Alinhamento entre Ontologias de Topo e de Dom´ınio usando WordNet

Abstract

Matching domain and top-level ontologies is an important task but still an open problem in the ontology matching field, particularly due to their different levels of abstraction. In this paper we propose an approach for matching domain and top ontologies that exploits the background knowledge from WordNet as an intermediate layer. We evaluate our approach using two wellknown top-level ontologies, namely DOLCE and SUMO, and one domain ontology from the OAEI conference data set. Resumo. Alinhar ontologias de dom´ınio e topo e´ uma tarefa importante, mas ainda e´ um problema em aberto na a´rea de alinhamento de ontologias, principalmente devido aos diferentes n´ıveis de abstrac¸a˜o que estas ontologias representam. Este artigo aborda o alinhamento entre ontologias de topo e de dom´ınio, explorando o conhecimento do WordNet como uma ponte semaˆntica entre ontologias de diferentes n´ıveis. Para avaliar a nossa abordagem, no´s consideramos duas ontologias de topo bem conhecidas, DOLCE e SUMO, e uma ontologia de dom´ınio do conjunto de dados de avaliac¸a˜o do OAEI.

-

De acordo com [Euzenat and Shvaiko 2007], o processo de encontrar correspondeˆncias entre entidades de duas ontologias e´ conhecido como ontology matching. Esse processo obte´m como sa´ıda um conjunto de correspondeˆncias que e´ chamado de alinhamento. O alinhamento entre ontologias de topo e de dom´ınio enfrentam desafios, em particular devido ao seus diferentes n´ıveis de abstrac¸a˜o. Assim, este artigo apresenta uma abordagem de alinhamento automa´tico entre ontologias de topo e de dom´ınio, baseandose no WordNet e na noc¸a˜o de contexto, que tem sido explorado de diferentes maneiras no processo de correspondeˆncia ontolo´gica [ Maedche and Staab 2002 , Wang 2011 , Schadd and Roos 2012 , Djeddi and Khadir 2014, Schmidt et al. 2016b]. Para avaliar o nosso proto´tipo, foram executados experimentos utilizando uma ontologia de dom´ınio de confereˆncias e duas ontologias de topo (DOLCE e SUMO). O conjunto de correspondeˆncias resultante foi avaliado manualmente.

O restante do artigo e´ organizado como segue. x2 introduz ontologias de topo, o processo de alinhamento entre ontologias e a estrutura do Wordnet. x3 descreve a abordagem proposta. x4 apresenta os experimentos e resultados alcanc¸ados. x5 discute trabalhos relacionados e, por fim, x6 conclui o artigo e apresenta direc¸o˜es para trabalhos futuros.

2. Fundamentac¸ a˜o Te o´rica

Nessa sec¸a˜o introduzimos os principais to´picos que sera˜o utilizados como base teo´rica para o desenvolvimento do nosso trabalho.

2.1. Ontologias de Topo

Ontologias de topo descrevem conceitos gene´ricos e universais, garantindo generalidade e expressividade para uma grande a´rea de dom´ınios. Na literatura, diversas ontologias de topo teˆm sido desenvolvidas, tais como a SUMO (Suggested Upper Merged Ontology) [ Niles and Pease 2001 ] e a DOLCE (Descriptive Ontology for Linguistic and Cognitive Engeneering) [Gangemi et al. 2002] (utilizadas neste trabalho). Pore´m muitas outras foram desenvolvidas (detalhes em, [Mascardi et al. 2007], os quais fazem a ana´lise de diferente ontologias de topo) . Abaixo, introduzimos as ontologias de topo consideradas neste trabalho.

A DOLCE [Gangemi et al. 2002] foi desenvolvida por Nicola Guarino e sua equipe no LOA (Laboratory for Applied Ontology). O foco da DOLCE e´ compreender as categorias subjacentes das tarefas cognitivas humanas e o ambiente sociocultural. Inclui conceitos como abstract quality, abstract region, physical object, process, etc. E´ implementada em First Order Logic, KIF (Knowledge Interchange Format) e OWL (Web Ontology Language).

A SUMO [ Niles and Pease 2001 ] foi desenvolvida pelo Standard Upper Ontology Working Group, um grupo de colaboradores do IEEE dos campos de engenharia, filosofia e cieˆncia da informac¸ a˜o. E´ utilizada para pesquisas e aplicac¸o˜es em a´reas como lingu´ıstica e racioc´ınio. Inclui conceitos como abstract, human, social role, etc. E´ implementada em SUO-KIF (Standard Upper Ontology Knowledge Interchange Format) e existe uma traduc¸a˜o em OWL (Web Ontology Language).

