Transcript การประยุกต์ใช้ข้อมูลเชิงความหมาย

การอบรมเชงิ ปฏิบต
ั ก
ิ าร Semantic-based Knowledge Management Tools
รุน
่ ที่ 4 วันที่ 2-3 กันยายน 2556 ณ.อุทยานวิทยาศาสตร์ประเทศไทย
แนะนาเครือ
่ งมือการพัฒนาฐานความรู ้เพือ
่ นาไปสู่
การประยุกต์ใชข้ ้อมูลเชงิ ความหมาย
Introduction to Semantic-based
Knowledge Management Tools
ห ้องปฏิบัตก
ิ ารวิจัยเทคโนโลยีภาษาธรรมชาติและความหมาย
์ ละคอมพิวเตอร์แห่งชาติ
ศูนย์เทคโนโลยีอเิ ล็คทรอนิกสแ
[email protected]
Semantic 4
Outline
• การจัดการความรู ้เชงิ ความหมาย (Semantic-based
Knowledge Management)
o
o
ฐานความรู ้สาหรับคอมพิวเตอร์ (Ontology)
้
ตัวอย่างการประยุกต์ใชงาน
• แนะนาการอบรม
•
้
โปรแกรมทีใ่ ชในการอบรม
o
o
•
Hozo Ontology Editor
Ontology Application Management (OAM) Framework
กาหนดการ
การจัดการความรู ้เชงิ ความหมาย
(Semantic-based Knowledge Management)
3
กระบวนการจัดการความรู ้ (KM Processes)
4
การจัดการความรู้ภายในองค์กร

ในปัจจุบนั สารสนเทศ (Information) ไม่สามารถตอบสนองความต้องการใน
เรื่ องราวต่างๆ ขององค์กรได้ท้ งั หมด เนื่องจากสารสนเทศมีเป็ นจานวนมากเกิน
กว่าความต้องการ (Information Overload) จึงต้องมีการเปลี่ยนรู ปจาก
สารสนเทศให้มาอยูใ่ นรู ปแบบของความรู ้ (Knowledge)


การจัดการความรู้ (Knowledge Management หรื อ KM) มีความแตกต่างจากการจัดการ
สารสนเทศ (Information Management หรื อ IM)
เป็ นที่ยอมรับกันมากยิง่ ขึ้นว่าการจัดการความรู ้ได้เข้ามามีส่วนสาคัญอย่างยิง่
ต่อการพัฒนาประสิ ทธิ ภาพขององค์กร

เทคโนโลยีเป็ นเครื่ องมือสาคัญหนึ่งในการในการสนับสนุนการจัดการความรู้
5
ความรู้ (Knowledge)
 “คือ ผลสรุ ปของการสั งเคราะห์ สารสนเทศ (information) โดยพิจารณาถึง
ความสัมพันธ์ของสารสนเทศเทียบเคียงกับความรู ้ที่มีอยู่ จนได้ผลสรุ ปที่ัดั เจน
ถูกต้อง สามารถนาไปประยุกต์ ใช้ ในกิจกรรมต่างๆ ต่อไปได้อย่างเหมาะสม”
6
ประเภทของความรู้
ความรู ้สามารถแบ่งออกเป็ น 2 ประเภทใหญ่ๆ คือ

ความรู ้ที่ัดั แจ้ง หรื อ ความรู ้สาธารณะ (Explicit Knowledge)


เป็ นความรู ้ที่ได้รับการเขียนหรื ออธิ บายถ่ายทอดออกมาเป็ นลายลักษณ์
อักษร ฟังก์ันั่ หรื อสมการ
ความรู ้ที่ซ่อนเร้น หรื อ ความรู ้ที่อยูใ่ นตัวบุคคล (Tacit Knowledge)

