Transcript Introduction to Ontology

Introduction to Ontology
Sudarsun S
Director – Research
Checktronix India
Chennai 600010
แปลและเรี ยบเรี ยงโดย บรรเจิด วิโรจน์วฒ
ุ ิกุล
คณะวิทยาการคอมพิวเตอร์ มหาวิทยาลัยบูรพา
Ontology คืออะไร?
สาขาปรัชญา – แขนงหนึ่งของปรัชญา ที่วา่ ด้วยธรรมชาติ
และองค์กรของความจริ ง
การศึกษาเกี่ยวกับการดารงอยู่ (ปรัชญาว่าด้วยความจริ งในธรรมชาติ)
 ทดลองหาคาตอบของคาถามที่วา่ :

อะไรคือคุณลักษณะของการดารงอยู?่
่ ย่างไร?
 ในที่สุดแล้วดารงอยูอ


แบ่งแยกสายสิ่ งต่างๆอย่างไร?
Ontology in Computers

Ontology คือ สิ่ งประดิษฐ์ทางวิศวกรรม ที่ประกอบด้วย
คาศัพท์ที่จะอธิบายถึงขอบเขต (ของสิ่ งที่เจาะจง)
 ข้อมูลจาเพาะที่ชด
ั เจน ของความหมายคาศัพท์
 ข้อจากัดของการเพิ่มความรู ้ใหม่เข้าไปในขอบเขต


ในอุดมคติแล้ว an ontology ควรจะ :
เข้าถึงความเข้าใจทัว่ ไป ของขอบเขตที่สนใจ
 เตรี ยมรู ปแบบ และ แบบจาลองที่เครื่ องจักรจัดการได้ ของขอบเขตที่สนใจ

Example

คาศัพท์ และ ความหมาย (การนิยาม)
ช้าง เป็ นสมาชิกหนึ่งของ สัตว์
 สัตว์กินพืช เป็ นสมาชิกของ สัตว์ ซึ่ ง กินเฉพาะพืช หรื อส่ วนหนึ่ งของพืช
 ช้างโตเต็มวัย เป็ นสมาชิกของ ช้าง ซึ่ ง มีอายุมากกว่า 20 ปี


เบื้องหลังของความรู ้/ข้อจากัดบนขอบเขต (กฎเกณฑ์ที่ยอมรับกัน
ทัว่ ไป)
ช้างโตเต็มวัย หนัก อย่างต่า 2000 กิโลกรัม
ั หรื อ ช้างอินเดีย
 ช้างทุกตัว เป็ น ช้างแอฟริ กน
 ไม่มี สิ่ งมีชีวต
ิ ใด เป็ นได้ท้ งั สัตว์กินพืช และ สัตว์กินเนื้อ

Example Ontology (Protégé)
What??
Why Ontology?
เพื่อแชร์ความเข้าใจพื้นฐานของโครงสร้างข้อมูล ระหว่างคนและ
Software agents
 เพื่อทาให้นาขอบเขตความรู ้เดิมกลับมาใช้ใหม่ได้
 เพื่อสร้างขอบเขตที่สมมุติข้ ึนมาให้มีความชัดเจน
 เพื่อแยกขอบเขตความรู ้ออกจากความรู ้ทวั่ ไปได้
 เพื่อวิเคราะห์ขอบเขตของความรู ้

Few Applications

e-Science, ตัวอย่างในด้าน Bioinformatics



Databases



The Gene Ontology (GO)
The Protein Ontology (MGED)
Schema design and integration
Query optimisation
User interfaces
 The Semantic Web & so-called Semantic Grid
Importance towards E-Commerce

Taxonomies provide :
เข้ามาควบคุมในการใช้คาศัพท์ร่วมกัน (search engines,
authors, users, databases, programs / ทุก
agent ใช้ภาษาเดียวกัน)
 Site ช่วยเหลือด้าน Organization และ Navigation
 ถูกกาหนดให้เป็ นมาตรฐาน (เช่น ตั้งไว้ที่โซนซ้ายของหลายๆเวปไซด์)
 “Umbrella” ระดับโครงสร้างที่สูงขึ้น (เพื่อการ Extension)
 ตัวช่วยค้นหา (แถบช่วยเหลือของ Yahoo!)
 Sense disambiguation

