Статья

Название статьи ЭВОЛЮЦИОННЫЙ ПОДХОД К РЕШЕНИЮ ЗАДАЧИ ИНТЕГРАЦИИ ОНТОЛОГИЙ
Автор В.В. Бова, Д.В. Заруба, В.В. Курейчик
Рубрика РАЗДЕЛ I. ЭВОЛЮЦИОННОЕ МОДЕЛИРОВАНИЕ, ГЕНЕТИЧЕСКИЕ И БИОНИЧЕСКИЕ АЛГОРИТМЫ
Месяц, год 06, 2015
Индекс УДК 004.822
DOI
Аннотация В настоящее время интеграция данных и знаний является одной из наиболее важных задач обеспечения интероперабельности информационных систем на структурном и семантическом уровне. Рассматривается технология интеграции онтологий, предполагающая проведение автоматического сопоставления понятий интегрируемых онтологий с помощью составной семантической метрики (названий и значений понятий или их контекстов), множеств атрибутов и их положения в структуре исходных онтологий. Предлагается эволюционный подход к решению задачи интеграции множественных онтологий для обеспечения совместимости и репрезентации данных и знаний в интеллектуальных информационных системах. Такой подход позволяет определить семантически приоритетные объекты данных и знаний для их представления в модели интеграции, а также устранить дублирование и противоречия сущностей и связей на уровне предметной области и объектов данных из областей интеграции. Задачи интеграции знаний относятся к классу NP-трудных задач оптимизации, и могут быть реализованы с помощью алгоритмов генетического поиска оптимальных решений. С математической точки зрения процесс параметрической оптимизации сводится к решению задачи оценки семантической близости объектов знаний неоднородных онтологий, основанной на согласовании атрибутивной, таксономической и реляционной меры подобия. Предложенный генетический алгоритм основывается на использовании аналогов с эволюционными процессами репродукции, кроссинговера, мутации и естественного отбора. Для анализа разработанного подхода была проведена серия экспериментов. Полученные данные подтвердили теоретическую значимость и перспективность применения такого подхода, а также позволили установить оптимальные значения параметров алгоритма.

