1 EINLEITUNG
Die Suchmaschine Google zeigt in ihrem Startfenster immer die aktuelle Anzahl der Dokumente an, die in der Google Datenbank erfasst sind. Am 28.08.02 waren das etwa 2,5 Milliarden Web-Seiten (Abbildung 1-1).
[Abbildung in der Downloadversion enthalten]
Abbildung 1-1
Diese Zahl stellt nicht den gesamten Inhalt des WWW dar und schon gar nicht die damit verknüpften Inhalte, die Firmen- und Universitätsnetze bieten. Die Vorstellung, aus diesem gigantischen Haufen eine brauchbare Information zu extrahieren, scheint absurd. Suchmaschinen bewältigen höchstens die Aufgabe, die gesuchten Wörter in Web-Seiten zu finden. Eine Frage wie: „Was kommt nach dem Graduale?“ gibt als Antwort alle Web-Seiten, in denen diese Abfolge von Wörtern vorkommt, aber nicht die eigentliche Antwort auf diese Frage: “Nach dem Graduale kommt das Alleluia.“ Durch das Lesen der Ergebnisdokumente würde diese Antwort wahrscheinlich auch irgendwann zustande kommen. Jedoch ist schon der Begriff „Graduale“ so mehrdeutig, dass es nicht nur eine Antwort auf diese Frage gibt.
[Abbildung in der Downloadversion enthalten]
Abbildung 1-2[1]
Das Graduale Romanum oder auch Graduale Triplex bezeichnet z.B. ein Buch, das die Gesänge der Messe enthält, während das Graduale ein in der Messe vorkommender Gesang ist, auf den das Alleluia folgt (Abbildung 1- 2). Im Semantik Web von Tim Berners Lee[2] soll die Beantwortung solcher Fragen möglich sein. Lee geht davon aus, das sich im Web die Antworten schon befinden, nur eben noch nicht in der Form, die für die maschinelle Beantwortung nötig wäre. Deshalb müssten die Inhalte der Web-Seiten in relationale Datenbanken gespeichert werden. Eine einfache Vorstellung für eine relationale Datenbank wäre in diesem Fall eine zweispaltige Datenbank mit einer Zeitspalte und einer Namensspalte, in der die chronologische Reihenfolge der Messeteile steht. Die Beziehungen zwischen den Spalten wird Relation genannt und stellt damit die Semantik des Semantik Web dar. In dieser Datenbank sollen also alle Informationen so abgespeichert sein, dass der Computer mit ihnen selbstständig die Fragen beantworten kann. (Das maschinelle Erstellen von Antworten auf vom Menschen gestellte Fragen fällt übrigens in die Disziplin „natural language processing“ oder NLP. NLP ist eine der vielen Disziplinen, die sich um das Hauptthema „künstliche Intelligenz“ drehen. Machine Translation (MT) gehört ebenfalls dazu.)
[...]
Inhaltsverzeichnis
1 Einleitung
2 Die Mikrokosmos Ontology
3 Aufbau der Mikrokosmos Ontology
3.1 Lexikon und Ontologie
3.2 Struktur der Ontologie
3.3 Struktur eines Konzepts
4 Wozu wird die Ontologie gebraucht?
4.1 Auflösung von Ambiguität, Metapher und Metonymie
4.1.1 Ambiguität
4.1.2 Folgerungen aus Lücken schließen
4.1.3 Metonymie
5 Fazit
Zielsetzung und Themen der Arbeit
Die Arbeit verfolgt das Ziel, die Rolle und Funktionsweise der „Mikrokosmos Ontology“ im Kontext der maschinellen Übersetzung und des Semantic Web zu untersuchen, um die Frage zu klären, wie semantische Wissensrepräsentation zur computergestützten Sprachverarbeitung beiträgt.
- Grundlagen der Ontologien in der Computerlinguistik
- Struktureller Aufbau und Komponenten der Mikrokosmos Ontology
- Verknüpfung von Lexikoneinträgen mit ontologischen Konzepten
- Anwendung der Ontologie zur Auflösung semantischer Ambiguitäten
- Einsatz von Inferenzmechanismen bei Lücken im Textverständnis
Auszug aus dem Buch
3.3 Struktur eines Konzepts
Die Ontologie besteht aus miteinander verknüpften Konzepten. In den Abbildungen aus den Unterpunkten sind die Konzepte mit einem Wort dargestellt. In diesem Absatz soll die innere Struktur der Konzepte anhand eines Beispiels erläutert werden. Vorab aber die Definition einiger Begriffe, die in dem Beispiel eine Rolle spielen.