Importance towards E-Commerce
ตรวจสอบความสอดคล้อง
 การทาให้สมบูรณ์
 สนับสนุนการทาให้ขอ
้ มูลในระบบต่างๆพูดคุยกันได้
(Interoperability)
 สนับสนุนองค์ประกอบภายนอก
 เป็ นโครงสร้าง, เปรี ยบเทียบเพื่อปรับปรุ งการค้นหาข้อมูล
 Generalization/ Specialization

Observations

Ontologies อย่างง่าย สามารถสร้างได้โดยไม่ตอ้ งมีความชานาญ โดยใช้


Ontologies สามารถสร้างขึ้นได้แบบกึ่งอัตโนมัติ



Verity’s Topic Editor, Collaborative Topic Builder,
GFP,Chimaeras, Protégé, OIL-ED,etc
โดยอ้างอิงจากเวปไซด์ เช่น yahoo!, Amazon, excite
Semi-structured sites can provide starting points
Ontologies มีการใช้เพิ่มขึ้นอย่างรวดเร็ว(โดยมีธุรกิจเป็ นตัวผลักดัน)




เวปไซด์ทางธุรกิจส่วนมากใช้ เช่น Amazon, Yahoo! Shopping
ธุรกิจที่เจริ ญรุ่ งเรื องกาลังสนใจ
ภาษาที่ใช้กาลังเติบโต จาพวก Markup Languages XML,RDF
“Real” ontologies เหมาะสมที่จะเป็ นศูนย์กลาง Application
Implications & Need
ไวยกรณ์และความหมายของ Ontology Language
(DAML+OIL)
 ทรัพยากรที่ใช้ในการสร้างและบารุ งรักษาของ Ontologies
 ฝึ กฝน (Conceptual Modeling,การอ้างเหตุผลของสิ่ งที่
เกี่ยวข้อง, ……)

Issues
การร่ วมมือ ระหว่างกลุ่มที่เปิ ดเผยข้อมูล
การเชื่อมต่อระหว่างระบบหลายๆแห่งเข้าด้วยกัน
 วิเคราะห์และวินิจฉัย
 ประมาณ
 แบบฉบับ
 ความปลอดภัย
 ง่ายต่อการใช้
 การฝึ กหลากหลายระดับ / สนับสนุนผูใ้ ช้
 กลวิธีนาเสนอ
 วงจรชีวติ
 ความสามารถในการแพร่ ขยายออก


Chimaera

An interactive web-based tool aimed at supporting:





วิเคราะห์ Ontology (ความถูกต้อง, ความสมบูรณ์, ลักษณะ, …)
Merging of ontological terms จากหลายแหล่งเข้าด้วยกันได้
บารุ งรักษา ontologies ตลอดเวลา
การให้เหตุผลของข้อมูลเข้า
Features: multiple I/O languages, loading and merging
into multiple namespaces, collaborative distributed
environment support, integrated browsing/editing
environment, extensible diagnostic rule language
 ถูกใช้ในด้านการพาณิ ชย์และวิชาการ
 แหล่งข้อมูล: www.ksl.stanford.edu/software/chimaera
Building Ontology
กาหนด classes
 จัดเตรี ยมให้อยูใ่ นรู ป Taxonomic hierarchy


sub-class/super-class model
เตรี ยม slots และ facets สาหรับ slots
 กาหนดค่าสาหรับ slots ในแต่ละกรณี

Thumb-Rules
ไม่มีวิธีการที่ถูกต้องในการสร้างขอบเขต
 มีช่องทางในการทาได้เสมอ
ั การนาไปใช้และขยายต่อ
 วิธีการที่ดีที่สุดขึ้นอยูก่ บ
 กระบวนการทาซ้ า
 แนวความคิดใน Ontology คล้ายกับ objects(รู ปธรรม/
นามธรรม) และ relationships ในขอบเขตที่สนใจ

Objects คือ คานามทัว่ ไป
 Relationships คือ กริ ยาทัว่ ไปในประโยค

Step 1: Domain & Scope
อะไรคือขอบเขตที่สนใจ?
 อะไรคือจุดประสงค์ของ Ontology นี้ ?
 อะไรคือสิ่ งคาดหวังของคาถาม?
 ใครเป็ นผูใ้ ช้และบารุ งรักษา Ontology ?
 ตัวอย่างคาถาม:

ช้างเป็ นสัตว์กินพืชหรื อสัตว์กินเนื้อ?
 ช้างกินอะไรเป็ นอาหาร?
ั มีนิสัยเป็ นอย่างไร?
 ช้างแอฟริ กน

Step 2: Re-Use Existing Ontology
ถ้าเข้ากันได้ ก็สามารถใช้ได้แน่นอน
 ปั ญหาในการ merging Ontologies?

