Компоненты онтологии

К общим компонентам онтологий относятся:

Индивиды

экземпляры или объекты (базовые или объекты «основного уровня», токены).

Классы

совокупности, коллекции, концепции, типы объектов или разновидности вещей.

Атрибуты

аспекты, свойства, характеристики, особенности или параметры, которыми могут обладать индивиды, а также классы и отношения^[3].

Отношения

способы связи между классами и индивидами. Отношения могут иметь атрибуты, детализирующие характеристику самой связи^[4].

Функциональные термины

сложные структуры, сформированные из определённых отношений, которые могут употребляться вместо отдельного термина в высказывании^[5].

Ограничения

формальные описания условий, при которых то или иное утверждение считается допустимым в рамках онтологии.

Правила

высказывания вида «если..., то...», задающие логические выводы, получаемые из утверждения заданной формы.

Аксиомы

утверждения (включая правила), выраженные в логической форме, которые совместно формируют теоретическую основу, описываемую онтологией в её области применения^[6]. Это определение отличается от аксиом в формальной логике и порождающей грамматике, где аксиомы — только утверждения априорного знания. Здесь аксиомой также называется знание, выведенное из других аксиоматических утверждений.

События

изменение атрибутов или отношений.

Действия

частный случай событий.

Онтологии, как правило, кодируются с использованием стандартов RDF, OWL, SPARQL, а также современных спецификаций SHACL, SKOS, GraphQL и DCAT^[7]..

Отдельные элементы (экземпляры) — базовые, «основного уровня» компоненты онтологии. Индивидами в онтологии могут быть конкретные объекты (люди, животные, столы, автомобили, молекулы, планеты), а также абстрактные — числа и слова (однако существуют дискуссии, можно ли относить числа и слова к классам или индивидам). Формально онтология не обязана содержать индивиды, однако одной из целей онтологии может быть предоставление механизмов их классификации — даже если подобные индивиды не явно включены в структуру.

В формальных экстенсиональных онтологиях индивидуальными признаются только высказывания, составленные из слов и чисел, а сами числа и имена трактуются как классы. В четырёхмерных (4D) онтологиях индивид идентифицируется по пространственно-временной протяжённости. Примерами формальных экстенсиональных онтологий являются проекты BORO, ISO 15926 и модель, разрабатываемая организацией IDEAS Group.

В представлении знаний класс определяется как множество индивидов или объектов. Класс может быть определён экстенсионально (указанием членов) или интенсионально (через условия принадлежности), используя языки онтологий, такие как OWL. По различию между типами и токенами онтология содержит индивиды (реальные или воображаемые элементы) и их типы или классы (множества этих элементов). Описания классов содержат свойства, которые должны выполнять индивиды, чтобы быть членами класса; такие индивиды называют экземплярами (инстансами). В современных реляционных онтологиях жёсткие иерархические структуры классов трансформируются в гибкие графовые модели, где иерархия является лишь одним из типов отношений^[8]. Вместо строгой единой иерархии применяются новые подходы, такие как двухуровневые схемы, состоящие из базовых категорий и модулей^[9].

Объекты онтологии описываются через связывание с другими объектами — обычно это аспекты или составные части. Такие связанные объекты часто называют атрибутами, хотя они могут быть и самостоятельными сущностями. Каждый атрибут может быть как классом, так и отдельным элементом. Типы объекта и атрибута определяют вид связи между ними. Связь между объектом и атрибутом фиксирует характерную особенность объекта. Например, для объекта Ford Explorer возможны такие атрибуты:

• ⟨имеет в качестве имени⟩ Ford Explorer
• ⟨по определению как часть⟩ 6-ступенчатая коробка передач
• ⟨по определению является частью⟩ двери (минимальное и максимальное количество: 4)
• ⟨по определению включает одно из⟩ {двигатель объёмом 4,0 л, двигатель объёмом 4,6 л}

Значение атрибута может быть сложным типом данных: в приведённом примере «двигатель» связан только с одним из допустимых подтипов, а не с конкретной сущностью.

Строго говоря, онтологией можно назвать структуру только если между понятиями существуют связи — если у объектов есть атрибуты. Иначе это будет либо таксономия (если отношения — только гипоним-гипероним), либо управляемый словарь, что полезно, но не соответствует определению онтологии.

В контексте семантического обогащения онтологий атрибуты (свойства) разделяют на свойства данных (англ. Data Properties) и свойства объектов (англ. Object Properties). Свойства данных связывают объекты с конкретными значениями или литералами и используются для хранения фактических данных. Свойства объектов связывают один объект с другим и служат для установления семантических связей и структурных отношений внутри онтологии^[10].

Для обеспечения «контура доверия» (англ. trust circuit) в структуре онтологии используются метаданные атрибутов, такие как данные о происхождении (provenance), метки времени и уровень достоверности^[11].

