Функциональное наполнение и архитектура программной лаборатории для онтологического анализа данных

Полный текст

Введение

В [1] был анонсирован проект создания в Институте проблем управления сложными системами РАН прототипа программной лаборатории для онтологического анализа данных, получившей наименование OntoWorker (OW). К этому моменту в коллективе потенциальных участников проекта сложилось вполне устойчивое представление об онтологическом анализе данных (ОАД) как о новом методическом комплексе для выявления понятийной структуры, или формальной онтологии, предметной области (ПрО) на основе эмпирической информации, структурированной в виде таблицы «объекты – свойства» (ТОС) [2, 3].

В фундамент ОАД положен метод анализа формальных понятий (АФП), теоретически строго обоснованный в рамках математической теории решеток [4, 5] и вполне отражающий классический логико-философский подход к моделированию фундаментального теоретико-познавательного элемента человеческого сознания – понятия, определяемого объемом и содержанием [6, 7] (формально объем понятия – это множество объектов, каждый из которых характеризуется всяким свойством из набора свойств и только из этого набора, который суть содержание понятия, и наоборот).

Новеллой ОАД стало прежде всего обогащенное методическое обеспечение подготовки контекста для вывода формальных понятий [1]: ввод механизма представления в ТОС эмпирически наблюдаемых отношений между объектами ПрО; учет реалий накопления эмпирической информации, вызывающих неполноту и противоречивость объектно-признаковых данных, интерпретация и консолидация которых возможна лишь в рамках многозначной логики; учет ограничений существования свойств у объектов ПрО. Подобные методические новшества не поддерживались в известных инструментальных средствах анализа данных на базе АФП (см., например, [8–11]), и это определяло актуальность OW‑проекта.

Кроме того, в условиях повышенного интереса к семантическому моделированию ПрО актуальной становилась разработка средств онтологического анализа на массовой программной платформе, доступной и освоенной специалистами в самых разных предметных областях. Такой уникальной платформой виделся табличный процессор Excel, который помимо многих других достоинств характеризуется весьма удобным для разработчиков и пользователей единством среды создания пользовательских приложений и хранения данных [12, 13].

На фоне активного совершенствования методологического базиса ОАД развитие собственно OW-проекта фиксировали публикации [14, 15]. В данной статье очерчивается достигнутый уровень функционального наполнения и архитектурные решения, принятые в апробированной версии программной лаборатории для онтологического анализа данных OntoWorker, помещенной в государственный Реестр программ для ЭВМ (номер регистрации 2022669423, дата 19.10.2022, бюллетень № 10).

1. Реализуемая схема онтологического анализа данных

Функциональное наполнение OW достаточно полно демонстрирует реализуемая в программной лаборатории пошаговая схема ОАД (рис. 1). На схеме отражены взаимосвязи основных информационных «переделов» (шагов) и продуктов ОАД, а кроме того, выделены фрагменты анализа, где поддерживаются когнитивные акты субъекта-исследователя ПрО: 1, 4, 8, 17 – осмысление субъектом, находящимся на определенном этапе решения ОАД-задачи, либо результата предшествующего, либо результата любого из последующих шагов анализа (фигуру субъекта, которая занимает в двудольной структуре схемы место «продукта», можно интерпретировать как измененное состояние «сознающего ума» [16] суисследователя вследствие полученных результатов анализа).

Например, 4-й этап может быть инициирован восприятием субъекта и как ОТОС, и как СИС/ГСС, ИФК, РФК или ФП. Для исключения нагромождения связей такие переходы изображены лишь в пределах выделенных когнитивных актов.

