Petr Křemen. Katedra kybernetiky, FEL ČVUT. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 1 / 112

Podobné dokumenty
Petr Křemen FEL ČVUT. Petr Křemen (FEL ČVUT) Od sémantických sítí k logickým formalismům 1 / 161

Reprezentace znalostí. Katedra kybernetiky, ČVUT v Praze.

Ontologie. Otakar Trunda

Logika pro sémantický web

Deskripční logika. Petr Křemen FEL ČVUT. Petr Křemen (FEL ČVUT) Deskripční logika 37 / 157

DBS Konceptuální modelování

Inference v deskripčních logikách

Nepravidlové a hybridní znalostní systémy

Objektově orientované databáze. Miroslav Beneš

Od relačních databází k technologiím sémantickému webu

1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Získávání a reprezentace znalostí

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Aplikace s odvozováním nad ontologiemi

Metody tvorby ontologií a sémantický web. Martin Malčík, Rostislav Miarka

Umělá inteligence I. Roman Barták, KTIML.

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů.

Úvod do expertních systémů

Modelování a odvozování v RDFS

REPREZENTACE ZNALOSTÍ

Reprezentace znalostí - úvod

Databázové systémy. Ing. Radek Holý

8.2 Používání a tvorba databází

pseudopravděpodobnostní Prospector, Fel-Expert

Soustředí se na reprezentaci konceptů a vztahů (relací) mezi nimi. Používají grafickou reprezentaci, koncepty jsou uzly grafu, relace

Primární klíč (Primary Key - PK) Je právě jedna množina atributů patřící jednomu z kandidátů primárního klíče.

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ /14

GISON: ontologická integrace urbanistických datových sad IPR

Spojení OntoUML a GLIKREM ve znalostním rozhodování

vyvozování znalostí (reasoning) zpracovává znalosti uložené v bázi znalostí (knowledge base, KB) a odpovědi na dotazy

A5M33IZS Informační a znalostní systémy. O čem předmět bude? Úvod do problematiky databázových systémů

Databáze 2013/2014. Konceptuální model DB. RNDr. David Hoksza, Ph.D.

Obsah přednášky. Databázové systémy RDBMS. Fáze návrhu RDBMS. Coddových 12 pravidel. Coddových 12 pravidel

PLIN021 Sémantická analýza v praxi

DATABÁZOVÉ SYSTÉMY. Metodický list č. 1

Database engine (databázový stroj, databázový motor, databázové jádro) Systém řízení báze dat SŘBD. Typy SŘBD podle způsobu práce s daty

Informační a znalostní systémy jako podpora rozhodování

Kapitola 1: Úvod. Systém pro správu databáze (Database Management Systém DBMS) Účel databázových systémů

Teorie systémů TES 5. Znalostní systémy KMS

Big data ukážou mapu, TOVEK řekne kudy jít

Metody ukládání ontologií

Databázové systémy. Přednáška 1

Prolog PROgramming in LOGic část predikátové logiky prvního řádu rozvoj začíná po roce 1970 Robert Kowalski teoretické základy Alain Colmerauer, David

UMĚLÁ INTELIGENCE ARTIFICIAL INTELLIGENCE (AI)

H. Dreyfuss: What computers can t do, 1972 What computers still can t do, J. Weizenbaum. Computer power and human reason, 1976

Ontologie. Přednáška z předmětu Socioekonomická geografie pro geomatiku (KMA/SGG) Otakar Čerba Západočeská univerzita

Modely a sémantika. Petr Šaloun VŠB-Technická univerzita Ostrava FEI, katedra informatiky

Základy umělé inteligence

Reprezentace a vyvozování znalostí

TEORIE ZPRACOVÁNÍ DAT

4. Moudrost. Znalosti

Přehled znalostních systémů

Ontologie jako součást sémantického webu

RELAČNÍ DATABÁZE. Cíl:

Expertní Systémy. Data a znalosti. lze je získat automaticky nebo od úředníka;

Informační systémy 2008/2009. Radim Farana. Obsah. Obsah předmětu. Požadavky kreditového systému. Relační datový model, Architektury databází

Okruhy z odborných předmětů

Úvod do databázových systémů. Lekce 1

Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

Téma 48 (dříve 47) Martin Staviař, 16. srpna 2006

Databázové systémy trocha teorie

Použ ití konžolové č á sti áplikáčé XRéásonér

Inovace tohoto kurzu byla spolufinancována z Evropského sociálního fondu a státního rozpočtu České republiky.

