ntology’ originates from philosophy

ntology’ originates from philosophy, where it refers to a discipline concerned with the question of what exists and what is the essence of things.1 Over the last decades, the term has been adopted by computer science to denote a structured framework for the representation of information and knowledge. In this context, ontologies are primarily seen as a means to efficiently build knowledge-based software. Such software systems – also referred to as ‘intelligent systems’ or ‘expert systems’ – comprise two basic software components: the knowledge base, which contains generic domain knowledge as well as concrete facts about the case under consideration, and the inference engine (or reasoner), which processes the knowledge and facts stored in the knowledge base and tries to infer a solution for the case at hand.

Traditionally, intelligent systems were built from scratch. For large systems, however, this proceeding turned out to be too costly and time consuming. Particularly, the construction of the knowledge bases proved to be the main cost-driver that hindered the further development of intelligent systems in the late 1980s. To overcome this economic barrier, Neches et al. (1991) suggested to assemble a knowledge base from reusable knowledge components: “System developers would then only need to worry about creating the specialized knowledge […] new to the specific task of the system […] In this way, declarative knowledge […] and reasoning services would all be shared among systems.”

Within the suggested approach, ontologies have the function of providing a consensual knowledge representation, which can be reused and shared across software systems and by different groups of users. Domain ontologies, in particular, aim at capturing the knowledge of an entire application domain, such as physics, chemistry, or engineering. In order to be widely applicable, the knowledge represented in an ontology must be generic; that is, the ontology is expected to provide “a conceptual foundation for a range of anticipated tasks”, but not to “include vocabulary sufficient to express all the knowledge relevant to those tasks” ( Gruber, 1995). Thus, to create a knowledge base for a particular application, the knowledge components provided by the ontology must be specialized and customized.

Ontologies can be modeled with different modeling techniques, and they can be implemented in various kinds of languages (Uschold & Grüninger, 1996). Examples of common modeling techniques, or modeling paradigms, include frames (e.g., Minsky, 1975), first-order logic (e.g., Hodges, 1983), description logic (abbr. DL; e.g., Baader, Calvanese, McGuinness, Nardi, & Patel-Schneider, 2003), database modeling techniques (e.g., Chen, 1976), and rule-based languages (a.k.a. rule languages; e.g., Lloyd, 1987); for each paradigm, multiple implementations, or modeling languages, exist.

In spite of their diversity, the different modeling languages share structural similarities and have comparable modeling elements. In particular, most languages provide constructs for classes, instances, and relations, although they may be named differently in the respective implementations.

ผลลัพธ์ (ไทย) 1:

