La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Scienze Cognitive 2003 1 ONTOLOGIE. Scienze Cognitive 2003 2 Di cosa parleremo Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE.

Presentazioni simili


Presentazione sul tema: "Scienze Cognitive 2003 1 ONTOLOGIE. Scienze Cognitive 2003 2 Di cosa parleremo Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE."— Transcript della presentazione:

1 Scienze Cognitive ONTOLOGIE

2 Scienze Cognitive Di cosa parleremo Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE Come costruire unontologia –Loom –OWL

3 Scienze Cognitive Cosa sono le ontologie Filosofia : area della metafisica che studia come è realmente fatto luniverso che ci circonda Computer Science : area dellintelligenza artificiale che studia i metodi per rappresentare correttamente luniverso che ci circonda. Perchè servono in CS? Comunicazione : sia tra agenti software (tra di loro) che tra agenti software e esseri umani Condivisione di conoscenza : per non duplicare sforzi nello sviluppo di sistemi software Semantic Web!

4 Scienze Cognitive KB1 Sistema di diagnosi di malattie cardiache Struttura della valvola aortica KB2 Sistema di pianificazione di interventi cardiaci Struttura della valvola aortica Conoscenza non condivisa

5 Scienze Cognitive KB1 Sistema di diagnosi di malattie cardiache Struttura della valvola aortica KB2 Sistema di pianificazione di interventi cardiaci Conoscenza condivisa

6 Scienze Cognitive Comunicazione Sistema di prenotazioni ferroviarie (Agente 2) KB2 - Città di partenza - Città di arrivo - Data di partenza - Ora del giorno - …….. Segreteria Elettronica (Agente 1) - Riunione - Orario di lavoro - Sede di lavoro - Viaggio - …….. KB1 ma: cittaDiPartenza := sedeDiLavoro; cittaDiArrivo := luogoDelMeeting; E se cittaDiPartenza si chiama CittaPart o DepartureCity?

7 Scienze Cognitive Ontologie (punti di vista) non identici, ma condivisi Sistemi già esistenti: possono mantenere la propria struttura, ma se vogliono comunicare devono avere un protocollo comune Ontologie esistenti compatibili in parte: per ora, quindi, soluzione parziale Poichè comunicazione uomo-macchina, condivisione delle ontologie anche tra macchine ed esseri umani Osservazioni

8 Scienze Cognitive Semantic Web I tag danno specifiche di significato Esempio: I tag danno specifiche di significato

9 Scienze Cognitive Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE Come costruire unontologia –Loom –OWL

10 Scienze Cognitive {animale, bestia}{gatto, micio} {cane} {felino} {mammifero} {soriano} {tigre} WordNet Da un elenco di parole: A un dizionario strutturato: SynSets NB: La stessa parola può appartenere a più SynSets

11 Scienze Cognitive WordNet: Cognitive Science Laboratory dellUniversità di Princeton (inglese) Fine anni 80 EuroWordNet: su Fondi dellUnione Europea. (multilingue - ILC-Pisa per litaliano) Metà anni 90 ItalWordNet: IRST-ICT (Trento). Un progetto nazionale (italiano) Fine anni 90 Alcune versioni Ovviamente, molte versioni per altre lingue

12 Scienze Cognitive RelazionePOS collegateEsempi Sinonimia nome/nome; verbo/verbo; aggettivo/aggettivo; avverbio/avverbio book/volume; to eat/to take in; great/outstanding; greatly/drastically Antonimia nome/nome; verbo/verbo; aggettivo/aggettivo man/woman; to enter/to exit; long/short Iponimianome/nome; verbo/verboslicer/knife; to walk/to move Meronimianome/nomehead/nose Implicazioneverbo/verboto buy/to pay Causaverbo/verboto kill/to die Somiglianzaaggettivo/aggettivowet/humid Attributoaggettivo/nometall/stature Relativo al nomeaggettivo/nomefraternal/broterhood Le relazioni di WordNet (originale)

13 Scienze Cognitive Alcune delle relazioni adottate sono alquanto vaghe POS sta per Part Of Speech (nome, verbo, ecc.) POS diverse collegate solo in casi particolari Osservazioni Le Relazioni sono strutture del tutto diverse dai Synsets

14 Scienze Cognitive RelazioneOrdini collegatiEsempi Sinonimia 1/1; 2/2; 3/3barriera/ostacolo;comprare/acquistare;conoscenza/cognizione Quasi sinonimia 1/1; 2/2; 3/3ordigno/congegno; certificare/assicurare Xpos quasi sinonimia 2/2arrivo/arrivare Antonimia 1/1; 2/2; 3/3incredibile/credibile Quasi antonimia 1/1; 2/2; 3/3sopra/sotto; arrivare/partire Xpos quasi antonimia 2/2arrivo/partire Iponimia 1/1; 2/2; 3/3cane/animale; agitarsi/muoversi Xpos iponimia 2/2arrivo/andare; martellata/colpire Meronimia 1/1braccio/corpo; mano/dito Causa 2/2uccidere/morire; giustiziare/condanna Sotto-evento 2/2comprare/pagare; dormire/russare Ruolo 1/2martello/martellare; pedone/camminare Co_ruolo 1/1chitarrista/chitarra Stato_di 1/2povero/povertà; vecchio/vecchiaia Maniera_per 2/2bisbigliare/a-bassa-voce; trucidare/barbaramente Derivazione Tra tuttiacqua/acquaiolo Relativo_a 2/2presidenziale/presidente Classe 1/1Po/fiume; Roma/città Le relazioni di EuroWordNet

15 Scienze Cognitive Per molte relazioni sono definite anche le inverse, che per semplicità non ho riportato in tabella (ad es. iponimia iperonimia; meronimia olonimia; causa causato_da; …) Alcune relazioni non sono definite tra Synset, ma tra singole parole. Questo vale ovviamente per la sinonimia, ma anche per la derivazione e per lantonimia La tabella è molto più estesa della precedente; non riporto la tabella delle relazioni di ItalWordNet, che comprende 45 righe, al posto delle 18 che ci sono sopra Tutti i Synset coinvolti si riferiscono a classi (chitarra, andare, …) eccetto quelli che compaiono nellultima relazione, in cui uno dei due elementi collegati è unistanza (Po, Roma) La seconda colonna è molto diversa da quella della tabella precedente. I numeri (1, 2, 3) si riferiscono ai cosiddetti ordini semantici, così definiti: 1: nomi concreti 2: nomi, verbi, aggettivi o avverbi indicanti proprietà, stati, processi o eventi 3: nomi astratti indicanti proposizioni indipendenti dal tempo e dallo spazio Osservazioni

