SEMANTIC ONTOLOGY MODEL OF THE CONTENT MODULE OF THE COURSE "INTELLIGENT TECHNOLOGIES OF DECISION-MAKING MANAGEMENT"

• Authors: Tsidylo Ivan

Title variants

PL

SEMANTYCZNA ONTOLOGIA MODELU ZAWARTOŚCI MODUŁU KURSU "INTELIGENTNE TECHNOLOGIE ZARZĄDZANIA PODEJMOWANIEM DECYZJI"

• Languages of publication: PL EN

Abstracts

PL

Ten artykuł analizuje model reprezentacji wiedzy w postaci ontologii do opisu przedmiotu. Trzy typy obiektów są rozpatrywane: zorientowanych dziedzinowo, zadaniowo i najwyższego poziomu. Konieczność budowania wspólnej ontologii, która zawiera właśnie wymienione trzy typy ontologii została potwierdzona. Model reprezentacji wiedzy jest zdefiniowany jako zbiór składniowej i semantycznej konsystencji, co umożliwia opisanie obiektu. Do modelowania semantycznego modelu ontologii wykorzystana została symulacja. W procesie tworzenia sieci semantycznych w pakiecie MATLAB wykorzystaliśmy bibliotekę SNToolbox z konsekwentną realizacją następujących etapów: budowy sieci semantycznej, wizualizacji i wyszukiwania w sieci semantycznej. W rozwiązywaniu problemów związanych z prognozowaniem programu, pokreślana jest następująca wiedza - warunki tematycznej domeny, relacje między warunkami, nieruchomości z warunkami, synonimy, sposoby reprezentowania i sposoby wyrażania warunków. Wykorzystując trój-komponentowy model "Concept", "Action", "Property", skonstruowaliśmy semantyczną sieć semantycznej ontologii modelu kursu “zbirów rozmytych” przedmiotu "Inteligentne technologie zarządzania podejmowaniem decyzji". Formalne podejście do modelu ontologii opisu zawartości modelu pozwala konstruować i uogólniać wiedzę o branży technologii sztucznej inteligencji, która jest reprezentowana przez teorię zbiorów rozmytych.

EN

This article analyzes the model of representation of knowledge in the form of ontology to describe a subject. Three types of the objects have been considered – domain-oriented, task-oriented and top-level. The necessity of building a common ontology which contains just the following three types of ontologies has been substantiated. A model of knowledge representation is defined as the set of syntactic and semantic consistency, which makes it possible to describe the object. For modeling a semantic model of ontology we turned to simulation. In the process of creating semantic networks in the package MATLAB we used the library SNToolbox with consistent implementation of the following steps: construction of a semantic network, visualization, and search the semantic network. In solving the problems of forecasting the curriculum, the following knowledge is highlighted – the terms of the subject domain, the relationships between the terms, property of the terms, synonyms, ways of representing and ways of expressing terms. Using the three-component model "Concept", "Action", "Property", we have constructed a semantic network of the semantic ontology of the module course “Fuzzy sets” of the subject "Intelligent Technologies of Decision-Making Management". The formal approach to the model of the ontology of the content module described above allows structuring and generalizing the knowledge of the branch of artificial intelligence technologies which is represented by the fuzzy sets theory.

Keywords

PL

model reprezentacji wiedzy; ontologia

EN

model of representation of knowledge; ontology

• Publisher: Polskie Towarzystwo Profesjologiczne, Instytut Inżynierii Bezpieczeństwa i Nauk o Pracy, Uniwersytet Zielonogórski
• Journal: Problemy Profesjologii
• Year: 2014
• Issue: 1
• Pages: 131-139

Dates

published

2014-06-25

Contributors

author

Tsidylo Ivan

• Państwowy Pedagogiczny Uniwersytet w Tarnopolu

References

• Yevseyeva O., Modeling of an educational subject domain / O. Yevseyeva. // Artificial Intelligence. – 2009. Volume 1. – P. 79 - 86.
• Gruber T. A translation approach to portable ontologies / T. Gruber // Knowledge Acquisition. – 1993. – № 5 (2). – P. 199 - 220.
• Rogushina Yu, The use of ontology as a means of integrating knowledge about an information system / Yu. Rogushina, A. Hladun // Sampling and Processing of Information, 2006. – № 24 (100). – P. 43 - 48.
• Sure Y. OntoEdit: Collaborative Ontology Engineering for the Semantic Web / Y. Sure, M. Erdmann, J. Angele, S. Staab, R. Studer, D. Wenke // Proceedings of the First International Semantic Web Conference, Italia. – Vol. 2342 of LNCS. – 2002. – P. 221 - 235.
• Narinyani A. TEON-2: from a thesaurus to ontology and vice versa / A. Narinyani. // Computational linguistics and intelligent technologies: International seminar “Dialog 2002”. – Moscow: Nauka, 2002. – V. 1. – P. 307 - 313.
• Coello E. Describing Reusable Problem-Solving Methods with a Method Ontology / E. Coello, G. Lapalme // Proceeding of the Tenth Knowledge Acquisition for Knowledge-Based Systems Workshop (KAW’96). – Cateonia, Spain, 1997. – Режим доступу: http:/www.ksi.cpsc.ucalgary.ca/KAW/KAW96/coelho/kaw.html.
• Smirnov A., Ontologies in the artificial intelligence systems: ways of building and organization / A. Smirnov, M. Pashkin, N. Shylov, T. Levashova / / News of the artificial intelligence. – Moscow: Publishing House of Russian Academy of Artificial Intelligence, 2002. – № 2. – P. 3 - 9.
• Lytvyn V., Knowledge bases of intelligent systems of decision-making: a Monograph / V. Lytvyn // Ministry of Education, Youth and Sports of Ukraine, Lviv Polytechnic National University. – Lviv: Lviv Polytechnic National University Publishing House, 2011. – 240 p.
• Gruber T. R. Towards Principles for the Design of Ontologies used for Knowledge Sharing / T. R. Gruber // International Journal of Human and Computer Studies, 1995. №43(5/6). P. 907 - 922.
• Naykhanova L., Technology of creating methods of automated ontology building with the application of genetic and automatic programming / L. Naykhanova. – Ulan-Ude: Academy of Sciences, 2008. – 244 p.
• Veres O., Technology of maintenance of decision-making. Textbook / O. Veres. – Lviv: Publishing House of Lviv Polytechnic National University, 2010. – 252 p.
• Subbotin S., Representation and processing of knowledge in the systems of artificial intelligence and decision-making / S. Subbotin . – Tutorial. – Zaporizhzhia: Zaporizhzhia National Technical University, 2008. – 341 p.
• Tsidylo I., Formation of a knowledge base in intelligent systems based on the semantic network of a model / Ivan Tsidylo, Ivan Zaletskyi / / Problems and prospects of sciences in the context of globalization. Materials of VIII Ukrainian Scientific Conference. – Ternopil: Ternopil V. Hnatiuk National Pedagogical University, 2012. – P.23 – 28.
• Krayovskyi V., The Use of Adaptive Ontologies in Intelligent Systems of Decision-Making / V. Krayovskyi, V. Lytvyn, N. Shakhovska // Eastern European journal of advanced technologies. – Kharkiv, 2009. – Volume 4/3 (40). – P. 7 - 12.

Identifiers

ISSN

1895-197X