Формирование контекста для вывода формальных понятий из неполных и противоречивых данных

В. А. Семенова

Аннотация


В эпоху больших данных актуальность системного анализа данных возрастает, так как он помогает организациям эффективно обрабатывать и интерпретировать огромные объемы информации для достижения стратегических целей. Но зачастую данные об интересуемой предметной области, требующие системного осмысления и извлечения из них полезной информации, характеризуются как неполные, расплывчатые, и даже противоречивые. Для обработки подобного рода информации нередко применяется анализ формальных понятий, в частности, нечёткий. Однако, иногда требуется учитывать и дополнительные априорные сведения исследователя об изучаемой предметной области, называемые ограничениями существования свойств. В данной статье ставится задача учёта ограничений существования свойств при выводе формальных понятий из неполных и противоречивых данных. Решить данную задачу помогает обращение к способам образования понятий в классической логике. В статье предлагается эвристический метод нормализации нестрогого формального контекста с учётом ограничений существования свойств при выводе формальных понятий из неполных и противоречивых данных. В заключение приводится схема методики построения однозначного формального контекста из неполных и противоречивых данных с учетом ограничений существования свойств.

Ключевые слова


эмпирические данные; предметная область; формальный контекст; базовое семантическое суждение; ограничения существования свойств

Полный текст:

PDF

Литература


Ganter B., Wille R., Formal Concept Analysis. Mathematical foundations. Berlin-Heidelberg: Springer-Verlag, 1999.

Ferré S., Huchard M., et al. “Formal concept analysis: from knowledge discovery to knowledge processing” // A Guided Tour of Artificial Intelligence Research. Vol. II: AI Algorithms. Springer Int. Publishing, 2020, pp. 411-445.

Ignatov D. I. “Introduction to formal concept analysis and its applications in information retrieval and related fields” // Information Retrieval. Revised Selected Papers 8th Russian Summer School, RuSSIR 2014 (August 18-22, 2014, Nizhniy Novgorod, Russia). Springer Int. Publishing, 2015, pp. 42-141.

Офицеров В. П., Смирнов В. С., Смирнов С. В. Метод альфа-сечения нестрогих формальных контекстов в анализе формальных понятий // Проблемы управления и моделирования в сложных системах: тр. XVI междунар. конф. Самара: СамНЦ РАН, 2014. С. 228-244. EDN VLBEIT. [[ Ofitserov V. P., Smirnov V. S., Smirnov S. V. “Alpha-cutting method of non-strict formal contexts in the analysis of formal concepts” // Problems of Control and Modeling in Complex Systems: Proc. XVI Int. Conf. Samara, 2014, pp. 228-244. EDN VLBEIT. (In Russian). ]]

Lammari N., Metais E. “Building and maintaining ontologies: a set of algorithms” // Data & Knowledge Engineering. 2004. Vol. 48(2), pp. 155-176.

Пронина В. А., Шипилина Л. Б. Использование отношений между атрибутами для построения онтологии предметной области // Проблемы управления. 2009. № 1. С. 27-32. EDN JWKFLH. [[ Pronina V. A., Shiplina L. B. “Using relationships between attributes to build an ontology of a subject area” // Problems of Management. 2009. No. 1, pp. 27-32. (In Russian). ]]

Загоруйко Н. Г. Когнитивный анализ данных. Новосибирск: «Гео», 2013. 186 с. [[ Zagoruiko N. G. Cognitive Data Analysis. Novosibirsk: "Geo", 2013. EDN JWKFLH. (In Russian). ]]

Рубашкин В. Ш. Представление и анализ смысла в интеллектуальных информационных системах. М.: Наука, 1989. 192 с. [[ Rubashkin V. Sh. Representation and Analysis of Meaning in Intelligent Information Systems. Moscow, 1989. (In Russian). ]]

Смирнов С. В. Двухсоставность феномена информации и анализ данных (с примерами из когнитивного анализа) // Информационные технологии и нанотехнологии (ИТНТ-2017). Самара: Новая техника, 2017. С. 1846-1849. EDN YQLSRX. [[ Smirnov S. V. “Two-component nature of the phenomenon of information and data analysis (with examples from cognitive analysis)” // Information Technologies and Nanotechnologies (ITNT-2017). Samara: New Technology, 2017, pp. 1846-1849. EDN YQLSRX. (In Russian). ]]

Голышев В. К., Нечёткий анализ формальных понятий: обзор подходов на примере // Математическое и программное обеспечение информационных, технических и экономических систем: Материалы VIII междунар. молодёжной науч. конф. Томск: Изд-во Томск. гос. ун-та, 2021. С. 28-32. [[ (In Russian). ]]

Самойлов А. Е., Смирнов С. В. Универсальный метод учета ограничений существования свойств в задачах вывода формальных понятий из нечетких объектно-признаковых данных // Сб. тр. VII междунар. конф. и молодеж. шк. (20 24 сентября 2021 г., Самара). Самара, 2021. С. 33862. EDN DJDSRP. [[ Samoilov A. E., Smirnov S. V. “Universal method for taking into account constraints on the existence of properties in problems of inferring formal concepts from fuzzy object-attribute data” // Proc. VII Int. Conf. and Youth Schools (September 20-24, 2021, Samara). Samara, 2021, pp. 33862. EDN DJDSRP. (In Russian). ]]