16 Scienze Cognitive Inter Lingual Index ILI record (drive) guidare cavalcare muoversi WordNet Italiano III cabalgar conducir mover WordNet Spagnolo III ride drive move WordNet Inglese III rijden berijden betragen WordNet Olandese III II location 2nd order entity dynamicair traffic traffic road traffic Top ontologyDomain ontology II LArchitettura di EuroWordNet

17 Scienze Cognitive LInter Lingual Index (ILI) è solo una tabella di mapping tra Synset, non strutturata La top-ontology è una rappresentazione strutturata dei concetti più generali (la esamineremo sotto) Le Domain-Ontologies sono elenchi (parzialmente strutturati) di Campi Semantici, e cioè di argomenti (ad es. Sport, calcio, astronomia, …) Vi sono tre tipi diversi di archi: I: archi indipendenti dalle varie lingue, che collegano un record dellILI con le top e domain ontologies II: archi che collegano i synset dei vari WordNet allILI (e viceversa) III: archi, dipendenti dalla particolare lingua, che collegano i vari synset. Questi sono gli archi che abbiamo descritto nelle due tabelle precedenti. Osservazioni

18 Scienze Cognitive entity 1st order2nd order3rd order artifact O place U comestible U substance F comestible U +artifact O natural O container U +object F container U +object F +artifact O dynamic T static T cause C location C mental thing candy vessel bottle aliment bounded Event T object F solid F gas F liquid F La Top-Ontology

19 Scienze Cognitive La definizione dei concetti è basata su features Per le entità del primo ordine esse sono: oOrigin (se è naturale o artificiale; indice O nella figura) oNatural oLiving oPlant oHuman oCreature oAnimal oArtifact oForm (se è una sostanza o un oggetto con forma definita; indice F nella figura) oSubstance oSolid oLiquid oGas oObject oComposition (se è un oggetto unitario o un gruppo; non compare in figura) oPart oGroup oFunction (la funzione) oVehicle oRepresentation oMoneyRepresentation oLanguageRepresentation oImageRepresentation oSoftware oPlace oOccupation oInstrument oGarment oFurniture oCovering oContainer oComestible oBuilding

20 Scienze Cognitive Per le entità del secondo ordine esse sono: oSituation Component (una caratteristica o un partecipante della situazione descritta; indice C nella figura) oCause oCommunication oCondition oExistence oExperience oLocation oManner oMental oModal oPhysical oPossession oPurpose oQuantity oSocial oTime oSituation Type (il tipo della situazione; indice T in figura) oDynamic oBoundedEvent oUnboundedEvent oStatic oProperty oRelation Le entità del terzo ordine non hanno features

21 Scienze Cognitive Osservazioni Le features possono essere combinate per ottenere concetti più specifici (ad esempio, si veda in figura container U +object F +artifact O ) I concetti del Top-level non sono dei SynSets! Per cui termini come Container debbono comparire sia nella top ontology, sia in uno o più SynSet Alla Top-ontology sono agganciati 1310 Base Concepts, concetti fondamentali comuni a tutte le lingue, individuati in base a 3 criteri: Numero delle relazioni associate ad essi Posizione nella gerarchia tassonomica Frequenza in un corpus Non sono predefiniti dei meccanismi inferenziali, che permettano di sfruttare la semantica delle relazioni. ItalWordNet è memorizzato in un DB relazionale, ed è compito dellutente scrivere le query opportune per spostarsi tra I Synsets. Esistono però dei browser grafici che permettono di navigare (manualmente) nella rete

22 Scienze Cognitive Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE Come costruire unontologia –Loom –OWL

23 Scienze Cognitive Il progetto Cyc (da enCYClopedia) nasce nel 1984 ed è ancora in corso (si veda il sito Attualmente, Cyc include oltre un milione di concetti, mentre la versione pubblica OpenCyc comprende circa concetti e relazioni tra di essi So, the mattress in the road to AI is lack of knowledge, and the anti-mattress is knowledge. But how much does a program need to know to begin with? The annoying, inelegant, but apparently true answer is: a non-trivial fraction of consensus reality - the millions of things that we all know and that we assume everyone else knows (Guha & Lenat 90, p.4) Cyc

24 Scienze Cognitive Constraint Language (Logica dei predicati) CycL (linguaggio basato su frame) 2 componenti

25 Scienze Cognitive #$Texas #$capital: (#$Austin) #$residents: (#$Doug Guha Mary) #$stateOf: (#$UnitedStatesOfAmerica) CycL Units I frame di Cyc si chiamano Units. Esse includono, come tutti i frames, degli slots Esempio di Unit relativa ad unistanza Tutti i simboli che hanno il prefisso #$ sono Units. Una caratteristica fondamentale di Cyc è che, come si vede dallesempio, anche gli slots sono Units (SlotUnits)

26 Scienze Cognitive #$residents #$instanceOf: (#$Slot) #$inverse: (#$residentOf) #$makesSenseFor: (#$GeopoliticalRegion) #$entryIsA: (#$Person) #$specSlots: (#$lifelongResidents #$illegalAliens #$registeredVoters) Esempio di Unit relativa ad uno slot Da un punto di vista formale, gli slots sono relazioni binarie Quindi, è necessario definire il dominio (#$makesSenseFor) e il range (#$entryIsa) E anche possibile definire relazioni tra relazioni (#$inverse e #$specSlots) Altri esempi più avanti

27 Scienze Cognitive Il Constraint Language Una variante della logica dei predicati basata su restricted quantification Es. Tutte le persone hanno una madre e la loro differenza di età è maggiore di 16 Versione con quantificazione ristretta ( x person ) ( y person ) mother(x,y) greaterThan(diff(age(y),age(x)), 16) ] Versione Cyc (#$ForAll x (#$Person) (#$Exists y (#$Person) (LogAnd (#$mother x y) (#$GreaterThan (#$Diff (y #$age) (x #$age)) 16)))) ( x) person (x) [( y) person ( y) mother(x,y) greaterThan(diff(age(y),age(x)), 16) ] Versione in logica dei predicati standard

