DC Field | Value | Language |
dc.contributor.author | Карпов, Ігор | |
dc.contributor.author | Буров, Євген | |
dc.contributor.author | Karpov, Ihor | |
dc.contributor.author | Burov, Eugene | |
dc.date.accessioned | 2021-02-11T14:12:45Z | - |
dc.date.available | 2021-02-11T14:12:45Z | - |
dc.date.created | 2020-02-24 | |
dc.date.issued | 2020-02-24 | |
dc.identifier.citation | Карпов І. Використання онтологічних мереж у системах підтримки прийняття рішень в умовах неоднозначності / Ігор Карпов, Євген Буров // Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. — Львів : Видавництво Львівської політехніки, 2020. — № 7. — С. 8–15. | |
dc.identifier.uri | https://ena.lpnu.ua/handle/ntb/56136 | - |
dc.description.abstract | Зростання обсягів інформації, яку потрібно брати до уваги при прийнятті рішень
визначають актуальність побудови інтелектуальних систем підтримки прийняття рішень.
Передумовою прийняття коректного рішення є побудова коректної концептуальної моделі
проблемної ситуації, яка враховує усі фактори, релевантні до цієї ситуації. Концептуалізація
проблемної ситуації подається онтологією цієї ситуації. При формуванні онтології ситуації
доцільно використовувати знання з існуючих онтологій. При цьому виникає проблема
неоднозначності вибору елементів існуючих онтологій, які якнайточніше відповідають ситуації.
Метою розроблення є дослідження особливостей застосування мереж онтологій для побудови
онтологій проблемних ситуацій в умовах неоднозачності вибору, тобто коли потрібно вибрати
найточніше за змістом онтологічне джерело.
Наведено формальні визначення онтології проблемної ситуації, відповідності між
елементами онтології, мережі онтологій та правил відповідності. Правила відповідності
визначено як відображення між підмножинами концептів, відношень та функцій інтерпретації
двох онтологій. У роботі наведено концептуальну модель формування онтології проблемної
ситуації на основі декількох вихідних онтологій. Розроблено структуру системи підтримки
прийняття рішень на основі онтологічних мереж та визначено процес підтримки прийняття
рішень у випадку застосування мереж онтологій. Центральним елементом такої системи є база
знань, що містить моделі ситуації та посилання на зовнішні онтології з мережі для кожної такої
моделі. Основою цих посилань є правила відвідності, що визначають, з яких онтологій
отримувати знання та як перетворити їх перед записом в онтологію ситуації. При настанні
проблемної ситуації онтологія ситуаціі формується динамічно, з врахуванням наявного
контексту ситуації. Це також надає можливість використати актуальні знання з пов’язаних
онтологій.
Запропоновано підходи до побудови систем підтримки прийняття рішень, що
використовують мережі онтологій надають можливість динамічно вибрати концепти та
відношення, що відповідають контексту ситуації. Результати роботи доцільно використовувати
для розроблення систем підтримки прийняття рішень, що потребують даних з різних предметних
областей та в умовах неоднозначності. | |
dc.description.abstract | The increasing amount of information that needs to be taken into account in decision making
determines the relevance of building intelligent decision support systems. The prerequisite for making the
right decision is to build a correct conceptual model of the problem situation, which takes into account all the
factors relevant to this situation. The conceptualization of the problem situation is presented by the ontology of
that situation. When forming the ontology of a situation, it is advisable to use knowledge from existing
ontologies. This raises the problem of ambiguity in the selection of elements of existing ontologies that most
accurately fit the situation.
The purpose of the work is to investigate the usage of ontology networks for the construction of
ontologies for problematic situations in the conditions of choice ambiguity, that is, when it is necessary to select
the most accurate ontological source taking in consideration the context.
Formal definitions of the ontology of the problem situation, the correspondence between the elements of
the ontology, the network of ontologies and the rules of conformity are given. Matching rules are defined as
mappings between subsets of concepts, relationships, and interpretation functions of two ontologies. The paper
presents a conceptual model of ontology formation of a problematic situation based on several source
ontologies. The structure of decision support system on the basis of ontological networks was developed and
the process of decision support in case of using ontology networks was defined. A central element of such a
system is the knowledge base, which contains situation models and links to external ontologies from the
network for each such model. The basis of these references is a set of articulation rules that determine which
ontologies should be used to acquire knowledge from and how to transform them before writing them into an
ontology of a situation. When a problematic situation occurs, the ontology of the situation is formed
dynamically, taking into account the existing context of the situation. It also provides an opportunity to use
current knowledge in related ontologies.
