Syntactic Simplification of OWL Class Expressions

في الشبكة الواسعة والمترابطة للمعرفة الرقمية، تعتمد الحواسيب على خرائط مهيكلة تسمى "الأنطولوجيات" (Ontologies) لفهم العالم. هذه الخرائط لا تُرسَم بالحبر والورق، بل تُبنى من عبارات منطقية تحدد ماهية الأشياء وكيفية ارتباطها ببعضها البعض. تخيل أمين مكتبة يجب عليه تصنيف ملايين الكتب ليس فقط حسب العنوان، بل وفق مجموعة معقدة من القواعد التي تصف محتواها، ومؤلفها، وتاريخها. وللقيام بذلك، يستخدم أمين المكتبة لغة دقيقة حيث يتم تعريف كل مفهوم عبر دمج الأفكار باستخدام روابط منطقية، تماماً مثل بناء جملة من الكلمات. ومع ذلك، عندما تصبح هذه التعريفات طويلة جداً أو متشابكة، يجد أمين المكتبة صعوبة في قراءتها، ويستغرق الكمبيوتر وقتاً طويلاً جداً لمعالجة التعليمات. هذا هو التحدي المركزي الذي يواجهه الباحثون عند العمل مع "لغة ويب الأنطولوجيا" (Web Ontology Language)، وهي أداة قياسية لتنظيم المعلومات على الإنترنت. وبينما تتمتع هذه اللغة بالقدرة الكافية لوصف التفاصيل المعقدة في علم الأحياء والهندسة والتاريخ، فإن التعقيد ذاته الذي يجعلها مفيدة غالباً ما يؤدي إلى تعريفات مسهبة بلا داعٍ وصعبة التفسير بالنسبة للبشر.

قام فريق من علماء الحاسوب في جامعة بادربورن في ألمانيا بتطوير طريقة جديدة لفك تشابك هذه التعريفات المعقدة دون تغيير معناها. لقد ابتكروا أداة تسمى "مبسط تعبيرات الفئات" (Class Expression Simplifier)، أو CES، والتي تعمل كمحرر ماهر لهذه العبارات المنطقية. بدأ الباحثون بملاحظة أن الحواسيب، عندما تتعلم مفاهيم جديدة من البيانات، غالباً ما تنتج تعريفات متضخمة بأجزاء زائدة. قد تقول هذه التعريفات الشيء نفسه مرتين، أو تتضمن شروطاً غير ضرورية لا تغير المعنى النهائي ولكنها تجعل العبارة أطول بكثير. كان هدف الفريق هو تجريد هذا الحشو الزائد. صمموا خوارزمية تقوم بمسح هذه التعريفات المنطقية بشكل منهجي، بحثاً عن الأنماط التي يمكن فيها إزالة الأجزاء أو دمجها. على سبيل المثال، إذا تضمن تعريفٌ شرطاً مغطى بالفعل بواسطة جزء آخر من العبارة، تقوم الأداة بإزالة المكرر. وإذا احتوى التعريف على تناقض يجعل من المستحيل انطباق أي شيء عليه، تتعرف الأداة على ذلك وتبسطه إلى مفهوم أساسي يعبر عن "لا شيء".

تعمل هذه العملية من خلال تطبيق مجموعة من القواعد الصارمة التي تضمن أن النسخة المبسطة هي تماماً نفس النسخة الأصلية من حيث ما تصفه، حتى وإن بدت مختلفة على الورقة. اختبر الباحثون أداتهم على مجموعتي بيانات محددتين، إحداهما تتعلق بدراسة كيفية تسبب المواد في السرطان والأخرى تركز على كيفية تأثير المواد الكيميائية على الحمض النووي (DNA). لقد استخرجوا مائتي تعريف معقد باستخدام نظام تعلم معروف بإنتاج نتائج طويلة ومعقدة للغاية. وعندما مرروا هذه التعريفات عبر مبسطهم الجديد، كانت النتائج مذهلة. في كثير من الحالات، قللت الأداة طول التعريفات بنسبة تصل إلى ستة وثمانين بالمائة. لم يكن هذا مجرد تغيير شكلي؛ فالتعريفات الأقصر سمحت للحواسيب بالعث Av على المعلومات المطابقة بسرعة أكبر بشكل ملحوظ. وفي بعض الاختبارات، انخفض الوقت الذي يستغرقه الكمبيوتر لاسترجاع البيانات ذات الصلة بنسبة تسعين بالمائة. كما كانت الأداة نفسها فعالة، حيث استغرقت أقل من ثانية واحدة في المتوسط لمعالجة حتى أكثر التعريفات تعقيداً، حيث استغرق أطول تعريف حوالي ثانية وثلث من الثانية لتنقيته.

يؤكد الباحثون أن نهجهم يتعلق بالبنية المحضة للغة، وليس بالمعنى الكامن وراءها. وللتحقق من صحة التعريفات الجديدة، قاموا بتقييم الصحة تجريبياً باستخدام "مستنتج" (Reasoner) لمقارنة مجموعات الحالات المسترجعة من التعبيرات الأصلية والمبسطة، مما أكد تكافؤهما. وهذا يعني أنه يمكن استخدام الأداة بأمان في أي موقف يتم فيه إنشاء هذه التعريفات المنطقية، حيث تعمل كخطوة نهائية لصقل المخرجات قبل تقديمها للبشر أو استخدامها في نظام أكبر. وبينما تعد الأداة فعالة للغاية لأنواع التعريفات التي اختُبرت عليها، يشير المؤلفون إلى أنها تعمل بشكل أفضل على نوع التعريفات المسهبة التي تنتجها أنظمة تعلم معينة. كما يقرون بأن الترتيب الذي تُطبق به القواعد يمكن أن يغير النتيجة النهائية في بعض الأحيان، ويقترحون أن الإصدارات المستقبلية قد تستكشف طرقاً مختلفة لتحديد أولويات هذه القواعد للحصول على نتائج أفضل. في الوقت الحالي، يوضح هذا العمل أنه من خلال الإزالة الدقيقة للكلمات غير الضرورية من لغة المنطق، يمكننا جعل الأنظمة التي تدعم معرفتنا الرقمية أكثر قابلية للقراءة من قبل البشر وأكثر كفاءة بالنسبة للآلات.