28 Scienze Cognitive #$Person #$genls: (#$Living) #$name: (#$PersonName) #$residentOf: (#$city) #$mother: (#$Person) #$inheritedSlotConstraints: (#$AgeOfMotherConstraint) #$AgeOfMotherConstraint #$instanceOf: (#$SlotConstraint) #$constraintInheritedTo: (#$Person …) #$slotsConstrained: (#$mother) #$slotConstraints: (#$GreaterThan (#$Diff (v #$age) (u #$age)) 16))))) Versione Cyc più efficiente: separare … la definizione dello slot … dal vincolo (constraint) sullo slot (infatti: Constraint Language)

29 Scienze Cognitive #$mother #$instanceOf: (#$Slot) #$inverse: (#$motherOf) #$makesSenseFor: (#$Person) #$entryIsA: (#$Person) #$entryFormat: (SingleEntry) Per completezza, e perchè serve dopo, ecco la definizione dello slot #$mother: Ma perchè questa soluzione è più efficiente? Perchè parte del vincolo è espresso in CycL, che è stato introdotto proprio per rendere alcune inferenze più efficienti

30 Scienze Cognitive Inferenza in Cyc (Put #$Giorgio #$mother #$Lucia) Consideriamo la seguente operazione: Essa memorizza (Put) nello slot #$mother della Unit #$Giorgio, il valore (riferimento alla Unit) #$Lucia (e cioè, Lucia è la madre di Giorgio) Supponiamo ora di fare: (Get #$Lucia #$mother-of) E cioè di richiedere (Get) di chi è madre (#$mother-of) #$Lucia. Supponiamo che Lucia non abbia altri figli oltre Giorgio. Quale sarà il risultato?

31 Scienze Cognitive Possiamo ottenere due risultati: 1. ( ) Cioè la lista vuota: Lucia non ha figli 2. (#$Giorgio) Lucia è madre di Giorgio Il primo risultato si ottiene se sia la Get che la Put precedenti sono state richieste senza nessuna inferenza Il secondo risultato si ottiene se o la Get o la Put (o entrambe) sono state richieste con inferenza (anche minima) Quella associata alla definizione dello slot #$mother (v. slide 29), in cui è specificato che #$mother ha un #$inverse, che è appunto #$mother-of Quale inferenza è necessaria?

32 Scienze Cognitive Alcuni meccanismi inferenziali in CycL Mantenimento di relazioni inverse: abbiamo già visto lesempio Mantenimento di specSlot-genlSlot: alcuni slot di una unit possono essere legati da una relazione di specializzazione-generalizzazione. Ad es. #$padreDi #$specSlot #$genitoreDi Se viene inserita linformazione (#$Luigi #$padreDi #$Marta) Cycl introduce automaticamente (#$Luigi #$genitoreDi #$Marta) TransfersThro: Il valore di uno slot può essere trasferito a Unit collegate: #$libro #$scrittoIn #$linguaggio #$libro #$parteDiTesto #$capitolo #$scrittoIn #$transfersThro #$parteDiTesto Se viene inserita linformazione (#$I_demoni #$scrittoIn #$russo) (#$I_demoni #$parteDiTesto #$I-demoni-cap-1) Cycl introduce automaticamente (#$I_demoni-cap-1 #$scrittoIn #$russo)

33 Scienze Cognitive Alcuni meccanismi inferenziali in CycL (2) MutuallyDisjointWith: Permette di specificare che due classi (Unit) sono disgiunte. Es: #$malePerson #$mutuallyDisjointWith #$femalePerson #$individualObject #$mutuallyDisjointWith #$collection Ogni volta che si specifica che un individuo viene inserito come istanza di una classe C1, Cycl verifica che non sia già istanza di una classe C2 disgiunta da C1 Controlli analoghi si hanno per #$covering e $partitionedInto N.B. Intensioni vs. estensioni Insiemi coestensionali: Permette di specificare che due classi (Unit) debbono necessariamente includere le stesse istanze. #$gatto #$coExtensionalSets #$micio Se: (#$Milu #$instanceOf #$gatto) Cycl asserisce automaticamente (#$Milu #$instanceOf #$micio)(e viceversa)

34 Scienze Cognitive Ereditarietà: ben noto: Se tutte le persone hanno un codice fiscale e i professori sono persone, allora i professori hanno un codice fiscale. In realtà, Cyc estende questo meccanismo: Alcuni meccanismi inferenziali in CycL (3) Ereditarietà standard: Si applica allo slot #$allInstances (tutte le istanze di una unit); Se #$persona #$nazionalità: (#$stato) #$studenteUnivTorino #$genL: (#$persona) #$nazionalità default per #$studenteUnivTorino = #$Italia Allora, quando si asserisce #$studenteUnivTorino #$allInstances (… #$Sandra …) Cyc ottiene (per default) #$Sandra #$nazionalità #$Italia

35 Scienze Cognitive Ma lereditarietà si può anche applicare ad altri slot: Nellesempio che segue, alla coppia #$persona #$possiedeAuto: (#$modelloDiAuto) #$modelloDiAuto #$categoria: (#$utilitaria #$media #$sport #$lusso) #$Carla #$instanceOf #$persona #$possiedeAuto #$categoria default per #$Carla = #$lusso Allora, quando si asserisce #$Carla #$possiedeAuto (… #$AutoXXX …) Cyc ottiene (per default) #$AutoXXX #$categoria #$lusso Alcuni meccanismi inferenziali in CycL (4) N.B. Ho appositamente messo tra virgolette i due default di esempio: non cè modo in Cyc per specificare queste ereditarietà in modo dichiarativo, ma bisogna usare una funzione apposita.