Vybrané přístupy řešení neurčitosti

RDF a RDF Query. Jakub Nerad 1. prosince Nerad () RDF a RDF Query 1. prosince / 16

Databáze. Logický model DB. David Hoksza

MATURITNÍ OTÁZKY ELEKTROTECHNIKA - POČÍTAČOVÉ SYSTÉMY 2003/2004 PROGRAMOVÉ VYBAVENÍ POČÍTAČŮ

Analýza dat a modelování. Přednáška 2

Matematická logika. Miroslav Kolařík

UML. Unified Modeling Language. Součásti UML

2. Konceptuální model dat, E-R konceptuální model

14 Porovnání přístupů

Stromy, haldy, prioritní fronty

RNDr. Jakub Lokoč, Ph.D. RNDr. Michal Kopecký, Ph.D. Katedra softwarového inženýrství Matematicko-Fyzikální fakulta Univerzita Karlova v Praze

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group

DBS Konceptuální modelování

Zpracování neurčitosti

Kapitola 2: Entitně-vztahový model (Entity-Relationship model) Množiny entit (entitní množiny) Atributy

Znalosti a jejich reprezentace

Databáze I. 4. přednáška. Helena Palovská

Základní datové struktury III: Stromy, haldy

Unifikovaný modelovací jazyk UML

Databázové systémy úvod

InternetovéTechnologie

Maturitní otázky z předmětu PROGRAMOVÁNÍ

(#%ist #%LargeCorpInternalsMt #%ForAll x (#%HumanResourcesDepartment #%allinstances (#%actsincapacity x #%mediatorinprocesses #%EmployeeHiring

Databázové systémy BIK-DBS

Vývojové trendy 1. Dnešní téma. Vývojové trendy 2. Vývojové trendy ve zpracování informací a znalostí

Výroková a predikátová logika - III

Pravidlové znalostní systémy

MBI - technologická realizace modelu

Stromy. Strom: souvislý graf bez kružnic využití: počítačová grafika seznam objektů efektivní vyhledávání výpočetní stromy rozhodovací stromy

Formálnílogickésystémy pro aplikaci v informatice Martin Žáček

Výroková a predikátová logika - VI

Informační systémy 2008/2009. Radim Farana. Obsah. Nástroje business modelování. Business modelling, základní nástroje a metody business modelování.

Nerelační databázové modely. Helena Palovská

PRODUKTY Tovek Server 6

Výroková a predikátová logika - V

Konceptuální modelování

Transkript:

Sémantické sítě a rámce Petr Křemen Katedra kybernetiky, FEL ČVUT Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 1 / 112

Co nás čeká 1 Úvod do reprezentace znalostí 2 Sémantické sítě 3 Rámce Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 2 / 112

Úvod do reprezentace znalostí Motivace Proč se budeme zabývat reprezentací znalostí na obecné bázi? lidé potřebují rychle a efektivně vyhledávat relevantní informace. Je mnoho způsobů, jak reprezentovat danou doménu např. na léku bude něco jiného zajímat lékaře, něco jiného lékarníky, apod. etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 3 / 112

Úvod do reprezentace znalostí Motivace Proč se budeme zabývat reprezentací znalostí na obecné bázi? lidé potřebují rychle a efektivně vyhledávat relevantní informace. Je mnoho způsobů, jak reprezentovat danou doménu např. na léku bude něco jiného zajímat lékaře, něco jiného lékarníky, apod. obtížné je vytvořit reprezentaci dané znalosti využitelnou pro více úloh. etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 3 / 112

Úvod do reprezentace znalostí Motivace Proč se budeme zabývat reprezentací znalostí na obecné bázi? lidé potřebují rychle a efektivně vyhledávat relevantní informace. Je mnoho způsobů, jak reprezentovat danou doménu např. na léku bude něco jiného zajímat lékaře, něco jiného lékarníky, apod. obtížné je vytvořit reprezentaci dané znalosti využitelnou pro více úloh. efektivní reprezentace znalostí představuje základ pro strojové zpracování dat inferenční mechanismy. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 3 / 112

Úvod do reprezentace znalostí Motivace (2) My se budeme zabývat možnostmi deklarativní reprezentace znalostí: databáze vyhledávání (K čemu slouží indexy v relačních databázích?, K čemu pohledy (views)?) etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 4 / 112

Úvod do reprezentace znalostí Motivace (2) My se budeme zabývat možnostmi deklarativní reprezentace znalostí: databáze vyhledávání (K čemu slouží indexy v relačních databázích?, K čemu pohledy (views)?) sémantické servery, sémantický web vyhledávání etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 4 / 112

Úvod do reprezentace znalostí Motivace (2) My se budeme zabývat možnostmi deklarativní reprezentace znalostí: databáze vyhledávání (K čemu slouží indexy v relačních databázích?, K čemu pohledy (views)?) sémantické servery, sémantický web vyhledávání multiagentní technologie komunikační obsah etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 4 / 112

Úvod do reprezentace znalostí Motivace (2) My se budeme zabývat možnostmi deklarativní reprezentace znalostí: databáze vyhledávání (K čemu slouží indexy v relačních databázích?, K čemu pohledy (views)?) sémantické servery, sémantický web vyhledávání multiagentní technologie komunikační obsah strojové učení jazykový bias etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 4 / 112