2.2. Alinhamento entre Ontologias

De acordo com [Euzenat and Shvaiko 2007], um alinhamento e´ definido como um conjunto de correspondeˆncias entre duas ontologias. O alinhamento e´ o resultado de um processo de matching de ontologias. A definic¸ a˜o formal de correspondeˆncia dada por [Euzenat and Shvaiko 2007] e´: Uma tupla <es,et ,r,n>, tal que: es e et sa˜o entidades (e.g., conceitos, propriedades, instaˆncias) de os e ot (ontologias fonte e alvo), respectivamente; r e´ uma relac¸a˜o entre duas entidades es e et , (por exemplo, equivalence, subsumption, disjointness, overlapping); e n e´ um nu´mero de medida de confianc¸a no intervalo [0;1]. A medida de confianc¸a atribui um grau de confiabilidade para a correspondeˆncia encontrada no processo de matching.

2.3. WordNet e seu Mapeamento para Ontologias de Topo

WordNet [ Miller 1995 ] e´ uma base lexical do ingleˆs composta por substantivos, verbos, adjetivos e adverbios, que sa˜o agrupados em conjuntos de sinoˆnimos cognitivos, chamados de synsets. Em outras palavras, um synset e´ um grupo de termos que tem um significado comum dentro de um certo contexto. O WordNet tambe´m fornece descric¸o˜es textuais dos synsets, chamadas de gloss que conteˆm exemplos e definic¸ o˜es dos mesmos. Como exemplo, temos o conceito Poster, representado pelo synsets que agrupa os sinoˆnimos poster, posting, placard, notice, bill, card, com a descric¸ a˜o “a sign posted in a public place as an advertisement; a poster advertised the coming attractions”. Os synsets esta˜o interligados por meio de relac¸o˜es conceituais-semaˆnticas e lexicais. Assim, ale´m da sinon´ımia, o WordNet inclui relac¸o˜es de super e subordinac¸ a˜o, ou hipon´ımia e hiperon´ımia.

Devido a essas caracter´ısticas, o WordNet e´ semelhante a uma ontologia [Gangemi et al. 2002], onde relac¸ o˜es de hipon´ımia sa˜o como relac¸ o˜es de subsunc¸ a˜o para os conceitos. Entretanto, o WordNet, para ser considerado como uma ontologia, deveria poder ser interpretado de acordo com uma semaˆntica formal que nos diz algo sobre o mundo e na˜o apenas sobre a linguagem. Para isso [Gangemi et al. 2002] apresentam esforc¸os para alinhar o WordNet com a DOLCE. Da mesma forma, tambe´m e´ poss´ıvel encontrar alinhamentos com outras ontologias de topo, como a SUMO [ Niles and Pease 2003 ].

O alinhamento entre o WordNet e a DOLCE apresentado por [Gangemi et al. 2002] considera a taxonomia dos substantivos da versa˜o 1.6 do WordNet. Os autores assumem que a relac¸a˜o de hipon´ımia poderia ser mapeada com a relac¸ a˜o de subsunc¸a˜o e a noc¸ a˜o de synset poderia ser mapeada com a noc¸a˜o de conceito. Em seguida, os conceitos nomeados foram normalizados para obter um nome distinto para cada synset. Assim, se um termo tiver um u´nico significado, enta˜o seu synset e´ unificado e usado como nome do conceito (e.g world wide web web www). Se o termo for polisseˆmico, enta˜o os diferentes conceitos sera˜o enumerados (e.g window 1, window 2) para os synsets com a descric¸a˜o “a rectangular part of a computer screen that contains a display different from the rest of the screen” e “a framework of wood or metal that contains a glass windowpane and is built into a wall or roof to admit light or air”, por exemplo.

Na mesma linha, [ Niles and Pease 2003 ], desenvolveram um alinhamento entre a ontologia de topo SUMO e o WordNet. Os autores tambe´m utilizaram a versa˜o 1.6 do WordNet. A metodologia utilizada consiste em identificar relac¸o˜es de sinon´ımia, hiperon´ımia e instanciac¸a˜o de conceitos da SUMO com synsets do WordNet. Um exemplo da estrutura do alinhamento do WordNet com a SUMO, indicando uma relac¸a˜o de equivaleˆncia (=) pode ser conferido a seguir: 00008864 03 n 03 plant 0 flora 0 plant life 0 027 @ . . . — a living organism lacking the power of locomotion &%Plant=

Os primeiros 8 d´ıgitos indicam o ID do synset, as treˆs palavras seguintes sa˜o as palavras que compo˜em o synset, a definic¸a˜o do synset segue logo apo´s a barra horizontal e por u´ltimo o conceito da SUMO e o tipo de relac¸a˜o sucedem o prefixo &% .