36 Scienze Cognitive Mantenimento di definizioni (toCompute): zio = def fratello genitore (formalmente composizione di funzioni). In Cyc: #$zio #$toCompute (#$computeByComposing #$fratello #$genitore) Classificazione: se triangolo = def poligono con esattamente tre lati equiTria = def poligono con esattamente tre lati uguali allora tutti gli equiTria sono triangoli Attivazione di demoni. Essi sono procedure, associate agli slot, che vengono eseguite se lo slot viene modificato. Ad esempio, se per gli studenti ho lo slot #$esamiSostenuti e lo slot #$crediti, al primo slot si può agganciare un demone che viene attivato ogni volta che si aggiunge un nuovo esame, incrementando automaticamente il numero di crediti. Alcuni meccanismi inferenziali in CycL (5)

37 Scienze Cognitive #$Lesmo #$instanceOf: (#$ProfessoreUniversitario) #$insegnaIn: (#$UniversitaDiTorino) #$name: (#$Leonardo) Un esempio di attivazione di demoni #$UniversitaDiTorino #$instanceOf: (#$Ateneo) #$sede: (#$Torino) #$rettore: (#$RinaldoBertolino) #$Torino #$instanceOf: (#$Città) #$inRegione: (#$Piemonte) #$insegnaIn #$instanceOf: (#$Slot) #$makesSenseFor: (#$ProfessoreUniversitario) #$entryIsa: (#$Ateneo) #$entryFormat: (#$SingleEntry) #$afterAdding: (#$MyComputeByComposing #$risiedeInRegione #$sede #$inRegione)

38 Scienze Cognitive Applicazione dei meccanismi inferenziali I metodi visti in precedenza non vengono sempre applicati. Alcuni, infatti (ad esempio la classificazione) sono piuttosto inefficienti. E compito dellutente specificare quali meccanismi desidera siano applicati. 1.Allatto della get (inferenza backward) La get non esiste; esistono invece 4 versioni di potenza differente: get0: nessuna inferenza (come accesso a database) get4: inferenze semplici e molto efficienti (#$inverse, #$toCompute, #$genlSlots, #$TransfersThro, #$coExtensionalSets, …) get8: inferenze plausibili (che non abbiamo visto), es. Ragionamento per analogia, uso di strutture, … get6: inferenze complesse: ereditarietà completa, classificazione, demoni

39 Scienze Cognitive Allatto della put (inferenza forward) In teoria, put come get. In pratica, un unico livello: put4 Applicazione dei meccanismi inferenziali (2) Perchè? Le inferenze sopra il livello 4 sono molto inefficienti sempre, per cui è il caso di farle solo se richiesto Le inferenze sotto il livello 4 sono molto efficienti allatto della put, molto inefficienti allatto della get. Es. (get #$Lucia #$motherOf) Applicare linverse a (put #$Giorgia #$mother #$Lucia) è immediato e, in tal caso, anche rispondere alla get sopra è immediato. In caso contrario, rispondere alla get richiede controllare tutte le #$Person per verificare se hanno (#$mother #$Lucia)

40 Scienze Cognitive Una conclusione sulle inferenze: TMS La conoscenza introdotta tramite meccanismi inferenziali è spesso incerta (per default). V. esempio categoria dellauto di Carla (slide 35). Cosa succede se viene introdotto manualmente il dato che Carla ha comprato unutilitaria? Prima alternativa: inconsistenza errore Seconda alternativa: alcuni dati sono più incerti di altri: un dato introdotto manualmente è più sicuro di uno inferito tramite inheritance. Per mettere in pratica la seconda alternativa, Cyc usa un TMS (Truth Maintenance System), che in realtà si applica anche a casi più generali di quello dellesempio. Se Cyc sa che è vero Fatto1, che è vera la regola (non default) Fatto1 Fatto2, può dedurre Fatto2. Se viene asserito che Fatto2 è falso cosa si può fare? Si può negare che è vero Fatto1, o cancellare la regola.

41 Scienze Cognitive Alcune considerazioni ontologiche Topolino è una #$Thing? Person è una #$Thing? è una #$Thing? Mangiare al ristorante è una #$Thing? Ovviamente sì, anche se non è reale. Sì, della classe (come entità) si sanno alcune cose (come la cardinalità – circa 6 miliardi) Lo è diventata in questo momento! Di essa si può dire che è un numero che è stato usato come esempio nelle lezioni di Lesmo. Sì, ma può essere di due tipi: unentità intera (IndividualObject), o una collezione. La difesa della Juve è una #$Thing? E certamente una classe (di eventi). Può diventare unentità se di essa (come classe) si vuol dire qualcosa (v. sopra esempio Person) E una collezione, ma, come Person, può avere unindividualità come classe. Influenza è un #$IndividualObject o una #$Collection?

42 Scienze Cognitive #$Thing #$Individual #$Collection #$Situation #$IntangibleIndividual #$SetOrCollection #$Intangible #$TemporalThing #$Relationship Il top level di Cyc Una lista dei concetti di Cyc si può trovare al sito (aggiornato al 1997) Alcune descrizioni di concetti (dalla documentazione Cyc) #$Thing: è linsieme universale: la collezione di ogni cosa! Ogni costante Cyc nella Base di Conoscenza è membro di questa collezione. Inoltre, ogni collezione della Base di Conoscenza è membro della collezione #$Thing.

43 Scienze Cognitive #$Intangible: la collezione di cose che non sono fisiche - non sono fatte di, o codificate nella, materia. Ogni #$Collection è #$Intangible (anche se le sue istanze sono tangibili) e tali sono anche alcuni #$Individual. Attenzione: non si confonda tangibilità con percettibilità - gli esseri umani possono percepire la luce anche se essa è intangibile. #$Individual: la collezione di tutte le cose che non sono insiemi o collezioni. Così #$Individual include, tra le altre cose, oggetti fisici, sottoastrazioni temporali di oggetti fisici[, numeri, relazioni e gruppi. Un elemento di #$Individual può avere parti o una struttura (incluse parti che sono discontinue); ma NESSUNA istanza di #$Individual può avere elementi o sottoinsiemi. #$IntangibleIndividual: la collezione degli individui intangibili. I suoi elementi non hanno massa, volume, colore, ecc. Ad esempio, ore, idee, algoritmi, interi, distanze, e così via. Daltra parte, in quanto sottoinsieme di #$Individual, questa collezione ESCLUDE insiemi e collezioni, che sono elementi di #$Intangible, ma non di #$IntangibleIndividual #$TemporalThing: la collezione delle cose che hanno una particolare estensione temporale, cose delle quail uno potrebbe ragionevolmente chiedere Quando?. Essa include molte cose; come le azioni, gli oggetti tangibili, gli accordi, e porzioni astratte di tempo. Alcune cose NON sono istanze di #$TemporalThing perchè sono astratte, atemporali, come un insieme matematico, un intero, ecc.

