OntoDig: Um sistema multi-agente para reutilização de ontologias

Transcrição

1 OntoDig: Um sistema multi-agente para reutilização de ontologias Pedro Oliveira Departamento de Engenharia Informática Faculdade de Ciências e Tecnologia Universidade de Coimbra Resumo. A reutilização de conhecimento expresso em ontologias é uma das visões da Web Semântica. Com a proliferação de ontologias livremente disponíveis, torna-se necessário desenvolver mecanismos que permitam a sua reutilização. Neste relatório é apresentada a segunda fase de desenvolvimento do OntoDig, um sistema multi-agente para reutilização de ontologias. O seu objectivo é, tendo uma lista de termos e ontologias, construir uma nova ontologia que exprima o conhecimento representado por esses termos. Palavras-chave: Web Semântica, Reutilização de Conhecimento, Sistemas Multi-agente, Ontologias 1 Introdução Na disciplina de Web Semântica, leccionada o semestre passado, foi desenvolvido um protótipo de um sistema multi-agente para reutilização de ontologias. O seu objectivo era integrar a plataforma Semantic Reuse System (SRS) [1], colmatando algumas das suas lacunas. Neste trabalho foi proposto estender e melhorar o protótipo desenvolvido, para permitir a sua utilização no SRS. Esses melhoramentos incidiram em vários aspectos: simplificação da arquitectura; melhoramento das capacidades de pesquisa; inclusão de sistemas de desambiguação e limpeza; melhoramento do sistema de ranking e junção; e integração final no SRS. Na próxima secção é demonstrada a nova arquitectura do sistema, sendo a secção 3 referente à explicação dos procedimentos de processamento de ontologias. Na secção 4 é mostrada uma pequena experiência com o sistema desenvolvido, sendo a secção 5 reservada à explicação da estrutura do código. A secção 6 exemplifica algum do trabalho futuro a desenvolver, rematando a secção 7 algumas conclusões deste trabalho. 2 Arquitectura do Sistema A arquitectura do sistema (Imagem 1) sofreu algumas alterações em relação à versão anterior. O processo de comunicação entre agentes foi simplificado, dando uma maior

2 responsabilidade ao Broker. Desta maneira conseguiu-se aumentar a rapidez do sistema, diminuindo a sua complexidade. Figura 1. Diagrama de arquitectura do sistema. Vértices correspondem a elementos do sistema. Linhas representam comunicação direccional entre os elementos. O funcionamento geral do sistema pode ser facilmente explicado: 1. SRS envia lista de termos a pesquisar ao Broker 2. Broker distribui lista de termos pelos agentes 3. Agente pesquisa por termos na sua ontologia e constrói nova ontologia 4. Agente devolve ontologia criada ao Broker 5. Broker faz a junção das ontologias recebidas 6. Broker devolve ontologia criada ao SRS 7. SRS adiciona ontologia recebida à ontologia de domínio Esta simplificação da comunicação entre agentes garante a escalabilidade existente anteriormente, deixando margem para posteriores inovações. 3 Processamento de Ontologias De seguida serão apresentados os vários procedimentos executados no processamento de ontologias. Em relação à versão anterior, foram criados novos procedimentos, tendo sido os restantes melhorados ou completamente reformulados. 3.1 Pesquisa Nesta fase, cada agente pesquisa na sua ontologia por classes que sejam idênticas aos termos pesquisados. Esta pesquisa é efectuada através da comparação entre os termos e o nome/label das várias classes. O algoritmo de comparação é demonstrado a seguir.

3 Algoritmo de comparação entre strings. Recebe como argumento duas strings e devolve um resultado booleano indicando se existe semelhança entre ambas. Boolean issimilar(string s1, String s2) normalize s1 and s2 remove stopwords from s1 and s2 stem s1 and s2 score <- string_distance_metric (s1,s2) if score > MIN_SIMILARITY return true else sy1,sy2 <- s1 and s2 synonyms for all the combinations between sy1 and sy2 stem sy1 and sy2 score <- string_distance_metric (sy1,sy2) if score > MIN_SIMILARITY return true return false A normalização é efectuada através da decomposição de tokens compostas (ex: PaperInProceedings fica Paper in Proceedings ), lowercasing de termos e remoção de pontuação, acentos e múltiplos espaços em branco. O algoritmo de semelhança entre termos utilizado foi o Iterative-SubString [2], sendo utilizado o Wordnet [3] para expansão de sinónimos. No stemming, foi utilizado o algoritmo de Porter [4]. Após alguns testes, foi determinado como 0.92 o parâmetro ideal para a semelhança mínima entre strings (MIN_SIMILARITY). 3.2 Desambiguação Após encontrar as correspondências entre termos e respectivas classes na ontologia, podem surgir situações onde um termo esteja associado a mais de uma classe. Assim sendo, é necessário verificar quais das classes exprime melhor o termo no contexto actual, contexto esse dado pelos restantes termos pesquisados. Partindo do princípio globalmente aceite que classes que exprimam o mesmo contexto numa ontologia estão muito próximas umas das outras, foi desenvolvido um algoritmo de desambiguação.

