Technologie wspierajce zarzdzanie wiedz 1 Zarzdzanie wiedz Kontekst

Technologie wspierające zarządzanie wiedzą 1

Zarządzanie wiedzą Kontekst organizacyjny zarządzania wiedzą. Techniki wspierające zarządzanie wiedzą: n sieci semantyczne, n wyszukiwanie wsparte modelem wiedzy. Standardy modelowania wiedzy: n Topic. Maps, n Resource Description Framework. 2

Modne hasło: zarządzanie wiedzą Wiedza – najcenniejszy zasób w organizacji. Zarządzanie wiedzą: n powstawanie wiedzy, n przesyłanie wiedzy (dzielenie się wiedzą), n wykorzystanie wiedzy. 3

Wiedza a kultura organizacyjna Psychologiczne bariery przepływu wiedzy: n "gromadzisz wiedzę – masz władzę – budujesz swój autorytet", n "korzystając z cudzej wiedzy przyznajesz, że jesteś niekompetentny". Syndrom klasy szkolnej. Motywowanie do dzielenia się wiedzą: n ocenianie pracowników, n udział w efektach wykorzystania wiedzy, n tworzenie warunków do wymiany wiedzy: n czas i miejsce, n technologia. 4

Rozwiązania System plików (na dysku sieciowym). System zarządzania dokumentami/treścią: n metainformacje, workflow, wersje, uprawnienia, . . . , n SGML/XML, n Intranet – zarządzanie i publikowanie treści w jednym. Portal korporacyjny: n każdy jest zarówno czytelnikiem, jak i autorem, n udostępnianie zintegrowanej informacji z: n systemów biznesowych organizacji, n Internetu; n jednokrotna autoryzacja dostępu do wszystkich zasobów, n personalizacja. Czy to jest zarządzanie wiedzą? 5

Co autor miał na myśli Co ciekawsze zasłyszane definicje systemu zarządzania wiedzą: n baza wszystkich pracowników, ich doświadczeń i umiejętności, pozwalająca na znalezienie osoby o zadanym doświadczeniu, n system umożliwiający określenie statusu i miejsca przebywania przesyłki (w firmie kurierskiej), n system przekazu obrazu wideo, pozwalający ekspertom na zdalną diagnozę i naprawę uszkodzonych szybów naftowych. Czy to jest zarządzanie wiedzą? 6

Czym tak na prawdę jest wiedza? To więcej niż: To sieć n informacja, n powiązań, n tekst, n relacji, n dokument. n skojarzeń między n informacjami, n doświadczeniami, Tymczasem: n systemy zarządzania dokumentami, n systemy zarządzania treścią, n portale korporacyjne operują na dokumentach! n spostrzeżeniami. 7

Wiedza a technologia Modelowanie wiedzy: n ontologia – schemat modelowanej dziedziny: System zarządzania wiedzą: n budowanie ontologii, n typy pojęć, n budowanie, rozwijanie mapy wiedzy, n typy relacji między pojęciami, n nawigacja po mapie wiedzy. n mapa wiedzy: n abstrakcyjne pojęcia, n powiązania między pojęciami, n wystąpienia pojęć w dokumentach. 8

Mapa wiedzy – przykład ryba główny składnik rodzaj śledź świeży przygotowywany z śledź solony suszona pietruszka grupa podobny do śledzie główny składnik w śmietanie grupa składnik można zastąpić śledzie w oliwie danie rybne natka pietruszki 9

Ontologia – przykład Typy pojęć: n przepis, n grupa przepisów, n składnik. Relacje: n składnik wchodzi w skład przepisu, n składnik jest głównym składnikiem przepisu, n składnik jest rodzaju składnik, n składnik jest przygotowywany ze składnika, n składnik można zastąpić składnikiem, n przepis należy do grupy przepisów, n przepis jest podobny do przepisu 10

Wiedza operacyjna a wiedza abstrakcyjna Wiedza operacyjna: n opisuje konkretne instancje obiektów i ich własności, np. : n klienta Jana Kowalskiego, n polisę nr 1234 -5678/2002; n często się zmienia, n ma charakter relacji bazodanowych. Wiedza abstrakcyjna: n opisuje własności abstrakcyjnych bytów (klas obiektów), np: n zakres ubezpieczenia terminowego na życie; n nie zmienia się w wyniku działalności operacyjnej, n ma charakter luźnej sieci powiązań. 11

Sztuczna inteligencja a zarządzanie wiedzą Zarządzanie wiedzą w organizacji: n to człowiek, a nie maszyna, wykorzystuje wiedzę, n problemem jest efektywny dostęp do zgromadzonej wiedzy. Reprezentacja wiedzy w sztucznej inteligencji: n logika klasyczna, n logiki niemonotoniczne i inne, n sieci semantyczne. 12

Mapa wiedzy a dokumenty Wiedza zawarta w: n pojęciach i powiązaniach w mapie wiedzy, Poeta napisał n treści dokumentów. Warstwa pojęć autor dzieło Szekspir biografia Warstwa dokumentów Szekspir – biografia „Hamlet” zdjęcie treść Hamlet by W. Shakespeare 13