Семенова В. А. Выбор логической модели для представления эмпирической информации в онтологическом анализе данных // Информатика и вычислительная техника: XII Всеросс. науч.-тех. конф. аспирантов, студентов и молодых ученых ИВТ-2020 (15-16 июня 2020 г., Ульяновск): сб. науч. тр. Ульяновск: УлГТУ, 2020. С. 205-210. EDN EJYTKT. [[ Semenova V. A. “Selection of a logical model for representing empirical information in ontological data analysis” // Informatics and Computing Engineering IVT-2020 (June 15-16, 2020, Ulyanovsk). Ulyanovsk: UlSTU, 2020, pp. 205-210. EDN EJYTKT. (In Russian). ]]

Аршинский Л. В. Векторные логики: основания, концепции, модели. Иркутск, 2007. 228 с. EDN QJSGNH. [[ Arshinsky L. V. Vector Logics: Foundations, Concepts, Models. Irkutsk, 2007. EDN QJSGNH. (In Russian). ]]

Аншаков О. М., Виноградов Д. В., Финн В. К. Многозначные логики и их применения. Т. 1. Логические исчисления, алгебры и функциональные свойства. M.: URSS, 2020. 502 с. [[ Anshakov O. M., Vinogradov D. V., Finn V. K. Many-Valued Logics and Their Applications. Vol. 1. Logical Calculi, Algebras and Functional Properties. Moscow: URSS, 2020 (In Russian). ]]

Semenova V. A., Smirnov S. V. Extended methodology for deriving formal concepts // J. of Physics: Conf. Series. Int. Conf. «Marchuk Scientific Readings 2021» MSR-2021 (4–8 October 2021, Novosibirsk, Russia). 2021. Vol. 2099, 012026, pp. 1-9. DOI: 10.1088/1742-6596/2099/1/012026. EDN OVAZCP.

Семенова В. А. Эвристика и численный метод нормализации эмпирического VTF-контекста в задаче онтологического анализа данных // Информационные и математические технологии в науке и управлении. 2021. № 2(22). С. 61-69. EDN GRBPCE. [[ Semenova V. A. “Heuristics and numerical method for normalizing the empirical VTF context in the problem of ontological data analysis” // Information and Mathematical Technologies in Science and Management. 2021. No. 2(22), pp. 61-69. EDN GRBPCE. (In Russian). ]]

Семенова В. А., Смирнов С. В. Механизм нормализации эмпирического контекста в онтологическом анализе данных // СИИТ. 2021. Т. 3, № 3(7). С. 45-52. EDN QXRTXB. [[ Semenova V. A., Smirnov S. V. “Mechanism of normalization of empirical context in ontological data analysis” // SIIT. 2021. Vol. 3, No. 3(7), pp. 45-52. EDN QXRTXB. (In Russian). ]]

Чалмерс Д. Сознающий ум: в поисках фундаментальной теории. М.: URSS, 2019. 512 с. [[ Chalmers D. The Conscious Mind: In Search of a Fundamental Theory. Moscow: URSS, 2019. (In Russian). ]]

Семенова В. А., Смирнов С. В. Функциональное наполнение и архитектура программной лаборатории для онтологического анализа данных // Вестник Самарского государственного технического университета. Серия «Технические науки». 2023. Т. 31, № 2. С. 85-100. EDN AFLYSK. [[ Semenova V. A., Smirnov S. V. “Functional filling and architecture of a software laboratory for ontological data analysis” // Bulletin of Samara State Technical University. Series "Engineering Sciences". 2023. Vol. 31, No. 2, pp. 85-100. EDN AFLYSK. (In Russian). ]]

Смирнов С. В. Онтологический анализ экспертных данных в задаче формирования нечетких когнитивных карт // Труды ИСА РАН. 2019. Т. 69. Вып. 4. С. 79-86. DOI: 10.14357/20790279190410. EDN DXIERS. [[ Smirnov S. V. “Ontological analysis of expert data in the problem of forming fuzzy cognitive maps” // Proc. ISA RAS. 2019. Vol. 69. Issue. 4. Pp. 79-86. (In Russian). DOI 10.14357/20790279190410. EDN DXIERS. ]]

Андрейчиков А. В., Андрейчикова О. Н. Наука и искусство принятия решений. Кн. 3: Подходы к решению задач коллективного выбора. Методы генерации решений. М.: ЛЕНАНД, 2021. 248 c. [[ Andreychikov A. V., Andreychikova O. N. Science and Art of Decision-Making. Book 3: Approaches to Solving Collective Choice Problems. Methods of Generating Solutions. Moscow: LENAND, 2021. (In Russian). ]]

Семенова В. А., Смирнов С. В. Модели и методы онтологического анализа данных в задаче структурного анализа и синтеза технических решений // Онтология проектирования. 2023. Т. 13, № 4(50). С. 531-547. EDN UADWCT. [[ Semenova V. A., Smirnov S. V. “Models and methods of ontological data analysis in the problem of structural analysis and synthesis of technical solutions” // Ontology of Designing. 2023. Vol. 13, No. 4(50), pp. 531-547. EDN UADWCT. (In Russian). ]]


Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2025 В. А. Семенова