3. Abordagem Proposta

Neste trabalho, apresentamos o desenvolvimento de uma abordagem para alinhamento de ontologias de topo e de dom´ınio. Nossa abordagem utiliza os alinhamentos existentes entre as ontologias de topo DOLCE e SUMO e WordNet. Dessa forma, o WordNet atua como uma camada intermedia´ria entre a ontologia de topo e a ontologia de dom´ınio. Um prot o´tipo foi implementado utilizando a linguagem Java, e recursos como Ontology API, Alignment API e WordNet.

O processo de matching divide-se em duas fases. A primeira fase, de identificac¸a˜o do synset, e´ composta por treˆs etapas: a constituic¸a˜o do contexto; o processamento do contexto; e a selec¸ a˜o do synset adequado. Essas etapas ocorrem para cada conceito da ontologia de dom´ınio. A segunda fase e´ responsa´vel por utilizar o synset recuperado na primeira fase e identificar o mapeamento do mesmo com a ontologia de topo. Esta fase e´ diferente para as ontologias de topo DOLCE e SUMO. Conforme descrito na sec¸a˜o 2.3, os alinhamentos entre o WordNet e as ontologias de topo sa˜o modelados de maneira diferente. Para DOLCE, os autores desenvolveram uma ontologia em formato OWL composta pelos conceitos na ontologia de topo e o conceito que representa o synset do WordNet devidamente mapeados. Ja´ para a SUMO, os autores desenvolveram um arquivo texto que descreve o synset com seu respectivo alinhamento com o conceito de topo. Assim, implementamos o nosso prot o´tipo considerando os diferentes formatos de alinhamento entre as ontologias e o WordNet. Os passos do mapeamento sera˜o detalhados a seguir:

3.1. Fase 1 : Constituic¸ a˜o do Contexto

Essa etapa foi sub-dividida em treˆs tarefas: a extrac¸a˜o dos conceitos; a extrac¸ a˜o da anotac¸a˜o do conceito; e a extrac¸ a˜o dos conceitos de n´ıveis superiores e inferiores. Ap o´s a realizac¸a˜o dessas treˆs etapas, o processo cria um contexto pre´-processado, ou seja, composto por todos os elementos recuperados incluindo termos repetidos, compostos e sentenc¸as. O processo inicia carregando a ontologia de dom´ınio. Logo ap o´s, extrai-se os conceitos da ontologia e, para cada conceito extra´ıdo recupera-se sua descric¸ a˜o, o seu nome e o seus vizinhos (super-conceitos e sub-conceitos). Adicionando essas informac¸ o˜es no contexto de cada conceito. Todo conceito extra´ıdo e´ armazenado em uma lista, junto com seu contexto.

Um exemplo de um conceito extra´ıdo, indicando a estrutura do seu contexto e´ apresentado a seguir:

Conceito: Committee member;

Super-conceitos: Person (Neste caso ha´ apenas um super-conceito, entretanto pode variar a quantidade); Sub-conceitos: Chair e Co-chair; Anotac¸a˜o (descric¸ a˜o): Nulo (Neste caso a ontologia na˜o fornece descric¸ o˜es para seus conceitos, sendo assim, a descric¸a˜o e´ nula).

Com base nessas informac¸ o˜es, a estrutura do contexto fica da seguinte forma:

Contexto: Committee member, Person, Chair, Co-chair

O processo de constituic¸a˜o de contexto e´ implementado conforme descrito no Algoritmo 1. O contexto e´ constru´ıdo apenas para os conceitos das ontologias (as propriedades na˜o sa˜o consideradas).

Input: ontologia ( ontologia de dom´ınio ); for ( OWLClass cls IN getConcepts (ontologia )) do

Conceito cnp = new Conceito( ); List<String> context = new List( ); if ( ! isAnonymous( cls )) then cnp.setConceito( cls ); context.add( cls.getID( )); context.add( cls.getAnnotation( )); extractSuperConceitos( cls, context ); extractSubConcepitos( cls, context ); cnp.setContext( context ); listaConceitos.add( cnp ); end end

Algoritmo 1: Constituic¸a˜o do contexto

3.2. Fase 1 : Processamento do Contexto

Nessa etapa, a entrada e´ o contexto de cada conceito. Primeiro, removemos os caracteres especiais, em seguida todos os termos compostos e sentenc¸as sa˜o transformados em termos simples (func¸a˜o singleTerms, modifica a lista passada por paraˆmetro). A seguir todos os termos repetidos sa˜o removidos (func¸a˜o rmRepeatedW, modifica a lista passada por paraˆmetro) e por u´ltimo removemos as stopwords.

