模块化本体：连接人类概念化与数据的桥梁

# 模块化本体：连接人类概念化与数据的桥梁 ## 会议概览 2018 年 6 月 20 - 22 日，第 23 届国际概念结构会议（ICCS 2018）在爱丁堡龙比亚大学举行。自 1993 年创办以来，该会议聚焦于不同情境下概念结构的表示与推理。例如，第 19 届会议关注社交网络数据中的知识发现，第 20 届会议探讨 STEM 研究与教育的概念结构。今年的主题是人机协同，众多相关投稿以及帕斯卡·希茨勒教授的主题演讲都表明了大家对这一主题的浓厚兴趣。 会议与第 10 届国际图表理论与应用会议（Diagrams 2018）同期举办，为促进两个领域研究者的交流，还安排了基思·斯滕宁的联合主题演讲，主题为“图表与非单调逻辑：认知关系是什么？” ## 投稿与评审 本次会议收到了众多投稿，经过严格评审，最终接受了 10 篇全文论文（占比 56%）、3 篇短文和 2 篇海报。评审过程中，至少有三位、通常是四位，甚至在一个案例中有五位程序委员会专家参与评审，作者还有机会对初审意见进行反驳。这种严格的评审流程确保了会议展示的都是高质量的研究成果。 为了会议展示的方便，接受的投稿被分为五个部分：基于图和概念的推理、人机交互、人类认知建模、图可视化和海报展示。这种划分虽然是一种折衷方案，但很好地涵盖了各投稿的主要主题。 ## 会议组织人员 ### 程序委员会成员 |姓名|所属机构| | ---- | ---- | |Simon Andrews|英国谢菲尔德哈勒姆大学| |Moulin Bernard|加拿大拉瓦尔大学| |Peggy Cellier|法国 IRISA/INSA 雷恩| |Peter Chapman|英国爱丁堡龙比亚大学| |Dan Corbett|美国 Optimodal 技术公司| |Olivier Corby|法国 Inria| |Madalina Croitoru|法国蒙彼利埃第二大学 LIRMM| |Licong Cui|美国肯塔基大学| |Juliette Dibie - Barthélemy|法国 AgroParisTech| |Pavlin Dobrev|德国博世软件创新公司| |Florent Domenach|日本秋田国际大学| |Dominik Endres|德国马尔堡大学| |Catherine Faron Zucker|法国尼斯索菲亚安提波利斯大学| |Ollivier Haemmerlé|法国图卢兹勒米拉伊大学 IRIT| |Jan Hladik|德国 DHBW 斯图加特| |John Howse|英国布莱顿大学| |Dmitry Ignatov|俄罗斯国家研究型高等经济大学| |Mateja Jamnik|英国剑桥大学| |Adil Kabbaj|美国 INSEA| |Mary Keeler|美国 VivoMind 公司| |Steffen Lohmann|德国弗劳恩霍夫协会| |Natalia Loukachevitch|俄罗斯莫斯科国立大学研究计算中心| |Pierre Marquis|法国阿图瓦大学和法国国家科学研究中心 CRIL| |Franck Michel|法国蔚蓝海岸大学、法国国家科学研究中心 I3S| |Sergei Obiedkov|俄罗斯国家研究型高等经济大学| |Yoshiaki Okubo|日本北海道大学| |Nathalie Pernelle|法国巴黎南大学 LRI| |Heather D. Pfeiffer|美国 Akamai 物理公司| |Simon Polovina|英国谢菲尔德哈勒姆大学| |Uta Priss|德国奥斯特法利亚大学| |Sebastian Rudolph|德国德累斯顿工业大学| |Eric Salvat|法国 IMERIR| |Fatiha Saïs|法国巴黎 - 南大学 11 分校 LRI 和法国国家信息与自动化研究所 Saclay| |Iain Stalker|英国曼彻斯特大学| |Gem Stapleton|英国布莱顿大学| |Michaël Thomazo|法国巴黎萨克雷大学 Inria、LIX 和巴黎综合理工学院| |Serena Villata|法国索菲亚 - 安提波利斯大学计算机科学、信号与系统实验室| |Martin Watmough|英国谢菲尔德哈勒姆大学| ### 额外评审人员 - Abeysinghe, Rashmie - Delobelle, Jérôme - Groz, Benoit - Liu, Jinpeng - Schwind, Nicolas - Sim, Kevin - Zheng, Fengbo ## 图表与非单调逻辑的认知关系 基思·斯滕宁在研究自然语言话语时开始关注图表，它为语言分析提供了一个对立面。在自然语言叙述处理中，解释是核心，而经典逻辑显然不适合这种处理，但早期又没有合适的替代方案。非单调逻辑虽然被发明出来简化基于常识的“日常”推理，但它的可处理性甚至比经典逻辑更差，很难应用于小问题。 本次演讲旨在探讨非单调逻辑与图表之间的相似性。逻辑编程（LP）作为源于 PROLOG 的非单调逻辑，在很多方面“较弱”。它基于经典逻辑的“霍恩子句片段”，这个片段是最具前景且可处理的部分。因此，“弱”是其基本要求，当然也要具备足够的表达能力以满足编程语言的需求。 ## 模块化本体的必要性 互联网是有史以来最大的知识宝库，且数据量每秒都在增长，包括气象数据、学术文章、社交媒体交流和维基百科协作文章等。我们需要一种方法来组织这些数据，同时保留人类对每部分数据概念化的关键部分。 本体作为“概念化的明确规范”，似乎是一个自然的选择。随着语义网在过去十年的迅猛发展，本体在数据组织和知识共享方面取得了一定成功。然而，已发布的本体往往未能达到预期。大型、整体式的本体，由于其过强或过弱的本体承诺，很难在同一领域甚至不同领域中复用。强本体承诺导致过度规范，使本体仅适用于最初设计的单一目的；弱本体承诺则导致模型模糊，难以理解实际建模内容。 为了获得更易于复用的本体，一种有效的方法是采用模块化方式构建。模块化本体设计使得用户可以轻松根据自身需求调整本体，同时保持与其他版本本体的集成和关系。模块化本体由所谓的本体模块拼接而成，这些模块是通过将本体设计模式（ODP）应用于特定领域和用例而创建的。 ### 本体设计模式示例 - **语义轨迹 ODP**：是一个经典的重复模式，它可以被成功模块化，例如巡航轨迹 ODP 和时空范围 ODP。 - **微博条目 ODP**：如图 1 所示，该模式清晰展示了模式复用以及适当的本体承诺如何便于模块化。它充分利用了现有工作，避免了过强的本体承诺，能够轻松地进行模块化以表示特定的微博平台，如 Twitter、Facebook 或 Instagram。 ```mermaid graph LR classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; A(语义轨迹 ODP):::process --> B(巡航轨迹 ODP):::process A --> C(时空范围 ODP):::process D(微博条目 ODP):::process --> E(Twitter 模块化):::process D --> F(Facebook 模块化):::process D --> G(Instagram 模块化):::process ``` ## 模块化本体工程的未来展望 模块化本体的潜力仍在不断挖掘中，关于本体设计模式、其使用方法以及相关支持工具和基础设施，仍存在许多待解决的问题。不过，目前已经有一些相关的工作正在进行： 1. **智能中央存储库**：正在开发一个“智能”中央存储库，初始将填充大量基础 ODP，这些 ODP 具有足够的广度和通用性，其组合可以涵盖任何复杂的概念化。 2. **模式注释**：将对这些模式进行系统而严格的注释，以回答诸如模式之间如何交互、是否导入其他模式以及模块复用了哪个模式作为模板等问题。最近提出的本体设计模式表示语言（OPLa）就是为了解决这些问题。 3. **图形界面**：在中央存储库和 OPLa 的基础上，下一步将创建一个用于本体组装和模块化的图形界面，结合不同的可视化策略和 ODP 的即插即用系统。 4. **自动化创建**：随着对人类创建本体过程的深入理解，能否尝试自动化这些过程，即从数据集自动创建本体并提供给本体工程师作为“初稿”进行编辑，也是未来的一个研究方向。 总之，模块化本体为解决当前本体复用难题提供了新的思路和方法，未来的研究和发展有望进一步推动其在知识表示和数据组织领域的应用。 ## 会议各主题研究成果 ### 图和概念推理 |研究方向|研究内容| | ---- | ---- | |类比复合物在电子健康记录系统中的应用|利用类比复合物改善人类在电子健康记录系统中的推理和决策能力| |概念稳定性的高效近似|使用低差异采样对概念稳定性进行高效近似| |提升最可能解释|提出提升最可能解释的方法| |提升动态连接树算法|开发提升动态连接树算法| ### 人机交互与人类认知 - **定义论证攻击实验**：通过食品包装消费者期望实验，定义论证攻击。 - **相似性模型评估**：对 Geist、Lengnink 和 Wille 的相似性模型进行实证评估。 - **形式概念分析与 APOS 理论结合**：探索形式概念分析与 APOS 理论的结合与对比。 - **音乐描述**：基于形式概念分析和数学形态学进行音乐描述。 - **协作概念探索**：致力于实现协作概念探索。 ### 图可视化 |研究主题|研究详情| | ---- | ---- | |基因表达探索|采用可视化分析技术探索发育中小鼠胚胎的基因表达| |河流网络数据探索|利用关系概念分析探索河流网络上的异构序列数据| |半结构化数据建模|基于概念图对半结构化数据进行建模| |企业架构应用|在企业架构中使用概念结构，为组织开发新的思维和工作方式| ### 海报展示 - 利用 FCA 工具包可视化概念结构 - 将节点链接图作为社交业务平台上组织知识共享的工具 ```mermaid graph LR classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px; A(图和概念推理):::process --> B(类比复合物应用):::process A --> C(概念稳定性近似):::process A --> D(提升最可能解释):::process A --> E(提升动态连接树算法):::process F(人机交互与人类认知):::process --> G(定义论证攻击实验):::process F --> H(相似性模型评估):::process F --> I(形式概念分析与 APOS 理论结合):::process F --> J(音乐描述):::process F --> K(协作概念探索):::process L(图可视化):::process --> M(基因表达探索):::process L --> N(河流网络数据探索):::process L --> O(半结构化数据建模):::process L --> P(企业架构应用):::process Q(海报展示):::process --> R(FCA 工具包可视化):::process Q --> S(节点链接图应用):::process ``` ## 模块化本体构建步骤 1. **确定领域和用例**：明确需要构建本体的领域和具体用例，例如是社交媒体领域的微博数据，还是医疗领域的健康记录数据。 2. **选择和应用本体设计模式**：从现有的本体设计模式中选择适合的模式，如语义轨迹 ODP、微博条目 ODP 等，并将其应用到具体的领域和用例中，创建本体模块。 3. **拼接本体模块**：将创建好的本体模块进行拼接，形成一个完整的模块化本体。在拼接过程中，要确保模块之间的集成和关系合理。 4. **调整和优化**：根据实际需求对模块化本体进行调整和优化，使其能够更好地满足用户的使用要求。 ## 模块化本体的优势总结 |优势|具体表现| | ---- | ---- | |易于复用|用户可以根据自身需求轻松调整本体，提高本体在不同场景下的复用性| |灵活适应|能够适应不同的领域和用例，避免了整体式本体过度规范或模糊的问题| |便于维护|模块化的结构使得本体的维护更加方便，当某个模块出现问题时，只需要对该模块进行修改| 模块化本体在当前数据爆炸的时代具有重要意义，它为知识表示和数据组织提供了一种更加有效的方式。通过模块化的构建方法，可以解决传统本体复用困难的问题，同时促进不同领域之间的知识共享和交流。随着相关技术的不断发展和完善，模块化本体有望在更多领域得到广泛应用。