Vývojář NetWeaver - NetWeaver Developer

Vývojář NetWeaver je znalostní databáze systém rozvoje. tento článek

  1. poskytuje krátkou historii systému,
  2. shrnuje klíčové vlastnosti softwaru,
  3. je trochu základ, popisující základní atributy znalostní báze NetWeaver, a
  4. poskytuje sekundární odkazy, které nezávisle dokumentují některé aplikace NetWeaver vyvinuté od konce 80. let (viz #Reference v tomto článku, stejně jako aplikace dokumentované pro EMDS Systém).

Nejprve však slovo o znalostních databázích. I když existují různé způsoby popisu a znalostní databáze, možná jedním z ústřednějších konceptů je, že znalostní báze poskytuje formální specifikaci pro interpretaci informací.[1] Formální v tomto kontextu znamená, že specifikace je ontologicky oddaný [2] na sémantiku a syntaxi předepsanou procesorem znalostní báze (aka engine).

Stručná historie

NetWeaver byl vytvořen koncem roku 1991 jako reakce na usnadnění úkolů znalostního inženýrství poskytnutím grafického uživatelského rozhraní pro odvozovací stroj ICKEE (IConic Knowledge Engineering Environment) vyvinutý na Penn State University Brucem J. Millerem a Michaelem C. Saundersem. První iterace byly jednoduše vizuální reprezentací sítí závislostí uložených v syntaxi podobné LISP. NetWeaver se rychle vyvinul do interaktivního rozhraní, kde vizuální prostředí bylo také schopné upravovat sítě závislostí a ukládat je ve formátu souboru ICKEE. Nakonec se NetWeaver stal „živým“ v tom smyslu, že mohl vyhodnotit závislostní sítě v reálném čase.

Základy NetWeaveru

NetWeaver znalostní databáze graficky představuje problém, který má být hodnocen jako sítě témat, z nichž každé hodnotí návrh. Formální specifikace každého tématu je graficky zkonstruována a skládá se z dalších témat (např. Prostor) souvisejících s logickými operátory, jako jsou a, nebo ne, atd. Témata a operátoři NetWeaveru vracejí průběžnou hodnotu.pravdivostní hodnota ’’,[3] který vyjadřuje sílu důkazů, které operátor a jeho argumenty poskytují tématu nebo jinému logickému operátoru. Specifikace jednotlivého tématu NetWeaveru podporuje potenciálně složité uvažování, protože témata i logické operátory lze zadat jako argumenty operátorovi. Z hlediska celé specifikace lze úplnou specifikaci znalostní báze problému považovat za mentální mapu logických závislostí mezi výroky. Jinými slovy, znalostní báze představuje formální logický argument v klasickém smyslu.[4]

Když se logika setká s grafikou

Kognitivní teorie naznačuje, že lidské bytosti mají dva základní způsoby uvažování: logický (i když neformálně to však někteří lidé mohou udělat, jsou-li ponecháni svým vlastním zařízením) a prostorový.[5] Zajímavé věci se stávají, když je logika implementována graficky.

Zaprvé, znalosti jednotlivých odborníků na předmět zabývající se [[znalostní inženýrství]] často nejsou plně integrovány při řešení složitých problémů, alespoň zpočátku. Spíše tyto znalosti mohou existovat v poněkud volněji organizovaném stavu, jakési polévce znalostí, v níž se vznášely kusy znalostí. Běžné pozorování znalostních inženýrů se zkušenostmi s grafickým návrhem znalostní databáze spočívá v tom, že proces konstrukce grafického znázornění znalostí o řešení problémů ve formálním logickém rámci se jeví jako synergický a v průběhu procesu se objevují nové poznatky o znalostech odborníka. (V tuto chvíli je toto tvrzení do značné míry neoficiální. Přispěvatelé tohoto článku musí najít vhodný způsob, jak tento bod zdokumentovat, protože se ve skutečnosti jedná o poměrně důležité zjištění, které se neomezuje pouze na NetWeaver, ale na znalostní inženýrství v širším smyslu).

Zadruhé, mohou se také objevit synergie podobné těm, které byly pozorovány při organizování úvah jednotlivých odborníků na předmět znalostní inženýrství projekty, které vyžadují interakci více oborů. Například do hodnocení celkového zdraví povodí může být zapojeno mnoho různých druhů specialistů. Použití formálního logického systému s dobře definovanou syntaxí a sémantikou umožňuje vyjádření odborníků v jejich přístupu k řešení problémů společným jazykem, což zase usnadňuje pochopení toho, jak do sebe zapadají všechny různé pohledy různých odborníků.

O znalostních databázích NetWeaver

Znalostní databáze NetWeaver byla vývojáři definována jako síť sítí (Miller a Saunders 2002). Každá síť odpovídá tématu zájmu o problém, který je hodnocen znalostní databází.

Znalostní databáze NetWeaveru jsou objektové. Existují dva základní typy objektů: sítě a datové odkazy, z nichž každý je v logické struktuře reprezentován programovacím objektem, který má stav i chování.

