Чтобы получить данную работу в формате .docx на свой E-mail - добавьте комментарий внизу страницы.

ОПИСАНИЕ РАБОТЫ:

Предмет:  ИНФОРМАЦИОННО-ПОИСКОВЫЕ СИСТЕМЫ
Название: Исследование архитектур информационно-поисковых систем 3
Тип:      диплом
Объем:    120 с.
Дата:     18.03.2014
Идентификатор: idd_1909_0000552

ЦЕНА:

2500

руб.

 

Внимание!!!

Ниже представлен фрагмент данной работы для ознакомления.

Вы можете купить данную работу прямо сейчас!

Нажмите кнопку “Купить” внизу.


Оплата онлайн возможна с Яндекс.Кошелька, с банковской карты или со счета мобильного телефона (выберите).

Исследование архитектур информационно-поисковых систем 3 (id=idd_1909_0000552) – диплом из нашего Каталога готовых дипломов. Он написан авторами нашей Мастерской дипломов на заказ и успешно защищен! Диплом абсолютно эксклюзивный, нигде в Интернете не засвечен, написан БЕЗ использования общедоступных бесплатных готовых студенческих работ из Интернета! Если Вы ищете уникальную, грамотно и профессионально выполненную дипломную работу – Вы попали по адресу.

Вы можете заказать Диплом Исследование архитектур информационно-поисковых систем 3 (id=idd_1909_0000552) у нас, написав на адрес через форму в нижнем правом углу страницы..

Обращаем ваше внимание на то, что скачать Диплом Исследование архитектур информационно-поисковых систем 3 (id=idd_1909_0000552) по дисциплине ИНФОРМАЦИОННО-ПОИСКОВЫЕ СИСТЕМЫ с сайта нельзя! Здесь представлено лишь несколько первых страниц и содержание этого эксклюзивного диплома, которые позволят Вам ознакомиться с ним. Если Вы хотите купить Диплом Исследование архитектур информационно-поисковых систем 3 (дисциплина/специальность – ИНФОРМАЦИОННО-ПОИСКОВЫЕ СИСТЕМЫ) – пишите.

Фрагмент работы:

