Представление знаний — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
м (UI)
м (UI)
Строка 21: Строка 21:
 
Не существует формального определения графа знаний. Однако есть ряд аксиом, которым граф знаний должен удовлетворять.
 
Не существует формального определения графа знаний. Однако есть ряд аксиом, которым граф знаний должен удовлетворять.
  
1) Значение графа знаний выражается в его структуре.
+
# Значение графа знаний выражается в его структуре.
  
2) Утверждения внутри графа знаний являются однозначными.
+
# Утверждения внутри графа знаний являются однозначными.
  
3) Граф знаний использует конечный набор типов отношений.
+
# Граф знаний использует конечный набор типов отношений.
  
4) Все указанные сущности внутри графа знаний, включая типы и отношения, должны быть определены с использованием глобальных идентификаторов с однозначными обозначениями.
+
# Все указанные сущности внутри графа знаний, включая типы и отношения, должны быть определены с использованием глобальных идентификаторов с однозначными обозначениями.
  
5) Утверждения в графе знаний должны иметь явно указанные источники.
+
# Утверждения в графе знаний должны иметь явно указанные источники.
  
6) Граф знаний может иметь оценки неопределённостей.
+
# Граф знаний может иметь оценки неопределённостей.
  
 
===Применение===
 
===Применение===

Версия 01:10, 3 января 2021

Представление знаний (англ. knowledge representation) — направление в исследованиях искусственного интеллекта, посвящённое представлению информации о мире в форме, которую было бы возможно использовать в компьютерных системах для решения сложных задач, таких как диагностирование заболеваний или ведение диалога на естественном языке. Представление знаний включает в себя психологические исследования по решению задач человеком для построения формализмов, которые упростили бы работу со сложными системами. Примерами формализмов представления знаний являются семантические сети, архитектуры систем, правила и онтологии.

Графы знаний

История

Определение:
Семанти́ческая сеть (англ. semantic network) — информационная модель предметной области, представленная в виде ориентированного графа. Вершины при этом соответствуют объектам предметной области, а рёбра представляют отношения между ними. Семантическая сеть — это один из способов представления знаний.


Семантические сети были разработаны в 1960 году из-за растущей необходимости в инструменте для представления знаний, который мог бы охватить широкий спектр сущностей: объекты реального мира, события, ситуации и отвлечённые концепты и отношения, — в конце концов будучи применённым в задаче поддержания диалога на естественном языке. Основной целью разработки семантических сетей было решение множества задач, например, представление планов, действий, времени, верований и намерений. При этом способ решения этих задач должен был быть достаточно обобщённым.

В 1980-х гг. Гронингенский университет и университет Твенте начали работу над совместным проектом, названным "Графы знаний", базируясь на устройстве семантических сетей с рёбрами, ограниченными наперёд заданным количеством отношений — для упрощения алгебры на графах. В последовавшие десятилетия граница между понятиями "Графов знаний" и "Семантических сетей" размывалась всё больше.

В 2012 же году Google представили свою версию графа знаний.

Определение

Не существует формального определения графа знаний. Однако есть ряд аксиом, которым граф знаний должен удовлетворять.

  1. Значение графа знаний выражается в его структуре.
  1. Утверждения внутри графа знаний являются однозначными.
  1. Граф знаний использует конечный набор типов отношений.
  1. Все указанные сущности внутри графа знаний, включая типы и отношения, должны быть определены с использованием глобальных идентификаторов с однозначными обозначениями.
  1. Утверждения в графе знаний должны иметь явно указанные источники.
  1. Граф знаний может иметь оценки неопределённостей.

Применение

Вопросно-ответные системы. Самым распространённым применением графов знаний являются вопросно-ответные системы. Графы знаний располагают огромным количеством информации, доступ к которой проще всего получать посредством схемы вопрос-ответ.

Хранение информации исследований. Многие компании используют графы знаний для хранения результатов, полученных на разных стадиях исследований, которые могут быть использованы для построения понятных моделей, просчёта рисков, слежения за различными процессами и т. д.

Рекомендательные системы. Некоторые компании используют графы знаний как фундамент для своих рекомендательных систем. Здесь графы знаний позволяют находить связи между фильмами, телепрограммами, персоналиями и т. д. По выявленным связям можно пытаться предсказать индивидуальные предпочтения пользователя.

Управление цепочками поставок. Компании могут эффективно следить за перечнями различных составляющих, задействованного персонала, времени и др., что позволяет им передавать вещи более выгодно.

Открытые проблемы

  1. Выявление лучших практик для построения графов знаний.
  2. Динамически изменяемые знания.
  3. Оценка корректности и полноты графа знаний.