Um exemplo do processamento do contexto, dando continuidade ao exemplo anterior pode ser visualizado a seguir:

Contexto pre´-processado: Committee member, Person, Chair, Co-chair Primeiro passo: Committee member, Person, Chair, Co chair Segundo passo: Committee, member, Person, Chair, Co

O processo de processamento do contexto pode ser visualizado no Algoritmo 2. for ( Conceito cnp IN listaConceitos ) do

List < String > cntxt = new List( ); cntxt = cnp.getContext( ); List<String> temp = new List( ); if ( cntxt != NULL ) then temp = rmEspecialChar( cntxt ); singleTerms( temp ); rmRepeatedW( tem p); cntxt.clear( ); cntxt = temp.rmStopW( ); cnp.setContext( cntxt ); end

Algoritmo 2: Processamento do contexto

3.3. Fase 1 : Selec¸ a˜o do Synset Adequado

Conceitos representados em ontologias podem apresentar diferentes significados, ou seja, ser polisseˆmicos, variando de acordo com o dom´ınio que os mesmos esta˜o representando. Para identificar o significado que o conceito visa representar, nos baseamos no contexto constru´ıdo para o mesmo e no uso do WordNet como um recurso externo auxiliar na identificac¸a˜o dos diferentes significados que um conceito pode representar. Assim, identificado um conjunto de synsets correspondentes no WordNet, utiliza-se o contexto para selecionar o synset que melhor expressa o conceito. A seguir, essas etapas sera˜o detalhadas.

Inicialmente ocorre o acesso ao WordNet e passa-se por paraˆmetro o nome do conceito quando trata-se de conceito simples. Para conceitos com nomes compostos, adotouse apenas a u´ltima palavra do conceito no acesso ao WordNet (e.g Committee member, busca-se apenas member no WN). Caso o nome do conceito composto tenha um adjetivo, esse adjetivo e´ removido, e assim utiliza-se a palavra restante.

Enta˜o e´ recuperado o IDictionary (func¸a˜o recoverDictionary). Com o dictionary aberto recupera-se um Index passando por paraˆmetro o nome do conceito juntamente com um atributo que indica que a palavra passada por paraˆmetro e´ um substaˆntivo.

IDctionary dict = recoverDictonary(); dict.open( ); for ( Conceito cnp IN listaConceitot ) do

List<String> context = cnp.getContext( ); IIndexWord idxWord = dict.getIndexWord( cnp.getName( ),

POS.NOUN); if ( idxWord != NULL ) then int max = 0; List<ISynset> listaSynset = idxWord.getISynsets( ); for ( ISynset synset IN listSynset ) do

List<String> synsetContext = recoverSynsetContext( wordId ); int size = intersection( context, synsetContext ); if ( size > max ) then

max = size; cnp.setGoodSynset( synset ); end end end end dict.close( );

Algoritmo 3: Selec¸ a˜o do Synset adequado

Se esse Index for diferente de nulo, enta˜o ocorrera´ a recuperac¸a˜o do synset. Entretanto, um conjunto de synsets (listSynsets) sera´ recuperado e para selecionar o correto e´ necessa´rio criar um contexto para o synset, formado pelas palavras que o comp o˜em e pelo seu gloss (definic¸a˜o do synset). Ap o´s criado esse novo contexto, compara-se ele com o contexto do conceito (func¸a˜o intersection), o contexto dos synsets com o maior n u´mero de elementos iguais aos elementos do contexto do conceito tem seu synset selecionado como adequado para o conceito. O processo de selec¸a˜o do synset adequado pode ser visualizado no Algoritmo 3. Como mencionado anteriormente, a segunda etapa da abordagem e´ diferente para as ontologias DOLCE e SUMO, que sera´ descrito nas pro´ximas sec¸o˜es.

3.4. Fase 2 : Alinhamento entre Ontologias de Dom´ınio e SUMO

Para o alinhamento entre a ontologia de dom´ınio com a ontologia SUMO, nossa abordagem utiliza o alinhamento pre´vio entre o WordNet e a SUMO descrito em 2.3.