 

Рис. 1. Пошаговая схема онтологического анализа данных, реализованная в программной лаборатории OntoWorker: а – подготовка контекста для извлечения формальных понятий и выполняемые при этом когнитивные акты; б – заключительные этапы анализа и когнитивные акты, управляющие редукцией его основного продукта – «конструктивной» формальной онтологии

 

Здесь и на рис. 1 используются следующие аббревиатуры:

2, 5 – формирование и редактирование соответственно СИС и ОТОС, включая концептуальное шкалирование [21] измеряемых свойств. Обратные по отношению к субъекту воздействия связаны с информированием о невозможности выполнить выбранное действие;

3 – измерение (в широком смысле) свойств объектов ПрО;

6 – построение СИС/ГСС и ИФК;

7 – возможная прямая трансформация ИФК в РФК с исключением лишь заведомо ложных БСС [22];

9 – дефаззификация ИФК: установка субъективного порога доверия к содержащимся в нем эмпирическим оценкам истинности БСС и обновление РФК путем построения его новой версии как стандартного сечения ИФК с выбранным субъективным порогом доверия;

10 – нормализация РФК – преобразование РФК, в ходе которого снимаются противоречия между эмпирическими данными и априорными ограничениями свойств: множество свойств каждого отдельно взятого объекта измерения нормализуется путем отказа от части эмпирической информации, характеризующейся меньшим значением агрегированного показателя достоверности [22]. Обратное по отношению к субъекту воздействие связано с информированием о невозможности выполнить данное действие;

11, 12 – извлечение из РФК всех ФП и построение РФП;

13 – извлечение формальной онтологии ПрО, «конструктивность» которой означает, что она формируется на основе РФП путем исключения ФП, у которых отсутствуют собственные объем и содержание (то и/или другое лишь наследуется) [1]. В этом смысле «конструктивная» формальная онтология эквивалентна так называемой субиерархии Галуа РФП [23], где множество ФП разделено на непересекающиеся подмножества абстрактных и реальных (data-) классов объектов исследуемой ПрО;

14, 15 – вычисление поддержки и устойчивости ФП [24];

16 – показ извлеченной «конструктивной» формальной онтологии с построением ТКл объектов ПрО и с идентификацией всех ИОКл;

18, 19 – показ «конструктивной» формальной онтологии, осуществляемой построением ТКл при условии, что поддержка/устойчивость включаемых в онтологию классов составляет не менее субъективно указываемого порога, совместно с идентификацией всех ИОКл при указанном пороге поддержки/устойчивости.

Схема на рис. 1 дает представление о функциональности разработанной программной системы с позиции методологии ОАД. Иной ракурс при очерке его функциональности – представление о поведении системы с точки зрения пользователя при его взаимодействии с ней – дает диаграмма вариантов использования из арсенала средств визуального моделирования языка UML [25].

Диаграмма вариантов использования OW (рис. 2) показывает, что единственным действующим лицом по отношению к программной системе является пользователь, играющий роль субъекта-исследователя актуальной ПрО и располагающий следующими способами использования системы:

• – получение справочной информации об OW;
• – взаимодействие с файловой системой компьютера для загрузки и выгрузки ОАД-задачи – Excel-книги с фиксированной структурой;
• – подготовка исходных данных для анализа, включая ввод и редактирование СИС и ОТОС. Эти действия помимо прочего расширяются возможностью концептуального шкалирования измеряемых свойств, которое представлено двумя разновидностями: «дизъюнктивное» замещает шкалируемое свойство набором попарно несовместимых свойств, «уточняющее» добавляет в СИС новое измеряемое свойство, которое становится обусловливающим для определенного ряда других свойств в СИС [26];
• – генерация исходных данных для анализа со случайно выбираемыми параметрами СИС и ОТОС с возможностью субъективной коррекции таких параметров;
• – документирование ОАД-задачи на листе расширенного описания (ЛРО), включенном в Excel-книгу, размещающую эту задачу;
• – построение СИС/ГСС и ИФК, включая их показ;
• – формирование РФК, включая его показ. Это действие может быть расширено актом обновления РФК путем дефаззификации ИФК с субъективно задаваемым порогом доверия и актом нормализации РФК;
• – извлечение множества ФП из РФК, включая показ извлеченных ФП;
• – построение РФП, включая ее показ и показ ее транзитивной редукции;
• – вычисление поддержки и устойчивости ФП;
• – извлечение «конструктивной» формальной онтологии (или ТКл), включая показ ее ТКл, а также показ транзитивной редукции ТКл. Эти действия расширяются за счет возможности формирования и показа «конструктивной» формальной онтологии, где все data-классы обладают задаваемым уровнем поддержки и/или устойчивости ФП.