ntology' ต้นกำเนิดจากปรัชญา ซึ่งมันหมายถึงวินัยเกี่ยวข้องกับคำถามของสิ่งที่มีอยู่และสิ่งที่เป็นสาระสำคัญของ things.1 กว่าทศวรรษ คำได้นำวิทยาการคอมพิวเตอร์เพื่อแสดงโครงสร้างการทำงานสำหรับการแสดงของข้อมูลและความรู้ ในบริบทนี้ ontologies ส่วนใหญ่พบว่ามีการสร้างซอฟต์แวร์ที่ใช้ความรู้อย่างมีประสิทธิภาพ ระบบซอฟต์แวร์ดังกล่าว – ยัง เรียกว่า 'ระบบอัจฉริยะ' หรือ 'ระบบผู้เชี่ยวชาญ' ประกอบด้วยสององค์ประกอบซอฟต์แวร์พื้นฐาน: ฐานความรู้ ซึ่งประกอบด้วยความรู้ทั่วไปโดเมนเป็นคอนกรีตข้อเท็จจริงเกี่ยวกับกรณีภายใต้การ พิจารณา และโปรแกรมการอ้างอิง (หรือ reasoner), ซึ่งประมวลผลความรู้และข้อเท็จจริงที่เก็บไว้ในฐานความรู้ และพยายามเข้าใจการแก้ไขปัญหากรณีที่ประเพณี ระบบอัจฉริยะถูกสร้างจากรอยขีดข่วน สำหรับระบบขนาดใหญ่ อย่างไรก็ตาม ดำเนินการต่อไปนี้กลายเป็นค่าใช้จ่าย และใช้เวลานานเกินไป โดยเฉพาะ การก่อสร้างฐานความรู้พิสูจน์ให้ หลักต้นทุนโปรแกรมควบคุมที่ขัดขวางการพัฒนาในอนาคตของระบบอัจฉริยะในปลายทศวรรษ 1980 เพื่อเอาชนะอุปสรรคนี้เศรษฐกิจ Neches et al. (1991) แนะนำให้รวบรวมฐานความรู้จากส่วนประกอบของความรู้ที่นำมาใช้ใหม่: "นักพัฒนาระบบจะแล้วต้องกังวลเกี่ยวกับการสร้างความรู้เฉพาะทาง [...] ใหม่การใช้งานเฉพาะระบบ [...] ในวิธีนี้ ความรู้ชัดแจ้ง [...] และบริการในการให้เหตุผลจะทั้งหมดใช้ร่วมกันระหว่างระบบ"ภายในวิธีการแนะนำ ontologies มีฟังก์ชันของการแสดงความยินยอม ซึ่งสามารถนำมาใช้ และใช้ร่วมกันทั่ว ทั้งระบบซอฟต์แวร์ และกลุ่มผู้ใช้อื่น โดเมน ontologies โดยเฉพาะ จุดมุ่งหมายจับความรู้ของทั้งโดเมนโปรแกรมประยุกต์ เช่นฟิสิกส์ เคมี วิศวกรรม เพื่อที่จะบังคับใช้กันอย่างแพร่หลาย ความรู้ที่แสดงในภววิทยาต้องทั่วไป นั่นคือ ภววิทยาคาดว่าจะให้ "รากฐานแนวคิดสำหรับช่วงของงานที่คาดไว้" แต่ไม่ใช่ "รวมคำศัพท์ที่เพียงพอในการแสดงความรู้ทั้งหมดที่เกี่ยวข้องกับงานเหล่านั้น" (Gruber, 1995) ดังนั้น เพื่อสร้างฐานความรู้สำหรับโปรแกรมประยุกต์ที่เฉพาะ ส่วนประกอบความรู้จากภววิทยาต้องความ และกำหนดเองOntologies สามารถถูกจำลอง ด้วยเทคนิคการสร้างโมเดลที่แตกต่างกัน และพวกเขาสามารถดำเนินการชนิดต่าง ๆ ของภาษา (Uschold & Grüninger, 1996) ตัวอย่างของหรือทั่วไปเทคนิคการสร้างโมเดล โมเดล กรอบได้แก่กรอบ (เช่น Minsky, 1975), ตรรกะลำดับแรก (เช่น ใช้ 1983), อธิบายตรรกะ (abbr. DL; Baader เช่น Calvanese, McGuinness, Nardi, & Patel Schneider, 2003), ฐานข้อมูลเทคนิคการสร้างโมเดล (เช่น Chen, 1976), และภาษาตามกฎ (หรือกฎภาษา เช่น Lloyd, 1987); สำหรับแต่ละกระบวนทัศน์ ใช้งาน หรือหลายโมเดลภาษา มีทั้ง ๆ ที่ มีความหลากหลาย ภาษาสร้างโมเดลต่าง ๆ แชร์โครงสร้างคล้ายคลึงกัน และมีองค์ประกอบเปรียบเทียบโมเดล โดยเฉพาะอย่างยิ่ง ภาษาส่วนใหญ่มีโครงสร้าง กรณี และความ สัมพันธ์ แม้ว่าพวกเขาอาจมีชื่อแตกต่างกันในการใช้งานที่เกี่ยวข้อง

ผลลัพธ์ (ไทย) 2:

ntology 'มาจากปรัชญาที่มันหมายถึงการมีระเบียบวินัยที่เกี่ยวข้องกับคำถามของสิ่งที่มีอยู่และสิ่งที่เป็นสาระสำคัญของ things.1 เป็นเวลาหลายทศวรรษที่ผ่านมาคำว่าได้รับการรับรองโดยวิทยาการคอมพิวเตอร์เพื่อแสดงกรอบโครงสร้างสำหรับการแสดงของ ข้อมูลและความรู้ ในบริบทนี้จีจะเห็นส่วนใหญ่เป็นวิธีการอย่างมีประสิทธิภาพสร้างซอฟต์แวร์ฐานความรู้ ระบบซอฟแวร์ดังกล่าว - ยังเรียกว่า 'ระบบอัจฉริยะ' หรือ 'ระบบผู้เชี่ยวชาญ' - ประกอบด้วยสององค์ประกอบซอฟต์แวร์พื้นฐาน: ฐานความรู้ซึ่งมีความรู้ทั่วไปโดเมนเช่นเดียวกับข้อเท็จจริงที่เป็นรูปธรรมเกี่ยวกับกรณีภายใต้การพิจารณาและกลไกการอนุมาน (หรือ เฟ้น) ซึ่งกระบวนการความรู้และข้อเท็จจริงที่เก็บไว้ในฐานความรู้และพยายามที่จะสรุปวิธีแก้ปัญหาสำหรับกรณีที่มือได้.

