Построение правовой онтологии для поддержки принятия решений

Современные информационные системы, применяемые в правовой сфере, работают с данными, которые имеют неполную, слабо структурированную и контекстно-зависимую природу. В области интеллектуальных прав (ИнП) это проявляется особенно отчётливо: объекты охраны, субъекты права, способы использования, регистрационные процедуры и правовые ограничения образуют сложную сеть взаимосвязей, не всегда явно представленную.

Реляционные модели данных эффективны в решении задач хранения и выборки структурированной информации, однако их возможностей недостаточно для интерпретации правовых знаний. Они не позволяют автоматически устанавливать принадлежность объекта к определённой категории и выявлять неявные ограничения. В результате значительная часть аналитической работы переносится на эксперта, что увеличивает трудоёмкость проверки и снижает воспроизводимость принимаемых решений.

Одним из способов преодоления указанных ограничений является применение онтологического подхода [1]. Он позволяет представить знания в виде формальной системы понятий, отношений и аксиом, а также использовать автоматический вывод для уточнения статуса объектов и выявления скрытых зависимостей. Для предметной области (ПрО) ИнП такой подход особенно значим, поскольку здесь требуется учитывать не только иерархию объектов, но и условия охраноспособности, ограничения использования, наличие лицензий и особенности правового режима.

Целью работы является построение онтологической модели (ОМ) ПрО ИнП и методики её использования для поддержки принятия решений (ППР).

Задачи работы: выделить ключевые классы, свойства и ограничения ПрО ИнП; формализовать структуру ОМ средствами дескриптивной логики (ДЛ) и OWL DL ; разработать систему аксиом, обеспечивающих автоматическую классификацию объектов и выявление неявных связей [2, 3]; определить роль DL -запросов 1 в извлечении знаний и формировании множества допустимых альтернатив; провести оценку ОМ в среде Protégé .

Особенностью предлагаемого подхода является ориентация не только на представление знаний, но и на их операциональное использование в задачах ППР в ПрО ИнП [4, 5].

1    Особенности предметной области

Для области ИнП определение понятий, связей и ограничений в ПрО для их представления в машинно-обрабатываемом виде осложняется тем, что значительная часть знаний имеет качественный и/или нормативный характер. Здесь важны не только объекты, но и условия их охраны, допустимые способы использования, а также исключения и зависимости от правового контекста.

Существующие правовые онтологии (например, LKIF-Core [6]) ориентированы преимущественно на описание общих юридических категорий. При решении прикладных задач, связанных с ИнП, требуется специализированная ОМ, учитывающая особенности национального законодательства, классификацию объектов охраны, регистрационные процедуры и ограничения использования.

Прикладная онтология должна содержать перечень понятий и формальные отношения между ними, а также аксиомы, задающие условия вывода. Наличие аксиоматического слоя позволяет использовать ОМ для автоматической классификации объектов, проверки согласованности описаний и выявления фактов, не заданных явно.

В терминах ДЛ структура онтологии задаётся через три группы элементов: концепты, роли и аксиомы [7]. Концепты соответствуют классам объектов ПрО, роли описывают бинарные отношения между экземплярами, а аксиомы фиксируют включение, эквивалентность, несовместимость классов и ограничения на свойства. Такой способ представления задаёт формальное описание структуры знаний и позволяет автоматически получать новые утверждения на основе заданных фактов [8].

В области ИнП концептами могут быть классы Изобретение, ПолезнаяМодель, Автор-скоеПраво, Лицензия, ПравовоеОграничение . Ролями являются отношения имеетЛицензию, имеетОграничение, созданоАвтором, зарегистрированоВ . На основе атомарных понятий и ролей формируются более сложные описания, задающие условия принадлежности объекта к определённому классу. Например, класс изобретений может быть задан через совокупность признаков новизны, промышленной применимости и изобретательского уровня. Класс объектов с ограниченным режимом использования определяется через наличие соответствующего правового ограничения. Такая формализация позволяет машине логического вывода (МЛВ) автоматически относить экземпляры к нужным классам даже в тех случаях, когда соответствующая принадлежность не была указана [9, 10].