4 Algoritmo de desambiguação entre classes. Recebe como argumento uma lista de classes a desambiguar, e devolve a classe vencedora. Class classdesambiguation(list classestodesambiguate) terms classes <- all the classes identified with bestclass = null bestdistance = + foreach class in classestodesambiguate if(distance(class, classes) < bestdistance) bestdistance = distance(class, classes) bestclass = class return bestclass Este algoritmo escolhe a classe que esteja mais perto das restantes classes associadas com termos. Para isso é calculado, para cada classe a ser desambiguada, a distância para todas as outras classes que estejam também identificadas com termos. A classe com um menor valor é a classe escolhida para representar o termo na ontologia. Para o processamento de distâncias, a ontologia foi transformada num grafo utilizando o Jung 1, uma plataforma de alto desempenho para processamento de grafos em Java. Nesse grafo, os vértices correspondem a classes, enquanto as arestas representam as relações de taxonomia (rdfs:subclassof) e de atributos objecto (owl:objectproperty). Essa representação é guardada juntamente com a ontologia, sendo utilizada nas restantes fases sempre que seja necessário efectuar cálculos de distâncias entre classes na ontologia. 3.3 Segmentação Após a identificação das classes associadas com os termos pesquisado, é necessário definir que partes da ontologia é interessante adicionar à ontologia de domínio. Utilizando um algoritmo de segmentação básico [5], é segmentado todas as classes associadas com termos, bem como as suas superclasses até à raiz da ontologia. Para ontologias onde existam classes desconexas da raiz, a maior das superclasses segmentada é adicionada como subclasse da raiz na nova ontologia criada. Apenas a taxonomia da ontologia é segmentada, visto esta ser amplamente definida como a base de construção de qualquer ontologia [6], tendo uma semântica e funcionalidade globalmente definida dentro das linguagens de representação da Web Semântica. 1

5 3.4 Ranking Após a segmentação, uma nova ontologia é criada. È então necessário verificar a qualidade desta ontologia, tendo em vista a comparação com as ontologias criadas pelos restantes agentes. Duas métricas entram neste cálculo: soma das distâncias (normalizada) entre termos (Fórmula 1) e percentagem de termos encontrados (Fórmula 2). O resultado final consiste na média pesada desses dois valores (Fórmula 3)., (1).. (2) 2 (3) Com esta métrica é dada primazia a ontologias que tenham uma distância baixa entre classes associadas a termos, bem como um elevado número de classes associadas a termos. 3.5 Mapeamento Depois de verificar o ranking das ontologias, é necessário definir quais interessa juntar á ontologia de domínio, definindo também como elas se vão interligar (i.e. mapear). Para isso é calculado, para todas as combinações de ontologias possíveis, os valores de compatibilidade (Fórmula 4) e complementaridade (Fórmula 5) entre as ontologias. O conjunto que maximizar a média pesada desses valores (Fórmula 6) é constituído pelas ontologias mais idênticas (com maior compatibilidade) mas que ao mesmo tempo conseguem cobrir um maior número de termos pesquisados possível (complementaridade)... (4).. 2 (5) (6)

6 Após definir esse conjunto, é necessário mapear todas as classes das várias ontologias escolhidas, com o intuito de efectuar a sua junção. Caso duas classes estejam identificadas com o mesmo termo, o mapeamento é directo, pois já é implícito que ambas significam o mesmo. Nos restantes caso é utilizado os métodos referidos na pesquisa e desambiguação, tentando achar correspondências entre as várias classes de diferentes ontologias. 3.6 Junção Após a definição dos mapeamentos entre classes das diferentes ontologias, estamos em condições de juntar as várias ontologias numa nova ontologia. Uma a uma, as ontologias são juntas noutra ontologia, que contem um uri base genérico. A junção entre classes é muito simples: se houver um mapeamento entre as classes, a nova classe gerada vai ter o nome de uma delas, guardando num atributo os seus nomes e antigos uris; caso contrário, a classe é simplesmente adicionada com o mesmo nome, guardando também o antigo uri. Classes que tenham sido associadas com um termo guardam também esse termo num atributo, para posterior referência. 3.7 Limpeza Após a junção das várias ontologias, é necessário efectuar uma limpeza na ontologia criada para remover eventuais inconsistências ou redundâncias. Numa primeira fase todos os uris são reverificados, para discernir eventuais erros na junção. Depois são aplicados dois processos de limpeza: remoção de relações de subclassing entre a mesma classe (i.e. uma classe ser subclasse dela própria) e remoção de subclassing genérico, deixando só as subclasses mais particulares (i.e. deixar apenas as relações de subclassing mais próximas da classe, visto que esta relação é transitiva). Após este processo, a ontologia encontra-se pronta a ser incorporada na ontologia de domínio do SRS. 3.8 Incorporação no SRS Após a criação da ontologia, é necessário adicionar a mesma à ontologia de domínio do SRS. Visto que o SRS utiliza uma representação interna da ontologia de domínio muito idêntica á estrutura do Wordnet, foi necessário adaptar a ontologia criada àquela realidade. Para isso, todas as classes da ontologia criada são transformadas em synsets, sendo o synsetid o nome da classe, o gloss o label da classe e as palavras associadas ao synset o termo que deu origem á segmentação da classe, bem como o nome da classe. Desta maneira consegue-se manter o funcionamento dos dois sistemas, se bem que se perca algumas capacidades (por exemplo, neste momento é impossível mapear a ontologia criada na ontologia de domínio utilizando o sistema desenvolvido).

