ПРОБЛЕМИ ПОВТОРНОГО ВИКОРИСТАННЯ ЗНАНЬ У ПРОЦЕСІ ПРОЄКТУВАННЯ ПРОГРАМНИХ СИСТЕМ
DOI:
https://doi.org/10.30837/ITSSI.2023.24.062Ключові слова:
програмна інженерія; бази знань; повторне використання знань; алгебра скінченних предикатів; факти; правила.Анотація
Останнім часом значна увага приділяється створенню баз знань, що містять мільйони фактів про різні об’єкти реального світу. Одним із ключових аспектів управління знаннями є повторне використання знань, які були набуті раніше. Предмет дослідження – процеси повторного використання знань і створення програмних систем на основі баз знань. Інтерпретація знань є одним із підходів до повторного їх застосування, що полягає у виведенні нових знань на основі наявних фактів у базі знань. Метою дослідження є підвищення ефективності повторного використання знань в програмних системах на основі баз знань способом автоматичного видобування правил. Для досягнення поставленої мети виконано такі завдання: досліджено підходи до структурування наявних у базі даних фактів; проведено якісний аналіз можливості застосування автоматичних методів побудови правил і виведення; розглянуто задачу прогнозування зв’язку між парою сутностей, що визначає наявність відношення для фактів; запропоновано узагальнений підхід для подання фактів, що дає змогу використовувати ефективні алгоритми пошуку правил. Для вирішення перелічених завдань застосовано такі методи: алгебра скінченних предикатів і предикатних операцій для подання знань, методи прогнозування зв’язку між парою сутностей на основі репрезентативного навчання для автоматичного видобування правил. Здобуто такі результати: розглянуто підхід до формування правил, що дає змогу структурувати наявні факти як сукупність двійкових предикатів та застосувати автоматичні методи побудови правил і виведення; зроблено висновок, що обмеженням повторного використання знань є структура бази знань і програмне забезпечення, яке використовується для її підтримки; сформульовано принципи побудови специфічних предикатів-концентраторів для подання атрибутів, що дає змогу узагальнити предикатне подання фактів та застосовувати автоматичні методи видобування правил, що підвищує ефективність повторного використання знань. Висновки: застосування методу й механізму ідентифікації на основі предикатних операцій і специфічних предикатів, що автоматично видобувають атрибути з бази знань, разом з оцінкою якості виведених правил дали змогу запропонувати узагальнений підхід для подання фактів і використати ефективні алгоритми пошуку правил, що допоможе підвищити ефективність повторного застосування знань у програмних системах.
Посилання
Список літератури
Koenig M. E. D. What is KM? Knowledge management explained. KMWorld Magazine. URL: https://www.kmworld.com/Articles/Editorial/What-Is-.../What-is-KM-Knowledge-Management-Explained-82405.aspx
Ma L., Yu H., Wang Y., Chen G. (2012). The Knowledge Representation and Semantic Reasoning Realization of Productivity Grade Based on Ontology and SWRL. Computer and Computing Technologies in Agriculture V. CCTA 2011. IFIP Advances in Information and Communication Technology, vol 368. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-27281-3_44
D. Moshood T., Ebun Rotimi F., O. B. Rotimi J. (2022). An Integrated Paradigm for Managing Efficient Knowledge Transfer: Towards a More Comprehensive Philosophy of Transferring Knowledge in the Construction Industry. Construction Economics and Building, 22(3). https://doi.org/10.5130/AJCEB.v22i3.8050
Chen Z., Wang Y., et al. Knowledge graph completion: A review. IEEE Access Vol. 8. 2020. P. 192435–192456. URL: https://ieeexplore.ieee.org/iel7/6287639/8948470/09220143.pdf
