریت دانش در وب معنایی ارائه شده است. چارچوب ارائه شده عمدتاً براساس ابزارهای وب معنایی موجود است. این رویکرد دو جنبه جدید را معرفی می‌کند، که می‌تواند کاربرد ابزارهای وب معنایی در نرم‌افزارهای کاربردی جهان واقعی را بالا ببرد: (1) قواعد به عنوان شهروندان درجه یک در وب معنایی به شمار می‌روند و (2) حاشیه نویسی معنایی با استفاده از عبارات شرطی انجام می‌گیرد. مزایای روش پیشنهادی متعدد است: ایجاد پلت‌فرم یکپارچه برای منابع قانون مختلف و فرمت قوانین، جستجوی دقیق‌تر برای منابع دانش با استفاده از عبارات شرطی، توضیحات قابل پردازش ماشینی از محتوای منابع جدولی و مبتنی بر گرافیک، امکان ترکیب منابع دانشی مختلف به منظور حل برخی از وظایف دشوار و نادر.


1-Semantic web
2-annotation
3-conditional statements
4-World Wide Web (www.)
5-Representation formalism
6-semantic network knowledge
7-object-attribute-value statements
8-Community of Interest
9-Ontology
10-Machine agents
11-Machine readable format
12-Problem solving
13-Indexing
14-Horn rules
15-Uncertainty factor
16-Knowledge formalization
17-Formal expert rules
18-Multi-media
19-Common representation format
20-Knowledge Capturing
21-Knowledge representation
22-Expert knowledge
23-Legacy systems
24-Rule-base
25-Metadata repositories
26-Plug-in
27-Editors
28-Lexical layer
29-Axioms
30-Legacy rule-bases
31-Markup
32-Semantic annotation
33-Information extraction
34-Reified RDF statements
35-Knowledge portals scenarios
36-Semantic web-enabled


درباره ما | ارتباط با ما | اخبار | محصولات | کارفرمایان | کتابخانه | مجله مطالعات مدیریت دانش | پرسشهای متداول | سایتهای مرتبط | تصاوير | همکاری با ما | نقشه سايت