ХАРКІВСЬКИЙ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ РАДІОЕЛЕКТРОНІКИ

Павлов Дмитро Олександрович

УДК 519.178, 519.711

Методи та моделі аналізу розвитку нечітких онтологій складних систем

05.13.23 – cистеми та засоби штучного інтелекту

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня
кандидата технічних наук

Харків – 2008

Дисертацією є рукопис

Робота виконана у Харківському національному університеті радіоелектроніки, Міністерство освіти і науки України.

Науковий керівник:

доктор технічних наук, професор Кучеренко Євген Іванович,
Харківський національний університет радіоелектроніки,
професор кафедри штучного інтелекту.

Офіційні опоненти:

- доктор технічних наук, професор Єрохін Андрій Леонідович, Харківський національний університет внутрішніх справ, начальник кафедри інформатики;

- кандидат технічних наук, доцент Мар’їн Сергій Олександрович, Харківська державна академія культури, доцент кафедри інформаційно-документних систем.

Захист відбудеться «14» травня 2008 р. о 13.00 годині на засіданні спеціалізованої вченої ради Д 64.052.01 у Харківському національному університеті радіоелектроніки за адресою: 61166, м. Харків, просп. Леніна, 14; тел. (057) 702-14-46.

З дисертацією можна ознайомитися у бібліотеці Харківського національного університету радіоелектроніки за адресою: 61166, м. Харків, просп. Леніна, 14.

Автореферат розісланий «09» квітня 2008 р.

Вчений секретар

спеціалізованої вченої ради Чалий С.Ф.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність роботи. З великої кількості засобів, що надають можливість оперувати онтологіями в різноманітний спосіб, жоден повною мірою не охоплює аспекти виникнення неадекватності, зокрема суперечливості, у процесі розвитку, що є суттєвим недоліком. Розробка відповідних інтелектуальних засобів надасть можливості підняти на новий рівень роботу спеціалістів, які беруть участь у колективній розробці онтологічних структур.

Онтології в системах штучного інтелекту є новим кроком у поданні й інтеграції знань та даних, вони надають одночасно високі рівні виразності та формалізації опису предметної галузі. Адекватність таких структур є властивістю, за якої предметна галузь, що описується, точно передається формальною мовою. Враховуючи переважно модульний характер онтологій, питання адекватності й несуперечливості стають особливо актуальними. Ймовірність ситуації, в якій онтологія одного підрозділу підприємства розроблятиметься окремо від онтології іншого, є високою. При цьому будь-яка система, що базується на цих онтологіях, матиме можливість ефективно користуватися ними, в разі якщо вони взаємно несуперечливі.

Значним кроком інформаційних технологій до широкого впровадження онтологій стало використання нечіткої інформації та нечіткого логічного виведення в базах знань. Впровадження лінгвістичних змінних в аксіоми й правила, дозволяє формалізувати набагато більше питань, використовуючи, до цього ж, мову, більш близьку до природної. У зв’язку з цим нові моделі й методи, що розробляються, мають передбачати роботу, як з чіткими, так і з нечіткими онтологіями.

Існує значна кількість досліджень, моделей, методів, методологій, програмних засобів, які спрямовані на розв’язання задач розробки та розвитку онтологій. У рамках зазначених напрямків найбільш значний внесок був зроблений такими вченими, як: Т.О. Гавриловою, В.Ф. Хорошевським, Baader F., Hendler J.A., Horrocks I., Lee T.B., McGuinness D., Noy N.F., Patel-Schneider P.F. та ін.

Але всупереч значній кількості наукових праць, виникає проблема дослідження та встановлення адекватності онтологій, що розвиваються. Таким чином, існує актуальна потреба у комплексному розв’язанні складних задач, які виникають під час розвитку онтологій. Перспективними є розробка моделей розвитку нечітких онтологій, а також методів оцінки адекватності, які дозволять на основі інтелектуальних підходів реалізувати процеси підтримки розвитку й інтеграції онтологій складних систем. У зв’язку з цим робота є актуальною, що й визначає перспективність як теоретичних, так і їх практичних результатів.

Зв’язок роботи з науковими програмами, планами, темами. Робота виконувалася на кафедрі штучного інтелекту Харківського національного університету радіоелектроніки відповідно до плану науково-дослідної роботи за темою № «Моделі та методи динамічного аналізу нечітких (фаззі) процесів у великомасштабних системах штучного інтелекту» у рамках держбюджетної комплексної теми № 195 «Розробка теоретичних засад, методів та моделей інтелектуальної обробки інформації та менеджменту знань у системах розподіленого штучного інтелекту» (№ 0106U003286), за якою автор є відповідальним виконавцем. Здобувачем як виконавцем розроблено нові гібридну модель та методи аналізу і управління розвитком знань в онтологіях. Гібридна модель ґрунтується на інтеграції моделей екстенсивного та інтенсивного розвитку онтологій.

Мета і задачі дослідження. Метою роботи є створення нових, науково-обґрунтованих моделей розвитку нечітких онтологій, та методів їх ефективного використання у системах штучного інтелекту для усунення неадекватності, яка виникає під час розвитку онтологій.