В силу ограниченности места на рис. 2 не дана детализация ряда комплексных вариантов использования. Например, редактирование СИС расширяется не только действиями, реализующими концептуальное шкалирование свойства, но и актами добавления, удаления, переименования измеряемых свойств и т. д. [19].

 

 

Рис. 2. Диаграмма вариантов использования программной лаборатории для онтологического анализа данных OntoWorker: ▬ коммуникация; ➜ обобщение; - - -► включение (include); - - -⋗ расширение (extend)

 

2. Архитектура программной лаборатории

Программная лаборатория OntoWorker представляет собой защищенную Excel-книгу (OW-книгу), включающую набор рабочих листов, часть из которых жестко структурирована, для представления исходных данных, результатов решения и различной сопровождающей информации ОАД-задачи. Между этими OW-листами возможно свободное перемещение.

 

Рис. 3. Архитектура программной лаборатории для онтологического анализа данных OntoWorker

 

Интеллект-карта [27] на рис. 3 дает представление об архитектуре созданного программного продукта:

• – для ввода, редактирования и отображения СИС и ОТОС используются одноименные рабочие листы Excel, которые имеют зонную организацию. Эта организация определяет табличное представление СИС как соответствия «сопряженные пары свойств – свойства» (сопряженная пара свойств – это либо пара несовместимых свойств – Н-пара, либо пара свойств с обусловленностью – О-пара) и табличное представление ОТОС как соответствия «серии измерений – процедуры измерения» [1, 15]. Содержание этих листов защищено, и его изменение возможно только специализированными сервисами, интерфейс к которым осуществляется с помощью различных контекстных меню, локализованных в специализированных зонах этих листов. Наконец, процедура обработки события BRC («Before Right Click») служит здесь и в рамках других OW‑листов для вызова контекстных меню, а в случае зонной организации листов – еще и для идентификации зоны, где пользователь кликнул правой кнопкой мыши;
• – лист «Справка» содержит справочную информацию о программной лаборатории, включая используемые термины и определения, описание функциональных возможностей и архитектуры OW. Контекстное меню листа ограничивается навигационными задачами;
• – лист ЛРО служит для размещения любой информации (тексты, рисунки, мультимедиа и т. п.), сопровождающей загруженную ОАД-задачу. Контекстное меню листа позволяет, в частности, временно снимать его защиту, открывая пользователю возможность редактирования содержания листа ЛРО с помощью всей инструментальной палитры Excel;
• – на листе «Верстак» отображаются результаты работы OW. Контекстное меню листа ориентировано прежде всего на предоставление пользователю основных аналитических функций программного приложения, но, в частности, позволяет временно снимать защиту листа для его произвольного редактирования стандартными средствами Excel;
• – лист «Заставка» играет исключительно декоративную роль и появляется при открытии OW-книги прежде, чем будет развернут формально основной в программной лаборатории лист СИС;
• – наряду с контекстными меню интерактивное взаимодействие пользователя и OW поддерживается с помощью диалоговых форм, а одностороннее – от программных компонентов OW к пользователю – с помощью сообщений;
• – объектная модель OW насчитывает почти полтора десятка классов, связанных помимо отношения наследования дюжиной различных интенсиональных бинарных отношений (тех, что при описании классов представляют бинарные отношения, в которых состоят экземпляры соответствующих классов, образуя экстенсиональную сеть экземпляров);
• – функциональные сервисы OW-листов объединены в одноименные программные модули OW-книги. К ним добавлен модуль, содержащий описания разделяемых переменных и сервисов;
• – процедуры обработки событий OW-книги служат для реализации надлежащих реакций на ее открытие, закрытие и попытку сохранения (последнее действие некорректно, и OW прекращает работу, прежде предоставляя пользователю возможность сохранить ее результаты).

