Модель системно-объектной трехмерной базы знаний

Обложка

Цитировать

Полный текст

Аннотация

В статье рассматривается оригинальная модель базы знаний, основанная на трехмерной классификации и системно-объектном подходе «Узел-Функция-Объект», обеспечивающей хранение взаимосвязанной информации о концептуальных и материальных системах. Представлено формальное описание модели базы знаний средствами дескрипционной логики. Описаны процедуры использования базы знаний, построенной по предлагаемой модели, для прогнозирования и поддержки управления, а также процедуры создания с использованием системного классификационного анализа и сопровождения. Приведен пример трехмерного классифицирования в области чрезвычайных ситуаций.

Об авторах

Сергей Игоревич Маторин

Белгородский государственный национальный университет; Белгородский университет кооперации, экономики и права

Автор, ответственный за переписку.
Email: matorin@softconnect.ru

доктор технических наук, профессор кафедры информационных и робототехнических систем; профессор кафедры информационных систем и технологий

Россия, Белгород; Белгород

Светлана Владимировна Гуль

Белгородский государственный национальный университет

Email: medintseva@bsu.edu.ru

аспирант

Россия, Белгород

Список литературы

  1. Маторин С.И. Отечественная учебная литература по искусственному интеллекту // Искусственный интеллект и принятие решений. 2021. №3. С. 106-113.
  2. Проскурин А. В., Бузаев Д. В. Проблемы проектирования и разработки базы знаний // Актуальные проблемы авиации и космонавтики. 2012. Т.1. №4. С. 344-346.
  3. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер. 2003. 384 с.
  4. Enrico Motta. The knowledge modeling paradigm in knowledge engineering. The Open University Walton Hall. 2003. 29 p.
  5. Логунова Е.А. Обзор подходов к разрешению недостатков продукционной базы знаний системы логического вывода // Modern high technologies. 2015. №9. С. 46-48.
  6. Баланова Л.А., Ющенко Е.В. Модели представления знаний: виды, применение, достоинства и недостатки // Электронный ресурс. URL: https://files.scienceforum.ru/pdf/2020/5e04a0ce76fcc.pdf.
  7. Болотова Л.С. Системы поддержки принятия решений. Часть 1. Электронный ресурс. URL: https://studme.org/244010/informatika/sistemy_podderzhk i_prinyatiya_resheniy_chast_1.
  8. Проблемы представления и моделирования знаний // Электронный ресурс. URL: https://lektsia.com/6xc78c.html.
  9. Сосинская С.С. Представление знаний в информационной системе. Методы искусственного интеллекта и представления знаний. Старый Оскол: ТНТ. 2015. 216 с.
  10. Кравченко Ю.А., Новиков А.А., Марков В.В. Метод создания онтологии предметной области на основе глоссария // Известия ЮФУ. Технические науки. 2015. №6(167). С.158-168.
  11. Cмиpнoв C.B. Онтологическое моделирование в ситуационном управлении // Онтология проектирования. 2012. №2. С. 16-24.
  12. Грибова В. В., Клещев А. С., Москаленко Ф. М., Тимченко В. А., Федорищев Л. А., Шалфеева Е. А. Управляемая графовыми грамматиками разработка оболочек интеллектуальных сервисов на облачной платформе IACPaaS // Программная инженерия. 2017. Т.8. №10. С. 435-447.
  13. Грибова В. В., Клещев А. С., Москаленко Ф. М., Тимченко В. А., Федорищев Л. А., Шалфеева Е. А. Облачная платформа IACPaaS для разработки оболочек интеллектуальных сервисов: состояние и перспективы развития // Программные продукты и системы. 2018. №3 (31). С. 527-536.
  14. Волкова Г.А. Создание "онтологии всего". Проблемы классификации и решения // Новые информационные технологии в автоматизированных системах. 2013. № 16. С. 293-300.
  15. Платонов А.В., Полещук Е.А. Методы автоматического построения онтологий // Программные продукты и системы / Software & Systems 2016. № 2(114) С. 47-52.
  16. Загорулько Ю.А., Боровикова О.И., Загорулько Г.Б. Применение паттернов онтологического проектирования при разработке онтологий научных предметных областей // Сборник трудов XIX-й Международной конференции «Аналитика и управление данными в областях с интенсивным использованием данных» (DAMDID/ RCDL’2017). М.: ФИЦ ИУ РАН. 2017. С. 331-339.