Відповідно до поставленої мети, в дисертаційній роботі розв’язуються такі основні задачі:

- дослідження особливостей розвитку нечітких онтологій складних систем;

- розробка математичної моделі гібридного (екстенсивно-інтенсивного) розвитку онтологій, що базується на інтеграції моделей екстенсивного та інтенсивного розвитку онтологій, які ґрунтуються на графових моделях, теорії нечіткої логіки й дескриптивній логіці;

- розробка методу аналізу адекватності розвитку нечітких онтологій, який ґрунтується на математичній моделі гібридного екстенсивно-інтенсивного розвитку онтологій;

- розробка методу локалізації та усунення неадекватності під час розвитку нечітких онтологій, який ґрунтується на математичній моделі гібридного екстенсивно-інтенсивного розвитку онтологій;

- розвиток методу подання нечітких знань у складі онтологій;

- розробка структури та функцій інструментальних засобів розв’язання практичних задач.

Об’єктом дослідження є процес розвитку нечітких онтологій у часі й просторі.

Предметом дослідження є методи та моделі аналізу розвитку нечітких онтологій складних систем.

Методи дослідження. При вирішенні поставленої мети інтелектуалізації прийняття рішень при розвитку онтологій у роботі використовуються гіпотетико-дедуктивний метод, методи штучного інтелекту, методи логічного виведення, положення теорії нечітких множин та нечіткої логіки. Експериментальні дослідження проводилися в лабораторних умовах та на реальних об’єктах.

Наукова новизна отриманих результатів. На основі виконаних теоретичних та експериментальних досліджень автором особисто отримано такі нові наукові результати:

1. Вперше розроблено гібридну математичну модель розвитку онтологій, що інтегрує нові екстенсивну й інтенсивну моделі, які описують розвиток у просторі й у часі відповідно та надають можливість ефективного розв’язання задач аналізу та оцінки простору станів нечітких онтологій, що розвиваються, та виявлення, локалізації й усунення властивостей неадекватності.

2. Вперше розроблено метод аналізу адекватності розвитку онтології, який використовує нові формальні критерії неповноти, надмірності та динамічної суперечливості, що дає можливість розв’язувати задачі у нечіткому метричному просторі, тим самим підвищуючи вірогідність рішень, які приймаються.

3. Вперше розроблено метод усунення динамічної суперечливості онтологічної інформації, який базується на введенні нечітких аксіом у склад онтології замість суперечливих та дає можливість знизити трудомісткість прийняття рішень та підвищити їх вірогідність в інтелектуальних системах управління знаннями складних систем.

4. Набув подальшого розвитку метод подання нечітких знань у складі онтології, який на відміну від існуючих дає можливість розглядати нечіткі онтології поза межами конкретних специфікацій без втрати загальності висновків завдяки еквівалентним перетворенням до єдиного вигляду та дозволяє значно знизити вимоги до рівня формалізації вхідних даних та знань онтологій.

Практичне значення отриманих результатів. Розроблено моделі розвитку нечітких онтологій, а також методи їх використання у системах інтелектуального прийняття рішень в задачах усунення властивостей неадекватності (неповноти, надмірності, суперечливості), яка виникає під час розвитку, доведено до рівня розробки й впровадження алгоритмічних та інструментальних засобів прийняття рішень.

Розроблено, досліджено й впроваджено такі основні практичні результати:

- запропоновано й обґрунтовано алгоритмічні засоби аналізу розвитку онтологій за узагальненими критеріями неадекватності в рамках розробленої гібридної моделі розвитку нечітких онтологій;

- запропоновано й обґрунтовано алгоритмічні засоби усунення суперечливості як результат реалізації методу усунення властивостей динамічної суперечливості онтологічної інформації;

- запропоновано й обґрунтовано структуру й функції інструментальних засобів прийняття рішень у прикладних задачах. Засоби дають можливість розв’язувати нові та малодосліджені задачі управління інформаційними потоками підприємства.

Результати дисертації впроваджено: в роботі у ТОВ «ФСК-інформ» (м. Харків) під час виконання теми господарчого договору № 06-24 «Розробка засобів інтеграції та подання різнорідних даних інформаційних систем» (акт впровадження від 03.11.2006 р.); у навчальний процес кафедри штучного інтелекту Харківського національного університету радіоелектроніки (акт впровадження від 05.21.2007 р.).

Особистий внесок здобувача. Всі результати дисертації отримано автором самостійно. У роботах, опублікованих у співавторстві, здобувачу належать: у [2] розвинуто метод подання нечітких знань в складі онтології, що на відміну від існуючих методів дає можливість розглядати нечіткі онтології поза межами конкретних специфікацій без втрати загальності висновків та дозволяє значно знизити вимоги до рівня формалізації вхідних даних та знань онтологій; у [3] запропоновано та обґрунтовано новий метод аналізу адекватності розвитку онтології, який використовує нові формальні критерії неповноти та надмірності, використання методу дає можливість розв’язувати задачі у нечіткому метричному просторі, тим самим підвищуючи вірогідність рішень, які приймаються; у [4] запропоновано нові моделі інтенсивного й гібридного (екстенсивно-інтенсивного) розвитку нечітких онтологій, які доповнюють та розвивають модель екстенсивного розвитку.

