5.2. Онтологии товаров и услуг

1. 5.2. Онтологии товаров и услуг

2. Онтология • Онтология это система, состоящая из набора понятий и набора утверждений об этих понятиях, на основе которых можно строить классы, объекты, отношения, функции и теории. • Основные компоненты: • Классы или понятия • Отношения • Функции • Аксиомы • Примеры

3. Таксономия публикаций • Publication • Article • Article in book • Conference paper • … • Book • Journal • IEEE expert

4. Отношения в (КА) Employee Head-of-project Project Works-on-Project Project Affiliation Organization Head-of-group Research group

5. Пример аксиомы • Работник, являющийся руководителем проекта, работает в проекте • Переменные Е, Р • Forall (E,P) Employee (E) and Head-Of-Project (E,P) => Works-At-Project (E,P)

6. Лингвистические онтологии • -The main characteristic of this kind of ontologies is that they are bound to the semantics of grammatical units (words, nominal groups, etc) • Основной источник понятий в онтологии – значения языковых единиц • Лингвистические онтологии: WordNet, Mikrokosmos, Sensus, РуТез

7. Задачи • Сбор информации о товарах • Представление информации о товаре • Классификация товаров – разделение по назначению • Поиск по товарам • Показ баннеров • Показ текстов (обзоров, новостей, форумов) по товарам

8. Системы по товарамобщего назначения • Froogle (www.froogle.com) • Яндекс. Маркет • Ручное занесение товара • Ручная классификация • Тындекс (www.tyndex.ru) • Автоматизированный поиск новых прайс-листов • Автоматический разбор прайсов • Автоматическая рубрикация

9. Рубрикаторы продукции • Общероссийский классификатор продукции (ОКП) • Таможенная номенклатура внешнеэкономической деятельности (ТНВЭД) • United Nations Standard Products and Services Code (UNSPSC)

10. Фрагмент классификатора продукции ООН • 42203700 Medical imaging processing equipment and supplies  • 42203701 Medical x ray film daylight stampers or identification printers  • 42203702 Medical imaging wet darkroom or daylight processors  • 42203703 Medical x ray passthrough boxes  • 42203704 Medical toners or developers  • 42203705 Medical imaging dry laser printers or imagers

11. Рубрикаторы. Особенности • Иерархическая структура (древоподобная) • Могут достигать значительной величины (20000 тысяч рубрик) • При делении по разным основаниям могут быть близкие по смыслу рубрики-листья • Невозможно автоматическая классификация на основе только формулировок рубрик – необходимо каждую рубрику снабдить списком выражений

12. Рубрикаторы интернет-систем по товарам • Простые формулировки • 10-15 рубрик на каждом уровне • Величина небольшая • И сложные классификаторы, и экранные рубрикаторы – виды онтологий

14. Автоматическая рубрикация по товарам (Tyndex) • Рубрикатор: набор категорий без иерархии • К каждой категории приписан список слов и последовательностей слов • Рубрика проставляется товару, если в начале строчки встречается элементы списка • Накопленные списки «типов товаров» можно дополнительно использовать для контекстной рекламы

15. Назначение рубрик • Запрос слишком общий – уточнение запроса (Щипцы) • Запрос неоднозначный – выбор значения (масло, стремянка) • Возможность избавиться от побочных рубрик (велосипед – рубрика «Игрушки»)

19. Фрагмент описания рубрики «Автозапчасти» • Стремянка ГАЗ • стремянка зад • Стремянка задней рессоры • Стремянка задняя • Стремянка КАМАЗ • Стремянка МАЗ • Стремянка передняя • Стремянка пер.рес • Стремянка рессоры • стремянка УАЗ

20. Фрагмент описания рубрики «Бытовые товары» • Стремянка БЕТТИ • Стремянка бытовая • Стремянка высотой • Стремянка оцинк • Стремянка стальная • Стремянки "Elkop • Стремянка 3-х ступ • Стремянка 5 ступ • Стремянка 6-ти ступ • Стремянка 8 ступ • Стремянка 8 ступеней • Стремянка 9 ступеней • Стремянка 10 ступеней • Стремянка 11 ступ • Стремянка 12 ступ

24. Рубрикация на специализированном интернет-сайте • www.price.ru - цены на компьютеры, hi-tech, офисное оборудование • Сложный рубрикатор • Сложное описание товара • Поступление списков товаров. Много повторов. Товары с небольшими изменениями • Автоматизированная рубрикация

28. OntoSeek - Content-Based Access to the Web Guarino N. Проект – 1996г. Статья – 1999г.

29. Поиск товаров «по смыслу» -использование таксономии • Обработка синонимов: • Запрос: Automobile • Описание услуги: Car repair • Обработка видов и конкретных марок • Запрос:Automobile • Описание услуги : Jeep repair

30. Поиск товаров «по смыслу» - семантический разбор запроса • Запрос: automobile retail • Описание услуги: • automobile radio and stereo retail store • Car repair and retail shop • Представление товара (услуги) как набор атрибут – значение_атрибута

35. Проблемы Ontoseek • Нужна большая лингвистическая онтология товаров с подробными списками текстовых вариантов. Вместе это предполагается использовать лингвистическую онтологию общего назначения WordNet. • Такая онтология должна включать не только типы товаров, но и конкретные марки товаров • Каждому понятию онтологии должна быть приписана совокупность языковых выражений – в реальных прайсах много сокращений • Каждое понятие должно иметь внутреннюю структуру – набор (атрибут – значение атрибута)

36. Проблемы Ontoseek-2 • Каждый товар в прайсах – нужно представить в формализованном виде • Многозначность слов в описаниях товаров и в запросах

41. Вопросы к лекции • Что такое рубрикатор? • Использование рубрикаторов в интернет-системах по товарам и услугам • Система Ontoseek: какие проблемы пословного поиска и какими средствами предполагалось решать?