Use of ontological knowledge by intelligent agents
Ontological means of knowledge representation in the Web-oriented intelligent information systems are considered. The formal model of ontology that ensures the use of knowledge from various distributed applications that support semantic information processing is proposed. The specifics of this model...
Збережено в:
| Дата: | 2018 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Інститут програмних систем НАН України
2018
|
| Теми: | |
| Онлайн доступ: | https://pp.isofts.kiev.ua/index.php/ojs1/article/view/324 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Problems in programming |
| Завантажити файл: |  |
Репозитарії
Problems in programming| id |
pp_isofts_kiev_ua-article-324 |
|---|---|
| record_format |
ojs |
| resource_txt_mv |
ppisoftskievua/da/b0188579c647c4cb95c4ff200b845dda.pdf |
| spelling |
pp_isofts_kiev_ua-article-3242024-04-28T11:52:04Z Use of ontological knowledge by intelligent agents Использование онтологических знаний интеллектуальными агентами Використання онтологічних знань інтелектуальними агентами Rogushina, J.V. ontology; intelligent software agent; ontological model; intentional relations UDC 004,853, 004.55 онтология; интеллектуальный программный агент; онтологическая модель; интенсиональные отношения УДК 004.853, 004.55 онтологія; інтелектуальний програмний агент; Semantic Web; онтологічна модель; інтенсіональні відношення УДК 004.853, 004.55 Ontological means of knowledge representation in the Web-oriented intelligent information systems are considered. The formal model of ontology that ensures the use of knowledge from various distributed applications that support semantic information processing is proposed. The specifics of this model is a separation into the special group of characteristics of such ontological elements as classes and object and data properties – hierarchical, disjoint and equivalent etc. Use of ontologies into the intelligent applications differs significantly according with their role – internal and external. The properties of internal and external ontologies and their use by intelligent personal software agents whose behavior is modeled through the apparatus of intentional relations (beliefs, knowledge and purpose) are considered. Personal software agents are considered as a subclass of computer agents. Their intelligence level is analyzed as far as their management of distributed knowledge is concerned. Problems in programming 2017; 2: 82-95 Рассмотрены онтологические средства представления знаний в интеллектуальных информационных системах, ориентированных на работу в Web. Предложена формальная модель онтологии, обеспечивающая использование знаний из других распределенных приложений, поддерживающих семантическую обработку информации. Специфика этой модели связана с тем, что в ней выделяются такие свойства онтологических элементов, как иерархия, пересечение и эквивалентность. Рассмотрено, как отличается обработка внутренних и внешних онтологий в интеллектуальных информационных системах в соответствии с их ролями. Проанализированы свойства таких онтологий и их использование персональными программными агентами, поведение которых моделируется при помощи аппарата интенсиональных отношений (убеждения, знания и цели). Персональные программные агенты рассматриваются как подкласс компьютерных агентов. Анализируется уровень интеллектуальности таких агентов и их способность управления распределенными знаниями. Problems in programming 2017; 2: 82-95 Розглянуто онтологічні засоби представлення знань в інтелектуальних інформаційних системах, орієнтованих на роботу з Web. Запропоновано формальну модель онтології, що забезпечує використання знань з інших розподілених застосувань, які підтримують семантичну обробку інформації. Специфіка цієї моделі пов’язана з тим, що в ній виокремлюються такі властивості онтологічних елементів, як ієрархія, перетин та еквівалентність. Розглянуто, як відрізняється обробка онтологій в інтелектуальних інформаційних системах відповідно до їх ролі – внутрішніх та зовнішніх. Проаналізовано властивості таких онтологій та їх використання персональними програмними агентами, поведінка яких моделюється через апарат інтенсіональних відношень (переконання, знання та цілі). Персональні програмні агенти розглядаються як підклас комп’ютерних агентів. Проаналізовано рівень інтелектуальності таких агентів та їх здатність керування розподіленими знаннями. Problems in programming 2017; 2: 82-95 Інститут програмних систем НАН України 2018-11-19 Article Article application/pdf https://pp.isofts.kiev.ua/index.php/ojs1/article/view/324 10.15407/pp2017.02.082 PROBLEMS IN PROGRAMMING; No 2 (2017); 82-95 ПРОБЛЕМЫ ПРОГРАММИРОВАНИЯ; No 2 (2017); 82-95 ПРОБЛЕМИ ПРОГРАМУВАННЯ; No 2 (2017); 82-95 1727-4907 10.15407/pp2017.02 uk https://pp.isofts.kiev.ua/index.php/ojs1/article/view/324/319 Copyright (c) 2018 PROBLEMS OF PROGRAMMING |
| institution |
Problems in programming |
| baseUrl_str |
https://pp.isofts.kiev.ua/index.php/ojs1/oai |
| datestamp_date |
2024-04-28T11:52:04Z |
| collection |
OJS |
| language |
Ukrainian |
| topic |
ontology intelligent software agent ontological model intentional relations UDC 004,853 004.55 |
| spellingShingle |
ontology intelligent software agent ontological model intentional relations UDC 004,853 004.55 Rogushina, J.V. Use of ontological knowledge by intelligent agents |
| topic_facet |
ontology intelligent software agent ontological model intentional relations UDC 004,853 004.55 онтология интеллектуальный программный агент онтологическая модель интенсиональные отношения УДК 004.853 004.55 онтологія інтелектуальний програмний агент Semantic Web онтологічна модель інтенсіональні відношення УДК 004.853 004.55 |
| format |
Article |
| author |
Rogushina, J.V. |
| author_facet |
Rogushina, J.V. |
| author_sort |
Rogushina, J.V. |
| title |
Use of ontological knowledge by intelligent agents |
| title_short |
Use of ontological knowledge by intelligent agents |
| title_full |
Use of ontological knowledge by intelligent agents |
| title_fullStr |
Use of ontological knowledge by intelligent agents |
| title_full_unstemmed |
Use of ontological knowledge by intelligent agents |
| title_sort |
use of ontological knowledge by intelligent agents |
| title_alt |
Использование онтологических знаний интеллектуальными агентами Використання онтологічних знань інтелектуальними агентами |
| description |
Ontological means of knowledge representation in the Web-oriented intelligent information systems are considered. The formal model of ontology that ensures the use of knowledge from various distributed applications that support semantic information processing is proposed. The specifics of this model is a separation into the special group of characteristics of such ontological elements as classes and object and data properties – hierarchical, disjoint and equivalent etc. Use of ontologies into the intelligent applications differs significantly according with their role – internal and external. The properties of internal and external ontologies and their use by intelligent personal software agents whose behavior is modeled through the apparatus of intentional relations (beliefs, knowledge and purpose) are considered. Personal software agents are considered as a subclass of computer agents. Their intelligence level is analyzed as far as their management of distributed knowledge is concerned. Problems in programming 2017; 2: 82-95 |
| publisher |
Інститут програмних систем НАН України |
| publishDate |
2018 |
| url |
https://pp.isofts.kiev.ua/index.php/ojs1/article/view/324 |
| work_keys_str_mv |
AT rogushinajv useofontologicalknowledgebyintelligentagents AT rogushinajv ispolʹzovanieontologičeskihznanijintellektualʹnymiagentami AT rogushinajv vikoristannâontologíčnihznanʹíntelektualʹnimiagentami |
| first_indexed |
2024-09-16T04:08:33Z |
| last_indexed |
2024-09-16T04:08:33Z |
| _version_ |
1818568451654942720 |
| fulltext |
Моделі та засоби систем баз даних і знань
© Ю.В. Рогушина, 2017
82 ISSN 1727-4907. Проблеми програмування. 2017. № 2
УДК 004.853, 004.55
Ю.В. Рогушина
ВИКОРИСТАННЯ ОНТОЛОГІЧНИХ ЗНАНЬ
ІНТЕЛЕКТУАЛЬНИМИ АГЕНТАМИ
Розглянуто онтологічні засоби представлення знань в інтелектуальних інформаційних системах, орієн-
тованих на роботу з Web. Запропоновано формальну модель онтології, що забезпечує використання
знань з інших розподілених застосувань, які підтримують семантичну обробку інформації. Специфіка
цієї моделі пов’язана з тим, що в ній виокремлюються такі властивості онтологічних елементів, як ієра-
рхія, перетин та еквівалентність. Розглянуто, як відрізняється обробка онтологій в інтелектуальних
інформаційних системах відповідно до їх ролі – внутрішніх та зовнішніх. Проаналізовано властивості
таких онтологій та їх використання персональними програмними агентами, поведінка яких моделюєть-
ся через апарат інтенсіональних відношень (переконання, знання та цілі). Персональні програмні аген-
ти розглядаються як підклас комп’ютерних агентів. Проаналізовано рівень інтелектуальності таких
агентів та їх здатність керування розподіленими знаннями.