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 3
1. ТЕОРЕТИЧЕСКИЕ СВЕДЕНИЯ 8
1.1.ЧТО ТАКОЕ СЕМАНТИЧЕСКАЯ СЕТЬ 8
1.2.ЯЗЫКИ ОНТОЛОГИЙ 10
1.3.МАШИНЫ ЛОГИЧЕСКОГО ВЫВОДА 15
1.4.О НЕКОТОРЫХ НАПРАВЛЕНИЯХ ИСПОЛЬЗОВАНИЯ АДАПТИВНЫХ СЕМАНТИЧЕСКИХ МОДЕЛЕЙ ПРИ ОБУЧЕНИИ 16
1.5.СЕМАНТИЧЕСКИЕ СЕТИ 23
1.5.1.ОПРЕДЕЛЕНИЕ 23
1.5.2.ИСТОРИЧЕСКАЯ СПРАВКА 24
1.5.3.ТИПЫ ОТНОШЕНИЙ В СЕМАНТИЧЕСКИХ СЕТЯХ 26
1.5.4.ОНТОЛОГИИ И ПРАВИЛА НАСЛЕДОВАНИЯ ОТНОШЕНИЙ 29
1.5.5.ПРИМЕРЫ 31
1.5.6.ФАКТЫ И ПРАВИЛА В СЕМАНТИЧЕСКОЙ СЕТИ 31
1.5.7.ИНТЕЛЛЕКТУАЛЬНЫЙ АГЕНТ СЕМАНТИЧЕСКОЙ СЕТИ 34
1.5.8.УПРАВЛЕНИЕ КОНТЕКСТОМ 35
1.5.9.СЕМАНТИЧЕСКАЯ СЕТЬ И СЕМАНТИЧЕСКАЯ ПАУТИНА 37
2.РАЗРАБОТКА СИСТЕМЫ 39
2.1.ПОСТАНОВКА ЗАДАЧИ И ОБЗОР АНАЛОГОВ 39
2.1.1.РАСШИРЕННЫЕ СЕМАНТИЧЕСКИЕ СЕТИ И. П. КУЗНЕЦОВА 39
2.1.2.НЕОДНОРОДНЫЕ СЕМАНТИЧЕСКИЕ СЕТИ Г. С. ОСИПОВА 42
2.1.3.ОБОБЩЕННАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ О ПРЕДМЕТНОЙ ОБЛАСТИ А. И. БАШМАКОВА 44
2.1.4.НЕЧЕТКИЕ СЕМАНТИЧЕСКИЕ СЕТИ И. А. ПЕРМИНОВА 48
2.2.ОПИСАНИЕ МОДЕЛИ СЕМАНТИЧЕСКОЙ СЕТИ 51
2.3.РАЗРАБОТКА АЛГОРИТМОВ ПОИСКА В СЕМАНТИЧЕСКОЙ СЕТИ 54
2.3.1.РАССТОЯНИЕ ЛЕВЕШТЕЙНА 55
2.3.2.РАССТОЯНИЕ ДАМЕРАУ-ЛЕВЕНШТЕЙНА 57
2.3.3.АЛГОРИТМЫ НЕЧЕТКОГО ПОИСКА БЕЗ ИНДЕКСАЦИИ (ОНЛАЙН) 57
2.3.4.АЛГОРИТМЫ НЕЧЕТКОГО ПОИСКА С ИНДЕКСАЦИЕЙ (ОФФЛАЙН) 60
2.3.5.АЛГОРИТМ РАСШИРЕНИЯ ВЫБОРКИ 62
2.3.6.МЕТОД N-ГРАММ 63
2.3.7.ХЕШИРОВАНИЕ ПО СИГНАТУРЕ 65
2.3.8.BK-ДЕРЕВЬЯ 68
2.3.9.ТЕСТИРОВАНИЕ 69
2.3.10.ОРГАНИЗАЦИЯ ПОИСКА В СЕТИ 70
2.4.АЛГОРИТМ ИСКЛЮЧЕНИЯ ДУБЛИРОВАНИЯ ИНФОРМАЦИИ 72
2.4.1.ИНФОРМАЦИОННАЯ СИСТЕМА ДЛЯ ПОСТРОЕНИЯ МОДЕЛИ ЗНАНИЙ 75
2.4.2.WEB-СЕРВЕР ИЗ ОДНОГО УЗЛА 77
2.4.3.ВЗАИМОДЕЙСТВИЕ ЭЛЕМЕНТОВ УЗЛА ВНУТРИ ЛОКАЛЬНОЙ СЕТИ 78
2.4.4.ИСПОЛЬЗОВАНИЕ КЛАСТЕРНЫХ ТЕХНОЛОГИЙ И БАЛАНСИРОВКИ НАГРУЗКИ 80
2.4.5.РЕКОМЕНДАЦИИ ПО ВЫБОРУ СЕТЕВОГО ОБОРУДОВАНИЯ 83
3.РАЗРАБОТКА БД «ISCMK» (INFORMATION SYSTEM TO CONSTRUCT A MODEL OF KNOWLEDGE) 87
3.1.НАЗНАЧЕНИЕ И ПРЕДМЕТНАЯ ОБЛАСТЬ 87
3.2.ПОСТРОЕНИЕ ИНФОЛОГИЧЕСКОЙ (ИНФОРМАЦИОННО-ЛОГИЧЕСКОЙ) МОДЕЛИ 88
3.3.РАЗРАБОТКА ПОЛЬЗОВАТЕЛЬСКОГО ИНТЕРФЕЙСА 91
3.3.1.ИНТЕРФЕЙС НЕЗАРЕГИСТРИРОВАННЫХ ПОЛЬЗОВАТЕЛЕЙ 91
3.3.2.ИНТЕРФЕЙС ЗАРЕГИСТРИРОВАННОГО ПОЛЬЗОВАТЕЛЯ 93
3.4.ХАРАКТЕРИСТИКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ ПОСТРОЕНИЯ МОДЕЛИ ЗНАНИЙ 95
ЗАКЛЮЧЕНИЕ 99
СПИСОК ЛИТЕРАТУРЫ 100
ГЛОССАРИЙ 102
ПРИЛОЖЕНИЕ А. РАЗВЕРТЫВАНИЕ БД «ISCMK» 106