  17. Gangemi, A. Ontology Design Patterns for Semantic Web Content. In: Gil, Y., Motta, E., Benjamins, V.R., Musen, M.A. (eds). The Semantic Web – ISWC 2005. LNCS, 3729. Berlin, Heidelberg: Springer. 2005. Р. 262-276.
  18. Ontology Engineering with Ontology Design Patterns: Foundations and Applications (Studies on the Semantic Web). Hitzler, P., Gangemi, A., Janowicz, K., Krisnadhi, A., Presutti, V. (eds), IOS Press/AKA, 2016. Р. 388.
  19. Микони С.В. О качестве онтологических моделей // Онтология проектирования. 2017. Т.7. №3(25). С. 347-360.
  20. Смирнов С.В. Онтологический анализ предметных областей моделирования // Известия Самарского научного центра РАН. 2001. Т.3. №1 С. 62-70.
  21. Хофман И. Активная память: эксперимент. исслед. и теории человеческой памяти: Пер. с нем. М.: Прогресс.1986. 312с.
  22. Бова В.В., Кравченко Д.Ю., Лещанов Д.В., Новиков А.А. Компьютерная онтология: задачи и методология построения // Информатика, вычислительная техника и инженерное образование. 2014. № 4 (19). С. 1-11.
  23. Карпов В.Э., Карпова И.П. К вопросу о принципах классификации систем // Информационные технологии. 2002. №2. С. 35–38.
  24. Бокий Г.Б. Роль классификационной системы в процессе получения новых научных знаний // Проблемы системных исследований. Новосибирск: НГУ. 1985. С. 45-63.
  25. Субетто А.И. Метаклассификация как наука о механизмах и законах классифицирования. СПб.: Исслед. центр проблем качества подготовки специалистов. 1994. 254 с.
  26. Гулакова Т.К., Кузьмич Р.И. Поиск закономерностей в задаче классификации // Материалы VI Всероссийской научно-практической конференции «Актуальные проблемы авиации и космонавтики»: в 2 т. Т. 1. Технические науки. Красноярск: Сиб. гос. аэрокосмический ун-т. 2010. С. 317-318.
  27. Масич, И.С., Краева Е.М., Кузьмич Р.И., Гулакова Т.К. Сравнительный анализ методов классификации данных на практических задачах прогнозирования и диагностики // Научно-технический журнал: «Системы управления и информационные технологии». 2011. №1 (43). С. 20-25.
  28. Кондаков Н.И. Логический словарь–справочник. М.: Наука. 1975. 720 с.
  29. Полищук Ю.М., Хон В.Б. Теория автоматизированных банков информации. М.: Высшая школа. 1989. 184 с.
  30. Бреховских С.М. Основы функциональной системологии материальных объектов. М.: Наука. 1989. 192 с.
  31. Мельников Г.П. Системология и языковые аспекты кибернетики. М.: Сов. Радио. 1978. 368 с.
  32. Теория систем и системный анализ // Учебник. А.Г. Жихарев, О.А. Зимовец, М.Ф. Тубольцев, А.А. Кондратенко; под ред. С.И. Маторина. М.: КНОРУС. 2021. 456 с.
  33. Маторин С.И., Жихарев А.Г. Учет общесистемных закономерностей при системно-объектном моделировании организационных знаний // Искусственный интеллект и принятие решений. 2018. №3. С. 115-126.
  34. Маторин С. И., Жихарев А. Г., Михелев В.В. Учет общесистемных закономерностей при концептуальном моделировании понятийных знаний // Искусственный интеллект и принятие решений. 2019. №3 С. 12-23.
  35. Ackoff R.L. General system theory and systems research: Contrasting conceptions of system science // In Proceedings of the Second Systems Symposium at Case Institute of Technology. New York; London: Wiley. 1964. P. 51-60.
  36. Маторин С. И., Михелев В.В. Анализ роли и структуры информационных (концептуальных) систем // Научно-техническая информация. Сер. 2. 2020. №4. С. 11-17.
  37. Маторин С.И., Михелев В.В. Системно-объектный детерминантный анализ. Построение таксономии предметной области // Искусственный интеллект и принятие решений. 2021. №1. С. 15-24.
  38. Schmidt-Schauss M., Smolka G. Attributive concept descriptions with complements // Artificial Intelligence. Elsevier Science Publishing Company, Inc. 1991. № 48(1). P. 1-26.
  39. Гуль С.В., Маторин С.И. Проблемы концептуального классификационного моделирования // В сборнике: Информационно-аналитические системы и технологии. Материалы IХ Международной конференции. Белгород, 2022. С. 51-59.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».