Integration von Ontology Alignment Algorithmen in AlViz

Abstract

Für die Umsetzung der Visionen des Semantic Webs spielt das Kombinieren von unabhängigen Wissensbasen, die beim Semantic Web durch Ontologien umgesetzt werden, eine zentrale Rolle. Auf Grund der semantischen Heterogenität zwischen den Ontologien ähnlicher Domänen ist es allerdings erforderlich diese gegenseitig abzustimmen, sodass sie konsistent sowie kohährent zueinander sind. Dieser Vorgang wird als Ontology Alignment bezeichnet. Die Kernaufgabe dabei ist die Ähnlichkeiten bzw. Übereinstimmungen - so genannte Alignments - zwischen Ontologien zu ermitteln. Es gibt bereits eine Menge an Ontology Alignment Algorithmen bzw.<br />Systemen wie z.B. FOAM, RiMOM, Lily usw., welche Ähnlichkeiten basierend auf Domänenwissen, das durch die Ontologien beschrieben wird, (semi-)automatisch feststellen. Die Ergebnisse der Algorithmen sind leider nicht immer zufriedenstellend. Da die Größe von Ontologien ständig wächst, ist es für den bzw. die BenutzerIn sehr schwierig, die vom Algorithmus gefundenen Alignments zu verfizieren.<br />Hier schafft das Tool AlViz Abhilfe, indem es die Informationen der Ontologien mit den ermittelten Alignments durch Kombination und Verknüpfung mehrerer Visualisierungstechniken graphisch darstellt.<br />Weiters ermöglicht das Tool Änderungen an Alignments vorzunehmen.<br />Die Arbeit präsentiert den Entwurf sowie die Umsetzung einer Erweiterung von AlViz für die Integration von Ontology Alignment Algorithmen. Dazu wird eine Architektur mit einheitlicher Schnittstelle definiert, die auf der Ontology Alignment API basiert. Die eingebundenen Alignment Algorithmen können dadurch direkt aus AlViz gestartet werden. Weiters ermöglicht dies eine schnelle Visualisierung und auch Analyse der Alignment-Ergebnisse in AlViz. Außerdem können nun auch unterschiedliche Alignment Algorithmen kombiniert werden. Dabei kann das Alignment-Ergebnis eines Algorithmus als Eingabe für den Start des nächsten Algorithmus herangezogen werden. Somit können die Stärken von bestimmten Alignment Algorithmen gezielt eingesetzt sowie kombiniert werden.<br />

In order to put visions of the Semantic Web into practice, it's important to combine indepentend knowledge bases. These knowledge bases are represented by ontologies. Due to semantic heterogenity between ontologies of similar domains, it's necessary to align them with each other for them to become consistent and coherent. This process is called ontology alignment, the main task of which it is to find similarities, so called alignments, between the individual ontologies. There already are numerious ontology alignment algorithms existing for example FOAM, RiMOM, Lily and so on. These algorithms (semi-)automatically find out the similarities based on domain knowledge which is described by ontologies. The results of those algorithms are, however, not always satisfying. Because ontologies are continuously growing in size, it's very difficult for the user to varify the resulting alignments of the algorithm.<br />To assist in analyzing and verifying the resulting alignments of the algorithm the tool AlViz was introduced. It does so by combining and coppling various visualization techniques which represent information taken from the ontologies. Furthermore the tool allows for changing alignments.<br />This paper presents a concept as well as the realization of an extension of AlViz for the integration of additional ontology alignment algorithms. For this purpose an architecture with a uniform interface which is based on the Ontology Alignment API [Euzenat, 2006] is defined.<br />Thus, the integrated alignment algorithms can be started directly with AlViz. In addition this allows for a quick visualization and analysis of the alignment results in AlViz. With this extension of AlViz it is also possible to combine different alignment algorithms. Here the alignment result of one algorithm can be used as input for starting the next algorithm. Therefore the strengths of specific alignment algorithms can be implemented and combined selectively.