Ключові слова: онтологія, інтелектуальний програмний агент, Semantic Web, онтологічна модель, ін-
тенсіональні відношення.
Вступ
Сучасні інтелектуальні інформа-
ційні системи (ІІС), що працюють у відк-
ритому розподіленому інформаційному
просторі, потребують постійного попов-
нення і відновлення знань, що надходять із
зовнішнього середовища, тому що в ІІС
використання знань про предметну об-
ласть (ПрО) і методи їхньої обробки віді-
грають вирішальну роль і визначають ко-
рисність отриманих результатів.
У зв’язку з тим, що сучасні ІІС ви-
користовують і генерують великі за обся-
гом і складні за структурою сукупності
знань, виникає проблема розробки ефекти-
вних методів керування ними.
Використання розподілених знань,
які ІІС отримують з Web, є одним з визна-
чальних факторів їх ефективності. Це у
свою чергу обумовлює актуальність дослі-
джень, спрямованих на отримання і нако-
пичення знань, рішення проблем розпізна-
вання, логічного виведення нових знань
для підтримки прийняття рішень, тобто на
розвиток засобів керування знаннями, в
тому числі – онтологічними.
Онтологічне подання знань
В даний час для інтероперабельного
представлення розподілених знань у ІІС
широко застосовуються онтології, що за-
безпечують повторне використання знань
[1]. За останні роки онтології активно роз-
виваються як семантичні моделі, що до-
зволяють відображати різні аспекти реа-
льного світу [2].
Оскільки онтологія явно представ-
ляють собою предметні області через іс-
нуючі сутності, їх властивості та відно-
шення між ними, вони можуть використо-
вуватися для підтримки гетерогенно стру-
ктурованих баз даних та знань і різномані-
тних ІІС систем, забезпечуючи співстав-
лення їх семантики. Онтології, таким чи-
ном, підтримують семантичну інтеропера-
бельність і інтеграцію в організаціях у різ-
них предметних областях.
Однак, існують великі відмінності
між цими онтологіями. Потенційні корис-
тувачі цих онтологій зазвичай не мають
ніякого уявлення щодо їх сфери охоплен-
ня, їх зрозумілість для людини, їх достові-
рності та надійності, їх стійкості, типів ло-
гічного виведення, для яких вони можуть
бути використані, або їх адаптивності і
здатності використовуватися повторно для
інших цілей.
Користувачам важко зрозуміти, чи
можуть конкретні онтології допомогти їм
вирішити їхні конкретні проблеми. Їм не
відомо, як саме великі онтології утворю-
ються із злиття або відображення менших
онтологій. Розвиток онтологій потребує
більш строгого підходу до їх розробки і
порівняння.
Моделі та засоби систем баз даних і знань
83
Онтології базуються на дескрипти-
вних логіках, для них вже існують загаль-
ноприйняті стандарти опису, мови
і програмні засоби. Нині для подання он-
тологій найчастіше використовують різні
діалекти OWL та RDF, які відрізняються
своїми виразними можливостями і своєю
складністю: RDF Schemas пропонує най-
простіший рівень для представлення онто-
логій, а OWL Full – найбільш складний.
Вибір засобу представлення онтології за-
лежить від специфіки проблеми, для якої
вона розробляється [3].
У різних джерелах пропонуються
відмінні між собою формальні моделі по-
дання онтологій, що дають змогу адекват-
но та ефективно моделювати уявлення
про різноманітні ПрО та формально зада-
вати їх семантику [4], які відрізняються як
основними параметрами, так і виразною
здатністю, що залежать від цілей розробки
таких моделей.
Онтології містять класи та екземп-
ляри класів, їх властивості, відношення
та обмеження використання. Фундамента-
льні поняття мають відповідати класам он-
тології. Для визначення екземпляра досить
оголосити його членом якого-небудь кла-
су. Властивості дають можливість затвер-
джувати загальні факти про класи і про
екземпляри. При визначенні властивості
існує багато способів обмежити це відно-
шення, приміром, задати його домен
і діапазон або визначити як спеціалізацію
(підвластивість) вже існуючої властивості.
Можливі і більш складні обмеження. Вла-
стивості, також як і класи, можуть бути
організовані ієрархічно.
Надалі будемо використовувати та-
ку формальну модель:
TFRXO ,,, . (1)
Ця модель складається з таких
елементів:
indcl XXX – множина
концептів онтології, де clX – множина кла-
сів, indX – множина екземплярів класів,
таких, що AaXAXa clind , ;
}{}{_ jiclier prrR – мно-
жина відношень між елементами онтології,
де clierr _ – ієрархічне відношення, що
може встановлюватися між класами онто-
логії і властивостями класів і характеризу-
ється такими властивостями, як анти-
симетричність і транзитивність,
clclier Xr :_ clX ; }{ ir – множина об'-
єктних властивостей, що установлюють
відношення між екземплярами класів:
indi Xaar , indXbb , ,
indindi XXr : ;
}{ jp – множина властивостей даних, що
встановлюють відношення між екземпля-
рами класів і значеннями:
indi Xaap , Ttt , , ConstXp indi : ,
такі, що усередині множин об'єктних вла-
стивостей і властивостей відношень та-
кож можуть існувати ієрархічні відно-
шення objierr _ , }{}{:_ iiobjier rrr і
dataierr _ , }{}{:_ jjdataier ppr ;
F – множина характеристик
класів онтології, екземплярів класів і їхніх
властивостей, що можуть застосовуватися
для логічного виведення (наприклад, ек-
вівалентність, відмінність, відсутність пе-
ретину, область визначення та область
значення);
T – множина типів даних (на-
приклад, рядок, ціле).
Вибір саме такої моделі онтології
для даної роботи обумовлюється наступ-
ними причинами. По-перше, така модель
має достатню виразність для розв’язання
тих задач, які розглядаються в цій роботі,
а саме, керування розподіленими знання-
ми в МІІІС. По-друге, вона відповідає ін-
туїтивному уявленню про онтології, яке
міститься в користувальницькому інтер-
фейсі редактора онтологій Protégé [5] і
тому легко поєднується з представленням
елементів онтології в цьому програмному
продукті. По-третє, ця модель досить про-
сто інтегрується з різними інтелектуаль-
ними застосуваннями, які підтримують
семантичну обробку інформації (примі-
ром, з семантичними Wiki-ресурсами, ле-
ксичними онтологіями).
Моделі та засоби систем баз даних і знань
84
Внутрішні та зовнішні онтології
Як правило, у ІІС розрізняють вну-
трішні і зовнішні онтології [6]. Внутрішні
онтології створюються розроблювачами
ІІС і відображають їхнє уявлення щодо
властивостей та взаємовідношень основ-
них інформаційних об’єктів (ІО) певної
ПрО. Структура внутрішньої онтології і її
обсяг цілком визначаються цілями ство-
рення ІІС і тими функціями, що вона має
виконувати. Структура внутрішньої онто-
логії залишається незмінною у процесі
функціонування ІІС і може лише попов-
нюватися новими екземплярами класів
або значеннями їх властивостей.