Slot: In den Konzepten gibt es slots. Diese verknüpfen das Konzept mit anderen Konzepten. Slots sind meistens PROPERTYs. Ein Beispiel: das Konzept DOLCH hat einen slot AUS-MATERIAL. Dieser slot beschreibt eine Eigenschaft, die der Dolch hat, nämlich, dass er aus einem Material besteht (Abbildung 3-6).
Filler: Aus welchem Material der Dolch besteht steht in dem filler z.B. EISEN.
In Abbildung 3-7 ist das Konzept ACQUIRE abgebildet. Nach dem Konzeptnamen steht eine kurze Definition des Wortes. Im Konzept sind 8 slots zu sehen. Die slots haben Bezeichnungen z.B. IS-A oder THEME. Die Bezeichnungen sind ihrerseits Namen von Konzepten und zwar von PROPERTYs. TRANSFER-POSSESSION ist der filler des facet des slots. An anderer Stelle befindet sich ein AGENT slot. Hier ist anscheinend die erste Stelle von „acquire“ gemeint (X acquire Y; X=Stelle 1, Y= Stelle 2). AGENT hat eine sem facet mit dem filler HUMAN.
Zusammenfassung der Kapitel
1 Einleitung: Einführung in die Problematik der massiven Datenmengen im Web und die Notwendigkeit von maschinellem Verständnis zur Beantwortung komplexer Anfragen.
2 Die Mikrokosmos Ontology: Definition der Ontologie als symbolbasiertes System zur Erstellung interlingualer Repräsentationen für die maschinelle Übersetzung.
3 Aufbau der Mikrokosmos Ontology: Erläuterung der Verbindung zwischen Lexikon und Ontologie sowie der hierarchischen Struktur und den inneren Konzeptkomponenten (Slots/Filler).
4 Wozu wird die Ontologie gebraucht?: Untersuchung praktischer Einsatzszenarien zur Auflösung von Ambiguitäten, zum Schließen von Textlücken und zur Erkennung von Metonymien.
5 Fazit: Zusammenfassende Bewertung der Mikrokosmos Ontology als zukunftsweisendes Instrument für intelligente Suchmaschinen und NLP-Anwendungen.
Schlüsselwörter
Mikrokosmos Ontology, Computerlinguistik, Maschinelle Übersetzung, Semantic Web, Ontologie, Lexikoneintrag, Wissensrepräsentation, Ambiguität, Inferenz, Metonymie, Natural Language Processing, Konzepte, Semantisches Netzwerk, Sprachverständnis, Informatik
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit befasst sich mit der Funktionsweise und dem Nutzen der Mikrokosmos Ontology als Modell für die computergestützte Wissensrepräsentation im Bereich der natürlichen Sprachverarbeitung.
Welche zentralen Themenfelder werden behandelt?
Die Schwerpunkte liegen auf der Struktur von Ontologien, der Interaktion mit Computerlexika und der praktischen Anwendung bei linguistischen Herausforderungen wie Mehrdeutigkeiten.
Was ist das primäre Ziel oder die Forschungsfrage?
Das Ziel ist es zu analysieren, wie eine Ontologie als semantisches Netzwerk dazu beitragen kann, Texte maschinell besser zu verstehen und präziser zu übersetzen.
Welche wissenschaftliche Methode wird verwendet?
Der Autor führt eine theoretische Analyse der Architektur der Mikrokosmos Ontology durch und evaluiert diese anhand von linguistischen Anwendungsbeispielen.
Was wird im Hauptteil behandelt?
Der Hauptteil gliedert sich in den Aufbau der Ontologie-Struktur (Konzepte, Slots, Filler) und die konkrete Anwendung bei linguistischen Phänomenen wie Metaphern, Metonymien und Ambiguitäten.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den wichtigsten Begriffen gehören Mikrokosmos Ontology, NLP, Wissensrepräsentation, Ambiguitätsauflösung und das Semantic Web.
Wie löst das System Ambiguitäten auf?
Durch die Nutzung des semantischen Netzwerks innerhalb der Ontologie berechnet das System den „kürzesten Weg“ zwischen Konzepten, um die wahrscheinlichste Bedeutung in einem bestimmten Kontext zu ermitteln.
Welche Rolle spielen „Slots“ und „Filler“ innerhalb eines Konzepts?
Slots dienen als Verbindungsstellen zu anderen Konzepten und definieren Eigenschaften, während der Filler den konkreten Wert oder das zugehörige Konzept innerhalb dieses Slots beschreibt.
- Quote paper
- Ramon Schalleck (Author), 2002, Mikrokosmos Ontology, Munich, GRIN Verlag, https://www.grin.com/document/7599
