Механизм нормализации эмпирического контекста в онтологическом анализе данных

В. А. Семенова, С. В. Смирнов

Аннотация


Областью исследований является «онтологический анализ данных», который понимается авторами как анализ, в общем случае, неполных и противоречивых эмпирических данных о неизученной, неструктурированной предметной области с целью построения ее формальной онтологии. Предметом исследования является обработка, в общем случае, логически многозначного формального контекста для вывода формальных понятий на основе объектно-признаковых данных и априорных ограничений существования свойств у объектов исследуемой предметной области. Задача исследования состоит в разработке эффективных алгоритмов управления «нормальностью» формального контекста, извлекаемого из эмпирических данных. В исследовании использованы методы теории множеств и бинарных отношений, модели и методы анализа формальных понятий, а также методология применения ограничений существования для построения формальных онтологий. Отличие и новизна предложенного решения заключается в замене «естественного» описания системы измеряемых у объектов свойств, как множества с заданными на нем экзистенциональными отношениями, спецификацией этой системы в виде совокупности субструктур, однородных по виду экзистенционального сопряжения свойств-членов. Значение полученных результатов состоит в алгоритмическом обеспечении ряда этапов онтологического анализа данных.

Ключевые слова


анализ формальных понятий; ограничения существования свойств; онтология; онтологический анализ данных; алгоритмизация

Полный текст:

PDF

Литература


Гаврилова Т. А., Кудрявцев Д. В., Муромцев Д. И. Инженерия знаний. Модели и методы. СПб.: Лань, 2016. 324 с. [ T. A. Gavrilova, D. V. Kudryavtsev, D. I. Muromtsev, Engineering knowledge. Models and Methods, (in Russian). St. Petersburg: Lan, 2016. ]

Oficerov V. P., Smirnov S. V. Fuzzy Formal Concept Analysis in the construction of ontologies // Ontology of designing. 2017. Vol. 7, no. 4. Pp. 487-495.

Смирнов С. В. Онтологический анализ предметных областей моделирования // Известия Самарского научного центра РАН. 2001. Т. 3, № 1. С. 62−70. [ S. V. Smirnov, “Ontological analysis of modeling domains”, (in Russian), in Izvestiya Samarskogo nauchnogo centra RAN, vol. 3, no. 1, pp. 62-70, 2001. ]

Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы. Справочник / под ред. Д. А. Поспелова. М.: Радио и связь, 1990. 304 с. [ D. A. Pospelova (ed.), Artificial intelligence. In 3 books. Book. 2. Models and methods. Directory, (in Russian). Moscow: Radio i svyaz, 1990. ]

Russel S. J., Norvig P. Artificial Intelligence. A modern approach. New Jersey: Prentice Hall Press, 2003. 1152 p.

Анализ данных и процессов / А. А. Барсегян [и др.]. СПб.: БХВ-Петербург, 2009. 512 с. [ A. A. Barseghyan, et al., Data and process analysis, (in Russian). St. Petersburg: BXV-Peterburg, 2009. ]

Загоруйко Н. Г. Когнитивный анализ данных. Новосибирск: Академическое изд-во «Гео», 2013. 186 с. [ N. G. Zagoruiko, Cognitive data analysis, (in Russian). Novosibirsk: Akademicheskoe izd-vo “Geo”, 2013. ]

Formal Concept Analysis: From Knowledge Discovery to Knowledge Processing / S. Ferré, et al. // A Guided Tour of Artificial Intelligence Research. Vol. II: AI Algorithms / P. Marquis, O. Papini, H. Prade (eds.). Springer Int. Publishing, 2020. Pp. 411-445.

Obitko M., Snasel V., Smid J. Ontology Design with Formal Concept Analysis / V. Snasel, R. Belohlavek (eds.) // Proc. of the Int. Workshop on Concept Lattices and their Applications. VŠB–Technical University of Ostrava, Dept. of Computer Science, 2004. Pp. 111-119.

Priya M., Kumar Ch. A. A Survey of State of the Art of Ontology Construction and Merging using Formal Concept Analysis // Indian J. of Science and Technology. 2015. Vol. 8, no. 24. Pp. 1-7.

Sertkaya B. A survey on how description logic ontologies benefit from FCA // Proc. of the 7th Int. Conf. “Concept Lattices and Their Applications”. University of Sevilla, 2010. Pp. 2-21.

Ganter B., Wille R. Conceptual scaling. Applications of Combinatorics and Graph Theory to the Biological and Social Sciences / F. Roberts (ed.). New York: Springer-Verlag, 1989. Pp. 139-167.

Рубашкин В. Ш. Представление и анализ смысла в интеллектуальных информационных системах. М.: Наука, 1989. 192 с. [ V. Sh. Rubashkin, Representation and analysis of meaning in intelligent information systems, (in Russian). Moscow: Nauka, 1989. ]

Computing the lattice of all fixpoints of a fuzzy closure operator / R. Belohlavek, et al. // IEEE Trans. on Fuzzy systems. 2010. Vol. 18, no. 3. Pp. 546-557.