44 Scienze Cognitive Conclusioni su Cyc Un sistema enormemente complesso, che include sia una parte di rappresentazione di conoscenza e inferenza, sia una ontologia vera e propria VANTAGGI: - Dimensione - Potenza inferenziale - Ottimizzazione dei ragionamenti SVANTAGGI: - Troppo complesso - Non chiare le scelte ontologiche - Alcuni insuccessi (es. Legami col linguaggio naturale)

45 Scienze Cognitive #$Thing #$Individual #$Collection #$Situation #$IntangibleIndividual #$SetOrCollection #$Intangible #$TemporalThing #$Relationship Versione 1990 #$Thing #$IndividualObject #$Collection #$Event #$Process #$Intangible #$Stuff #$RepresentedThing #$IntangibleObject #$IntangibleStuff#$Relationship #$Slot Versione 1997 Perchè ?

46 Scienze Cognitive Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE Come costruire unontologia –Loom –OWL

47 Scienze Cognitive SUMO (Suggested Upper Merged Ontology) è il risultato di uno sforzo dellIEEE (Institute of Electrical and Electronic Engineering), iniziato verso la metà degli anni 90. Per ottenere informazioni su SUMO si può accedere al sito del gruppo di lavoro SUO (Standard Upper Ontology) Questo standard specificherà una upper ontology che i computer potranno utilizzare per applicazioni quali linteroperabilità dei dati, la ricerca e il reperimento di informazioni, il ragionamento automatico e lelaborazione del linguaggio naturale. Unontologia è simile ad un dizionario o a un glossario, ma con maggiore dettaglio e struttura, che permette ad un computer di elaborare il suo contenuto. Unontologia consiste di un insieme di concetti, assiomi e relazioni che descrivono un dominio di interesse. Una upper ontology è limitata a concetti che sono meta, generici, astratti e filosofici e, di conseguenza, sono sufficientemente generali da coprire (ad alto livello) un ampio range di domini. I concetti relativi ai domini specifici non saranno inclusi, ma questo standard fornirà una struttura e un insieme i concetti generali sulla base dei quali potranno essere costruite le ontologie di dominio (ad es. medicina, finanza, ingegneria, ecc.). SUMO

48 Scienze Cognitive STRUCTURAL ONTOLOGY BASE ONTOLOGY TEORIA DEGLI INSIEMI NUMERITEMPO MEREOTOPOLOGIA (PARTI E SPAZIO) MISUREPROCESSI QUALITAOGGETTI Le componenti di SUMO

49 Scienze Cognitive Structural Ontology Descrizione (in SUMO) delle primitive di SUMO (asserted StructuralOntology (instance instance BinaryPredicate)) (asserted StructuralOntology (instance instance AntisymmetricRelation)) (asserted StructuralOntology (domain instance 1 Entity)) (asserted StructuralOntology (domain instance 2 Class)) Definizione della relazione instance (asserted StructuralOntology (instance subclass BinaryPredicate)) (asserted StructuralOntology (instance subclass PartialOrderingRelation)) (asserted StructuralOntology (domain subclass 1 Class)) (asserted StructuralOntology (domain subclass 2 Class)) Definizione della relazione subclass (asserted StructuralOntology (=> (subclass ?C1 ?C2) (forall (?X) (=> (instance ?X ?C1) (instance ?X ?C2))))) Un assioma

50 Scienze Cognitive Structural Ontology (2) Definizione della relazione inverse (asserted StructuralOntology (instance inverse BinaryPredicate)) (asserted StructuralOntology (instance inverse SymmetricRelation)) (asserted StructuralOntology (domain inverse 1 BinaryRelation)) (asserted StructuralOntology (domain inverse 2 BinaryRelation)) (asserted StructuralOntology (=> (and (inverse ?R1 ?R2) (instance ?R1 BinaryRelation) (instance ?R2 BinaryRelation)) (forall (?X1 ?X2) ( (holds ?R1 ?X! ?X2) (holds ?R2 ?X2 ?X1))))) Un assioma per inverse A differenza di Cyc, non procedure di inferenza, ma formule logiche

51 Scienze Cognitive Entity Physical Object Process Abstract AttributeQuantityClassProposition Base Ontology (il top-level) Entity: ( x) instance (x, Entity) Qualunque cosa è unistanza di Entity ( x) instance (x, Entity) Esistono delle istanze di Entity ( c) instance (c, Class) subclass (c, Entity) Tutte le classi sono sottoclassi di Entity Alcuni assiomi

52 Scienze Cognitive Physical: ( x) Physical (x) [( y,z) located (x, y) existant(x,z)] Ogni entità fisica deve avere un luogo (y) e un periodo (z) in cui esiste. Base Ontology (un altro assioma) Base Ontology (sotto il top-level) Process NonIntentional Process Intentional Process Esempio: dove stanno I processi intenzionali (quelli compiuti con intenzione)?

53 Scienze Cognitive Base Ontology (sotto il top level) Processi intenzionali

54 Scienze Cognitive Process: ( x) Process (x) ( y) subProcess (x,y) Tutti processi hanno dei sotto-processi. Base Ontology (qualche assioma sui processi) subProcess: ( x,y) subProcess (x,y) ( t) existant (y,t) Ogni sottoprocesso esiste in qualche istante temporale IntentionalProcess: ( x) IntentionalProcess (x) ( y) agent (x, y) Tutti i processi intenzionali hanno un agente ( x,y) subProcess (x,y) [( z) located (y,z) located (x,z)] Se un sottoprocesso avviene in un luogo, anche il processo avviene in tale luogo ( x,y) subProcess (x,y) WhenFn(x)=WhenFn(y) during (WhenFn(x),WhenFn(y)) Un sottoprocesso o coincide temporalmente o è incluso nel suo sopra-processo. WhenFn è una funzione che restituisce un intervallo temporale ( x,y) IntentionalProcess (x) agent(x,y) CognitiveAgent(y) ( z) hasPurposeForAgent (x, z, y) Gli agenti dei processi intenzionali sono CognitiveAgent, e deve esserci uno scopo z, tale che il processo è utile per quello scopo

55 Scienze Cognitive Conclusioni su SUMO Una vera ontologia: non ci si preoccupa di come si effettuano i ragionamenti, ma solo di descrivere i concetti e le loro proprietà VANTAGGI: - Separazione conoscenza-reasoning - Ontologia piuttosto ampia - Integrazione di conoscenza da fonti diverse SVANTAGGI: - Scelte ontologiche più chiare di Cyc, ma ancora dubbie - Linsieme degli assiomi è piuttosto limitato - Efficienza dei ragionamenti Il linguaggio in cui è espresso SUMO si chiama KIF (Knowledge Interchange Format), ed è esso che si occupa della parte inferenziale (lequivalente di Cycl+Constraint)

