Метод лінійно-логічних операторів та логічних рівнянь у завданнях видобування інформації
DOI:
https://doi.org/10.30837/ITSSI.2024.27.081Ключові слова:
бази знань; інтелектуальні системи; алгебра скінченних предикатів; логічні оператори; кванторні лінійні рівняння.Анотація
Реляційні та логічні методи подання знань відіграють ключову роль у створенні математичного базису для інформаційних систем. Алгебра предикатів і оператори предикатів є одними з найбільш ефективних інструментів для детального опису інформації. Ці засоби дозволяють легко формулювати формалізовану інформацію, створювати запити до баз даних та імітувати людську діяльність. У контексті нової необхідності в надійному та ефективному відборі даних виникає проблема в глибшому аналізі. Предмет дослідження – теорія кванторних лінійних рівнянь на базі алгебри лінійних предикатних операцій, формального апарата лінійно-логічних операторів і методів розв’язання логічних рівнянь у завданнях видобування інформації. Мета роботи – розроблення методу застосування лінійно-логічних операторів і логічних рівнянь для видобування інформації. Цей підхід може значно оптимізувати вилучення необхідної інформації, навіть у величезних базах даних. Основні завдання: аналіз наявних підходів до видобування інформації; розгляд теорії лінійно-логічних операторів; дослідження методів приведення логіки до алгебраїчної форми; аналіз логічних просторів та алгебри скінченних предикатних дій та теорії лінійно-логічних операторів. Методи дослідження передбачають систематичний аналіз математичної структури алгебри скінченних предикатів та предикатних функцій для ідентифікації ключових елементів, що впливають на процес формування запитів. Запропоновано метод застосування лінійно-логічних операторів і логічних рівнянь з метою видобування інформації. Результати дослідження показали, що метод використання лінійно-логічних операторів та логічних рівнянь є універсальним і адаптивним інструментом для роботи з алгебраїчними структурами даних. Він може бути застосований у широкому спектрі задач видобування інформації та здатний довести свою цінність як один із можливих методів оброблення інформації. Висновок. У роботі досліджено формальні методи інтелектуальних систем, зокрема способи подання знань відповідно до особливостей галузі застосування та мови, що дають змогу кодувати ці знання для зберігання в комп’ютерній пам’яті. Запропонований метод можна впроваджувати в розробленні мовних інтерфейсів для систем автоматизованого доступу до інформації, в алгоритмах пошукових систем, для логічного аналізу інформації в базах даних та експертних системах, а також у виконанні завдань, пов’язаних із розпізнаванням та класифікацією об’єктів.
Посилання
Список літератури
Ahmad A. Y. A. B., Kumari D. K., Shukla A., Deepak A., Chandnani M., Pundir S., Shrivastava A. Framework for Cloud Based Document Management System with Institutional Schema of Database. International Journal of Intelligent Systems and Applications in Engineering. 2024. Vol. 12, No. 3s. P. 672–678. URL: https://ijisae.org/index.php/IJISAE/article/view/3853 (дата звернення: 12.03.2024).