Schacht S., Maedche A. А Methodology for Systematic Project Knowledge Reuse. Innovations in Knowledge Management. Razmerita, L. (Eds.), Springer (Berlin). 2016. P. 19-44. DOI:10.1007/978-3-662-47827-1_2
Ameri F., Dutta D. Product lifecycle management: closing the knowledge loops. Computer-Aided Design and Applications 2 (5). 2005. P. 577–590. DOI:10.1080/16864360.2005.10738322
Shubin I. Development of conjunctive decomposition tools. CEUR Workshop Proceedings (COLINS 2021). Vol. I, 2021. P. 890–900. URL: https://ceur-ws.org/Vol-2870
Milton N. R. Knowledge acquisition in practice: a step-by-step guide. Springer Science & Business Media. 2007. URL: https://www.researchgate.net/publication/234798481_Knowledge_Acquisition_in_Practice_A_Step-by-step_Guide
Saavedra C., Villodres T., Lindemann U. Review and Classification of Knowledge in Engineering Design. Technische Universität München. 2017. DOI:10.1007/978-981-10-3521-0_53
Martin Ph., Bénard J. Top-level Ideas about Importing. Translating and Exporting Knowledge via an Ontology of Representation Languages. In Proceedings of the 12th International Conference on Semantic Systems (2016). Association for Computing Machinery, New York, NY, USA. Р. 89–92. DOI: https://doi.org/10.1145/2993318.2993344
Khudhair A. T. The intelligence theory mathematical apparatus formal base. Advanced Information Systems, 1 (1), 2017. Р. 38–43. DOI: https://doi.org/10.20998/2522-9052.2017.1.07
Sharonova N. et al. Issues of Fact-based Information Analysis. International Conference on Computational Linguistics and Intelligent Systems. 2018. URL: https://ceur-ws.org/Vol-2136/10000011.pdf
Omran P. G., Wang K., Wang Z. An Embedding-based Approach to Rule Learning in Knowledge Graphs. IEEE Transactions on Knowledge and Data Engineering. 2021. vol. 33, no. 4. Р. 1348-1359. URL: https://doi.org/10.1109/TKDE.2019.2941685
Pellissier-Tanon T., Weikum G., Suchanek F. YAGO 4: A Reasonable Knowledge Base. ESWC. 2020. URL: https://suchanek.name/work/publications/eswc-2020-yago.pdf
Omran P. G., Wang Z., Wang K. Learning Rules With Attributes and Relations in Knowledge Graphs. AAAI Spring Symposium: MAKE. 2022. URL: https://ceur-ws.org/Vol-3121/paper10.pdf
Omran P. G., Wang Z., Wang K. Scalable rule learning via learning representation. IJCA. 2018. URL: https://www.ijcai.org/proceedings/2018/0297.pdf
Svato M., Schockaert S., Davis J. STRiKE: Rule-Driven Relational Learning Using Stratified k-Entailment. ECA. 2020. URL: https://orca.cardiff.ac.uk/130911/http:/orca.cf.ac.uk/130911/1/ECAI2020_STRiKE.pdf
Малєєва Ю. А., Персиянова Е. Ю., Косенко В. В. Информационное и программное обеспечение менеджера по персоналу IT-компании. Сучасний стан наукових досліджень та технологій у промисловості. 2018. № 1 (3). С. 22–32. DOI: https://doi.Org/10.30837/2522-9818.2018.3.022
Barkovska O. Research into Speech-to-text Transformation Module in the Proposed Model of a Speaker’s Automatic Speech Annotation. Сучасний стан наукових досліджень та технологій у промисловості. 2022. № 4 (22). С. 5–13. DOI: https://doi.org/10.30837/ITSSI.2022.22.005
References
Koenig, M. E. D. (2012), "What is KM? Knowledge management explained. KMWorld Magazine", available at: https://www.kmworld.com/Articles/Editorial/What-Is-.../What-is-KM-Knowledge-Management-Explained-82405.aspx
Ma, L., Yu, H., Wang, Y., Chen, G. (2012), "The Knowledge Representation and Semantic Reasoning Realization of Productivity Grade Based on Ontology and SWRL", Computer and Computing Technologies in Agriculture V. CCTA 2011. IFIP Advances in Information and Communication Technology, Vol. 368. Р. 381–389. Springer, Berlin, Heidelberg. DOI: https://doi.org/10.1007/978-3-642-27281-3_44
D. Moshood, T., Ebun Rotimi, F., O. B. Rotimi, J. (2022), "An Integrated Paradigm for Managing Efficient Knowledge Transfer: Towards a More Comprehensive Philosophy of Transferring Knowledge in the Construction Industry", Construction Economics and Building, 22(3). DOI: https://doi.org/10.5130/AJCEB.v22i3.8050