Unifying fuzzy concept lattice construction methods / S. Boffa, et al. // Proc. of IEEE Int. Conf. on Fuzzy Systems. 2016. Pp. 209-216.

Cross V., Kandasamy M. Creating Fuzzy Concepts: The One-Sided Threshold, Fuzzy Closure and Factor Analysis Methods // Rough Sets, Fuzzy Sets, Data Mining and Granular Computing. 2011. Vol. 6743. Pp. 127-134.

Fuzzy and rough formal concept analysis: a survey / J. Poelmans, et al. // Int. J. of General Systems. 2014. Vol. 43, no. 2. Pp. 105-134.

Fuzzy Concept Mining based on Formal Concept Analysis / K. M. Yang, et al. // Int. J. of Computers. 2008. Vol. 2, no. 3. Pp. 279-290.

Zhang Z. Constructing L-fuzzy concept lattices without fuzzy Galois closure operation // Fuzzy Sets and Systems. 2018. Vol. 333. Pp. 71-86.

Lammari N., Metais E. Building and maintaining ontologies: a set of algorithms // Data & Knowledge Engineering. 2004. Vol. 48, no. 2. Pp. 155-176.

Lammari N., du Mouza C., Metais E. POEM: an Ontology Manager based on Existence Constraints / S. S. Bhowmick, J. Küng, R. Wagner (eds.). // Proc. of the 19th Int. Conf. DEXA “Database and Expert Systems Applications”. LNCS. 2008. Vol. 5181. Pp. 81-88.

Пронина В. А., Шипилина Л. Б. Использование отношений между атрибутами для построения онтологии предметной области // Проблемы управления. 2009. № 1. С. 27–32. [ V. A. Pronina, L. B. Shipilina, “Use of relations between attributes for constructing a domain ontology”, (in Russian), in Problemy upravleniya, no. 1, pp. 27-32, 2009. ]

Samoylov D. E., Semenova V. A., Smirnov S. V. Multilevel recursive model of properties existence constraints in machine learning // J. of Physics: Conf. Series. 2018. Vol. 1096. Article number 012096.

Смирнов С. В. Две методологии вывода формальных понятий: когда и как они должны работать вместе // Материалы VII международной конференции «Знания – Онтологии – Теории» (ЗОНТ-2019). Новосибирск: Институт математики СО РАН, Новосибирский государственный ун-т, 2019. С. 355–363. [ S. V. Smirnov, “Two methodologies for the derivation of formal concepts: when and how they should work together”, (in Russian), in Materials of the VII international conference "Knowledge - Ontology - Theories" (ZONT-2019), 2019, pp. 355-363. ]

Семенова В.А., Смирнов С.В. Алгоритмизация формирования и прагматической трансформации ограничений существования свойств предметной области // Онтология проектирования. 2020. Т. 10, № 3 (37). С. 361–379. [ V. A. Semenova, S. V. Smirnov, “Algorithmization of the formation and pragmatic transformation of restrictions on the existence of properties of the subject area”, (in Russian), in Ontologiya proektirovaniya, vol. 10, no. 3 (37), pp. 361-379, 2020. ]

Гетманова А. Д. Логика. Углубленный курс. М.: КНОРУС, 2016. 192 c. [ A. D. Getmanova, Logic. Advanced course, (in Russian). Moscow: KNORUS, 2016. ]

Ивин А. А., Никифоров А. Л. Словарь по логике. М.: Гуманит. изд. центр ВЛАДОС, 1997. 384 с. [ A. A. Ivin, A. L. Nikiforov, Dictionary of Logic, (in Russian). Moscow: Gumanit. izd. centr VLADOS, 1997. ]

Samoilov A. E., Smirnov S. V. Ways to accept the properties existence constraints in fuzzy formal concept analysis / V. Fursov, Y. Goshin , D. Kud-ryashov (eds.) // CEUR Workshop Proceedings of the 6th Int. Conf. Information Technology and Nanotechnology. Session Data Science. 2020. Vol. 2667. Pp. 269-272.

Самойлов Д. Е., Семенова В. А., Смирнов С. В. Анализ неполных данных в задачах построения формальных онтологий // Онтология проектирования. 2016. Т. 6, № 3 (21). С. 317–339. [ D. E. Samoilov, V. A. Semenova, S. V. Smir-nov, “Incomplete data analysis for building formal ontologies”, (in Russian), in Ontologiya proektirovaniya, vol. 6, no. 3 (21), pp. 317-339, 2016. ]

Аршинский Л. В. Векторные логики: основания, концепции, модели. Иркутск: Иркутский государственный ун-т, 2007. 228 с. [ L. V. Arshinsky, Vector Logics: Foundations, Concepts, Models, (in Russian). Irkutsk: Irkutskij gosudarstvennyj un-t, 2007. ]


Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2022 В. А. Семенова, С. В. Смирнов