KURSA AUTORS (-I)

KURSA ANOTĀCIJA

Kursa mērķis ir apgūt vienu no semantiskā tīmekļa pamatkomponentiem – aprakstošās loģikas un uz tām balstītos secinātājus. Aprakstošās loģikas ir klasiskās predikātu loģikas apakškopas, kas speciāli pielāgotas konceptuālās informācijas pierakstam un apstrādei. Viena no galvenajām to īpašībām, ko izmanto secinātājos – efektīvi risināma iekļautības un konsistences problēma. Kursā paredzēts apgūt kā aprakstošo loģiku teorētiskos pamatus, tā arī secinātāju būves principus, un praktiski izmēģināt vienu no tiem.

REZULTĀTI

1. Orientēties aprakstošo loģiku teorētiskajos pamatos.

2. Saprast secinātāju uzbūves un darbības principus.

3. Praktiski izmēģināt kādu no secinātājiem.

PRASIBAS KREDĪTPUNKTU IEGŪŠANAI

Studenti var klausīties lekcijas un/vai patstāvīgi studēt grāmatu attiecīgās nodaļas un e-kursa materiālus. Katram studentam jāuzraksta atbildes e-kursa uzdevumiem. Neskaidrās un ieinteresējušās problēmas var apspriest lekciju laikā, e-kursa diskusijās un e-pastā. Katra atbilde tiek novērtēta ar punktu skaitu (kas nepārsniedz uzdevumam noteikto maksimumu). Eksāmena atzīme (0-9) tiek noteikta atkarībā no iegūto punktu skaita. Atzīmes „izcili” iegūšanai paredzēts neobligāts kursa darbs.

KURSA PLĀNS

KURSA SATURS

Tēma Nr. 1. Ievads.

Jēdzienu definēšana, izmantojot pilnu predikātu rēķinu valodu. Jēdzienu pakļautības un saskaņotības pārbaudes uzdevumi. Šo uzdevumu ārkārtīgi lielā algoritmiskā sarežģītība pilnajiem izteikumu rēķiniem un predikātu rēķiniem. Semantiskie tīkli un freimi kā pirmie mēģinājumi šo sarežģītību pārvarēt. Aprakstošo loģiku pamatidejas.

Tēma Nr. 2. Aprakstošo loģiku pamatveidi.

Aprakstošo loģiku sintakse un semantika. Jēdzienu un lomu galvenie konstruktoru veidi. Pirmā aprakstošā loģika ALC (visas Būla operācijas un ierobežoti kvantori). Zināšanu bāze sastāv no T-Box un A-Box. Terminoloģisko zināšanu kopa (T-Box): jēdzienu definīcijas ar izteiksmēm un jēdzienu pakļautības aksiomas. Faktu zināšanu kopa jeb zināšanas par instancēm (A-Box): instanču piederība jēdzieniem un iesaiste lomās. Tipiskās secināšanas problēmas: jēdzienu pakļautības noteikšana, definīciju kopas (T-Box vai T+A-Box) izpildāmības (bezpretrunības) pārbaude, šo problēmu savstarpējā saistība.

Tēma Nr. 3. Secināšanas sarežģītība.

Jēdzienu pakļautības un izpildāmības noteikšanas algoritmiskā sarežģītība - novērtējumi dažādiem aprakstošo loģiku veidiem. Korelācija starp loģikas „izteiksmību” un secināšanas sarežģītību. Sarežģītības galvenie „avoti”.

Tēma Nr. 4. Aprakstošo loģiku sakars ar citiem formālismiem.

Aprakstošo lielākā daļa ir (pirmās pakāpes) predikātu loģikas apakškopas, kam secināšanas problēma ir algoritmiski atrisināma (ExpTime vai labāk: PSpace, NP vai pat P). Predikātu loģika L2 (tikai divi mainīgie) ir NExpTime-pilna. ALC (arī ALC ar lomu inversiju un lomu Būla operācijām) ir L2 apakškopa. Transitīvo lomu/slēgumu ievešana noved pie algoritmiski neatrisināmas secināšanas. Vairums aprakstošo loģiku secināšanas sarežģītība ir ExpTime vai mazāka. Aprakstošo loģiku sakars ar semantiskajiem tīkliem un citiem datu modeļiem.

Tēma Nr. 5. “Izteiksmīgās” aprakstošās loģikas.

Aprakstošās loģikas, kas izmanto: pakļautības aksiomas, apgrieztās lomas, skaita ierobežojumus, lomu transitīvos slēgumus, rekursīvu definīciju fiksētos punktus, nebinārās relācijas. Secināšanas algoritmi šīm loģikām, to eksistence un sarežģītība.

Tēma Nr. 6. Aprakstošo loģiku paplašinājumi.

Aprakstošās loģikas, kas izmanto: konkrētus apgabala ierobežojumus, temporālos operatorus, varbūtības, noklusējumus (defaults). Nestandarta secināšanas problēmas: mazākā kopīgā aptverošā jēdziena atrašana (jēdzienu kopai), visspecifiskākā jēdziena atrašana (A-Box instancei), jēdzienu unifikācija un saskanības noteikšana (matching), jēdzienu pārrakstīšana (rewriting).