7 4 Experiência Para testar a nova versão do OntoDig, foi criada uma pequena experiência. Foram retirados os 10 termos mais relevantes de um manual sobre organização de conferências 2. De seguida, o OntoDig foi preparado com as 14 ontologias da Ontology Alignment Evaluation Initiative , e os termos foram apresentados ao sistema. Como se pode comprovar (Imagem 2) as ontologias criadas continuam a conter bastante informação, mas são mais pequenas e compactas. Com os mecanismos de desambiguação e de limpeza, o numero de relações entre classes foi diminuído, bem como o número de classes na ontologia final. Apenas as classes mais importantes ficaram, eliminando eventuais redundâncias. Testes mais profundos têm de ser efectuados para verificar a eficácia dos novos algoritmos implementados. No entanto, os resultados preliminares são motivadores. Tabela 1. Palavras mais frequentes, sem stopwords, do IEEE Conferences Organization Manual. Palavras mais frequentes conference, ieee, committee, chair, papers, proceedings, publications, organizational, hotel, review

8 Figura 2. Taxonomia (parcial) da ontologia criada. Vértices representam as classes da ontologia, sendo as ligações entre vértices referentes à relação de hierarquia. j.0: representa o uri por defeito. 5 Estrutura e organização do código A estrutura do código (Tabela 2) é muito idêntica á versão anterior. A secção de algoritmos foi reestruturada, com vista a permitir uma maior dinâmica na adição de novas funcionalidades. Foram também adicionadas algumas classes nas packages anteriormente existentes para conter as novas funcionalidades.

9 Tabela 1. Lista de packages e respectiva descrição. Caminho completo das packages foi encurtado, para efeitos de apresentação. Package ontodig ontodig.agents.broker ontodig.agents.broker.behaviours ontodig.agents.worker ontodig.agents.worker.behaviours ontodig.agents.worker.implementations ontodig.algorithms ontodig.algorithm.language ontodig.algorithm.language.stemming ontodig.algorithm.language.stopwords ontodig.algorithm.language.stringdistance ontodig.algorithm.language.stringnormalization ontodig.algorithm.language.thesaurus ontodig.datastrutctures ontodig.ontology Descrição Contem classe principal que dá inicio à aplicação. É aqui que são criados e lançados os agentes. Especificação base do agente Broker. Especificação do comportamento e comunicação do agente Broker. Especificação base do agente Worker. Especificação do comportamento e comunicação do agente Worker. Implementações concretas do comportamento do agente Worker em relação ao processamento de ontologias. Algoritmos genéricos a toda a aplicação. Algoritmos de linguagem genéricos Algoritmos de stemming Listas de stopwords Algoritmos de distância entre strings Algoritmos de normalização de strings Thesaurus disponíveis Estruturas de dados genéricas a toda a aplicação. Tratamento dos modelos das várias ontologias. Para funcionamento da aplicação são necessárias três livrarias: Jena 4, para processamento de ontologias; Jade 5, para a comunicação multi-agente; Jung 6, para processamento de grafos