ตามเนื้อผ้าระบบอัจฉริยะที่ถูกสร้างขึ้นจากรอยขีดข่วน สำหรับระบบขนาดใหญ่อย่างไรก็ตามการดำเนินการนี้เปิดออกมาเป็นค่าใช้จ่ายสูงเกินไปและใช้เวลานาน โดยเฉพาะอย่างยิ่งการสร้างฐานความรู้ที่พิสูจน์แล้วว่าเป็นค่าใช้จ่ายหลักไดรเวอร์ที่ขัดขวางการพัฒนาต่อไปของระบบอัจฉริยะในปลายทศวรรษ 1980 ที่จะเอาชนะอุปสรรคทางเศรษฐกิจนี้ชีส์ et al, (1991) แนะนำให้รวบรวมฐานความรู้จากองค์ประกอบความรู้ที่นำมาใช้ใหม่: "นักพัฒนาระบบจะแล้วเท่านั้นจำเป็นต้องกังวลเกี่ยวกับการสร้างความรู้เฉพาะ [ ... ] ใหม่ให้กับงานที่เฉพาะเจาะจงของระบบ [ ... ] วิธีนี้ความรู้ที่เปิดเผย [ ... ] และบริการเหตุผลทุกคนจะได้ร่วมกันระหว่างระบบ. "

ภายในวิธีที่แนะนำจีมีฟังก์ชั่นของการให้ความรู้การแสดงความยินยอมซึ่งสามารถนำกลับมาใช้และใช้ร่วมกันในระบบซอฟต์แวร์และกลุ่มที่แตกต่างกันของผู้ใช้ จีโดเมนโดยเฉพาะอย่างยิ่งมีจุดมุ่งหมายที่จับความรู้ของโดเมนโปรแกรมทั้งหมดเช่นฟิสิกส์เคมีหรือวิศวกรรม เพื่อที่จะได้ใช้กันอย่างแพร่หลายความรู้ที่เป็นตัวแทนในอภิปรัชญาจะต้องทั่วไป; นั่นคืออภิปรัชญาที่คาดว่าจะให้ "รากฐานแนวคิดสำหรับช่วงของงานที่คาดว่าจะเป็น" แต่ไม่ "รวมคำศัพท์เพียงพอที่จะแสดงความรู้ทั้งหมดที่เกี่ยวข้องกับงานเหล่านั้น" (กรูเบอร์ 1995) ดังนั้นเพื่อสร้างฐานความรู้สำหรับการประยุกต์ใช้เฉพาะชิ้นส่วนความรู้ที่ได้รับจากอภิปรัชญาจะต้องมีความเชี่ยวชาญและการปรับแต่ง.

จีสามารถจำลองด้วยเทคนิคการสร้างแบบจำลองที่แตกต่างกันและพวกเขาก็สามารถดำเนินการได้ในหลายชนิดของภาษา (Uschold และ Gruninger 1996 ) ตัวอย่างของเทคนิคการสร้างแบบจำลองทั่วไปหรือกระบวนทัศน์การสร้างแบบจำลองรวมถึงเฟรม (เช่นมินสกี, 1975) ตรรกะลำดับแรก (เช่นฮอดจ์ 1983) ตรรกะคำอธิบาย (abbr DL. เช่น Baader, Calvanese, กินเนสส์ Nardi & Patel-ไนเดอร์, 2003), ฐานข้อมูลเทคนิคการสร้างแบบจำลอง (เช่นเฉิน, 1976) และภาษาตามกฎ (aka ภาษากฎ; เช่นลอยด์ 1987); สำหรับแต่ละกระบวนทัศน์การใช้งานหลายภาษาหรือการสร้างแบบจำลองมีอยู่.

ทั้งๆที่มีความหลากหลายของพวกเขาแบบภาษาที่แตกต่างกันแบ่งปันความคล้ายคลึงกันโครงสร้างและมีองค์ประกอบการสร้างแบบจำลองเทียบเคียง โดยเฉพาะอย่างยิ่งภาษาให้มากที่สุดสำหรับการเรียนการสร้างอินสแตนซ์และความสัมพันธ์ถึงแม้ว่าพวกเขาอาจจะมีชื่อแตกต่างกันในการใช้งานที่เกี่ยวข้อง

