Как правило, построение онтологии требует использования больших ресурсов, а также экспертных знаний в предметной области, и занимает существенный объем времени образом, автоматизация процесса построения онтологии является актуальной задачей.

Представляется возможным автоматическое построение онтологии по коллекции текстовых документов преимущественно на основе статистических методов анализа текстов на естественном языке [11-16]. Содержание документов в коллекции непосредственно влияет на качество получаемой онтологии [6, 8-10]. Если тематически тексты документов слабо связаны [7], скорее всего, построенная онтология окажется невыразительной, поскольку будет описывать отдельные аспекты различных предметных областей, не создавая при этом общей картины.

Целью данной работы является: повышение эффективности построения онтологических моделей за счет автоматизации выделения вершин и их связей.

 Для достижения поставленной цели были решены следующие исследовательские задачи:

• Провести анализ и исследование методов автоматической генерации онтологии.
• Составить математическое описание  программной системы автоматической генерации онтологии на основе структурированного материала.
• Выполнить программную реализацию  системы автоматической генерации онтологии на основе структурированного материала.
• Проверить эффективность реализованных алгоритмов  программной системы автоматической генерации онтологии на основе структурированного материала. 

Постановка задачи

В настоящее время онтологические модели различных предметных областей получают все большее распространение и производятся различного рода исследования по их разработке и использованию [1-6].

Онтология – это способ представления знаний о предметной области с помощью конечного множества понятий предметной области и отношений между ними. Другими словами, онтология – это некоторое описание взгляда на мир применительно к конкретной области интересов, которое состоит из терминов и правил использования этих терминов, ограничивающих их значения в рамках конкретной области.

Для представления предметной области определим онтологию как упорядоченную тройку вида O = { T, R, F }, где T – конечное множество терминов (концептов, понятий, классов) предметной области, которую представляет онтология O; R – конечное множество отношений между понятиями заданной предметной области; F – конечное множество функций интерпретации (аксиоматизация), заданных на концептах и/или отношениях онтологии O.

Далее были рассмотрены основные методы автоматического построения онтологий по коллекции текстовых документов. Методы автоматического построения онтологий можно условно разделить на три основные группы в зависимости от области заимствования основного подхода: методы, основанные на подходах из области искусственного интеллекта, статистические методы и методы, использующие лингвистические подходы.

Далее был выполнен анализ систем, позволяющих выполнять работу с онтологиями, выделены основные функции подобных систем и проведен их сравнительный анализ.

Большинство из рассмотренных инструментальных средств не зависят от языка представления, имеют открытый код или свободный доступ к своим функциям. 

Наибольшее распространение и применение получили лингвистические онтологии по естественным наукам и технологиям, онтологии химии, онтологии по медицинской диагностике.

Анализ существующих методов построения онтологий показал, что процесс разработки объединяет спецификацию, концептуализацию, формализацию, объединение и реализацию. В основе концептуализации лежат категории абстракций, которые носят субъективный характер. Для каждой онтологии существуют своя собственная абстракция.

Эффективное автоматическое построение онтологий основано на использовании методов искусственного интеллекта, способных извлекать из текста элементы знаний и нетривиально их перерабатывать. Однако, не достаточно распространены системы лингвистического анализа текста, способных интерпретировать семантические отношения между словами и, вследствие этого, низкая достоверность автоматически извлекаемых из текста утверждений и фактов.

На рисунке 1 показана диаграмма верхнего уровня процесса «Генерация онтологии на основе структурированного материала.

Рисунок 1 — Диаграмма верхнего уровня процесса «Генерация онтологии на основе структурированного материала»

Входной информацией являются файл структурированного учебного материала и словари, которые загружает пользователь ИС. Данная входная информация используется на всех этапах генерации онтологической модели.

Выходной информацией в процессе генерации онтологической модели являются: онтологическая модель материала и описание элементов, входящих в состав онтологической модели.

Исполнителями процесса являются пользователь ИС и информационная система (ИС*).

Управление процессом осуществляется на основании правил разбора текста и правил построения онтологической модели.

Генерация онтологии на основе структурированного материала осуществляется в пять этапов:

1. «разбор структурированного текста» – на данном этапе пользователь выбирает загрузку структурированного текста в систему, после этого система выполняет заполнение внутренних структур программы элементы считанными из файла;
2. «синтаксическая обработка текста» – на данном этапе выполняется разбор предложений элементов, выделенных из структурированного текста;
3.  «семантическая обработка текста (построение онтологии)» – на данном этапе выполняется выделение смысловых единиц текста, образующих элементы онтологической модели, т.е. и выделение вершин модели, также на данном этапе выполняется поиск и расстановка связей вершин;
4. «сохранение онтологической модели в БД» – на данном этапе выполняется сохранение полученной модели в БД;
5. «отображение онтологической модели» – на данном этапе выполняется вывод полученной онтологической модели в виде графа с выводом информации о каждом элементе онтологической модели.

На рисунке 2 показана детализация процесса «Поиск кратчайшего пути в графе».

Рисунок 2 — Декомпозиция диаграммы А1 «Генерация онтологии на основе структурированного материала».

Диаграмма потоков данных является одним из основных инструментов структурного анализа и проектирования информационных систем, существовавших до широкого распространения UML.

Построим диаграмму DFD – рисунок 3.

Рисунок 3 — Диаграмма DFD

Разрабатываемая система позволит выполнять автоматическое построение онтологии по любой предметной области на основании структурированного материала, т.е. материала, в котором выполнено выделение элементов самой модели [17-18].