10 6 Trabalho Futuro Após a conclusão desta fase, o sistema encontra-se incorporado no SRS e a sua robustez pode ser finalmente testada em casos reais. Por essa razão, futuramente, a principal actividade a desenvolver será a afinação do OntoDig para correcto funcionamento no SRS. Em relação à arquitectura do sistema, existe uma grande margem de manobra e possível inovação. Pouco trabalho foi efectuado pela comunidade científica na utilização de sistemas multi-agente para o problema de alinhamento/mapeamento de ontologias [7,8]. Existem muitas ideias que poderiam aumentar as capacidades do sistema, tais como a incorporação de memória e capacidade de aprendizagem nos agentes, a atribuição de ranking aos agentes ao longo do tempo, bem como transformar o mapeamento num processo de mediação entre agentes, onde os agentes com maiores capacidades teriam maior poder de decisão. Em relação ao processamento de ontologias, pode-se considerar que o sistema já está bastante robusto. A nível linguístico o sistema encontra-se ao nível dos restantes sistemas existentes [9], principalmente na área de alinhamento de ontologias. Posteriores optimizações podem advir dos testes em casos reais utilizando o SRS. A estrutura da ontologia já é tida em conta em muito dos processos (segmentação, ranking, mapeamento e junção), no entanto poderia-se estender à pesquisa, na qual se poderia achar ligações entre termos e classes não só linguisticamente mas também estruturalmente. No entanto, outros sistemas que utilizavam essas técnicas vieram ao longo do tempo a concluir que as mesmas não eram muito fiáveis, tendo muitos deles retirado essas características das suas ferramentas [9, 10]. Outras relações estruturais poderiam também ser extraídas da fase de segmentação (ex: partonomia, meronimia, etc.), mas para isso era necessário inferir a semântica das relações, capacidade para a qual não existe actualmente trabalho que se possa considerar eficaz [6]. Uma das optimizações que poderia trazer melhores resultados era a adição de um motor de inferência [11]. Esse motor iria trazer várias capacidades de raciocínio á aplicação, tal como inferir os domínios de classes e aumentar a informação sobre as relações entre elas, podendo desta maneira aumentar as capacidades dos algoritmos de pesquisa, segmentação e mapeamento. Este motor poderia também ser utilizado para verificação de consistência da ontologia final, tal como acontece no SRS. Utilizando um motor de inferência probabilístico [12], poderia também ser atribuído pesos às relações semânticas entre classes, tendo esse factor em conta nos algoritmos de ranking bem como na segmentação das classes. 7 Conclusões Após a conclusão deste trabalho, pode-se considerar que o OntoDig encontra-se em condições de incorporar a plataforma SRS. É necessário testar intensivamente o sistema em funcionamento na plataforma, mas as alterações que dai advierem serão mais ajustamentos do que alterações profundas no funcionamento do OntoDig.

11 Penso que a inclusão do OntoDig irá trazer claros benefícios ao SRS, visto que irá aumentar as capacidades do mesmo, sem ser necessário perder nenhuma das suas funcionalidades. Ou seja, no pior caso, irá funcionar exactamente como está agora. Este trabalho permitiu-me interagir directamente com algumas das áreas leccionadas na cadeira de SIGC, tais como Ontologias e Text Mining, bem como ter de estudar algumas das outras áreas (Information Retrieval e Case Based Reasoning) visto terem alguns conceitos que poderiam ser aplicados neste trabalho. Assim sendo, penso que foi uma excelente hipótese para aplicar os conhecimentos adquiridos na cadeira. Horas-Extra por fase: Fase 1- Melhoramentos genéricos (15h) Fase 3- Integração+Estrutura (35h) Fase 3- Teste+Relatório (15h) Total 65h Referências 1. Antunes, B., "SRS: Semantic Reuse System", M.Sc. thesis, University of Coimbra, July Stoilos, G., Stamou, G., Kollias, S.: A String Metric for Ontology Alignment. In: Proceedings of the 4th International Semantic Web Conference, pp Springer Berlin/Heidelberg (2005) 3. Miller, G.A., WordNet: A Lexical Database for English, Communications of the ACM, vol. 38, p. 39 (1995) 4. Porter, M.F., An algorithm for suffiz stripping, Electronic Librarian and Information Systems (1980) 5. Seidenberg, J., Rector, A.: Web Ontology Segmentation: Analysis, Classification and Use. In: Proceedings of the 15th International Conference on World Wide Web, pp ACM, New York (2006) 6. Noy, N.F., McGuiness, D.L.: Ontology Development 101: A Guide to Creating Your First Ontology. (2001) 7. Silva, N., Maio, P. & Rocha, J., An Approach to Ontology Mapping Negotiation. Proceedings of the Workshop on Integrating Ontologies (2005) 8. Laer, L., et al., Reaching agreement over ontology alignments, Proceedings of the Fifth International Semantic Web Conference (ISWC 06), Euzenat, J., Shvaiko, P.: Ontology Matching. Springer-Verlag New York, Inc. Secaucus, NJ, USA (2007) 10. Lambrix, P., Tan, H., SAMBO A system for aligning and merging biomedical ontologies. Web Semantics: Science, Services and Agents on the World Wide Web, 4(3), (2006) 11. Parsia, B., Sirin, E., Pellet: An OWL DL Reasoner. Proceedings of the International Workshop on Description Logics, 104 (2004) 12. Klinov, P., Pronto: A Non-monotonic Probabilistic Description Logic Reasoner. The European Semantic Web Conference (2008)