รู ปแบบขัดแย้ง
 แนวคิดเดียวกัน, การนาเสนอต่างกัน

Step 3: Enumerate Terms
Terms คืออะไร?
 Properties ของ terms คืออะไร?
 Relationships ของ terms คืออะไร?
 ตัวอย่าง:

Animal, elephant, lion
 ความสู ง, น้ าหนัก, อาหารที่กิน
ั เองได้, ช้างอยูร่ วมกันเป็ นกลุ่ม
 ช้างกับควาญช้าง, ช้างผสมพันธุ ์กน

Step 4: Define Classes & Hierarchy





Top-Down Approach
Bottom-Up Approach
Mixed
Object Oriented Programming Analogy
อะไรที่เราจะได้รับ?



การจัดเรี ยง Hierarchical ของ concepts
ถ้า class P is a super-class of class Q, และทุกๆกรณี ของ B
คือ หนึ่งในกรณี ของ P
หมายความว่า : class Q represents a “kind-of” P
Step 5: Properties of Classes - Slots
“intrinsic” properties เช่น softness of silk
 “extrinsic” properties เช่น bike’s model
name
 Parts, ถ้า object เป็ นรู ปแบบ Structured; สามารถ
กาหนดให้เป็ น physical และ abstact parts ได้



เช่น: เวลาหากินช่วงเช้าของช้าง
Relationships ระหว่างสมาชิกของ class

เช่น: ช้าง กับ ควาญช้าง, สามารถแสดงถึงความสัมพันธ์ระหว่าง ช้าง
อ้างอิงถึงที่อยูข่ องช้าง ผ่านทางควาญช้างได้
Step 6: Define Slots

จานวน values ของ Slot


ตั้งค่า ว่า slot ควรจะมี values ได้กี่ค่า?
ใส่ ค่าของ Slot


มีค่าอะไรที่สามารถใส่ ได้บา้ ง?
ค่ามาตรฐานทัว่ ไป:





String
Number
Boolean
Enumeration
Instance
Step 7: Create Instances

ยกตัวอย่างการสร้าง instance ชื่อ african_elephant
ซึ่งเป็ น instance ของ class elephant
High : 400 cm
 Weight : 6,500 Kg
 Eat : fruit, leaf (instance of food class)
 Behavioer : aggressive


Kind : Herbivore (instance of animal_type
class)
Consistency Checks ??

ทาให้แน่ใจว่า Class hierarchy ถูกต้อง
สิ่ งที่อยูใ่ นระดับเดียวกันของ tree ควรจะมี สิ่ งทัว่ ไปคล้ายๆกัน
 classes ที่มีความหมายเหมือนกัน แต่แยกเป็ นคนละ class
 ตรวจความสัมพันธ์ “is-a” และ “kind-of”
 สิ่ งที่มากเกินไปหรื อน้อยเกินไป


Multiple Inheritance
Consistency Checks ??

เราจะเพิม่ class ใหม่ได้เมื่อไหร่ ?

การเพิ่ม Subclass ของ class โดยทัว่ ไปจะ




Class ใหม่ หรื อ property-value ใหม่?


มีคุณสมบัติเพิ่มเติมที่ super-class ไม่มี
มีขอ้ จากัดที่แตกต่างจาก super-class
มีการอ้างอิง relationships มากกว่าใน super-class มี
class “african_elephant” หรื อ class “elephant” ที่มี
property type เป็ น “african” ขึ้นอยูก่ บั จุดมุ่งหมายที่เราสนใจ
เป็ น Instance หรื อ Class?