Отношения или взаимосвязь — способ соотнесения двух или более объектов в онтологии. Как правило, отношение относится к определённому типу (классу отношений), определяющему, каким образом элементы связаны. Например, если в онтологии присутствуют концепции Ford Explorer и Ford Bronco, между ними может быть установлена связь типа «преемник»:

• Ford Explorer определяется как преемник: Ford Bronco

Это указывает, что Explorer замещает Bronco. Таким образом, отношения имеют направление. Обратное выражение будет эквивалентно иному лексическому выражению того же факта.

Значительная часть выразительной мощности онтологий обусловлена способностью формализовывать отношения. Совокупность отношений описывает семантику предметной области, включая разнообразные семантические отношения, такие как синонимия, гипонимия и гиперонимия, координатные отношения и другие. Определённый набор (иерархия) классов отношений задаёт границы специфики языка онтологии.

Важнейшим типом отношения выступает отношение подкласса: is-a-superclass-of/is-a-subtype-of (superclass/subclass), определяющие принадлежность объектов классу. Например, класс Ford Explorer является подклассом полноприводных автомобилей, которые, в свою очередь, подклассом легковых автомобилей.

Добавление отношений подкласса образует таксономию: древовидную структуру (или, шире, частично упорядоченное множество), описывающую отношения между объектами и их суперклассами. В такой структуре каждый объект — «дочерний» относительно «родительского» класса (в некоторых языках допускается множественное наследование).

Широко распространены и другие виды отношений. Например, мереологическое отношение part-of выражает, как составные части формируют объект. Например, «рулевое колесо по определению является частью Ford Explorer». При введении меронимии и других отношений структура уже не обязательно деревообразна и может быть описана ориентированным ациклическим графом, поскольку один элемент включён в несколько ветвей. Для представления сложных сетей связей активно используются мультимодальные гиперграфы, которые допускают N-арные отношения, где одно гиперребро объединяет сразу несколько сущностей^[12].

Помимо стандартных отношений, онтологии могут включать дополнительные типы связей, уточняющие специфику модели. Часто различают:

• типы отношений для связей между классами;
• типы отношений между экземплярами;
• отношения между экземпляром и классом;
• отношения между объектом и коллекцией;
• отношения между коллекциями.

В конкретной предметной области типы отношений используются для репрезентации данных и для решения типовых задач. Если метамодели типов отношений включены в структуру онтологии, то они фактически определяют её собственный язык представления. Примером онтологии с разделением категорий отношений служит онтология Gellish.

В автомобильной предметной области, например, может быть отношение «производится» — для указания, где собирается каждый автомобиль. Ford Explorer производится в Луисвилле, Луисвилл находится в Кентукки, а Кентукки — штат и часть США. На основе такой онтологии можно ответить на вопрос: «Какие автомобили производятся в США?».

В современных онтологиях также применяются специализированные виды связей. Динамические изменения формализуются через временные и событийные отношения, такие как интервалы Аллена для качественных связей между временными промежутками или 4D-флюенты для моделирования исторических срезов состояний. Для обеспечения достоверности данных и связи с источниками используются структурные отношения (например, wasDerivedFrom и creator)^[13]. Кроме того, для объединения различных предметных областей в единую семантическую сеть без потери их автономии применяются междоменные связующие отношения (bridge relations)^[14].

Эволюция использования ограничений демонстрирует переход от простых правил к сложным семантическим и вычислительным моделям. На современном этапе ограничения интегрируются глубоко в структуру представления знаний и могут выступать как структурные модальные ограничения. В таком виде они работают как активный вычислительный механизм, автоматически проверяя факты на соответствие законам конкретной предметной области^[15].

Для автоматической генерации аксиом в онтологиях применяются методы искусственного интеллекта. Наилучшие результаты показывают гибридные методы, которые достигают высокой точности и логической согласованности. При этом прямое использование больших языковых моделей (LLM) пока не позволяет добиться полной автоматизации, поэтому они применяются преимущественно для генерации кандидатов аксиом в качестве помощников инженеров онтологий^[16].

В системах генеративного искусственного интеллекта (GenAI) онтологии применяются в рамках концепции опорного слоя (англ. grounding layer). Он состоит из трёх ключевых элементов: онтологии (определяющей понятия и правила их взаимодействия), семантики (точных определений и методик расчёта) и контура доверия (англ. trust circuit)^[1][17]. Контур доверия обеспечивает безопасную работу ИИ с помощью механизмов верификации, среди которых использование триплетов, отслеживание происхождения данных (provenance) и трассировка^[18]. Интеграция онтологий и семантических моделей для доступа ИИ-агентов осуществляется через API и протокол MCP^[19].