Представление знаний — различия между версиями
Zevgeniy (обсуждение | вклад) м (UI) |
Zevgeniy (обсуждение | вклад) м (UI) |
||
| Строка 2: | Строка 2: | ||
Примерами формализмов представления знаний являются семантические сети, архитектуры систем, правила и онтологии. | Примерами формализмов представления знаний являются семантические сети, архитектуры систем, правила и онтологии. | ||
| − | =Графы знаний= | + | ==Графы знаний== |
| − | ==История== | + | ===История=== |
{{Определение | {{Определение | ||
| Строка 19: | Строка 19: | ||
В 2012 же году Google представили свою версию графа знаний. | В 2012 же году Google представили свою версию графа знаний. | ||
| − | ==Определение== | + | ===Определение=== |
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. | ||
| Строка 30: | Строка 30: | ||
# Граф знаний может иметь оценки неопределённостей. | # Граф знаний может иметь оценки неопределённостей. | ||
| − | ==Применение== | + | ===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. | ''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. | ||
| Строка 40: | Строка 40: | ||
''Управление цепочками поставок''. Компании могут эффективно следить за перечнями различных составляющих, задействованного персонала, времени и др., что позволяет им передавать вещи более выгодно. | ''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== | + | ===Открытые проблемы=== |
# Выявление лучших практик для построения графов знаний. | # Выявление лучших практик для построения графов знаний. | ||
# Динамически изменяемые знания. | # Динамически изменяемые знания. | ||
# Оценка корректности и полноты графа знаний. | # Оценка корректности и полноты графа знаний. | ||
| − | =Онтология= | + | ==Онтология== |
Понятие онтологии существует как в информатике, так и в философии, однако эти понятия похожи. | Понятие онтологии существует как в информатике, так и в философии, однако эти понятия похожи. | ||
| Строка 69: | Строка 69: | ||
Каждая научная дисциплина или область знаний создает онтологии для ограничения сложности и организации данных в информацию и знания. Новые онтологии улучшают решение проблем в этой области. Перевод научных работ в каждой области — это проблема, облегченная, когда эксперты из разных стран поддерживают контролируемый словарь<ref>[https://en.wikipedia.org/wiki/Controlled_vocabulary Контролируемый словарь]</ref> жаргона между каждым из своих языков. | Каждая научная дисциплина или область знаний создает онтологии для ограничения сложности и организации данных в информацию и знания. Новые онтологии улучшают решение проблем в этой области. Перевод научных работ в каждой области — это проблема, облегченная, когда эксперты из разных стран поддерживают контролируемый словарь<ref>[https://en.wikipedia.org/wiki/Controlled_vocabulary Контролируемый словарь]</ref> жаргона между каждым из своих языков. | ||
| − | ==Элементы== | + | ===Элементы=== |
Общие компоненты онтологий включают в себя: | Общие компоненты онтологий включают в себя: | ||
| Строка 87: | Строка 87: | ||
Примерами таковых являются OWL, KIF, Common Logic, CycL, DAML+OIL. | Примерами таковых являются OWL, KIF, Common Logic, CycL, DAML+OIL. | ||
| − | =Построение при помощи методов машинного обучения= | + | ==Построение при помощи методов машинного обучения== |
| − | =См. также= | + | ==См. также== |
| − | =Примечания= | + | ==Примечания== |
<references/> | <references/> | ||
| − | =Источники информации= | + | ==Источники информации== |
*[https://en.wikipedia.org/wiki/Ontology_(information_science) Wikipedia {{---}} Ontology] | *[https://en.wikipedia.org/wiki/Ontology_(information_science) Wikipedia {{---}} Ontology] | ||
*[https://ru.wikipedia.org/wiki/Онтология_(информатика) Википедия {{---}} Онтология] | *[https://ru.wikipedia.org/wiki/Онтология_(информатика) Википедия {{---}} Онтология] | ||
Версия 02:27, 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.
Содержание
Графы знаний
История
| Определение: |
| Семанти́ческая сеть [1] (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.
- Значение графа знаний выражается в его структуре.
- Утверждения внутри графа знаний являются однозначными.
- Граф знаний использует конечный набор типов отношений.
- Все указанные сущности внутри графа знаний, включая типы и отношения, должны быть определены с использованием глобальных идентификаторов с однозначными обозначениями.
- Утверждения в графе знаний должны иметь явно указанные источники.
- 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
- Выявление лучших практик для построения графов знаний.
- Динамически изменяемые знания.
- Оценка корректности и полноты графа знаний.
Онтология
Понятие онтологии существует как в информатике, так и в философии, однако эти понятия похожи.
| Определение: |
| Онтология (в информатике) — формализация знаний, включающая в себя представление, формальное именование и определение категорий, свойств и отношений между понятиями, данными и сущностями некоторой области знаний. |
Для формализации используется концептуальная схема.
| Определение: |
| Концептуа́льная схе́ма[2] — семантическая сеть из взаимосвязанных по определенным правилам понятий и концепций. Обычно такая схема состоит из структуры данных, содержащей все релевантные классы объектов, их связи и правила (теоремы, ограничения), принятые в этой области. |
Термин «онтология» в информатике является производным от соответствующего древнего философского понятия.
Общее с философским понятием:
- И то, и другое — попытка представить сущности, идеи и события со всеми их взаимозависимыми свойствами и отношениями в соответствии с системой категорий.
- В обеих областях существует значительная работа по проблемам онтологической инженерии[3].
Отличия от философского понятия:
- Онтология в информатике должна иметь формат, который компьютер сможет легко обработать.
- Информационные онтологии создаются всегда с конкретными целями — решения конструкторских задач; они оцениваются больше с точки зрения применимости, чем полноты.
Каждая научная дисциплина или область знаний создает онтологии для ограничения сложности и организации данных в информацию и знания. Новые онтологии улучшают решение проблем в этой области. Перевод научных работ в каждой области — это проблема, облегченная, когда эксперты из разных стран поддерживают контролируемый словарь[4] жаргона между каждым из своих языков.
Элементы
Общие компоненты онтологий включают в себя:
- Экземпляры (объекты) — базовые или "наземные" объекты.
- Классы (понятия) — наборы, коллекции, концепции, классы в программировании, типы объектов или виды вещей.
- Атрибуты — аспекты, свойства, признаки, характеристики или параметры, которые могут иметь объекты (и классы).
- Отношения — способы, которыми классы и индивиды могут быть связаны друг с другом.
- Термы функций — сложные структуры, образованные из определенных отношений, которые могут быть использованы вместо отдельного термина в высказывании.
- Ограничения — формально заявленные описания того, что должно быть истинным для того, чтобы какое-то утверждение было принято в качестве входных данных.
- Правила — высказывания в форме предложения if-then (антецедент-консеквент), описывающие логические выводы, которые могут быть сделаны из утверждения в определенной форме.
- Аксиомы — утверждения (включая правила) в логической форме, которые вместе составляют общую теорию, которую онтология описывает в своей области применения. Это определение отличается от определения "аксиом" в порождающей грамматике и формальной логике. В этих дисциплинах аксиомы включают только утверждения, утверждаемые как априорное знание. Здесь же "аксиомы" также включают в себя теорию, полученную из аксиоматических утверждений.
- События — изменение атрибутов или отношений.
Онтологии обычно кодируются с помощью языков онтологий — формальных языков, используемых для этой цели.
Примерами таковых являются OWL, KIF, Common Logic, CycL, DAML+OIL.