Individual Instances เป็ น การแสดงถึงกรณี เจาะจงในฐานความรู้
ถ้า concept ที่สนใจเกิดจากการจาแนกโดยธรรมชาติ จะเป็ น classes
Limiting the Scope
ต้องการที่จะไม่ใส่ ขอ้ มูลที่เป็ นไปได้ท้ งั หมดที่เกี่ยวกับขอบเขต
 ต้องการที่จะไม่ใส่ กรณี ทวั่ ไป หรื อ กรณี เฉพาะ มากไปกว่าอะไรที่เรา
ต้องการนาไปใช้
 ต้องการที่จะไม่ใส่ properties ที่เป็ นไปได้ท้ งั หมดและ สิ่ งที่
แตกต่าง ในหมู่ classes บน hierarchy

Ontology Merging/Alignment

สิ่ งที่ตอ้ งการ
การช่วยเหลือและคาแนะนาของของกระบวนการ
 เครื่ องมือพิเศษสาหรับ ontology merging and
alignment


สิ่ งที่ตอ้ งการ (แต่ยงั ไม่สามารถทาได้)

เครื่ องที่สามารถ merging and alignment ได้อตั โนมัติอย่าง
สมบูรณ์
Mapping, Merging, Alignment
Approaches

การแก้ปัญหาขัดแย้งหลังจาก merging




เปลี่ยนรู ปก่อนทาการ merging



ผลลัพธ์โดยตรง
เกิดการปกคลุมของข้อมูล
ยากที่จะทาซ้ า
กระบวนการสามารถทาซ้ าได้
ไม่เป็ นผลลัพธ์โดยตรง
ใช้เครื่ องมือปรับโดยตรงให้เหมาะสม


สามารถได้ผลลัพธ์โดยตรงจากการปรับเปลี่ยน
ยากที่จะทาซ้ า แต่เป็ นไปได้
SMART Algorithm
Merge Classes (contd..)
Merge Classes (contd..)
Suggestions (contd..)
Source – Car Rental
Source –Airline Reservation
Features

ผลที่ตอบสนองกับผูใ้ ช้
คาชี้แจง
 กระบวนการแก้เมื่อเกิดปั ญหา


ดูแลรักษาจุดที่สนใจ
ปรับปรุ งการให้ขอ้ แนะนา
 สร้างข้อมูลชัว่ คราวเพื่อยืดเวลาสาหรับการแก้ปัญหา


การสะกดรอยความสัมพันธ์
เก็บความสัมพันธ์ที่อา้ งอิงถึง
 เก็บข้อมูลอย่างย่อไว้

Ontology Languages - RDF



RDF คือ Resource Description Framework
เป็ น W3C candidate recommendation
(http://www.w3.org/RDF
RDF เป็ น graphical formalism (+XML syntax +
semantics)



เพื่อเป็ นตัวแทนข้อมูลที่อธิบายถึงข้อมูลอีกชุดหนึ่ง
เพื่ออธิบายถึงความหมายของข้อมูลในสิ่ งที่เครื่ องจักรเข้าใจได้
RDFS extends RDF กับ “schema vocabulary”ตัวอย่างเช่น



Class, Property
Type, subClassOf, subPropertyOf
Range, domain
RDF Syntax --Triples
Subject
Ex: Subject
Property
Object
Ex: Property
Ex: Object
RDF Syntax --Triples
Subject
Ex: Subject
_: xxx
Property
Object
Ex: Property
Ex: Object
RDF Syntax --Triples
Subject
Ex: Subject
_: xxx
Property
Object
Ex: Property
Ex: Object
RDF Syntax --Triples
Subject
Ex: Subject
_: xxx
Property
Object
Ex: Property
Ex: Object
_: yyy
RDF Syntax --Triples
Subject
Ex: Subject
_: xxx
Property
Object
Ex: Property
Ex: Object
_: yyy
<< plain litteral >>
RDF Syntax --Triples
Subject
Ex: Subject
_: xxx
Property
Object
Ex: Property
Ex: Object
_: yyy
<< plain litteral >>
<< lexical >>^^data type
RDF Syntax -- Graph
_: xxx
RDF Syntax -- Graph
<< Palani Ramasamy >>
Ex: name
_: xxx
rdf: type
Ex: Person
RDF Syntax -- Graph
<< Palani Ramasamy >>
Ex: name
_: yyy
_: xxx
Ex: member-of
rdf: type
Ex: Person
RDF Syntax -- Graph
<< Palani Ramasamy >>
<< University of Madras >>
Ex: name
Ex: name
_: yyy
_: xxx
Ex: member-of
rdf: type
Ex: Person
rdf: type
Ex: Organisation
RDFS
RDFS