Para cada conceito ja´ extraido da ontologia de dom´ınio, foram utilizados o ID do synset ja´ selecionado como adequado. Apo´s selecionar o ID, percorre-se o arquivo WordNetMapping-nouns (func¸a˜o findAli), para encontrar o conceito alinhado com a SUMO. Por u´ltimo utiliza-se a classe Mapping para gerar um arquivo de sa´ıda em formato .rdf, contendo como atributos source (nome do conceito de dom´ınio), target (nome do conceito de topo), relation (tipo de relac¸a˜o) e o measure (informa a confiabilidade dos dois conceitos). Utiliza-se a mesma func¸a˜o (findAli) para selecionar o target, relation e measure. Passa-se o Mapping de cada conceito para um func¸a˜o que gera o arquivo de sa´ıda em RDF. O processo de alinhamento com a ontologia de topo SUMO pode ser visualizado no Algoritmo 4.

for ( Concept concept IN listConcept ) do

Mapping map = new Mapping( ); String code = concept.getGoodSynset( ).getID( ); map.setSource( concept.getName( )); findAli( code, map ); preRDF( map ); end outRdfFile();

Algoritmo 4: Alinhamento com a ontologia de topo SUMO

3.5. Fase 2 : Alinhamento entre Ontologias de Dom´ınio e DOLCE

Essa fase utiliza o alinhamento pre´vio entre a ontologia de topo DOLCE e o WordNet. Para cada conceito previamente extra´ıdo da ontologia de dom´ınio, identifica-se (a partir do synset anteriormente desambiguado) o conceito correspondente na ontologia que representa o alinhamento entre o WordNet e a DOLCE. Essa identificac¸a˜o ocorre de duas maneiras: a primeira ocorre pelos termos que compo˜em o synset (func¸ a˜o compareW), que e´ comparado com os termos que compo˜em o nome do conceito do WordNet no mapeamento com a DOLCE. E a segunda ocorre pelo gloss do synset (func¸ a˜o compareG), comparando-o com a anotac¸a˜o do conceito do WordNet no mapeamento com a DOLCE. Apo´s encontrar o conceito equivalente ao synset, extrai-se o conceito de n´ıvel mais alto a partir dele (func¸a˜o extractSuper), esse conceito de n´ıvel mais alto equivale ao conceito da DOLCE. A instaˆncia da classe Mapping e´ utilizada para gerar a sa´ıda. A sa´ıda dessa fase e´ o pro´prio alinhamento em formato RDF. O processo de alinhamento com a ontologia de topo DOLCE pode ser visualizado no Algoritmo 5.

4. Experimentos

Com o propo´sito de avaliar nossa abordagem, executamos experimentos envolvendo uma ontologia do dom´ınio de confereˆncias (ontologia conference), que faz parte do jogo de Input: onto2 ( wnNounsyn-v7.owl ); for ( Conceito cnp IN listaConceito ) do

Mapping map = new Mapping( ); Conceito cnp2 = new Concept( ); Conceito cnp3 = new Concept( ); ISynset synset = cnp.getGoodSynset( ); List<String> synsetWords = getWords( synset ); map.setSource( cnp.getName( )); cnp2 = compareW( synsetWords, onto2 ); if ( cnp2 == NULL ) then

String gloss = synset.getGloss (); cnp2 = compareG( gloss, onto2 ); end cnp3 = extractSuper( cnp 2); map.setTarget( cnp3.getName( )); map.setRealation( > ); map.setMeasure( true ); preRDF( map ); end outRdfFile();

Algoritmo 5: Alinhamento com a ontologia de topo DOLCE Tabela 1. Resultado da avaliac¸ a˜ o manual das correspondeˆ ncias entre a ontologia de confereˆ ncia e as ontologias de topo DOLCE e SUMO

Avaliac¸a˜o Manual Confereˆncia e DOLCE Confereˆncia e SUMO

Corretos 26 43,33% 35 58,34% Incorretos 27 45,00% 17 28,33% Nulos 7 11,67% 8 13,33% testes Conference das campanhas de avaliac¸a˜o OAEI1. A ontologia e´ composta por 60 conceitos. No primeiro experimento, avaliamos o nosso algoritmo na tarefa de alinhar a ontologia de dom´ınio com a ontologia DOLCE. Nesse experimento, dos 60 conceitos de dom´ınio, para 7 na˜o foram encontrados os synsets no WordNet retornando como nulo (11; 67%). Em 26 casos o alinhamento resultante foi considerado correto na avaliac¸a˜o manual (43; 33%) e para 27 casos, o alinhamento na˜o foi considerado correto (45%).