ВВЕДЕНИЕ
Актуальность. Вступление человечества в XXI век требует перехода к новой стратегии развития общества на основе знаний и высокоэффективных технологий. Соответственно обеспечение эффективности системы образования – одна из важнейших задач. По признанию специалистов в XXI веке в образовании станут решающими именно информационные технологии. Важнейшей составляющей процесса обучения является методически правильное и обоснованное применение современных информационных технологий в учебном процессе. Главная способность компьютера заключается, несомненно, в его пригодности для автоматизированного обучения, интеллектуального управления процессом обучения.
Проблема. С позиций теории управления учебный процесс рассматривается как сложная система, где в роли объекта управления выступает учащийся со своими индивидуальными особенностями. В настоящее время стратегической линией исследования, разработки и внедрения образовательных информационных технологий является их интеллектуализация на основе моделей знаний учебного материала и моделей учебного процесса. Однако общепризнанных моделей и конструктивной теории решения этой проблемы в настоящее время нет, что и определяет актуальность проводимой работы.
Цель исследования. Для обеспечения информатизации учебного процесса необходимо разработать структуры представления знаний, алгоритмы для решения возникающих противоречий, алгоритмы поиска в семантической сети.
Задачи исследования в соответствии с целью:
1. теоретические сведения
1.1.что такое семантическая сеть
1.2.языки онтологий
1.3.машины логического вывода
1.4.о некоторых направлениях использования адаптивных семантических моделей при обучении
1.5.семантические сети
2.разработка системы
2.1.постановка задачи и обзор аналогов
2.2.описание модели семантической сети
2.3.разработка алгоритмов поиска в семантической сети
2.4.алгоритм исключения дублирования информации
3.разработка бд «iscmk» (information system to construct a model of knowledge)
3.1.назначение и предметная область
3.2.построение инфологической (информационно-логической) модели
3.3.разработка пользовательского интерфейса
3.4.характеристика информационной системы для построения модели знаний
Объект исследования – Семантические сети.
Предмет исследования – разработка семантической сети.
Степень разработанности проблемы. Семантические сети – наиболее мощная модель для представления знаний о предметной области, одно из важнейших направлений искусственного интеллекта. В общем случае под семантической сетью понимается выражение
(1)
где - множество объектов конкретной предметной области;
– множество отношений между объектами;
– тип отношений.