เป็ นความรู้ซ่ ึ งสามารถเขียนหรื ออธิบายได้ยาก เั่น ความรู้ที่เป็ นทักษะ
หรื อความสามารถส่ วนบุคคล
7
การจัดการความรู ้
(Knowledge Management)
แหล่งที่มา: สถาบันส่ งเสริ มการจัดการความรู ้เพื่อสังคม (สคส.)
8
องค์ประกอบของการจัดการความรู้ (KM
Components)
9
กระบวนการจัดการความรู ้
(KM Processes)
10
ความรู้องค์กรอยูท่ ี่ใด
11
ความรู้องค์กรอยูท่ ี่ใด
(2)
แหล่งที่มา: The Knowledge Evolution, p.35
12
กระบวนการสร้างความรู้
– SECI Model
“Knowledge Spiral”
I. Nonaka and H. Takeuchi, The Knowledge Creating Company (1995)
13
กระบวนการสร้างความรู้

– SECI Model (2)
S = Socialization
การสร ้างความรู ้ด ้วยการแบ่งปั นประสบการณ์โดยการพบปะ สมาคม และ
พูดคุยกับผู ้อืน
่ ซงึ่ จะเป็ นการถ่ายทอด แบ่งปั น ความรู ้ทีอ
่ ยูใ่ นตัวบุคคลไป
ให ้ผู ้อืน
่


E = Externalization
การนาความรู ้ในตัวบุคคลทีไ่ ด ้นามาพูดคุยกันถ่ายทอดออกมาให ้เป็ นสงิ่
ทีจ
่ ับต ้องได ้หรือเป็ นลายลักษณ์อก
ั ษร


C = Combination
ั แจ ้งมารวมกัน และสร ้างสรรค์สงิ่ ใหม่ ๆ
การผสมผสานความรู ้ทีช
่ ด
้
เพือ
่ ให ้สามารถนาความรู ้นัน
้ ไปใชในทางปฏิ
บต
ั ไิ ด ้


I = Internalization
้ บต
การนาความรู ้ทีไ่ ด ้มาใหม่ไปใชปฏิ
ั ห
ิ รือลงมือทาจริง ๆโดยการฝึ กคิด
ฝึ กแก ้ปั ญหา จนกลายเป็ นความรู ้และปรับปรุงตนเอง

14
การจัดระเบียบความรู้

(Knowledge Codification)
Knowledge Codification


capture and organization of knowledge so that
it can be found and re-used
take the mass of knowledge accumulated
through scanning and structure it into an
accessible form
 Best Practices
 Directories of Experts (People)
15
การจัดระเบียบความรู้
(Knowledge Codification)
(2)
16
17
http://incrediblydull.blogspot.com/2008/07/km-core-sample.html
เทคโนโลยีเพื่อการจัดการความรู้ (KM Technology)

Information systems


Collaboration tools


Chat, Professional forums, Communities of practice (COP), Wiki, Blog
Expertise-location tools.


Hardware, Software, DBMS, Content
Support finding subject matter experts
Data-mining tools
Support data analysis that identifies patterns and establishes
relationships among data elements


Search-and-discover tools


Search engines for specific subjects
Expertise-development tools
Simulations and experiential learning to support developing experience,
expertise, Online training

18
เว็บความหมาย (Semantic Web)
ทิศทางการพัฒนาเทคโนโลยีเว็บ
20
ทิศทางการพัฒนาเทคโนโลยีการสื บค้นข้อมูล
21
สถาปัตยกรรมเว็บเัิงความหมาย
Semantic-based
Knowledge
Management
22
Semantic Web Technology for Knowledge
Management
เทคโนโลยี
้
รูปแบบการจัดการความรู ้ การประยุกต์ใชงาน
Web 1.0
Explicit Knowledge
Management
HTML Documents,
Web-Database
Web 2.0
Tacit Knowledge
Management
Wiki, Blogs, Social
Networks
Web 3.0 (Semantic
Web)
Semantic-based
Knowledge
Management
Ontology, Intelligent
Agents, QuestionAnswering
23
การจัดการความรู้เัิงความหมาย (Semantic-based
Knowledge Management)
มีการประมาณการว่า 80% ของข้อมูลที่มีอยูภ่ ายในองค์กรอยูใ่ นรู ปแบบ
ของเอกสาร (Unstructured Information) (Forrester Research, 2007)