Tēma Nr. 7. Realizācija: zināšanu attēlošanas sistēmas.

Prasības zināšanu attēlošanas sistēmai (lietotāja servisi, lietojumprogrammu saskarnes utt.).

Tēma Nr. 8. Realizācija: aprakstošo loģiku sistēmas.

Pirmās paaudze sistēmu pamatidejas: KLOne, Krypton, Nikl, Kandor. Otrā paaudzes sistēmas: Classic, Back, Loom, Kris, Crack. Jaunā paaudzes optimizētās sistēmas: DLP, Fact, Racer.

Tēma Nr. 9. Realizācijas un optimizācijas metodes.

Reālos lietojumos, aprakstošo loģiku sistēmām jābūt gan „izteiksmīgām”, gan ātrām (secināšanas ziņā). „Izteiksmīgajām” loģikām ir ļoti augsta maksimālā (worst-case) sarežģītība, bet ne tik liela vidējā sarežģītība. Lai šī maksimālā sarežģītība (eksponenciālais „sprādziens” utml.) neizpaustos reālos lietojumos, secināšanas algoritmu realizācijas ir jāoptimizē, izmantojot diezgan daudz dažādu ideju. Secinātāju optimizācijas metožu katalogs. Efekts var sasniegt pat četras lieluma kārtas.

Tēma Nr. 10. Lietojumi: konceptuālā modelēšana.

Statiskās taksonomijas (terminoloģiskās sistēmas), kurās netiek izmantotas loģikas iespējas, iznāk ļoti lielas un jēdzieni tajās iznāk ļoti sarežģītā veidā saistīti. Liela ir kļūdu un izlaidumu iespēja. Situāciju var uzlabot, ja atkarīgos jēdzienus definē, izmantojot aprakstošo loģiku un analīzei izmanto secināšanu. Universitātes bibliotēkas konceptuālā modelēšana kā piemērs. Modelēšanas problēmas, ko var risināt ar loģikas palīdzību: jēdzienu specializācija, nebinārās relācijas, materializācija, agregācijas relācijas utt.

Tēma Nr. 11. Lietojumi: programmatūras izstrāde.

Aprakstošo loģiku izmantošana, būvējot zināšanu bāzes lielu programmatūras sistēmu uzturētājiem. Sistēma LaSSIE kā piemērs.

Tēma Nr. 12. Lietojumi: konfigurēšana.

Telekomunikāciju iekārtu konfigurēšanas uzdevums. Komponentu raksturlielumus glabā uz aprakstošo loģiku balstītā zināšanu bāzē. Ar secinātāja palīdzību tiek pārbaudīta pieprasīto konfigurāciju saskaņotība un cena.

Tēma Nr. 13. Lietojumi: medicīnas informātika.

Medicīnas terminoloģija ietver ap 250000 terminu, kas savā starpā ir stipri saistīti (desmit un vairāk konjunkcijas locekļu, lieli pakļautības dziļumi). Šeit jāizmanto aprakstošās loģikas ar ierobežotiem izteiksmes līdzekļiem, kas atļauj ātru secināšanu lielos informācijas apjomos. Sekmīgāko sistēmu piemēri: OpenGALEN, SNOMED-RT.

Tēma Nr. 14. Lietojumi: tīmekļa informācijas sistēmas.

Aprakstošo loģiku izmantošanas vēsture tīmekļa informācijas sistēmās. Jaunākie pētījumi par OIL, DAML+OIL un semantisko tīmekli. OIL un DAML+OIL ir ontoloģiju valodas, kas speciāli radītas izmantošanai tīmeklī, tās izmanto pastāvošos tīmekļa standartus (XML, RDF, RDFS).

Tēma Nr. 15. Lietojumi: dabisko valodu apstrāde.

Dabisko valodu apstrādes lietojumos aprakstošās loģikas tiek izmantotas, lai zināšanu bāzē varētu fiksēt valodas sintakses, semantikas un pragmatikas elementus, kas nepieciešami valodas interpretācijas un ģenerācijas procesu vadīšanai.

Tēma Nr. 16. Lietojumi: datubāzes.

Aprakstošās loģikas dod iespēju fiksēt precīzu semantiku daudzām datu modelēšanas metodoloģijām (tai skaitā – EER). Secinātājus var izmantot: datubāzu shēmu projektēšanai, evolūcijai un vaicājumu optimizācijai, datu avotu integrācijai heterogēnās datubāzēs un datu noliktavās, vairāk-dimensiju agregāciju konceptuālai modelēšanai. Rīks I.COM kā piemērs.

Tēma Nr. 17. Secinātāji.

Praktiska darbošanās ar sistēmām Fact un I.COM.

LITERATŪRA

Mācību pamatliteratūra

Papildliteratūra

Periodika, interneta resursi