ZAKLJUČNO POROČILO O REZULTATIH OPRAVLJENEGA RAZISKOVALNEGA DELA NA PROJEKTU V OKVIRU CILJNEGA RAZISKOVALNEGA PROGRAMA (CRP) »KONKURENČNOST SLOVENIJE 2006 - 2013«
L Predstavitev osnovnih podatkov raziskovalnega projekta
£ p u B
1. Naziv težišča v okviru CRP:
^LMO^ilej^^^- sloven
KONKURENČNO GOSPODARSTVO IN

2. Šifra projekta:		P'-ejeto: 1 1 -10- 2008	-■■■"> J Z.:	
\ Z-UZ ID 3. Naslov projekta:		^^jfrs zadeve; ---	vrednost-	
»Sistemi za statistični semantični splet« [M )				
3. Naslov projekta 3.1. Naslov projekta v slovenskem jeziku:
3.2. Naslov projekta v angl^kem jeziku:
4. Ključne besede projekta
4.1. Ključne besede projekta v slovenskem jeziku:
lahke ontologije, čezmodalnost, čegezičnost, skalabilnost
4.2. Ključne besede projekta v angleškem jeziku:
light weight ontologies, cross-modal, cross-lingual, scalability
Obrazec ARRS-RI-CRP-ZP/2008
Stran 1 od 12
5.
sFaziv nosilne raziskovalne organizacije:
Institut "Jožef Stefan"
5.1. Seznam sodelujočih raziskovalnih organizacij (R0):
6. Sofinancer/sofinanceiji:
Ministrstvo za visoko šolstvo, znanost in tehnologijo
7. Šifra ter ime in priimek vodje projekta:
12570
Dunja Mladenič
Datum: 14.10.2008.
Podpis vodje projekta: doc. dr. Dunja Mladenič
'nsmuf
"«/oief Stefan" yuWjana. Slovenija
Podpis inži ^of dr.
ij^a: narčič, direktor
Obrazec ARRS-RI-CRP-ZP/2008
Stran 1 od 12
n. Vsebinska struktura zaključnega poročila o rezultatih raziskovalnega projekta v okviru CRP
1. Cilji projekta:
1.1. Aü so bfli cilji projekta dosežem? ^ a) v celoti
b)	delno
c)	ne
Če b) in c), je potrebna utemeljitev.
1.2. Ali so se cilji projekta med raziskavo spremenili?
a)	da
b)	ne
Obrazec ARRS-RI-CRP-ZP/2008
Stran 1 od 12
2. Vsebinsko poročilo o realizaciji predloženega programa dela^:
Delo na projektu je potekalo skladno s predloženim programom in sicer predvsem v smeri izdelave komponente za zajemanje plitvega znanja, komponente za čezmodalnost, componente za čegezičnost in nekaj manjših komponent za za polavtomatiko, vizualizacijo in evalvacijo. Pri izdelavi komponent smo sledili že prg definiranim specifikacijam unkcionalnosti komponent.
1.	Zajemanje plitvega znanja iz podatkov in predstavitev v obliku »lahke ontologije« (angl. »light weight ontologies«) ter zapis tega znanja v nekaj načinih vključno z standardnimi načini za zapisovanja znanja kot so W3C specifikacije RDF, in OWL, kar bo omogocüo visoko povezljivost oz. interoperabilnost z drugimi sistemi za modeliranje in manipulacijo z znanjem.
2.	Čezmodalnost (angl. Cross-Modal) v smislu dela z besedili, grafi oz. omregi, sliko, kar bomo dosegli z uporabo nekaj pristopov, ki omogočajo kombiniranje različnih predstavitev podatkov v enotne modele. Kombiniranje bomo praktično izvedli tako, da bomo objekte zapisane v raznih modabiostih zapisali v skupnem jeziku nad katerim lahko uporabimo računsko učinkovite metode. Skupni jezik bodo predvidoma redki vektoiji značilk oz. atributov (angl. »sparse vectors of features«) nad katerimi lahko uporabimo učinkovite metode iz linearne algebre. Ključen korak za čezmodalnost pa bo način generiranja značilk iz posameznih modalnosti - glede na aplikacije znotraj projekta bomo izbrali modalnosti, med njimi vsekakor besedila.