56 Scienze Cognitive Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE Come costruire unontologia –Loom –OWL

57 Scienze Cognitive Dolce (un ponte tra filosofia e computer science) Dolce (Descriptive Ontology for Linguistic and Cognitive Engineering) è il risultato dellattività svolta sulle ontologie presso lIstituto per le Scienze e le Tecnologie Cognitive del CNR (Trento-Roma) Dolce non si propone come candidata per unontologia universale, ma come un punto di partenza per confrontare e chiarire la relazioni esistenti tra diversi moduli ontologici e per rendere esplicite le assunzioni presenti nelle ontologie esistenti Dolce ha un orientamento cognitivo, nel senso che tende ad esprimere le categorie ontologiche alla base del linguaggio naturale e del senso comune umano. Parallela a Dolce cè Ontoclean, che è una metodologia per la verifica si ontologie. Non la presenterò, ma vedremo qualche dettaglio

58 Scienze Cognitive OntoClean Quattro nozioni fondamentali nella caratterizzazione dei concetti Identità : possibilità di distinguere due istanze di una classe mediante una proprietà caratteristica (anche in tempi diversi) Ex. Per Person: avere le stesse impronte digitali Dipendenza : la proprietà P è dipendente dalla proprietà Q, se, quando Q è vera, è vera anche P. Ex. avere figli dipende da essere genitore Rigidità : dice, di una proprietà, se essa è stabile per le istanze. Ex. Person è rigida; Student non è rigida Unità : possibilità di identificare tutte le parti di unentità mediante una relazione unificante Ex. Azienda: essere stati assunti in quellazienda

59 Scienze Cognitive A cosa servono? Vincoli sulla relazione di sussunzione 1.Una classe non rigida (-R) non può sussumere una classe rigida (+R) Ex. Legal Agent non può sussumere Person 2.Una classe che ha una condizione di identità (+I) non può sussumere una classe che manca di una condizione di identità (-I) 3.Una classe che ha una condizione di unità (+U) non può sussumere una classe che manca di una condizione di unità (-U) Ex. Amount of Matter non può sussumere Physical Object: se una quantità dacqua ne perde una parte è una diversa quantità dacqua, ma se a una persona si tagliano i capelli rimane la stessa persona 4.Una proprietà dipendente da unaltra (+D) non può sussumere una proprietà indipendente (-D) Ex. Park non può sussumere Location

60 Scienze Cognitive Endurant e Perdurant Gli Endurants sono completamente presenti (cioè con tutte le loro parti) quando lEndurant stesso è presente. Esempio classico: gli oggetti (ad es. una casa) Ad ogni istante temporale, solo una parte (una fetta temporale) di un Perdurant è presente (ad es. gli eventi) Correlato al concetto di cambiamento: solo gli Endurant possono cambiare (pur mantenendo la loro identità, concetto questo non facile da caratterizzare ontologicamente), mentre è ovvio che i Perdurant non cambiano, essendo le loro parti diverse nel tempo per la definizione stessa di Perdurant Relazione fondamentale tra Endurant e Perdurant: partecipazione; gli Endurant partecipano (e cioè hanno un ruolo) nei Perdurants; ad esempio io, che sono un Endurant, partecipo nella mia azione (un Perdurant) di andare dallUniversità a casa.

61 Scienze Cognitive Entity AbstractEndurantPerdurant Il top level di Dolce FactRegionSetSubstantialQualityEventStative Le Qualities sono componenti essenziali delle entità. Esse sono simili alle proprietà, ma sono degli individui, non delle classi. Ad es. il colore di una rosa è una sua qualità; unaltra rosa può avere lo stesso colore, ma si tratta di unaltra qualità, anche se i valori con cui si misurano queste due qualità coincidono. I Substantials sono aggregati stabili di proprietà. Essenziale la meta-proprietà (concetto di Ontoclean) Unity. Gli Abstract, comuni a varie ontologie, non richiedono commenti Anche la differenza tra Event e Stative sembra abbastanza ovvia.

62 Scienze Cognitive Critica del top-level di WordNet Confusione tra concetti e individui Composer ContrapuntistSongWriter Beethoven Bach In Dolce differenza tra concetti e ruoli materiali, basata sulla meta- proprietà rigidità. Questa differenza non si osserva in WordNet (e in nessuna delle altre ontologie che abbiamo visto). Confusione tra meta-level e object-level Abstraction SetSpace Relation Attribute Time meta-level object-level

63 Scienze Cognitive Conclusioni su Dolce Nè una ontologia, nè un insieme di metodi di ragionamento, bensì una metodologia (OntoClean) Ma sulla base di questa metodologia, proposta di un top-top level (Dolce) VANTAGGI: - Connessione con i fondamenti filosofici - Basi solide per valutare le scelte ontologiche SVANTAGGI: - Richiede un lavoro manuale non indifferente - Non essendo unontologia, non è direttamente usabile, o, meglio, la parte usabile è molto ridotta Non direttamente confrontabile con le altre ontologie viste, ma possiamo dire:

64 Scienze Cognitive Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE Come costruire unontologia –Loom –OWL

65 Scienze Cognitive Loom Loom offre un description language per modellare oggetti e relazioni. La programmazione procedurale è realizzata tramite metodi pattern-directed, mentre le capacità inferenziali basate su produzioni e sulla classificazione offrono un supporto per il ragionamento deduttivo. defconcept (define concept): crea un nuovo concetto defrelation: (define relation): crea una nuova relazione, cioè un link tra due concetti. defset (define set): crea un nuovo concetto definito tramite linsieme dei suoi valori tell: fornisce informazioni su unistanza Operazioni di modifica della KB Una KB può trovarsi in due stati: provvisorio e stabilizzato

66 Scienze Cognitive (defconcept localita (exactly 1 nome)) Esempio (defconcept citta :is-primitive (and localita (exactly 1 popolazione) (at-least 1 ufficio-turistico))) (defrelation nome :range string) (defrelation popolazione :range number) agenzia Localita nome [1] Citta popolazione [1] ufficio-turistico [1, inf] string number (defrelation ufficio-turistico :range agenzia) (defconcept agenzia :is-primitive (and (exactly one indirizzo) (exactly one dimensione))) indirizzo[1] dimensione [1]