เั่น Documents,
E-mails, web pages เป็ นต้น
 ข้อมูลที่อยูใ่ นรู ปแบบเอกสารเหล่านี้
ในบางครั้งไม่สามารถตอบสนองความ
ต้องการในการที่จะแก้ปัญหาในการทางานประจาวันได้อย่างทันท่วงที
 การไม่สามารถเข้าถึงข้อมูลที่จาเป็ นต่อการปฎิบต
ั ิงานก่อให้เกิดปั ญหา
 ประสิ ทธิ ภาพในการทางานลดลง (Reduced productivity)

มีขอ้ มูลไม่เพียงพอต่อการตัดสิ นใจ (Incomplete knowledge to support decision making)
การจัดการความรู้เัิงความหมายเป็ นแนวทางหนึ่งในการจัดระเบียบและ
เัื่อมโยงข้อมูลที่มีอยูเ่ ข้ากับองค์ความรู ้เฉพาะทาง หรื อออนโทโลยี

(Ontology)
24
การจัดการความรู้เัิงความหมาย (Semantic-based
Knowledge Management) (2)
 การจัดการความรู ้เัิ งความหมายเป็ นการจัดเก็บองค์ความรู ้เฉพาะทางที่
สามารถนาไปใั้ในระบบสารสนเทศและโปรแกรมคอมพิวเตอร์ได้ ใน
รู ปแบบของฐานความรู ้สาหรับคอมพิวเตอร์หรื อออนโทโลยี (Ontology)
เทคโนโลยีวิศวกรรมความรู้ (Knowledge Engineering) เพื่อใั้ในการรวบรวมและจัดเก็บ
องค์ความรู ้ (Knowledge Acquisition)

 การจัดการความรู ้เัิ งความหมายมีความเกี่ยวข้องทั้งกับความรู ้ันิ ดที่เป็ น
ลายลักษณ์อกั ษร และ ความรู ้ันิดที่อยูใ่ นตัวบุคคล (Explicit + Tacit
Knowledge)
 ต้องอาศัยแหล่งความรู ้ท้ งั ที่อยูใ่ นรู ปของเอกสารอ้างอิง (Reference documents) และจาก
ผูเ้ ัี่ยวัาญเฉพาะสาขา (Domain experts)
25
ฐานความรู้สาหรับคอมพิวเตอร์
(Ontology)
เป็ นองค์ความรู้เฉพาะทางที่จดั เก็บอยูใ่ น
รู ปแบบที่มีโครงสร้าง (structured knowledge) สามารถนาไปประมวลผล ใั้งาน
ในโปรแกรมประยุกต์ต่างๆ ให้มีความัาญฉลาด (intelligence) และเพิ่มความเป็ น
อัตโนมัติของกระบวนการ (automation) มากยิง่ ขึ้น
 ฐานความรู ้หรื อออนโทโลยี (Ontology)
 ฐานความรู ้หรื อออนโทโลยีที่พฒ
ั นาขึ้นโดยวิศวกรความรู้ (Knowledge engineers)
ร่ วมกับผูเ้ ัี่ยวัาญเฉพาะทาง (Domain experts) จะั่วยให้สามารถนาความรู้เฉพาะ
ทาง (Domain knowledge) ไปประยุกต์ใั้ในโปรแกรมคอมพิวเตอร์และระบบ
สารสนเทศได้อย่างหลากหลาย

เทคโนโลยีวศิ วกรรมความรู้ (Knowledge engineering) มีส่วนสาคัญอย่างยิง่ ต่อ
การพัฒนาและจัดเก็บองค์ความรู ้ให้สามารถนาไปใั้งานในโปรแกรมและระบบ
สารสนเทศต่างๆได้
26
ประโยัน์ของการพัฒนาฐานความรู้สาหรับระบบสารสนเทศ
 เพิม
่ ความอัตโนมัติของกระบวนการ (Automation)
ลดภาระของมนุษย์ (Reduced workloads)
 เพิ่มความแม่นยา ลดข้อผิดพลาด (Reduced errors)

 สามารถนาไปประยุกต์ใั้งานได้ในโปรแกรมและระบบ
สารสนเทศต่างๆ ได้กว้างขวางยิง่ ขึ้น (Interoperability)

