The next generation knowledge management for multilingual agricultural information
1. The Next-Generation Knowledge Management for Multilingual Agricultural Information Asanee Kawtrakul, Mukda Suktarachan , Aurawan Imsombut , Chaveewan Petchsiri, Chalermpon Sirigayon, Thana Sukvaree, Trakul Permpool, Prachaya Boonkhuan, Worapoj Peerawit, Intiraporn Mulasastra The Specialty Research Unit of N atural Language Processing a nd I ntelligent Information S ystem T echnology Department of Computer Engineering, Kasetsart University, Bangkok, Thailand [email_address] Fifth Agricultural Ontology Service (AOS) Workshop 29 April 2004, Beijing, China
2.
3.
4.
5.
6.
7. System Architecture Intelligent Search Engine Knowledge Portal Processing Unstructured, Semi-structured, Structured Document Meta Data Annotation tools Knowledge Structure Thai AGRIS Corpus Agricultural Information Bases Multilingual Dictionary MT KT WWW Real-World Ontology Ontology Task Oriented Ontology Rice Diseases& How to protect? How to plant in the winter? Follow up the price etc. Yield
10. Introduction to Ontology Real World Plants Taxonomy Ontology family genus taxonomy species plants Part-of relation plant reproductive organs plant vegetative organs fruit seeds flower Acalypha concepts instances . . . IS-A relation
11. Introduction to Ontology Task Oriented ontology disease control cause from pathogen cause from environment Plant Diseases symptom cause Treatment Scorch Blight . . . IS-A relation concepts instances specific relations (e.g. Cause, hasSymptom) . . .
12.
13. Automatic Ontology Construction System Architecture Heuristic Rules Structured Corpus Unstructured Corpus Raw Text Dictionary AGROVOC Thesaurus Morphological Analysis Term Extraction Structure Analysis Database Conversion Thesaurus Recycling Organizing System Verification System Semantic Relation Identification
14.
15.
16.
17.
18.
19.
20.
21. Solutions Name Entity Extraction Implicit Expression heuristic rules such as using the word list of object properties to eliminate non-concept term. Clue Word Ambiguity NP Analysis by using grammatical rules and statistical bases. Concept Identification Technique Problem
33. Document Knowledge Structure Text Extraction Template Name-Entity recognition Explanation information Marker (by paragraph classification) Summarization Relevant paragraphs selection Frame elements composition Retrieve reference id Reference id New entity Text Extraction Architecture Ontology
34.
35. Knowledge Summarization Knowledge Summarization Knowledge Summary Text Extraction from IE Frame Structure Discourse Structure Theory
36.
37.
38. A B C D E Text Selected Text Summary Frame-based Discourse Summarization Slots Information Discourse Summarizer Frame-based Cause Symptom Treatment Text Extraction from IE nucleu s nucleus nucleus satellite satellite Discourse relation nucleus nucleus nucleus Discourse relation A B D A B D
39. <symptom ref="1" grp="1"> ลักษณะอาการ อาการทั่วไปที่เกิดกับผักกาดหอมห่อเริ่มจากแผลรอยช้ำเล็กๆ เป็นจุดฉ่ำน้ำ เมื่อสิ่งแวดล้อมเหมาะสมแผลจะขยายตัวทุกทิศทางทั้งด้านยาว กว้างและลึก เนื้อเยื่อของพืชส่วนนั้นจะอ่อนยุบตัวลงและเน่าอย่างรวดเร็ว ทำให้ส่วนนั้นเปื่อยและเป็นน้ำภายในเวลาอันรวดเร็ว มีเมือกเยิ้ม มีกลิ่นแรงมาก กลิ่นนี้จะเป็นกลิ่นเฉพาะของโรคนี้ หลังจากนั้นผักจะเน่ายุบตายไปทั้งต้น ซึ่งอาจแห้งเป็นสีน้ำตาลอยู่บนผิวดิน อาการเน่ามักจะเริ่มที่โคนก้านไปหรือตรงกลางลำต้นก่อน </symptom> Cause : Symptom : Treatment : อาการทั่วไปที่เกิดกับผักกาดหอมห่อเริ่มจากแผลรอยช้ำเล็กๆ เป็นจุดฉ่ำน้ำ เมื่อสิ่งแวดล้อมเหมาะสมแผลจะขยายตัวทุกทิศทางทั้งด้านยาว กว้างและลึก เนื้อเยื่อของพืชส่วนนั้นจะอ่อนยุบตัวลงและเน่าอย่างรวดเร็ว ทำให้ส่วนนั้นเปื่อยและเป็นน้ำภายในเวลาอันรวดเร็ว มีเมือกเยิ้ม มีกลิ่นแรงมาก Template representation Text Summary Symptom Symptom Symptom Extraction from IE How to
55. System Architecture Intelligent Search Engine Knowledge Portal Processing Unstructured, Semi-structured, Structured Document Meta Data Annotation tools Knowledge Structure Thai AGRIS Corpus Agricultural Information Bases Multilingual Dictionary MT KT WWW Real-World Ontology Ontology Task Oriented Ontology Knowledge Tracking Information in document 1. Format 2. Genre Type 3. Subtype 4. Domain 5. Creator /Author 6. Publisher 7. Source 8. Copy Right 9. Identify 10. Keyword 11. TitleThai 12. TitleEng 13. Date 14. Language 15. Editor/Contributor Metadata & Ontology Based Classification Document Class Multi-viewpoint Knowledge Tracking Title Author Publisher Keyword date Domain Document Class 1 Class 2 Class n …
56. Classification Corpus Training Set Metadata Extraction Classification Process Prototype C F A D B E New Document Genre Agriculture Economic Sport … C F A D B E
57.
58.
59. Knowledge Tracking : Different Tracking Paths (Same Documents) 1 2 3 4 5 Computer Author A B C 2000 2002 2004 2001 2002 1 2 3 4 5 Computer Year 2000 2001 2002 A B C A C Another Knowledge Gain : -Author B is a new researcher. -Author C publishes papers continuously -Author A do not publish in year 2001 -And more... Another Knowledge Gain : -Author C is only one who published in year 2001 -Author A and B are pioneer researcher in domain. -And more ...
60. Tracking by domain Plant Disease Cause Symptom Prevention Domain=Plant C F A D B E Title=Ginger Title=Cabbage Title=Cucumber …
61. Tracking by title Title=Cabbage A D Author=Doae Author=KU … Plant Disease Cause Symptom Prevention
62. Tracking by author Plant Disease Cause Symptom Prevention Author = KU C F A D B E … Title=Ginger Title=Cabbage Title=Cucumber