Posteriormente, executamos o mesmo experimento, pore´m na tarefa de alinhar a ontologia de dom´ınio com a ontologia de topo SUMO. Nesse experimento, dos 60 conceitos de dom´ınio, para 8 na˜o foram encontrados os synsets no WordNet retornando como nulo (13; 33%). Em 35 casos o alinhamento resultante foi considerado correto na avaliac¸a˜o manual (58; 34%) e para 17 casos, o alinhamento na˜o foi considerado correto (28; 33%). A Tabela 1 sumariza os resultados da avaliac¸a˜o manual envolvendo as correspondeˆncias identificadas pelo proto´tipo entre a ontologia de dom´ınio de confereˆncias e as ontologias de topo DOLCE e SUMO.

As Tabelas 2 e 3 apresentam um fragmento das correspondeˆncias encontradas entre os conceitos da ontologia de dom´ınio (coluna 1) e as ontologias de topo DOLCE (coluna 2) e SUMO (coluna 2) juntamente com o resultado da avaliac¸ a˜o manual (coluna 3). Os conceitos esta˜o representados em negrito juntamente com sua hierarquia na ontologia. Na avaliac¸a˜o manual, Y indica que a correspondeˆncia foi considerada correta pelos avaliadores, N indica que a correspondeˆncia na˜o foi considerada correta e null indica que na˜o foram recuperados synsets no WordNet para o conceito de dom´ınio, logo, na˜o foi poss´ıvel determinar o alinhamento com o conceito de topo via WordNet.

Tabela 2. Fragmento das correspondeˆ ncias geradas entre a ontologia de dom´ınio e a ontologia de topo DOLCE Avaliac¸a˜o Manual

Y Y N N

Conceitos de Conference Person/Conference participant/ Active conference participant Person/Conference contributor/ Invited speaker

DOLCE particular/spatio-temporal-particular/ endurant/non-physical-endurant/ non-physical-object/social-object/ agentive-social-object/agentive-figure/ socially-constructed-person particular/spatio-temporal-particular/ endurant/non-physical-endurant/ non-physical-object/social-object/ agentive-social-object/agentive-figure/ socially-constructed-person Person/Conference contributor/ Regular author/Contribution co-author null particular/spatio-temporal-particular/ Conference document/Conference endurant/non-physical-endurant/ contribution/ Written contribution/ non-physical-object/social-object/ Regular contribution/ Extended abstract non-agentive-social-object/

collection/non-physical-collection Person/Track-workshop chair epnardtuicraunlat/rp/shpyastiioca-tle-menpdourarla-nptarticular/

Nossa abordagem apresenta resultados preliminares e a ana´lise foi desenvolvida utilizando apenas uma ontologia de dom´ınio, ale´m disso, a ontologia utilizada na˜o conte´m a descric¸ a˜o do conceito e isso pode ter gerado um contexto que na˜o e´ rico o suficiente para desambiguar os synsets selecionados. Ainda assim, podemos observar resultados promissores com o uso do WordNet atuando como uma camada intermedia´ria entre ontologias de topo e de dom´ınio na tarefa de alinhar ontologias com diferentes n´ıveis de abstrac¸ a˜o na representac¸a˜o dos conceitos.

5. Trabalhos Relacionados

Na literatura, diversas abordagens utilizam o WordNet na tarefa de alinhamento de ontologias de dom´ınio para melhorar as me´tricas de similaridade. Em [Kwak and Yong 2010], a similaridade le´xica para matching de ontologias considera a taxa de inclusa˜o de nomes de entidades ontologicas e palavras de synset do WordNet em um conjunto agregado (incluindo relac¸ o˜es de hypernyms, hyponyms, holonyms e meronyms). De maneira similar a nossa abordagem, os autores sobrep o˜e conjuntos de termos constru´ıdos a partir de informac¸o˜ es dispon´ıveis sobre entidades de ontologias. No entanto, em Tabela 3. Fragmento das correspondeˆ ncias geradas entre a ontologia de dom´ınio e a ontologia de topo SUMO null Entity/Abstract Entity/physical/object/artifact/ furniture/seat/Chair nosso trabalho, exploramos o contexto das entidades ontol o´gicas, incluindo seus subconceitos, super-conceitos e anotac¸ o˜es, mas limitando-se a relac¸a˜o de hiperon´ımia. Em [ Yatskevich and Giunchiglia 2004 ], e´ proposto um conjunto de element-level matchers que utilizam o WordNet. Os autores distinguem knowledge-based matchers (que exploram as propriedades estruturais do WordNet, frequentemente combinados com estat´ısticas de corpora em larga escala) e gloss-based matchers (que exploram a descric¸a˜o dos synsets em WordNet). N o´s tambe´m exploramos as propriedades estruturais do WordNet, mas com foco nas relac¸ o˜es de hiperon´ımia e os glosses dos synsets. No entanto, em [ Yatskevich and Giunchiglia 2004 ], na˜o e´ explorada a noc¸a˜o de contexto de entidades ontol o´gicas. Para medidas de similaridade terminol o´gica, o matcher automa´tico YAM++ [ Ngo and Bellahsene 2013 ] inclui me´tricas baseadas em WordNet. O matcher XMAP [Djeddi and Khadir 2014] define uma medida de similaridade semaˆntica usando o recurso UMLS (Unified Medical Language System) e WordNet. Em [Schmidt et al. 2016b], WordNet e´ usado para validar automaticamente conjuntos de correspondeˆncias gerados por matchers. Nos experimentos realizados, a validac¸a˜o envolve o alinhamento resultante entre uma ontologia de dom´ınio e treˆs ontologias de topo.