Yang X., Guan X., Pang Z., Kui X., Wu H. GridMesa: A NoSQL-based big spatial data management system with an adaptive grid approximation model. Future Generation Computer Systems. 2024. Vol. 155. P. 324–339. DOI: https://doi.org/10.1016/j.future.2024.02.010
Taipalus T. Vector database management systems: Fundamental concepts, use-cases, and current challenges. Cognitive Systems Research. 2024. Vol. 85. 13 р. DOI: https://doi.org/10.1016/j.cogsys.2024.101216
Davydovskiy M. Storing of Lua tables in relational databases. AIP Conference Proceedings. 2023. DOI: https://doi.org/10.1063/5.0132449
Aishwarya V. A Prompt Engineering Approach for Structured Data Extraction from Unstructured Text Using Conversational LLMs. ACM International Conference Proceeding Series. 2023. P. 183–189. DOI: https://doi.org/10.1145/3639631.3639663
Aebeloe C., Montoya G., Hose K. Optimizing SPARQL queries over decentralized knowledge graphs. Semantic Web. 2023. Vol. 14, No. 6. P. 1121–1165. DOI: https://doi.org/10.3233/SW-233438
Braun C. H. J., Käfer T. Quantifiable integrity for Linked Data on the web. Semantic Web. 2023. Vol. 14, No. 6. P. 1167–1207. DOI: https://doi.org/10.3233/SW-233409
Faltín T., Trigonakis V., Berdai A., Fusco L., Iorgulescu C., Lee J., Yaghob J., Hong S., Chafi H. Distributed Asynchronous Regular Path Queries (RPQs) on Graphs. Middleware Industrial Track 2023 – Proceedings of the 2023 24th International Middleware Conference Industrial Track, Part of: Middleware 2023. 2023. P. 35–41. DOI: https://doi.org/10.1145/3626562.3626833
Iglesias-Molina A., Toledo J., Corcho O., Chaves-Fraga D. Re-Construction Impact on Metadata Representation Models. K-CAP 2023 – Proceedings of the 12th Knowledge Capture Conference 2023. 2023. P. 197–205. DOI: https://doi.org/10.1145/3587259.3627554
Zykin S.V. Testing Dependencies and Inference Rules in Databases. Automatic Control and Computer Sciences. 2023. Vol. 57, No. 7. P. 788–802. DOI: https://doi.org/10.3103/S0146411623070179
Satheesh A., Kumar A. An Object-Oriented Database Design for Effective Classification. International Journal of Intelligent Systems and Applications in Engineering. 2022. Vol. 10, No. 4. P. 111–119. URL: https://ijisae.org/index.php/IJISAE/article/view/2204 (дата звернення: 12.03.2024).
Figallo M., Monica-Gomes C. The Subalgebra Lattice of a Finite Diagonal-Free Two-Dimensional Cylindric Algebra. Computación y Sistemas. 2023. Vol. 27, No. 1. DOI: https://doi.org/10.13053/cys-27-1-4544
Yang T., Wang Y., Sha L., Engelbrecht, J. Knowledgebra: An Algebraic Learning Framework for Knowledge Graph. Machine Learning and Knowledge Extraction. 2022. Vol. 4, No. 2. P. 432–445. DOI: https://doi.org/10.3390/make4020019
Gilray T., Kumar S. Distributed Relational Algebra at Scale. 2019 IEEE 26th International Conference on High Performance Computing, Data, and Analytics (HiPC), Hyderabad, India, 17–20 December 2019. 2019. DOI: https://doi.org/10.1109/hipc.2019.00014
Luo S., Gao Z.J., Gubanov M., Perez L. L. and Jermaine C. Scalable Linear Algebra on a Relational Database System. IEEE Transactions on Knowledge and Data Engineering. 2019. Vol. 31, No. 7. P. 1224–1238. DOI: https://doi.org/10.1109/tkde.2018.2827988
Shubin I., Kozyriev A., Liashik V., Chetverykov G. Methods of adaptive knowledge testing based on the theory of logical networks. CEUR Workshop Proceedings. 2021. P. 1184–1193. URL: https://ceur-ws.org/Vol-2870/paper86.pdf (дата звернення: 12.03.2024).
Harrington J.L. Relational Database Design and Implementation: Fourth Edition. Elsevier Inc., 2016. 689 p. DOI: https://doi.org/10.1016/C2015-0-01537-4
Meijer E., Bierman G. A co-relational model of data for large shared data banks. Communications of the ACM. 2011. Vol. 54, No. 4. P. 49–58. DOI: https://doi.org/10.1145/1924421.1924436
References
Ahmad, A.Y. A. B., Kumari, D.K., Shukla, A., Deepak, A., Chandnani, M., Pundir, S., Shrivastava, A. (2024), "Framework for Cloud Based Document Management System with Institutional Schema of Database". International Journal of Intelligent Systems and Applications in Engineering. No. 12(3s), Р. 672–678, available at: https://ijisae.org/index.php/IJISAE/article/view/3853 (last accessed 12.03.2024).
Yang, X., Guan, X., Pang, Z., Kui, X., Wu, H. (2024), "GridMesa: A NoSQL-based big spatial data management system with an adaptive grid approximation model". Future Generation Computer Systems. Vol 155, Р. 324–339. DOI: https://doi.org/10.1016/j.future.2024.02.010
Taipalus, T. (2024), "Vector database management systems: Fundamental concepts, use-cases, and current challenges". Cognitive Systems Research. Vol. 85. 13 р. DOI: https://doi.org/10.1016/j.cogsys.2024.101216
Davydovskiy, M. (2023), "Storing of Lua tables in relational databases". In: AIP Conference Proceedings. DOI: https://doi.org/10.1063/5.0132449
Aishwarya, V. (2023), "A Prompt Engineering Approach for Structured Data Extraction from Unstructured Text Using Conversational LLMs". In: ACM International Conference Proceeding Series. Р. 183–189. DOI: https://doi.org/10.1145/3639631.3639663
Aebeloe, C., Montoya, G., Hose, K. (2023), "Optimizing SPARQL queries over decentralized knowledge graphs". Semantic Web. No. 14(6), Р. 1121–1165. DOI: https://doi.org/10.3233/SW-233438
Braun, C. H. J., Käfer, T. (2023), "Quantifiable integrity for Linked Data on the web". Semantic Web. No. 14(6), Р. 1167–1207. DOI: https://doi.org/10.3233/SW-233409
Faltín, T., Trigonakis, V., Berdai, A., Fusco, L., Iorgulescu, C., Lee, J., Yaghob, J., Hong, S., Chafi, H. (2023), "Distributed Asynchronous Regular Path Queries (RPQs) on Graphs". In: Middleware Industrial Track 2023 – Proceedings of the 2023 24th International Middleware Conference Industrial Track, Part of: Middleware 2023. Р. 35–41. DOI: https://doi.org/10.1145/3626562.3626833
Iglesias-Molina, A., Toledo, J., Corcho, O., Chaves-Fraga, D. (2023), "Re-Construction Impact on Metadata Representation Models". In: K-CAP 2023 – Proceedings of the 12th Knowledge Capture Conference 2023. Р. 197–205. DOI: https://doi.org/10.1145/3587259.3627554
Zykin, S.V. (2023), "Testing Dependencies and Inference Rules in Databases". Automatic Control and Computer Sciences. 57(7), Р. 788–802. DOI: https://doi.org/10.3103/S0146411623070179
Satheesh, A., Kumar, A. (2022), "An Object-Oriented Database Design for Effective Classification". International Journal of Intelligent Systems and Applications in Engineering. No. 10(4), Р. 111–119, available at: https://ijisae.org/index.php/IJISAE/article/view/2204 (last accessed 12.03.2024).
Figallo, M., Monica-Gomes, C. (2023), "The Subalgebra Lattice of a Finite Diagonal-Free Two-Dimensional Cylindric Algebra". Computación y Sistemas. No. 27(1). DOI: https://doi.org/10.13053/cys-27-1-4544
Yang, T., Wang, Y., Sha, L., Engelbrecht, J., Hong, P. (2022), "Knowledgebra: An Algebraic Learning Framework for Knowledge Graph". Machine Learning and Knowledge Extraction. No. 4(2), Р. 432–445. DOI: https://doi.org/10.3390/make4020019
Gilray, T., Kumar, S. (2019), "Distributed Relational Algebra at Scale". In: 2019 IEEE 26th International Conference on High Performance Computing, Data, and Analytics (HiPC), 17–20 December 2019, Hyderabad, India. IEEE. DOI: https://doi.org/10.1109/hipc.2019.00014
Luo, S., Gao, Z.J., Gubanov, M., Perez, L.L., Jermaine, C. (2019), "Scalable Linear Algebra on a Relational Database System". IEEE Transactions on Knowledge and Data Engineering. No. 31(7), Р. 1224–1238. DOI: https://doi.org/10.1109/tkde.2018.2827988
Shubin, I., Kozyriev, A., Liashik, V., Chetverykov, G. (2021), "Methods of adaptive knowledge testing based on the theory of logical networks". CEUR Workshop Proceedings. CEUR-WS. Р. 1184–1193, available at: https://ceur-ws.org/Vol-2870/paper86.pdf (last accessed 12.03.2024).
Harrington, J.L. (2016), "Relational Database Design and Implementation: Fourth Edition". Elsevier Inc. 689 p. DOI: https://doi.org/10.1016/C2015-0-01537-4
Meijer, E., Bierman, G. (2011), "A co-relational model of data for large shared data banks". Communications of the ACM. No. 54(4), Р. 49–58. DOI: https://doi.org/10.1145/1924421.1924436
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
![Creative Commons License](http://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png)
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.