1 DL -запрос – это запрос к онтологии, формируемый с использованием Manchester Syntax (манчестерского синтаксиса OWL ).

Для формирования отношений и записи связей между понятиями и ролями используют терминологические аксиомы. Аксиомы данного вида называют равенствами: С d D (R = S'), где C, D – понятия, а R, S – роли.

В качестве примеров, приведены описания онтологии объектов ИнП.

Изобретение ≡ Новизна ∩ ПромышленнаяПрименимость ∩ Изобретательский уровень ; данное соотношение фиксирует пересечение трёх признаков Изобретения.

ПолезнаяМодель ≡ ОбъектПатентногоПрава ∩ Новизна ∩ ПромышленнаяПрименимость; приведённое выражение задаёт класс полезных моделей через набор существенных признаков, необходимых для отнесения объекта к данной категории.

ДЛ позволяет не только описывать структуру ПрО, но и получать новые знания посредством автоматического вывода.

Сфера ИнП характеризуется разветвлённой иерархией понятий. Объекты данной ПрО могут классифицироваться по различным основаниям, при этом отдельные классы имеют как общие, так и отличительные признаки [11]. Особенностью ПрО является её изменяемость в связи с действующим законодательством. Поэтому при проектировании онтологии учитывается не только текущее состояние ПрО, но и возможность последующего добавления новых классов, экземпляров и отношений [12].

2    Онтология для поддержки принятия решений 2.1    Методика построения онтологии

В предлагаемой методике описывается переход от анализа ПрО к формированию рекомендаций в системе ППР (СППР). Методика включает последовательность этапов.

М = ( S1, S2, S3, S4, S5, S6, S7 ), где S1 — S4 относятся к построению и проверке онтологии, а S5 — S7 обеспечивают её включение в процедуру принятия решений.

• S1 .    Концептуализация . Выделяются сущности ПрО, их свойства и взаимосвязи. Результатом является множество концептов C и отношений R, формирующих основу ОМ.

• S2.    Формализация . Построенная основа ОМ преобразуется в формальное описание: 0 = { С, R, А ), где С - конечное множество классов (концептов), R - множество объектных свойств (ролей), – система аксиом, определяющих семантику классов и ограничений.

• S3.    Задание ограничений. Формируются логические условия, определяющие допустимость объектов и их свойств. Ограничения задают пространство возможных интерпретаций и используются при последующем выводе.

• S4.    ЛВ. С использованием МЛВ выполняется автоматическое получение новых фактов.

• S5:    Формирование запросов. DL -запросы используются как инструмент извлечения альтернатив, учитывающий как явные, так и выведенные знания.

• S6:    Генерация альтернатив. Множество допустимых решений определяется как:

A = { x | x ⊨ Q }, где  – DL -запрос.

• S7:    Выбор решения. Окончательный выбор осуществляется на основе функции предпочтений: х* = arg max_хЕЛ U(x), где ( (х) - функция предпочтений. Предпочтения могут быть заданы логически (через классы и ограничения) или количественно (в случае многокритериальной оценки).

• 2.2    Описание фрагмента онтологии

Устранение неоднозначности интерпретации ПрО и обеспечение воспроизводимости результатов показано на формализованном фрагменте разработанной онтологии ИнП, заданном в терминах ДЛ и языка OWL DL [13].

Классы (концепты). В онтологии выделено множество базовых концептов, отражающих ключевые сущности ПрО: IntellectualPropertyObject - объект ИнП; Patent - объект патентного права; Copyright - объект авторского права; License - лицензия; LegalRestriction - правовое ограничение; Invention - изобретение; UtilityModel - полезная модель; Trademark - товарный знак; Author - автор; LegalEntity - правообладатель. Указанные классы образуют таксономическую структуру, в которой специализированные понятия определяются через более общие категории.

Объектные свойства (роли). Множество отношений задаёт семантические связи между объектами: hasLicense ^ IntellectualPropertyObject * License (функциональное свойство); hasRestriction ^ IntellectualPropertyObject * LegalRestriction (транзитивное свойство); ownedBy ⊆ IntellectualPropertyObject × LegalEntity; createdBy ⊆ IntellectualPropertyObject × Author; registeredIn ^ Patent * Organization (функциональное ограничение); hasFeature ^ Patent × Feature. Задание характеристик свойств (функциональность, транзитивность) ограничивает пространство допустимых интерпретаций и обеспечивает корректность МЛВ [14].

