This paper presents an ongoing PhD project, which will be submitted to the examination board in February 2020, whose research question involves automatic classification via ontologies and human reasoning in description logics. The present research aims to investigate the classification in reasoners and compare it, from an empirical perspective, to results of human classification still very common in Information Science. At this moment, we extract some fragments from the literature that lists common problems people confront in modeling with description logics, and the methodology we will use to test the problems and suggest improvements. Resumo. Esse artigo é resultado parcial de tese em andamento, com previsão de defesa em fevereiro de 2020, cujo problema de pesquisa envolve a classificação automática via ontologias. A presente pesquisa visa investigar a classificação em motores de inferência e compará-la de forma empírica com resultados de classificação manual, processo ainda comum em Ciência da Informação. Nesse momento, extraímos fragmentos da literatura que listam problemas comuns que as pessoas enfrentam ao modelar com lógica descritiva, além de apresentar a metodologia que deve ser aplicada para testar tais problemas e sugerir melhorias.
construção de ontologias. O desenvolvimento dos padrões OWL (Web Ontology Language) impulsionou ainda mais esse uso em função de razoável balanço que oferecem entre capacidade de expressão e capacidade de computação. No entanto, LDs são difíceis de compreender e trabalhar, especialmente, para usuários de ontologia que não são cientistas da computação e que não possuem treinamento em lógica. A sintaxe OWL Manchester foi desenvolvida para tornar as lógicas mais acessíveis ao adotar palavras-chave em inglês no lugar de símbolos lógicos. Ainda assim, as LDs continuam a apresentar dificuldades, mesmo quando representados na sintaxe de Manchester. A literatura relata diversas investigações sobre quais características das LDs causam dificuldades, como por exemplo, o contexto de entender como uma implicação decorre de uma justificação (o subconjunto mínimo da ontologia suficiente para tal vinculação se manter). No entanto, tem havido pouca pesquisa para relacionar essas dificuldades a como as pessoas naturalmente raciocinam e usam a linguagem, para fins de modelagem.
O presente trabalho se insere nesse contexto e é parte de uma pesquisa de doutorado em andamento, com previsão de defesa para fevereiro de 2020, cujo objetivo geral é entender as dificuldades que as pessoas experimentam ao usar LDs para criar, editar e avaliar ontologias, de forma a mitigar tais dificuldades. Os objetivos específicos são: a) construção de um software para interface com os motores de busca e inferência automática, b) criação de questionários e questões para comparação, c) submissão da mesma ontologia a estudantes de pós-graduação que trabalham com ontologias, d) comparação de resultados na classificação automatizada versus manual.
Classificar remete a identificar e discernir características que tornem a entidade pertencente a determinado agrupamento. Este processo é feito de forma a permitir o reconhecimento por meio de características essenciais, que possibilitem a criação de um modelo descritivo das entidades ou conjunto delas.
Assim, o processo de classificação resulta em grupos conceituais genericamente denominados “classes”. Com as classes é possível organizar a informação de forma hierárquica e permitir que a especificidade de suas características seja evidenciada em subclasses. O ato de classificar, na CI, foi considerado por muitos anos um ato de “arrumação sistemática” [Barbosa, 1969], ou seja, realizar “um processo mental pelo qual coisas, são reunidas segundo as semelhanças ou diferenças que apresentam. Esta definição corrobora com Vickery (1975) e Simões (2011) que destacam o agrupamento por identificação de características comuns e sua separação por diferença.
No contexto da Ciência da Informação, o processo de classificação está diretamente ligado a organização de um acervo bibliográfico e sua recuperação. Com o advento da digitalização, o acervo é hoje digital, o que demanda o aprimoramento de recursos existentes, além do desenvolvimento de novas técnicas que permitam classificar conteúdos eletrônicos de forma automatizada como tem demonstrado a proposta do aprendizado de máquina.
Na concepção da World Wide Web, o nível de representação permitiria que a informação fosse interpretada por agentes computacionais (algoritmos) e possibilitasse melhorias na recuperação da informação.
para a Web Semântica. Sua estrutura compreende em três componentes básicos: subject (assunto), predicate (predicado) and object (objeto), formando o que se convencionou chamar de tripla [Powers, 2003]. Uma tripla é um fato, uma declaração (assertion), e pode ser conectada a outras triplas formando uma corrente de conexões, ampliando um modelo de representação do conhecimento.
O RDF Schema (RDFS), que consiste de um vocabulário de modelagem de dados para dados em RDF” (W3C), fornece os recursos necessários para descrever objetos e propriedades de um esquema de um domínio específico [Powers, 2003]. Em seguida, a fim de permitir maior expressividade e suporte à inferência por reasoners, foi criada a Web Ontology Language (OWL). OWL é uma lógica descritiva, subconjunto da Lógica de Primeira Ordem. Nem tudo que é escrito em OWL é necessariamente uma ontologia, e nem toda ontologia é representada em OWL [Rector, Sottara, 2014].