3.	Če^ezičnost (angl. Cross-Lingual) v smislu obravnave besedil zapisanih v različnih jezikih. Šele v zadnjem času so se pojavili korpusi in nekatere rešitve, ki omogočajo delo s takimi korpusi v večjem obsegu. Na US razvijamo rešitve, ki slonijo na adaptaciji tradicionalne statistične metode »kanonična korekcijska analiza« (angl. »canonical correlation analysis«). Osnovna ideja je, da dokumente zapisane v enem od podprtih jezikov (za katere imamo poravnan večjezični korpus) lahko zapišemo na jezikovno nevtralen način. Tak zapis omogoča manipulacijo z vsebino dokumentov ne glede na jezik v katerem je dokument zapisan.
Pri razvoju upoštevamo tudi potrebe dveh, v projektu predvidenih, aplikaciji: spremljanje medijske podobe Slovenije v svetovnih pisanih medijih, klasifikacija in povezovanje slovenskih pravnih besedil v evropsko klasifikacijsko shemo EuroVoc.
1. Za namen testiranja in uproabe sistema na predvidenih aplikacijah smo razvili module potebne za zajemanje plitvega znanja iz podatkov (delno opisano v objavi 4). (1) Razvili smo modul za pridobivanje podatkov iz evropske klasifikacijske sheme EvroVoc. EuroVoc je večjezična klasifikacijska shema, ki pokriva zakonodajo. Uporablja jo Evropski parlament, nacionalni parlamenti v Evropi, vladni uradi in evropske organizacije. Zadnja verzija EuroVoc 4.2 obstaja v 21 uradnih jezikih Evropske Unije (Bulgarian, Spanish, Czech, Danish, German, Estonian, Greek, English, French, Italian, Latvian, Lithuanian, Hungarian, Dutch, Polish, Portuguese, Romanian, Slovak, Slovene, Finnish and Swedish). EuroVoc je javno dostopen na spletnih straneh http://europa.eu/eurovoc/ od kod smo izluščili vsebino s pomočjo razvitega modula za zajemanje spletnih podatkov (crawler) posebej prilagojen za strukturo EuroVoc podatkov (razvoj prilagojenega module je bi
^ Potrdmo je napisati vsebinsko raziskovalno porocüo, Iga: mora biti na kratim predstavljen program dela z raziskovalno liipotezo in metodološko-teor^čm opis raziskovanja pri njenem preveqanju ali zavračanju vključno s pridobljoiimi rezultati i^ojekta.
Obrazec ARRS-RI-CRP-ZP/2008	^^^ ^ ^^
nepričakovan vendar nujen, ker na žalost, uradno predlagan način pridobivanja podaktov ni deloval). Večjezični del brez strukture smo dobili na spletni straneh v obliki MS Excel datoteke. Izluščeni podatki vsebujejo 13416 vozlišč dveh vrst (6645 descriptors, ostala non-descriptors) in 5 tipov relacij. (2) V sodelovanju z EU projektom 6.O.P. NeOn smo nad našo knjižnico Text-Garden razvili modul za branje in shranjevanje pridobljenih podatkov (lahke ontologije - angl. light weight ontology) EuroVoc20ntoLight.exe, ki shami ontologijo v binarno datoteko "EuroVoc.OntoLight" in njeno tekstovno predstavitev shrani v tekstovno datoteko "EuroVoc.OntoLight.Txt". (3) Razvili smo modul OntoLight20ntoCfier.exe zaprirganje dokumentov ontologiji (angl. ontology grounding), ki iz ontologije shranjene v formatu ".OntoLight" zgradi model in ga zapiše v datoteko .OntoCfier" (lahko tudi v tekstovni obliki ".OntoCfier.Txt"). (4) Razširili smo sistem za polavtomatsko gradnjo ontologij OntoGen s komponentno OntoLight, kar omogoča prikaz uporabniških dokumentov (kot so slovenski pravni dokumenti) v kontekstu EuroVoc klasifikacijske sheme.
2.	Delo na razvoju komponente za čezmodalnost (angl. Cross-Modal) smo zasnovali na povezovanju podatkov predstavljenih v obliki besedil in v obliki grafov oz. omre^'i (opisano v objavah 2 in 3). Nadgradili smo obstoječ pristop za predstavitev grafov z vektoiji značilk in razvili dva alternativna pristopa, vsak uporablja drugačno obteževanje značilk pri predstavitvi grafov. Kombiniranje smo izvedli tako, da objekte zapisane v raznih modalnostih (besedilo, graQ zapišemo v skupnem jeziku nad katerim lahko uporabimo računsko učinkovite metode. Za skupni jezik smo izbrali redke vektoije značilk oz. atributov (angl. »sparse vectors of features«) nad katerimi lahko uporabimo učinkovite metode iz linearne algebre. (1) Razvili smo kon:5)onento za čezmodalnost v sodelovanju s EU projektom 6.O.P. TAO, kjer je konkreten primer čezmodalnosti sicer nekoliko drugačen - obelava programske kode z upoštevanjem besedila v kodi (imena spremenljivk, komentiji,...) in grafa medsebojnega referenciranja fimkcij. (2) Razširili smo sistem za polavtomatsko gradnjo ontologij OntoGen, tako da omogoča delo na podatkih, ki vsebujejo čezmodalne podatke pripravljene z razvito konponentno.
3.	Razvih smo metodologijo za avtomatsko generiranje lematizatoija in jo overednotili v poskusih lematizacije Slovenščine (glej objavo 0). Razvili smo konponento za čegezičnost, ki je zasnovana na uporabi statistične metode KCCA, ki preslika besedila različnih jezikov v skupni, semantični prostor. V sodelovanju s EU projektom 6.O.P. SMART smo izboljšali učinkovitosti uporabljene KCCA metode (glej objavo 5). Zgradili smo model za čegezičnost na osnovi dokumentov korpusa evropske zakonodaje Acquis Communitarian, ki so prevedeni v različne jezike Evropske Unije. Uporabnost metode smo prikazali na prototipu za čezjezično iskanje informacij (cross-language information retrieval) (glej objavo 7).
4.	Skalabilnost, polavtomatske metode in evalvacija. Posebno pozornost posvečamo skalabilnosti sistema, da bo sposoben obravnavati velike količine podatkov, kar bo omogočilo izvedbo predvidenih projektnih aplikacij. Uporabljamo polavtomatske metode, ki kombinirajo »top-down« in »bottom-up« pristope. Rešitev je zasnovana na delih sistema »OntoGen« (http://ontogen.ijs.si), ki inplementira polavtomatkse metode - sistem uporablja vrsta uporabnikov po svetu za polavtomatsko modeliranje znanja. V smislu podpore evalvacije rezultatov smo izdelali koniponento za avtomatsko evalvacijo ontologij, ki inplementira metodo objavljeno v Brank et al, 2006 (glej objavo 6).
Obrazec ARRS-RI-CRP-ZP/2008
Stran 1 od 12
5. Za potrebe aplikacije spremljanja medijske podobe Slovenije v svetovnih pisanih medijih smo izdelali komponentno za vizualizacijo agencijskih novic, ki smo jo uporabili na novicah svetovnih medijev (Reuters novice in New York Times novice). Izdelali smo vmesnik za vizualizacijo podatkov, ki inq)lementirta metodo za vizualizacijo besedil skozi čas (kot so n.pr., novice) in ga povezali s komponento za analizo agencijskih novic, ki smo jo prav tako razvili v projektu. Za potrebe aplikacije spremljanja medijske podobe Slovenije smo izdelali komponento za zajemanje novic s spletnega portala znane svetoven medijske hiše New York Times. V dogovoru z New York Times smo tako pridobili njihove novice od eta 1851 do vključno 2007. Aplikacija analize medisjke podobe Slovenije zajema analizo vsebine novic skozi čas, izločanje imenskih entitet iz novic in analizo omrega sopojavitev imenskih entitet v novicah. Ob tem je potekalo delo na testiranju razvitih komponent in sistema.
Za potrebe aplikaciji klasifikacije in povezovanja slovenskih pravnih besedil v evropsko klasifikacijsko shemo EuroVoc smo razvili modul za pridobivanje podatkov iz evropske dasifikacijske sheme EuroVoc. Na osnovi korpusa evropske zakonodaje Acquis Communitarian, ki so označeni s pojmi (descriptors) iz EuroVoc sheme smo zgradiK model za avtomatsko klasifikacijo besedil v EuroVoc shemo. Model smo integrirah v obstoječi sistem za polavtomatsko gradnjo ontologij OntoGen (glej točko 1.) in s tem podprli kontekstno odvisno izdelavo pravnih ontologij.
1.01.
0.	PLISSON, Joel, LAVRAČ, Nada, MLADENIČ, Dunja, ERJAVEC, Tomaž. Ripple down rule learning for automated word lemmatisation. AI commun., 2008, vol. 21, no. 1, Str. 15-26.
1.08
1.	FORTUNA, Blaž, GROBELNEK, Marko, MLADENIČ, Dunja. Semi-automatic data-driven ontology constmaion system. In: Zbornik 9. mednarodne multikonference Informacijska družba IS 2006, 9. do 14. oktober 2006, Ljubljana: Institut "Jožef Stefan", 2006, Str. 223-226.
(objave delno zajema tudi prispevek tega projekta k specifikacijam, čeprav je večinoma rezultat preteklega dela).
2.	GRČAR, Miha, GROBELNIK, Marko, MLADENIČ, Dunja. Using text mining and link analysis for software mining. In: Proceedings of the Third International Workshop on Mining Comlex Data, MCD 2007, ECML PKDD 2007, The 18th European Conference on Machine Learning and the 11th European Conference on Principles and Practice of Knowledge Discovery in Databases, September 21, 2007, Warsaw, Poland., 2007, pp. 1-12.
3.	GROBELNIK, Marko, MLADENIČ, Dunja, FORTUNA, Blaž. From social network to Ught-weight ontology. In: Proceedings of the Twentieth International Joint Conference on Artificial Intelhgence (IJCAI-07), Hyderabad, India, 06-12 January, 2007 : workshop on Text-Mining & Link-Analysis (TextLink 2007). Hyderabad: International Institute o^ Information Technology, 2007, 11 str.
4.	GROBELNIK, Marko, BRANK, Janez, FORTUNA Blaž, MOZETIČ, Igor Contextualizing ontologies with ontolight: a pragmatic approach. In: Zbornik 10
Obrazec ARRS-RI-CRP-ZP/2008	^^^ ^ ^^
mednarodne multikonference Informacijska družba IS 2007, Ljubljana: Institut "Jožef Stefan", 2007.
5.	FORTUNA, Blaž, CRISTIANINI, Nello, SHAWE-TAYLOR, John. A Kemel Canonical Correlation Analysis For Learning The Semantics Of Text. In Kernel methods in bioengineering, communications and image processing, edited by G. Can^s-Valls, J. L. Rojo-Älvarez & M. Martinez-Ramon, 2006.
1.16
6.	BRANK, Janez, GROBELNIK, Marko, MLADENIČ, Dunja. Automatic evaluation of ontologies. V: KAO, Anne (ur.), POTEET, Stephen R. (ur.). Natural language processing and text mining. London: Springer, cop. 2007, str. 193-219.
7.	FORTUNA, Blaž, RLTPNIK, Jan, PAJNTAR, Boštjan, GROBELNIK, Marko, MLADENIČ, Dunja. Cross-Lingual Search over 22 European Languages. In proceedings of the 10th International Conference on Information Retrieval SIGIR-2008.
2.25
8.	MLADENIČ, Dunja (ed.), GROBELNIK, Marko (ed.). Text mining and link analysis for web and semantic web, KDD 2007 tutorial notes, T4, 2007.
Obrazec ARRS-RI-CRP-ZP/2008	^^^ ^ ^^
3. Izkoriščanje dobljenih rezultatov:
3.1.	Kakšen je potencialni pomen^ rezultatov vašega raziskovalnega projekta za: n a) odkritje novih znanstvenih spoznanj;
b)	izpopolnitev oziroma razširitev metodološkega instrumentarija;
c)	razvoj svojega temeljnega raziskovanja;
d)	razvoj drugih temeljnih znanosti;
e)	razvoj novih tehnologij in drugih razvojnih raziskav.
3.2.	Označite s katerimi družbeno-ekonomskimi cilji (po metodologiji OECD-ja) sovpadajo rezultati vašega raziskovalnega projekta:
a)	razvoj kmetijstva, gozdarstva in ribolova - Vključuje RR, ki je v osnovi namenjen razvoju in podpori teh dejavnosti;
b)	posp^evanje industrijskega razvoja - vključuje RR, ki v osnovi podpira razvoj industrije, vključno s proizvodnjo, gradbeništvom, prodajo na debelo in drobno, restavracijami in hote^ bančništvom, zavarovalnicami in drugimi gospodarskimi dgavnostmi;
c)	proizvodnja in racionalna izraba energije - vključuje RR-dejavnosti, ki so v fimkciji dobave, proizvodnje, hranjenja in distribucije vseh oblik energije. V to skupino je treba vključiti tudi RR vodnih virov in nuklearne energije;
d)	razvoj infrastrukture - Ta skupina vključuje dve podskupini:
•	transport in telekomunikacije - Vključen je RR, ki je usmeijen v izboljšavo in povečanje vamosti prometnih sistemov, vključno z vamostjo v prometu;
•	prostorsko planiranje mest in podeželja - Vključen je RR, ki se nanaša na skupno načrtovanje mest in podeželja, boljše pogoje bivanja in izboljšave v okolju;
e)	nadzor in skrb za okolje - Vključuje RR, ki je usmeijen v ohranjevanje fizičnega okolja. Zajema onesnaževanje zraka, voda, zemlje in spodnjih slojev, onesnaženje zaradi hrupa, odlaganja trdnih odpadkov in sevanja Razdeljen je v dve skupim:
f)	zdravstveno varstvo (z igemo onesnaževanja) - Vključuje RR - programe, ki so usmeijeni v varstvo in izboljšanje človekovega zdravja;
g)	družbeni razvoj in storitve - Vključuje RR, ki se nanaša na družbene in kulturne probleme;
13 h) splošni napredek znanja - Ta skupina zajema RR, ki prispeva k splošnemu napredku znanja in ga ne moremo pripisati določenim ciljen^
i) obramba - Vključuje RR, ki se v osnovi izvaja v vojaške namene, ne glede na njegovo vsebino, ali na možnost posredne civilne uporabe. Vključuje tudi varstvo (oliambo) pred naravnimi nesrečami.
Označite lahko več odgovorov.
Obrazec ARRS-RI-CRP-ZP/2008	Stran 1 od 12
3.3.	Kateri so neposredni rezultati vašega raziskovalnega projekta glede na zgoraj označen
)Otencialni pomen in razvojne cilje?_____
Razvili smo metodologijo za zajemanje plitvega znanja in jo inplementirali v programskih modulih: zajemanje znanja iz podatkov, shranjevanje pridobljenih podatkov, avtomatsko prirejanje dokumentov ontologiji, kontekstno gradnjo ontologij.
Razvili smo metodologijo za povezovanju podatkov predstavljenih v obliki besedil in v obliki grafov oz. omregi in jo implementirali v sistemu za analizo programskih okolji. Nadgradili smo metodo za čegezičnost in jo in^lementorah v progrmaskem modulu, ter pokazali njeno uporabnost na problemu če23ezičnega iskanja informacij._
3.4.	Kakšni so lahko dofeoročni rezultati vašega raziskovalnega projekta glede na zgoraj
označen potencialni pomen in razvojne cilje?___^^
Povezovanje razvitih metod in modulov v kon^leksne sisteme za delo s semantičnimi podatki, kot je Evropsk sistem za gradnjo mrežnih ontologij NeOn Toolkit.
Uporaba in prilagoditev razvitih metod in modulov na razHčnih problemih, kot je gradnja ontologij na osnovi čezmodahiih podatkov in podpora čegezičnosti. Nadgradanj izdelanih prototipnih aplikacij za potrebe naročnikov doma in v tujini. Odličan primer je interes, ki ga za našo aplikacijo analize medijskih novic že kaže svetovno znana agencija New York Times.
3.5. Kje obstaja vegetnost, da bodo vaša znanstvena spoznanja deležna zaznavnega odziva?
a)	v domačih znanstvenih krogih;
b)	v mednarodnih znanstvenih krogih;
c)	pri domačih uporabnikih;
3 d) pri mednarodnih uporabnikih.
^. 5. Kdo (poleg sofinanceijev) že izraža interes po vaših spoznanjih oziroma rezultatih?_
Raziskovalci predvsem iz področja semnatičnih tehnologij, na glavnih mednarodnih kofiierencah iz področja smo imeli predstavitve in demonstracije našega dela vključno s tutorialom na treh najpomembnejših konferencah iz področja semantičnega spleta (svetovna, evropska in azijska) ISWC-2007, ESWC-2008, ASWC-2008. Mednarodne institucije s katerimi sodelujemo na Evropskih projektih 6.O.P. IP NeOn, 6.O.P. STREP TAO, 6.O.P. STREP SWING, 6.O.P. STREP SMART, 6. O P. STREP IMAGINATION.
Mednarodno uveljavljene korporacije, kot so Microsoft Research, New York Times, Nature, British Telecom, Yahoo.
3.7. Število diplomantov, magistrov in doktoijev, ki so zaključili študij z vključenostjo v raziskovalni projekt?
Obrazec ARRS-RI-CRP-ZP/2008	^^^ ^ ^^
4. Sodelovanje z tujimi partneiji:
4.1. Navedite števflo in obliko formalnega raziskovalnega sodelovanja s tujimi raziskovalnimi
institucijami.________
Delo na projektu je potekalo v sodelovanju s partnerji na Evropskih projektih 6.O.P. NeOn, TAO, SWING, SMART, na katerih sodelujemo.
4.2. Kakšni so rezultati tovrstnega sodelovanja?___
Sodelovanje je potekalo v več raziskovalnih smeri in v je po potrebi zajemalo tako raziskovalno delo in razvoj metodologij kot tudi razvoj programskih modulov in njihovo povezovanje s obstoječimi sistemi. Podrobnosti so podane v vsebinskem poročilu (točka 2 tega poročila), kjer ob opisih različnih sklopov podamo tudi navezavo na konkretne projekte.
5. Bibliografski rezultatf:
Za vodjo projekta in ostale raziskovalce v projektni skupini priložite bibliografske izpise za obdobje zadnjih treh let iz COBISS-a) oz. za medicinske vede iz Inštituta za biomedicinsko informatiko. Na bibliografskih izpisih označite tista dela, H so nastala v okviru pričujočega projekta.
^ Bibliografijo raziskovalcev si lahko natisnete sami iz spletne strani:http:/www.izum.si/
Obrazec ARRS-Rl^RP-ZP/2008	^^ 10 od 12
6. Druge reference'* vodje projekta in ostalih raziskovalcev, ki idiajajo iz raziskovalnega
projekta:
Prezentacija prototipa za analizo vsebin novic skozi cas in analizo omre^a akteqev v novicah, sestanek na podjetju New York Times, New York, USA, Januar, 2008. 'rezentacija nove verzije prototipa in pogovori o sodelovanju na podjetju New York Times, New York, USA, April 2008.
A.01
GROBELNIK, Marko, BRANK, Janez, FORTUNA Blaž, MOZETIČ, Igor. Contextualizing ontologies with ontolight: a pragmatic approach. Infomiatica (Ljubljana), 2008, vol 32, no. 1.
Y članku predlagamo pristop za zajemanje in shranjevanje pHtvega zanja, ki omogoča postavitev obstoječe ontologije v kontekst zajetega znanja. Pristop temelji na modelu preprostih oz. lahkih ontologij (angl. light-weight ontologies) in povezovanjem konceptov ontologije z dejanskimi primeri konceptov (angl. ontology grounding). S term predpostavkami je mogoče učinkovito in^lementirati osnovne operacije nad ontologijo (klasifikacija, dodajanje vsebine ter določanje preslikav med ontologijami), to pa nam omogoča izkoriščati več velikih ontologij kot vir kontekstualnega znanja o problemskem področju. V članku predstavljamo primer scenarija, kako uporabiti kontekstuabie informacije pri polavtomatski izgradnji ontologije iz skupine besedil. Metodo smo implementirah in uporabili na relanih podatkih znanih ontologij EuroVoc, AgroVoc, ASFA, DMoz in Cyc.
A.03	,	. , . . BRANK, Janez, GROBELNIK, Marko, MLADENIČ, Dunja. Automatic evaluation ot
ontologies. In: KAO, Anne, POTEET, Stephen R. (eds.). Natural language processing and text mining. London: Springer, cop. 2007, pp. 193-219.
Y poglavju V knjigi predlagamo novo metodo za evalvacijo ontologij, podamo pregled metod za evalvacijo ontologij in teoretične okvire v katere umestimo predlagano metodo. Metoda, ki smo jo razviU je predvsem namenjena avtomatski evalvaciji ontologij, ki vključujejo primere. Pristop je zasnovan na principu primeijave z obstoječo ontolo^jo (angl. golden standard paradigm) v smislu pokritja in razporeditve primerov v ontologijo, medtem ko obstoječi pristopi predvsem uporabljajo primeijavo imen konceptov m relacij (ne pa primere). Metodo smo poimenovah OntoRandlndex, ker temelji na meri Rand index, ki je znana metoda za primeijavo razvrstitev podatkov v skupine. Pomembno je še poudariti, da naš pristop ni odvisen od predstavitve primerov, to kar je pomembno je, da lahko ločimo en primer od drugega. Predlagano metodo smo ovrednotili na relanih podatkih poddrevesa javno dostopne spletne hierarhije DMoz.
B.03	GRĆAR, Miha, GROBELNIK, Marko, MLADENIČ, Dunja. Using text mining and
" Navedite tudi druge raziskovalne rezultate iz obdobja financffanja vašega projekta, ki niso zajđi v bibUografeke
izpise, zlasti pa tiste, ki se nanašajo im prenos znanja in tehnologije.
Navedite tudi podatke o vsdi javnih in drugih predstavitvah projekta in njegovih rezultatov vključno s predstavitvami, ki so bile organizirane izključno za naročnika/naročnike projekta.
Obrazec ARRS-RI-CRP-ZP/2008	^^^ ^ ^^
link analysis for software mining. In: Proceedings of the Third International Workshop on Mining Comlex Data, MCD 2007, ECML PKDD 2007, The 18th European Conference on Machine Learning and the 11th European Conference on Principles and Practice of Knowledge Discovery in Databases, September 21, 2007, Warsaw, Poland., 2007, pp. 1-12.
Predlagali smo pristop za statistično analizo programske opreme, ki temelji na povezovanju podatkov predstavljenih v obliki besedil (n.p.r. dokumentacija in komentarji programske kode) in v obliki grafov oz. omregi (n.p.r. dedovanje med razderi v objektni kodi, klici parametrov). Nadgradili smo obstoječ pristop za predstavitev grafov z vektoiji znacük in razvili dva alternativna pristopa,	uporablja drugačno obteževanje značilk pri
predstavitvi grafov. Kombiniranje smo izvedli tako, da objekte zapisane v raznih modalnostih (besedilo, graf) zapišemo v skupnem jeziku nad katerim lahko uporabimo računsko učiidtovite metode. Predlagan pristop smo uporabili na relanih podatkih velikega programskega paketa za analizo naravnega jezika GATE razvitega na Univerzi v Sheffieldu.
B.Ol MADENIĆ, Dunja, GROBELNIK, Marko. Text mining and link analysis for web and semantic web, KDD 2007 tutorial notes, 2007.
Imeli smo celodnevno pregledno predavanje na eni izmed najuglednejših mednarodnih konferenc iz področja odkrivanja zakonitosti v podatkih KDD-2007. Predavanje je bilo iz področja analize besedil za potrebe spletnih analiz in semantičnega spleta. Med ostalim smo predstavili tudi nekaj lastnih metod in rešitev, med njimi tudi znanstvene dosežke tega projekta.
B.Ol. GROBLENIK, Marko, FORTUNA, Blaž, MLADENIČ, Dunja. What Semanitc Webers need to knwo about Machine Learning?, ISWC-2007 tutorial, October 2007.
Imeli smo celodnevno pregledno predavanje na eni izmed najuglednejših mednarodnih kofenrenc iz področja semnatičnega spleta, ISWC-2007. Predavanje je bilo iz področja uporabe metod strojnega učenja za potrebe raziskav in razvoja na področju semantičnega spleta. Med ostalim smo prestavili tudi nekaj lastnih metod in rešitev, med njimi tudi znanstvene in ravojne dosežke tega projekta.
Obrazec ARRS-RI-CRP-ZP/2008	Stran 12 od 12
POVZETEK
Delo na projektu je potekalo skladno s predloženim programom in sicer predvsem v smeri izdelave (1) kon:5)onente za zajemanje plitvega znanja, (2) kon^onente za čezmodalnost, (3) komponente za čegezičnost in (4) nekaj manjših konponent za za polavtomatiko, vizualizacijo in evalvacijo. Pri razvoju upoštevamo tudi potrebe dveh, v projektu predvidenih, aplikaciji: spremljanje medijske podobe Slovenije v svetovnih pisanih medijih, klasifikacija in povezovanje slovenskih pravnih besedil v evropsko klasifikacijsko shemo EuroVoc.
V projektu smo razvili metodologijo za zajemanje plitvega znanja (1) in jo implementirali za potrebe evropske klasifikacijske sheme EvroVoc. Implementirani programski moduli omogočajo: zajemanje znanja iz podatkov, shranjevanje pridobljenih podatkov, avtomatsko prirejanje dokumentov ontologiji, kontekstno gradnjo ontologij. Sistem smo testirali na korpusu besedü evropske zakonodaje. Delo je potekalo v sodelovanju s projektom 6.O.P. NeOn. Delo na razvoju komponente za čezmodalnost (2) smo zasnovali na povezovanju podatkov predstavljenih v obliki besedil in v obliki grafov oz. omreži. Metodologijo smo implementirali v programski komponenti za analizo čezmodalnih podatkov, ki smo jo povezali z obstoječim sistemom za polavtomatsko gradnjo ontologij OntoGen. Predlagani pristop smo testirali na problemu analize programske knjižnice GATE (University of Sheffield, UK). Delo je potekalo v sodelovanju s projektom 6.O.P. TAO in SWING. Nadgradili smo metodo za čegezičnost (3) v smislu učinkovitosti in jo implementirali v programski komponenti, ki smo jo povezali z obstoječim sistemom za kontekstno odvisno spletno iskanje SearchPoint. Uporabnost predlaganega pristopa smo pokazah na problemu čegezičnega iskanja informacij. Delo je potekalo v sodelovanju s projektom 6.O.P. SMART in PASCAL. Posebno pozornost smo posvetili skalabilnosti predlaganih pristopov (4). V smislu podpore evalvacije rezultatov smo v sodelovanju s projektom 6.O.P. SEKT izdelali komponento za avtomatsko evalvacijo ontologij.
Za potrebe aplikacije spremljanja medijske podobe Slovenije v svetovnih pisanih medijih smo izdelali konponentno za vizualizacijo agencijskih novic, ki smo jo uporabili na novicah svetovnih medijev (Reuters novice in New York Times novice). Za potrebe aphkaciji klasifikacije in povezovanja slovenskih pravnih besedil v evropsko klasifikacijsko shemo EuroVoc smo zgradili model za avtomatsko klasifikacijo besedil v EuroVoc shemo. Model smo integrirali v obstoječi sistem za polavtomatsko gradnjo ontologij OntoGen in s tem podprli kontekstno odvisno izdelavo pravnih ontologij. Delo je potekalo v sodelovanju s projektom 6.O.P. NeOn.
ABSTRACT
The project has progressed according to the plan with focus on development of methods and components for (1) knowledge acquisition, (2) cross-modal data analysis, (3) handling cross-lingual data and several support components for (4) supporting scalability, visualization and evaluation. Research and development was guided also by the two prototype applications that we have envisioned: monitoring of Slovenian media image from international news and, support for analysis of Slovenian legal documents using European classification schema EuroVoc.
We have developed a methodology for knowledge acquisition (1) in the form of lightweight ontology. The methodology was implemented for European classification schema EuroVoc, by realizing modules that enable knowledge acquisition, automatic labeling of legal documents using EuroVoc and contextualized ontology generation. The system was tested on European legislation corpus. This work was in collaboration with FP6 project NeOn. Development of methodology for cross-modal data analysis (2) was focused on connecting textual data and graph/network. It was implemented as a conponent for cross-modal data analysis that we have integrated into an existing system for semi-automatic ontology generation OntoGen. The approach was apphed on software mining of a large natural language processing library GATE (University of Sheffield, UK). The work was performed in collaboration with FP6 projects T AO and SWING. Extension of the KCCA method for cross-lingual data analysis (3) in terms of scalability was performed in collaboration with FP6 projects SMART and PASCAL. The developed component was integrated with the existing system for contextual search SearchPoint and applied on the problem of cross-lingual information retrieval. Through all the development special emphases was put on (4) scalability and visualization. In collaboration with FP6 project SEKT we have developed a methodology for automatic evaluation of ontologies.
The prototype application for monitoring Slovenian media image from international news was addressed by a system for visualization of news and actors in the news. It was applied on publicly available Reuters news and on the news archive of New York Times. The prototype application for analysis of legal documents by relating them to European classification schema EuroVoc was focused on enabling contextualized ontology generation, where the context is European legislation. The work was performed in collaboration with FP6 project NeOn.