67 Scienze Cognitive (defrelation indirizzo :range string) string (defconcept dim-val :is (the-ordered-set piccola media grande)) dim-val (defrelation dimensione :range dim-val) (defconcept metropoli :is (and citta (> popolazione ))) metropoli popolazione > Citta popolazione [1] ufficio-turistico [1, inf] agenzia Localita nome [1] string number indirizzo[1] dimensione [1] Esempio (continua)

68 Scienze Cognitive (tellm (create ag-1 agenzia) (dimensione ag-1 grande) (indirizzo ag-1 Via PincoPallo, 33)) indirizzodimensione ag-1 Via PincoPallo, 33grande (tellm (create ag-2 agenzia) (dimensione ag-2 piccola) (indirizzo ag-2 Via AlfaBeta, 1) indirizzodimensione ag-2 Via AlfaBeta, 1piccola (tellm (create cit-1 citta) (nome cit-1 Torino) (popolazione cit ) (ufficio-turistico cit-1 ag-1)) (ufficio-turistico cit-1 ag-2)) indirizzodimensione ag-2 Via NonSo, 111piccola (tellm (create ag-2 agenzia) (dimensione ag-2 piccola) (indirizzo ag-2 Via NonSo, 111) Esempio (continua) Citta ufficio-turistico [1, inf] agenzia Metropoli Localita Uff.tur. Cit-1 Torino nome

69 Scienze Cognitive (retrieve ?x (citta ?x)) ---> (|I|cit-1 |I|cit-2) Il prefisso |I| sta per instance (retrieve ?x (metropoli ?x)) ---> (|I|cit-1) E stata effettuata la classificazione (retrieve ?x (localita ?x)) ---> (|I|cit-1 |I|cit-2 |I|loc-1 ) Ereditarietà classica (retrieve ?x (and (localita ?x) (for-some ?y (and (ufficio-turistico ?x ?y) (dimensione ?y grande)))) ---> (|I|cit-1) Una query complessa Esempio (continua) (tellm (create cit-2 citta) (nome cit-2 Asti) (popolazione cit ) (ufficio-turistico cit-2 ag-3)) Esempi di query (tellm (create loc-1 localita) (name loc-1 Etna))

70 Scienze Cognitive (defmethod trova-agenzia (?x) :situation (citta ?x) :response ((do-retrieve (?c) (for-some ?y (and (ufficio-turistico ?x ?y) (indirizzo ?y ?c))) (format t "Un indirizzo di ~a e' ~s ~%" (first (retrieve ?z (nome ?x ?z))) ?c)))) Metodi Contrariamente ai linguaggi a oggetti standard, i metodi non sono legati agli oggetti, ma globali. Cè però il filtro situation che dice a quali concetti sono applicabili (perform (trova-agenzia (get-instance cit-1))) Un indirizzo di Torino è Via PincoPallo, 33 Un indirizzo di Torino è Via AlfaBeta, 1 (perform (trova-agenzia (get-instance loc-1))) Warning: Failed to apply action TROVA-AGENZIA to arguments (|I|LOC-1) because No applicable method.

71 Scienze Cognitive (defmethod trova-agenzia (?x) :situation (localita ?x) :response ((do-retrieve (?c) (nome ?x ?c) (format t "~a non e' una citta' e quindi non ha uffici turistici~%" ?c)))) Ma si può anche definire Ottenendo (perform (trova-agenzia (get-instance loc-1))) Etna non e' una citta' e quindi non ha uffici turistici Si noti che il risultato dellesecuzione del metodo su cit-1 (Torino) non cambia: per default, Loom usa sempre il metodo definito più localmente

72 Scienze Cognitive Conclusioni su Loom Non unontologia: non ci si preoccupa di descrivere i concetti e le loro proprietà, ma solo di come si effettuano i ragionamenti (lopposto di SUMO) VANTAGGI: - Semplicità - Vari meccanismi di ragionamento SVANTAGGI: - Non sempre ragionamenti efficienti - Limitazioni espressive (es. Vincoli tra relazioni, strutture)

73 Scienze Cognitive Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE Come costruire unontologia –Loom –OWL

74 Scienze Cognitive OWL (Web Ontology Language) Rispetto a quanto detto nellintroduzione, ci siamo dimenticati il legame con il World Wide Web OWL è un prodotto del W3C (organizzazione internazionale per lo sviluppo di WWW); un linguaggio di markup semantico per pubblicare e condividere ontologie. OWL è basato sui linguaggi di markup (XML) ed è ancorato allRDF (Resource Description Framework), una notazione uniforme e non ambigua per esprimere le risorse presenti sul Web. OWL è derivato dal precedente DAML+OIL Alcuni riferimenti: Overview, Guide, Language ReferenceOverviewGuideLanguage Reference

75 Scienze Cognitive RDF (Resource Description Framework) XML (eXtensible Markup Language) Possibilità di estendere i tag di base con un proprio insieme di tag HTML (HyperText Markup Language) Per riferirsi a elementi del Web allesterno della pagina: URL (Uniform Resource Locator) Insieme di tag predefinito Possibilità di riferirsi a entità fuori dal Web (es. nel mondo reale) URI (Uniform Resource Identifiers) RDF RDF (una particolare estensione di HTML, definita tramite XML)

76 Scienze Cognitive Cosa vuol dire descrivere una risorsa? swap/pim/contact#homePage /swap/pim/contact#mailbox wap/pim/contact#fullName Leonardo Lesmo /pim/contact#workPlace Professor /22-rdf-syntax-ns/type TUTTE le etichette che compaiono in figura (eccetto Professor e Leonardo Lesmo) sono URI

77 Scienze Cognitive Le due righe precedenti sono una parentesi aperta annotata. Si definiscono le due abbreviazioni rdf e contact, come equivalenti a ciò che segue luguale La corrispondente parentesi chiusa è lultima riga di questesempio La sintassi RDF (lesempio precedente) Unaltra parentesi aperta: qui si dice che il referente di contact è un professore, e a chi questa descrizione si riferisce (about) Leonardo Lesmo Linformazione fullName è un literal (stringa) la mailbox, così come le due che seguono, sono invece risorse Web

78 Scienze Cognitive RDF schema RDF schema (rdfs) è un namespace, in cui sono definite alcune primitive ontologiche (es. subClassOf, subPropertyOf, Domain, Range, …) Ad esso ci si può riferire per definire delle semplici ontologie locali Professore Persona Università Studente insegnaIn iscrittoA Le abbreviazioni per rdf e rdfs /> Introduzione della class Persona

