УДК  004.048

ПРО ВЗАЄМОЗВЯЗОК ТЕЗАУРУСА І ОНТОЛОГІЇ

ЯК ЛЕКСИЧНИХ РЕСУРСІВ МАШИННОЇ ОБРОБКИ ПРИРОДОЇ МОВИ

Ясенова І.С.

Проблеми аналізу змісту інформації [1]  поєднують сфери штучного інтелекту математичної лінгвістики, математичної логіки та теорії графів, та, головним чином, обробку природної мови. Оскільки вирішення проблеми комп’ютерного аналізу тексту означає розуміння мови, а синтез природних мов – генерацію грамотного тексту, прикладні програмні засоби обробки природної мови повинні мати доступ до величезної кількості слів і фраз, які формуються в такі лексичні ресурси як онтології і тезауруси. При рішеннях задач обробки природної мови (Natural Language Processing, NLP) може виникнути плутанина понять онтології і комп'ютеризованого тезауруса, оскільки вони взаємопов’язані.

Отже онтологія предметної області D – це впорядкована четвірка , де Х – кінцева множина, елементи якої називаються  концептами (поняттями) із області D,  – кінцева множина, елементи якої називаються відношеннями між концептами, F – множина, елементи якої називаються  відношеннями інтерпретації елементів із  в області D, де А – множина аксіом, яка в окремому випадку може бути пустою [2].

Тезаурус – це словник, в якому слова і словоформи з близькими значеннями групуються в одиниці, які називаються поняттями (концептами), де явно у вигляді відношень (відношень ієрархії) вказані семантичні зв’язки між цими поняттями [3]. Комп’ютерний тезаурус – це ресурс для обчислення семантичної подібності між словами і фразами, а також лексичними ланцюжками в тексті [4]. Щоб комп'ютеризувати тезаурус необхідно створити лексичну базу знань з представленням в ній явних, а іноді і неявних зв’язків між словами.

Можемо вважати, що тезаурус є представленням
мовної організуючої лінгвістичної інформації, а онтологія – система знань про предметну область та її формальну модель із засобами представлення знань релевантних для даної області. Поєднання онтології і тезауруса формує основу інтелектуальної системи, оскільки, тезаурус відображає онтологію лінгвістичних знань про конкретну предметну область:  проблемно-орієнтована лексика, організована з урахуванням морфології, синтаксису, словотвору, синонімії, омонімії і ін.

Із визначення онтології випливає, що існує область інтерпретації множин ,  якій відповідає дана предметна область D. У найзагальнішому випадку онтологія описує ієрархію концептів, пов'язаних взаємозв’язками самого загального характеру, а в більш складних випадках додаються аксіоми для вираження  специфічних відносини і обмеження їх інтерпретації. Використання обмеження інтерпретації дозволить звузити область можливих значень концептів, наближаючи відношення інтерпретації до функціонального відношення. До відношень множини з безлічі R додаються відношення множини R_D предметної області D.

До відношень з множини R заносять відношення порядку (як правило, квазіпорядку або часткового порядку) на множині концептів і відношення подібності або, в кращому випадку, відношення еквівалентності. Відношення порядку представляють у вигляді орієнтованого графу (онтограф) з вершинами сформованими за допомогою відношення подібності. Звідси випливає, що онотологічна модель предметної області є орієнтованим онтографом, який є гіперграфом. Відношення із множини R_D визначаються тією предметною областю D, на якій інтерпретуються концепти. Виходячи із формального визначення онтології: концептуалізація – це пара , де D - область інтерпретації даної предметної області (домен), а R_D – множина релевантних відношень кінцевої арності на D.

Візьмемо логічну мову L в алфавіті V, в якому фіксуються властивості предметної області. Визначимо модель мови L як пару виду , де  – структура області, а  – інтерпретація елементів із V на заданих елементах із D и предикатів, які відповідають відношенням із множини R_D. Така модель відображає просторову інтерпретацію логічної мови L.

Отже, можемо отримати ієрархію онтологій.

Онтології верхнього рівня, які описують концепти дуже загального характеру такі, як простір, час, події і т. п., що не залежать від окремої предметної області або проблеми і відносин між цими концептами.

Онтології предметних областей або онтології завдань, що описують актуальні завдання та результати, накопичені в даній предметній області; ці онтології використовують термінологію онтологій верхнього рівня, поповнюючи її своєю термінологією, концептами та відносинами.

Онтології прикладні, які описують конкретні завдання і методи їх вирішення в конкретній предметній області; ці онтології описують конкретні методи рішення конкретних завдань (це можуть бути програми, пакети прикладних програм, опис технологій і т.п.).

Може здатися, що поняття онтологія і тезаурус схожі. Проте тезаурус описує семантику ґрунтуючись на загальних поняттях і використовується як основа організації лексичної інформації без формалізації самої семантики. Формалізація ж є ланцюгом  між поданням знань і текстом природною мовою. Така організація тезаурусу неможлива, оскільки, по-перше, різні предметні області не завжди мають єдину семантику і відповідно кістяк, які б стали основою організації вузько орієнтованого тезаурусу і, по-друге, універсальні тезауруси будуються на основі ієрархічної структури, яка є природною для текстових тезаурусів, але вона зовсім не адекватна в реальних конкретних предметних областях.

Використані джерела

1. Ясенова І. Проблеми аналізу змісту інформації. – Збірник матеріалів IV Міжнародної науково-практичної  конференції «Глобальні та регіаональні проблеми інформатизації в суспільстві і природокористуванні 2016», 23-34 червня 2016 року. НУБІП України, Київ. – Немішаєве: НМЦ «Немішаєве», 2016. – С. 87-88 .
2. Палагин А.В. Онтологические методы и средства обработки предметных знаний / А.В. Палагин, С.Л. Крывый, Н.Г. Петренко. – [Монография]. – Луганск: изд-во ВНУ им. В. Даля, 2012. – 324 с.
3. Лукашевич Н. В. Тезаурус в задачах информационного поиска. – М. : Изд. Моск. ун-та. –   2011. – 512 с.
4. Mario Jarmasz, Stan Szpakowicz Roget's Thesaurus: a Lexical Resource to Treasure. – Journal-ref: Proceedings of the NAACL WordNet and Other Lexical Resources workshop. Pittsburgh, June 2001, 186 – 188