Em relac¸a˜o ao uso de ontologias de topo na tarefa de alinhamento de ontologias, [ Lacasta et al. 2013 ] prop o˜e um processo para converter automaticamente um modelo de conhecimento em uma ontologia atrave´s do alinhamento com a ontologia de topo DOLCE. Os autores teˆm o objetivo de transformar um tesauro e uma base de dados bibliogra´ficos em uma ontologia. De acordo com os autores, o alinhamento pre´vio entre a ontologia DOLCE e WordNet foi utilizado como um passo intermedia´rio para a identificac¸ a˜o de correspondeˆncias entre as bases de dados e a ontologia de topo. As ontologias de topo sa˜o tambe´m usadas como um recurso para obter ou melhorar o alinhamento entre ontologias de dom´ınio, como apresentado em [ Padilha et al. 2012 , Silva et al. 2011 ]. Em [ Padilha et al. 2012 ], os autores alinham manualmente ontologias do dom´ınio de conferencia do OAEI utilizando a ontologia de topo UFO. O processo consiste em adotar um conjunto de padro˜ es definidos pelos autores e fundamentados pela UFO. Assim, para cada conceito de dom´ınio, e´ identificada uma correspondeˆncia em UFO, enta˜o, ap o´s as ontologias de dom´ınio serem mapeadas para UFO, as mesmas sa˜o alinhadas entre si com base nos padr o˜es especificados. Ja´ em [ Silva et al. 2011 ], o objetivo e´ auxiliar na identificac¸a˜o de termos equivalentes entre a GO (genome ontology) e outras ontologias biome´dicas. A abordagem consiste em uma fase de preparac¸a˜o que identifica a ontologia de origem, destino e de topo que sera´ utilizada no processo. A abordagem e´ semi-automa´tica, onde o alinhamento entre os conceitos de dom´ınio e topo ocorre manualmente, apo´s, o alinhamento entre ontologias de mesmo dom´ınio e´ realizada de forma automa´tica por meio de um algoritmo que implementa me´tricas de similaridade extensional, similaridade de dom´ınio e escopo e similaridade de conceitos. A ontologia de topo BFO e´ adotada nos experimentos.

O nosso trabalho tambe´m foca no alinhamento entre ontologias de topo e de dom´ınio, mas diferentemente de [ Padilha et al. 2012 , Silva et al. 2011 ], o alinhamento entre as ontologias e´ realizado automaticamente e utiliza o WordNet como uma camada intermedia´ria, visto que existem alinhamentos pre´vios do WordNet com as ontologias de topo utilizadas. Ale´m do mais, a nossa abordagem adota a noc¸a˜o de contexto que e´ constru´ıda a partir de informac¸ o˜es extra´ıdas das ontologias, e na˜o e´ explorada nos trabalhos mencionados.