Шесть лет назад Тим Бернерс-Ли (Tim Berners Lee), Джеймс Хендлер (James Hendler) и Ора Лассила (Ora Lassila) представили в журнале Scientific American новую концепцию Семантическую сеть (Semantic Web) – информационную сеть со множеством взаимосвязей, к которой можно легко подключится с любого настольно или карманного компьютера и которая проста в использовании. Они описали будущее, в котором интеллектуальные программы будут через Интернет автоматически заказывать билеты на авиарейсы и бронировать места в отелях, вносить новые записи в истории болезни и давать однозначные ответы на запросы, избавляя от нас необходимости самостоятельно анализировать результаты поиска.
Тим Бернерс-Ли, Джеймс Хендлер и Ора Лассила представили также средства, позволяющие воплотить эту идею в реальность: общий язык представления данных, понятный всем видам программных агентов, онтологии наборы операторов для перевода информации из баз данных с различной структурой в общие термины, и правила, позволяющие программным агентам “осмысливать” информацию, описанную в этих терминах. Формат данных, онтологии и программы “осмысления” должны работать во Всемирной паутине как единое большое приложение, анализирующее все исходные данные, хранящиеся в оперативных базах данных, и всю информацию о текстах, изображениях, видеофрагментах и их взаимосвязях, имеющуюся в Сети. Семантическая сеть будет расти стихийно, но ее развитие будут поддерживать специалисты из Веб-консорциума (World Wide Web Consortium).
Скептики утверждают, что Семантическая сеть слишком сложна для понимания и пользоваться ею будет трудно. Вовсе нет. Необходимые технологии уже в достаточной степени отработаны. Энергичное сообщество первых пользователей согласовало стандарты, делающие работу с Семантической сетью более удобной. Крупные компании работают над масштабными проектами, призванными существенно повысить эффективность использования информационной сети как в научных исследованиях, так и в быту. Другие компании используют Семантическую сеть для развития межкорпоративных взаимодействий и создания незаметных для пользователя систем обработки данных, обеспечивающих функционирование новых потребительских сервисов. Пользовательские приложения — всего лишь часть этой работы, подобно верхушке айсберга.Шесть лет назад Тим Бернерс-Ли (Tim Berners Lee), Джеймс Хендлер (James Hendler) и Ора Лассила (Ora Lassila) представили в журнале Scientific American новую концепцию Семантическую сеть (Semantic Web) – информационную сеть со множеством взаимосвязей, к которой можно легко подключится с любого настольно или карманного компьютера и которая проста в использовании. Они описали будущее, в котором интеллектуальные программы будут через Интернет автоматически заказывать билеты на авиарейсы и бронировать места в отелях, вносить новые записи в истории болезни и давать однозначные ответы на запросы, избавляя от нас необходимости самостоятельно анализировать результаты поиска.
Тим Бернерс-Ли, Джеймс Хендлер и Ора Лассила представили также средства, позволяющие воплотить эту идею в реальность: общий язык представления данных, понятный всем видам программных агентов, онтологии наборы операторов для перевода информации из баз данных с различной структурой в общие термины, и правила, позволяющие программным агентам “осмысливать” информацию, описанную в этих терминах. Формат данных, онтологии и программы “осмысления” должны работать во Всемирной паутине как единое большое приложение, анализирующее все исходные данные, хранящиеся в оперативных базах данных, и всю информацию о текстах, изображениях, видеофрагментах и их взаимосвязях, имеющуюся в Сети. Семантическая сеть будет расти стихийно, но ее развитие будут поддерживать специалисты из Веб-консорциума (World Wide Web Consortium).
Скептики утверждают, что Семантическая сеть слишком сложна для понимания и пользоваться ею будет трудно. Вовсе нет. Необходимые технологии уже в достаточной степени отработаны. Энергичное сообщество первых пользователей согласовало стандарты, делающие работу с Семантической сетью более удобной. Крупные компании работают над масштабными проектами, призванными существенно повысить эффективность использования информационной сети как в научных исследованиях, так и в быту. Другие компании используют Семантическую сеть для развития межкорпоративных взаимодействий и создания незаметных для пользователя систем обработки данных, обеспечивающих функционирование новых потребительских сервисов. Пользовательские приложения — всего лишь часть этой работы, подобно верхушке айсберга.
Практическая значимость. В выполняемой диссертации была разработана информационная система для построения модели знаний:
Разработана структура представления знаний.
Разработаны алгоритмы для исключения дублирования информации.
Разработаны алгоритмы поиска в семантической сети.
Разработана информационная система для построения модели знаний.
Система, разработанная в данной диссертации, в дальнейшем будет развиваться, и стремиться выйти на мировой уровень.
Методы исследования. Анализа и синтеза, эксперимент, методы искусственного интеллекта.