Скачать в PDF

Ключевые слова Интеграция данных и знаний; семантическая близость; онтологии; генетический алгоритм; генетические операторы; реляционная; таксономическая и атрибутивная меры подобия.
Библиографический список 1. Запорожец Д.Ю., Кравченко Ю.А., Лежебоков А.А. Способы интеллектуального анализа данных в сложных системах // Известия КБНЦ РАН. – 2013. – № 3. – С. 52-56.
2. Бова В.В. Концептуальная модель представления знаний при построении интеллектуальных информационных систем // Известия ЮФУ. Технические науки. – 2014. – № 7 (156). – С. 109-117.
3. Кравченко Ю.А. Бова В.В. Нечеткое моделирование разнородных знаний в интеллектуальных обучающих системах // Открытое образование. – 2013. – № 4 (99). – С. 70-74.
4. Родзина Л.С., Родзин С.И. Мобильные обучающие системы и онтологии // Онтология проектирования. – 2013. – № 3 (9). – С. 70-81.
5. Гаврилова Т.А. Онтологический подход к управлению знаниями при разработке корпоративных информационных систем // Новости искусственного интеллекта. – 2003. – № 1 (55). − С. 24-30.
6. Бова В.В., Лещанов Д.В. О вопросе интеграции ресурсов знаний на основе анализа и синтеза онтологий // Информатика, вычислительная техника и инженерное образование. – 2014. – № 3 (18). – С. 14-22.
7. Бова В.В. Онтологическая модель интеграции данных и знаний в интеллектуальных информационных системах // Известия ЮФУ. Технические науки. – 2015. – № 4 (165). – С. 225-237.
8. Скворцов Н.А. Вопросы согласования неоднородных онтологических моделей и онтологических контекстов // Онтологическое моделирование.
– M.: ИПИ РАН, 2008. – С. 149-166.
9. Лис К.П. Онтологическая интеграция данных моделирования для управления сервисноориентированной ИТ-инфраструктурой // Материалы 6-й Международной конференции СпбГУЭФ. – СПб.: Изд-во СпбГУЭФ. 2010. – С. 62-67.
10. Ландэ Д.В. Основы интеграции информационных потоков: Монография. – Киев: Инжиниринг, 2006. – 240 с.
11. Бова В.В., Лещанов Д.В., Кравченко Д.Ю., Новиков А.А. Компьютерная онтология: задачи и методология построения // Информатика, вычислительная техника и инженерное образование. – 2014. – № 4 (19). – С. 18-24.
12. Вагин В.Н., Михайлов И.С. Разработка метода интеграции информационных систем на основе метамоделирования и онтологии предметной области // Программные продукты и системы. – 2008. – С. 22-26.
13. Тузовский А.Ф. Работа с онтологиями в системе управления знаниями организации // Сборник тезисов докладов второй международной конференция по когнитивной науке CogSci-2006. – СПб.: СПбГУ, 2006. – Т. 2. – C. 581-583.
14. Батоврин В.К., Когаловский М.Р., Королев А.С., Петров А.Б. Разработка понятийной схемы (онтологии) для обеспечения единой семантики в среде открытой системы интеграции разнородных данных // Телематика’2006: материалы Всероссийской научно-методической конференции. – СПб.: Изд-во СПбГУ ИТМО,2006. – С. 90-91.
15. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. – М.: Физматлит, 2010. – 368 с.
16. Kravchenko Y.A., Kureichik V.V. Bioinspired algorithm applied to solve the travelling salesman problem // World Applied Sciences Journal. – 2013. – № 22 (12). – P. 1789-1797.
17. Kravchenko Y.A., Kureichik V.V., Gladkov L.A. Evolutionary Algorithm for Extremal Subsets Comprehension in Graphs // World Applied Sciences Journal. – 2013. – № 27 (9). – P. 1212-1217.
18. Zaporozhets D.U., Zaruba, D.V., Kureichik, V.V.: Representation of solutions in genetic VLSI placement algorithms, IEEE East-West Design & Test Symposium – (EWDTS’2014) Kiev, Ukraine, 2014. – P. 1-4.
19. Zaporozhets, D.Yu., Zaruba, D.V., Kureichik, V.V. Hybrid bionic algorithms for solving problems of parametric optimization // J. World Applied Sciences Journal. – 2013. – № 23. – Р. 1032-1036.
20. Бова В.В., Заммоев А.У., Дуккардт А.Н. Эволюционная модель интеллектуального анализа разнородных знаний // Известия КБНЦ РАН. 2013. – № 4 (54). – С. 7-13.
21. Кулиев Э.В., Лежебоков А.А., Дуккардт А.Н. Подход к исследованию окрестностей в роевых алгоритмах для решения оптимизационных задач // Известия ЮФУ. Технические науки. – 2014. – № 7 (156). – С. 15-25.
22. Bova V.V., Kureychik V.V., Legebokov A.A. The integrated model of representation model of representation oriented knowledge in information systems // Conference proceedings. 8th IEEE International Conference «Application of Information and Communication Technologies –
AICT 2014». – 15-17 October 2014, Astana, Kazakhstan. – Р. 111-115.
23. Noy N., Musen M. The PROMPT Suite: Interactive Tools For Ontology Merging And Mapping. Stanford Medical Informatics, Stanford University, 2003.
24. Noy N., Musen M. Anchor-PROMPT: Using NonLocal Context for Semantic Matching. In Proceedings of the Workshop on Ontologies and Information Sharing at the International Joint Conference on Artificial Intelligence (IJCAI), 2001.
25. Ehrig, Marc and Staab, Steffen QOM – Quick Ontology Mapping. in S.A. McIlraith et al. (Eds.): ISWC 2004, LNCS 3298. – 2004. – Р. 683-697.

Comments are closed.