Luận Án Tiến Sĩ: Nghiên Cứu Máy Tính Học Khái Niệm Cho Hệ Thống Thông Tin Sử Dụng Logic Mô Tả

• Tác giả: Trần Thanh Lương
• Người hướng dẫn: PGS. Nguyễn Anh Linh
• Trường học: Đại học Huế - Trường Đại học Khoa học
• Chuyên ngành: Khoa học máy tính
• Đề tài: Học khái niệm cho các hệ thống thông tin dựa trên logic mô tả
• Loại tài liệu: luận án tiến sĩ
• Năm xuất bản: 2015
• Địa điểm: Huế

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• MỤC LỤC
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC CÁC KÝ HIỆU
• DANH MỤC BẢNG, BIỂU
• DANH MỤC HÌNH VẼ
• MỞ ĐẦU
• 1. CHƯƠNG 1: LOGIC MÔ TẢ VÀ CƠ SỞ TRI THỨC
• 1.1. Tổng quan về logic mô tả
• 1.2. Ngôn ngữ logic mô tả ALC
• 1.3. Biểu diễn tri thức
• 1.4. Khả năng biểu diễn
• 1.5. Logic mô tả và các tên gọi
• 1.6. Cú pháp và ngữ nghĩa của logic mô tả
• 1.7. Logic mô tả ALC reg
• 1.8. Ngôn ngữ logic mô tả LΣ,Φ
• 1.9. Dạng chuẩn phủ định của khái niệm
• 1.10. Dạng chuẩn lưu trữ của khái niệm
• 1.11. Dạng chuẩn nghịch đảo của vai trò
• 1.12. Cơ sở tri thức trong logic mô tả
• 1.13. Bộ tiên đề vai trò
• 1.14. Bộ tiên đề thuật ngữ
• 1.15. Bộ khẳng định cá thể
• 1.16. Cơ sở tri thức và mô hình của cơ sở tri thức
• 1.17. Suy luận trong logic mô tả
• 1.18. Các thuật toán suy luận
• 1.19. Tiểu kết Chương 1
• 1.20. Mô phỏng hai chiều trong logic mô tả và tính bất biến
• 2. CHƯƠNG 2: HỌC KHÁI NIỆM CHO HỆ THỐNG THÔNG TIN TRONG LOGIC MÔ TẢ
• 2.1. Mô phỏng hai chiều
• 2.2. Quan hệ tương tự hai chiều và quan hệ tương đương
• 2.3. Tính bất biến đối với mô phỏng hai chiều
• 2.4. Quan hệ giữa mô phỏng hai chiều với các khái niệm và vai trò
• 2.5. Tính bất biến của khái niệm
• 2.6. Tính bất biến của cơ sở tri thức
• 2.7. Tính chất Hennessy-Milner đối với mô phỏng hai chiều
• 2.8. Tự mô phỏng hai chiều
• 2.9. Tiểu kết Chương 2
• 3. CHƯƠNG 3: HỌC KHÁI NIỆM CHO CƠ SỞ TRI THỨC TRONG LOGIC MÔ TẢ
• 3.1. Hệ thống thông tin
• 3.2. Hệ thống thông tin truyền thống
• 3.3. Hệ thống thông tin dựa trên logic mô tả
• 3.4. Học khái niệm trong logic mô tả với Ngữ cảnh (3)
• 3.5. Giới thiệu bài toán
• 3.6. Tính đơn giản của khái niệm
• 3.7. Độ đo dựa trên entropy
• 3.8. Thuật toán học khái niệm trong logic mô tả với Ngữ cảnh (3)
• 3.9. Ví dụ minh họa
• 3.10. Kết quả thực nghiệm
• 3.11. Tiểu kết Chương 3
• 4. CHƯƠNG 4
• 4.1. Kết luận
• DANH MỤC CÁC CÔNG TRÌNH CỦA TÁC GIẢ
• TÀI LIỆU THAM KHẢO

I. Giới thiệu về Luận Án Tiến Sĩ và Logic Mô Tả

Luận án tiến sĩ này tập trung vào việc nghiên cứu máy tính học khái niệm cho hệ thống thông tin dựa trên logic mô tả. Logic mô tả là một họ ngôn ngữ hình thức dùng để biểu diễn và suy luận tri thức trong các miền quan tâm cụ thể. Nó đóng vai trò quan trọng trong việc xây dựng các hệ thống thông tin logic và mô hình hóa thông tin. Luận án này nhằm mục đích phát triển các phương pháp học khái niệm trong logic mô tả để ứng dụng vào các hệ thống thông tin hiện đại.

1.1. Tổng quan về Logic Mô Tả

Logic mô tả sử dụng các thuật ngữ như cá thể, khái niệm và vai trò để mô tả miền quan tâm. Các khái niệm đại diện cho tập các đối tượng, trong khi các vai trò biểu diễn quan hệ giữa các đối tượng. Logic mô tả là nền tảng cho các ngôn ngữ như OWL, được sử dụng rộng rãi trong Web ngữ nghĩa. Luận án này tập trung vào việc mở rộng logic mô tả để hỗ trợ các thuộc tính và vai trò dữ liệu, giúp biểu diễn các hệ thống thông tin phức tạp hơn.

1.2. Mục tiêu và Ý nghĩa của Luận Án

Mục tiêu chính của luận án tiến sĩ là phát triển các thuật toán học khái niệm dựa trên mô phỏng hai chiều trong logic mô tả. Các thuật toán này nhằm giải quyết các bài toán trong hệ thống thông tin với các ngữ cảnh khác nhau. Ý nghĩa của nghiên cứu này nằm ở việc cung cấp các công cụ hiệu quả để xây dựng và quản lý cơ sở tri thức trong các ứng dụng thực tế như tin sinh học, quản trị tri thức, và kỹ nghệ phần mềm.

II. Cơ Sở Lý Thuyết và Phương Pháp Nghiên Cứu

Luận án dựa trên các lý thuyết nền tảng về logic mô tả và mô phỏng hai chiều. Mô phỏng hai chiều là một phương pháp quan trọng để mô hình hóa tính không phân biệt được của các đối tượng trong hệ thống thông tin. Phương pháp này được sử dụng để xây dựng các thuật toán học khái niệm hiệu quả.

2.1. Logic Mô Tả và Cơ Sở Tri Thức

Logic mô tả bao gồm các thành phần như bộ tiên đề vai trò, bộ tiên đề thuật ngữ, và bộ khẳng định cá thể. Các thành phần này tạo nên cơ sở tri thức trong logic mô tả. Luận án tập trung vào việc mở rộng các thành phần này để hỗ trợ các thuộc tính và vai trò dữ liệu, giúp biểu diễn các hệ thống thông tin phức tạp hơn.

2.2. Mô Phỏng Hai Chiều và Tính Bất Biến

Mô phỏng hai chiều là một phương pháp quan trọng để mô hình hóa tính không phân biệt được của các đối tượng. Luận án phát triển các định lý và bổ đề về tính bất biến của khái niệm, bộ tiên đề thuật ngữ, và cơ sở tri thức đối với mô phỏng hai chiều. Đây là cơ sở để xây dựng các thuật toán học khái niệm hiệu quả.

III. Học Khái Niệm trong Hệ Thống Thông Tin

Luận án đề xuất các thuật toán học khái niệm cho hệ thống thông tin dựa trên logic mô tả. Các thuật toán này sử dụng mô phỏng hai chiều để phân chia các khối trong quá trình làm mịn các phân hoạch miền của diễn dịch. Kết quả thực nghiệm cho thấy hiệu quả của các thuật toán này trong việc học các khái niệm từ các tập dữ liệu huấn luyện.

3.1. Thuật Toán Học Khái Niệm với Ngữ Cảnh 3

Thuật toán này cho phép học một khái niệm từ một hệ thống thông tin huấn luyện trong logic mô tả với tập các mẫu dương và mẫu âm cho trước. Thuật toán sử dụng các bộ chọn cơ bản, đơn giản và mở rộng kết hợp với độ đo gia lượng thông tin để phân chia các khối trong quá trình làm mịn các phân hoạch miền của diễn dịch.

3.2. Kết Quả Thực Nghiệm

Các kết quả thực nghiệm trên các tập dữ liệu như WebKB, PokerHand, và Family cho thấy hiệu quả của thuật toán trong việc học các khái niệm trong logic mô tả. Các kết quả này khẳng định giá trị thực tiễn của nghiên cứu trong việc ứng dụng vào các hệ thống thông tin hiện đại.

IV. Học Khái Niệm cho Cơ Sở Tri Thức

Luận án đề xuất các thuật toán học khái niệm cho cơ sở tri thức trong logic mô tả với các ngữ cảnh khác nhau. Các thuật toán này sử dụng mô phỏng hai chiều để tối ưu hóa quá trình học và đảm bảo tính chính xác của các khái niệm được học.

4.1. Thuật Toán BBCL và Dual BBCL

Thuật toán BBCL và dual-BBCL được đề xuất để học khái niệm trong logic mô tả với Ngữ cảnh (1). Các thuật toán này sử dụng các mô hình của cơ sở tri thức kết hợp với mô phỏng hai chiều để tối ưu hóa quá trình học. Kết quả thực nghiệm cho thấy hiệu quả của các thuật toán này trong việc học các khái niệm từ các tập dữ liệu huấn luyện.

4.2. Thuật Toán BBCL2

Thuật toán BBCL2 được đề xuất để học khái niệm trong logic mô tả với Ngữ cảnh (2). Thuật toán này sử dụng các mô hình của cơ sở tri thức kết hợp với mô phỏng hai chiều để tối ưu hóa quá trình học. Kết quả thực nghiệm cho thấy hiệu quả của thuật toán trong việc học các khái niệm từ các tập dữ liệu huấn luyện.