ТЕОРЕТИЧЕСКИЕ СВЕДЕНИЯ
Что такое семантическая сеть
СЕМАНТИЧЕСКАЯ СЕТЬ (Semantic Web) – набор форматов и языков, позволяющих находить во Всемирной паутине и анализировать данные, дающий пользователям возможность понимать все виды сетевой информации.
Семантическая сеть представляет собой не что-то отделенное от Всемирной паутины, а ее дополнение. Она начинает функционировать, когда люди объединенные общим делом, договариваются об общих схемах представления интересующей их информации. С появлением новых групп, разрабатывающих эти таксономии инструментарий семантической сети позволяет им связывать свои схемы и переводить термины, постепенно расширяя круг пользователей, веб-программы которых автоматически понимают друг друга.
Основные положения
Для семантической сети появляются самые разнообразные приложения от мобильной телефонной службы Vodafone Live! До системы координирования работы поставщиков компании “Боинг”.
Ученые разрабатывают самые передовые приложения, в том числе систему выявляющую генетические причины сердечных заболеваний, а также систему раннего обнаружения эпидемий гриппа.
Компании и университеты, работающие в рамках Веб-консорциума (World Wide Web Consortium) разрабатывают стандарты, которые должны сделать семантическую сеть более доступной и простой в использовании.
Элементами Семантической сети являются несколько форматов и языков семантический ормат интернет программный
Они дополняют различные программные технологии, лежащие в основе Интернета и опубликованные в качестве стандартных в рамках программы Semantic Web Activity Веб-консорциума.
Формат RDF. Самым главным элементом является формат Resource Description Framework (RDF), для определения информации в информационной сети. Каждому блоку данных и каждой связи между двумя блоками присваивается уникальное имя, так называемый универсальный идентификатор ресурса (Universal Resource Identifier, URI). Общеизвестные веб-адреса (Universal Resource Locators, URL), которыми мы все пользуемся являются частными форматами URI. В RDF-схеме два блока информации и любое указание, описывающее связь между ними, объединяются в тройку. Например сетевая ссылка на известное животное-телегероя – дельфина по имени Флиппер, ссылка на связь “есть” и ссылка на понятие “Дельфин” могут быть объеденены в тройку.

Идентификаторы URI могут согласовываться органами стандартизации или сообществами либо присваиваться отдельным лицам. Связь “Is A” настолько общеполезна, что Веб-консорциум опубликовал для нее стандартный URI. Для представления понятия “дельфин” любой пользователь может выбрать URI “http://en. wikipedia.org/wiki/Dolphin”. Таким образом, люди, работающие с разными наборами информации, могут совместно пользоваться данными о дельфинах и животных-телегероях и повсюду объединять большие базы данных.

