Ontologias e Sistemas de Inferência Fuzzy

Uma outra linha de pesquisa considera a combinação de ontologias e sistemas de inferência fuzzypara realizar inferências envolvendo propriedades numéricas e termos linguísticos. Neste contexto, a ontologia é responsável por representar e realizar inferências associadas aos concei- tos, axiomas e relacionamentos do domínio, enquanto o SIF trata especificamente o raciocínio baseado em regras fuzzy relacionado a propriedades numéricas.

Existem trabalhos que consideram uma ontologia tradicional associada a regras fuzzy. Neste caso, o raciocínio envolvendo imprecisão é limitado às regras fuzzy, uma vez que a ontologia não representa conceitos nem relacionamentos fuzzy. Bobillo et al. (2009b) combinam ontologias crisp e regras fuzzy segundo o modelo de Mamdani em um sistema de suporte a decisão no domínio de gerenciamento de negócios. A ontologia modela as principais categorias do domínio como perspectivas (Negócio, Cliente, Ambiente, entre outras), assim como variáveis linguís- ticas, com base em uma meta-ontologia proposta por Blanco et al. (2005). O raciocínio de ontologias é utilizado principalmente para verificação de consistência com relação a restrições de cardinalidade de relacionamentos e de disjunção de classes, não envolvendo conhecimento impreciso. Os valores a serem enviados como entradas para o SIF são representados explicita- mente na ontologia, e os valores inferidos pelo SIF são apresentados diretamente à aplicação,

4.3 Ontologias e Sistemas de Inferência Fuzzy 71

não sendo utilizados em outros conceitos da ontologia.

Outro trabalho que considera ontologias e regras fuzzy é SWRL-F (WLODARCZYK et al., 2010). Em SWRL-F, a ontologia modela conceitos e relacionamentos que representam conjuntos fuzzy, variáveis e termos linguísticos utilizando os construtores da própria linguagem OWL DL. Para editar as regras e realizar inferências, Wlodarczyk et al. (2010) modificam o plug-in SWRLJessTab da ferramenta Protégé, com base no motor de inferência FuzzyJess e no FuzzyJ Toolkit (ORCHARD, 2001). As inferências fuzzy em SWRL-F são inspiradas nos controladores fuzzy, envolvendo as etapas de fuzificação das entradas, aplicação do método de raciocínio aproximado e defuzificação dos resultados. Entretanto, as inferências fuzzy em SWRL-F limitam-se às regras fuzzy, portanto as tarefas típicas de raciocínio para ontologias fuzzynão são consideradas.

Diversos trabalhos têm utilizado a Fuzzy Markup Language (FML) (ACAMPORA; LOIA, 2005) em conjunto com ontologias. FML permite especificar informações associadas a SIF: conjuntos de regras fuzzy, variáveis linguísticas, métodos de raciocínio e de defuzificação. Segundo Lee et al. (2010a), embora FML tenha sido projetada para o contexto de sistemas de controle fuzzy, ela tem sido combinada com ontologias fuzzy em diversos domínios de aplicação. De forma geral, a ontologia tem o papel de representar os principais conceitos do domínio, assim como as propriedades numéricas correspondentes a variáveis linguísticas, enquanto FML descreve os dados mais específicos do raciocínio de SIF, de modo interoperável e independente de implementação. Huang et al. (2011) propõem um sistema de apoio a decisão baseado em ontologias e FML para predição de comportamento de programas maliciosos, utilizando regras fuzzy para combinar as variáveis deste domínio, como o número de conexões IP abertas e o número de modificações no sistema de arquivos para determinar o risco associado aos programas. Wang et al. (2013) também desenvolveram um sistema de apoio a decisão usando ontologias e FML no domínio energético, com foco no fornecimento e na demanda de energia solar com base em características ambientais e de consumo. No entanto, estes trabalhos consideram ontologias crisp, portanto a representação e o raciocínio de conhecimento impreciso está limitado às regras fuzzy processadas por um SIF.

Ainda usando FML porém combinada com ontologias fuzzy, Lee et al. (2009) propõem um agente inteligente voltado para domínio médico, envolvendo a recomendação de dietas mais apropriadas para o tratamento de diabetes. Neste mesmo contexto, mas com foco em alimentos típicos da culinária japonesa, Kurozumi et al. (2013) utilizam uma ontologia fuzzy para representar categorias e propriedades relacionadas aos alimentos e regras fuzzy para avaliar se as dietas são saudáveis de acordo com recomendações de associações médicas japonesas.

Algumas pesquisas têm utilizado FML e ontologias fuzzy com suporte a conjuntos fuzzy tipo-2 para tratar a incerteza associada à definição dos termos linguísticos. Seguindo essa abordagem, Lee et al. (2010a) também realizam recomendações de dietas saudáveis e Lee et al. (2010b) propõem um agente inteligente para o domínio de jogos, que avalia as melhores jogadas com base no raciocínio aproximado de regras fuzzy. Embora considerem ontologias fuzzy, o foco dos trabalhos mencionados está no raciocínio fuzzy baseado em regras fuzzy, em função dos resultados do SIF. Nestes trabalhos, a ontologia fuzzy não é fundamentada por algum forma- lismo lógico que possibilite a inferência de conhecimento impreciso como ocorre nas lógicas de descrição fuzzy, portanto os trabalhos não incluem as inferências providas por motores de inferência de ontologias fuzzy.

OWL-FC (MAIO et al., 2012) também representa variáveis linguísticas, regras fuzzy e especifica métodos de raciocínio de SIF por meio de uma ontologia de alto nível no con- texto de controle fuzzy. Os autores argumentam que essa abordagem é mais apropriada que FML por considerar um meta-modelo que pode ser instanciado diretamente por linguagens de representação de ontologias. Assim, os conceitos do domínio e suas propriedades são associadas às informações do SIF por meio de relacionamentos modelados na própria ontologia, de acordo com o meta-modelo definido. OWL-FC é baseada em OWL, seguindo padrões da Web Semântica (BERNERS-LEE; HENDLER; LASSILA, 2001), com foco na interoperabilidade entre diferentes aplicações que lidam com ontologias e controle fuzzy. Entretanto, OWL-FC considera ontologias crisp para representar a semântica conceitual do domínio, também explo- rando somente as inferências baseadas em regras fuzzy com relação ao raciocínio envolvendo imprecisão.

Em geral, os trabalhos analisados que combinam ontologias e SIF possuem diversas ca- racterísticas em comum. A ontologia é utilizada para estruturar o conhecimento com ên- fase na interoperabilidade de informações semânticas entre aplicações do domínio, enquanto o processamento de regras fuzzy, realizado por SIF, é responsável por prover as principais inferências envolvendo imprecisão. Mesmo em abordagens que consideram ontologias fuzzy, o potencial do raciocínio baseado em construtores de conceitos e axiomas fuzzy de ontologias não é devidamente explorado, desprezando inferências que podem ser relevantes para alguns domínios de aplicação.

Uma vez apresentadas abordagens da literatura que tratam ontologias fuzzy e regras fuzzy envolvendo variáveis linguísticas, a próxima seção analisa suas características com relação aos aspectos discutidos no início deste capítulo.