Proposed approaches for building decision support systems using ontology networks provide the ability
to dynamically select concepts and relationships that are relevant to the context of the situation. The results of
the work should be used to develop decision support systems that require data from different subject areas in
conditions of ambiguity. | |
dc.format.extent | 8-15 | |
dc.language.iso | uk | |
dc.publisher | Видавництво Львівської політехніки | |
dc.publisher | Lviv Politechnic Publishing House | |
dc.relation.ispartof | Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі, 7, 2020 | |
dc.relation.uri | https://prezi.com/knlzigzxme9a/artificial-intelligence-and-decision-support-systems/ | |
dc.subject | онтологія | |
dc.subject | онтологічні мережі | |
dc.subject | система підтримки прийняття рішень | |
dc.subject | ontology | |
dc.subject | ontological networks | |
dc.subject | decision support system | |
dc.title | Використання онтологічних мереж у системах підтримки прийняття рішень в умовах неоднозначності | |
dc.title.alternative | Use of ontological networks in decision support systems under ambiguity | |
dc.type | Article | |
dc.rights.holder | © Національний університет “Львівська політехніка”, 2020 | |
dc.rights.holder | © Карпов І., Буров Є., 2020 | |
dc.contributor.affiliation | Національний університет “Львівська політехніка” | |
dc.contributor.affiliation | Lviv Polytechnic National University | |
dc.format.pages | 8 | |
dc.identifier.citationen | Karpov I. Use of ontological networks in decision support systems under ambiguity / Ihor Karpov, Eugene Burov // Visnyk Natsionalnoho universytetu "Lvivska politekhnika". Informatsiini systemy ta merezhi. — Lviv : Lviv Politechnic Publishing House, 2020. — No 7. — P. 8–15. | |
dc.relation.references | 1. Aditya Das. (2013). Artificial intelligence and decision support systems. Retrieved February 02, 2020, from https://prezi.com/knlzigzxme9a/artificial-intelligence-and-decision-support-systems/. | |
dc.relation.references | 2. Herre, H. (2010). General Formal Ontology (GFO): A foundational ontology for conceptual modelling. In Theory and applications of ontology: computer applications (с. 297–345). Springer, Dordrecht. | |
dc.relation.references | 3. Raz et al. (2006). Fast and Efficient Context-Aware Services. John Wiley & Sons. | |
dc.relation.references | 4. Prasenjit, M., & Gio, W. (2003). An Ontology-Composition Algebra. | |
dc.relation.references | 5. Гаврилова, Т. А. (2001). Описание структуры. Базы знаний интеллектуальных систем, (с. 56). | |
dc.relation.references | 6. Tarapata, Z. (2007). Multicriteria weighted graphs similarity and its application for decision situation pattern matching problem. In Proceedings of the 13th IEEE/IFAC International Conference on Methods and Models in Automation and Robotics (с. 1149–1155). | |
dc.relation.references | 7. Miah, S.J., Gammack, J. & Kerr, D., (2007). Ontology development for context-sensitive decision support. In Semantics, Knowledge and Grid, Third International Conference on (c. 475–478). IEEE. | |
dc.relation.references | 8. Rahim, N. R., Nordin, S., & Dom, R. M. (2019). A Clinical Decision Support System based on Ontology and Causal Reasoning Models. Jurnal Intelek, 14(2), 187–197. | |
dc.relation.references | 9. Euzenat, J. (2008). Algebras of ontology alignment relations. | |
dc.relation.references | 10. Euzenat, J., David, J., Locoro, A., & Inants, A. (2015). Context-based ontology matching and data interlinking. | |
dc.relation.references | 11. Sánchez, D., Batet, M., Isern, D., & Valls, A. (2012). Ontology-based semantic similarity: A new featurebased approach. Expert Syst. Appl., 39, 7718–7728. | |
dc.relation.references | 12. Lytvyn, V., Vysotska, V., Peleshchak, I., Basyuk, T., Kovalchuk, V., Kubinska, S., ... & Salo, T. (2019, September). Identifying Textual Content Based on Thematic Analysis of Similar Texts in Big Data. In 2019 IEEE 14th International Conference on Computer Sciences and Information Technologies (CSIT) (Vol. 2, pp. 84–91). IEEE. | |
