Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Поиск знаний стремится вернуть информацию в структурированной форме, совместимой с когнитивными процессами человека, в отличие от простых списков элементов данных. Он опирается на ряд областей, включая эпистемологию (теорию познания), когнитивную психологию , когнитивную нейробиологию , логику и умозаключения , машинное обучение и открытие знаний , лингвистику и информационные технологии .

Обзор [ править ]

В области поисковых систем установленные подходы включают:

Оба подхода требуют от пользователя чтения и анализа часто длинных списков наборов данных или документов, чтобы извлечь смысл.

Задача систем поиска знаний - снизить нагрузку на эти процессы за счет улучшения поиска и представления. Это улучшение необходимо для использования растущих объемов данных, доступных в Интернете. [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] »

Сравнение с поиском данных и информации [ править ]

Поиск данных и информационный поиск - это более ранние и более простые формы доступа к информации. [12]

Получение данныхПоиск информацииПоиск знаний
МатчЛогическое соответствиечастичное совпадение, лучшее совпадениечастичное совпадение, лучшее совпадение
Выводдедуктивный выводиндуктивный выводдедуктивный вывод , индуктивный вывод , ассоциативное рассуждение , рассуждение по аналогии
Модельдетерминированная модельстатистическая и вероятностная модельсемантическая модель , модель вывода
Запросискусственный языкестественный языкструктура знаний , естественный язык
Организациятаблица, индекстаблица, индексблок знаний, структура знаний
Представлениечисло, правилоестественный язык, язык разметкиграф понятий , логика предикатов , продукционное правило , фрейм, семантическая сеть , онтология
Место хранениябаза данныхколлекции документовбаза знаний
Полученные результатынабор данныхразделы или документынабор единиц знаний

Поиск знаний фокусируется на уровне знаний. Нам необходимо изучить, как извлекать, представлять и использовать знания в данных и информации. [13] Системы поиска знаний предоставляют пользователям знания в структурированном виде. По сравнению с поиском данных и поиском информации, они используют разные модели вывода , методы поиска, организацию результатов и т. Д. В таблице 1, расширяющей сравнение ван Рейсбергена разницы между извлечением данных и извлечением информации [14], суммируются основные характеристики извлечения данных. поиск информации и поиск знаний. [15] Ядром поиска данных и поиска информации являются подсистемы поиска. Поиск данных получает результаты через логическое соответствие. [16]Поиск информации использует частичное совпадение и наилучшее совпадение. Поиск знаний также основан на частичном совпадении и наилучшем совпадении.

С точки зрения вывода, при извлечении данных используется дедуктивный вывод , а при поиске информации - индуктивный вывод. [14] Принимая во внимание ограничения, связанные с допущениями различных логик, традиционные логические системы (например, подмножество Хорна логики первого порядка ) не могут эффективно рассуждать. [17] Ассоциативные рассуждения, рассуждения по аналогии и идея объединения рассуждений и поиска могут быть эффективными методами рассуждений в масштабе сети. [17] [18]

С точки зрения поиска, системы поиска знаний сосредоточены на семантике и лучшей организации информации. Поиск данных и поиск информации организуют данные и документы путем индексации, в то время как поиск знаний организует информацию, указывая связи между элементами в этих документах.

Рамки для систем поиска знаний [ править ]

С точки зрения информатики была предложена и подробно исследована логическая структура, сосредоточенная на нечеткости запросов знаний. [19] Были исследованы языки разметки для обоснования знаний и соответствующие стратегии, которые могут служить в качестве возможных основ логических рассуждений для поиска знаний на основе текста. [3]

С точки зрения когнитивной науки , особенно с точки зрения когнитивной психологии и когнитивной нейробиологии, были исследованы нейробиологические основы поиска знаний в человеческом мозге , которые могут служить когнитивной моделью для поиска знаний. [20] [21]

Связанные дисциплины [ править ]

Поиск знаний может основываться на следующих связанных теориях и технологиях: [12]

  • Теория знаний : получение знаний, организация знаний, представление знаний, проверка знаний, управление знаниями.
  • Когнитивная наука : когнитивная психология, когнитивная нейробиология, когнитивная информатика, формирование концепций и обучение, принятие решений, взаимодействие человека с компьютером .
  • Машинное обучение и открытие знаний : предварительная обработка, классификация, кластеризация, прогнозирование, постобработка, теория статистического обучения .
  • Логика и вывод : логика высказываний, логика предикатов, логика атрибутов, универсальная логика , индуктивный вывод , дедуктивный вывод, ассоциативное рассуждение, рассуждение по аналогии, приблизительное рассуждение.
  • Информационные технологии : теория информации , информатика , информационно - поисковая, системы управления базами данных, системы , основанные на знаниях , основанные на правилах системы, экспертные системы , системы поддержки принятия решений , интеллектуальный агент технологии.
  • Лингвистика : вычислительная лингвистика , понимание естественного языка , обработка естественного языка .

