Сравнение различных представлений знаний для сложных структурированных объектов при решении задач ИИ

Tatiana Matveevna Kosovskaya

doi:10.32603/2071-2340-2021-2-41-57

Abstract

The problem of knowledge representation for a complex structured object is one of the actual problems of AI. This is due to the fact that many of the objects under study are not a single indivisible object characterized by its properties, but complex structures whose elements have some known properties and are in some, often multiplace, relations with each other. An approach to the representation of such knowledge based on first-order logic (predicate calculus formulas) is compared in this paper with two currently widespread approaches based on the representation of data information with the use of finite-valued strings or graphs. It is shown that the use of predicate calculus formulas for description of a complex structured object, despite the NP-difficulty of the solved problems arising after formalization, actually have no greater computational complexity than the other two approaches, what is usually not mentioned by their supporters. An algorithm for constructing an ontology is proposed that does not depend on the methodof desc ribing an object, and is based on the selection of the maximum common property of objects from a given set.

Highlights

Присутствующего среди объектов, необходимо в уже построенном графе найти хотя бы 2 изоморфных подграфа, для которых можно установить такую биекцию между вершинами, что каждая пара вершин в этой биекции обладает, по крайней мере, некоторыми одинаковыми свойствами
An approach to the representation of such knowledge based on first-order logic is compared in this paper with two currently widespread approaches based on the representation of data information with the use of finite-valued strings or graphs
It is shown that the use of predicate calculus formulas for description of a complex structured object, despite the NP-difficulty of the solved problems arising after formalization, have no greater computational complexity than the other two approaches, what is usually not mentioned by their supporters

Summary

ВВЕДЕНИЕ

Во многих задачах Искусственного Интеллекта (ИИ) осуществляется переход ДАННЫЕ => ИНФОРМАЦИЯ => ЗНАНИЯ => Мудрость, зачастую обозначаемый аббревиатурой. В настоящей работе будет рассмотрен только переход ДАННЫЕ => ИНФОРМАЦИЯ => ЗНАНИЯ в зависимости от способа задания описания данных. Для перехода от Данных к Информации при использовании различных языков описания объектов могу использоваться разные средства. Сравнение различных представлений знаний для сложных структурированных объектов. Описание в виде набора значений признаков [5,6,7,8] проще для понимания и работы нематематику, чем описания на языке исчисления предикатов (ИП). В то же время задачи, возникающие при описании сложных структурированных объектов с использованием ИП, как правило, NP-трудны, а следовательно, имеют экспоненциальную от длины записи описания объекта на языке ИП вычислительную сложность. В работе будет показано, что если описание сложного структурированного объекта на языке ИП промоделировать с помощью бинарной строки, то длина записи такой строки экспоненциальна от длины записи его описания на языке ИП. Знание о множестве рассматриваемых объектов — это выделение общих свойств этих объектов, отличающих их от объектов других множеств, и умение верифицировать объект, то есть применение алгоритма проверки того, удовлетворяет ли объект сформулированному целевому условию, задающему выделенные общие свойства объектов из заданного множества

ИСПОЛЬЗОВАНИЕ ЯЗЫКА ИП ПРИ РЕШЕНИИ ЗАДАЧ ИИ

ПРЕДСТАВЛЕНИЕ ДАННЫХ С ПОМОЩЬЮ ГРАФОВ

ОНТОЛОГИИ

ЗАКЛЮЧЕНИЕ