Онтология включает набор аксиом, задающих семантику ПрО.

Иерархические зависимости:

Patent ⊆ IntellectualPropertyObject; Copyright ⊆ IntellectualPropertyObject.

Несовместимость понятий: Patent ∩ Copyright ⊆⊥ .

Определение лицензируемого объекта:

LicensedObject ≡ IntellectualPropertyObject ∩ ∃ hasLicense.License.

Формализация объектов патентного права:

Invention ≡ Patent ∩ Novelty ∩ IndustrialApplicability ∩ InventiveStep;

UtilityModel ≡ Patent ∩ Novelty ∩ IndustrialApplicability ∩ InventiveStep.

Ограничения на свойства: Patent ⊆ ∃ registeredIn.Organization.

Классы, определяемые условиями:

RestrictedObject ≡ IntellectualPropertyObject ∩ ∃ hasRestriction.CommercialUse.

Представленные классы и свойства являются частью ОМ в среде Protege , включающей более 60 концептов и систему аксиом. Указанные классы и свойства используются при описании экземпляров ПрО, что служит основанием для интерпретации их характеристики в терминах построенной ОМ.

МЛВ использует указанные аксиомы для автоматической классификации экземпляров, выявления неявных зависимостей между объектами и построения дополнительных таксономических связей. Процедуры вывода интерпретируются в терминах ПрО как рекомендации (например, необходимость правовой проверки), сигналы о рисках и уточнение статуса объектов [15]. Представленная ОМ обеспечивает переход от декларативного описания знаний к их операциональному использованию в СППР.

• 2.3    Проверка и уточнение онтологии

• 2.4    Структура онтологической модели

Завершающим этапом создания ОМ является проверка её логической корректности и уточнение структуры по результатам работы МЛВ. Выполняется проверка согласованности онтологии, корректности иерархии и непротиворечивости заданных аксиом. При обнаружении противоречий выполняется корректировка соответствующих классов, свойств или аксиом, после чего процедура проверки повторяется. Итеративное уточнение придаёт устойчи- вость ОМ к расширению и сохраняет её логическую целостность при добавлении новых понятий, экземпляров и отношений ПрО [16].

Прикладная онтология

Рисунок 1 – Структура прикладной онтологии для поддержки принятия решений

ОМ имеет иерархическую структуру и отражает основные группы объектов ИнП. На рисунке 1 представлена обобщённая структура прикладной онтологии ПрО и её взаимодействие с СППР. Онтология включает иерархию классов ПрО (рисунок 2), систему объектных свойств и аксиомы ДЛ, формализующие ограничения и условия вывода. На верхнем уровне выделены шесть базовых классов: Авторское право, Патентное право, Средства индивидуализации, Смежные права, Нетрадиционные объекты и Защита ИнП. Эти классы задают основу таксономии и дета- лизируются через подклассы, отражающие конкретные виды объектов, правовых режимов и способов защиты.

Класс Авторское право включает 24 подкласса, описывающих основные категории объектов авторско-правовой охраны. Класс Патентное право содержит 10 подклассов, связанных с объектами и признаками патентоспособности.

T- Thing

Т-< Авторское_право

■•Не_объекты_авторского_права i т •Объекты_авторских_прае

I     -'■♦Аудиовизуальные_пр виз веде ния

-ФГеографические_карты

|     .....® Декоративно-прикладное_и_сценографическое_искусство фДраматические—И—Нузыкальнолранатические—произведения

.....ф Изо6разительное_искусствй

• ►    -•Литературные—произведения

.....• Музыка л ьные_произведения

• ►    -С Научныелроизведения

■ ■•Произведения_архитектуры_градостроительства_и_садово-паркового_искусства

.....Ф Производные_произведения

• ►    ■< Составные—произведения

.....• Сцена рные_произведения j    —в Фототрафические_произведения

.....* Хореографические_произведения_и_пантомины

• ►    ФСуЕъекты_авторских_прав

тОЗащита_интеллектуальных_прав

.....Ф Договор_авторского_заказа

• —    • Источники

i .....• Лицензионные_соглашения

• —    •Методы_регулирования

.....• РегистрацияПО

[  — • Судебн ая за щита

• > — О Наградицион ные_о бъекты

• * “- О Патентное_право

• ►    - О Смежные_права

• ► ■ О Средства_индивидуализации

• 2.5    Формализация отношений между объектами

Рисунок 2 – Иерархия классов

В составе класса Защита ИнП представлены договорные, регулятивные и судебные механизмы защиты. Отдельно представлены Смежные права, Средства индивидуализации и Нетрадиционные объекты, что позволяет учитывать различные правовые режимы и основания классификации [17]. Некоторые классы созданы как непересекающиеся (Изобретение, Полезная модель, Промышленный образец).

МЛВ с помощью DL -запросов использует данную ОМ для получения неявных знаний, которые применяются в СППР.

Отношения между объектами реализованы через объектные свойства OWL DL . Для каждого свойства определяются область определения, область значений и логические характеристики: функциональность, транзитивность, симметричность или наличие обратного свойства. Эти характеристики влияют на результаты автоматической классификации и выявления опосредованных связей. В ОМ выделены отношения, описывающие правовую охрану, регистрацию, наличие признаков патентоспособности, срок действия исключительных прав, ограничения использования и связь объекта с правообладателем. Например, свойство Охраняет-ся_законом связывает объект интеллектуальной деятельности с нормативным правовым актом, а свойство Должна_быть_зарегистрирована фиксирует необходимость регистрации отдельных объектов в уполномоченной организации.

Выделены следующие отношения.

Охраняется_законом (отношение между объектами интеллектуальной деятельности и нормативно-правовым актом); связь обладает свойствами инверсности и транзитивности.

Должна_быть_зарегистрирована (отношение между объектами патентного права и Роспатентом); связь наследуется от свойства Охраняется_законом , инверсна по отношению к свойствам является_патентным_правом, регистрируется_в_Роспатенте и транзитивна.

Может_быть_зарегистрирована (отношение между объектами, для которых допускается регистрационный или учётный режим); связь наследуется от свойства Охраняет-ся_законом и обладает характеристикой транзитивности.

Имеет_коммерческое_обозначение (отношение между фирменными наименованиями и коммерческими обозначениями); сторона может иметь только одно коммерческое обозначение, поэтому связи присвоено свойство функциональности и инверсивности свойству является коммерческим обозначением .

Имеет_срок_исключительных_прав (отношение между патентным правом и сроком).

Не_охраняется_законом (отношение между источниками права и объектами, которые по закону не обладают охраноспособностью); обладает характеристиками инверсивности по отношению к свойству Не_является , транзитивности и симметричности.

Регистрируется_ в (отношение между классом Регистрация и средствами индивидуализации); связь обладает характеристикой функциональности, поскольку только одна организация может владеть одним товарным знаком, и инверсности по отношению к свойству Регистрирует .

Является_признаком (отношение между объектами патентных прав при определении этих объектов).

Указанные ограничения по обязательности и количеству объектов, находящихся в соответствующем отношении, задаются с помощью свойств объектов [18]. На рисунке 3 показаны связи построенной онтологии.

Задание свойств и их характеристик показывает согласованность ОМ и предотвращает появление некорректных выводов МЛВ. Для проверки работоспособности ОМ и МЛВ в онтологию включены экземпляры классов, представляющие объекты ПрО. Экземпляры связываются между собой и с классами с помощью свойств объектов, формируя базу знаний.

• 2.6    Автоматический логический вывод

Автоматический вывод реализован с использованием МЛВ, поддерживаемой OWL DL . Её применение позволяет: проверять согласованность онтологии, классифицировать экземпляры и выявлять связи, которые логически следуют из заданных аксиом, но не внесены в модель явно.

' OWLVa DL Query OntoGraf SPARQL Query Onto*)» Differences

] Inverse functonal

✓ Transttre

□ Sytnmetnc

] Aiywmotnc

Enttes Ct»»*** | Otiect Propenes Data Properties Amotaten Propenes i topObject Property

■ выдается

■ ГК_РФ_защмщает

■ нмеет_коммерчесхое_обозначение

■ имеет_срок_исключительных_прав

■ не_охраняекя_законом

■ не_является

■ охрднястся_мконои _______ ■ Должна_быть_за регистрирована ■ ножет_6ыть_мрегистриромна

