CoMetO : a cognitive design methodology for enhancing the alignment potential of ontologies

Abstract

Eine Vielzahl an Beiträgen und Studien zum Thema Ontology Alignment machen auf einen nach wie vor offenen Forschungsschwerpunkt aufmerksam-der Kluft zwischen Ontology Entwicklern und Usern. Dieses Hindernis resultiert aus den unterschiedlichen Charakteristiken dieser Personengruppen. Auf der einen Seite steht der Entwickler mit seiner Wahrnehmung des Domänen-Bereichs zum Zeitpunkt der Entwicklung der Ontologie, seinem Hintergrundwissen und seiner Modellierungserfahrung.<br />Auf der anderen Seite steht der User mit seinem Wissen über den Domänen-Bereich und seiner Erfahrung im Umgang mit Ontologien.Wir gehen davon aus, dass die Entwickler diese Kluft überbrücken können indem sie gezielt ihr Expertenwissen über den Ontologie Designprozess an den User übermitteln (z.B. als Hilfe für ein verbessertes Verständnis der Ontologie). Zu diesem Zweck haben wir CoMetO entwickelt. Unser Fokus ist dabei auf die sozio-technischen Komponenten im Ontology Engineering gerichtet, die ebenso Kontexte wie auch Perspektiven miteinschliesst.<br />Unser Hauptziel besteht darin eine Kommunikation vom Entwickler zum User zu ermöglichen, die auf Hinweisen aufgebaut ist.<br />In CoMetO berücksichtigen wir das Alignen einer Ontologie bereits vor der eigentlichen Ausführung, d.h. zum Zeitpunkt des Designs. Wir nutzen das Expertenwissen der Entwickler und unterscheiden uns damit von jenen Techniken, die Domänen bezogenes Hintergrundwissen lediglich im Nachhinein ableiten (z.B. aus der Struktur der Ontologie). Unser Ansatz besteht darin eine im Bereich der Pragmatik angewendete Theorie zu adaptieren, um die relationale Struktur einer Ontologie mit Kontext basierter kognitiver Semantik anzureichern, um-in Kombination mit Modell basierter Semantik-ein "Gesamtpaket" als Input für den Alignment-Prozess bereit zu stellen. Ziel ist eine verbesserte Interpretation von Bedeutungsinhalten. Aus diesem Grund nehmen wir eine Pragmatik orientierte Sicht in CoMetO ein, indem wir die kognitive Perspektive der Entwickler auf die Domäne als eine Komponente ihres Experten(meta)wissens berücksichtigen. Diese "feinsinnige" Perspektive wird gegenwärtig weder im Ontology Engineering noch im Ontology Alignment abgebildet. Es gibt keinen Zugang zu diesem Wissen. Zu diesem Zweck führen wir eine Methodik ein die es dem Entwickler ermöglicht diese Perspektive mit Schema-Entitäten (z.B. Klassen und den binäre Relationen zwischen diesen) zu verlinken. Dabei werden, ausgehend vom Entwickler, kognitive Beschränkungen dem Bedeutungsgehalt dieser Entitäten innerhalb bestimmter Kontexte auferlegt.<br />Häufig ähneln sich Ontologien, die den gleichen Interessensbereich beschreiben, sie weisen gleichzeitig aber auch viele Unterschiede auf.<br />Diese werden allgemein als Heterogenitäten bezeichnet. Heterogenitäten haben verschiedene Ursachen, die zu unterschiedlichen Ausprägungen führen (z.B. pragmatische und strukturelle Heterogenität). Das Alignment von Entitäten, die nicht im gleichen Kontext verwendet wurden, oder die unterschiedlichen Modellierungskonventionen unterliegen, kann zu einem Mismatch führen. Für User wäre es von Nutzen, wenn sie Kenntnis vom Grad des Mismatch zwischen zwei Ontologien hätten und zwar bevor ein Alignment durchgeführt wird. Aus diesem Grund haben wir zwei Mismatch-at-Risk Metriken entwickelt, die wir von einer gängigen Risikometrik aus der Finanzstatistik und Konzepten der Inferenzstatistik abgewandelt haben. Zur Berechnung dieser Metriken verwenden wir indikatorbasierte Metadaten, die aus den kognitiven Beschränkungen des Entwicklers resultieren. Die berechneten Mismatch-at-Risk-Parameter sind Prädiktoren für einen möglichen Mismatch aufgrund von pragmatischer wie auch struktureller Heterogenität. Die Zielsetzung ist dem User einen kognitiv komplexen, zeit-, sowie kostenintensiven Prozess zu ersparen.<br />

A multitude of research works and surveys dealing with ontology alignment point to an open research issue-there exists a gap between ontology engineers and users. That obstacle is caused by the discrepancy between the characteristics of the ontology's original modeler (e.g., their view of the domain, context-dependent background information, or modeling experience) and the characteristics of the user responsible for performing the alignment task (e.g., domain knowledge or prior exposure to ontologies). We assume that modelers can bridge this gap by starting to give information about their expert knowledge of the ontology's design process to users (e.g., for aiding meaning interpretation). For this purpose we introduce CoMetO-a cognitive design methodology-where we focus on the socio-technical component in ontology engineering, which involves contexts and perspectives. Our major aim is to foster an evidence-based communication from engineers to users.<br />In our approach the user support in ontology alignment becomes already important ex ante when an ontology's development process starts. We exploit expert knowledge of the original developers themselves; unlike other techniques which consider only ex post knowledge (e.g., derived from the ontology's structure). Our idea is to adapt a theory of pragmatics in order to supplement the ontology's relational structure with (context-based) cognitive semantics to provide-in combination with model-based semantics-a "complete package" for meaning interpretation as input in the alignment process. Therefore, we take a pragmatic-based point of view in CoMetO by considering the modelers' cognitive perspective on the domain as a component of their expert meta-knowledge.<br />This subtle perspective is currently not reflected, neither in ontology engineering nor in ontology alignment. There exists no access to that knowledge. For this purpose we introduce a method by which the linkage of that perspective to schema level entities (e.g., classes and the binary relations that hold among them) is facilitated by cognitive constraints. In that process the modeler constrains the (intended) meaning of these entities in certain contexts.<br />Frequently, ontologies that describe the same domain of interest are similar but also have many differences, which are known as heterogeneity. There are various reasons for heterogeneity leading to different forms of it (e.g., pragmatic and structural heterogeneity).<br />Aligning entities which are not meant to be used in the same context, or which follow different modeling conventions, may result in a mismatch.<br />Users would benefit from knowing the risk level of mismatch between two sources prior to initiating an alignment. For this purpose we introduce two mismatch-at-risk metrics adapted from a risk metric of financial statistics and concepts of inferential statistics. The input of that metrics are automatically-computed, indicator-based metadata that are based on the cognitive constraints made by the modeler. The computed mismatch-at-risk parameters are predictors of a possible pragmatic-, as well as a structural heterogeneity caused mismatch. Our aim is to disburden users from a cognitively complex, time-, and cost-intensive task.