Пошук у Web є ключовою технологією Web, тому що дозволяє отримати доступ до його ресурсів. Результатами пошуку можуть бути різні види інформаційних ресурсів або їх елементів -природномовні документи та їх фрагменти, структуровані або слабкоструктуровані дані. Сам інформаційний запит, що формалізує інформаційну потребу користувача, теж може бути представлено по-різному -ключовими словами, структурованими мовами запитів (SQL, SQRL тощо) або прикладами тих ІО, що потрібні користувачеві. Ціль пошуку у найбільш широкому розумінні -співставити запит з описами тих ІР, про які відомо пошуковій системі, та знайти серед них найбільш релевантні. На сьогодні збільшення ефективності пошуку пов'язують не з його повнотою, а з фільтрацією результатів, яка дозволяє з великої кількості ІР, релевантних запиту користувача, відібрати ті ІР, які стосуються його поточних інтересів, позбавивши самого користувача від рутинного аналізу запропонованої інформації.

Великий обсяг та складна структура інформаційних ресурсів (ІР) Web викликають потребу у створенні таких засобів їх автоматизованої обробки, які забезпечили б аналіз змісту цих ресурсів та дозволили б здобувати з них саме ті відомості, що потрібні користувачам для вирішення конкретних задач. Для такої обробки необхідно розробляти як засоби семантичного пошуку, так і засоби семантичної розмітки ІР. Обидві ці задачі безпосередньо пов'язані із семантизацією інформації. У широкому розумінні семантизаціявстановлення зв'язків між певним інформаційним об'єктом (ІО) та його змістом. Для відкритого середовища

Web під семантизацією ІР будемо розуміти встановлення зв'язків між ІР (або їх компонентами), доступ до яких забезпечує середовище Web, та елементами певним чином формалізованих знань, які теж є доступними через Web. Семантизація інформаційних потреб користувача -це встановлення зв'язків між формалізованим поданням цих потреб (запитом, документом-зразком тощо), наданих користувачем за допомогою Web-інтерфейсу, та елементами формалізованих знань, теж доступних через Web. Таким чином, у семантичному пошуку проблема співставлення інформаційних потреб користувача з наявними ІР зводиться до співставлення тих елементів знань, з якими вони пов'язані.

Семантичний пошук [1] -це окремий випадок пошуку інформації, в якому інформаційні потреби користувача в процесі розв'язання певної задачі задовольняються із застосуванням знань про суб'єкти і об'єкти пошукової процедури й методів аналізу цих знань [2]. Для пошуку можуть використовуватися знання, що стосуються користувача та специфіки його інформаційних потреб (персоніфікація пошуку), знання про структуру та типи ІР, серед яких здійснюється пошукова процедура, та про ту предметну область (ПрО), до якої відносяться ці ІР. Використання знань може бути приховано від користувача (внутрішня база знань пошукової системи, до якої користувач не має доступу), що ускладнює розуміння роботи такої системи та зменшує довіру до неї, або здійснюватися безпосередньо за його вибором (база знань користувача), що вимагає від користувача певної обізнаності у пошуку та додаткових зусиль. Система семантичного пошуку (ССП) є відкритою, якщо у пошуку застосовуються знання, здобуті з відкритого середовища. Прикладами таких знань є онтології ПрО, отримані із зовнішніх репозиторіїв.

Основна тенденція семантизації пошукових засобів пов'язана з переходом від виявлення документів, що містять певні ключові слова, до пошуку знань, необхідних для виконання поставленого перед користувачем завдання. Семантична розмітка ІР, серед яких виконується пошук, дозволяє автоматизувати такий аналіз, використовуючи зовнішні бази знань, з якими пов'язується контент ІР, для співставлення зі сферою інтересів користувача, яка теж описується певним чином формалізованими знаннями відповідної ПрО. Слід відмітити, що використання онтології ПрО для семантичної розмітки ІР та використання семантичної розмітки ІР для вдосконалення онтології ПрО розглядаються в цій роботі як два взаємопов'язані етапи онтологічного аналізу ПрО, що застосовуються ітеративно до того часу, поки користувач не буде задоволений побудованою онтологією.

На ефективність пошуку значним чином впливає те, які саме бази знань використовуються в ньому. Важливо, з одного боку, які формалізми та мови використовуються для подання знань (це можуть бути семантичні мережі та фреймові системи, таксономії тощо, мови OWL [3] та RDF [4] тощо), а з другогонаскільки цей набір знань є актуальним та відповідає потребам конкретного користувача та його поточній задачі. Якщо для рішення першого питання на сьогодні для Web-орієнтованих застосувань фактично стало стандартом використання онтологій [5] (і питання більшою мірою стосується того, якої складності онтології потрібно використовувати), то для другого -побудови [6] або пошуку найбільш пертинентної онтологіїпоки що загальноприйняте рішення ще на знайдено.