Зовнішні онтології імпортуються
ІІС із зовнішніх інформаційних джерел у
процесі роботи системи і дозволяють ди-
намічно поновлювати відомості щодо від-
повідної ПрО. Приміром, такі онтології
можуть бути знайдені за певними умова-
ми в репозиторіях онтологій або бути по-
будовані шляхом аналізу доступних ін-
формаційних ресурсів (ІР). Важливою
властивістю зовнішніх онтологій є те, що
в процесі роботи ІІС для рішення тієї са-
мої задачі можуть застосовуватися різні
онтології. Це пояснюється динамічністю
інформаційного середовища ІІС (це особ-
ливо характерно для ІІС, орієнтованих на
роботу в Web): онтології у репозиторії
або зовнішні ІР можуть значно змінюва-
тися незалежно від розробників та корис-
тувачів ІІС.
Такі властивості Web, як гетеро-
генність і динамічність, обумовлюють ряд
проблем, пов’язаних з використанням зо-
внішніх онтологій. Зокрема, виникає про-
блема порівняння зовнішніх онтологій,
сформованих у різні моменти роботи ІІС:
якщо відмінності між онтологіями пере-
вищують певну кількісну міру, тоді необ-
хідно заново виконати їхню обробку.
Зважаючи на те, що ресурси, за
якими будуються онтології, та методи, що
використовуються для цього, знаною мі-
рою визначають властивості та структуру
онтологій, доцільно розглянути окремі
випадки таких онтологій. Якщо зовнішню
онтологію можна віднести до одного з та-
ких типів, це значно спрощує її обробку
та використання.
Таксономія Т – це онтологія, яка,
крім класів та екземплярів, містить тільки
відношення “підклас”, яке ієрархічно по-
єднує класи, та відношення “екземпляр
класу”. Ця онтологія не потребує складних
засобів обробки, методи її побудови не
припускають наявності циклів у класах
(кожен клас створюється як підклас певно-
го класу, екземпляр – як екземпляр певно-
го класу). ЇЇ формальна модель є окремим
випадком моделі (1):
,},{,
_ clier
rRXXXT indcl . (2)
Wiki-онтологія – це онтологія, по-
будована за семантично розміченим Wiki-
ресурсом (набором Wiki сторінок, що
містять семантичну розмітку). Вона міс-
тить тільки ті знання, які можна безпосе-
редньо здобути із семантичної розмітки.
Тому в цій онтології відсутні, приміром,
такі характеристики класів та властивос-
тей, як еквівалентність, відсутність пере-
тину тощо. Але ця онтологія може місти-
ти суперечності, пов’язані з класифікаці-
єю екземплярів, які потребують додатко-
вої перевірки [7].
ЇЇ формальна модель також є окре-
мим випадком моделі (1):
TRXTwiki ,,, . (3)
В цій моделі множина концептів будується
як поєднання таких елементів Wiki, як
сторінки та категорії
pagewikicategorwiki XXX __ ,
пов’язаних різними видами відношень з
}{}{}{ __ propsemrrrR
linkclier
,
тобто множина класів – це множина кате-
горій Wiki
categorwikiX _ ,
між якими існують ієрархічні відношення
clier
r
_
; множина екземплярів – це множина
Wiki-сторінок pagewikiX _ , між якими іс-
нують посилання
link
r та семантичні від-
ношення mir
ipropsem ,0,_ ; а множина ти-
пів даних доповнюється специфічним кла-
сом – “Wiki-сторінка”. Ця модель може
Моделі та засоби систем баз даних і знань
85
бути вдосконалена з урахуванням таких
елементів Wiki, як шаблони, форми, спеці-
альні сторінки тощо.
Агентний підхід
до моделювання ІІС
Сьогодні у розробці складних ІІС,
орієнтованих на роботу в Web, досить ши-
роко застосовується агентно-орієнтоване
програмування (АОП). Ця парадигма про-
грамування дає змогу перейти на більш
інтелектуальний рівень взаємодії користу-
вача з програмним і апаратним забезпе-
ченням [8]. Можна розглядати агентний
підхід як метафору проектування та моде-
лювання розподілених систем.
Програмні агенти (ПА) – це про-
грамні сутності, які функціонують безпе-
рервно й автономно в конкретному ото-
ченні здебільшого разом з іншими проце-
сами й агентами. Можна розглядати ПА
як окремий випадок автономних
комп’ютерних агентів [9]. Значна частина
сучасних ПА та мультиагентних систем
(МАС) орієнтовані саме на автономне фу-
нкціювання у відкритому інформаційному
середовищі Web, враховують його специ-
фіку та здатні використовувати його ІР.
Підвищення ефективності використання
ПА пов’язане з їх інтелектуалізацією.
Тому великий інтерес викликає проблема
керування розподіленими знаннями в му-
льтиагентних ІІС (МІІС).
Розробка агентно-орієнтованого
програмного забезпечення розширює мож-
ливості інформаційних технологій, забез-
печуючи більш гнучку композицію ІІС з
менш тісно пов’язаними компонентами,
спрощує проектування і зменшує час
впровадження. Але методи, що ефективно
використовуються у традиційних ІІС, мо-
жуть бути застосовані до створення агентів
та мультиагентних систем.
Для ПА характерна раціональність
поведінки, тобто ПА виконують тільки та-
кі дії, які, відповідно до обізнаності агента,
мають привести до досягнення поставле-
них користувачем цілей. Певну програмну
сутність доцільно розглядати саме як ПА,
якщо вона має хоча б деякі з наступних
властивостей:
– автономність – здатність само-
стійно виконувати розпорядження корис-
тувача, використовуючи знання про корис-
тувача та досвід взаємодії з ним;
– реактивність – можливість змі-
нювати свою поведінку відповідно
до зміни ситуації;
– комунікабельність – здатність ПА
до обміну інформацією з іншими ПА
та програмними компонентами;
– колаборативність – здатність
співпрацювати з іншими ПА.
Більш детально підходи то класифі-
кації ПА проаналізовано в [10].
Через складність та неоднознач-
ність терміну “ПА”, досить складно сфор-
мулювати відмінність агентів від інших
типів програмного забезпечення. Досить
перспективним уявляється підхід, запро-
понований в [11], де виділяються шість
основних характеристик різних видів аген-
тів: інформованість (knowledgeable), спів-
праця (collaboration), адаптивність
(adaptability), стійкість (persistence), мобі-
льність (mobility) та автономність
(autonomy). Кожна програмна сутність має
певну кількісну оцінку кожного з цих па-
раметрів та займає певну позицію у такому
шестивимірному просторі. Ці шість орто-
гональних характеристик працюють разом,
щоб агент-орієнтовані системи мали біль-
шу гнучкість. Чим більшу площу має вона
на діаграмі, тим більш доцільно розгляда-
ти відповідну програму як ПА.
Для класифікації ПА, залежно від її
цілей, застосовують такі параметри, як
рівень інтелектуальності, призначення,
платформа виконання тощо. Для інтеле-
ктуальних програмних агентів (ІПА) ха-
рактерні спілкування на рівні знань – зда-
тність у взаємодії з користувачами та ін-
шими ПА, використовуючи зовнішні БЗ,
здатність до логічного виведення та адап-
тивність – здатність навчатися та вдос-
коналювати свою поведінку на основі
власного досвіду. Через відмінності аген-
тів від інших типів програмного забезпе-
чення досить важко чітко схарактеризува-
ти їх інтелектуальність, що визначається
їх здатністю до міркувань і навчання [12].
Вищий рівень інтелектуальності припус-
Моделі та засоби систем баз даних і знань
86
кає наявність в агента моделі користува-
ча, його потреб і механізму пошуку засо-
бів їх задоволення. Найбільш інтелектуа-
льні системи здатні до навчання на влас-
ному досвіді й адаптації до динамічного
середовища.
