Syntactic Simplification of OWL Class Expressions
यह शोध पत्र CES को प्रस्तुत करता है, जो OWLAPY फ्रेमवर्क में कार्यान्वित एक नवीन एल्गोरिदम है, जो औपचारिक अर्थों (formal semantics) को सुरक्षित रखते हुए, संक्षिप्तता को कम करने और तर्क दक्षता (reasoning efficiency) में सुधार करने के लिए रीराइटिंग नियमों को लागू करके जटिल OWL क्लास एक्सप्रेशंस को सिंटैक्टिक रूप से सरल बनाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
डिजिटल ज्ञान के विशाल, परस्पर जुड़े जाल में, कंप्यूटर दुनिया को समझने के लिए ऑन्टोलॉजी (ontologies) नामक संरचित मानचित्रों पर निर्भर करते हैं। ये मानचित्र स्याही और कागज से नहीं बनाए जाते, बल्कि तार्किक कथनों से निर्मित होते हैं जो यह परिभाषित करते हैं कि चीजें क्या हैं और वे एक-दूसरे से कैसे संबंधित हैं। एक ऐसे लाइब्रेरियन की कल्पना करें जिसे लाखों पुस्तकों को न केवल शीर्षक के आधार पर, बल्कि उनकी सामग्री, लेखक और इतिहास का वर्णन करने वाले नियमों के एक जटिल सेट के माध्यम से छाँटना है। इसे करने के लिए, लाइब्रेरियन एक सटीक भाषा का उपयोग करता है जहाँ प्रत्येक अवधारणा को तार्किक संयोजकों के साथ विचारों को जोड़कर परिभाषित किया जाता है, ठीक वैसे ही जैसे शब्दों से एक वाक्य बनाया जाता है। हालाँकि, जब ये परिभाषाएँ बहुत लंबी या उलझी हुई हो जाती हैं, तो लाइब्रेरियन उन्हें पढ़ने में संघर्ष करता है, और कंप्यूटर को इन निर्देशों को संसाधित करने में बहुत अधिक समय लगता है। यह वह केंद्रीय चुनौती है जिसका सामना शोधकर्ता वेब ऑन्टोलॉजी लैंग्वेज (Web Ontology Language) के साथ काम करते समय करते हैं, जो इंटरनेट पर जानकारी को व्यवस्थित करने का एक मानक उपकरण है। जबकि यह भाषा जीव विज्ञान, इंजीनियरिंग और इतिहास के जटिल विवरणों को वर्णित करने के लिए पर्याप्त शक्तिशाली है, वही जटिलता जो इसे उपयोगी बनाती है, अक्सर ऐसी परिभाषाओं का परिणाम देती है जो अनावश्यक रूप से शब्दबहुल और मनुष्यों के लिए व्याख्या करने में कठिन होती हैं।
जर्मनी के पाडरबोर्न विश्वविद्यालय के कंप्यूटर वैज्ञानिकों की एक टीम ने इन जटिल परिभाषाओं के अर्थ को बदले बिना उन्हें सुलझाने के लिए एक नई विधि विकसित की है। उन्होंने 'क्लास एक्सप्रेशन सिम्प्लीफायर' (Class Expression Simplifier) नामक एक उपकरण बनाया, जिसे 'सीईएस' (CES) कहा जाता है, जो इन तार्किक कथनों के लिए एक कुशल संपादक की तरह कार्य करता है। शोधकर्ताओं ने इस अवलोकन के साथ शुरुआत की कि जब कंप्यूटर डेटा से नई अवधारणाएं सीखते हैं, तो वे अक्सर ऐसी परिभाषाएं उत्पन्न करते हैं जो अनावश्यक हिस्सों से भरी होती हैं। ये परिभाषाएं एक ही बात को दो बार कह सकती हैं, या उनमें अनावश्यक शर्तें शामिल हो सकती हैं जो अंतिम अर्थ को नहीं बदलतीं लेकिन कथन को बहुत लंबा बना देती हैं। टीम का लक्ष्य इस अतिरिक्त कचरे को हटाना था। उन्होंने एक एल्गोरिदम डिजाइन किया जो इन तार्किक परिभाषाओं को व्यवस्थित रूप से स्कैन करता है, उन पैटर्न की तलाश करता है जहाँ हिस्सों को हटाया या जोड़ा जा सकता है। उदाहरण के लिए, यदि एक परिभाषा में एक ऐसी शर्त शामिल है जो कथन के किसी अन्य भाग द्वारा पहले से ही कवर की गई है, तो टूल उस डुप्लिकेट को हटा देता है। यदि एक परिभाषा में कोई विरोधाभास है जो इसे असंभव बनाता है कि कुछ भी इसमें फिट हो सके, तो टूल इसे पहचान लेता है और इसे "कुछ नहीं" (nothing) की एक बुनियादी अवधारणा में सरल बना देता है।
