Um framework baseado em plug-ins para raciocínio em ontologias PR-OWL 2

Abstract

O volume crescente de informações disponibilizadas na Internet dificulta a localização da informação desejada, visto que os mecanismos de busca usuais são fortemente baseados em aspectos sintáticos. A Web Semântica e a OWL (Web Ontology Language) são tecnologias promissoras para o desenvolvimento de aplicações que permitam realizar buscas complexas na Internet. No entanto, ambas, como atualmente proposto, não consideram a incerteza, a qual é inerente à problemas do mundo real. Uma linha de pesquisa atual bastante ativa é a busca por propostas que ofereçam princípios sólidos e consistentes para raciocínio plausível na Web. Nesse contexto, Probabilistic Web Ontology Language (PR-OWL) (31, 34) emergiu como uma candidata para representação de ontologias probabilísticas na Web. PR-OWL é baseada no formalismo de MEBN (Multi-Entity Bayesian Network) (67) que é uma linguagem probabilística de primeira ordem. Apesar de sua alta expressividade, PR-OWL falha ao integrar consistentemente o conhecimento probabilístico com conhecimento determinístico oriundo de OWL, dificultando o reuso de informações “não probabilísticas”. Visando solucionar tal problema, PR-OWL 2, uma versão de PR-OWL que permite mapear propriedades OWL com variáveis aleatórias, foi proposta na Universidade George Mason (19). Esta dissertação propõe a primeira implementação mundial da especificação PR-OWL 2. Essa implementação foi feita no framework UnBBayes (17, 22, 79, 81, 100), composta de interface gráfica, API e máquina de inferência, todas elas programadas em Java. Para facilitar o desenvolvimento de aplicações, o UnBBayes foi refatorado, migrando para a arquitetura de plug-ins, com o objetivo de se tornar uma linha de produtos de software com variabilidade resolvida em tempo de execução. Portanto, este trabalho contribui também para a área de Engenharia de Software como um exemplo de linha de produtos de software dinâmico no domínio de Inteligência Artificial. ______________________________________________________________________________ ABSTRACT

The growing volume of information available on the Internet makes it difficult to locate desired information, because search engines rely basically on syntactic aspects. The Semantic Web and OWL (Web Ontology Language) are promising technologies for developing applications which perform complex searches on the Internet. However, such technologies, as currently proposed, do not consider the uncertainty inherent to real world problems. A very active and up-to-date field of research is to look for proposals that offer principled, consistent, and plausible reasoning on the Web. In such context, Probabilistic Ontology Web Language (PR-OWL) (31, 34) has emerged as a candidate for representing probabilistic ontologies on the Web. PR-OWL is based on MEBN (Multi-Entity Bayesian Network) formalism (67), which is a first-order probabilistic language. Despite its expressiveness, PR-OWL fails to consistently integrate the probabilistic knowledge with deterministic knowledge coming from OWL, making the reuse of “non-probabilistic” information on probabilistic ontologies very difficult. In order to solve such problem, PR-OWL 2, a new version of PR-OWL which allows us to create a mapping from random variables to OWL properties, was proposed at George Mason University (19). This work is intended to offer the first world-wide implementation of PR-OWL 2. This implementation was built on UnBBayes framework (17, 22, 79, 81, 100), offering a GUI, API, and a reasoner, all developed in Java. Additionally, in order to facilitate the development of new applications, the UnBBayes framework was refactored to use a plug-in design, in order to become a Software Product Line with runtime variability. Therefore, this work also contributes to the area of Software Engineering as an example of a Dynamic Software Product Line in the field of Artificial Intelligence.