RDFS vocabulary adds constraints on models, e.g.:

x,y,z type(x,y) subClassOf(y,z) type(x,z)
RDFS

RDFS vocabulary adds constraints on models, e.g.:

x,y,z type(x,y) subClassOf(y,z) type(x,z)
Ex: Person
rdf: subClassof
Ex: Animal
RDFS

RDFS vocabulary adds constraints on models, e.g.:

x,y,z type(x,y) subClassOf(y,z) type(x,z)
Ex: Animal
Ex: Person
rdf: subClassof
Ex: John
rdf: type
Ex: Person
RDFS

RDFS vocabulary adds constraints on models, e.g.:

x,y,z type(x,y) subClassOf(y,z) type(x,z)
Ex: Animal
Ex: Person
rdf: subClassof
Ex: John
rdf: type
Ex: Person
rdf: type
Ex: Animal
Problems with RDFS

RDFS อ่อนในการที่จะอธิ บายทรัพยากรในรายละเอียดที่เพียงพอ

ไม่มีขอ้ บังคับ ของการจากัดวง range และ domain
ไม่สามารถบอกได้วา่ ขอบเขตของ hasChild คือ person เมื่อประยุกต์เป็ น person
and elephant และเมื่อประยุกต์เป็ น elephants
 ไม่มีขอ
้ จากัด existence/cardinality
 ไม่สามารถบอกได้วา่ ทุกๆกรณี ของ person มี 1 mother นัน
่ คือ mother เป็ น 1
person เช่นกัน หรื อ person มี 2 parents ได้อย่างถูกต้อง


ไม่มีคุณสมบัติ transitive, inverse หรื อ symmetrical


ไม่สามารถบอกได้วา่ isPartOf คือคุณสมบัติ transitive, isPartOf คือ inverse
ของ isPartOf และ touches คือ symmetrical
ความยากในการจาแนก เหตุผลสนับสนุน


ไม่มี “native” reasoners สาหรับ เหตุผลที่ไม่ใช่มาตรฐาน
May be possible to reason via FO axiomatisation
Axiomatisation

An Axiomatisation สามารถถูกใช้ฝัง RDFS ใน FOL,
ตัวอย่าง:



Triple x P y translated as holds2 (P,x,y)
Axioms capture ในส่ วนความหมายของ language
ปัญหาการ axiomatisations include
จะต้องการ set ที่ใหญ่และซับซ้อน ของ axioms
 ยากที่จะพิสูจน์ความหมายให้เป็ นการ captured อย่างถูกต้อง
 Axiomatisation จะเพิ่มภาระการคานวณอย่างมาก
complexity



RDFS → undecidable (subset of) FOL
ไม่มี interoperability นอกจาก ทุกภาษาที่ axiomatised เช่นเดียวกัน


เช่น C subClassOf D equivalent to
แต่ตอ้ ง axiomatise เช่น holds2(subClass, C, D)
RDF to OWL

สองภาษาที่ถกู พัฒนาโดย extending(ส่ วนหนึ่งของ) RDF



ความพยายามMerged เพื่อสร้าง DAML+OIL


OIL : Ontology Inference Layer
DAML-ONT : DARPA Agent Markup Language
Extends (“DL subset” of) RDF
DAML+OIL



Web-Ontology(WebOnt) Working Group formed
WebOnt group ถูกพัฒนาโดย OWL Language based on
DAML+OIL
OWL language now a W3C Proposed
Recommendation
Description Logics

ครอบครัวหนึ่งของ logic based Knowledge
Representation formalisms



สื บทอดมาจาก semantic networks และ KL-ONE
อธิบายขอบเขตในรู ปแบบของ concepts(classes),
roles(properties, relationships) และ individuals
มีลกั ษณะเด่นคือ

Formal semantics (แบบจาลองอย่างเป็ นแบบฉบับตามหลักทฤษฎี)



ตัดสิ นใจได้ในส่วนที่แยกจาก FOL
มีความเกี่ยวข้องอย่างใกล้ชิดกับ Prepositional Model & Dynamic Logics
การจัดเตรี ยมของ inference services


