|

|

MWR+: Eine Toolbox für den Wissensingenieur

Ingo Glöckner ([email protected])

Einleitung

Das MWR-System zur Wissensverarbeitung mit MultiNet (Gnörlich 2002) bildet die Grundlage für eine Weiterentwicklung unter dem Namen MWR+ (Glöckner in Vorb.). Im Vergleich zu MWR bringt MWR+ zahlreiche Neuerungen, u.a. einen Wechsel der Programmierplattform, eine wesentlich schnellere und besser skalierende Inferenzkomponente, eine umfangreiche Modulbibliothek zur Unterstützung von Aufgaben im Bereich Logik und NLP sowie Schnittstellen zu externen Werkzeugen (z.B. Datenbanken und Machine-Learning-Werkzeuge).
Im folgenden wird zunächst auf die technische Plattform und die Programmierschnittstellen eingegangen. Danach werden neue Komponenten wie z.B. ein graphischer Axiommanager besprochen. Abschließend werden zwei Anwendungen beschrieben, die auf Basis der MWR+-Bibliotheken bereits implementiert wurden.

Technische Plattform

Für MWR+ erfolgte ein Umstieg von elk-Scheme auf bigloo-Scheme als Grundlage der Implementierung. Für Bigloo ist ein Compiler verfügbar, der Scheme-Code nach C oder alternativ nach Java übersetzt. Im Vergleich zum elk-Interpreter, den das frühere MWR verwendet, werden dadurch wesentlich bessere Laufzeiten erzielt.

In MWR erfolgte eine Implementierung gemischt in elk-Scheme und C, wobei die Benutzerschnittstelle in C unter Verwendung von OpenMotif realisiert wurde. Stattdessen wird für die Benutzerschnittstelle von MWR+ das Bigloo Java-Backend genutzt. Dies ermöglicht u.a. auch eine Visualisierung von MultiNet-Graphen in Java-Applets.

Ausbau der Programmierschnittstellen

Über den grundlegenden MultiNet-ADT von MWR hinaus gibt es in MWR+ die folgenden Erweiterungen:

• WOCADI-Schnittstelle
  Zugriff auf den WOCADI-Parser für das Deutsche im Satz- oder Textmodus (im alten MWR-System dagegen können nur Einzelsätze geparst werden). Nutzung von WOCADI-Sitzungen im Diskursmodus (für Koreferenzauflösung und Behandlung von Ellipsen).
• Knotenbeschreibungen
  Zu den Knoten eines semantischen Netzes können aus den WOCADI-Analysen automatisch erläuternde Knotenbeschreibungen extrahiert werden (dies funktioniert für alle Knoten, die aus Nominalphrasen im ursprünglichen Text entstanden sind). Wird 'Goethe' z.B. durch den Knoten c39 repräsentiert, so rekonstruiert dieses Modul die Knotenbeschreibung 'Goethe' (nicht durch Generierung, sondern durch Bestimmung des zugehörigen Ausschnitts des Originaltexts). Dieser Mechanismus kann für das Verständnis größerer Netze sehr hilfreich sein. Neben der automatischen Extraktion können auch manuell Knotenbeschreibungen gesetzt werden.
• Neues Austauschformat
  Volle Unterstützung des Textual-MultiNet-Formats, das beliebige benutzerdefinierte Attribute gestattet (dieses Format wird z.B. auch von WOCADI genutzt). Das alte MWR-System dagegen verwendet ein proprietäres Speicherformat; es bietet zwar auch eine rudimentäre Unterstützung für das Textual-MultiNet-Format, ignoriert aber alle benutzerdefinierten Attribute.
• Convenience-Funktionen zum Arbeiten mit MultiNet
  MWR+ unterstützt den grundlegenden MultiNet-ADT (Gnörlich 2002) und die Erweiterungen aus (Marthen 2002). Darüber hinaus bietet MWR+ Convencience-Funktionen mit verbesserter Nutzbarkeit wie z.B. eine Duplikatvermeidung beim Einfügen von Kanten, wenn die einzufügende Kante bereits existiert - die ursprüngliche Funktion zum Einfügen von Kanten aus dem MultiNet-ADT nimmt einen solchen Test nicht vor.
• Nachinterpretation von Netzen
  Die Nachinterpretation bzw. Verfeinerung erzeugter Netze erfolgt durch Anwendung von Manipulationsregeln in der layexpand-Komponente (Marthen 2002). Für diese Komponente gibt es eine Standard-Regelbasis zur Verfeinerung der vom Parser erzeugten Netze. Ferner gibt es eine Regelbasis zur Behandlung von Faktizitätsphänomenen wie faktiven Verben und Existenzpräsuppositionen (Klutsch 2007). Die Ausdrucksmittel von layexpand wurden im Vergleich zum ursprünglichen Ansatz von Marthen erweitert. So ist es nun z.B. möglich, mehrere Interpretationsphasen zu unterscheiden. Die Verfeinerung der Netze kann nicht nur Layer-Features (Knotenmerkmale) betreffen, sondern auch Knoten oder Kanten einfügen und löschen.
• Synonym-Normalisierung
  Ersetzung aller lexikalischen Konzepte in MultiNetzen und Axiomen durch kanonische Synset-Repräsentanten. Beispielsweise würden abfalldeponie.1.1, mülldeponie.1.1 und müllkippe.1.1 durch das kanonische (= lexikalisch kleinste) abfalldeponie.1.1 ersetzt. Dieser Vorverarbeitungsschritt erübrigt eine Behandlung von Synonymen auf der logischen Ebene.
• Extraktion von Fragemustern
  Die Extraktion von Fragemustern bestimmt ein Literalpattern (Konjunktion von Literalen) zu einem gegebenen Fragenetz. Beispielsweise wird aus von WOCADI erzeugten MultiNet zur Frage 'Wie hieß der Sänger von Nirvana?' das folgende Fragemuster extrahiert: val(X1,nirvana.0), sub(X1,name.1.1), attr(X2,X1), attch(X2,X3), sub(X3,gesangssolist.1.1), sub(X4,heißen.1.1), arg1(X4,X3), arg2(X4,FOCUS).
• Neue Axiomsyntax
  In Anlehnung an das Textual-MultiNet-Format und wurde eine neue Axiomsyntax eingeführt, in der neben dem Namen des Axioms und dem Axiomkörper beliebige nutzerdefinierte Attribute spezifiziert werden können. Diese können z.B. Kontrollinformation enthalten, Versionsinformation oder eine Beschreibung von Anwendungsbeispielen. Insbesondere ist es hiermit möglich, Attribute zu spezifizieren, die eine gezielte Filterung von Axiomen mit bestimmten Aufgaben gestatten (siehe Axiommanager). In Axiomen dürfen neben MultiNet-Relationen und -Funktionen auch benutzerdeklarierte Hilfsprädikate vorkommen. Diese dienen zur Definition von Axiomenschemata, indem sie zulässige Konfigurationen von Variablenbindungen festlegen, für die ein Axiomenschema anwendbar ist.
• Optimierung der Inferenzkomponente
  Der verbesserte MWR-Beweiser von (Marthen 2002) war die Ausgangsbasis für eine weitere Optimierung. So wurde durch Iterative Deepening, verbesserte Literalsortierung, Axiomindexierung und die Berücksichtigung von Kontrollinformation die Antwortzeit reduziert und die Skalierbarkeit gesteigert. Auf einer MultiNet-Referenzwissensbasis für die Fragebeantwortung (Ratzer 2006) brachten diese Änderungen eine Geschwindigkeitssteigerung des Beweisers um den Faktor 400. Die Techniken zur Optimierung des Beweisers und die erreichte Performance sind in (Glöckner 2008) beschrieben. Als Voraussetzung für den Einsatz der Inferenzkomponente in Anwendungen wurden zudem Zeitbegrenzungen (Timeouts) eingeführt.
• Robuste Wissensverarbeitung
  Die Funktionalität der Inferenzkomponente wurde im Hinblick auf Robustheit erweitert. So erfolgt nun eine Extraktion von Informationen über gescheiterte Beweisversuche, und der Beweiser kann auch in diesem Fall Antwortsubstitutionen (für den besten gescheiterten Beweis) ausgeben. Ferner sind Relaxierungsbeweise möglich, bei denen iterativ nicht beweisbare Literale weggelassen werden, bis ein Beweis des reduzierten Fragments der Anfrage gelingt. Solche Techniken sind hilfreich zur Überbrückung von Wissenslücken in der logikbasierten Fragebeantwortung.
• Shallow Matching (Konzeptüberlappung)
  Zur Robustheitssteigerung des logikbasierten Ansatzes im Sinne einer 'graceful degradation' ist ferner die Kombination mit robusten Verfahren sinnvoll, die keinen volle syntaktisch-semantische Analyse der natürlichsprachlichen Ausdrücke erfordern. Als eine mögliche Lösung wurde ein Ansatz zur Ermittlung der Konzeptüberlappung (von lexikalischen Konzepten und Zahlangaben) implementiert. Dieser berücksichtigt Synonymie und andere lexikalisch-semantische Relationen wie z.B. Nominalisierungen.
• Management von Benchmarks für die Wissensverarbeitung
  MWR+ verfügt über ein Modul zur Durchführung und Auswertung von Benchmarks für die Wissensverarbeitung. Diese können zur Optimierung der Inferenzkomponente oder zur Optimierung der Modellierung (Zusammenspiel der Axiome) genutzt werden.
• TPTP-Export
  Dieses Modul gestattet den Aufbau von Benchmarks für Beweiser, die das TPTP-Format verarbeiten können. Dies ermöglicht einen Vergleich der Laufzeiten des Builtin-Beweisers von MWR+ mit den Laufzeiten für die aktuellen Theorembeweiser.
• E-KRHyper-Schnittstelle
  Dieses Modul ermöglicht Beweise über den E-KRHyper-Beweiser für volle PL/1 einschließlich Gleichheitsbehandlung. Der E-KRHyper-Beweiser wird als separater Prozeß gestartet, die Kommunikation erfolgt über eine Pipe. Ähnlich wie beim Builtin-Beweiser von MWR+ kann auch hier im Falle eines gescheiterten Beweises oft noch eine plausible Antwortsubstitution rekonstruiert werden.
• Weka- und RapidMiner-Schnittstelle:
  Ermöglicht die Nutzung der Machine-Learning-Werkzeuge Weka und RapidMiner sowie das Einlesen berechneter Klassifikatoren (derzeit nur Entscheidungsbäume und Ensembles von Entscheidungsbäumen).

Die beschriebenen Module sind sowohl mit dem Bigloo C-Backend als auch mit dem Java-Backend lauffähig. Das bedeutet, daß der Großteil der MWR+-Funktionalität über das Java-Backend leicht mit GUI-Elementen gekoppelt werden kann.

Daneben gibt es zwei Schnittstellen (QDBM und SVDLIBC), die zwingend das Bigloo C-Backend verlangen:

• QDBM-Schnittstelle
  Ermöglicht die Nutzung der Depot- und Villa-APIs der QDBM-Datenbank. Es handelt sich hierbei um eine sehr schnelle und schlanke Datenbank für Schlüssel/Wert-Paare.
• SVDLIBC-Schnittstelle
  Basierend auf der SVDLIBC-Library, ermöglicht dieses Modul die Durchführung von LSI (Latent Semantic Indexing) auf Wortebene, Lemma-Ebene oder Konzeptebene und Ähnlichkeitsberechnungen z.B. für Dokumentretrieval oder Antwortvalidierung.

Verbesserte graphische Netzdarstellung

Zur Visualisierung der Netze nutzt MWR+ eine im Vergleich zum alten MWR-System wesentlich verbesserte graphische Netzdarstellung (Aiteanu 2007), siehe Abbildung.

Hier wird das Spring-Embedder-Prinzip zur Layoutberechnung für die Netze genutzt. Die Plazierung der Knoten-Labels wird anhand eines 6-Positionen-Modells optimiert. Im Unterschied zu MWR können die Layer-Features der Knoten (d.h. Knotenattribute) als Bestandteil einer Knotenbox mit angezeigt werden. Außerdem wird das 'Einfalten' von Kanten zugunsten einer einfacheren Netzdarstellung unterstützt. Die Implementierung der Layoutberechnung in Java und die Realisierung der Netzdarstellung mit Hilfe von Swing-Komponenten ermöglicht (über Applets) auch eine Visualisierung von MultiNet-Graphen im WWW-Browser.

Axiommanager

Die Literale aus der Prämisse und der Konklusion eines Axioms werden hier in unterschiedlichen Farben gezeigt. Die graphische Darstellung hilft vor allem beim Erkennen von Verwechslungen bei den Variablennamen, die zu unerwarteten Kanten des Graphen führen. Daneben bietet der Axiommanager auch die Möglichkeit, die Abhängigkeiten zwischen einer Auswahl von Axiomen zu visualisieren.

Generierungskomponente

Anwendungsbeispiele

Die MWR+-Programmierschnittstelle wurde bereits erfolgreich für die folgenden Anwendungen genutzt:

• Antwortvalidierung und -selektion für Frage-Antwort-Systeme (Glöckner 2007), (Glöckner, Hartrumpf und Leveling 2007). Diese Komponenten sind Bestandteil des Frage-Antwort-Systems IRSAW. Die Optimierung der Inferenzkomponente erlaubt mittlerweile sogar eine logikbasierte Passagenfilterung für die Fragebeantwortung in Echtzeit (Glöckner 2008).
• Das in (Schüller 2006) beschriebene FAQ-System ermöglicht es, Fragen direkt auf Deutsch zu formulieren und eine Datenbank bekannter Fragen/Antworten auf die ähnlichsten Fälle im Vergleich zur Anfrage zu durchsuchen. Die MWR+-Toolbox wird hier zum Erzeugen der Netze (WOCADI-Interface) und, nach einer LSI-basierten Vorfilterung, zur logikbasierten Auswahl der besten Frage/Antwort-Paare aus der Datenbank genutzt. Hierbei kommen Relaxierungsbeweise zum Einsatz, um auch bei Abweichungen zwischen der Anfrage und den Einträgen in der Falldatenbank ein sinnvolles Ranking der FAQ-Einträge zu ermöglichen.

Literatur

• Fabian Aiteanu
  Visualisierung semantischer Netze
  VDM Verlag Dr. Müller, Saarbrücken, 2007.
• Ingo Glöckner
  University of Hagen at QA@CLEF 2007: Answer validation exercise
  In: Results of the CLEF 2007 Cross-Language System Evaluation Campaign, Working Notes for the CLEF 2007 Workshop, Budapest, Hungary, September 2007.
• Ingo Glöckner
  Towards Logic-Based Question Answering under Time Constraints
  In: Proc. of the IAENG International Conference on Artificial Intelligence and Applications (ICAIA'08), Hong Kong, 19-21 March, 2008 (to appear)
• Ingo Glöckner
  Knowledge Representation and Reasoning with MWR+
  (50 pages, in Vorbereitung)
• Ingo Glöckner, Sven Hartrumpf und Johannes Leveling
  Logical validation, answer merging and witness selection - A case study in multi-stream question answering
  In: Proceedings of RIAO 2007, Pittsburgh PA, April 2007.
• Carsten Gnörlich
  Technologische Grundlagen der Wissensverwaltung für die automatische Sprachverarbeitung
  Dissertation, FernUniversität in Hagen, Fachbereich Informatik, 2002.
• Florian Kintzel
  Entwurf und Implementierung einer natürlichsprachlichen Generierungskomponente für mehrschichtige erweiterte semantische Netze
  Diplomarbeit, FernUniversität in Hagen, Fachbereich Informatik, Mai 2007.
• Peter Klein
  Management und Visualisierung von Axiomensystemen für MultiNet
  Diplomarbeit, FernUniversität in Hagen, Fachbereich Informatik, Juni 2007.
• Angela Klutsch
  Axiomatische Behandlung von Faktizität in MultiNet unter besonderer Berücksichtigung faktiver und implikativer Verben
  Diplomarbeit, FernUniversität in Hagen, Fachbereich Informatik, Oktober 2007.
• Steffen Marthen
  Untersuchungen zur Assimilation größerer Wissensbestände aus textueller Information.
  Master's thesis, FernUniversität in Hagen, Fachbereich Informatik, 2002.
• Rebecca Ratzer
  Aufbau und Erschließung einer MultiNet-Wissensbasis zu vorgegebener textueller Information
  Diplomarbeit, FernUniversität in Hagen, März 2006.
• Michael Schüller
  Entwicklung eines FAQ-Systems für das virtuelle Labor VILAB
  Diplomarbeit, FernUniversität in Hagen, Fachbereich Informatik, 2006.