(existencial);
A metodologia de pesquisa envolve os seguintes passos: i) construção de um aplicativo para processamento de inferências acessível a usuários não conhecedores de lógica; ii) identificação de padrões de modelagem em LD e raciocínio associado; iii) aplicação de questionários; iv) estudo dos resultados e propostas para mitigar os problemas encontrados. 4.1 - Construção de software com interface gráfica, de alto nível para permitir a execução do reasoner Embora o reasoner possa funcionar em um editor de OWL como, por exemplo, o Protégé, este trabalho pretende possibilitar seu funcionamento utilizando uma interface web, para permitir o uso por não especialistas em ontologias, realidade comum na CI.
Nesta etapa o algoritmo de reasoner deve realizar as inferências, gerando como resultado uma ontologia acrescida de novos termos e/ou declarações. Uma camada voltada para visualização também deve ser desenvolvida ou adequada ao projeto, permitindo a navegação pelo usuário em classes e relações. Neste momento da pesquisa, foi identificada a ferramenta WebVOWL [Lohmann, 2014] que apresenta a ontologia em formato gráfico utilizando uma conversão do formato OWL em JSON. 4.2 - Identificação de padrões de modelagem em LD e raciocínio associado Para identificar as dificuldades das pessoas em lidar com LDs, valeu-se de pesquisas já realizadas e disponíveis na literatura. No presente momento da pesquisa, adota-se um extrato da análise de padrões de conteúdo proposta por Khan e Blomqvist (2010). Os autores identificaram padrões de conteúdo mais comuns. A tabela 1 inclui as características encontradas nesses padrões (exceto de propriedades de dados e restrições de cardinalidade).
Tabela 1 – Características das LDs mais comuns
Adaptado de Khan and Blomqvist (2010).
Caraterística da linguagem subsunção equivalencia de classes disjunção classes asserção de classes conjunção disjunção complemento faixa dominio hieraquia propriedades inversas propriedades transitivas propriedades funcionais
Tabela 2 – Padrões para componentes component only Object
A has_component B B has_component C ⇒ A has_part C
Tabela 3 – Questões para raciocínio (padrão componentes) Tabela 4 – Passos para o raciocínio (padrão componentes) 1 2 3
tem-componente SubPropertyOf has_part; ⇒ A has_part B
tem-componente SubPropertyOf has_part ⇒ B has_part C has_part Characteristics Transitive;
⇒ A has_part C
Os questionários estarão no próprio site junto ao mecanismo de inferência, e devem conter pelo menos os seguintes dados: § § § § § §
ontologia original, a fim de permitir comparações, análises e declarações. Esta interface poderá utilizar outros softwares como, por exemplo, WebVOWL ou utilizar estruturas hierárquicas como TreeView, viabilizando alternativas a uma representação puramente textual.
Uma vez analisados os resultados obtidos nos passos anteriores por meio de um procedimento de comparação entre os processos manuais e automatizados, passa-se a uma avaliação do que pode ser feito no sentido de mitigar as dificuldades encontradas e auxiliar usuários leigos na modelagem e consultas.
Neste momento da pesquisa, o software para submissão da ontologia em OWL para o reasoner encontra-se em estágio funcional de desenvolvimento, apresentando como resultado um novo arquivo OWL contendo as definições e inferências geradas pelo algoritmo de reasoner.
manipulação de uma ontologia em OWL ou RDFS e exibe sua visualização textual; b) realiza a validação da ontologia a fim de verificar o funcionamento do algoritmo do reasoner; c) submete a ontologia ao reasoner e grava um novo arquivo contendo uma nova ontologia, adicionada de suas inferências.
em: <http://linkgalegroup.ez27.periodicos.capes.gov.br/apps/doc/A147823458/AONE?sid=googleschol ar>. Acesso em: 15 abr. 2018.
KHAN, M. T., BLOMQVIST, E. (2010). Ontology design pattern detection-initial method and usage scenarios. In SEMAPRO 2010, The Fourth International Conference on Advances in Semantic Processing (pp. 19–24).
LOHMANN, S. et al. WebVOWL: Web-based Visualization of Ontologies.
2014 Disponível em: <https://link.springer.com/chapter/10.1007/978-3-319-179667_21>. Acesso em: 9 abr. 2018 MOTIK, B., PATEL-SCHNEIDER, P.F., Parsia, B., 2009. OWL 2 Web Ontology
POWERS, S. Practical RDF. Beijing ; Sebastopol: O’Reilly, 2003.
RECTOR, A., DRUMMOND, N., HORRIDGE, M., ROGERS, J., KNUBLAUCH, H., Stevens, R., … WROE, C. (2004). OWL pizzas: Practical experience of teaching OWL-DL: Common errors & common patterns. In Engineering Knowledge in the Age of the Semantic Web (pp.63–81). Springer.
Web SIMÕES, M. DA G. Classificações bibliográficas: percurso de uma teoria. Coimbra: