Asiasanastoista ontologioihin? YSA-YSO-näkökulma Eeva Kärki Kansalliskirjasto

Agenda YSA YSO YSA – YSO: eroja Selvitettävää Mitä FinnONTOn jälkeen? Osoitteita

Tesaurukset ja ontologiat molemmat ovat käsitejärjestelmän kuvauksia myös perinteisiä tesaurusmuotoisia asiasanastoja kutsutaan joskus ontologioiksi, lisäksi ontologioiksi on ryhdytty nimittämään RDA:ta, FRBR:ää (-> sekoittavaa) asiasanastot, tesaurukset = ihmisen (ja koneen, jos on URI) tulkittavissa olevia ontologiat = koneen (ja ihmisen?) tulkittavissa olevia – esityksessä keskityn sanasto-ontologioihin, lähinnä YSOon (en siis käsittele Kulttuurisampoa, TerveSuomi yms. ontologiota)

YSA eli Yleinen suomalainen asiasanasto (1) n asiasanaa (näistä n maantieteellistä nimeä) kaikki tiedonalat – ongelmallisia aloja: fysiikka, kemia, matematiikka, tekniset alat (tietotekniikka erityisesti), taloustieteet, kasvatustieteet… epätasaisuutta: – toisilta aloilta (erityisesti ns. ”pehmeät tieteet”) melko spesifejäkin termejä, joiltakin aloilta vain yleistason termejä ( erityisesti fysiikka, kemia, matematiikka) ei henkilön- eikä yhteisönnimiä ylläpito: Kansalliskirjasto (1 htv) ”tekninen” ylläpito: Fennica-tietokanta (Voyager) – jos/kun auktoriteettitietokanta toteutuu, ylläpito siirtyy Aleph-ympäristöön

YSA (2) Ylläpito sanaehdotukset, muutokset Fennican indeksoijat yleiset ja tieteell. kirjastot BTJ Kirjastopalvelu arkistot, museot erikoissanastot media ”tavalliset käyttäjät”

3-4 kertaa vuodessa, osallistujia henkeä – Fennican sisällönkuvailijat – Allärsin edustaja – BTJ Kirjastopalvelu – Helka-tietokannan edustaja – Eduskunnan kirjaston asiasanaston edustaja – Agriforestin (Maa- ja metsätaloussanasto) edustaja – Helsingin kaupunginkirjaston edustaja YSA (3) Sanastopalaveri

YSA (4) YSA-palaverissa käsitellään n termiä vuosittain, joista hyväksytään n. puolet ( ) uudet sanat ja muutokset ilmoitetaan sähköpostilistoilla parin päivän sisällä kokouksesta päivitys Fennica-tietokantaan, sanojen väliset suhteet tehdään tässä vaiheessa myös palaverissa ”hylätyt termit” päivitetään Fennica-tietokantaan termiehdotuksina (eivät näy VESAssa/ONKIssa), näihin ei tehdä tesaurus- suhteita VESAssa/ONKIssa n. parin viikon kuluttua kokouksesta (riippuen työtilanteesta…) Huom! ns. vapaan indeksoinnin termejä (näihin kuuluvat myös paikannimet) ei käsitellä palaverissa eikä ilmoiteta listoilla (näitäkin tulee n. 500 per vuosi) YSA karttuu siis n uudella termillä vuodessa

YSO eli Yleinen suomalainen ontologia(1) FinnOnto-osaprojekti (Tekes) YSOn kehikko luotu FinnONTOssa, mukana ei ollut kirjastoihmisiä YSO perustuu YSAn termeihin – jäljessä YSAsta, tällä hetkellä puuttuvat kaikki v otetut uudet YSAn termit eli monta sataa – YSAn maantieteelliset nimet eivät ole mukana YSOssa YSAn termien ontologisoinnin YSOksi tekivät/tekevät FinnONTOn työntekijät – v KK:sta oli mukana kaksi henkilöä puolen vuoden ajan, Mirja Anttila ja Eeva-Liisa Leppänen YSOssa tällä hetkellä n termiä (YSAssa n termiä)

YSO (2) kieli: suomi ruotsinkieliset vastineet – poimittu Allärsistä – ruotsinkielistä ontologiaa (Allso) on tehty lokakuun alusta 2009 lähtien, Allso tulee ONKI-palvelimelle todennäköisesti syksyllä 2010 (?) englanninkieliset vastineet – poimittu Helsingin kaupunginkirjaston luokituskaavion englanninkielisen version hakemistosta – vastineissa virheitä, koska luokituskaavion hakemiston käännöstyössä termejä ei ole tarkistettu erikoisalojen sanastoista/sanakirjoista – englanninkielisten vastineiden ontologista rakennetta ei ole tehty

YSO (3) YSOa käytetään myös rakenteellisena mallina ja liittymäkohtana erikoisalojen ontologioihin, kuten – AFO (Agriforestista tehty ontologia) – VALO (Valokuva-alan ontologia) – MAO (Museoalan ontologia) Osoite:

YSA Tesaurus-rakenne KÄYTÄ = viittaus ohjaustermistä asiasanaan (VESA = asiasanaa xxx ei käytetä) KT = korvaa termit LT = laajemmat termit ST = suppeammat termit RT = rinnakkaistermit Huomautus Lähde Ryhmäkoodi ( VESA = kuuluu ryhmiin) Kaikki termisuhteet ovat aina vastavuoroisia

YSA leikkikalut ST keinuhevoset kiiltokuvat legot leijat lennokit liidokit nuket nukkekodit paperinuket pehmolelut pienoisrautatiet puulelut rakennuspalikat tinasotilaat vesilelutkeinuhevoset kiiltokuvat legot leijat lennokit liidokit nuket nukkekodit paperinuket pehmolelut pienoisrautatiet puulelut rakennuspalikat tinasotilaat vesilelut RT käsinuket käsinuket

muuttuvapysyvä abstrakti prosessi tapahtuma toiminto ajanjakso fyysinen objekti ilmiö henkiset tuotokset järjestelmä ominaisuus paikka YSOn kehikko (Lähde: Katri Seppälä) ”asia” fyysinen kokonaisuus

YSOn kehikko abstrakti muuttuva prosessit tapahtumat toiminta pysyvä ajanjakso fyysinen kokonaisuus fyysinen objekti henkiset tuotokset ilmiöt järjestelmät ominaisuudet paikka

Pysyvä ajanjakso fyysinen kokonaisuus fyysinen objekti aine konkreettinen eloton objekti …. lavasteet leikkikalut legot leikkikalut käyttöympäristön mukaan leijat, lennokit, liidokit, vesilelut leikkikalut materiaalin mukaan kiiltokuvat, pehmolelut, puulelut, tinasotilaat nuket nukkekodit …. letkut liikennemerkit …..

YSOn kehikko ST-suhteet geneeriset suhteet (laji – alalaji) – voimalat - lämmitysvoimalat partitiiviset suhteet (kokonaisuus – osa) – kasvinosat – juuri, kukka jne. – esitetään eri tavalla kuin geneeriset ST-suhteet – näitä ei ole vielä tehty YSOon (eli ovat nyt tavallisia ST-suhteita)

YSA – YSO (1) Sanojen väliset suhteet YSAssa YSAssa asiasanan ympärille rakennetaan tesaurus-suhteet aikaisemmin YSAssa oleviin asiasanoihin – kaikki YSAssa esiintyvät sanat ovat ”todellisia” asiasanoja – monilla sanoilla ei ole hierarkkisia suhteita, vain assosiatiivisia suhteita (RT-suhde) – joillakin sanoilla ei ole mitään suhteita – käsitejärjestelmäkokonaisuudet melko pieniä

YSA – YSO (2) Sanojen väliset suhteet YSOssa YSOssa on valmis kehikko, johon kukin sana yritetään sijoittaa mahdollisimman loogisesti – ontologissa paljon hierarkian vaatimia ns. ”aputasosanoja”, jotka eivät ole asiasanoja (käyttäjä ei voi erottaa ”todellisista asiasanoista”) – käsitekehikko monimutkainen ja tarkka – kaikilla sanoilla/termeillä on joku hierarkkinen suhde – pitkiä hierarkioita – monet käsitteet vaikea sijoittaa kehikkoon loogisesti (ongelmana varsinkin ns. ”pehmeät tieteet” ja abstrakit käsitteet) -> kokonaisuus on jo nyt epäjohdonmukainen, koska eri ihmiset laittavat toisiaan vastaavia käsitteitä eri paikkoihin (esim. avioero, asumusero)

YSA – YSO (3) Sanojen monimerkityksisyys YSAssa ja YSOssa YSAssa – osaan sanoista liitetty lisämääre, esim. kurkku – vihannekset kurkku – ruumiinosat – osaan sanoista liitetty selitys ja laitettu ryhmään 00 (esim. kaanonit) YSOssa pyritty ottamaan esille mahdollisimman paljon monimerkityksisyyttä – kuinka ”syvälle” polysemiaan kannattaa mennä? kaanonit (koko) kaanonit (kooste) kaanonit (ohjeet) kaanonit (sävellykset) kaanonit (uskonnolliset tuotokset) YSOssa osa termeistä esitetty myös eri ”funktioissa” (esim. lapset) YSOssa ns. kooste-sanoja (termiä voi käyttää useilla aloilla/funktioissa)

YSA – YSO (4) Maantieteelliset nimet YSAssa ja YSOssa YSAssa mukana n paikannimeä (myös luonnonmaantieteellisiä nimiä, kyliä ja kaupunginosien nimiä, koti- ja ulkomaisia paikannimiä) YSOssa ei maantieteellisiä nimiä, maantieteelliset nimet paikkaontologioissa – SUO, SAPO; sisältävät vain suomalaisia paikannimiä – SAPOssa (Suomen ajallinen paikkaontologia) ei ole mukana kyliä eikä kaupunginosia

YSA – YSO (5) Alanmukaiset ryhmät YSAssa voidaan selata alanmukaisia ryhmiä YSOssa ei voida selata alanmukaisia ryhmiä (ainakaan vielä) Vapaa indeksointi YSAssa ohjeet vapaan indeksoinnin sanaryhmien yhteydessä YSOssa asia ratkaisematta

Selvitettävää: kysymyksiä (1) Miksi pitäisi siirtyä asiasanoista ontologioihin? Mitä todellista lisäarvoa ontologiat tuovat sisällönkuvailuun ja tiedonhakuun? Kustannus-hyötyanalyysi! – otettava huomioon, että jo pelkästään YSOn ylläpito vaatii enemmän resursseja kuin YSAn – ontologioilla indeksointi on todennäköisesti hitaampaa kuin perinteisillä asiasanastoilla (huom. asiasanojen eri funktiot) – tiedonhaun ongelmat Ontologiat luotu lähinnä koneymmärrettäväksi, soveltuvatko ne ihmisen tulkittaviksi?

Selvitettävää: kysymyksiä (2) Ovatko ontologiat sisällöltään niin valmiita, että niitä voidaan ryhtyä käyttämään? Maantieteelliset nimet: – SUO ja SAPO (paikannimiontologiat) sisältävät vain suomalaisia paikannimiä, entä ulkomaiset paikannimet (ja niiden suomennokset)? – SAPOssa ei ole mukana kyliä eikä kaupunginosia – ei ole olemassa sellaista paikannimiontologiaa, jossa olisi mukana ulkomaisten paikannimien suomalaiset vastineet (huom. YSAssa on jonkun verran mukana myös ulkomaisten paikannimien suomalaisia nimiä)

Selvitettävää: kysymyksiä (3) Miten käytetään niitä asiasanoja, jotka eivät ole missään ontologioissa? – esim. vapaan indeksoinnin sanat, numeeriset ajanmääreet Koska asiasanaa ei voi käyttää muussa kuin ontologian esittämässä yhteydessä (sanojen merkitys sidottu tiukasti ko. sanan paikkaan /hierarkiaan ontologiassa, ontologia on siis jäykempi kuin asiasanasto), miten menetellään, jos ko. sanaa tarvitaankin ihan muissa yhteyksissä? – > aina on otettava yhteys ontologian ylläpitäjään Onko kaikki kirjastotietokannoissa käytettävät asiasanastot ontologisoitava? – resurssit? Sisällöllinen ja tekninen ylläpito? Entä ulkomaisten asiasanastojen ja ontologioiden käyttö?

Selvitettävää: kysymyksiä (4) Jos ontologioita ryhdytään käyttämään asiasanoituksessa, pystytäänkö aikaisemmat indeksoinnissa käytetyt asiasanat kytkemään ontologian yhteyteen? – Esim. ontologiassa sanoja eri merkityksissä, kuten lapset (ikään liittyvä rooli) lapset (kooste) lapset (perheenjäsenet) lapset (sosioekonomiseen ryhmään liittyvä rooli) mihin näistä nyt jo tietokannoissa olevat asiasanat ”lapset” kytketään? Koosteeseenko, mutta mitä hyötyä silloin on ontologiasta? – Esim. ontologiassa asiasanat kytketty tiettyyn merkitykseen, hierarkiaan. Tietokannassa on samaa asiasanaa voitu käyttää aivan eri yhteyksissä kuin mitä ontologia tarjoaa – Jos termin paikkaa (hierarkiaa) muutetaan ontologiassa, muuttuuko URI? Ja jos muuttuu, mitä tapahtuu tietokantaan syötetyille ontologian sanoille?

Selvitettävää: kysymyksiä (5) Onko teknisiä valmiuksia ryhtyä käyttämään ontologioita sisällönkuvailussa ja tiedonhaussa? – sekä YSA:n että YSO:n termeillä on URI:t, jotka mahdollistavat poiminnan ja tiedonhaussa linkityksen YSAan ja YSOon – URI = Uniform Resource Identifier (merkkijono, jolla kerrotaan tietyn tiedon paikka (URL) tai yksikäsitteinen nimi (URN)) – poiminta onnistuu leijukkeen (widget) avulla suoraan järjestelmiin, joissa on toimivat Web Services –rajapinnat (esim. yliopisto- ja korkeakoulukirjastojen järjestelmässä Voyagerissa rajapintaa ei ole) – miten käy ketjutusten?

Kansallinen ontologiakirjasto ONKI (1) ONKI-palvelu, ONKI-selain FinnONTO-projekti – Semanttisen laskennan tutkimusryhmä (SeCO) ONKI-palvelusta tällä hetkellä koekäytössä jo kolmas versio, ONKI- palvelussa usein ongelmia (palvelu on hidas tai ei toimi ollenkaan) – koska ONKIn toiminta on epäluotettavaa, VESA-käyttöliittymä tulee olemaan käytettävissä vielä v – palaute käyttöliittymästä (linkki ONKI-palvelun sivulta)

Kansallinen ontologiakirjasto ONKI (2) 57 sanastoa/asiasanastoa/ontologiaa – asiasanastoja: YSA, Allärs, MUSA, CILLA, Kaunokki, MESA (Merenkulun asiasanasto), Valtioneuvoston asiasanasto jne. – sanasto-ontologioita mm.: KOKO, YSO, MUSO, AFO, KAUNO, MAO, TAO, VALO (huom. Allärsin ontologiaversio Allso ei ole vielä ONKI- palvelussa)

Kansallinen ontologiakirjasto ONKI (3) vielä testausvaiheessa – Huom. SECO-työryhmä tekee suuriakin muutoksia käyttöliittymään neuvottelematta KK:n kanssa ja tiedottamatta niistä KK:lle… linkki uuteen käyttöliittymään löytyy VESAsta (YSAn ja MUSA/CILLAn hakusivu) KK:n sanastoilla ei ole enää yhteistä ”sateenvarjoa” (VESAa) kukin sanasto on ”itsenäisenä” sanastonaan ONKI-palvelussa mukana URI-tunnukset päivittyy joka päivä (nykyinen VESA päivittyy vain kerran viikossa)

Mitä FinnONTOn jälkeen (1)? ONKI-palvelinympäristön ylläpito? – mikä taho tulee vastaamaan teknisestä ylläpidosta? Ryhtyvätkö kirjastot käyttämään ontologioita sisällönkuvailun ja tiedonhaun apuvälineenä? – kuka tekee päätökset? Tehdäänkö ennen päätöstä kustannus- hyötyanalyysi?

Mitä FinnONTOn jälkeen (2)? Jos kirjastot ryhtyvät käyttämään ontologioita, niin huomattava, että – YSO/Allso YSO/Allson ylläpito vie enemmän resursseja kuin YSA/Allärsin ylläpito (ontologian kehikon monimutkaisuus ja tarkkuus, sanojen monimerkityksisyys) englanninkielisen version ylläpito – ontologioiden koordinointi – erikoisontologiat esim. mikä taho ryhtyy tekemään esim. ontologiaa, jossa ovat ulkomaiset paikannimet suomalaisine vastineineen konsortiomalli (ONKI-konsortio)? – > vaatii ylläpito-organisaatioilta (ja varsinkin koordinoivalta organisaatiolta) melko paljon resursseja

Osoitteita (pääsee sekä uuteen että vanhaan käyttöliittymään) (ONKI-palvelu) (SUO = Suomalainen paikkaontologia) (SAPO = Suomen ajallinen paikkaontologia) (KOKO-ontologia) (Kantapuu-museotietokanta, hakudemo) (WordNet) (Web Service -rajapinta)