Перспективи рефакторингу онтологій
Loading...
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Український державний університет науки і технологій, ІВК «Системні технології», Дніпро
Abstract
UKR: Існуючі онтології доповнюються, розширюються в обсязі, підвищується їх складність. З часом виникають проблеми інтеграції нових знань у якусь онтологію та підтримки вже існуючих онтологій. Проблема посилюється тим, що онтології зазвичай наповнені знаннями з баз даних і анотованих документів на природній мові, що значно збільшує обсяг і складність онтологій. Представлена робота присвячена обробці та аналізу існуючих онтологій і застосуванню до них певних методів рефакторингу з метою вдосконалення онтології та покращення читабельності представлених знань для розробників і користувачів. Виконується розробка відповідного програмного забезпечення та метрик, які будуть об’єктивно засвідчувати ефективність застосування методів рефакторингу. У процесі дослідження було виявлено певний перелік шаблонів, які можна використовувати для рефакторингу онтологій, і реалізовано один з них – шаблон «Property Raising» – перенесення властивості в суперклас. В результаті тестування було встановлено, що після застосування цього шаблону обсяг вихідного файлу з даними онтології зменшився на 3-5%, за умови, що класи-нащадки містили спільні властивості, які були передані суперкласу.
ENG: Existing ontologies are supplemented and expanded in scope, increasing their complexity. Over time, integration issues arise with adding new knowledge to an ontology and maintaining existing ones. The problem is exacerbated by the fact that ontologies typically incorporate knowledge from databases and annotated documents in natural language, significantly increasing the volume and complexity of ontologies. This paper focuses on processing and analyzing existing ontologies and applying specific refactoring methods to enhance ontology and improve the readability of presented knowledge for developers and users. The development of corresponding software and metrics is carried out to objectively demonstrate the effectiveness of refactoring methods. During the research process, a certain list of patterns was identified that can be used for ontology refactoring, and one of them was implemented – the "Property Raising" pattern – transferring a property to a superclass. As a result of testing, it was found that after applying this pattern, the volume of the original ontology data file decreased by 3-5%, provided that the subclass contained common properties that were passed to the superclass.
ENG: Existing ontologies are supplemented and expanded in scope, increasing their complexity. Over time, integration issues arise with adding new knowledge to an ontology and maintaining existing ones. The problem is exacerbated by the fact that ontologies typically incorporate knowledge from databases and annotated documents in natural language, significantly increasing the volume and complexity of ontologies. This paper focuses on processing and analyzing existing ontologies and applying specific refactoring methods to enhance ontology and improve the readability of presented knowledge for developers and users. The development of corresponding software and metrics is carried out to objectively demonstrate the effectiveness of refactoring methods. During the research process, a certain list of patterns was identified that can be used for ontology refactoring, and one of them was implemented – the "Property Raising" pattern – transferring a property to a superclass. As a result of testing, it was found that after applying this pattern, the volume of the original ontology data file decreased by 3-5%, provided that the subclass contained common properties that were passed to the superclass.
Description
В. Шинкаренко: ORCID 0000-0001-8738-7225
Keywords
онтологія, рефакторінг, SPARQL, Ruby, патерни, ontology, refactoring, patterns, КІТ
Citation
Карповський Д. О., Шинкаренко В. І. Перспективи рефакторингу онтологій. Інформаційні технології в металургії та машинобудуванні – ІТММ’2024 : тези доп. Міжнародної наук.-техн. конф. (м. Дніпро, 10–11 квітня 2024 р.). Дніпро, 2024. C. 256–259. DOI: https://doi.org/10.34185/1991-7848.itmm.2024.01.046.