dc.relation.references | 13. Vysotska, V., Lytvyn, V., Kovalchuk, V., Kubinska, S., Dilai, M., Chyrun, L., ... & Brodyak, O. (2019, September). Method of Similar Textual Content Selection Based on Thematic Information Retrieval. In 2019 IEEE 14th International Conference on Computer Sciences and Information Technologies (CSIT) (Vol. 3, pp. 1–6). IEEE. | |
dc.relation.references | 14. Hermann, H. (2006). Knowledge Representation and the Semantics of Natural Language. | |
dc.relation.references | 15. Alter, S. L. (1980). Decision support systems : current practice and continuing challenges. | |
dc.relation.references | 16. Scott, M. S. (1971). Management Decision Systems: Computer-based Support for Decision Making. | |
dc.relation.references | 17. Marakas, G. M. (1999). Decision support systems in the twenty-first century. | |
dc.relation.referencesen | 1. Aditya Das. (2013). Artificial intelligence and decision support systems. Retrieved February 02, 2020, from https://prezi.com/knlzigzxme9a/artificial-intelligence-and-decision-support-systems/. | |
dc.relation.referencesen | 2. Herre, H. (2010). General Formal Ontology (GFO): A foundational ontology for conceptual modelling. In Theory and applications of ontology: computer applications (pp. 297–345). Springer, Dordrecht. | |
dc.relation.referencesen | 3. Raz et al. (2006). Fast and Efficient Context-Aware Services. John Wiley & Sons | |
dc.relation.referencesen | 4. Prasenjit, M., & Gio, W. (2003). An Ontology-Composition Algebra. | |
dc.relation.referencesen | 5. Gavrilova, T. А. (2001). Structure description. Intelligent systems knowledge base, (pp. 56). | |
dc.relation.referencesen | 6. Tarapata, Z. (2007). Multicriteria weighted graphs similarity and its application for decision situation pattern matching problem. In Proceedings of the 13th IEEE/IFAC International Conference on Methods and Models in Automation and Robotics (pp. 1149–1155). | |
dc.relation.referencesen | 7. Miah, S.J., Gammack, J. & Kerr, D., (2007). Ontology development for context-sensitive decision support. In Semantics, Knowledge and Grid, Third International Conference on (pp. 475–478). IEEE. | |
dc.relation.referencesen | 8. Rahim, N. R., Nordin, S., & Dom, R. M. (2019). A Clinical Decision Support System based on Ontology and Causal Reasoning Models. Jurnal Intelek, 14(2), 187–197. | |
dc.relation.referencesen | 9. Euzenat, J. (2008). Algebras of ontology alignment relations. | |
dc.relation.referencesen | 10. Euzenat, J., David, J., Locoro, A., & Inants, A. (2015). Context-based ontology matching and data interlinking. | |
dc.relation.referencesen | 11. Sánchez, D., Batet, M., Isern, D., & Valls, A. (2012). Ontology-based semantic similarity: A new featurebased approach. Expert Syst. Appl., 39, 7718–7728. | |
dc.relation.referencesen | 12. Lytvyn, V., Vysotska, V., Peleshchak, I., Basyuk, T., Kovalchuk, V., Kubinska, S., ... & Salo, T. (2019, September). Identifying Textual Content Based on Thematic Analysis of Similar Texts in Big Data. In 2019 IEEE 14th International Conference on Computer Sciences and Information Technologies (CSIT) (Vol. 2, pp. 84–91). IEEE. | |
dc.relation.referencesen | 13. Vysotska, V., Lytvyn, V., Kovalchuk, V., Kubinska, S., Dilai, M., Chyrun, L., ... & Brodyak, O. (2019, September). Method of Similar Textual Content Selection Based on Thematic Information Retrieval. In 2019 IEEE 14th International Conference on Computer Sciences and Information Technologies (CSIT) (Vol. 3, pp. 1–6). IEEE. | |
dc.relation.referencesen | 14. Hermann, H. (2006). Knowledge Representation and the Semantics of Natural Language. | |
dc.relation.referencesen | 15. Alter, S. L. (1980). Decision support systems : current practice and continuing challenges. | |
dc.relation.referencesen | 16. Scott, M. S. (1971). Management Decision Systems: Computer-based Support for Decision Making. | |
dc.relation.referencesen | 17. Marakas, G. M. (1999). Decision support systems in the twenty-first century. | |
dc.citation.journalTitle | Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі | |
dc.citation.issue | 7 | |
dc.citation.spage | 8 | |
dc.citation.epage | 15 | |
dc.coverage.placename | Львів | |
dc.coverage.placename | Lviv | |
dc.subject.udc | 004.02 | |
Appears in Collections: | Вісник Національного університету "Львівська політехніка". Інформаційні системи та мережі. – 2020. – Випуск 7
|