■ регистрирует

■ регистрнруется_в

■ явля ется_конмерческмм_обозначением

■ является_латентным_правои

■ выдается_пагент

■ регистрируется_в_Роспатеите

■ явля ется_прнзиаком

■ имеет_изобретательский_уровень

■ имест_ноонзну

■ имеет_оригинальность

▼ ♦изобретение

________♦ изобретение Должна_быть_зарегмстрирована ст. 1353_ГК_РФ

Show Я ««Я dajonts

Должма_бытьЗареП4СтрированТОопмнп7)бъектъГпате>^^

ObjectPropert, Должна_быть_зарегистрирована

Должнэ_быть_зз регистрирована SubPropertyOf охраняется.законом

■ регистрируется_в_Роспэтенте InverseOf Должна_быть_зэрегмстрированэ

■Должна_быть_зарелктрировама Range 0бье*аы_латентных_лра8

SubhopHty 01 Q ■ охра ня ется_законом town* Of Q

■ я ел ястся_патснтмым_пра bom

• регистрируется_в_Ро<пдгсите

Dmuni (Н»п»<1>«л) 0

♦ Обьекты_патентных_праа taps anwwcMn) 0

♦ Обьекты_патентных_прав

Ob^ct

Должна быть зарегистрирооана

Рисунок 3 - Иерархия свойств объектов

В разработанной системе МЛВ используется для семантической обработки знаний. Если объект обладает набором признаков, достаточных для отнесения к определённому классу, МЛВ автоматически устанавливает соответствующую принадлежность. При наличии транзитивных или обратных свойств могут быть выявлены дополнительные отношения между экземплярами.

На рисунке 4 представлен пример DL -запросов. Такие запросы учитывают не только явно заданные утверждения, но и факты, полученные в результате вывода. Это позволяет работать с неполными описаниями объектов и формировать более обоснованные рекомендации для пользователя.

3 Использование онтологии для поддержки принятия решений

На этапе применения ОМ используется как семантический слой СППР. Её задача состоит не в окончательной юридической квалификации объекта, а в предварительном анализе: выявлении возможных ограничений, уточнении статуса объекта, обнаружении неполных описаний и формировании оснований для экспертной проверки.

DL quniy                                    1_______швив|

Query (class expression)

Обьекты_пзтентны»_прзв and еыдзется_пзтент only

Execute Add to ontology

Query results

EquMert cutter (1 of 1)

• Объемы_патемтмых_прав

Superclasses (2 of 2)

• ♦    owl Thing

ф Патентное jipaao

Preet supeicUttet (1 of 1)

• ♦    Патентхоепраао

Preet tubcUtter (3 of J)

• ♦    Изобретение

♦Полезная_ыодель

• ♦    Премывлемиый.овраэец

SubcUsses (4 of 4)

• ♦    owf Nothing

• ♦    Изобретение

• ♦ Полезиая_шодопь

♦ Промыиле«ный_образец

Гтй алеет (13 of 13)

фДизайн_све пальника

♦0бъем_1

♦ Объем, 2

♦ 0бъем_3

♦ Роспатент

♦ изобретательский ^фоаень

♦ изобретение

♦ новизна

♦ оригинальность

♦ полезная _модель

Аппоимипемнмы oAnasMi

Query for

• ✓ Direct superclasses

ж Superclasses

«г Equiralent classes

• < Direct subclasses

* Subclasses

* instances

Result filters

Name contains

< Dismay owl Thing

(in rup«'C<»W r«««lt»)

^ Display owl Nothing 0" »u6c<»»»>*»uit».

Рисунок 4 - Пример DL -запросов

к онтологии

Этапы S5-S7 обеспечивают переход от результатов МЛВ к практическим действиям системы. Формируется DL -запрос, определяется множество объектов, удовлетворяющих за-

данным условиям, результат интерпретируется как рекомендация, сигнал риска или основание для дополнительного анализа (рисунок 5).

Рисунок 5 – Пример транзитивной связи экземпляра «База данных»

Результаты МЛВ интерпретируются в терминах ПрО и используются при формировании решений.

• 3.1    Выявление неявных знаний как основа поддержки решений

• 3.2    Интеграция онтологии в программную систему

Выявление неявных знаний является ключевой функцией разработанной ОМ. Под неявными знаниями понимаются сведения, которые отсутствуют в исходном описании объекта, но могут быть получены на основе заданных классов, свойств и аксиом. Такие результаты позволяют уточнять правовой статус объекта, определять допустимые способы его использования и выявлять ограничения, требующие экспертной проверки.

На рисунке 6 представлен пример экземпляра объекта ПрО с частичным набором формализованных признаков и связей. Часть характеристик объекта явно не указана, однако в онтологии присутствуют аксиомы ДЛ, определяющие условия принадлежности объектов к определённым классам и ограничения на свойства [19].

Разработанная ОМ включена в СППР через экспорт в машинно-обрабатываемый формат. В этом случае онтология выполняет роль базы знаний, к которой обращаются компоненты системы при решении задач анализа, классификации и оценки объектов ПрО [20]. Основные компоненты ОМ и их функции в СППР представлены в таблице 1.

Таблица 1 – Компоненты онтологической модели

Компонент модели	Функция в системе поддержки принятия решений
Класс	Классификация объектов предметной области
Иерархия классов	Автоматическое наследование свойств и признаков
Свойства объектов	Формализация связей и зависимостей между объектами
Характеристики свойств	Учёт функциональности, транзитивности и инверсии
Аксиомы дескриптивной логики	Формализация условий и логических ограничений
Механизм логического вывода	Получение неявных знаний и логических следствий
DL-запросы	Извлечение знаний с учётом логического вывода

Использование онтологии в качестве самостоятельного слоя знаний позволяет отделить содержательную модель ПрО от программной логики приложения. Благодаря этому изменение состава классов, свойств, аксиом или экземпляров может выполняться без существенной переработки архитектуры программной системы.

Рисунок 6 – Пример экземпляра объекта после логического вывода

• 3.3    Сценарии использования

• 3.4    Выявление ограничений использования объектов

Сценарий 1. Классификация объекта . Пусть задан объект X, для которого известны признаки новизны и промышленной применимости. В ОМ такое описание может быть представлено следующим образом: X ∩ Новизна ∩ ПромышленнаяПрименимость. После запуска МЛВ объект X может быть отнесён к классу изобретений: X ∈ Изобретение. Полученный результат используется СППР для предварительной классификации объекта.

Сценарий 2. Определение ограничений использования . Если для объекта задан запрет коммерческого применения, то он может быть классифицирован как объект с ограниченным режимом использования. Соответствующая аксиома имеет вид: RestrictedObject ≡ IPObject ∩ ∃ hasRestriction.CommercialUse. В результате работы МЛВ объект автоматически относится к классу RestrictedObject. Для СППР это означает необходимость дополнительной правовой проверки перед использованием объекта.

Сценарий 3. Анализ объекта при неполных данных . Сведения об объекте могут быть неполными. Например, известен правообладатель, но отсутствуют данные о лицензии. Для выявления таких случаев может использоваться DL -запрос: IPObject and not (hasLicense some License). Результатом выполнения запроса является выделение объектов с неопределённым лицензионным статусом. СППР интерпретирует такой результат как сигнал о необходимости уточнения данных перед принятием решения.

Сценарий 4. Поддержка экспертной оценки . ОМ может применяться как основа экспертного анализа. В данном случае автоматически можно классифицировать объекты, выявлять конфликты прав и подготовить информацию для эксперта. Такой подход снижает трудоёмкость проверки и повышает воспроизводимость экспертных решений.

В ОМ выделен класс объектов с ограниченным режимом использования. Пусть имеется объект X, описание которого является неполным, и для него известно следующее: объект относится к классу IntellectualPropertyObject ; для объекта задано ограничение hasRestriction = CommercialUse ; сведения о наличии или отсутствии лицензии в базе знаний не указаны.

Результаты, представленные в таблице 2, показывают, что при частично заданных характеристиках объекта модель позволяет определить его статус и сформировать рекомендацию для дальнейшего анализа. Полученный результат интерпретируется СППР как рекомендация: объект требует дополнительной правовой проверки перед использованием. Данный сценарий демонстрирует полный цикл применения предложенной методики: от неполного описания объекта до формирования DL -запроса и выдачи обоснованной рекомендации пользователю. Примеры DL -запросов и результаты их выполнения приведены в таблице 3.

Таблица 2 – Сценарий принятия решений при неполной информации

Этап	Содержание
Входные данные	объект X принадлежит классу IntellectualPropertyObject; для него задано ограничение CommercialUse; сведения о лицензии отсутствуют
Неполнота описания	В базе знаний отсутствует утверждение hasLicense(X, License), однако в рамках предположения открытого мира это не интерпретируется как отсутствие лицензии
Аксиома классификации	RestrictedObject ≡ IntellectualPropertyObject ∩ ∃ hasRestriction.CommercialUse
Результат логического вывода	X ∈ RestrictedObject
DL -запрос	IntellectualPropertyObject and hasRestriction some CommercialUse
Рекомендация СППР	объект требует дополнительной правовой проверки перед использованием

Таблица 3 – DL -запросы и интерпретация результата

Тип запроса	DL-запрос	Интерпретация результата
Поиск объектов с патентными признаками	ОбъектПатентногоПрава and (имеет_признак some Новизна)	выявление объектов, потенциально относящихся к патентному праву
Поиск объектов с ограничениями	IPObject and (hasRestriction some CommercialUse)	выделение объектов, требующих правовой проверки
Поиск неполных описаний	IPObject and not (hasLicense some License)	выявление объектов с неопределённым лицензионным статусом

• 3.5    Экспериментальная оценка онтологической модели

Для проверки работоспособности разработанной ОМ проведена экспериментальная апробация в среде Protégé с использованием МЛВ HermiT . Задачи эксперимента заключались в оценке времени выполнения ЛВ, количества автоматически полученных фактов и степени совпадения результатов МЛВ с экспертной проверкой. В экспериментальный набор включены экземпляры объектов авторского права, патентного права, средств индивидуализации и объектов с ограничениями использования. Для каждого экземпляра заданы исходные утверждения о принадлежности к классу, наличии признаков, ограничений, лицензии, правообладателя и условий регистрации.

Проверка проводилась для трёх наборов данных: 100, 150 и 200 экземпляров. Для каждого набора запуск классификации выполнялся три раза, в таблице 4 приведено среднее значение времени работы МЛВ. Под автоматически выведенными фактами понимаются новые утверждения МЛВ о принадлежности экземпляров к классам и наличии дополнительных связей. Эти связи формируются после выполнения МЛВ. Результаты проверки представлены в таблице 4.

Таблица 4 – Экспериментальная оценка логического вывода

Количество классов	Количество экземпляров	Время логического вывода, с	Явно заданные факты	Автоматически выведенные факты	Совпадение с экспертной проверкой
60	100	1,6	315	86	94%
	150	2,4	472	129	93%
	200	3,2	628	171	92%

Результаты эксперимента показывают, что увеличение числа экземпляров от 100 до 200 приводит к росту времени МЛВ с 1,6 до 3,2 с. Это свидетельствует о возможности интерактивного использования модели в составе СППР. Число автоматически выведенных фактов составило около 27% от количества явно заданных утверждений для всех экземпляров. Это подтверждает, что разработанная ОМ обеспечивает семантическое обогащение данных. Сопоставление результатов автоматической классификации с экспертной проверкой показало совпадение на уровне 92–94%. Основные расхождения связаны с неполным описанием отдельных экземпляров и отсутствием уточняющих свойств, необходимых для однозначной классификации. Качество вывода зависит не только от структуры аксиом, но и от полноты исходного наполнения модели.

Заключение

В работе предложена методика построения онтологии ПрО ИнП, ориентированная на использование в СППР и включающая этапы формализации аксиом, автоматического вывода, формирования DL -запросов и отбора допустимых альтернатив.

В разработанной ОМ использован OWL DL , содержится более 60 концептов, свойства объектов и набор логических ограничений. Её применение позволяет классифицировать объекты ИнП, выявлять неявные связи, определять случаи неполного описания и формировать основания для последующей экспертной проверки.

Проверка ОМ в среде Protégé с использованием МЛВ HermiT показала приемлемое время выполнения логического вывода при наборах из 100–200 экземпляров, а также возможность автоматического получения дополнительных фактов, не заданных в модели явно. Совпадение результатов с экспертной проверкой на уровне 92–94% подтверждает применимость предложенного подхода для задач предварительного анализа и ППР в ПрО ИнП.