Апробація результатів дисертації. Про результати дисертаційної роботи зроблено доповіді і вони обговорювалися: на Міжнародній науково-технічній конференції «Штучний інтелект. Інтелектуальні і багатопроцесорні системи» (Кацивелі, Крим, Україна, 2004 р.), на 9-му Міжнародному молодіжному форумі “Радіоелектроніка і молодь в 21 ст.” (Харків, Україна, 2005 р.), на Міжнародній науково-технічній конференції «Штучний інтелект. Інтелектуальні і багатопроцесорні системи» (Дивноморск, Краснодарский край, Россия, 2005), на Міжнародній науково-технічній конференції «Інтелектуальні системи прийняття рішень та інформаційні технології» (Чернівці, Україна, 2006), на Першій міжнародній науково-технічній конференції “Комп’ютерні науки та інформаційні технології” CSIT'2006 (Львів, Україна, 2006 р.).

Публікації. За темою дисертації видано 10 науково-технічних публікацій: 5 статей (2 з яких опубліковано одноосібно) у виданнях, що внесено до переліку видань ВАК України, в яких можуть публікуватися результати дисертаційних робіт на здобуття ступеня кандидата та доктора наук за спеціальностями «Технічні науки»; 5 публікацій у збірниках наукових праць, матеріалах, тезах доповідей Міжнародних науково-технічних конференцій та форуму.

Структура та обсяг дисертації. Дисертація складається із вступу, п’яти розділів і висновків, має загальний обсяг 139 сторінок, з яких 128 сторінок основного тексту, містить 22 рисунки, 6 таблиць, список використаних джерел з 105 найменуваннями на 11 сторінках, 1 додаток на 3 сторінках.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність обраної теми дослідження, формулюється мета та завдання дослідження, вказується об’єкт, предмет і методи досліджень, визначається наукова новизна та практичне значення отриманих результатів, а також особистий внесок автора в роботи, що виконані у співавторстві, апробація результатів дисертації та кількість публікацій за темою дисертації.

У першому розділі на основі аналітичного огляду існуючих рішень в області розподілених онтологій, оцінки інформаційного простору використання онтологій та аналізу розвитку онтологій зроблено висновок про необхідність розробки нових підходів до вирішення проблем неадекватності розвитку нечітких онтологій складних систем. Сформульовано постановку задачі, що складає суть дисертаційної роботи, а саме розв’язання актуальних теоретичних та практичних задач прийняття рішень під час розвитку онтологій.

Нехай існує деяка онтологія Struct, яка складається з кінцевої множини елементів Elem. Тоді необхідно визначити зміну онтології щ при зміні одного її елемента на деяке ч

,

або у загальному вигляді

.

Визначення щ пропонується виконувати у рамках нової моделі онтологічного розвитку, бо проведений аналіз показує відсутність формальних моделей такого роду.

Потрібно також розробити й обґрунтувати методи аналізу адекватності структурної зміни

,

де – проекція динамічного розвитку онтології на статичну онтологію при заданому часі i, adi – значення узагальненого критерію адекватності.

На базі аналізу адекватності необхідно запропонувати метод максимізації адекватності шляхом управління змінами ч та щ у нечіткому просторі станів онтології, що розвивається,

,

де ч` та щ` – альтернативні зміни до ч та щ відповідно.

У другому розділі набув подальшого розвитку метод подання нечітких знань в онтологіях, що дало можливість розглядати нечіткі онтології поза межами конкретних специфікацій без втрати загальності висновків завдяки еквівалентним перетворенням до єдиного вигляду та дозволяє значно знизити вимоги до рівня формалізації вхідних даних та знань онтологій. Також побудовано гібридну математичну модель розвитку нечітких онтологій, що інтегрує нові екстенсивну й інтенсивну моделі та надає можливість ефективного розв’язання задач аналізу та оцінки простору станів онтологій, що розвиваються, та виявлення, локалізації й усунення властивостей неадекватності (неповноти, надмірності й суперечливості).

Доведено, що загальна нечітка аксіома

, (1)

де a – відповідна чітка аксіома, a – функція належності, що визначає рівень впевненості в існуванні аксіоми а, узагальнює такі методи подання нечіткої інформації, як, наприклад, реіфікація, введення мета-класу та введення мета-відношення. У методі запропоновано будь-які нечіткі знання першим кроком перетворювати до вигляду узагальненої аксіоми подання мета-інформації використовуючи наведені у дисертації еквівалентні рівняння, а наступним до формули (2), використовуючи наведену в онтології інформацію про metaa.

Розроблено модель екстенсивного розвитку, що описує розвиток онтології у просторі. Основою для такого розвитку є модулі онтології, кожен з яких описує деяку відокремлену предметну галузь. Модулі онтології можуть утворювати зв’язки та ієрархії. Відповідно до цього модель екстенсивного розвитку базується на відношеннях:

- незалежності nezav елементів онтологій, суть якого в тому, що інтерпретація першого операнду функції залишається однаковою за будь-яких змін другого;

- імпорту RI, суть якого у тому, що всі аксіоми, прийняті у базовій онтології, приймаються у тій, що імпортує,

(2)

де RI- – онтологія, яка імпортується (базова), а RI+ – в яку імпортується, – функція імпорту онтологій.