यह प्रक्रिया सख्त नियमों का एक सेट लागू करके काम करती है जो यह सुनिश्चित करती है कि सरलीकृत संस्करण बिल्कुल मूल के समान है कि वह क्या वर्णित करता है, भले ही वह पृष्ठ पर अलग दिखता हो। शोधकर्ताओं ने अपने टूल का परीक्षण दो विशिष्ट डेटासेट्स पर किया, एक जो इस अध्ययन से संबंधित है कि पदार्थ कैंसर कैसे पैदा करते हैं और दूसरा जो इस बात पर केंद्रित है कि रसायन डीएनए को कैसे प्रभावित करते हैं। उन्होंने एक सीखने वाली प्रणाली का उपयोग करके दो सौ जटिल परिभाषाएं उत्पन्न कीं जो बहुत लंबे और जटिल परिणाम देने के लिए जानी जाती है। जब उन्होंने इन परिभाषाओं को अपने नए सिम्प्लीफायर के माध्यम से चलाया, तो परिणाम आश्चर्यजनक थे। कई मामलों में, टूल ने परिभाषाओं की लंबाई को अस्सी-छह प्रतिशत तक कम कर दिया। यह केवल एक कॉस्मेटिक परिवर्तन नहीं था; छोटी परिभाषाओं ने कंप्यूटर को मिलान वाली जानकारी खोजने में काफी तेजी से मदद की। कुछ परीक्षणों में, प्रासंगिक डेटा प्राप्त करने में कंप्यूटर को लगने वाला समय नब्बे प्रतिशत तक गिर गया। टूल स्वयं भी कुशल था, जो सबसे जटिल परिभाषाओं को संसाधित करने के लिए औसतन एक सेकंड से भी कम समय ले रहा था, जिसमें सबसे लंबी परिभाषा को साफ करने में केवल लगभग एक और एक-तिहाई सेकंड का समय लगा।
शोधकर्ता इस बात पर जोर देते हैं कि उनका दृष्टिकोण पूरी तरह से भाषा की संरचना के बारे में है, न कि अंतर्निहित अर्थ के बारे में। यह सत्यापित करने के लिए कि नई परिभाषाएं सही थीं, उन्होंने मूल और सरलीकृत अभिव्यक्तियों के लिए प्राप्त किए गए इंस्टेंस के सेटों की तुलना करने के लिए एक 'रीज़नर' (reasoner) का उपयोग करके अनुभवजन्य रूप से शुद्धता का मूल्यांकन किया, जिससे उनकी समानता की पुष्टि हुई। इसका अर्थ है कि इस टूल का उपयोग किसी भी ऐसी स्थिति में सुरक्षित रूप से किया जा सकता है जहाँ ये तार्किक परिभाषाएं बनाई जाती हैं, जो मानव को प्रस्तुत करने या किसी बड़ी प्रणाली में उपयोग करने से पहले आउटपुट को पॉलिश करने के लिए एक अंतिम चरण के रूप में कार्य करता है। हालांकि यह टूल उन प्रकार की परिभाषाओं के लिए अत्यधिक प्रभावी है जिन पर इसका परीक्षण किया गया था, लेखक नोट करते हैं कि यह कुछ सीखने वाली प्रणालियों द्वारा उत्पन्न शब्दबहुल परिभाषाओं पर सबसे अच्छा काम करता है। वे स्वीकार करते हैं कि नियमों को लागू करने का क्रम कभी-कभी अंतिम परिणाम को बदल सकता है, और वे सुझाव देते हैं कि भविष्य के संस्करण बेहतर परिणाम प्राप्त करने के लिए इन नियमों को प्राथमिकता देने के विभिन्न तरीकों का पता लगा सकते हैं। फिलहाल के लिए, यह कार्य यह प्रदर्शित करता है कि तर्क की भाषा से अनावश्यक शब्दों को सावधानीपूर्वक हटाकर, हम अपने डिजिटल ज्ञान को संचालित करने वाली प्रणालियों को लोगों के लिए अधिक पठनीय और मशीनों के लिए अधिक कुशल बना सकते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।