Modul NetWeaver je knihovna dynamických odkazů Windows (DLL) vyvinutá společností Rules of Thumb, Inc. (North East, PA). NetWeaver Developer je rozhraní k enginu, které se používá pro návrh znalostních databází.

Logické sítě

Znalostní databáze představuje znalosti o tom, jak vyřešit problém z hlediska témat zájmu v oblasti problému a vztahů mezi těmito tématy. Každá logická síť ve znalostní databázi NetWeaver představuje návrh o stavu nějakého stavu nebo procesu ekosystému.

  • Stav - Klíčovou stavovou proměnnou logické sítě je její pravdivostní hodnota, která vyjadřuje míru, do jaké důkazy z předcházejících sítí a datových spojů podporují nebo vyvracejí tvrzení. Logicky se říká, že síť A je předchůdcem sítě B, pokud B závisí na A, protože síť A musí být vyhodnocena, než bude možné vyhodnotit síť B.
  • Chování - Základní funkcí sítě je vyhodnotit pravdivost jejího návrhu. Sítě NetWeaver mají tři základní chování související s touto funkcí:
    • Dotazují se na své předchůdce, aby určili stav posledních.
    • Vyhodnocují svůj vlastní stav s ohledem na stav svých předchůdců.
    • Informují sítě vyšší úrovně, které na nich závisí na jejich stavu.

Datové odkazy

Datový odkaz je síť elementárních závislostí s mírně upraveným chováním.

  • Stav - Stejně jako síť, datový odkaz se může vyhodnotit na pravdivostní hodnotu vzhledem k datovému vstupu. Datový odkaz může také obsahovat datovou hodnotu, která je následně transformována matematickými operacemi definovanými pro vypočítaný datový odkaz.
  • Chování:
    • V NetWeaver Developeru datové odkazy vyzývají uživatele k zadání dat.
    • Po přijetí dat vyhodnotí datové odkazy svůj stav vzhledem k datovému vstupu (jednoduché datové odkazy) nebo předají hodnotu dat speciálnímu datovému spojení, které provede určitou transformaci vstupních dat (vypočítaný datový odkaz).
    • Informují sítě vyšší úrovně, které na nich závisí na jejich stavu.

Pravdivé hodnoty

Pravdivostní hodnota je základní stavová proměnná sítí a datových spojů. Vyjadřuje stupeň členství pozorování v sadě. Hodnocení stupně členství v množině je kvantifikováno v sémantice fuzzy logika.[6][7][8][9][10] Ekvivalentně si představte metriku pravdivostní hodnoty jako vyjádření míry, do jaké důkazy podporují návrh sítě nebo datového spojení; v EMDS je symbolika pro mapy zobrazující pravdivostní hodnoty sítě založena na konceptu síly důkazu. Další diskusi na toto téma najdete v části Interpretace hodnot pravdy.

Datové odkazy se často používají ke čtení základny a vyhodnocení jeho stupně členství v konceptu, který je kvantifikován ve fuzzy argumentu (argument, který kvantifikuje členství ve fuzzy sadě). V datovém spojení je tedy argument matematickým vyjádřením výroku. Některé jednoduché příklady zahrnují:

  • Pokud vztažný bod argumentu plně vyhovuje, pak je pravdivostní hodnota datového spojení 1 (plná podpora).
  • Pokud je datum zcela v rozporu s argumentem, pak je pravdivostní hodnota datového odkazu -1 (bez podpory).
  • Pokud údaj částečně vyhovuje argumentu, pak je pravdivostní hodnota datového spojení v otevřeném intervalu (-1, 1). Zejména si všimněte, že hodnoty záporné pravdy větší než -1 nepředstavují zápornou pravdu. Spíše takové hodnoty implikují nízké členství nebo nízkou podporu.
  • Pokud data nejsou známa, pak je pravdivostní hodnota datového spojení 0 (neurčeno).

Interpretaci pravdivostních hodnot v rámci sítí je třeba zacházet obecněji, protože pravdivostní hodnota sítě může záviset na několika až mnoha logických operátorech. Jednoduché příklady týkající se dvou klíčových logických operátorů AND a OR jsou:

  • Pokud logické předchůdce operátoru AND plně podporují vztah AND, pak je pravdivostní hodnota operátoru 1 (plná podpora).
  • Pokud je „“ „jakýkoli“ “logický předchůdce operátoru AND zcela v rozporu s AND

relace, pak je pravdivostní hodnota operátoru -1 (bez podpory).

  • Pokud logický předchůdce operátoru OR plně podporuje vztah OR, pak je pravdivostní hodnota 1 (plná podpora).
  • Pokud neexistuje žádný důkaz pro nebo proti vztahu AND nebo OR, pak je pravdivostní hodnota jednoho z operátorů 0 (neurčeno).