Тоді формально, модель екстенсивного розвитку онтології має вигляд

Struct = <MO, MRI>, (3)

де MO = {Onti} – множина усіх елементарних онтологій, які входять до онтології, MRI – кінцева множина усіх RI (2), заданих на Struct.

У рамках моделі (3) виділено такі типи розвитку: простий, інтеграційний, спільний та змішаний. Простий розвиток онтологій є імпортування, для якого є правильними такі твердження: Ont імпортує безпосередньо тільки одну онтологію; Ont не має циклічних посилань імпорту на себе. Інтеграційний розвиток онтологій є розширенням простого розвитку. В ньому одна онтологія поєднує у себе декілька інших. У спільному розвитку відсутня ієрархія, тобто кожна з двох онтологій є одна для іншої, як базовою, так і розширенням. Комплексний розвиток онтологій поєднує одночасно усі властивості вищенаведених розвитків.

Для нечітких онтологій функція належності з (1) є максимальним значенням функцій належності

,

де {Xi} – елементи онтології RI- =, а {Yj} – елементи онтології RI+.

Модель інтенсивного розвитку базується на дискретності змін, які відбуваються в онтології Ont у часі. Введено кортеж D, який описує етапи розвитку Ont. Елементи кортежу подаються парою: онтологія і час створення цієї онтології.

Тоді модель інтенсивного розвитку має вигляд

(4)

де K – кінцевий номер версії Ont.

Введено функції, які пов’язують онтологію та час відповідно до розвитку D:

,

де – функція значення онтології в момент t для розвитку D.

Аналогічно відношенню імпорту (2), введено відношення версії RD, таке що,

if RD = true then ,

і навпаки,

if , then RD = true,

де є функцією відношення версії.

Модель гібридного розвитку Struct(t) базується одночасно на моделях екстенсивного Struct та інтенсивного розвитку D. Розглянемо деяку розподілену онтологію (3). Нехай кожній Onti MO відповідає деякий розвиток Di (4), i=1,K, для кожного значення часу t ми можемо побудувати відповідну структуру імпортів MRI(t). Тоді модель має вигляд

(5)

та є гібридним розвитком онтології.

На базі моделі (5) розглянуто підмножини гібридного розвитку і : , де в даному випадку MRI(t)=MRI та є константою; , де в даному випадку =MO та є константою, які є характерними для даного класу задач, та дозволяють значно знизити обчислювальну складність прийняття рішень.

Зокрема, розглянуто такі важливі аспекти розвитку онтології, як розділення та об’єднання елементарних онтологій в часі. Доведено, що запропонована гібридна модель, адекватно описує їх.

У третьому розділі вперше розроблено нові формальні критерії неповноти, надмірності та динамічної суперечливості для методу аналізу адекватності розвитку онтології, формалізовано поняття неадекватності розвитку нечіткої онтології. Подано узагальнені формальні критерії оцінки структурного й функціонального розвитку онтологій в рамках моделей, що розроблені у другому розділі. Поставлено таку задачу: в умовах потенційно неадекватного розвитку (5) запропонувати набір критеріїв

,

,

,

що визначають відповідно властивості неповноти, надмірності й суперечливості відповідно.

Доведено повноту запропонованих критеріїв неадекватності. В роботі також формалізовано й розрізнено поняття неадекватності стану онтології й неадекватності розвитку онтології.

Для кількісної оцінки Npl й Iz інтенсивного розвитку запропоновано процедури аналізу, які базуються на аналізі об’єктів онтології через утворюючі їх властивості. Показано, що онтологія має властивості неповноти або надмірності тоді, коли такі самі властивості мають об’єкти, які входять до неї. Стверджується, що в рамках розвитку (4) надмірність є зворотним поняттям до неповноти.

Оцінка значення неповноти при переході об’єкта зі стану A в стан В є усередненим значенням неповноти окремих властивостей цих об’єктів. Формально вона є функцією належності переходу А,В до класу неповних. Її значення обчислюється такою формулою

(6)

де аk – властивість об’єкта А, , bk – властивість об’єкта В, , .

Аналогічно із (6) оцінка значення надмірності є

де diff_Iz є функцією належності переходу А,В до класу надмірних.

Для вироджених переходів з пустої множини в аксіому й навпаки введено такі формули

if

де означає в даному контексті нульовий об’єкт або об’єкт, який не описано в онтології.

Для функцій diff_Npl й diff_Iz характерний такий зв’язок

Враховуючи існування нечітких елементів онтології виду (1), вираз (6) розширено до загального вигляду

де k – коефіцієнт важливості відношення із атрибутом, який базується на деяких характеристиках онтології, наприклад, частотних.

В роботі отримано також нові наукові результати щодо визначення та обґрунтування властивостей динамічної суперечливості Prt, що має важливе значення в дисертаційних дослідженнях. Доведено, що факт динамічної суперечливості викликає за собою як наслідок одночасно властивості неповноти й надмірності розвитку. Тому цей факт може бути визначений та локалізований із використанням критеріїв Npl і Iz (6).

У четвертому розділі розроблено метод аналізу адекватності розвитку онтології, який використовує нові формальні критерії неповноти, надмірності та динамічної суперечливості, що дає можливість розв’язувати задачі у нечіткому метричному просторі, тим самим підвищуючи вірогідність рішень, які приймаються. Також розроблено метод усунення динамічної суперечливості онтологічної інформації, який базується на введенні нечітких аксіом у склад онтології замість суперечливих та дає можливість знизити трудомісткість прийняття рішень та підвищити їх вірогідність в засобах управління знаннями складних систем.

Метод оцінки адекватності розвитку онтології базується на попарному порівнянню відповідних елементів різних версій онтології. Порівняння виконується за розрахунком значень критеріїв Npl і Iz (6) для кожного елементу. Враховуючи те, що значення критеріїв неадекватності є метричними змінними, завдяки ним відбувається перехід від простору множин, до метричного простору. В дослідженні доводиться, що підмножини пов’язаних між собою елементів онтології, значення критеріїв Npl і Iz яких відрізняються від нуля на деяке г, з високим рівнем впевненості мають неадекватний розвиток. Таким чином, розроблений метод може бути використаний у контурі нечіткого логічного висновку щодо прийняття рішення про адекватність або неадекватність деякого переходу RD.

Відповідно до методу розроблено узагальнений алгоритм оцінки адекватності, що реалізує основні етапи методу, а саме: нормалізація об’єктів A, B, які порівнюються; розрахунок значення критерію неповноти diff_Npl(A,B) (6); якщо є невизначені diff_ Npl(ai,bi), де ai, bi властивості об’єктів A,B відповідно, почати для них розрахунок спочатку; аналіз результатів. Розрахунок значення критерію надмірності diff_Iz виконується аналогічно.

Розроблено метод пошуку й усунення динамічної суперечливості Prt розвитку онтології. Його суть полягає у введені нечітких знань про ті факти, які утворюють суперечливість. Стверджується, що одночасні різкі сплески значень Npl й Iz на деяких підмножинах онтології є найчастіше ознаками суперечливості. Встановлено, що зниження значень функції належності А (1) для аксіом А, які утворюють факти суперечливості, усувають їх без суттєвого втручання в семантику онтології. Таким чином, інтелектуальна система прийняття рішень зменшує значення функції належності А деякого елемента онтології, усуваючи тим самим Prt.

Для розширення області застосування методу усунення суперечливості, запропоновано такі етапи уніфікації онтології, як побудова ефективної схеми імпортів й додавання онтології.

Побудова ефективної схеми імпортів MRI включає операції: усунення імпортів, які дублюються, псевдоімпортів; дезінтеграцію елементів структури; розривання циклів; перетворення циклів у точку. Ефективність MRI визначається типом екстенсивного розвитку (3), який вона реалізує. Базою для операцій побудови ефективної схеми імпортів на онтології (3) є відношення незалежності nezav. Після проведення цього етапу оперуємо тільки з інтеграційним та простим екстенсивним розвитком.

Відповідно до методу пошуку суперечливості та методу її усунення запропоновано стратегію пошуку та усунення динамічної суперечливості Prt розвитку онтології dev (Ont1,2).

Стратегія, що відображує відповідний метод пошуку та усунення суперечливості, включає такі блоки (рис. 1):

1. Розрахунок значень критеріїв Npl і Iz для усіх елементів онтології.

2. Механізм порівняння звітів розробників із отриманими узагальненими значеннями критеріїв неадекватності.

3. Блок нечіткого логічного виведення щодо присутності помилки в розвитку.

4. Механізм розрізання онтології на Ontcore й Ontenv.

5. Оцінка статичної цілісності Ontcore.

6. Приведення в стан цілісності Ontcore.

7. Механізм послідовного підбору несумісних аксіом з Ontenv.

8. Блок логічного висновку, який підтверджує несумісність аксіоми.

9. Аналітичний блок логічного виведення, що дозволяє знайти та використовувати весь ланцюг логічного виведення, який говорить про несумісність аксіом.

10. Фазіфікаційний блок, який зменшує міру належності суперечливої аксіоми а до класу існуючих, згідно з виразом

,

де 1, 2 – нечіткі ступені належності до класу існуючих суперечливої аксіоми фу Ont1 та Ont2 відповідно.

Відповідно до наведеної вище стратегії, у блоці 2 порівнюються розраховані середні значення Npl й Iz із узагальненими значеннями глибини зміни, які надходять із новою версією онтології

k = max[max[avg(Iz), avg(Npl)] – ch(Rep), 0],

де ch(Rep) – ступінь зміни, вказаний у звіті. В разі відсутності практики надання звітів під час розробки, використовуються узагальнені пороги допустимих змін defch, що визначаються експертом та налаштовуються

k = max[max[avg(Iz), avg(Npl)] – defch, 0].

Блок 3 узагальнює набір змінних ki на основі правил нечіткого логічного виведення. Використано положення нечіткої логіки Заде-Мамдані. Тоді результат має вигляд

Rs = min[(xi)]|, (xi) = 1- ki.

Результат Rs є посилкою для прийняття рішення щодо автоматичного запуску процесів локалізації й усунення суперечливості, використовує таку семантику

де g є порогом суперечливості, що налаштовується.

Для випадків, у яких введення нечітких аксіом в онтологію викликає труднощі, розроблено алгоритм пошуку верхньої межі адекватності або відкоту (rollback), який базується на модульності гібридного розвитку (5). У ньому пропонується знаходити несуперечливий набір елементів онтології, кожний з яких мав свій інтенсивний розвиток паралельно з іншими.

У п’ятому розділі розроблено структуру інструментальних засобів (рис. ), які використовуються під час розв’язання практичних задач. Інструментальні засоби реалізують такий комплекс основних функцій: уніфікація поданої онтології, що дозволяє виконувати узагальнені розрахунки адекватності її розвитку; розрахунок критеріїв неповноти й надмірності; процедури нечіткого логічного виведення Заде-Мамдані; прийняття рішень щодо зміни структури онтології для досягнення адекватності розвитку.

Інтерфейс користувача реалізує інтерактивне управління процесами аналізу, формує й пропонує рішення для користувача, який не є програмістом. Структура має такі блоки: ИО – інтерфейс оператора, БПРАд – блок прийняття рішень щодо адекватності, БУсПр – блок усунення суперечливості, БВБЗ – блок взаємодії із базою знань, БВЛВ – блок взаємодії із логічним виведенням.

Рис. 2 – Узагальнена структура інструментальних засобів для OntInf

Виконано експериментальну перевірку запропонованих алгоритмів. Експериментальні дослідження проведено на таких онтологіях, як SWEET NASA Ontology (OntSweet), що описує базові математичні, фізичні, хімічні, біологічні, астрономічні, географічні явища, людську діяльність та деякі специфічні знання, розмірність якої складає близько 7200 елементів (4500 класів, 200 відношень, 2500 об’єктів); на онтології EON Ontology Alignment Contest, яка була запропонована на змаганнях з інтеграції онтологій на «Третьому симпозіумі оцінки засобів, що базуються на онтологіях», розмірність якої складає близько 4000 елементів (200 класів, 300 відношень, 3500 об’єктів); та на онтології інформаційних потоків підприємства ТОВ «ФСК-інформ» (OntInf), що імпортує частину OntSweet, детально описує специфічні предметні галузі, зокрема, кадровий, складський, бухгалтерський облік тощо, і її розмірність складає 5400 елементів (3000 класів, 400 відношень, 2000 об’єктів).

У впровадженій онтології інформаційних потоків підприємства завдяки введенню нечітких аксіом, наприклад, «надійний», «ненадійний» імпортер, розв’язуються нові задачі планування фінансових, бухгалтерських та товарних потоків.

Виконано оцінку верхньої межі складності всіх розроблених алгоритмів, яка дає задовільну збіжність практичних досліджень із теоретичними результатами.

Використання розроблених моделей, методів, алгоритмічних та інструментальних засобів на об’єктах впровадження ТОВ «ФСК-інформ» для системи управління інформаційними потоками підприємства дозволило інтегрувати ряд інформаційних підсистем: бухгалтерії, кадрового обліку, складського обліку тощо. Запропоновані засоби дозволяють розв’язувати нові та малодосліджені задачі управління інформаційними потоками. При цьому метод аналізу адекватності розвитку дозволяють корегувати розроблену систему без втручання спеціаліста з інформаційних технологій. У порівнянні із існуючими системами інтеграції знань, наприклад, Protйgй, KAON2, існує можливість в інтерактивному вигляді аналізувати адекватність знань, які вносяться, що в свою чергу знижує складність подальшої інтеграції та розвитку онтології. Практичні результати підтверджено актами впровадження.

У додатку наведено акти впровадження результатів дисертаційної роботи

ВИСНОВКИ

У дисертаційній роботі, відповідно до поставленої мети, наведено нове розв’язання наукової задачі, яка полягає в розробці моделей розвитку нечітких онтологій й методів їх аналізу за критеріями адекватності (неповноти, надмірності, суперечливості). У порівнянні з існуючими методами аналізу адекватності розвитку онтології розроблені методи дозволяють робити узагальнений висновок щодо присутності неадекватності для будь-яких нечітких онтологій, не зважаючи на їх синтаксис, інтерпретацію, предметну галузь та ін. Отримані результати мають важливе наукове та практичне значення для побудови інтелектуальних засобів аналізу розвитку та інтеграції онтологій складних систем.

Під час виконання досліджень отримано нові наукові та практичні результати:

1. Вперше побудовано гібридну математичну модель розвитку нечітких онтологій, що інтегрує нові екстенсивну та інтенсивну моделі, які описують розвиток у просторі й у часі відповідно та надають можливість ефективного розв’язання задач аналізу та оцінки простору станів онтологій, що розвиваються, та виявлення, локалізації та усунення властивостей неадекватності (неповноти, надмірності й суперечливості). Ця модель базується на дискретності змін онтологій у часі, і на поняттях незалежності елементів й імпорту онтологій. Розроблена модель адекватно описує як чіткі, так і нечіткі онтології.

2. Вперше розроблено метод оцінки адекватності розвитку онтології, який використовує нові формальні критерії неповноти та надмірності, що дає можливість працювати у нечіткому метричному просторі, тим самим підвищуючи вірогідність рішень, які приймаються. Метод може бути ефективно використаний у системах інтелектуального прийняття рішень, як незалежно, так і у складі інших методів, як складова прийняття рішень щодо існування суперечливості.

3. Вперше розроблено метод усунення динамічної суперечливості онтологічної інформації, який базується на введенні нечітких аксіом у склад онтології замість суперечливих та дає можливість знизити трудомісткість прийняття рішень та підвищити їх вірогідність в засобах управління знаннями складних систем. Метод усуває суперечливість за рахунок незначного впливу на семантику онтології або через пошук адекватної версії онтології.

4. Набув подальшого розвитку метод подання нечітких знань у складі онтології, що на відміну від існуючих методів дає можливість розглядати нечіткі онтології поза межами конкретних специфікацій без втрати загальності висновків завдяки еквівалентним перетворенням до єдиного вигляду та дозволяє значно знизити вимоги до рівня формалізації вхідних даних та знань онтологій.

5. Для розв’язання практичних завдань запропоновано й обґрунтовано алгоритмічні засоби аналізу розвитку онтологій за узагальненими критеріями неадекватності в рамках розробленої гібридної моделі розвитку нечітких онтологій; запропоновано й обґрунтовано алгоритмічні засоби усунення суперечливості як результат реалізації методу усунення властивостей динамічної суперечливості онтологічної інформації; запропоновано й обґрунтовано структуру й функції інструментальних засобів розв’язання прикладних задач прийняття рішень.

6. Результати дисертації впроваджено в ТОВ «ФСК-інформ» (м. Харків) для виконання теми за господарчим договором № 06-24 «Розробка засобів інтеграції та подання різнорідних даних інформаційних систем» (акт впровадження від 03.11.2006 р.); у навчальний процес кафедри штучного інтелекту Харківського національного університету радіоелектроніки (акт впровадження від 05.21.2007 р.).

7. Результати теоретичних і практичних досліджень доцільно розвивати і використовувати в наукових та науково-технічних розробках і впровадженнях у засобах управління онтологіями складних систем.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Павлов Д.О. Экстенсивное развитие онтологических структур // Бионика интеллекта. – 2005. – №2(63). – С. 91–97.

2. Кучеренко Є.І., Павлов Д.О. Некоторые аспекты анализа развития нечетких онтологий. // Искусственный интеллект. – 2005. – Т.3. –
C. 162–169.

3. Кучеренко Є.І., Павлов Д.О. О проблемах выявления неполноты и избыточности информации в онтологическом пространстве // Прикладная радиоэлектроника. – 2005. – Т.4, №2. – С. 175–179.

4. Кучеренко Є.І., Павлов Д.О. Модель интенсивного развития онтологий // АСУ и приборы автоматики: Сб. науч. тр. – Харьков, 2006. – №135. – С. 4–12.

5. Павлов Д.О. О разрешении проблем противоречивости развивающихся онтологий // Системи обробки інформації: Зб. наук. праць. – Харків, 2007. – №3(61). – С. 65–72.

6. Павлов Д.О. Межсерверное взаимодействие в OWL-базированной поисковой системе // Международная научно-техническая конференция «Искусственный интеллект. Интеллектуальные и многопроцессорные системы». – Крим, Кацивели, 2004. – С. –325.

7. Павлов Д.О. Мониторинг динамических распределенных онтологий, функционирующих в реальном времени // 9-й Международный молодежный форум “Радиоэлектроника и молодежь в ХХІ веке”. – Харьков, 2005. – С. .

8. Павлов Д.О. О подходах к построению моделей интенсивного развития онтологий // Международная научно-техническая конференция «Интеллектуальные системы принятия решений и информационные технологии». – Черновцы, 2006. – С. 66–68.

9. Павлов Д.О. Distributed ontologies structural-time analysis system // CSIT'2006 Перша міжнародна науково-технічна конференція “Комп’ютерні науки та інформаційні технології”. – Львів, 2006. – C. 134–136.

10. Павлов Д.О. О подходах к контролю адекватности развития онтологий // Международная научно-техническая конференция «Искусственный интеллект. Интеллектуальные и многопроцессорные системы». – Россия, Краснодарский край, Дивноморск, 2005. – С. –403.

АНОТАЦІЯ

Павлов Д.О. Методи та моделі аналізу розвитку нечітких онтологій складних систем. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.23 – системи та засоби штучного інтелекту. – Харківський національний університет радіоелектроніки, Харків, 2008.

Дисертаційна робота присвячена моделюванню процесів розвитку нечітких онтологій та методам аналізу цих процесів на предмет адекватності. Отримано нові теоретичні та практичні результати: вперше побудовано гібридну математичну модель розвитку онтологій, що інтегрує нові екстенсивну та інтенсивну моделі; вперше розроблено метод аналізу адекватності розвитку онтології, який використовує нові формальні критерії неповноти та надмірності, що дає можливість розв’язувати задачі у нечіткому метричному просторі; вперше розроблено метод усунення властивостей динамічної суперечливості онтологічної інформації, який базується на введенні нечітких аксіом у склад онтології замість суперечливих та дає можливість знизити трудомісткість прийняття рішень та підвищити їх вірогідність в інтелектуальних системах управління знаннями складних систем; набули подальшого розвитку методи подання нечітких знань в складі онтології; для вирішення практичних завдань запропоновано й обґрунтовано алгоритмічні засоби аналізу розвитку онтологій за узагальненими критеріями неадекватності; запропоновано й обґрунтовано структуру й функції інструментальних засобів прийняття рішень у прикладних задачах.

Ключові слова: інтелектуальне управління знаннями, нечіткі онтології, екстенсивний/інтенсивний розвиток онтологій, критерії адекватності розвитку, менеджмент знань.

АННОТАЦИЯ

Павлов Д.А. Методы и модели анализа развития нечетких онтологий сложных систем. – Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.23 – системы и средства искусственного интеллекта. – Харьковский национальный университет радиоэлектроники, Харьков, 2008.

Диссертационная работа посвящена моделированию процессов развития нечетких онтологий и методам анализа адекватности этих процессов. Целью работы является создание новых, научно-обоснованных моделей развития нечетких онтологий, и методов их эффективного использования в системах искусственного интеллекта с целью устранения неадекватности.

Основываясь на аналитическом обзоре существующих решений в области анализа развития онтологий, сделан вывод о необходимости разработки новых моделей развития, базирующихся на графовых структурах и дескриптивной логике. Сформулирована постановка задачи, как задача максимизации адекватности развития. Обоснована актуальность теоретических и практических аспектов задачи. Разработана общая методика проведения диссертационных исследований.

Объектом исследования является процесс развития нечетких онтологий в пространстве и времени. Предметом исследования являются методы и модели анализа развития нечетких онтологий сложных систем.

Получены новые научные результаты: впервые построена гибридная математическая модель развития онтологий, которая интегрирует новые экстенсивную и интенсивную модели, и позволяет решать новый класс задач анализа развития нечетких онтологий; впервые разработан метод анализа адекватности развития онтологий, который использует новые формальные критерии неполноты и избыточности, и дает возможность решать задачи в нечетком метрическом пространстве, тем самым повышая достоверность принимаемых решений; впервые разработан метод устранения динамической противоречивости онтологической информации, который базируется на введении нечетких аксиом в состав онтологии вместо противоречивых и дает возможность снизить трудоемкость принятия решений и повысить их достоверность в интеллектуальных системах управления знаниями сложных систем; получили дальнейшее развитие методы представления нечетких знаний в составе онтологий, что в отличие от существующих методов дает возможность рассматривать нечеткие онтологии вне конкретных спецификаций благодаря эквивалентным преобразованиям к единому виду; для решения практических задач предложены и обоснованы алгоритмические средства анализа развития онтологий и устранения динамической противоречивости; предложена и обоснована структура и функции инструментальных средств принятия решений в прикладных задачах.

Внедрение результатов диссертационных исследований в информационную систему промышленного предприятия по учету кадров, складскому учету и бухгалтерскому учету позволило интегрировать разрозненные информационные подсистемы в условиях гетерогенности знаний, и при этом не повысить сложность управлением полученной системой. Внедрение результатов работы позволило снизить сложность и трудоемкость принятия решений в рамках управления системой менеджмента знаний, а также упростило дальнейшее развитие интегрированной системы. Научные и практические результаты внедрены в учебный процесс университета.

Ключевые слова: интеллектуальное управление знаниями, нечеткие онтологии, экстенсивное/интенсивное развитие онтологий, критерии адекватности развития онтологий, менеджмент знаний.

ABSTRACT

Pavlov D.O. Methods and models of analysis of development of fuzzy ontologies of complex systems. – Manuscript.

Dissertation for a candidate of technical science (Ph. D.) degree in specialty 05.13.23 – systems and facilities of artificial intelligence. – Kharkiv National University of Radio Electronics, Kharkiv, 2008.

The dissertation thesis is concerned to development process modeling of fuzzy ontologies and to the methods of this processes analysis for the subject of adequacy. There are got new theoretical and practical results: for the first time there is built hybrid mathematical model of ontology development, which integrates new extensive and intensive; for the first time developed method of evaluation of ontology adequacy development, which uses new formal criteria of incompleteness and superfluity, that gives an opportunity to move to fuzzy metrical space; for the first time developed method of removal of dynamic antipathy properties of ontological information; there are got further development approaches to representation of fuzzy knowledge in ontologies, that gives an opportunity taking in consideration fuzzy ontologies beyond specifications without loss of conclusions commonness; for solution of practical tasks there are suggested and grounded algorithmic facilities of ontology development analysis, that are based on calculation of generalized inadequacy criteria according to worked out hybrid models of fuzzy ontologies development; there is suggested and grounded structure and functions of instrumental facilities of practical tasks solving for decision support.

Key words: intelligent knowledge control, fuzzy ontologies, extensive/intensive development of ontologies, criteria of development adequacy, knowledge management.