ฐานความรู ้สามารถแบ่งปั นและใั้ซ้ าได้ (Share and reuse)
27
เครื่ องมือสนับสนุนการจัดการความรู้เัิงความหมาย
(Semantic-based Knowledge Management Tools)
 โปรแกรมั่วยสนับสนุ นการสร้างองค์ความรู ้เฉพาะทาง (Ontology
Development Tool)

โปรแกรมจัดการการเัื่อมโยงข้อมูลที่มีอยูเ่ ข้ากับองค์ความรู ้เฉพาะทาง
(Database-Ontology Mapping Tool)
โปรแกรมประยุกต์ที่นาองค์ความรู้เฉพาะทางมาใั้ประโยัน์
Applications) เั่น

(Ontology
 การสื บค้นข้อมูลเัิงความหมาย (Semantic Search)
 ระบบแนะนาข้อมูล (Recommender System)
 ระบบสนับสนุนการตัดสิ นใจ (Decision Support System)
28
Ontology Development Tool
ผูเ้ ัี่ยวัาญเฉพาะทาง
(Domain Experts)
โปรแกรมั่วยสร้างออนโทโลยี
(Ontology Editor)
เอกสารอ้างอิง
(Reference Documents)
29
แนวทางการบูรณาการฐานข ้อมูลกับฐานความรู ้เพือ
่
่ ารประยุกต์ใชข้ ้อมูลเชงิ ความหมาย
นาไปสูก
Books,
References,
Documents
Explicit
Knowledge
KNOWLEDGE
CAPTURE
(Creation)
DATABASES
Knowledge
Applications
Experts
Tacit
Knowledge
Ontologies, Rules
KNOWLEDGE
CODIFICATION
KNOWLEDGE
ACCESS &
SHARING
Semantic-based
Knowledge
Portal
OWL,
RDF
SPARQL
KNOWLEDGE
BASE
30
แนวทางการบูรณาการฐานข ้อมูลกับฐานความรู ้เพือ
่
่ ารประยุกต์ใชข้ ้อมูลเชงิ ความหมาย (2)
นาไปสูก
• ระบบสารสนเทศ/ ฐานข้อมูล (Information System/
Database)
• ฐานความรู ้ (Knowledge base)
– ออนโทโลยี (Ontologies) และ กฎ (Rules)
• โปรแกรมประยุกต์ใั้งานความรู ้ (Knowledge Applications)
– ระบบสื บค้นเัิงความหมาย (Semantic Search System)
– ระบบแนะนาข้อมูล (Recommender System)
• เว็บท่าศูนย์กลางความรู ้ (Knowledge Web Portal)
31
แนวทางการบูรณาการฐานข ้อมูลกับฐานความรู ้เพือ
่
่ ารประยุกต์ใชข้ ้อมูลเชงิ ความหมาย (3)
นาไปสูก
• ส่ วนการบูรณาการและเข้าถึงฐานข้อมูลและฐานความรู ้ (Knowledge
Access and Sharing)
• เัื่อมโยงฐานข้อมูลเข้ากับฐานความรู ้ (Database – Ontology
Mapping) โดยใั้มาตรฐานเว็บเัิงความหมาย (Semantic Web
Standards)
• มาตรฐานข้อมูล RDF (Resource Description Language),
OWL (Web Ontology Language)
• ภาษาการสื บค้นข้อมูล SPARQL (RDF Query Language)
32
ตัวอย่างการพัฒนาฐานความรู ้สาหรับการดูแลรักษาโรคเบาหวาน
33
ตัวอย่างการพัฒนาฐานความรู ้สาหรับการดูแลรักษาโรคเบาหวาน (2)
34
IF Patient.Eye.Result =“No DR” THEN