Языки онтологий
Отдельные люди или группы могут определять термины и данные, которыми они часто пользуются, а также взаимоотношения между ними. Такой набор определений называется онтологией. Онтологии могут быть как сложными (с тысячами терминов), так и простыми. Язык Web Ontology Language (OWL) является одним из стандартов, которые можно использовать для такого определения онтологий, что бы они были взаимно совместимыми и понятными для формата RDF.
Две базы данных могут использовать различные идентификаторы для обозначения одного и того же понятия, такого как почтовый индекс. И программа, желающая сравнить или как-то скомбинировать информацию из этих баз данных, должна знать, что два конкретных термина используются ими для обозначения одного и того же. В идеале, у программы должен быть способ распознавать подобные термины с одинаковым смыслом, с какими бы базами данных ей не пришлось столкнуться в процессе своей работы.
Решение этой проблемы даётся третьим базовым компонентом Семантической Сети — онтологией. Онтология — это документ или файл, формально задающий отношения между терминами. Наиболее типичными видами онтологий в Сети являются таксономия и набор правил вывода.
Таксономия определяет классы объектов и отношения между ними. Например, понятие адрес может быть определено как разновидность понятия местонахождение [location], а код города можно задавать применительно лишь к местонахождениям и так далее. Задание классов, подклассов, а также отношений между индивидами [entities] является чрезвычайно мощным инструментом для использования в Сети. Большое количество отношений между индивидами можно задать путём приписывания классам определённых свойств и позволяя подклассам наследовать эти свойства. Если, скажем, код города есть свойство объектов типа город, а в свою очередь, города, в большинстве своём, имеют собственные веб-сайты, то мы можем говорить, что некий веб-сайт связан с определённым кодом города, хотя в нашей базе и нет прямой связи, ведущей от кода города к веб-сайту.
Правила вывода, задаваемые в онтологиях, дают ещё больше возможностей. В рамках онтологии можно записать такое правило: “Если код города соответствует некоторому коду штата, а в адресе фигурирует код города, то этому адресу тоже соответствует тот же самый код штата”. В этих условиях программа может без труда вывести, например, что коль скоро Корнельский Университет находится в г. Итака, который расположен в штате Нью-Йорк, который, в свою очередь, есть часть США, то адрес этого университета следует писать в американском формате. Компьютер не “понимает” в полном смысле этого слова ничего из всей этой информации, но теперь он уже может манипулировать терминами гораздо более эффективно с тем, чтобы стать полезным и осмысленным для пользователя-человека.
Как только доступные всем онтологии появятся в Сети, описанные терминологические (и другие) проблемы обретут своё решение. Смысл каждого термина или XML-кода, использованного на веб-странице, можно будет задать посредством указателя с этой страницы на соответствующую онтологию. Конечно же, тут возникает та же самая проблема, что и упомянутая выше, когда один пользователь ссылается на одну онтологию, в которой определено понятие адреса, включающего в себя понятие zip-кода [синоним термина “почтовый индекс” в англ. яз.], а другой ссылается на другую онтологию, оперирующую уже термином почтовый индекс. Однако такого рода путаницу можно устранить, если онтологии (или же какие-то другие веб-сервисы) позволяют задавать отношение эквивалентности: в одну или же в обе наши онтологии можно поместить информацию о том, что понятие zip-кода эквивалентно понятию почтового индекса.
Эта загвоздка частично будет устранена, если две упомянутые в ней базы данных будут ссылаться на разные определения термина адрес. Программа, используя различные URI-идентификаторы для этих различных понятий адреса, уже не будет их путать, и на самом деле даже обнаружит, что эти два понятия почти не связаны друг с другом. Далее программа может воспользоваться неким сервисом, позволяющим взять список почтовых адресов (термин из одной онтологии) и преобразовать его в список физических адресов (термин второй онтологии), распознав и выбросив из него абонентские ящики и другие, неподходящие для наших целей адреса. Таким образом, структура и семантика, задаваемые в онтологиях, позволяют предпринимателю предоставлять подобные услуги и делать их чрезвычайно прозрачным в использовании.