Сьогодні поширені різні підходи до семантизації пошуку в Web. Деякі з них використовують складні структуровані мови для подання запитів користувачів, інші орієнтовані на пошук за ключовими словами або на природномовні запити. Більшість підходів першої групи базуються на RDF і орієнтовані на технології проекту Semantic Web, тобто здійснюють пошук у вже семантично розмічених ІР. Наприклад, Swoogle [7] використовує краулер для виявлення, індексації та запитування документів в форматі RDF. На жаль, таку розмітку на сьогодні має лише невелика частина ресурсів Web. Більш детально переваги та проблеми різних моделей пошуку розглянуто в [8]. В обох напрямках пошуку широко застосовуються онтології, але ці онтології зазвичай є однаковими для всіх користувачів пошукової системи.

Онтології є потужним та ефективним засобом подання знань у Web, але слід враховувати, що обробка онтологічних структур дуже складна і потребує у загальному випадку багато часу. Але досить часто для рішення задачі у певній ПрО потрібно враховувати не всі поняття цієї області та зв'язки між ними, а тільки невелика їх підмножину. Тоді використання онтології ПрО поділяється на два етапи -виокремлення необхідної для задачі підмножини знань онтології -ІО з простішою структурою, меншими обсягом та виразністю (приміром, таксономії, тезаурусу або словника), що значно пришвидшує їх обробку. Те, за якими умовами будуються ці ІО та яку структуру вони мають, залежить від специфіки задачі. Приміром, для задачі пошуку це може бути набір класів онтології, які використовуються у семантичній розмітці заданого текстового документа-зразка; підкласи цих класів та екземпляри цих класів. Інший поширений варіант побудови такого ІО -набір класів онтології, на екземпляри яких є посилання у семантичній розмітці з обраної сторінки-зразку. Важливо, що, як правило, такі ІО не описують характеристики класів, відношень та екземплярів, але ці характеристики можуть бути застосовані в процесі побудови цих ІО за онтологією відповідно до кожної конкретної задачі. Приміром, у побудові ІО може бути використана симетричність певного відношення між екземплярами класів, але сам ІО не містить цю характеристику. Таким чином, це 199 дозволяє перейти від "важких" онтологій до "легких", створюючи спрощену підмножину великовагової онтології [9].

Аналіз існуючих на сьогодні засобів семантичного пошуку показує, що у переважній більшості задач для опису ПрО достатньо використовувати "легкі" ("легковагові") онтології, в яких не застосовуються аксіоми, а множина відношень між класами, що описуються додатковими властивостями, зазвичай є порожніми. Легкі онтології -це відносно прості структури термінів з відповідними визначеннями та обмеженою множиною відношень. Такі онтології мають менші виразові можливості, але їх значно легше та швидше обробляти. Для таких онтологій характерна наявність тільки наступних відношень:

відношення "клас-підклас", значення якого пов'язані транзитивно; -об'єктне відношення синонімії, значення якого пов'язані симетрично; -об'єктні відношення, специфічні для ПрО, значення яких не мають бінарних властивостей. У більш складних випадках деякі відношення ПрО можуть також бути визначені як транзитивні або симетричні, і це дозволяє реалізувати більш складне логічне виведення на знаннях ПрО. Але частіше для семантичного пошуку достатньо самої наявності відношення між екземплярами класів, щоб оцінити пертинентність ІО області пошуку. Це пов'язано з тим, що аналіз, приміром, природномовного тексту із урахуванням усіх знань щодо ПрО для визначення його семантики займає дуже багато часу, що неприйнятно для аналізу великої кількості ІР, релевантних запиту. Залежно від того, наскільки складно описує користувач потрібну ПрО, залежить як час пошуку, так і його якість. Обирати компроміс між цими протилежними критеріями має сам користувач.

Така "легка" онтологія може базуватися на онтології більш широкої ПрО (з більшою кількістю класів, відношень та екземплярів), яка має значно більшу виразну потужність (приміром, подана на OWL Full або OWL-DL). Але безпосередньо побудувати підмножину онтології для переважної більшості користувачів є надто складною задачею. Значно легше обробляти ІР, що містять відповідну семантичну розмітку, обираючи ті, що відносяться до поточної задачі.

Щоб реалізувати семантичний пошук інформації в Web, використовуючи знання, що містяться в онтологіях, доступ до яких також забезпечує середовище Web, виникає потреба у засобах здобуття з цих онтологій тих відомостей, що стосуються інформаційних потреб користувача, та методах застосування здобутих відомостей у пошукових процедурах. Пропонується будувати за онтологіями довільної структури та складності більш прості інформаційні об'єкти, що містять визначену користувачем підмножину онтологічних знань, та співставляти з цими інформаційними об'єктами результати, отримані від зовнішніх інформаційно-пошукових систем, відбираючи семантично ближчі до потреб користувача. Для вдосконалення онтологій, що застосовуються для пошуку, пропонується застосовувати інформаційні ресурси, семантично розмічені елементами цих онтологій, а саму таку розмітку використовувати для побудови відповідних ІО.