Можливість навчання є важливою
властивістю будь-якої системи, яка функ-
ціонує у середовищі, що динамічно зміню-
ється. У МІІС проблеми навчання особли-
во актуальні, але мають ряд особливостей.
При цьому інтелектуальність розглядаєть-
ся вже не як властивість окремого ПА, а як
властивість групи взаємодіючих агентів
[13]. Кожен ІПА в МІІС може мати власне
уявлення щодо свого середовища. Це уяв-
лення може бути формалізовано через від-
повідну онтологію [14].
Персональні агенти – агенти
користувацького інтерфейсу
З точки зору моделювання МІІС
найбільшу цікавість викликають ті агенти,
які безпосередньо взаємодіють з користу-
вачем, на відміну від інших ПА, що отри-
мують користувацькі завдання опосеред-
ковано, від інших ПА. Це викликано тим,
що саме їх дії користувачі можуть спосте-
рігати безпосередньо і тому прогнозування
та пояснення цих дій найбільш цікавить
користувачів.
Персональні програмні агенти
(ППА) – це ПА, які мають засоби взаємодії
з користувачем (інтерфейс) для того, щоб
отримувати від нього певні завдання та
передавати результати їх виконання, ви-
ступаючи в ролі посередників для взаємо-
дії з усіма іншими агентами [11, 15].
Дії ППА залежать не лише від
завдання користувача, але й від того, який
саме користувач дає це завдання, тобто
ППА здатні враховувати інформацію що-
до користувача та щодо досвіду взаємодії
з ним для того, щоб покращити свою
роботу. Для цього вони використовують
модель користувача, хоча б і неявну, яка
дозволяє прогнозувати дії користувача,
його потреби та реакцію. Така неявна
модель користувача має взаємодіяти з мо-
делями задачі і ПрО. У більш складних
інтерфейсних агентів корисно робити мо-
дель користувача більш явним, так щоб
вона дозволяла здійснювати логічне ви-
ведення. Крім того, доцільно перейти від
статичних моделей до динамічних, де
можна відстежувати функції, якими кори-
стувач маніпулює.
В літературі ППА також називають
агентами інтерфейсу або користувацьки-
ми агентами.
ППА, спілкуючись з людиною без-
посередньо через вхід і вихід інтерфейсу,
спостерігає за її діями та за об'єктами,
якими ця людина маніпулює, має доступ
до сенсорів та ефекторів і може сам вико-
нувати певні дії [14].
ППА можуть виконувати завдання
користувачів, що стосуються автоматизації
обробки даних та прийняття певних рі-
шень. В роботі [16] виділяють наступні
підтипи інтерфейсних агентів:
агенти інтерфейсу з традицій-
ними застосуваннями: людина взаємодіє з
програмою, як звичайно, а агент спостері-
гає за її діями та пропонує певні рішення,
щоб запобігти можливих труднощів;
традиційний інтерфейс для му-
льтиагентних систем: людина безпосеред-
ньо взаємодіє з агентами МАС через тра-
диційний інтерфейс;
агенти інтерфейсу для МАС:
інтеграція людини з МАС, де людина роз-
глядається як компонента системи (агент),
в якій вона грає одну або кілька ролей.
За ролями ППА можна поділяти на
помічників і радників. Вони забезпечують
адаптований, персоніфікований інтер-
фейс, враховуючи індивідуальні особли-
вості, унікальні потреби і переваги корис-
тувача.
Для ефективного використання
ППА потрібно, щоб користувач відчував
довіру до нього, тобто міг прогнозувати
його дії, тому що делегування ППА пев-
них функцій пов’язане з певним ризиком
того, що агент неправильно зрозуміє на-
міри користувача або, що це завдання
може бути виконано неправильно. Для
цього важливо забезпечити зворотний
зв’язок з агентом та надати користувачеві
можливість впливати на його роботу. То-
му потрібно, щоб користувач розумів фу-
Моделі та засоби систем баз даних і знань
87
нкції окремих компонентів МІІС та вплив
своїх дій на результати роботи.
Інтелектуальні ППА, що входять до
складу МІІС або діють самостійно, здатні
використовувати формально представлені
знання щодо користувача і тієї ПрО, що
його цікавить, здобувати ці знання з різних
джерел та здійснювати логічне виведення
на цих знаннях.
BDI-модель агента
Для того, щоб моделювати МІІС та
мати можливість прогнозувати її дії, доці-
льно використовувати інтенсіональні від-
ношення (ІнВ) [17], які зазвичай викорис-
товуються для прогнозування й пояснення
людської поведінки. ІнВ поділяються на
інформаційні відношення (переконання,
знання) і перед-відношення (бажання,
емоції, наміри, зобов’язання, звершення,
вибір, цілі тощо). Інформаційні ІнВ
пов’язані з відомостями ІПА про світ, у
якому він існує, тоді як перед-відношення
– з діями ІПА. Модель ПрО складається з
переконань і знань агента про її концепти
та зв’язки між ними. Цей підхід застосо-
вують тоді, коли інформації про властиво-
сті системи та її структуру бракує, або во-
на надто складна для аналізу.
Якщо ІПА використовують онтоло-
гічне подання знань, то важливо зв’язати
ці інтенсіональні відношення з елементами
онтологічної моделі.
Переконання (beliefs) ІПА відобра-
жають його уявлення про поточний стан
світу та про зміни в ньому, які можуть ста-
тися внаслідок виконанню дій ІА.
Переконання ІПА поділяються на:
внутрішні, які ІПА отримує при
розробці;
набуті, які з’являються в ІПА в
процесі його функціонування внаслідок
спостережень і оцінки інформації.
Переконання референційно непро-
зорі. Перед- та інформаційні відношення
тісно пов’язані, оскільки агенти можуть,
наприклад, формувати наміри на основі
наявної в них інформації про світ. Модель
ІПА, у якій використовуються ІнВ, зви-
чайно, називають BDI-моделлю (від
Believe, Desire, Intention), навіть якщо ця
модель використовує інший набір ІнВ.
Для формалізації ІнВ та моделювання по-
ведінки ІПА використовується апарат мо-
дальної логіки.
Бажання (desire) відображають
ставлення ІА до майбутніх станів світу та
переваги, які він надає одним з них над
іншими. Важливою рисою бажання є те,
що ІА може мати несумісні й недосяжні
бажання.
Цілі (goals) – це несуперечлива під-
множина бажань ІА.
Наміри (intentions) – це підмножина
цілей, яких може досягти обмежений у ре-
сурсах ІПА, і засіб їх досягнення.
За допомогою інтенсіональних від-
ношень відображаються компоненти мо-
делі інтелектуального агента. Модель
предметної області складається з переко-
нань і знань агента про її концепти та
зв’язки між ними. Модель користувача
містить переконання агента, пов’язані зі
взаємодією з користувачем. Моделі інших
агентів дають змогу агенту використову-
вати для досягнення своїх намірів і цілей
знання та переконання цих агентів тощо.
Аналіз агентів на рівні знань, який
запропонував Невелл [18], передбачає, що
агенти мають деякі знання й цілі та вва-
жають, що можуть досягти цих цілей, ви-
користовуючи наявні в них знання. Пове-
дінку агентів на рівні знань можна описа-
ти за допомогою принципу раціональнос-
ті: якщо агент має знання про те, що одна
з його дій приведе до однієї з його цілей,
то агент вибере цю дію.
Модель ІПА, у якій використову-
ються ІнВ (не обов’язково саме переко-
нання, бажання та наміри), зазвичай нази-
вають BDI-моделлю (Belief-Desire-
Intention). Наведений вище аналіз публі-
кацій свідчить про великий інтерес до ви-
користання різних комбінацій ІнВ для
моделювання поведінки ІА, вибір якої ви-
значається специфікою інтересів розроб-
ників моделі: Кохен і Левеск’є викорис-
товують як базові відношення переконан-
ня та цілі (інші відношення визначаються
через них) [19], Рао і Джоржеф [20] – пе-
реконання, бажання та наміри, Братман та
Моделі та засоби систем баз даних і знань
88
ін. [21] – більш практичні ІнВ – цілі та
плани.