Patient.Eye.FollowUp=12
IF Patient.Eye.Result =“Mild NPDR” THEN
Patient.Eye.FollowUp=6
IF Patient.Eye.Result =“Moderate NPDR” THEN
Patient.Eye.FollowUp=3
IF Patient.Eye.Result =“Severe NPDR” OR
Patient.Eye.Result =“PDR” THEN
Patient.Eye.FollowUp=0
แปลงองค์ ความรู้ จากเอกสาร CPG
ให้ อยู่ในรู ปแบบของฐานความรู้ สาหรับ
โปรแกรมคอมพิวเตอร์
แปลงข้ อความจากเอกสาร CPG ให้ อยู่ใน
รูปแบบฐานความรู้ทโี่ ปรแกรมคอมพิวเตอร์
สามารถนาไปใช้ งานได้
HBA1c (X, “high”) OR FBS(X, “high”) OR Lipid(X, “high”)  คาแนะนา (X, a)
a=“ออกกาลังกายหนักปานกลาง 150 นาที/สั ปดาห์ หรือออกกาลังกายหนักมาก 90 นาที/สั ปดาห์ ควร
กระจายอย่ างน้ อย 3 วัน/สั ปดาห์ และ ไม่ งดออกกาลังกายติดต่ อกันเกิน 2 วัน (CPG หน้ า 16)”
36
้
ิ ธิภาพ
ตัวอย่างการประยุกต์ใชฐานความรู
้เพือ
่ เพิม
่ ประสท
การให ้บริการผู ้ป่ วยเบาหวาน
Risk Assessment/
Screening
Diagnosis
Decision
Support
Clinical
Practice
Guideline
(CPG)
Treatment
Clinical Information
System
Follow-up/
Planning
- Register
- Monitor
- Alert
- Remind
Patient
Databases
Healthcare
Service
Layer
CCM
Components
Layer
Information and
Knowledge
Management
Layer
Ontologies
37
้
การประยุกต์ใชงานในโปรแกรมแจ
้งเตือนความจา (Reminder)
สาหรับฐานข ้อมูลผู ้ป่ วยเบาหวาน
ข้ อมูลแจ้ งเตือนให้ ผ้ปู ่ วย
เข้ ารับการตรวจตาตาม
ระยะเวลาที่กาหนดไว้
โดยพิจารณาจากผลการ
ตรวจตาครั้งล่าสุ ด
38
ข้ อแนะนาสาหรับผู้ป่วยที่
มีระดับไขมันสู ง
39
้
ตัวอย่างการประยุกต์ใชออนโทโลยี
เพือ
่ การพัฒนาฐานข ้อมูลและ
ระบบวิเคราะห์ข ้อมูลงานวิจัยข ้าว
ระบบวิเคราะห์
ข้ อมูลงานวิจัยข้ าว
ระบบสกัดข้ อมูล/
ระบบสืบค้ นข้ อมูล
งานวิจัยข้ าว
ฐานข้ อมูลงานวิจัยข้ าว
ระบบสารสนเทศอื่นๆ ที่
เกี่ยวข้ อง
แบบฟอร์ มนาเข้ า
ข้ อมูล
มิได้ มีการแยกส่วนความรู้
เฉพาะด้ าน (domain
knowledge) ออกจาก
ฐานข้ อมูลและการพัฒนา
ระบบ ทาให้ ไม่สามารถใช้
ซ ้าองค์ความรู้ได้
(reusable knowledge)
้
แนวทางการประยุกต์ใชออนโทโลยี
ฐานความรู้ ออนโทโลยี
สาขางานวิจัยข้ าว
ใช้ กาหนดโครงสร้ างข้ อมูล
ฐานข้ อมูลงานวิจัยข้ าว
แบบฟอร์ มนาเข้ าข้ อมูล
ความรู้ เฉพาะด้ านที่
นาไปใช้ งานได้ ในโปรแกรม
คอมพิวเตอร์ ต่างๆได้
ระบบวิเคราะห์ ข้อมูล
งานวิจัยข้ าว
ระบบสกัดข้ อมูล/
ระบบสืบค้ นข้ อมูล
งานวิจัยข้ าว
ระบบสารสนเทศอื่นๆ ที่
เกี่ยวข้ อง
ฐานความรู ้ออนโทโลยี - โครงการวิจัยด ้านข ้าว