Jak dotrzeć do wiedzy zawartej w dokumentach? Znajdowanie właściwych dokumentów: n nawigacja po mapie wiedzy, n wyszukiwanie pełnotekstowe: n często wystarczy odnaleźć rozwiązanie podobne, n na czym polega "podobieństwo"? jak je wyrazić? Wyszukując w treści dokumentów, powinniśmy uwzględnić: n wiedzę zakodowaną w mapie wiedzy o zależnościach między pojęciami, n wiedzę ukrytą. Rozwiązanie: n wyszukiwanie wsparte modelem wiedzy. 14

Wyszukiwanie a wiedza zapytanie Wyszukiwanie wsparte modelem wiedzy: n konfrontuje zapytanie z modelem wiedzy, n znajduje dokumenty semantycznie odpowiadające zapytaniu. baza wiedzy wiedza dane i dokumenty inteligentne odpowiedzi 15

Model wiedzy – przykład Typ: składnik. Wartości i podobieństwa: śledź świeży śledź solony natka pietruszki suszona pietruszka koperek śledź 100 0 0 0 90 20 śledź świeży 100 śledź solony 80 60 natka pietruszki 0 0 0 suszona pietruszka 0 0 0 80 koperek 0 0 0 20 20 20 16

Model wiedzy – przykład Typ: kaloryczność Funkcja podobieństwa: 100% user input 17

Idealny system zarządzania wiedzą Funkcjonalność portalu korporacyjnego plus: n zasoby opisane mapą wiedzy: n interfejs aktualizacji mapy wiedzy, n nawigacja; n wyszukiwanie wsparte modelem wiedzy: n zadawanie zapytań w języku naturalnym, n rozpoznawanie polskiej odmiany wyrazów. 18

Resource Description Framework – metodologia opisu zasobów (w Internecie). Zastosowania: n metainformacje zasobów, n modelowanie zależności pomiędzy zasobami, n wnioskowanie na podstawie modelu wiedzy (RDQL – Resource Description Query Language, język zapytań), n Semantic Web. 19

Reprezentacja wiedzy w RDF Zdania logiczne: n podmiot orzeczenie przedmiot n np. A. A. Milne jest autorem „Kubusia Puchatka” Pojęcia: n zasoby: „A. A. Milne”, „Kubuś Puchatek” A. A. Milne jest autorem Kubuś Puchatek n typy właściwości: „jest autorem”, „słowo kluczowe” n wartości właściwości: zasób „Kubuś Puchatek”, literał „miód” Typy właściwości są zasobami. Właściwości mogą być zasobami. Elastyczność: n nie ogranicza się repertuaru właściwości. 20

Budowanie ontologii w RDF Obiektowość: n klasy obiektów, n relacja podklasy, n relacja bycia instancją. Typy właściwości: n dziedzina – klasa obiektów, do których się odnosi (podmiotów), n zasięg – klasa wartości właściwości. Dziedziczenie: n wszędzie, gdzie dozwolone jest użycie klasy, można użyć jej podklas. 21

Dziedziczenie w RDF A. A. Milne jest autorem „Kubusia Puchatka” Klasa: człowiek Podklasa: pisarz Instancja: A. A. Milne Klasa: dzieło Podklasa: książka Instancja: „Kubuś Puchatek” Własność: jest autorem Dziedzina (domain): człowiek Zasięg (range): dzieło 22

RDF Schema Zestaw podstawowych klas, zdefiniowanych w RDF, będących bazą do tworzenia własnych ontologii. n Literal – wartość literalna, n Seq – sekwencja wartości, n Resource – zasób, n Bag – "worek" wartości (zbiór z możliwością powtórzeń), n Class – klasa, n sub. Class. Of – relacja bycia podklasą. 23

Dokumenty w RDF Dokumenty vs. zasoby abstrakcyjne: n zasób może mieć przypisaną właściwość – lokalizację, n zasób może opisywać dokument – wtedy używamy lokalizacji do wskazania dokumentu, n jeśli zasób nie ma lokalizacji, mamy do czynienia z zasobem abstrakcyjnym. Przykład: n projekt: "system zarządzania wiedzą" n dokument: "Specyfikacja funkcjonalna systemu zarządzania wiedzą" lokalizacja: /KM/dokumentacja/specyfikacje/spec-funkc. doc 24

RDQL – język zapytań Resource Description Query Language: n łatwy język zapytań wzorowany na SQL, n dostępny dla popularnych języków programowania np. Java. Przykład: select ? user where (<http: //strona. com>, <http: //property/created-by>, ? user) 25

Narzędzia Red. Foot – aplikacja napisana w Pythonie, udostępniająca własną bibliotekę RDF oraz API Jena API – API do RDF napisane w Javie. empolis Knowledge Management Suite e: kms: n zarządzanie zasobami informacyjnymi powiązanymi w sieć semantyczną, n konfigurowanie ontologii, n automatyczne publikowanie zasobów na witrynie internetowej. Isa. Viz – program do wizualnego projektowania ontologii. 26