Онтологии способны улучшить функциональность Сети во многих аспектах. В простейшем случае, их можно использовать для увеличения точности поиска в Сети — поисковая машина будет выдавать только такие сайты, где упоминается в точности искомое понятие, а не произвольные страницы, в тексте которых встретилось данное многозначное ключевое слово. Более продвинутые приложения будут использовать онтологии, чтобы соотнести информацию на странице со связанной с ней структурой знаний и правилами вывода. Пример страницы, размеченной для такого использования, уже есть в сети по адресу http://www.cs.umd.edu/~hendler. Открыв эту страницу с помощью веб-браузера, вы увидете самую обычную страницу, с заголовком “Dr. James A. Hendler”. Вы легко, с точки зрения человека, найдёте там ссылку на краткий биогафический очерк, где прочтёте, что Хендлер получил степень Доктора Философии [Ph.D.] в Браунском [Brawn] Университете. Однако, если же эту информацию попытается найти компьютерная программа, то ей будет чрезвычайно сложно догадаться, что эта информация является биографией, и понять написанный там текст на английском языке.
Именно по этой причине для компьютерного восприятия данная страница снабжена ссылками на онтологическую страницу, задающую информацию о факультете Computer Science. На ней, в частности, говорится, что профессора работают в университете и что они обычно имеют докторскую степень. Далее разметка (не отображающаяся на дисплее стандартным веб-браузером) на странице Хендлера, используя понятия этой же онтологии, сообщает, что Хендлер получил степень Доктора Философии в организации, описанной по URI-адресу http://www.brown.edu, который является адресом веб-страницы Браунского Университета. Компьютер также может найти на этой странице информацию о том, что Хендлер является участником определённого исследовательского проекта, у него есть определённый e-mail-адрес и так далее. Вся эта информация может быть без особого труда обработана компьютером и использована для ответов на различные запросы (как например: где доктор Хендлер получил учёную степень?), тогда как сейчас для этого требуется, чтобы человек внимательно ознакомился с содержанием нескольких страниц, которые выдала поисковая система.
Кроме того, подобная разметка делает гораздо проще разработку программ, которые будут способны обрабатывать более сложные вопросы, ответы на которые не содержатся на какой-то одной веб-странице. Предположим, Вы хотите найти некую госпожу Кук [Ms. Cook], с которой Вы познакомились на профсоюзной конференции в прошлом году. Вы не помните её имени, однако помните, что она работала в какой-то компании, которая является Вашим клиентом, и что её сын учится в том же университете, который окончили Вы. Умная поисковая система просканирует все страницы людей с фамилией Кук (при этом пропуская страницы о поварах [cooks], приготовлении пищи [cooking], Кукских островах [Cook Islands] и т.п.), выберет среди них те, на которых упоминаемый человек работает в компании, входящей в список Ваших клиентов, а также пробежит по ссылкам на веб-страницы учебных заведений, в которых учатся их дети, чтобы проверить, не тот ли самый это университет.
СОВЕРШЕННЫЕ и ТОЧНЫЕ АВТОМАТИЗИРОВАННЫЕ поисковые системы станут возможны, когда Сеть наполнится семантикой. На рисунке поисковая программа безошибочно отыскивает человека, основываясь на наборе частично припомненных знаниях: её фамилия “Кук”, она работает в компании, входящей в список Ваших клиентов, и у неё есть сын, учащийся в том же университете, который окончили Вы (Avondale University). Правильной комбинации нужной информации нет ни на одном отдельно взятом веб-сайте, однако благодаря семантике программа достаточно легко распознала отдельные элементы этой информации на различных веб-страницах, поняла отношения между ними, как то “Майк Кук является сыном Уэнди Кук” и правильно составила из этих частей единое целое. В общем случае, семантика позволит автоматически проводить сложные процессы и трансакции. (Рисунок 1)