79 Scienze Cognitive /> /> /> Introduzione delle classi Professore, Studente, e Università (del tutto analoghe alla precedente, ma con introduzione dellarco subClassOf) /> /> Introduzione delle due proprietà (ruoli, slot, relazioni) Fine delle descrizioni

80 Scienze Cognitive Situazione NAMESPACE domain subClassOf range NAMESPACE type about resource Class Property NAMESPACE fullNam box homePage NAMESPACE (quello locale) PersonaProfessore Studente

81 Scienze Cognitive Non cè unontologia generale (top-level)? Esistono delle ontologie per alcuni domini applicativi (CIM: modelli di Electric Power Systems; GO: conoscenza su prodotti genetici) Nessuna ontologia generale disponibile, ma scrivere unontologia in RDF richiede molto lavoro; v. esempi precedenti. Quindi OWL is a vocabulary extension of RDF. Thus any RDF graph forms an OWL Full ontology. Further, the meaning given to an RDF graph by OWL includes the meaning given to the graph by RDF. OWL Full ontologies can thus include arbitrary RDF content, which is treated in a manner consistent with its treatment by RDF. OWL assigns an additional meaning to certain RDF triples.

82 Scienze Cognitive /> Esempio di semplificazione in OWL NB. Versioni RDF OWL Full OWL DL OWL Lite OWL Full: Piena compatibilità con RDF. Inferenze inefficienti. OWL DL: (Description Logics) Semplificato per maggiore efficienza (es. LOOM) OWL Lite: Poco potere espressivo, prevalentemente didattico

83 Scienze Cognitive Come si descrivono le classi in OWL 1.Un identificatore di classe 2.Una enumerazione di individui 3.Una restrizione di proprietà Operatori come owl:hasValue sono owl:allValuesFrom e owl:someValueFrom. Vincoli sulla cardinalità si possono porre con owl:cardinality, owl:minCardinality e owl:maxCardinality

84 Scienze Cognitive Una intersezione tra classi NB: OWL non ha la Unique Name Assumption, per cui lintersezione tra #PresidenteDellaRepubblica e #ResidenteDelQuirinale è non-vuota 5.Una unione tra classi (analogo allesempio precedente, con owl:unionOf al posto di owl:intersectionOf) 6.Il complemento di una classe (operatore owl:complementOf) Come si descrivono le classi in OWL (2)

85 Scienze Cognitive Assiomi di classe Gli assiomi di classe permettono di porre vincoli tra classi. Essi possono coinvolgere le relazioni: rdfs:subClassOf (che appartiene a RDF Schema) owl:equivalentClass e owl:disjointWith.

86 Scienze Cognitive Relazioni tra proprietà Vincoli globali su proprietà Istanze (individuals)

87 Scienze Cognitive Assert: (|http://www.w3.org/1999/02/22-rdf-syntax-ns#|::type |http://ra1.stanford.edu/wkb#|::|NEW-COURSE9| |http://ra1.stanford.edu/wkb#|::|PASTA-WITH-SPICY-RED-SAUCE-COURSE|) Assert: (|http://ra1.stanford.edu/wkb#|::|DRINK| |http://ra1.stanford.edu/wkb#|::|NEW-COURSE9| |http://ra1.stanford.edu/wkb#|::|WINE9|) Reasoning OWL è un linguaggio di rappresentazione: non solo non fornisce unontologia completa (v. Cyc o SUMO), ma non fornisce neppure un reasoner (v. Loom) Esistono però degli strumenti che sono già stati interfacciati con OWL (più precisamente, col suo predecessore DAML+OIL) Un esempio di applicazione è un Wine Agent, realizzato al Knowledge Systems Laboratory dellUniversità di Stanford. Essa è basata su un reasoner sviluppato in Java nella stessa sede: JTPWine AgentJTP Esempi

88 Scienze Cognitive Esempi di query Query: (|http://ra1.stanford.edu/wkb#|::|COLOR| |http://ra1.stanford.edu/wkb#|::|WINE9| ?x) > X = |http://ra1.stanford.edu/wkb#|::|RED| Query: (AND (|http://www.w3.org/1999/02/22-rdf-syntax-ns#|::type |http://ra1.stanford.edu/wkb#|::|CHATEAU-LAFITE-PAUILLAC| ?x) (|http://www.w3.org/2000/01/rdf-schema#|::|subClassOf| ?x |http://ra1.stanford.edu/wkb#|::|WINE|)) > X = |http://ra1.stanford.edu/wkb#|::|PAUILLAC| N.B. Le caratteristiche di Wine9 non sono state introdotte dallutente ma determinate dal Wine Agent

89 Scienze Cognitive Ontologia OWL? Oltre al meta-livello, due sole classi predefinite: owl:Thing e owl:Nothing. Ogni istanza è istanza di owl:Thing e ogni classe è sottoclasse di owl:Thing. Owl:Nothing è linsieme vuoto. Class Definizione del concetto Class (meta-livello) Thing Definizione del concetto Thing

90 Scienze Cognitive Conclusioni su OWL Un aggancio tra strumenti ontologici ed il WWW, nellottica di creare un Semantic Web VANTAGGI: - E una layer supplementare di strumenti quasi universalmente accettati e in uso - Sono disponibili vari livelli di potere espressivo SVANTAGGI: - Manca un reasoner incorporato - La sintassi (derivata da HTML e RDF) è pesante e poco leggibile

91 Scienze Cognitive Conclusioni sulle Ontologie Le ontologie sono uno strumento essenziale per linteroperabilità e la comunicazione tra agenti Negli ultimi 10 anni una quantità impressionante di finanziamenti e attività di ricerca e sviluppo Molte proposte e sistemi, ma ancora nessuno standard; poichè unontologia è utile se è ampiamente condivisa, siamo ancora a metà strada Alcuni studiosi hanno forti dubbi sulla possibilità (e, forse, sullopportunità culturale) di realizzare unontologia standard (difficoltà tecniche e salvaguardia di diversità culturali) Si tratta comunque di una strada obbligata ma

92 Scienze Cognitive Riferimenti e Bibliografia Da Fare


Scaricare ppt "Scienze Cognitive 2003 1 ONTOLOGIE. Scienze Cognitive 2003 2 Di cosa parleremo Cosa sono le ontologie Quali ontologie esistono –WordNet –Cyc –SUMO –DOLCE."

Presentazioni simili


Annunci Google