На сьогодні існує велика кількість пошукових систем, орієнтованих саме на пошук структурованих ІР, приміром, для виявлення, індексації та запитування документів в форматі RDF або OWL. Вони дозволяють аналізувати вміст ІР з семантичною розміткою, але, на жаль, переважна частина ресурсів Web не є семантизованими, хоча кількість ІР, що містять семантичну розмітку та різноманітні метаописи, постійно збільшується. Тому виникає потреба використовувати семантично розмічені ІР як джерело знань для обробки несемантизованих документів. В якості таких джерел пропонується використовувати бази знань, побудовані на Wiki-платформі. По-перше, такі системи застосовують стандартизовані засоби для подання семантичної розмітки (за допомогою системи категорій та властивостей). Ці елементи можна легко розпізнавати навіть у тих випадках, коли різні ІО отримані з різних ресурсів. Інша важлива перевага -у семантичних Wikiресурсах завжди є наявності різноманітні засоби для внутрішньої навігації та пошуку, і це дозволяє користувачу досить швидко визначити набір Wiki-сторінок, пов'язаних з його задачею. Третій важливий фактор -на сьогодні вже створено багато різноманітних семантичних Wiki-ресурсів, і їх кількість, обсяг та якість постійно збільшуються. У-четвертих, у випадку, якщо інформації в семантичних Wiki недостатньо, їх досить легко доповнити відомостями з несемантизованих Wiki (приміром, з Вікіпедій різними мовами або Wiki-довідників) -з таких ресурсів можна здобути менше семантичної інформація, але у поєднання з семантизованими вони дозволяють досить коректно описати довільну проблему.

Для Wiki-технології зараз використовується багато семантичних розширень. Сформовані на їх основі ІР можуть динамічно оновлюватися всім співтовариством користувачів, що забезпечує актуальність інформації, мають зручну й просту для розуміння структуру, забезпечують обробку інформації на семантичному рівні, надаючи технологічну платформу для групового керування знаннями. Одним з таких 200 розширень є Semantic MediaWiki [10]. Ця надбудова над MediaWiki має досить високу виразну потужність, надійну реалізацію і зручний інтерфейс користувачів. Сьогодні на SMW базується значна кількість сайтів, порталів та енциклопедичних видань. Прикладом ІР, що базується саме на цій платформі, є електронна версія Великої української енциклопедії [2].

Формальна модель онтології визначає її основні елементи, їх структуру та зв'язки. Надалі будемо використовувати наступну формальну модель -

Будувати онтологію задачі доцільно тільки в тому випадку, якщо користувач планує працювати над великою та досить складною проблемою, рішення якої буде потребувати інформації на протязі досить значного часу, значно більшого, ніж час, потрібний на побудову власної онтології (приміром, плануючи дослідження на кілька років, доцільно витратити кілька годин на те, щоб надалі отримувати семантично відфільтровані відомості). Результатом виконання цих етапів є онтологія задачі користувача. Хоча існує можливість їх автоматизації, через те, що більшість операцій потребує втручання користувача та прийняття рішення щодо кожного поняття та відношення, доцільніше виконувати ці дії безпосередньо за допомогою редактору онтологій (приміром, Protégé [12]). Таким чином побудована онтологія представлена мовою OWL та може використовуватися семантичними пошуковими системами для фільтрації результатів запитів [13]. Основна ідея такої фільтрації полягає у тому, що контент знайдених ІР (або певних їх елементів, визначених користувачем) порівнюється із елементами онтології. За результатами порівняння знайдені ІР впорядковуються відповідно до кількісного значення коефіцієнту близькості. Алгоритм порівняння та міри близькості залежать від специфіки конкретних пошукових систем та від обраних користувачем налаштувань. Приклад такої системи семантичного пошуку, що використовує онтології користувачів, -метапошукова система МАІПС, що призначена для пошуку інформації, пов'язаної з професійними чи науковими інтересами користувачів, -більш детально описано в [9]. Формалізація інформаційних потреб користувача МАІПС базується на представленні знань щодо його інтересів через онтології ПрО та похідні від них тезауруси задач.

Персоналізація семантичного пошуку в МАІПС базується на тому, що користувач явно визначає, які саме знання (онтології та базовані на них тезауруси задач) використовуються для формалізації його інформаційних потреб. Це є характерною рисою цієї ССП та її основною відмінністю від інших систем, що підтримують пошук інформації на семантичному рівні.

Враховуючи складність створення та обробки онтологій, пропонується використовувати їх для семантизації пошуку в Web наступним чином: в онтологіях накопичувати в інтероперабельному вигляді знання ПрО, поповнюючи їх відомостями з тих інформаційних ресурсів, для семантичної розмітки яких застосовувалися елементи цих онтологій, а для рішення прикладних задач будувати за онтологіями ПрО похідні інформаційні об'єкти (з простішою структурою та меншим обсягом, в яких аксіоми ПрО використовуються на етапі побудови, але не містяться безпосередньо), які надалі використовувати як джерело знань, необхідних для задачі користувача. Запропонований у роботі алгоритм дозволяє будувати онтології, що характеризують поточну задачу користувача і можуть застосовуватися для семантичного пошуку інформації.