6. Conclus a˜o e Trabalhos Futuros

Alinhar ontologias de dom´ınio e topo e´ um desafio, em particular dado os diferentes n´ıveis de abstrac¸ a˜o destas ontologias. Este trabalho apresenta uma abordagem inicial para o alinhamento entre ontologias de topo e dom´ınio, que utiliza o WordNet como uma camada intermedia´ria. Foi realizada uma avaliac¸a˜o preliminar, cujos resultados apontam para as vantagens e limitac¸o˜es da nossa abordagem. Em particular, observamos que alguns contextos na˜o sa˜o ricos o suficiente para realizar a desambiguac¸a˜o; e o problema da recuperac¸a˜o de synsets nulos, quando na˜o foram identificados os termos no WordNet. Ainda assim, consideramos que o uso do WordNet atuando como uma camada intermedia´ria entre ontologias de topo e de dom´ınio e´ uma abordagem promissora. Nos experimentos realizados, observamos que a maioria dos conceitos representados na ontologia de dom´ınio participaram de alinhamentos com a ontologia de topo, por meio do WordNet. Ale´m do mais, observamos um nu´mero razoa´vel de correspondeˆncias consideradas corretas na avaliac¸a˜o manual, fato que na˜o ocorre quando utilizamos diretamente ferramentas de matching de ontologias dispon´ıveis (como abordado em [Schmidt et al. 2016a]) . No entanto, estamos cientes de que, no caso de dom´ınios mais espec´ıficos, pode ocorrer a falta de cobertura no WordNet. Dessa forma essa abordagem e´ restrita aos casos de dom´ınios mais gerais como o caso do dom´ınio Confereˆncia, estudado neste trabalho.

Como trabalhos futuros, pretendemos explorar outras te´cnicas de alinhamento de ontologias com o objetivo de apoiar a identificac¸ a˜o de correspondeˆncias entre conceitos, principalmente a relac¸a˜o de subsunc¸ a˜o que e´ altamente deseja´vel quando alinhamos ontologias de dom´ınio e topo. Pretendemos tambe´m desenvolver experimentos utilizando outras ontologias de dom´ınio para que possamos obter uma avaliac¸ a˜o mais abrangente da nossa abordagem.

Refereˆncias

Djeddi, W. E. and Khadir, M. T. (2014). A novel approach using context-based measure for matching large scale ontologies. In Data Warehousing and Knowl. Discovery, pages 320–331.

References

Lacasta , J. , Nogueras-Iso , J. , Falquet , G. , Teller , J. , and Zarazaga-Soria , F. J. ( 2013 ). Design and Evaluation of a Semantic Enrichment Process for Bibliographic Databases . Data Knowledge Engineering , 88 : 94 - 107 .

Maedche , A. and Staab , S. ( 2002 ). Measuring similarity between ontologies . In Knowledge Engineering and Knowledge Management , pages 251 - 263 .

Mascardi , V. , Cord`ı, V., and Rosso , P. ( 2007 ). A Comparison of Upper Ontologies . In Joint Workshop on Agents and Industry , pages 55 - 64 .

Miller , G. A. ( 1995 ). WordNet: A Lexical Database for English . Communications ACM , 38 ( 11 ): 39 - 41 .

Ngo , D. and Bellahsene , Z. ( 2013 ). YAM++ - Results for OAEI 2013 . In Workshop on Ontology Matching, pages 211 - 218 .

Niles , I. and Pease , A. ( 2001 ). Towards a Standard Upper Ontology . In Formal Ontology in Information Systems , pages 2 - 9 .

Niles , I. and Pease , A. ( 2003 ). Mapping wordnet to the sumo ontology . In Knowledge Engineering Conference , pages 23 - 26 .

Padilha , N. F. , Baia˜o, F. , and Revoredo , K. ( 2012 ). Alignment Patterns based on Unified Foundational Ontology . In Brazilian Ontology Research Seminar , pages 48 - 59 .

Schadd , F. C. and Roos , N. ( 2012 ). Coupling of wordnet entries for ontology mapping using virtual documents . In Workshop on Ontology Matching , pages 25 - 36 .

Schmidt , D. , Trojahn , C. , and Vieira , R. ( 2016a ). Analysing Top-level and Domain Ontology Alignments from Matching Systems . In Workshop on Ontology Matching, pages 1 - 12 .

Schmidt , D. , Trojahn , C. , Vieira , R. , and Kamel , M. ( 2016b ). Validating Top-level and Domain Ontology Alignments using WordNet . In Brazilian Ontology Research Seminar , pages 119 - 130 .

Silva , V. S. , Campos , M. L. M. , Silva , J. C. P. , and Cavalcanti , M. C. ( 2011 ). An approach for the alignment of biomedical ontologies based on foundational ontologies . Information and Data Management , 2 ( 3 ): 557 - 572 .

Wang , P. ( 2011 ). Lily Results on SEALS Platform for OAEI 2011 . In Workshop on Ontology Matching, pages 156 - 162 .

Yatskevich , M. and Giunchiglia , F. ( 2004 ). Element level semantic matching using WordNet . In Meaning Coordination and Negotiation Workshop , pages 37 - 48 .