Інформаційні системи та мережі
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/2105
Browse
5 results
Search Results
Item Ігровий метод кластеризації онтологій(Видавництво Львівської політехніки, 2019-02-26) Кравець, П. О.; Буров, Є. В.; Литвин, В. В.; Kravets, Petro; Burov, Evgeniy; Lytvyn, Vasyl; Національний університет “Львівська політехніка”; Lviv Polytechnic National UniversityРозглянуто актуальну проблему кластеризації онтологій для оптимізації операцій інтелектуального опрацювання даних в умовах невизначеності, зумовленої неточністю або неповнотою даних про предметну область. Кластеризація онтологій – це процес автоматичного розділення множини онтологій на групи (кластери) на основі ступеня їхньої подібності. Для розв’язування задачі кластеризації необхідно задати міри близькості онтологій, вибрати або розробити алгоритм кластеризації та виконати змістовну інтерпретацію результатів кластеризації. Для кластеризації онтологій в умовах невизначеності запропоновано застосувати стохастичний ігровий метод. Повторювальна стохастична гра полягає у реалізації керованого випадкового процесу вибору кластерів онтологій. Для цього закріплені за онтологіями інтелектуальні агенти випадково, одночасно і незалежно вибирають один із кластерів у дискретні моменти часу. Для агентів, що обрали один кластер, обчислюють поточну міру подібності онтологій, яка може враховувати близькість концептів, атрибутів та відношень між концептами. Цю міру використовують для адаптивного перерахунку змішаних стратегій гравців. Збільшуються імовірності вибору тих кластерів, поточний склад яких призвів до зростання міри подібності онтологій. У ході повторювальної гри агенти сформують вектори змішаних стратегій, які забезпечать максимізацію усереднених мір подібності розділених на кластери онтологій. Для розв'язування задачі ігрової кластеризації онтологій розроблено адаптивний марківський рекурентний метод на основі стохастичної апроксимації модифікованої умови доповняльної нежорсткості, справедливої у точках рівноваги за Нешем. Запропонований ігровий метод має фільтрувальні властивості щодо викидів у вхідних даних і практично не залежить від закону розподілу випадкових завад. Комп'ютерне моделювання підтвердило можливість застосування моделі стохастичної гри для кластеризації онтологій із врахуванням факторів невизначеності. Збіжність ігрового методу забезпечується дотриманням фундаментальних умов та обмежень стохастичної оптимізації. Достовірність експериментальних досліджень підтверджується повторюваністю отриманих результатів для різних послідовностей випадкових величин. Результати роботи доцільно використати для розв'язування задач інтелектуального аналізу даних, усунення дублювання інформації в базах знань, зменшення невизначеності у межах кластера онтологій, виявлення новизни інформації, організації високорівневої семантичної взаємодії між агентами під час розв’язування ними спільної задачі.Item Метод побудови інтелектуальних агентів на основі адаптивних онтологій(Видавництво Львівської політехніки, 2015) Литвин, В. В.; Гопяк, М. Я.; Оборська, О. В.; Вовнянка, Р. В.Розглянуто метод побудови інтелектуальних агентів з використанням онтологічного підходу. Здійснено класифікацію таких агентів з погляду їх функціонування на основі онтологій. Розроблено математичне забезпечення функціонування інтелектуальних агентів, яке ґрунтується на адаптивних онтологіях. Модель адаптивної онтології визначено як розвиток класичної моделі онтології додаванням ваг важливості понять та відношень, які зберігаються в онтології. In the article the problem of building intelligent agent whose knowledge base core is ontology has been solved. Classification of those systems according to their functioning has been done. For each class appropriate mathematical software has been developed. Intelligent agent models which functioning is based on the ontology has been investigated. The concept of adaptive ontology has been introduced. The model of adaptive ontology is considered as development of the classic model by adding importance weights of the concepts and relations that are stored in the ontology.Item Апроксимація достовірності інформаційних об’єктів онтології предметної області на основі поліноміальних сплайнів(Видавництво Львівської політехніки, 2015) Литвин, В. В.; Гопяк, М. Я.Запропоновано метод апроксимації коефіцієнта достовірності інформаційних об’єктів онтологій предметної області на основі поліноміальних сплайнів. Розроблений метод дає змогу видаляти зайві об’єкти онтології, межа достовірності яких нижча від певного наперед заданого порогу. The method of coefficient approximation of information objects domain ontologies reliability is proposed in the article. This method is based on polynomial splines. It makes it possible to remove unnecessary ontology objects that possess the reliability limit below a certain pre-specified point.Item Проблема автоматизованої розбудови базової онтології(Видавництво Львівської політехніки, 2014) Литвин, В. В.; Черна, Т. М.Досліджено задачу автоматизованої розбудови базової онтології. Запропоновано метод, алгоритм і засоби для виділення знань з природомовного тексту. Показано, що такий алгоритм має бути багатоетапним і містити ієрархічну кількарівневу процедуру розпізнавання понять, зв’язків, предикатів та правил, які в результаті належать до онтології. In the paper the method of the automatic development of ontology has been developed. A method, algorithm and means for selection of knowledge from the text document is proposed. It is shown that this algorithm has to be multistage and involve hierarchical recognition procedure of concepts, relations, predicates and rules which are included into the resulting ontology.Item Підхід до автоматичної побудови функцій інтерпретації під час навчання онтологій(2014) Литвин, В. В.; Хрущ, С. Б.Розглянуто підхід до автоматизованої побудови функцій інтерпретації (аксіом) концептів та відношень онтологій предметної області під час її навчання. Розроблено метод розпізнавання семантики природномовних текстів та її подання у вигляді описової логіки. In the paper the approach to automated construction of interpretation functions (axioms) of concepts and relations of the domain ontology during its training are considered. The method of recognizing the semantics of natural language texts and its representation in the form of descriptive logic.