mcpField
O
ontology-engineer

ontology-engineer

github.com/rade-nugrohoデータ・データベース1250 回インストール23 週間前に更新
リポジトリ

ontology-engineer について

OWL/RDFオントロジー、SKOS分類体系、SPARQLクエリ、ナレッジグラフを扱うエージェントスキルです。データやドメインの意味モデリングから、グラフ構築、検証、推論までの手順を支援します。

主な機能

  1. 01OWL/RDFオントロジー設計
  2. 02SKOS分類体系の作成
  3. 03SPARQLクエリ作成
  4. 04ナレッジグラフ構築
  5. 05意味推論と検証
  6. 06リンクトデータのモデリング

活用シーン

  1. 01能力質問に基づくドメイン設計
  2. 02ナレッジグラフの構築と検証
  3. 03SPARQLによるRDFデータ検索
  4. 04ソースデータのオントロジーへの対応付け

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/rade-nugroho/agentic-enteprises-skill --skill ontology-engineer

インストール後、Claude Code で/ontology-engineerを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

references/
knowledge_graphs.md
ontology_design.md
semantic_web.md
tools_frameworks.md

詳細

オントロジーエンジニア

概要

オントロジーを設計し、ナレッジグラフを構築します。このスキルでは、OWL/RDF オントロジー、SKOS タクソノミー、SPARQL クエリ、ナレッジグラフの構築、セマンティック推論、リンクトデータのパターンを扱います。

機能

  • OWL/RDF オントロジー設計：クラス、プロパティ、制約、公理
  • SKOS タクソノミーの作成：概念、階層、ラベル、マッピング
  • SPARQL クエリ：SELECT、CONSTRUCT、ASK、DESCRIBE パターン
  • ナレッジグラフの構築：データ抽出、エンティティ解決、グラフへの読み込み
  • セマンティック推論：ルールベース推論、OWL 推論、一貫性チェック
  • リンクトデータのパターン：URI、デリファレンス、RDF シリアライズ、データ公開

使用方法

  1. ユーザーが必要としているオントロジーの用途（設計、タクソノミー、クエリ、ナレッジグラフ）を特定します
  2. 以下の該当するワークフローに従います
  3. 構造化された成果物（OWL ファイル、SKOS タクソノミー、SPARQL クエリ、ナレッジグラフのスキーマ）を作成します

例

  • ユーザー：「製品のオントロジーを設計してください」 エージェント：オントロジー設計ワークフローを実行し、クラス（Product、Category、Feature）とプロパティ（hasCategory、hasFeature）を定義して、OWL ファイルを作成します

  • ユーザー：「SPARQL クエリを書いてください」 エージェント：クエリワークフローを実行し、グラフパターン、フィルター、集約を含む SELECT クエリを構築します

  • ユーザー：「ナレッジグラフを構築してください」 エージェント：ナレッジグラフ構築ワークフローを実行し、エンティティを抽出して重複を解決し、トリプルストアに読み込みます

使用する場面

  • コンピテンシー質問でドメインの範囲を定め、OWL/RDF オントロジーを設計する場合
  • ナレッジグラフ、エンティティ解決、リンクトデータ統合を構築する場合
  • SPARQL、Cypher、またはグラフ検証や推論のワークフローを作成する場合
  • セマンティックウェブやプロパティグラフのツールを選定し、公開オントロジーを再利用する場合

使用しない場面

  • リレーショナルデータウェアハウスのスター スキーマやバッチ ETL → data-warehouse-engineer を使用
  • エンタープライズデータプラットフォームのベンダー選定やデータメッシュの運用モデル → data-architect を使用
  • LLM のシステムプロンプト、エージェント、RAG オーケストレーション → prompt-engineer を使用
  • セマンティックモデリングを伴わないビジネス要件ワークショップ → business-analyst を使用

中核となるワークフロー

1. オントロジー設計ワークフロー

フェーズのチェックリスト：

  1. 範囲とコンピテンシー質問

    • ドメインの境界を定義します
    • オントロジーで答える必要があるコンピテンシー質問を5～10個作成します
    • 例：「ある遺伝子によってコードされるタンパク質と相互作用する薬物はどれですか？」

  2. 再利用の評価

    • 既存のオントロジーを検索します（BioPortal、LOV、OntoBee）
    • 関連する上位オントロジー（DOLCE、BFO、schema.org）をインポートして整合させます
    • 再利用の判断とマッピングを記録します

  3. 概念モデリング

    • エンティティ（クラス）、関係（プロパティ）、インスタンスを特定します
    • クラス階層（is-a 関係）を作成します
    • オブジェクトプロパティ（クラス間の関係）とデータプロパティ（属性）を定義します

  4. OWL/RDF での形式化

    • 推論のニーズに応じて OWL 2（DL、RL、QL プロファイル）で表現します
    • 制約（カーディナリティ、値の制約）を追加します
    • 逆、推移的、対称のプロパティを定義します

  5. 検証と推論

    • 推論器（HermiT、Pellet、FaCT++）で一貫性を確認します
    • SPARQL でコンピテンシー質問への回答を検証します
    • ドメインの専門家とレビューします
2. ナレッジグラフの構築

構築パイプライン：

  1. ソースの特定

    • 構造化データ：リレーショナルデータベース、API、CSV
    • 半構造化データ：JSON、XML、ログ
    • 非構造化データ：テキスト、文書、画像

  2. スキーマ／オントロジーの整合

    • ソースのスキーマをオントロジーにマッピングします
    • プロパティのマッピング、単位変換、URI 生成を処理します

  3. エンティティの抽出と解決

    • 非構造化ソースからエンティティを抽出します（NER、RE）
    • 重複を解決します：「IBM」＝「International Business Machines」＝「IBM Corp.」
    • 外部識別子（Wikidata、DBpedia、ORCID）にリンクします

  4. グラフへのデータ投入

    • RDF トリプルまたはプロパティグラフ形式に変換します
    • トリプルストアまたはグラフデータベースに読み込みます
    • グラフの完全性と品質を検証します
3. クエリと検索

ストアの種類に応じてクエリ言語を選択します：

ストアの種類クエリ言語用途
RDF トリプルストアSPARQLセマンティックウェブ、OWL 推論、リンクトデータ
ラベル付きプロパティグラフCypherNeo4j、パターンマッチング、パスクエリ
GraphQLGraphQL+API レイヤーのグラフクエリ
GremlinGremlinトラバーサル中心のマルチモデルグラフ
4. 検証と推論

推論タスク：

  • 整合性チェック：矛盾するクラスのアサーションがないこと
  • 分類：サブクラス階層を推論します
  • プロパティの含意：推移的、逆向き、対称的な関係を推論します
  • インスタンスチェック：型アサーションを検証します

検証チェックリスト：

  • オントロジーに整合性がある（充足不能なクラスがない）
  • すべてのコンピテンシークエスチョンにクエリで回答できる
  • 孤立したクラスやプロパティがない
  • URI を参照解除または解決できる
  • 必要に応じて、ラベルと説明が複数の言語で用意されている

コメント

Markdown 対応