3. Пример работы программной лаборатории

Для демонстрации работы программной лаборатории OntoWorker использованы объектно-признаковые данные, описывающие инновационные сорта мягкой яровой пшеницы [28]: объектами исследуемой ПрО являются сорта, а также Госреестр, куда включена часть сортов; признаками – характеристики сортов, а также ссылочные свойства (валентности), связывающие сорт и Госреестр.

В адекватной постановке опыт решения задачи онтологического анализа рассматриваемой ПрО представлен в [29]. Здесь же ввиду того, что преследуется цель лишь продемонстрировать работу OW при решении ОАД-задачи, данные о ПрО в части признаков объектов радикально урезаны – во внимание приняты сведения только о засухоустойчивости сортов, их классности (определяется главным образом содержанием белка в зерне) согласно ГОСТ [30] и включении в Госреестр.

На рис. 4 дан фрагмент скриншота листа СИС, где отражены состав и сопряженность учитываемых характеристик сортов пшеницы. О-пары свойств отмечают естественные отношения обусловленности между данными в [28] оценками засухоустойчивости сортов: если сорт «высоко засухоустойчив» (взу), то он и «засухоустойчив» (зу); если он «экстремально засухоустойчив» (эзу), то он и «высоко засухоустойчив», и «засухоустойчив». Н-пары закрепляют установленное ГОСТ [30] разделение пшеницы мягких сортов на пять непересекающихся классов. Представленные в [28] сорта характеризуются в рамках 1–3-го классов, и в СИС фиксируется их несовместимость. Наконец, В‑пара описывает сопряженные, или «встречные» валентности объектов (в ОАД валентности описывают потенциальные способности объектов ПрО вступать в связи, реализующие различные несимметричные бинарные отношения): сорт может быть «включен» в Госреестр, а по отношению к некоторому сорту состояние Госреестра может характеризоваться тем, что он «включает» этот сорт.

 

Рис. 4. Фрагмент скриншота листа СИС программной лаборатории OntoWorker, описывающий задаваемую в задаче онтологического анализа данных систему измеряемых свойств

 

Фрагмент скриншота листа ОТОС, где зафиксирована фактическая информация о сортах мягкой яровой пшеницы, приведен на рис. 5 [28]. В [28] классность сортов нередко характеризуется отнесением сорта сразу к двум смежным классам ГОСТ с указанием процента зерна того и другого класса. Это отражено в рассматриваемой ОТОС путем задания надлежащих элементов соответствия «объекты – свойства» в виде оценок истинности V^TF-логики, в которой вектор áb⁺, b^–ñ, b⁺, b^– Î [0, 1] свидетельствует «за» принадлежность свойства объекту со степенью b⁺ и «против» со степенью b^– (в OW степени указываются в процентах). При этом в рассматриваемой ОТОС согласно фактам из [28] выполняется логический принцип исключенного третьего. В общем случае в результате логической интерпретации и консолидации неполных и противоречивых эмпирических данных этот принцип нарушается, но логика V^TF вполне адекватна для описания таких ситуаций [1, 20].

 

Рис. 5. Фрагмент скриншота листа ОТОС программной лаборатории OntoWorker, описывающий задаваемую в задаче онтологического анализа данных эмпирическую информацию о предметной области в виде обобщенной таблицы «объекты – свойства»: s_i, p_j – имена серий измерений и процедур измерения соответственно; цифры (здесь везде 100) –достоверности серий измерений и степени доверия к процедурам измерения

 

Рис. 6 демонстрирует фрагмент скриншота листа «Верстак» со сформированным и нормализованным РФК: все непустые элементы соответствия «объекты – свойства» отвечают БСС, принятым как однозначно истинные (True), а пустые указывают БСС, признанные ложными (False). При формировании этого РФК специального порогового сечения ИФК не проводилось; РФК сформирован из ИФК лишь путем исключения заведомо ложных БСС [22]. Нормализация в данном случае свелась к устранению исходной двусмысленности в определении классности сортов мягкой пшеницы.

 

Рис. 6. Фрагмент скриншота листа «Верстак» программной лаборатории OntoWorker, описывающий рабочий формальный контекст задачи онтологического анализа данных

 

Фрагменты скриншота листа «Верстак», приводимые на рис. 7 и рис. 8, а, представляют соответственно извлеченное из РФК множество ФП и построенную на этой основе «конструктивную» онтологию. Онтология представлена на рис. 8, а двумя таблицами: первая показывает ее в виде транзитивной редукции таксономии классов, вторая описывает интенсиональные отношения на классах. Рис. 8, б дает содержанию этих таблиц графическую интерпретацию.

Рис. 7. Фрагмент скриншота листа «Верстак» программной лаборатории OntoWorker, описывающий формальные понятия, извлеченные в ходе решения задачи онтологического анализа данных

 

Рис. 8. Транзитивная редукция таксономии классов «конструктивной» онтологии и их интенсиональные отношения: а – фрагменты скриншотов листа «Верстак»; б – графическая интерпретация

 

Заключение

Создание программной лаборатории OntoWorker как конкурентоспособного программного продукта в области инженерии знаний стало возможным благодаря успешному развитию в ИПУСС РАН – СамНЦ РАН наукоемкой и практически значимой методологии онтологического анализа данных. Совмещая известные и новые технологии семантической обработки многомерной информации, программная лаборатория имеет значительный потенциал развития прежде всего в части функционального наполнения. Например, здесь можно обозначить следующие задачи:

• – построить содержательные процедуры концептуального шкалирования измеряемых свойств при формировании СИС, вводя описание доменов значений свойств. Сейчас это шкалирование осуществляется умозрительно, формируя тем не менее гипотетическую понятийную структуру исследуемой ПрО и пополняя ограничения существования свойств;
• – добавить стандартные возможности извлечения из РФК импликаций и ассоциативных правил на признаках [4, 5];
• – расширить палитру критериев и методов оценки качества выводимых понятий, включая возможность агрегирования различных критериев, и поддержать перспективные методики построения «конструктивных» онтологий при редуцировании множества формальных понятий на основе учета их качества по различным критериям;
• – интегрировать в программную лабораторию возможности графического представления результатов анализа.

Наконец, учитывая экспоненциальную сложность ряда алгоритмов онтологического анализа и ограниченную производительность интерпретирующей программной платформы, каковой является связка Excel-VBA, оправданно обозначить вопрос о реинжиниринге OntoWorker. Наследуя предложенные архитектурные решения, разумно рассмотреть разнообразные современные возможности в диапазоне от разработки настольного приложения промышленной базы данных на основе мощного средства автоматизации программировании до создания широкодоступного «облачного» сервиса.

Об авторах

Валентина Андреевна Семенова

Самарский федеральный исследовательский центр РАН

Email: queenbfjr@gmail.com
ORCID iD: 0000-0002-0557-3890

младший научный сотрудник, Институт проблем управления сложными системами РАН

Россия, 443020, г. Самара, ул. Садовая, 61

Сергей Викторович Смирнов

Самарский федеральный исследовательский центр РАН

Автор, ответственный за переписку.
Email: queenbfjr@gmail.com
ORCID iD: 0000-0002-3332-5261
SPIN-код: 8039-1421

главный научный сотрудник, доктор технических наук, Институт проблем управления сложными системами РАН

Россия, 443020, г. Самара, ул. Садовая, 61

Список литературы

Дополнительные файлы