Chen, Z., Wang, Y., et al. (2020), "Knowledge graph completion: A review", IEEE Access, Vol. 8. P. 192435–192456, available at: https://ieeexplore.ieee.org/iel7/6287639/8948470/09220143.pdf
Schacht, S., Maedche, A. А. (2016), "Methodology for Systematic Project Knowledge Reuse", Innovations in Knowledge Management, Springer (Berlin). P. 19–44. DOI:10.1007/978-3-662-47827-1_2
Ameri, F., Dutta, D. (2005), "Product lifecycle management: closing the knowledge loops", Computer-Aided Design and Applications, 2 (5). P. 577–590. DOI:10.1080/16864360.2005.10738322
Shubin, I. (2021), "Development of conjunctive decomposition tools", CEUR Workshop Proceedings, P. 890–900. URL: https://ceur-ws.org/Vol-2870/
Milton, N. R. (2007), "Knowledge acquisition in practice: a step-by-step guide", Springer Science & Business Media, available at: https://www.researchgate.net/publication/234798481_Knowledge_Acquisition_in_Practice_A_Step-by-step_Guide
Saavedra, C., Villodres, T., Lindemann, U. (2017), "Review and Classification of Knowledge in Engineering Design", Technische Universität München, DOI:10.1007/978-981-10-3521-0_53
Martin, Ph., Bénard, J. (2016), "Top-level Ideas about Importing", Translating and Exporting Knowledge via an Ontology of Representation Languages. In Proceedings of the 12th International Conference on Semantic Systems, Association for Computing Machinery, New York, NY, USA, Р. 89–92. DOI: https://doi.org/10.1145/2993318.2993344
Khudhair, A. T. (2017), "The intelligence theory mathematical apparatus formal base", Advanced Information Systems, 1(1), Р. 38–43. DOI: https://doi.org/10.20998/2522-9052.2017.1.07
Sharonova, N. et al. (2018), "Issues of Fact-based Information Analysis", International Conference on Computational Linguistics and Intelligent Systems, available at: https://www.semanticscholar.org/paper/Issues-of-Fact-based-Information-Analysis-Sharonova-Doroshenko/f923b77b8561736202388db853e51df9bb7b9301
Omran, P. G., Wang, K., Wang, Z. (2021), "An Embedding-based Approach to Rule Learning in Knowledge Graphs", IEEE Transactions on Knowledge and Data Engineering, Р. 1348–1359, available at: https://ieeexplore.ieee.org/document/8839576
Pellissier-Tanon, T., Weikum, G., Suchanek, F. (2020), "YAGO 4: A Reasonable Knowledge Base", ESWC, available at: https://suchanek.name/work/publications/eswc-2020-yago.pdf
Omran, P. G., Wang, Z., Wang, K. (2022), "Learning Rules with Attributes and Relations in Knowledge Graphs", AAAI Spring Symposium: MAKE, available at: https://ceur-ws.org/Vol-3121/paper10.pdf
Omran, P. G., Wang, Z., Wang, K. (2018), "Scalable rule learning via learning representation", IJCAI, available at: https://www.ijcai.org/proceedings/2018/0297.pdf
Svato, M., Schockaert, S., Davis, J. (2020), "STRiKE: Rule-Driven Relational Learning Using Stratified k-Entailment", ECAI, available at: https://orca.cardiff.ac.uk/130911/http:/orca.cf.ac.uk/130911/1/ECAI2020_STRiKE.pdf
Malyeyeva, О., Persiyanova, Е., Kosenko, V. (2018), "Information and software for the personnel manager of an IT company", Innovative Technologies and Scientific Solutions for Industries, No. 1 (3). Р. 22–32. DOI: https://doi.org/10.30837/2522-9818.2018.3.022
Barkovska, O. (2022), "Research into Speech-to-text Transformation Module in the Proposed Model of a Speaker’s Automatic Speech Annotation", Innovative Technologies and Scientific Solutions for Industries, No. 4 (22). Р. 5–13. DOI: https://doi.org/10.30837/ITSSI.2022.22.005
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Ігор Шубін, Олександр Каратаєв
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