ฐานความรู ้ออนโทโลยี - สาขาวิจัยด ้านข ้าว
การพัฒนาฐานข ้อมูลและระบบวิเคราะห์ข ้อมูลงานวิจัย
ข ้าว
การพัฒนาฐานข ้อมูลและระบบวิเคราะห์ข ้อมูลงานวิจัยข ้าวย ้อนหลัง 5
ปี (พ.ศ. 2549-2553) มีขน
ั ้ ตอนการดาเนินงานทีเ่ กีย
่ วข ้อง 4 ขัน
้ ตอน
หลักดังนี้
1. งานพัฒนาฐานความรู ้ออนโทโลยี (ontology development)
สาหรับสาขางานวิจัยด ้านข ้าว
2. งานพัฒนาฐานข ้อมูลงานวิจัยข ้าวย ้อนหลัง 5 ปี (พ.ศ. 25492553)
3. งานจาแนกกลุม
่ โครงการวิจัยตามหมวดหมู่ (project
classification) โดยเป็ นการวิเคราะห์ จากข ้อมูลโครงการวิจัย
ย ้อนหลังปี พ.ศ. 2549-2553
4. งานพัฒนาระบบวิเคราะห์ข ้อมูลงานวิจัยข ้าว
การพัฒนาฐานข ้อมูลและระบบวิเคราะห์ข ้อมูลงานวิจัยข ้าว (2)
าน ้ มูล
โครงการวจัยด ้าน
้าว 5 ปี ย ้ น ลัง
าน ้ มูล
(2549-2553)
ง
โครงการวจัยด ้าน
นวยงานใ ้ทุน
้าว 5 ปี ย ้ น ลัง
าน ้ มูล
(2549-2553)
ง
โครงการวจัยด ้าน
นวยงานใ ้ทุน
้าว 5 ปี ย ้ น ลัง
าน ้ มูล
(2549-2553)
ง
โครงการวจัยด ้าน
นวยงานใ ้ทุน
้าว 5 ปี ย ้ น ลัง
(2549-2553)
าน ้ มูงล
นวยงานใ
โครงการว้ทุจันยด ้าน
้าว 5 ปี ย ้ น ลัง
(2549-2553)
ง
นวยงานใ ้ทุน
Data
Integration
าน ้ มูลกลาง
โครงการวจัยด ้าน ้าว
5 ปี ย ้ น ลัง (25492553)
Extraction
Project
Classifications
Mapping
Retrieval/
Result Analysis
Keywords,
Abstracts
Ontology /Taxonomy
4
2
1
Executives
3
5
10%
10%
10%
10%
10%
10%
10%
10%
10%
10%
Decision Support System for Rice
Research Strategic Planning
พัฒนาระบบวิเคราะห์ข ้อมูลงานวิจัยข ้าว
46
ระบบถามตอบข ้อมูลชวี ประวัต ิ
(Biographical Question-Answering System)
Web-based Question-Answering UI
47
Biographical Question-Answering System
(2)
OWL
Export
ื่ อะไร]
# Ex. 2. [REL: ลูกสาว] [Q: =ชอ
Person Ontology
Modeling
SPARQL
Querying
PREFIX mark:
<http://semantic.nectec.or.th/ontology/abh
isit360.owl#>
SELECT ?z
WHERE
{ mark:Abhisit mark:has_daughter ?x .
?x mark:name ?z}
48
เว็บท่าบริการความรู ้เพือ
่ การฟื้ นฟูบ ้านหลังน้ าท่วม
49
ตัวอย่าง – คาแนะนาแบบเฉพาะบุคคล (Personalized
Recommendation)
50
ตัวอย่าง – แนะนาข ้อมูลทีเ่ กีย
่ วข ้อง (Recommended
resources)
บทความทีเ่ กีย
่ วข้อง
แยกหมวดตาม Tag
ห ัวข้อทีเ่ กีย
่ วข้อง
่ มแซมที่
ร้านค้าว ัสดุ, บริษ ัทร ับซอ
อยูใ่ กล้เคียง
http://technology.in.th/rebuild/
51
สรุป