การตัดสิ นใจใช้กระบวนการสาหรับการแก้ไขปัญหา (ความพึงพอใจ, การสมมติฐาน, ฯลฯ)
Implemented systems (highly optimized)
DL Basics

Concept คือ สิ่ งที่เทียบได้กบั unary predicates


โดยทัว่ ไป, concepts จะเท่ากับ สูตรที่มีตวั แปรอิสระ 1 ตัว
Role คือ สิ่ งที่เทียบได้กบั binary predicates

โดยทัว่ ไป, roles จะเท่ากับ สูตรที่มีตวั แปรอิสระ 2 ตัว
Individual คือสิ่ งที่เทียบได้กบั ค่าคงที่
 Operators จากัดความได้วา่ :



ภาษาตัดสิ นใจได้ และ ถ้าเป็ นไปได้, มีความซับซ้อนน้อย
ไม่ตอ้ งการที่จะใช้ตวั แปรอย่างชัดเจน


จากัดความจาก และ (ติดต่อกันโดยตรงด้วย < > และ [ ])
ลักษณะ เหมือนกับ การนับที่ส้ นั กระชับว่องไว
DL System Architecture
DL Family


ถูกใช้บ่อยสาหรับ
ใน transitive roles(R+)
Additional letters บ่งบอกถึง extensions อื่นๆ



ตัวอย่างเช่น
+ R+ + role hierachy + inverse + QNR =
is the basis for W3C’s OWL Web Ontology
Language


OWL DL
OWL Lite
(นัน่ คือ
)
extended with nominal (นัน่ คือ
)
with only functional restrictions
DL Knowledge Base

A TBox is a set of “schema” axioms(sentences)


An ABox is a set of “data” axioms (ground facts)


ตัวอย่าง
ตัวอย่าง
A Knowledge Base (KB) คือการรวมของ TBox บวก ABox
DL Reasoning
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor
DL Reasoning

ตัวอย่าง : KB:
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor
DL Reasoning

ตัวอย่าง : KB:
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor
DL Reasoning

ตัวอย่าง : KB:
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor
DL Reasoning

ตัวอย่าง : KB:
W
marriedTo
hasChild
HappyParrent J
hasChild
M ~Doctor,
(Doctor _ hasChild.Doctor),
hasChild.Doctor
DL Reasoning

ตัวอย่าง : KB:
W
marriedTo
HappyParrent J
hasChild
M ~Doctor,
hasChild
(Doctor _ hasChild.Doctor),
hasChild.Doctor
hasChild
?
Doctor
OWL

3 สายพันธุ์ ของ OWL




Semantic layering


OWL DL
OWL full ภายใน DL fragment
OWL DL พื้นฐานบน


OWL full เป็ น union ของ OWL syntax และ RDF
OWL DL ซึ่งมีขอบเขตใน FOL fragment (
DAML+OIL)
OWL Lite คือ “simpler” subset ของ OWL DL
ในความเป็ นจริ ง มีค่าเทียบได้กบั
Description Logic
DL
OWL DL ผลประโยชน์ที่ได้จากการวิจยั DL เป็ นเวลาหลายปี




ง่ายในการนิยาม semantics
Formal properties ง่ายต่อการเข้าใจ (ความซับซ้อน, ความสามารถในการตัดสิ นใจ)
รู้จกั reasoning algorithms
Implemented systems (ใช้ให้เหมาะสมได้ดี)
OWL constructors
OWL constructors

XMLS datatypes และ classes ใน

ตัวอย่าง
hasAge.nonNegativeInteger
P.C และ
P.C
OWL constructors

XMLS datatypes และ classes ใน


ตัวอย่าง
P.C และ
P.C
hasAge.nonNegativeInteger
ไม่มีกฎเกณฑ์ที่ซบั ซ้อน nesting ของ constructors

ตัวอย่าง Person
hasChild.Doctor
hasChild.Doctor
RDFS Syntax
RDFS Syntax
OWL Axioms
OWL Axioms
References
Thanks

ติดต่อผูเ้ ขียนได้ที่ [email protected]
Checktronix India Pvt Ltd,
9 Ramanathan Street,
Kilpauk, Chennai 600010
Phone: 044 30570028-32
 ที่ปรึ กษาเรี ยบเรี ยงบทความ อ.ธวัชชัย เอี่ยมไพโรจช์