Websemantik
Knowledge Engineering
Knowledge Engineering
Kartei Details
Karten | 24 |
---|---|
Sprache | Deutsch |
Kategorie | Informatik |
Stufe | Universität |
Erstellt / Aktualisiert | 02.09.2013 / 02.09.2013 |
Lizenzierung | Kein Urheberrechtsschutz (CC0) |
Weblink |
https://card2brain.ch/box/websemantik2
|
Einbinden |
<iframe src="https://card2brain.ch/box/websemantik2/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Knowledge Engineering (KE) - Abdeckung
- Wissenaquisition: Erfassen u. Strukturieren von implizitem und explizitem Wissen; „Flaschenhals des KE“
- Formalisierung: Computerverarbeitbare Modellierung u. Repräsentation des Wissens; Überbrückung der „KI-Lücke“
- Wissenverarbeitung zur Problemlösung: zB. mit Inferenzmechanismen (Reasonern) od. Expertensytemen
- Wissendarstellung (Visualisierung)
KE - Phase 1: Problembeschreibung
Identifikation der Aufgabe: Festlegen der Domäne, des Bereichs, Eruierung der Experten
Problembeschreibung u. Anforderungsanalyse: Herkömmliches SE Requirements Engineering problematisch f. KE - Anforderungen schwer analysierbar
keine Vorgehensmodelle in KE vorhanden
in wissensintensiven Problemdomänen für Anwender unklar, was sie vom Softwaresystem erwarten können
Anwendungsbeispiel:
Problembeschreibung
Anwendung zum Bestimmen von passenden Komibinationen von Wein und Essen.
Kompetenzfragen "Wine & Food"
Welche Weineigenschaften soll man bei Auswahl berücksichtigen?
Welcher Wein ist rot/weiß?
Welcher Wein passt zu Fleisch/Meerenfrüchten?
usw..
KE - Phase 2: Wissenserwerb
Sammeln von Wissen:
- direkt (Experte betreibt Wissenserwerb) oder indirekt (Knowledge Engineer nutz dieverse KM-Methoden zur Wissenteilung u. Wissensentwicklung)
- Automatisiert (maschinelles Lernen)
- Modellbasiert (KW Modelle)
- Dokumentation!
Wissenserwerb ist der Flaschenhals von KE! Entscheidend für Erfolg des Systems!
Anwendungsbeispiel:
- Brainstorming
- Begriffe u. Eigenschaften
- Simple Auflistung ohne Beziehungen, Arten, Eigenschaften
KE - Phase 3: Konzeptualisierung
Festlegen des Vokabulars (Ontologie):
- Transfer von Wissen von kognitiver Ebene auf Repräsentationsebene
- Einheitliche Darstellung des Wissens (besser Verwaltbarkeit)
- Ontology Engineering (erste Formalisierung /konzeptualisierung)
Anwendungsbeispiel:
Definition der Klassen u. deren Hierachie (Taxonomie)
KE - Phase 4: Formalisierung
Axiome (Vererbungshierarchie, Disjunktheit) und Instanzen
Wissenformalisierung (2. Formalisierung, Encoding)
Überarbeiten des Vokabulars
Auswahl eines geeigneten Repräsentationsformalismus in Hinsicht auf Syntax, Semantik u. Schlussfolgerungsmöglichkeiten des Wissens
Constraints: Kardinalitäten, Transivität, Symetrie
Anwendungsbeispiel:
- Definieren der Beziehungen/Eigenschaften (Slots) u. ihrer erlaubten Werte (Facets)
- Konkretisierunge der Konzepte
Festlegen von Bedingungen/Einschränkungen
KE - Phase 5: Evaluierung
Infererenzprozedur - Evaluierung und Test
- Validierung des erworbenen Wissens (Vollständig u. Zuverlässigkeit)
- Bei Bedarf Iteration (Schritt 2 Wissenserwerb)
Anwendungsbeispiel:
Formalisierung des Vokabulars
- Reasoning-Mechanismus zur Konsistenzprüfung
- Beantwortung der Kompentenzfragen
Resource Description Framework (RDF) : Definition
Graphische Sprache zur Repräsentation von Information über Ressourcen
Basis Ontologiesprache
Beschreibung von Ressourcen in Form von RDF-Anweisungen durch properties und property values
RDF-Anweisung = SPO-Tripel
resource-property-propertyvalue
zB. Kasperl - hat Freund - Petzi
Menge an RDF-Tripel --> RDF-Graph
Eindeutige Identifizierung von Resourcen via URIRefs
URI=Unique Resource Identifiers#Fragment Identifier (optional)
zB. http://ww.kasper.theater/figuren#petzi