Geneza Topic Maps "W dzisiejszych czasach, większość ludzi nie potrzebuje więcej informacji. Jeśli już, to potrzebują jej mniej, ponieważ już toną w ogromnych jej ilościach. " Steve Pepper "Euler, Topic Maps and Revolution" Oryginalna motywacja (1991): n jednolity standard do reprezentacji indeksów, n scalanie indeksów. Pomysł: n utworzenie nad warstwą zasobów warstwy abstrakcyjnych pojęć, n powiązanie obu warstw poprzez wystąpienia pojęć w zasobach. 27

Pojęcia Pojęcie (topic): n abstrakcyjny byt, n "co autor miał na myśli". Typ pojęcia: n także jest pojęciem. Pojęcie posiada: n nazwy, n wystąpienia, n role pełnione w powiązaniach. 28

Wystąpienia Wiążą pojęcia z warstwą zasobów: n zasoby nie są częścią mapy pojęć. Nadają sens pojęciom. Role wystąpień. 29

Powiązania Tworzą sieć zależności między pojęciami: n typy powiązań, n role pojęć w powiązaniu, n powiązania łączące więcej niż dwa pojęcia. 30

Kompletny przykład Miasto urodzony w miejsce Polska Firma stolica siedziba państwo człowiek miasto instytucja Chopin empolis Polska Warszawa 31

Co z tego mamy? Mapa pojęć jako samodzielny, niezależny byt (dokument): n oddzielona od warstwy zasobów, n linki (powiązania) niezależne od warstwy zasobów. Więc: n nad danym zbiorem zasobów można skonstruować wiele różnych map, n jedna mapa może być użyta do nawigacji po wielu zbiorach zasobów. Reprezentacja wiedzy! "The GPS of the information universe". 32

Zastosowania Wydawnictwa encyklopedyczne: n wartość dodana do informacji encyklopedycznej (poprzez możliwość łatwego znalezienia informacji), n Mother Encyclopaedia. Zarządzanie witryną internetową: n struktura witryny jako mapa pojęć, n interfejs nawigacyjny – dzięki odpowiednim przekształceniom XSLT. Zarządzanie wiedzą w organizacjach. Wymiana/przesyłanie zakodowanej wiedzy. 33

Status Topic Maps: n pierwotnie zwany Topic Navigation Maps, n standard ISO/IEC 13250: 2000, n twórcy: Michel Biezunski, martin Bryan, Steven R. Newcomb, n oparty na SGML-u i Hy-Time. XML Topic Maps (XTM): n rozwijany przez Topic. Maps. org – niezależne konsorcjum specjalistów, n aktualnie dostępna wersja: 1. 0 z 6. 08. 2001, n twórcy: Steve Pepper i Graham Moore, n oparty na XML-u i XLink. 34

XML Topic Maps – przykład <topic. Map> <topic id="kompozytor"> <base. Name><base. Name. String>kompozytor</base. Name. String></basename> </topic>. . . <topic id="chopin"> <instance. Of><topic. Ref xklink: href="#kompozytor"/></instance. Of> <base. Name><base. Name. String>Fryderyk Chopin</base. Name. String></basename> <base. Name><base. Name. String>Chopin, Fryderyk</base. Name. String></basename> <occurrence><resource. Ref xlink: href="http: //www. encyklopedia. pl/chopin. htm"/></occurence> </topic> <topic id="polska"> <instance. Of><topic. Ref xklink: href="#kraj"/></instance. Of> <base. Name><base. Name. String>Polska</base. Name. String></basename> <occurrence><resource. Ref xlink: href="http: //www. encyklopedia. pl/polska. htm"/></occurence> </topic> <association> <instance. Of><topic. Ref xklink: href="#urodzony-w"/></instance. Of> <member><rolespec><topic. Ref xklink: href="#osoba"/></rolecpec> <topic. Ref xlink: href="chopin"/> </member> <member><rolespec><topic. Ref xklink: href="#kraj"/></rolecpec> <topic. Ref xlink: href="polska"/> </member> </assoc> </topic. Map> 35

TMQL – Topic Maps Query Language Trwają prace rozwojowe. Przykład: SELECT topic x WHERE x instance_of topic named "Job seeker” AND assoctemp y named "Person is skilled in” AND x in (assoc template_is y) has topic named "Java programming” AND x in (assoc template_is y) has topic named "German – fluent” 36

RDF Topic Maps · Bardzo prosty aparat pojęciowy. · Skomplikowany aparat pojęciowy. · Wsparcie dla ontologii. · Brak wsparcia dla ontologii. Równoważna siła wyrazu: · W RDF można zakodować dowolną mapę Topic Map. · Przy pomocy Topic Map można zakodować sieć RDF. 37

Narzędzia Topic Maps Loom, Info. Loom www. infoloom. com k 42, empolis www. topicmaps. com www. empolis. co. uk Ontopia Knowledge Suite www. ontopia. net TM 4 J, Topic Maps for Java tm 4 j. org www. techquila. com 38