Абдуктивный синтез структур функциональных типов сценариев для установления аналогий в многомодельной концептуально-онтологической системе знаний
Ключевые слова:
интеллектуальная система, гиромат, онтология, абдукция, аналогия, семантическая близостьАннотация
В статье предложено наделить интеллектуальную систему способностью к абдуктивному порождению новых знаний, основанному на выводах по аналогии. Обладая указанной способностью, она сможет обучаться на прецедентах, имеющих место в различных проблемных областях, перенося знания о явлениях, наблюдаемых в одной проблемной области, в другую. При этом важным является тот факт, что исходя из решаемой задачи, установление аналогий может осуществляться путем нахождения подобных структур, инвариантных свойств и близких действий, описанных в многомодельной концептуально-онтологической системе знаний. Установление семантического подобия наблюдаемых и формируемых интеллектуальной системой спецификаций базируется на возможности гиромата в общем случае осуществлять переход от аппроксимирующих концептов, принадлежащих одной проблемной области (контексту), через аппроксимируемые (более общие, абстрактные) к аппроксимирующим, но принадлежащим другой проблемной области (контексту).Литература
1. Бирюков Д.Н., Ломако А.Г., Ростовцев Ю.Г. Облик антиципирующих систем предотвращения рисков реализации киберугроз // Труды СПИИРАН. 2015. № 2(39). C. 5–25.
2. Гаазе-Рапопорт М.Г. От амебы до робота: модели поведения. М.: Наука, 1987. 286 с.
3. Поспелов Д.А. Мышление и автоматы. М.: Советское радио, 1972. 224 с.
4. Финн В.К. Об интеллектуальном анализе данных // Новости Искусственного интеллекта. 2004. № 3. С. 3–18.
5. Финн В.К. Искусственный интеллект: Идейная база и основной продукт // Труды 9-ой национальной конференции по искусственному интеллекту. М.: Физматлит. 2004. Т. 1. С. 11–20.
6. Бирюков Д.Н., Ломако А.Г. Денотационная семантика контекстов знаний при онтологическом моделировании предметных областей конфликта // Труды СПИИРАН. 2015. №5(42). C. 155–179.
7. Бирюков Д.Н., Ломако А.Г., Жолус Р.Б. Пополнение онтологических систем знаний на основе моделирования умозаключений с учетом семантики ролей // Труды СПИИРАН. 2016. № 4(47).С. 105–129.
8. Жилякова Л.Ю. Модель ассоциативной памяти, основанная на динамической ресурсной сети // Материалы конференции «Управление в технических, эргатических, организационных и сетевых системах (УТЭОСС-2012)». СПб.: ГНЦ РФ ОАО «Концерн «ЦНИИ «Электроприбор». 2012. С. 1160–1163.
9. Бирюков Д.Н., Глухов А.П., Сабиров Т.Р., Пилькевич С.В. Модель изменения доступности знаний, представленных в памяти киберсистемы, обеспечивающей нейтрализацию деструктивных воздействий на объекты критической информационной инфраструктуры // Наукоемкие технологии в космических исследованиях Земли. 2016. Часть 8. № 4.С. 56–63.
10. Scott D. S. Models for various type-free calculi // Logic, Methodology and Philosophy of Science IV (Proc. Int. Congress 1971), North-Holland. 1973. pp. 157–188.
11. Scott D.S. Lattice Theory. Data Types and Semantics // Formal Semantics of Programming Languages. Prentice-Hall, Englewood Cliffs, N.J. 1972.
12. Крюков К.В. , Панкова Л.А., Пронина В.А., Суховеров В.С., Шипилина Л.Б. Меры семантической близости в онтологии // Пробл. управл. 2010. № 5. С. 2–14.
13. Leacock C., Chodorow M. Combining local context and WordNet similarity for word sense identification 11 WordNet: An electronic lexical database / Fellbaum C. (ed.). – Cambridge, MA: MIT press, 1998. - pp. 265–283.
14. Wu Z, Palmer M. Verb semantics and lexical selection // 32nd Annual Meeting of the Association for Computational Linguistics. 1994. pp. 133–138.
15. Resnik P. Semantic similarity in a taxonomy: An information based measure and its application to problems of ambiguity in natural language / P. Resnik // Journal of Artificial Intelligence Research. 1999. Vol. 11. pp. 95–130.
16. Calvanese D., Giacomo G., Lenzerini M., Rosati R. View-based query answering in description logics: Semantics and complexity // J. of Computer and System Sciences 78(1), 2012. pp. 26–46.
17. Eiter T., Ortiz M., Simkus M. Conjunctive query answering in the description logic SH using knots. // J. of Computer and System Sciences 78(1). 2012. pp. 47–85.
18. Kikot S., Tsarkov D., Zakharyaschev M., Zolin E. Query Answering via Modal Definability with FaCT++: First Blood. // Informal Proceedings of DL 2013 : 26th International Workshop on Description Logics. CEUR Workshop Proceedings. Vol. 1014. 2013. pp. 328–340.
19. Zhang X., Wang K., Wang Z., Ma Y., Qi G. A distance-based paraconsistent semantics for DL-Lite. // Proc. of KSEM 2015, LNAI 9403, Springer. 2015. pp.1–13.
20. Goncalves R., Matentzoglu N, Parsia B., Sattler U. The empirical robustness of description logic classification. // Description Logics, Vol. 1014 of CEUR Workshop Proceedings. 2013. pp.197–208.
21. Glimm B., Horrocks I., Motik B., Stoilos G., Wang Z. Hermit: An owl 2 reasoner. // Autom. Reason. Vol. 53(3). 2014. pp.245–269.