การจัดการความรู ้ในรูปแบบทีม
่ โี ครงสร ้างทีส
่ ามารถ
้
นาไปประยุกต์ใชงานได
้ในระบบสารสนเทศ
ออนโทโลยี (Ontology) เป็ นรูปแบบของฐานความรู ้
ทีส
่ ามารถประมวลผลได ้โดยระบบสารสนเทศและ
โปรแกรมคอมพิวเตอร์


เพือ
่ ชว่ ยเพิม
่ ความชาญฉลาด (intelligence) และความ
อัตโนมัต ิ (automation) ของกระบวนการ (process)
้ ้าได ้
รูปแบบของฐานความรู ้ทีส
่ ามารถแบ่งปั นและนาไปใชซ
(knowledge sharing and reuse)
52
แนะนาการอบรม Semantic-based
Knowledge Management Tools
53
แนะนาการอบรม Semantic-based Knowledge
Management Tools
ระยะเวลา
กิจกรรม
15-16 มีนาคม 2553 ,
24-25 มิถน
ุ ายน 2553
การอบรม Semantic-based Knowledge
Management Tools รุน
่ ที่ 1
10-11 พฤษภาคม 2553,
29-30 มิถน
ุ ายน 2553
การอบรม Semantic-based Knowledge
Management Tools รุน
่ ที่ 2
4-6 ธันวาคม 2553
กิจกรรมเขียนโปรแกรมมาราธอน Semanticbased Knowledge Management Tools
25-27 มกราคม 2555
การอบรม Semantic-based Knowledge
Management Tools รุน
่ ที่ 3
54
กิจกรรมอบรม Semantic-based
Knowledge Management Tools
55
กิจกรรม Semantic-based Knowledge Management
Tools Workshops for Developers
56
Coding marathon activity, December 2010
กาหนดการอบรม
57
กำหนดกำรอบรม
•
2 ก.ย. - กำรพัฒนำฐำนควำมรูออนโทโลยี
โดยใช้โปรแกรม
้
Hozo Ontology Editor (อบรมเชิงปฏิบต
ั ก
ิ ำร)
•
3 ก.ย. - กำรพัฒนำโปรแกรมประยุกตโดยใช
้ Ontology
์
Application Management (OAM) Framework
(อบรมเชิงปฏิบต
ั ก
ิ ำร)
•
•
•
•
กำรเชือ
่ มโยงฐำนขอมู
้ ลกับออนโทโลยี (Database-Ontology
Mapping)
ระบบสื บคนเชิ
งควำมหมำย (Semantic Search System)
้
ระบบแนะนำขอมู
้ ล (Recommender System)
บรรยำยพิเศษโดย Dr.Kouji Kozaki, Osaka University
58
กำรพัฒนำฐำนควำมรูออนโทโลยี
โดยใช้
้
โปรแกรม Hozo Ontology Editor
วิทยำกร:
• ดร.นพดล ชลอธรรม คณะเภสั ชศำสตร ์
มหำวิทยำลัยเชียงใหม่
• คุณธเนศ เรืองรจิตปกรณ์ ห้องปฏิบต
ั ก
ิ ำรวิจย
ั
เทคโนโลยีภำษำธรรมชำติและควำมหมำย
เนคเทค
59
กำรพัฒนำโปรแกรมประยุกตโดยใช
้ระบบ Ontology
์
Application Management (OAM)
วิทยำกร:
• ดร.มำรุต บูรณรัช ห้องปฏิบต
ั ก
ิ ำรวิจย
ั
เทคโนโลยีภำษำธรรมชำติและควำมหมำย
เนคเทค
• คุณนภัส สุขสม ห้องปฏิบต
ั ก
ิ ำรวิจย
ั เทคโนโลยี
ภำษำธรรมชำติและควำมหมำย เนคเทค
60
บรรยำยพิเศษในหัวขอ
้ “Ontological
Engineering for Big Data”
วิทยำกรรับเชิญ:
1. Dr.Kouji Kozaki, Osaka University,
Japan
61
โปรแกรมทีใ่ ช้ในกำรอบรม
•
Hozo Ontology Editor
•
Ontology Application Management (OAM)
Framework
62
แนะนำเครือ
่ งมือสนับสนุ นกำรพัฒนำโปรแกรม
ประยุกตออนโทโลยี
์
Ontology Application Management
(OAM) Framework
63
เครื่ องมือสนับสนุนการจัดการความรู้เัิงความหมาย
(Semantic-based Knowledge Management Tools)
 โปรแกรมั่วยสนับสนุ นการสร้างองค์ความรู ้เฉพาะทาง (Ontology
Development Tool)