ผลลัพธ์ (ไทย) 3:

ntology " มาจากปรัชญา ซึ่งก็หมายถึง การมีวินัยที่เกี่ยวข้องกับคำถามของสิ่งที่มีอยู่และสิ่งที่เป็นสาระของสิ่งที่ 1 กว่าทศวรรษที่ผ่านมา ระยะเวลาที่ได้รับการรับรองโดยวิทยาศาสตร์คอมพิวเตอร์ ไปจนถึงการสร้างกรอบสำหรับการเป็นตัวแทนของข้อมูลและความรู้ ในบริบทนี้ นโทโลจีเป็นหลักจะเห็นเป็นวิธีการอย่างมีประสิทธิภาพสร้างซอฟต์แวร์ฐานความรู้ ซอฟต์แวร์เช่นระบบ ( ยังเรียกว่า " ระบบอัจฉริยะ’ หรือ ‘ผู้เชี่ยวชาญระบบประกอบด้วยสององค์ประกอบ : พื้นฐานและซอฟต์แวร์ฐานความรู้ ซึ่งประกอบด้วยความรู้ทั่วไปรวมทั้งข้อเท็จจริงเกี่ยวกับกรณีคอนกรีตภายใต้การพิจารณาและการอนุมานเครื่องยนต์ ( หรือรีเซอเนอร์ ) ซึ่งกระบวนการให้ความรู้และข้อเท็จจริงที่จัดเก็บไว้ในฐานความรู้ และพยายามที่จะอนุมานคำตอบสำหรับกรณีที่ .ผ้า ระบบอัจฉริยะ สร้างขึ้นจากรอยขีดข่วน สำหรับระบบขนาดใหญ่ อย่างไรก็ตาม การดำเนินการนี้กลายเป็นแพงเกินไปและใช้เวลานาน . โดยเฉพาะการสร้างความรู้เป็นหลักฐานพิสูจน์ต้นทุนไดรเวอร์ที่ขัดขวางการพัฒนาต่อไปของระบบอัจฉริยะในไฟต์ล่าช้า เพื่อเอาชนะอุปสรรคทางเศรษฐกิจนี้ neches et al . ( 1991 ) ได้แนะนำให้รวบรวมความรู้พื้นฐานจากส่วนประกอบของความรู้สามารถ : " ระบบนักพัฒนาจะต้องกังวลเกี่ยวกับการสร้างความรู้เฉพาะด้าน [ . . . ] ใหม่เฉพาะงานของระบบ [ . . . ] ในวิธีนี้จัดเก็บความรู้ [ . . . ] และบริการเหตุผลทั้งหมดจะสามารถใช้ร่วมกันระหว่างระบบ .ภายใน แนะนำวิธีการ นโทโลจีมีฟังก์ชั่นของการให้ความรู้การสมยอมซึ่งสามารถใช้ร่วมกันทั้งระบบซอฟต์แวร์และกลุ่มที่แตกต่างกันของผู้ใช้ โดเมนนโทโลจีโดยเฉพาะ มุ่งเข้าถึงความรู้ของโดเมนโปรแกรมประยุกต์ทั้งหมด เช่น ฟิสิกส์ เคมี หรือวิศวกรรม เพื่อให้สามารถใช้ได้อย่างกว้างขวาง ความรู้ที่แสดงในอภิปรัชญาต้องทั่วไป นั่นคือ อภิปรัชญา คาดว่า จะให้ " มูลนิธิเพื่อปรับปรุงช่วงคาดงาน " แต่ไม่ " รวมคำศัพท์เพียงพอที่จะแสดงความรู้ทั้งหมดที่เกี่ยวข้องกับงานเหล่านั้น " ( Gruber , 1995 ) ดังนั้น เพื่อสร้างฐานความรู้สำหรับโปรแกรมเฉพาะ ความรู้ส่วนประกอบโดยภววิทยาต้องเฉพาะ และปรับแต่งนโทโลจีสามารถจำลองแบบด้วยเทคนิคที่แตกต่างกันและพวกเขาสามารถใช้ในหลากหลายประเภทของภาษา ( uschold & Gr ü ninger , 1996 ) ตัวอย่างของเทคนิคแบบทั่วไป หรือแบบกระบวนทัศน์ รวมกรอบ ( เช่น มินสกี , 1975 ) , - ลำดับตรรกะ ( เช่น ฮอดเจส , 1983 ) , ตรรกะคำอธิบาย ( abbr . DL ; เช่น Baader calvanese เมิ่กกีเนิส Nardi , , , , และ พาเทล ( 2003 ) , ฐานข้อมูลแบบเทคนิค ( เช่น เฉิน , 1976 ) กฎภาษา ( a.k.a . กฎและภาษา เช่น ลอยด์ , 1987 ) ; สำหรับแต่ละรูปแบบ หลายราย หรือโมเดลลิ่ง ภาษา อยู่แม้ว่าความหลากหลายของภาษาแบบจำลองโครงสร้างคล้ายคลึงกันและแตกต่างกันแบ่งปัน มีองค์ประกอบแบบเทียบเคียง โดยเฉพาะภาษาส่วนใหญ่มีโครงสร้างสำหรับคลาสอินสแตนซ์ , และความสัมพันธ์ แม้ว่าพวกเขาอาจจะใช้ชื่อแตกต่างกันในแต่ละ