Машины логического вывода
Онтологии можно считать работающими уровнем выше RDF, а машины логического вывода работают уровнем выше онтологий. Эти программы исследуют различные онтологии и находят новые взаимоотношения и связи между содержащимися в них терминами и данными. Например, машина логического вывода может изучать три представленные ниже RDF-тройки и сделать вывод, что Flipper есть млекопитающее. Распознавание связей межу различными источниками – важный этап на пути к выявлению “смысла” информации.

Другие технологии
Веб-консорциум разрабатывает машины логического вывода и многие другие технологии. В их числе язык запросов SPARQL, позволяющий приложениям искать конкретную информацию в RDF-данных, и технология GRDDL, дающий возможность пользователям публиковать данные в тех форматах, которыми они пользуются, например, HTML или XML, И определять способы перевода этих данных в RDF.

О некоторых направлениях использования адаптивных семантических моделей при обучении
Широкое использование ИКТ на разных этапах обучения предполагает совершенствование существующих и разработку новых методик обучения с целью повышении эффективности этого процесса и его качества.
В настоящее время существует много различных вариантов преподавания информатики, в процессе проектирования и реализации которых формируется язык информатики, выявляются основные понятия курса, определяются его содержание и структура. В связи с существующим в настоящее время большим количеством учебных и методических пособий отбор содержания курса и методов его изложения представляет достаточно сложную и, несомненно, актуальную задачу для учителей и преподавателей информатики.
Известно, что информатика – это динамично развивающаяся предметная область: совершенствуется аппаратная часть ПК, появляется новое программное обеспечение, соответственно пополняется новыми понятиями содержание предмета. Причем, современные ЭВМ становятся более интеллектуальными, основой функционирования которых является семантический диалог.
В связи с пополнением содержания курса, совершенствуется и методика ее преподавания. Поэтому в связи с изменениями целей обучения по информатике, введением новых тем и вопросов для изучения и уточнением содержания основных разделов возникает необходимость более четкого структурирования и классификации понятий в процессе анализа и проектирования учебных курсов.
Кроме того, быстрое развитие ИТ и сети Интернет, в последнее время породило ряд проблем, связанных с быстрым ростом объемов слабо структурированной, дублирующей информации, подлежащей хранению и обработке, что ограничивает возможность смыслового поиска необходимой информации и доступ к ней. Над решением перечисленных проблем работают многочисленные коллективы ученых и специалистов во всем мире, в частности, консорциум W3C, где реализуется концепция Семантического Web [1].
Как показывает изучение электронных образовательных средств, используемых при обучении информатике, многие из существующих электронных курсов являются замкнутыми системами с жесткими моделями, не всегда позволяющими адаптировать их к конкретному уровню знаний обучаемого.
При разработке систем, основанных на знаниях, возникает ряд проблемных задач (рис. 2), основными из которых являются: что представлять (состав знаний) и как представлять знания (модель представления знаний). В свою очередь указанные задачи подразделяются на конкретные подзадачи, связанные с архитектурой автоматизированной обучающей системы (АОС), средой обучения, учета потребностей и целей пользователя и др.

Рисунок 2 – Задачи, возникающие при разработке систем знаний.

Эффективное решение указанных задач возможно при проектировании систем обучения на основе интеллектуальных адаптивных семантических моделей. Отличительной особенностью этих систем является глубокая структуризация изучаемых понятий предметной области и их представление в виде иерархической модели [2, стр.92], наличие таких интеллектуальных качеств как идентификация знаний обучаемого, его личностных характеристик и способностей, адаптация процесса обучения к индивидуальным особенностям обучаемого, что позволяет индивидуализировать и повысить качество обучения.
Традиционная система обучения информатике стремится дать обучаемым как можно больше фактического материала. При таком подходе оценка качества знаний производится посредством учета количества фактов (понятий, элементов знаний), которыми оперирует обучаемый, и точностью их воспроизведения. Поскольку изучаемые понятия предметной области взаимосвязаны, следует одно из другого и т.д., в стороне остаются связи, отношения между понятиями и правила логического вывода конкретных понятий из более обобщенных категорий предметной области. Такого рода обучение приводит к формализму знаний. Особенно велико значение отношений, связей и последовательности элементов учебного материала при обучении на основе компьютерных технологий, что предполагает использование семантического подхода при разработке системы обучения информатике [3].
В нашем динамично развивающемся мире качество подготовки специалистов во многом определяется качеством учебников и учебных пособий, используемых им при обучении [4].
Предлагаемый нами подход основан на структуре знаний, принципах построения систем искусственного интеллекта и информационных семантических систем (ISS). Он объединяет процедурный и декларативный подходы к представлению знаний, базируется на теории семантических сетей и продукционных правилах.
Реализация указанных свойств системы обучения информатике реализуется с использованием эвристических моделей представления знаний.
В отличие от логических моделей эвристические модели имеют разнообразный набор средств, передающих специфические особенности той или иной предметной области.
Остановимся на некоторых понятиях из теории семантических сетей, которые мы выбрали для представления знаний и обеспечения процесса обучения информатике.
Неформально под семантической сетью понимается сеть с помеченными вершинами и дугами. При более строгом подходе считается, что семантическая сеть состоит из множества символов [В. Лозовский, 1982]:
A = { A1, . . . . . , Ar} , которые называют атрибутами. Схемой или интенсионалом некоторого отношения Ri в атриб



диплом Исследование архитектур информационно-поисковых систем 3 (id=idd_1909_0000552)

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *