ไฟล์ presentation - ดร.มารุต บูรณรัช
Download
Report
Transcript ไฟล์ presentation - ดร.มารุต บูรณรัช
การอบรมเชงิ ปฏิบต
ั ก
ิ าร Semantic-based Knowledge Management Tools
รุน
่ ที่ 3 วันที่ 25-27 มกราคม 2555 ณ.อุทยานวิทยาศาสตร์ประเทศไทย
แนะนาเครือ
่ งมือการพัฒนาฐานความรู ้เพือ
่ นาไปสู่
การประยุกต์ใชข้ ้อมูลเชงิ ความหมาย
Introduction to Semantic-based
Knowledge Management Tools
ห ้องปฏิบัตก
ิ ารวิจัยเทคโนโลยีภาษาธรรมชาติและความหมาย
์ ละคอมพิวเตอร์แห่งชาติ
ศูนย์เทคโนโลยีอเิ ล็คทรอนิกสแ
[email protected]
Outline
• การจัดการความรู ้เชงิ ความหมาย (Semantic-based
Knowledge Management)
o
o
ฐานความรู ้สาหรับคอมพิวเตอร์ (Ontology)
้
ตัวอย่างการประยุกต์ใชงาน
• แนะนาการอบรม
•
้
โปรแกรมทีใ่ ชในการอบรม
o
o
•
Hozo Ontology Editor
NECTEC’s Ontology Application Development Platform
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
พัฒนาระบบวิเคราะหข
ั ขาว
้ ลงานวิจย
้
์ อมู
46
ระบบถามตอบขอมู
้ ลชีวประวัต ิ
(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
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)
49
แนะนาการอบรม
50
โปรแกรมทีใ่ ช้ในการอบรม
•
Hozo Ontology Editor
•
NECTEC’s Ontology Application Development
Platform
51
แนะนาเครือ
่ งมือสนับสนุ นการพัฒนาโปรแกรม
ประยุกตออนโทโลยี
ของเนคเทค
์
(NECTEC’s Ontology-based
Application Development Platform)
52
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)
53
Ontology-based Applications
Ontology-based application development
55
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
– Pellet (http://clarkparsia.com/pellet/)
Architecture of NECTEC’s Ontology Application Development Platform
Application
Management
6
Recommender
Management
System
Integration
Framework
Data
Management
5
Semantic Search
Management
System
4
Conceptual
Dictionary
Generation System
Ontology Application
Development Platform
Rule Management
System
2
1
DB
DB
+
ontology
DB Terms to
Ontology Concept
Mapping System
+
DB
DB
ontology
+
ontology
Instance Template
Generation System
3
+
ontology
DB
+
ontology
Database-Ontology Data Mapping
Tool
Semantic Search System
Rule Management System
กาหนดการอบรม
61
กาหนดการอบรม
•
25 ม.ค. - การพัฒนาฐานความรูออนโทโลยี
โดยใช้โปรแกรม
้
Hozo Ontology Editor (อบรมเชิงปฏิบต
ั ก
ิ าร)
•
26 ม.ค. - สั มมนาในหัวขอ
จย
ั
้ “แบงปั
่ นประสบการณงานวิ
์
ดานเทคโนโลยี
เว็บเชิงความหมายในประเทศไทย” (บรรยาย
้
และระดมสมอง)
•
27 ม.ค. - การพัฒนาโปรแกรมประยุกตโดยใช
้ NECTEC’s
์
Ontology Application Development Platform
(อบรมเชิงปฏิบต
ั ก
ิ าร)
62
การพัฒนาฐานความรูออนโทโลยี
โดยใช้
้
โปรแกรม Hozo Ontology Editor
วิทยากร:
• ดร.นพดล ชลอธรรม คณะเภสั ชศาสตร ์
มหาวิทยาลัยศิ ลปากร วิทยาเขตพระราชวัง
สนามจันทร ์
63
จย
ั
สั มมนาในหัวขอ
์
้ “แบงปั
่ นประสบการณงานวิ
ดานเทคโนโลยี
เว็บเชิงความหมายในประเทศไทย”
้
วิทยากรรับเชิญ:
1. ดร.ศศิ พร อุษณวศิ น มหาวิทยาลัยศรีปทุม
2. รองศาสตราจารยวิ
ั ดร. ชุตพ
ิ ร อนุ ตริยะ
์ จย
มหาวิทยาลัยชินวัตร
3. ดร.บุญทวี สั นติศรีวราภรณ์ สถาบัน
เทคโนโลยีนานาชาติสิรน
ิ ธร
64
สั มมนาในหัวขอ
จย
ั
้ “แบงปั
่ นประสบการณงานวิ
์
ดานเทคโนโลยี
เว็บเชิงความหมายในประเทศไทย”
้
(2)
การบรรยายหัวของานวิ
จย
ั ในสาขาเทคโนโลยีเว็บ
้
เชิงความหมาย:
1. พันเอก กริช อินทราทิพย ์ นักศึ กษาระดับปริญญาเอก
มหาวิทยาลัยศรีปทุม
2. คุณนิชากรณ์ พันธคง
นักศึ กษาระดับปริญญาเอก
์
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนื
อ
้
3. คุณทองพูล หีบไธสง นักศึ กษาระดับปริญญาเอก
มหาวิทยาลัยเกษตรศาสตร ์
4. คุณวาทินี นุ้ ยเพียร นักศึ กษาระดับปริญญาเอก
มหาวิทยาลัยเทคโนโลยีพระจอมเกลาพระนครเหนื
อ
้
65
การพัฒนาโปรแกรมประยุกตโดยใช
้ NECTEC’s
์
Ontology Application Development Platform
วิทยากร:
• ดร.มารุต บูรณรัช ห้องปฏิบต
ั ก
ิ ารวิจย
ั
เทคโนโลยีภาษาธรรมชาติและความหมาย
เนคเทค
66
ผู้ช่วยวิทยากร (อาสาสมัคร)
1.
2.
3.
4.
5.
6.
7.
พันเอก กริช อินทราทิพย ์
คุณนิชากรณ์ พันธคง
์
คุณทองพูล หีบไธสง
คุณวาทินี นุ้ ยเพียร
คุณรณรงค ์ แกวประเสริ
ฐ
้
คุณเสกสรร พลตรี
คุณปนัดดา ใจบุญลือ
67
ผู้ช่วยวิทยากร (LST Lab, เนคเทค)
1.
2.
3.
4.
5.
6.
7.
คุณณัฐพล กฤษสุทธิกุล
คุณธเนศ เรืองรจิตปกรณ์
คุณสาวิตรี จาปาทอง
คุณพีรเชษฐ ปอแกว
้
คุณวสั นต ์ ณ.ชัย
คุณจรูญ พรมบุตร
คุณสุขสั นต ์ น้อยศรีภม
ู ิ
68