Ми пропонуємо формалізацію чо-
тирьох ІнВ – знань, переконань, намірів та
цілей [22]. Для цього використовується
апарат модальної логіки, модальні опера-
тори якої відповідають основним характе-
ристикам ІПА, які потрібно відобразити
в його символьній моделі. Такий форма-
лізм може використовуватися для опису
поведінки різних ППА і МІІС.
Модальна логіка, яка формалізує ці
ІнВ (BDI-логіка), може використовуватися
для моделювання поведінки ІПА, які ма-
ють здатність до цілепокладання та власну
модель світу, що будується на основі знань
і переконань.
Розглянемо твердження типу «А (R)
», де А – суб’єкт, – твердження, а R –
відношення між А і . Якщо як приклад
відношення R розглянути переконання, то
твердження, що «А вважає » істинним,
означає, що визнається істинним для А,
незалежно від справжньої істинності ,
тобто є два погляди: А – внутрішнього і
К – зовнішнього суб’єктів. Зафіксуємо ба-
зисну множину W, яка віддзеркалює іс-
тинну картину й відповідає знанням зов-
нішнього суб’єкта К. У W оцінюються як
немодальні, так і модальні висловлювання.
U – допоміжна множина можливих світів,
яка презентує знання внутрішнього
суб’єкта А. У світах Uu оцінюються
тільки немодальні висловлювання, які ви-
ражають судження внутрішнього суб’єкта
про об’єкти. Світ Uu відображає світ
W з погляду А.
Як загальнозначущий критерій від-
мінності знання від переконання береться
фіксований погляд, репрезентований базо-
вою системою можливих світів W. У тако-
му разі «А вважає » істинним у світі
W тоді й тільки тоді, коли істинне в
співвіднесеному зі світом W світі
Uu . «А знає » істинно в тоді
й тільки тоді, коли істинно у світі і в
співвіднесеному з світі Uu (суб’єкт
підтверджує істинність , і справді іс-
тинне). – класичний можливий світ (у
ньому виконуються закони класичної логі-
ки й він цілком визначений: будь-яке пра-
вильно побудоване висловлювання в ньо-
му або істинне, або хибне). Але суб’єкт А
не завжди має у своєму розпорядженні по-
вну й точну інформацію про світ, тому
його уявлення про світ складаються з
здогадів і припущень. Через те для опису
світів з U двох значень «істинно» та «хиб-
но» недостатньо (наприклад, є твердження,
істинна оцінка яких невідома, але суб’єкт
упевнений у можливості її отримання).
– мова класичної пропозиційної
логіки. е – епістемічна мова, що містить
множину пропозиційних змінних
Var={p,q,r,... }, зв’язки & і , дужки і сімей-
ство узагальнених модальних операторів
{Bi, Ki, Di, Ii: N,1i }.
F – множина формул мови , де:
якщо Var, то F;
якщо F, то F;
якщо , F, то ( & ) F.
Множина формул мови е – така
множина F е, що:
якщо F, то F е;
якщо F е, то Вi Fе,
Ni ,1 ;
якщо F е, то Di Fе,
Ni ,1 ;
якщо F е, то Ii Fе,
,Ni 1 ;
якщо F е, то Ki Fе,
Ni ,1 .
Інші зв’язки (V, , ) визначаються
звичайним способом. Множина Fе буде
називатися базовою, а множина F – допо-
міжною.
Для мови е пропонується така се-
мантика можливих світів: = <W, U, s,
> – модель мови е тоді й тільки тоді, ко-
ли: W – непорожня базова множина мож-
ливих світів; U – непорожня допоміжна
множина можливих світів; s – функція ти-
пу: s: W->U; – функція приписування
(p) = <TW (p), TU(p), FU (p)> Varp ,
де TW(p)W і TU(p)U – множина світів,
де р істинно, а FU(p)U – множина світів,
де р хибно, причому TU(p) FU (p) = ,
Моделі та засоби систем баз даних і знань
89
але в системі світів U припускаються неві-
домі значення істинності р.
Інтенсіональна система першого
порядку має припущення, наміри, бажання
тощо, які стосуються тільки елементів до-
поміжної множини F, тоді як інтенсіональ-
ні системи вищих порядків мають припу-
щення, наміри, бажання тощо стосовно
елементів базової множини Fe. Через недо-
статню для моделювання поведінки ІА ви-
разну потужність інтенсіональних систем
першого порядку потрібно використовува-
ти інтенсіональні системи вищих поряд-
ків . Для цього необхідно ввести правила
декомпозиції модальних операторів
за допомогою схем аксіом і правила виве-
дення «modus ponens»: якщо , -> , то .
Нехай і належать допоміжній множині
формул F, і – формули базової множи-
ни Fe, Ni ,1 .
Аксіоми, які здійснюють опис мо-
дального оператора переконання. Для N
суб’єктів, Ni ,1 , Вi означає, що «i-й
суб’єкт вважає ».
A1. Bi( & ) (Bi & Bi);
A2. Bi( V ) (Bi V Bi);
A3. Bi( -> ) (Bi -> Bi);
A4. Bi ( & ) (Bi V Bi );
A5. Bi ( V ) (Bi & Bi );
A6. Bi (-> ) (Bi & Bi );
A7. Bi -> Bi ;
A8. Bi -> Bi ;
A9. Bi -> Bi.
Аксіоми, які здійснюють опис мо-
дального оператора знання. Введемо
в мову е оператор знання К та оператор
помилки Е, що характеризують пізнання:
Кi означає «i-той суб’єкт знає », а
Еi – «i-той суб’єкт помиляється, припус-
каючи ».
А10. Кi -> (Вi & ). У цій схемі
використаний знак імплікації: при визна-
ченні помилки достатньо зазначити хиб-
ність того, що суб’єкт приймає як істинне,
але з того факту, що щось істинно
для суб’єкта та істинно у фіксованій сис-
темі, ще не можна дійти висновку про те,
що суб’єкт знає це.
A11. Ei (Bi & ). Має місце
транзитивне відношення досяжності.
А12. Кi -> Кi Кi. Аксіома пози-
тивної інтроспекції свідчить про усвідом-
лення агентом своїх знань.
А13. Вi -> Кi Вi.
Аксіоми, які здійснюють опис мо-
дального оператора цілі. Суб’єкт може
мати несумісні бажання, і він може
не вважати їх досяжними. Доцільніше ви-
користовувати поняття цілі – сумісної під-
множини бажань:
B1. Di( & ) (Di & Di);
B2. Di( V ) (Di V Di);
Цілі не суперечать одна одній:
B3. Di Di ;
B4. Di ( & ) (Di V Di );
B5. Di ( V ) (Di & Di );
B6. Di Di ;
B7. Di ( ->) -> (Di -> Di );
B8. Bi( ->)&Di() ->Di ;
B9. Bi(Di ) Di().
Аксіоми, які здійснюють опис мо-
дального оператора наміру:
C1. Ii( & ) (Ii & Ii);
C2. Ii( V ) (Ii V Ii).
Наміри не суперечать один одному:
C3. Ii() Ii.
C4. Ii ( & ) (Ii V Ii );
C5. Ii ( V ) (Ii & Ii );
C6. Ii Ii ;
C7. Ii ( ->) -> (Ii -> Ii );
C8. Ii -> Di;
C9. Bi(Ii ) Ii().
Вищезапропонований набір схем
аксіом є несуперечливим, тобто для
eFα не виведена & (тому, що
переконання, цілі й наміри кожного конк-
ретного суб’єкта не суперечать один од-
ному за визначенням). Водночас запропо-
нована система аксіом загалом не повна,
Моделі та засоби систем баз даних і знань
90
тобто eFα , для яких не виведені ні ,
ні (це зумовлено неповнотою знань і
переконань конкретного суб’єкта, який
може не мати про якийсь конкретний факт
жодної інформації).