2. Гаазе-Рапопорт М.Г. От амебы до робота: модели поведения. М.: Наука, 1987. 286 с.
3. Поспелов Д.А. Мышление и автоматы. М.: Советское радио, 1972. 224 с.
4. Финн В.К. Об интеллектуальном анализе данных // Новости Искусственного интеллекта. 2004. № 3. С. 3–18.
5. Финн В.К. Искусственный интеллект: Идейная база и основной продукт // Труды 9-ой национальной конференции по искусственному интеллекту. М.: Физматлит. 2004. Т. 1. С. 11–20.
6. Бирюков Д.Н., Ломако А.Г. Денотационная семантика контекстов знаний при онтологическом моделировании предметных областей конфликта // Труды СПИИРАН. 2015. №5(42). C. 155–179.
7. Бирюков Д.Н., Ломако А.Г., Жолус Р.Б. Пополнение онтологических систем знаний на основе моделирования умозаключений с учетом семантики ролей // Труды СПИИРАН. 2016. № 4(47).С. 105–129.
8. Жилякова Л.Ю. Модель ассоциативной памяти, основанная на динамической ресурсной сети // Материалы конференции «Управление в технических, эргатических, организационных и сетевых системах (УТЭОСС-2012)». СПб.: ГНЦ РФ ОАО «Концерн «ЦНИИ «Электроприбор». 2012. С. 1160–1163.
9. Бирюков Д.Н., Глухов А.П., Сабиров Т.Р., Пилькевич С.В. Модель изменения доступности знаний, представленных в памяти киберсистемы, обеспечивающей нейтрализацию деструктивных воздействий на объекты критической информационной инфраструктуры // Наукоемкие технологии в космических исследованиях Земли. 2016. Часть 8. № 4.С. 56–63.
10. Scott D. S. Models for various type-free calculi // Logic, Methodology and Philosophy of Science IV (Proc. Int. Congress 1971), North-Holland. 1973. pp. 157–188.
11. Scott D.S. Lattice Theory. Data Types and Semantics // Formal Semantics of Programming Languages. Prentice-Hall, Englewood Cliffs, N.J. 1972.
12. Крюков К.В. , Панкова Л.А., Пронина В.А., Суховеров В.С., Шипилина Л.Б. Меры семантической близости в онтологии // Пробл. управл. 2010. № 5. С. 2–14.
13. Leacock C., Chodorow M. Combining local context and WordNet similarity for word sense identification 11 WordNet: An electronic lexical database / Fellbaum C. (ed.). – Cambridge, MA: MIT press, 1998. - pp. 265–283.
14. Wu Z, Palmer M. Verb semantics and lexical selection // 32nd Annual Meeting of the Association for Computational Linguistics. 1994. pp. 133–138.
15. Resnik P. Semantic similarity in a taxonomy: An information based measure and its application to problems of ambiguity in natural language / P. Resnik // Journal of Artificial Intelligence Research. 1999. Vol. 11. pp. 95–130.
16. Calvanese D., Giacomo G., Lenzerini M., Rosati R. View-based query answering in description logics: Semantics and complexity // J. of Computer and System Sciences 78(1), 2012. pp. 26–46.
17. Eiter T., Ortiz M., Simkus M. Conjunctive query answering in the description logic SH using knots. // J. of Computer and System Sciences 78(1). 2012. pp. 47–85.
18. Kikot S., Tsarkov D., Zakharyaschev M., Zolin E. Query Answering via Modal Definability with FaCT++: First Blood. // Informal Proceedings of DL 2013 : 26th International Workshop on Description Logics. CEUR Workshop Proceedings. Vol. 1014. 2013. pp. 328–340.
19. Zhang X., Wang K., Wang Z., Ma Y., Qi G. A distance-based paraconsistent semantics for DL-Lite. // Proc. of KSEM 2015, LNAI 9403, Springer. 2015. pp.1–13.
20. Goncalves R., Matentzoglu N, Parsia B., Sattler U. The empirical robustness of description logic classification. // Description Logics, Vol. 1014 of CEUR Workshop Proceedings. 2013. pp.197–208.
21. Glimm B., Horrocks I., Motik B., Stoilos G., Wang Z. Hermit: An owl 2 reasoner. // Autom. Reason. Vol. 53(3). 2014. pp.245–269.
Abductive Synthesis of the Structures of the Functional Types of Scenarios to Establish the Multi-Model Analogies in Conceptual and Ontological Knowledge
Abstract
It is proposed to empower the intelligent system with an ability of the abductive generation of new knowledge based on conclusions by analogy. With such an ability it could be trained on precedents, taking place in different areas, transferring knowledge about the phenomena observed in one subject area to another. It is important that, on the basis of the task to be solved, the establishment of analogies can be carried out by means of finding similar structures, invariant properties and akin actions in the multi-model conceptual and ontological knowledge system. Establishing semantic similarity of the observed specifications and the ones generated by an intelligent system is based on the ability of the Giromat in general case to perform the transition from the approximating concepts that belong to the same problem domain (context), through the approximated ones (more general, abstract), to approximating as well, but belonging to a different problem domain (context).
Опубликован
2017-07-03
Как цитировать
Бирюков, Д. Н., Ломако, А. Г., & Сабиров, Т. Р. (2017). Абдуктивный синтез структур функциональных типов сценариев для установления аналогий в многомодельной концептуально-онтологической системе знаний. Труды СПИИРАН, 4(53), 140-158. https://doi.org/10.15622/sp.53.7
Раздел
Методы управления и обработки информации
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
