Ontology Building Using Data Mining Techniques

Gorskis Henrihs () and Chizhov Yuri ()
Additional contact information
Chizhov Yuri: Riga Technical University

Information Technology and Management Science, 2012, vol. 15, issue 1, 183-188

Abstract: Онтология представляет собой модель, которая использует понятия и связи между ними, чтобы описать определённую отрасль. Она используется, чтобы определить общую терминологию и знания об отрасли, которые общедоступны для пользователя и программного обеспечения. Построение онтологий является длительным и сложным процессом, в котором, как правило, участвует отраслевой эксперт. Для облегчения и ускорения этого процесса, а также чтобы избавиться от необходимости привлечения экспертов, предлагается использовать методы добычи данных для автоматизации построения онтологий. Были рассмотрены методы кластеризации, классификации, ассоциации и прогноза, а также выдвинуты предложения по их использованию в автоматизированном построении онтологии. Дано формальное определение онтологии, которое обозначает все ее элементы. Был сделан обзор научных публикаций в виде таблицы, в которой излагалось, какие методы использовались и какие были получены результаты. Не все рассмотренные статьи давали возможность автоматизированного проектирования онтологии, некоторые предполагали ручной подход. Проведённый обзор показал, что методы интеллектуального анализа данных используются для автоматизации построения онтологии и могут обеспечить впечатляющие результаты. Часто результат алгоритмов добычи данных непосредственно передаётся в онтологию. Из других статей стало известно, что вручную построенные онтологии, как правило, более глубоко описаны и содержат больше информации. Автоматически построенные онтологии в данный момент являются более простыми, однако они создаются намного быстрее и без отраслевого эксперта. Это позволяет автоматическое построение онтологии в отраслях, где нет экспертов, а также выявление и получение ранее неизвестных сведений. Наиболее подходящим алгоритмом для данной задачи является COBWEB, который использует самообучающуюся кластеризацию и вероятностные меры для обнаружения концептов.

Date: 2012
References: View complete reference list from CitEc
Citations:

Downloads: (external link)
https://doi.org/10.2478/v10313-012-0024-5 (text/html)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:vrs:itmasc:v:15:y:2012:i:1:p:183-188:n:24

DOI: 10.2478/v10313-012-0024-5

Access Statistics for this article

Information Technology and Management Science is currently edited by J. Merkurjevs

More articles in Information Technology and Management Science from Sciendo
Bibliographic data for series maintained by Peter Golla ().