За допомогою цих ІнВ відобража-
ються компоненти моделі ІА: модель ПрО
складається з переконань і знань ІПА що-
до концептів ПрО та зв’язків між ними;
модель користувача містить переконання
ІпА, пов’язані з взаємодією, з користува-
чем. Моделі інших агентів дають змогу
ІПА використовувати для досягнення своїх
намірів і цілей їх знання та переконання
тощо.
Якщо ІПА використовує онтологіч-
ну модель ПрО, тоді його переконання Bi
використовують концепти з indcl XXX
та відношення }{p}{rrR jiier_cl фор-
мальної моделі онтології (1), що є специ-
фічними для обраної ПрО, та мають відпо-
відати всім обмеженням, що містяться у
відповідній онтології.
Ці аксіоми можуть використовува-
тися для моделювання поведінки ПА, що
входять до складу різних МІІС. Розгляне-
мо це на прикладі системи семантичного
пошуку МАІПС, архітектура якої описана
на основі агентної парадигми.
Застосування інтенсіональних
відношень в онтологічній
моделі МАІПС
МАІПС – це метапошукова система
з розвиненими засобами інтелектуалізації,
що призначена для пошуку інформації
у відносно вузьких предметних областях,
пов’язаних з професійними чи науковими
інтересами користувачів [23]. Основа
МАІПС – технологія Semantic Web, зокре-
ма мова подання онтологій OWL, і засоби
його обробки. Для подання знань, що ціка-
влять користувача, використовуються он-
тології ПрО та тезауруси задач, що базу-
ються на них. При цьому тезаурус буду-
ється користувачем за відповідною онто-
логією самостійно, а онтологія вибираєть-
ся з набору онтологій, запропонованих на
сайті розробниками системи.
Система МАІПС орієнтована на ко-
ристувачів, що мають у мережі постійні
інформаційні інтереси та потребують пос-
тійного надходження відповідної інформа-
ції. Для цього МАІПС надає можливість
зберігати й повторно виконувати запити,
з огляду на реакцію користувача на раніше
запропоновані йому ІР (персональна філь-
трація), відстежувати появу аналогічних
запитів в інших користувачів (колаборати-
вна фільтрація), зберігати формальний
опис сфери інтересів користувача
у вигляді онтології (семантична фільтра-
ція) тощо.
Архітектура МАІПС містить ПА
трьох типів: ППА, що підтримують інтеле-
ктуальну та персоніфіковану взаємодію
користувачів з системою; агентів ІР та аге-
нтів-посередників, що обслуговують взає-
модію інших агентів [24].
В МАІПС, як і в багатьох інших ІІС,
використовуються внутрішні та зовнішні
онтології. До внутрішніх відноситься он-
тологія семантичного пошуку, які описує
основні об’єкти МАІПС (користувачів, ре-
сурси, запити тощо), їх властивості та від-
ношення між ними [25]. Ця внутрішня он-
тологія потрібна для побудови профілю
користувача та містить такі основні класи:
- користувач – клас, що дозволяє
описати властивості людини, що зверта-
ється до МАІПС;
- тема – множина запитів,
пов’язаних з однією інформаційною пот-
ребою
u1,q,z,idthema qthema ,
що дає змогу поєднувати семантично
пов’язані запити різних користувачів, які
базуються на різних онтологіях і тезауру-
сах;
- запит – множина ключових
слів, що характеризують інформаційну по-
требу користувача;
- інформаційний ресурс – відомо-
сті про ІР, раніше запропоновані користу-
вачу, та їхні оцінки
n1,i,q,m,z,U iiiurl ;
- ІО – відомості про інформацій-
ний об’єкт з певною структурою, визначе-
ною користувачем, що містяться в одному
Моделі та засоби систем баз даних і знань
91
чи декількох ІР (структура ІО може бути
описана через посилання на відповідну зо-
внішню онтологію);
- інформаційне середовище – су-
купність усіх доступних ІР та ІО, їх влас-
тивостей і зв’язків між ними;
- тезаурус задачі – множина те-
рмінів ПрО, що стосуються поточної зада-
чі користувача
;m1,j,s1,k,v,TthTh iikПрОki jjiijij
- результат запиту – множина
пар, першим елементом яких є посилання
на ІР, а другим – оцінки цих ІР користува-
чем
irir rating,iduz,frez ;
- онтологія ПрО, що містить
опис області, до якої належать інформа-
ційні потреби користувача
n1,i,F,R,TO
iiii ПрОПрОПрОПрО .
Останній клас дозволяє пов’язувати
різноманітні зовнішні онтології, які міс-
тять знання тих ПрО, що цікавлять корис-
тувачів, із цими користувачами та їх запи-
тами: слід відмітити, що той самий корис-
тувач може застосовувати кілька онтологій
для різних запитів та будувати за однією
онтології різні тезауруси відповідно до
специфіки поточного завдання. Зовнішні
онтології не залежать від розробників
МАІПС – вони будуються самими корис-
тувачами або експортуються із зовнішніх
репозиторіїв онтологій. Тому неможливо
заздалегідь накладати будь-які обмеження
на ці онтології, а це ускладнює їх обробку
та звужує можливості їх застосування. То-
му важливо певним чином класифікувати
такі зовнішні онтології (приміром, за вира-
зною потужністю, методами побудови або
джерелами).
Ще одна внутрішня онтологія, що
застосовується в МАІПС, – це лексична
онтологія ПрО, що містить відомості
про лексеми природних мов, які відпові-
дають термінам онтології ПрО та викорис-
товується для встановлення зв’язків між
елементами природномовних документів і
термінами онтології ПрО
n1,i,f,R,TO
iii lexlexlex ,
тобто
iPrOTt .
Така онтологія може бути предста-
влена мовою OWL і вживатися в різних
застосуваннях, пов’язаних з використан-
ням семантичного пошуку [25].
Розглянемо детальніше ППА, що
використовуються в МАІПС. Основні їх
функції – це переформулювання запиту
користувача з використанням відповідних
онтологій та тезаурусів, передання цього
запиту іншим ПА та перевпорядкування
отриманої інформації відповідно до інфо-
рмаційних потреб користувача.
ППА презентує інтереси користу-
вача у взаємодії з системою, що відно-
сяться до ІПА. Для опису поведінки тако-
го агента використовуються такі інтенсіо-
нальні відношення, як знання, переконан-
ня і цілі користувача. Застосування такого
формалізму, як ППА, дасть змогу, з одно-
го боку, уникнути приписування людині-
користувачу штучно обмеженої і форма-
льно схарактеризованої сфери інтересів, а
з іншого – забезпечить засоби та методи
прогнозування його вчинків у межах мо-
делі взаємодії користувача та ІР у відкри-
тому інформаційному середовищі.
Для створення моделі, відповідно
до методології розробки BDI-агентів, тре-
ба виконати наступні дії:
визначити функції класів ПА,
що входять до складу системи, та їх взає-
модію;
ідентифікувати тривалість жит-
тя ПА кожного класу та умови, за якими
вони починають та припиняють свою дія-
льність;
ідентифікувати інформаційний
зміст взаємодії класів агентів; події й умо-
ви, що мають бути помічені; дії, що будуть
виконуватися; інші інформаційні вимоги;
побудувати класи агентів через
успадкування або укрупнення, керуючись
спільністю тривалості життя, інформації,
інтерфейсів і послуг;
описати для кожного класу ПА
моделі їх переконань, цілей та намірів,
навести конкретні класи та екземпляри
агентів.
Моделі та засоби систем баз даних і знань
92
Ті переконання ППА
iППАB , що
стосуються зовнішнього світу
}{B}{B,n1,k,B
ikПрОkПрО ППАППАППА ,
базуються на зовнішніх онтологіях
МАІПС. Ця множина не може бути поро-
жньою, тому що тоді використання
МАІПС не матиме сенсу. Ці переконання
можуть змінюватися в процесі взаємодії
користувача з МАІПС – приміром, корис-
тувач може обрати іншу онтологію ПрО та
будувати за нею нові тезауруси та запити.
Тоді оцінка ІР, обраних раніше з ураху-
ванням інших переконань, може змінюва-
тися. Переконання ППА містять також
елементи, побудовані МАІПС на основі
аналізу взаємодії з користувачем:
}.{B}{B,p0,m,B
imsearchmsearch ППАППАППА
Ця множина на початку взаємодії може
бути порожньою і поповнюється в процесі
роботи. Користувач може явно або за пев-
ним шаблоном видаляти ті елементи свого
досвіду, які не відповідають його поточ-
ним інтересам (приміром, після закінчення
проекту або зміни місця роботи). Така ін-
формація буде зберігатися як екземпляри
відповідних класів онтології семантичного
пошуку.
Знання ППА ППАjK базуються на
внутрішніх онтологіях МАІПС та не змі-
нюються на протязі використання системи.
У логічному виведенні можуть використо-
вуватися як знання, так і переконання
ППА. Знання можуть стосуватися струк-
тури ІО, що потрібний користувачеві, а
переконання – його семантики, значень
властивостей та зв’язків з іншими екземп-
лярами ІО. При цьому не має значення,
наскільки онтологія ПрО відповідає реаль-
ному світові, але важливо, щоб вона була
пертинентна задачі користувача та не міс-
тила внутрішніх логічних суперечностей.
Приміром, користувач може досліджувати
певні соціологічні аспекти взаємин між
різними расами у фентезі, і, хоча насправді
ельфи та орки не існують, використовува-
ти їх формалізовані описи, побудовані за
літературними творами.
Цілі ППА ППАkD можна поділити
на основні та допоміжні. Основні відпові-
дають виконанню завдань ППА, а допо-
міжні дозволяють підвищити ефектив-
ність його функціонування. У формулю-
ванні цілей використовуються терміни як
онтології семантичного пошуку (“ІО”,
“запит” тощо) та їх властивості (“час ви-
конання запиту”, “тип ІО” тощо), так і он-
тології ПрО (приміром, щоб замінити
термін запиту на його надклас чи підк-
лас).
Допоміжні цілі пов’язані зі здобут-
тям неявних переваг та вимог користувача,
що логічно випливають з оцінок результа-
тів запитів (наприклад, узагальнити ре-
зультати багаторазових запитів і видобути
їх спільні характеристики, які користувач
не вказує явно, щоб потім додавати їх до
запиту автоматично); з групуванням кори-
стувачів із подібними інтересами (примі-
ром, тих, що використовують схожі онто-
логії або подібні запити). Виконання до-
поміжних цілей може викликати зміни у
множині переконань користувача: примі-
ром, спростити онтологію ПрО шляхом
відкидання термінів, що ніколи не викори-
стовуються у пошуку або доповнити онто-
логію новими термінами та зв’язками між
ними, здобутими з документів – результа-
тів пошуку.
Висновки
Слід відмітити, що, якщо інтегра-
ція BDI-моделі з елементами внутрішніх
онтологій виконується самими розробни-
ками кожної МІІС, то використання еле-
ментів зовнішніх онтологій пов’язане з
певними труднощами: невідома ані струк-
тура такої онтології, ані її складність. Це
може призвести до помилок у роботі МІ-
ІС. Приміром, в переконаннях ППА пе-
редбачається, що в разі неуспішного ви-
конання пошуку потрібно замінити певні
властивості ІО на властивості його над-
класу. Але, якщо використовується онто-
логія ПрО з циклами в ієрархії класів, то
це викличе зациклення алгоритму. Тому
досить важливо мати можливість оціню-
вати зовнішні онтології ПрО та мати мо-
жливість для визначення характеристик
окремих випадків онтологій. Прикладами
Моделі та засоби систем баз даних і знань
93
таких окремих випадків є розглянуті вище
Wiki-онтологія та таксономія. Доцільно
надалі виділити більшу кількість таких
окремих випадків та формально описати
їх характеристики в рамках заданої фор-
мальної моделі.
1. Gruber T.R. Toward Principles for the De-
sign of Ontologies Used for Knowledge
Sharing. International Journal of Human-
Computer Studies. 1995. Vol. 43, Issues 5-6.
P. 907–928.
2. Obr L., Ceuster W., Mani I., Ra S., Smith B.
The evaluation of ontologies. In Semantic
web: Revolutionizing Knowledge Discovery
in the Life Sciences, New York: Springer
Verlag, 2006. P. 139–158.
https://philpapers.org/archive/OBRTEO-6.pdf.
3. OWL Web Ontology Language Semantics and
Abstract Syntax. Section 2. Abstract Syntax
[Електронний ресурс]. Режим доступу:
http://www.w3.org/TR/owl-semantics/
syntax.html.
4. Гладун А.Я., Рогушина Ю.В. Семантичні
технології: принципи та практики. К.:ТОВ
"ВД "АДЕФ-Україна". 2016. 308 с.
5. Protégé [Електронний ресурс]. Режим дос-
тупу : http:// protege. stanford.edu/.
6. Рогушина Ю.В. Семантичний пошук у Web
на основі онтологій: розробка моделей, за-
собів і методів Мелітополь: МДУПУ ім.
Богдана Хмельницького, 2015.
7. Rogushina J. Semantic Wiki resources and
their use for the construction of personalized
ontologies. CEUR Workshop Proceedings
1631. 2016. P. 188–195.
8. Shoham Y. Agent-oriented programming.
Artificial Intelligence. 1993. N 60. P. 51–92.
9. Franklin А., Graesser А. Is it an agent or just
a programm: a taxonomy form autonomos
agents. In Proc. of the III Int. Workshop on
Agents Theories, Arch. and Languages. N.-
Y., Springer-Verlad, 1996.
10. Рогушина Ю.В. Программные агенты:
определения, таксономии, модели. Управ-
ляющие системы и машины. 2001. № 5.
С. 39–45.
11. Griss M.L. Software agents as next generation
software components. Component-based
software engineering. 2001. P. 641–657.
https://pdfs.semanticscholar.org/839e/b7a89e
d502b637fc6ad5a46acd4dca0cad40.pdf.
12. Petrie C.J. Agent-based ingeneering, the
WEB and intelligent.IEEE expert. 1996.
11(6). P. 24–29.
13. Busuioc M., Winter C. Negotiation and Intel-
ligent Agents, Project NOMADS-001, BT
Labs, Martlesham Heath, U.K., 1995.
14. Giménez-Lugo G.A., Amandi A., Sichman J.S.,
Godoy D. Enriching information agents’
knowledge by ontology comparison: A case
study. In Ibero-American Conference on Arti-
ficial Intelligence, 2002, Springer Berlin Hei-
delberg. P. 546–555.
15. Lieberman H., Selker T. Agents for the user
interface. Handbook of Agent Technology.
2003. P. 1–21.
16. Lahlouhi A., Sahnoun Z., Lamine Benbrahim
M., Boussaha1 A. Interface agents develop-
ment in MASA for human integration in mul-
tiagent systems. Advances in Artificial Intel-
ligence, IBERAMIA 2002. P. 566–574.
17. Konolige K. A Deduction Model of Belief .
Proc. of the 1986 Workshop on Reasoning
About Actions and Plans. 1987. P. 297–340.
18. Newell A. The knoledge level. Artificial In-
tellegence. 1982. N 18. P. 87–127.
19. Cohen P.R., Levesque H.J. Intention is choice
with commirment. Artificial Intelligence.
N 42. 1990. P. 213–261.
20. Rao A.S., Georgeff M.P. Modeling rational
agents within a BDI-architecture. In R. Pikes
and E. Sandewall, eds. Proc. of Knowledge
Representation and Reasoning (KR&R-91),
Morgan Kaufmann Publishers: San Mateo,
CA. 1991. P. 473–484.
21. Bratman M.E., Israel D., Pollack M.E.
Toward an architecture for resource-bounded
agents. Technical Report CSLI-87-104,
Center for the Studv of Language and
Information, SRI and Stanford University,
1987.
22. Плескач В.Л., Рогушина Ю.В. Агентні тех-
нології. Монографія, К.: Київ. нац. торг.–
екон. ун-т, 2005. 338 с.
23. Rogushina J.V. The Use of Ontological
Knowledge for Semantic Search of Complex
Information Objects. OSTIS-2017, Minsk,
BGUIR. 2017. P. 127–132.
24. Rogushina J. Use of the Ontological Model
for Personification of the Semantic Search.
International Journal of Mathematical Scienc-
es and Computing(IJMSC), Vol. 2, N 1. 2016.
P. 1–15. http://www.mecs-press.org/ijmsc/
ijmsc-v2-n1/IJMSC-V2-N1-1.pdf.
25. Рогушина Ю.В., Гришанова І.Ю. Літерату-
рний твір наукового характеру "Модель
мультиагентної інформаційно-пошукової
системи МАІПС (Модель МАІПС)". Сві-
Моделі та засоби систем баз даних і знань
94
доцтво про реєстрацію авторського права
на твір № 32068.
26. Rogushina J. Methods and tools of knowledge
management at the Semantic Web environ-
ment. International Journal «Information
Theories and Applications». Vol. 19, N. 3.
2012. P. 258–268. http://www.foibg.com/
ijita/vol19/ijita19-3-p08.pdf.
References
1. Gruber T.R. (1995) Toward Principles for the
Design of Ontologies Used for Knowledge
Sharing. International Journal of Human-
Computer Studies. Vol. 43, Issues 5-6.
P. 907–928.
2. Obrs L., Ceuster W., Mani I., Ra S., & Smith
B. (2006) The evaluation of ontologies. In
Semantic web: Revolutionizing Knowledge
Discovery in the Life Sciences, New York:
Springer Verlag, 139–158.
https://philpapers.org/archive/OBRTEO-6.pdf.
3. OWL Web Ontology Language Semantics
and Abstract Syntax. Section 2. Abstract Syn-
tax [Online]. http://www.w3.org/TR/owl-
semantics/syntax.html.
4. Gladun A.Ya., Rogushina J.V. (2016) Seman-
tic technologies: principles and practics. Kyiv,
ADEF-Ukraine, 308 p. (in Ukrainian).
5. Protégé [Online]. http:// protege. stan-
ford.edu/.
6. Rogushina J.V. (2015) Semantic retrieval in
the Web on base of ontologies: design of
methods, means and methods. Melitopol,
MDPU. (in Ukrainian).
7. Rogushina J. (2016) Semantic Wiki resources
and their use for the construction of personal-
ized ontologies. CEUR Workshop Proceed-
ings 1631. P. 188–195.
8. Shoham Y. Agent-oriented programming.
Artificial Intelligence. 1993. N 60. P. 51–92.
9. Franklin А., Graesser А. (1996) Is it an agent
or just a programm: a taxonomy form auton-
omos agents. In Proc. of the III Int. Workshop
on Agents Theories, Arch. and Languages.
N.-Y., Springer-Verlad.
10. Rogushina J. (2001) Software agents: defini-
tions, taxonomies, models. Control systems
and machines. N 5, P. 39–45. (in Russian).
11. Griss M.L. (2001) Software agents as next
generation software components. Component-
based software engineering. P. 641–657.
https://pdfs.semanticscholar.org/839e/b7a89e
d502b637fc6ad5a46acd4dca0cad40.pdf.
12. Petrie C.J. (1996) Agent-based ingeneering,
the WEB and intelligent.IEEE expert, 11(6),
P. 24–29.
13. Busuioc M., & Winter C. (1995) Negotiation
and Intelligent Agents, Project NOMADS-
001, BT Labs, Martlesham Heath, U.K.
14. Giménez-Lugo G.A., Amandi A., Sichman
J.S., & Godoy D. (2002) Enriching infor-
mation agents’ knowledge by ontology com-
parison: A case study. In Ibero-American
Conference on Artificial Intelligence, Spring-
er Berlin Heidelberg. P. 546–555.
15. Lieberman H., & Selker T. (2003) Agents for
the user interface. Handbook of Agent Tech-
nology. P. 1–21.
16. Lahlouhi A., Sahnoun Z., Lamine Benbrahim
M., & Boussaha1 A. (2002) Interface agents
development in MASA for human integration
in multiagent systems. Advances in Artificial
Intelligence, IBERAMIA. P. 566–574.
17. Konolige K. (1987) A Deduction Model of
Belief . Proc. of the 1986 Workshop
on Reasoning About Actions and Plans,
P. 297–340.
18. Newell A. The knoledge level. Artificial In-
tellegence. 1982. N 18. P. 87–127.
19. Cohen P.R., & Levesque H.J. (1990) Intention
is choice with commirment. Artificial Intelli-
gence. N 42. P. 213–261.
20. Rao A.S., & Georgeff M.P. (1991) Modeling
rational agents within a BDI-architecture. In
R. Pikes and E. Sandewall, eds. Proc. of
Knowledge Representation and Reasoning
(KR&R-91), Morgan Kaufmann Publishers:
San Mateo, CA. P. 473–484.
21. Bratman M.E., Israel D., & Pollack M. E.
(1987) Toward an architecture for resource-
bounded agents. Technical Report CSLI-87-
104, Center for the Studv of Language and In-
formation, SRI and Stanford University .
22. Pleskach V.L., & Rogushina J.V. (2005)
Agent technologies. Kyiv. KNTU. 338 p. (in
Ukrainian).
https://core.ac.uk/download/pdf/38468943.pdf
23. Rogushina J.V. (2017) The Use of Ontologi-
cal Knowledge for Semantic Search of Com-
plex Information Objects. OSTIS-2017.
Minsk. BGUIR. P. 127–132.
24. Rogushina J. (2016) Use of the Ontological
Model for Personification of the Semantic
Search. International Journal of Mathematical
Sciences and Computing (IJMSC), Vol. 2,
N 1. P. 1–15. http://www.mecs-press.org/
ijmsc/ ijmsc-v2-n1/IJMSC-V2-N1-1.pdf.
http://www.foibg.com/%20ijita/vol19/ijita19-3-p08.pdf
http://www.foibg.com/%20ijita/vol19/ijita19-3-p08.pdf
http://www.mecs-press.org/ijmsc/ijmsc-v2-n1/IJMSC-V2-N1-1.pdf
http://www.mecs-press.org/ijmsc/ijmsc-v2-n1/IJMSC-V2-N1-1.pdf
Моделі та засоби систем баз даних і знань
95
25. Rogushina J., & Grishanova I. The literary
work of a scientific nature "Model of multia-
gent information retrieval system MAIPS"
(MAIPS Model )". Certificate of registration
of copyright № 32068.
26. Rogushina J. (2012) Methods and tools of
knowledge management at the Semantic Web
environment. International Journal «Infor-
mation Theories and Applications», Vol. 19,
N 3. P. 258–268. http://www.foibg.com/
ijita/vol19/ijita19-3-p08.pdf.
Одержано 18.04.2017
Про автора:
Рогушина Юлія Віталіївна,
кандидат фізико-математичних наук,
старший науковий співробітник.
Кількість наукових публікацій в
українських виданнях – 140.
Кількість наукових публікацій в
зарубіжних виданнях – 30.
Індекс Хірша – 10.
http://orcid.org/0000-0001-7958-2557.
Місце роботи автора:
Інститут програмних систем
НАН України,
03181, Київ-187,
проспект Академіка Глушкова, 40.
Тел.: 066 550 1999.
E-mail: ladamandraka2010@gmail.com
http://www.foibg.com/ijita/vol19/ijita19-3-p08.pdf
http://www.foibg.com/ijita/vol19/ijita19-3-p08.pdf
mailto:ladamandraka2010@gmail.com
|