Темы, перечисленные под каждой записью, служат в качестве примеров и не образуют полный список. И многие смежные дисциплины должны быть добавлены по мере развития области.

Ссылки [ править ]

  1. ^ Фриш, AM Поиск знаний как специализированный вывод, Ph.D. диссертация, Университет Рочестера , 1986.
  2. ^ Каме, М. и Кинтана, Ю. Система поиска знаний на основе графов , Труды Международной конференции IEEE 1990 г. по системам, человеку и кибернетике, 1990: 269-275.
  3. ^ a b Мартин П. и Эклунд, PW. Поиск знаний и всемирная паутина, IEEE Intelligent Systems , 2000, 15 (3): 18-25.
  4. ^ Ортель, П. и Амир, Э. Структура для поиска здравого смысла , Труды 7-го Международного симпозиума по логическим формализации здравого смысла , 2005.
  5. ^ Трэверс, М. Визуальное представление структур знаний , Труды 2-й ежегодной конференции ACM по гипертексту и гипермедиа, 1989: 147-158.
  6. ^ Яо, YY Системы поддержки информационного поиска, Труды Международной конференции IEEE 2002 года по нечетким системам, 2002, 1092-1097.
  7. ^ Чжоу, Н., Чжан, Ю. Ф. и Чжан, Л. Ю. Визуализация информации и поиск знаний [на китайском языке], Science Press, 2005.
  8. ^ Роберт Лоу, Катрин Куэммель, Джудит Рупрехт, Удо Блейманн, Пол Уолш. Подходы к персонализированному поиску знаний , Интернет-исследования , 17 (1), 2007 г.
  9. ^ Стефания Мариано, Андреа Кейси. Процесс извлечения знаний: тематическое исследование американскойисследовательской, инженерной и консалтинговой компании в области высоких технологий . VINE: Журнал систем управления информацией и знаниями , 37 (3), 2007.
  10. ^ Йенс Гаммельгаард, Томас Риттер. Матрица поиска знаний: кодификация и персонификация как отдельные стратегии , Journal of Knowledge Management, 9 (4), 133-143, 2005.
  11. ^ JEL Farradane. Анализ и организация знаний для поиска , ASLIB Proceedings, 22 (12), 607-616,1970.
  12. ^ а б Иию Яо, И Цзэн, Нин Чжун, Сянцзи Хуанг. Поиск знаний (KR). В: Материалы Международной конференции IEEE / WIC / ACM 2007 года по веб-аналитике, Компьютерное общество IEEE , Кремниевая долина , США, 2–5 ноября 2007 г., 729-735.
  13. ^ Беллинджер, Г., Кастро, Д. и Миллс, А. Данные, информация, знания и мудрость, http://www.systemsthinking.org/dikw/dikw.htm. Архивировано 17октября2016 г. на Wayback Machine.
  14. ^ Б ван Rijsbergen, CJ Поиск информации, Butterworths, 1979.
  15. ↑ Zeng, Y., Yao, YY и Zhong, N. Поиск знаний на основе гранулярной структуры [на китайском языке], Труды совместной конференции Седьмой конференции по грубым множествам и мягким вычислениям , Первого форума гранулированных вычислений и Первого форума Web Intelligence, 2007 г.
  16. ^ Baeza-Yates, Р. и Ribeiro-Нет, Б. Современные информационное индексирование, Addison-Wesley, 1999.
  17. ^ a b Фензель Д. и ван Хармелен Ф. Объединение рассуждений и поиска в масштабе сети , IEEE Internet Computing, 2007, 11 (2): 96, 94-95.
  18. ^ Бернерс-Ли, Т., Холл, В., Хендлер, Дж. А., О'Хара, К., Шедболт, Н. и Вайцнер, Д. Д. Рамочная основа веб-науки, Основы и тенденции в веб-науке, 2006, 1 (1 ): 1-130.
  19. ^ Чен, BC и Сян, Дж . Логическая структура поиска знаний с нечеткостью , Труды Международной конференции IEEE / WIC / ACM 2004 года по веб-аналитике, 2004: 524-528.
  20. ^ Tranel, Даниил, Дамасио, Антонио. Нейробиология поиска знаний . Поведенческие исследования и наука о мозге, 22 (2): 303-303, 1999.
  21. ^ Дженнифер Х. Пфайфер, Мэтью Д. Либерман , Мирелла Дапретто. «Я знаю, что вы есть, но кто я ?!»: нейронные основы поиска собственных и социальных знаний у детей и взрослых, журнал когнитивной нейробиологии , 19 (8), MIT Press , август 2007 г.