Stejně jako u datových odkazů mohou sítě také vyhodnotit jako částečně pravdivé. V NetWeaveru je tato podmínka podmíněna dvěma podmínkami:

  • Jedna nebo více datových položek chybí a nelze je dodat, a proto přispívají hodnotou 0 do AND.
  • Jedna nebo více datových položek, které ovlivňují pravdivostní hodnotu sítě závislostí, byly vyhodnoceny proti fuzzy argumentu a bylo zjištěno, že nemají plné členství ve fuzzy sadě definované fuzzy argumentem (data poskytují pro návrh pouze částečnou podporu).

Poznámky

  1. ^ Walters, J.R. a N.R. Nielsen. 1988. Tvorba znalostních systémů. New York: John Wiley and Sons. 342 s.
  2. ^ Gruber, T.R. 1995. Směrem k principům pro návrh ontologií používaných pro sdílení znalostí. International Journal of Human-Computer Studies 43: 907-928.
  3. ^ Miller, B.J. a M.C. Saunders. 2002. Referenční příručka NetWeaver. University Park, PA: Pennsylvania State University. 61 s.
  4. ^ Halpern, D.F. 1989. Myšlenka a znalosti, Úvod do kritického myšlení. Hillsdale, NJ: Lawrence Erlbaum Associates. 517 str.
  5. ^ Stillings, N.A., M.H. Feinstein, J. L. Garfield, [et al.]. 1991. Kognitivní věda: Úvod. Cambridge, MA: MIT Press. 533 s.
  6. ^ Zadeh, L.A. 1965. Fuzzy množiny. Information and Control 8: 338-353.
  7. ^ Zadeh, L. A. 1968. Míry pravděpodobnosti fuzzy událostí. J. Math. Anální. a Appl. 23: 421-427.
  8. ^ Zadeh, L.A. 1975. Koncept jazykové proměnné a jeho aplikace na přibližné uvažování, část I. Informační věda 8, 199-249.
  9. ^ Zadeh, L. A. 1975b. Pojem lingvistické proměnné a jeho aplikace pro přibližné uvažování. Část II. Informační věda 8: 301-357.
  10. ^ Zadeh, L.A. 1976. Koncept jazykové proměnné a jeho aplikace pro přibližné uvažování. Část III. Informační věda 9: 43-80.

Reference

Barr, N.B., R.S. Copeland, M. De Meyer, D. Masiga, H.G. Kibogo, M.K. Billah, E. Osir, R.A. Wharton a B.A. McPheron. 2006. Molekulární diagnostika ekonomicky významných druhů ovocných mušek Ceratitis (Diptera: Tephritidae) v Africe pomocí analýz PCR a RFLP. Bulletin of Entomological Research, 96: 505–521. online

Dai, J. J., S. Lorenzato a D. M. Rocke. 2004. Znalostní model hodnocení povodí pro sediment. Environmental Modeling & Software Volume 19: 423–433. online

Galbraith, John M., Ray B. Bryant, Robert J. Ahrens. 1998. Expertní systém pro taxonomii půdy. Soil Science Volume 163: 748–758. online

Heaton, Jill S., Kenneth E. Nussear, Todd C. Esque, Richard D. Inman, Frank M. Davenport, Thomas E. Leuteritz, Philip A. Medica, Nathan W. Strout, Paul A. Burgess a Lisa Benvenuti. 2008. Prostorově explicitní podpora rozhodování pro výběr translokačních oblastí pro pouštní želvy Mojave. Biodiversity and Conservation 17: 575–590. online

Hu, Z.B., X.Y. On, Y.H. Li, J.J. Zhu, Y. Mu a Z.X. Guan. 2007. Ying yong sheng tai xue bao (Časopis aplikované ekologie) 18: 2841-5. online

Janssen, R., H. Goosen, M.L. Verhoeven, J.T.A. Verhoeven, A.Q.A. Omtzigt a E. Maltby. 2005. Podpora rozhodování pro integrovaný management mokřadů, Environmental Modeling & Software Volume 20: 215–229. online

Mendoza, G.A. a Ravi Prabhu. 2004. Fuzzy metody pro hodnocení kritérií a indikátorů udržitelného lesního hospodářství. Ekologické ukazatele 3: 227–236. online

Paterson, Barbara, Greg Stuart-Hill, Les G. Underhill, Tim T. Dunne, Britta Schinzel, Chris Brown, Ben Beytell, Fanuel Demas, Pauline Lindeque, Jo Tagg a Chris Weaver. 2008. Fuzzy nástroj na podporu rozhodování pro přemístění divoké zvěře do komunálních konzervativců v Namibii, Environmental Modeling & Software Volume 23: 521–534. online

Porter, Andrea, Adel Sadek a Nancy Hayden. 2006. Fuzzy Geographic Information Systems for Phytoremediation Plant Selection. J. Envir. Ryt. 132: 120. online

Saunders, M.C., T.J. Sullivan, B.L. Nash, K.A. Tonnessen, B. J. Miller. 2005. Znalostní přístup ke klasifikaci chemie vody v jezeře. Znalostní systémy Svazek 18: 47–54. online

externí odkazy