Онтологии и инженерия знаний

Магистратура 2020/2021

Статус: Курс по выбору (Цифровые методы в гуманитарных науках)

Направление: 45.04.03. Фундаментальная и прикладная лингвистика

Кто читает: Школа лингвистики

Где читается: Факультет гуманитарных наук

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Преподаватели: Кловайт Анастасия Алексеевна

Прогр. обучения: Цифровые методы в гуманитарных науках

Язык: русский

Кредиты: 3

Контактные часы: 32

Полная версия программы учебной дисциплины

Аннотация

Цель курса — познакомиться с еще одним, более комплексным способом представления данных — “связанными данными” (Linked Data) или “знаниями” (knowledge) и преимуществами его использования в исследовательских задачах . Курс посвящён работе с модулями для извлечения и структурирования информации, базами знаний, а также валидации извлеченных данных и моделей. Часть курса посвящена изучению основ построения онтологий, и понятий «класс», «объект», “связь”, «наследование», “знание” и “граф” и “предметная область”.

Цель освоения дисциплины

Цель освоения дисциплины — познакомить студентов с подходами к формальному моделированию человеческого знания и дать практический опыт такого моделирования.
В процессе освоения курса студент: — узнает об основных принципах извлечения и структурирования информации из неструктурированных данных (изображения, текст) — научится использовать средства языка Python для работы со связанными данными (Linked Data) в задачах цифровой гуманитаристики. — научится строить онтологии и графы знаний на основе извлеченных данных — узнает об особенностях и преимуществах использования связанных данных в исследованиях

Планируемые результаты обучения

Понимает разницу между данными и знаниями
Знает теоретические основы онтологического инжиниринга
умение сформулировать исследовательскую задачу и обосновать использование связанных данных в ней
владение библиотеками языка Python для построения графов знаний и онтологий
владение библиотеками языка Python для извлечения информации из текста
владение библиотеками языка Python для валидации извлеченных знаний и моделей извлечения/структурирования данных

Содержание учебной дисциплины

Данные и знания. Отличия данных от знаний. Основные способы формального представления знаний. Место онтологий в инженерии знаний
Информация, данные и знания. Основные отличия данных и знаний. Основные способы представления знаний: фреймы, сценарии, продукции. Семантические сети. Шкалы. Лингвистические шкалы. Классические и неклассические логики и вывод на знаниях. Формальные модели различных классов. Место онтологий в инженерии знаний. Взаимосвязи онтологического инжиниринга и семантических технологий с компьютерной лингвистикой
Введение в инженерию знаний
Что такое “knowledge” и “linked data”. Графы как способ репрезентации информации, их проблемы и возможности. Онтологии. Знакомство с терминами, обзор на технологии
Графы знаний в задачах цифровой гуманитаристики.
Более детальное погружение в концепт “knowledge graph”. Возможности применения + практическая часть (создание графа из предложенных данных + демонстрация возможностей его использования в рамках задачи)
Организация знаний.
Онтологии vs графы знаний vs тезаурусы. Иерархия концептов внутри онтологии. Дизайн онтологий, их проблемы
Онтологический инжиниринг: практическое применение
Построение онтологии из заданных данных. Практическое занятие.
Knowledge mining.
Сравнение подходов и случаев использования Information Retrieval, Information Extraction и Knowledge extraction . +Практическая часть
Базы знаний
Базы знаний. Как организовать данные , извлеченные в процессе knowledge mining/ information extraction
Knowledge + systems evaluation
Как оценить извлеченную информацию и работу системы извлечения знаний

Элементы контроля

Проект по моделированию данных в Digital Humanities
Проект представляет собой программу, написанную индивидуально на оригинальную тему, с постановкой исследовательского вопроса и предложением его решения.
Домашнее задание (занятие 3): построение онтологии
Домашнее задание (занятие 5): построение графа знаний
Домашнее задание (занятие 7): оценка работы систем
Тест по темам курса

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.1 * Домашнее задание (занятие 3): построение онтологии + 0.1 * Домашнее задание (занятие 5): построение графа знаний + 0.1 * Домашнее задание (занятие 7): оценка работы систем + 0.4 * Проект по моделированию данных в Digital Humanities + 0.3 * Тест по темам курса

Программа дисциплины