โปรแกรมจัดการการเัื่อมโยงข้อมูลที่มีอยูเ่ ข้ากับองค์ความรู ้เฉพาะทาง
(Database-Ontology Mapping Tool)
โปรแกรมประยุกต์ที่นาองค์ความรู้เฉพาะทางมาใั้ประโยัน์
Applications) เั่น

(Ontology
 การสื บค้นข้อมูลเัิงความหมาย (Semantic Search)
 ระบบแนะนาข้อมูล (Recommender System)
64
Ontology-based Applications
Ontology-based application development
66
Ontology-based Application
Development Tools
Jena Semantic Web Framework
– A Java framework for building Semantic Web Application
– http://jena.sourceforge.net
D2RQ
– D2RQ is a declarative language to describe mappings
between relational database schemata and OWL/RDFS
ontologies
– Developed by the University of Berlin
– http://www4.wiwiss.fu-berlin.de/bizer/d2rq/
Reasoner
– Jena’s Inference Engine
Architecture of Ontology Application Management (OAM) Framework
Database-Ontology Data Mapping
Tool
Semantic Search System
Recommendation Rule
Management
ึ ษาการประยุกต์ใชงานระบบ
้
กรณีศก
OAM
ิ ใจทางคลินก
1. ระบบสนั บสนุนการตัดสน
ิ เพือ
่ ชว่ ยการ
ควบคุมและป้ องกันการแพร่กระจายของโรคธาลัสซ ี
เมีย
ิ ค ้า กรมสรรพสามิต
2. ระบบชว่ ยประเมินพิกด
ั ภาษี สน
3. ระบบรู ้จากิจกรรมของบุคคลในบ ้านอัจฉริยะ
(Activity Recognition in Smart Home)
72
ึ ษาการประยุกต์ใชงานระบบ
้
กรณีศก
OAM
ิ ใจทางคลินก
1. ระบบสนั บสนุนการตัดสน
ิ เพือ
่ ชว่ ยการ
ควบคุมและป้ องกันการแพร่กระจายของโรคธาลัสซ ี
เมีย
ิ ค ้า กรมสรรพสามิต
2. ระบบชว่ ยประเมินพิกด
ั ภาษี สน
3. ระบบรู ้จากิจกรรมของบุคคลในบ ้านอัจฉริยะ
(Activity Recognition in Smart Home)
73
ิ ใจทางคลินก
ระบบสนั บสนุนการตัดสน
ิ เพือ
่ ชว่ ยการ
ควบคุมและป้ องกันการแพร่กระจายของโรคธาลัสซเี มีย
74
ิ ค ้ากรมสรรพสามิต
ระบบชว่ ยประเมินพิกด
ั ภาษี สน
75
ระบบรู ้จากิจกรรมของบุคคลในบ ้านอัจฉริยะ
Ontology-Database Mapping
Recommendation Rule Management
Semantic Search Application Template
76
กำรเผยแพรผลงำนวิ
ชำกำร
่
1. A Community-driven Approach to Development of
an Ontology-based Application Management
Framework
– Marut Buranarach, Ye Myat Thein and Thepchai Supnithi
2. Location-based Concept in Activity Log Ontology for
Activity Recognition in Smart Home Domain
– Konlakorn Wongpatikaseree, Mitsuru Ikeda, Marut Buranarach,
Thepchai Supnithi, Azman Osman Lim and Yasuo Tan
– Co-authored with a PhD Student at
JAIST, Japan
– “Best In-Use Track Paper Award”
H. Takeda et al. (Eds.): JIST 2012, LNCS 7774,
Springer-Verlag Berlin Heidelberg, 2013.
77