Úvod do reprezentace znalostí Motivace (2) My se budeme zabývat možnostmi deklarativní reprezentace znalostí: databáze vyhledávání (K čemu slouží indexy v relačních databázích?, K čemu pohledy (views)?) sémantické servery, sémantický web vyhledávání multiagentní technologie komunikační obsah strojové učení jazykový bias Volba vhodné reprezentace znalostí je jednou z nejdůležitějších otázek při strojovém řešení téměř všech problémů AI. etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 4 / 112

Úvod do reprezentace znalostí Motivace (2) My se budeme zabývat možnostmi deklarativní reprezentace znalostí: databáze vyhledávání (K čemu slouží indexy v relačních databázích?, K čemu pohledy (views)?) sémantické servery, sémantický web vyhledávání multiagentní technologie komunikační obsah strojové učení jazykový bias Volba vhodné reprezentace znalostí je jednou z nejdůležitějších otázek při strojovém řešení téměř všech problémů AI. Nyní se budeme zabývat reprezentací znalostí bez neurčitosti. etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 4 / 112

Úvod do reprezentace znalostí Jak reprezentovat znalosti v umělé inteligenci. Vše začalo snahou lidí strukturovat si své znalosti a snažit se formalizovat lidské uvažování. Logika, Prolog Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 5 / 112

Úvod do reprezentace znalostí Jak reprezentovat znalosti v umělé inteligenci. Vše začalo snahou lidí strukturovat si své znalosti a snažit se formalizovat lidské uvažování. Logika, Prolog Sémantické sítě (Semantic Networks) - Quillian, 1967. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 5 / 112

Úvod do reprezentace znalostí Jak reprezentovat znalosti v umělé inteligenci. Vše začalo snahou lidí strukturovat si své znalosti a snažit se formalizovat lidské uvažování. Logika, Prolog Sémantické sítě (Semantic Networks) - Quillian, 1967. Rámce (Frames) - Minsky, 1974. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 5 / 112

Úvod do reprezentace znalostí Jak reprezentovat znalosti v umělé inteligenci. Vše začalo snahou lidí strukturovat si své znalosti a snažit se formalizovat lidské uvažování. Logika, Prolog Sémantické sítě (Semantic Networks) - Quillian, 1967. Rámce (Frames) - Minsky, 1974. Relační databáze Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 5 / 112

Úvod do reprezentace znalostí Jak reprezentovat znalosti v umělé inteligenci. Vše začalo snahou lidí strukturovat si své znalosti a snažit se formalizovat lidské uvažování. Logika, Prolog Sémantické sítě (Semantic Networks) - Quillian, 1967. Rámce (Frames) - Minsky, 1974. Relační databáze Objektově-orientované programovací jazyky Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 5 / 112

Úvod do reprezentace znalostí Jak reprezentovat znalosti v umělé inteligenci. Vše začalo snahou lidí strukturovat si své znalosti a snažit se formalizovat lidské uvažování. Logika, Prolog Sémantické sítě (Semantic Networks) - Quillian, 1967. Rámce (Frames) - Minsky, 1974. Relační databáze Objektově-orientované programovací jazyky Deskripční logiky a sémantický web (RDF, RDFS, OIL, DAML+OIL, OWL) Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 5 / 112

Produkční systémy Úvod do reprezentace znalostí Báze dat obsahuje model světa Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 6 / 112

Úvod do reprezentace znalostí Produkční systémy Báze dat obsahuje model světa Produkční pravidla pravidla ve tvaru Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 6 / 112

Úvod do reprezentace znalostí Produkční systémy Báze dat obsahuje model světa Produkční pravidla pravidla ve tvaru Inferenční stroj Vybírá (jak?) pravidla, provádí akce,... Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 6 / 112

Sémantické sítě Sémantické sítě ( c wikipedia.org) Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 7 / 112

Sémantické sítě Sémantické sítě Uzly jsou tvořeny entitami (instance, třídy), hrany reprezentují binární relace. ( c wikipedia.org) Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 7 / 112

Sémantické sítě Sémantické sítě Uzly jsou tvořeny entitami (instance, třídy), hrany reprezentují binární relace. Jediná inference je dědění pomocí is a relace. ( c wikipedia.org) Příklad Each Cat has a Vertebrate, since each Cat is a Mammal. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 7 / 112

Sémantické sítě (2) Sémantické sítě Tento způsob však nerozlišuje instance a třídy a odpovídá tak logice vyššího řádu. Řešením je zavést nový typ relace ako a používat ji pro dědičnost, zatímco is a používat pro instanciování. Ani zavedení relace ako neřeší zcela tento problém. etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 8 / 112

Sémantické sítě (3) Sémantické sítě jsou velmi jednoduché - z logického pohledu se jedná o jednoduchou binární relační strukturu vyjma relací has a a is a. Sémantiku těchto relací lze vyjádřit pravidlem has a(?x,?y), is a(?z,?x) has a(?z,?y).. etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 9 / 112

Sémantické sítě Sémantické sítě (3) jsou velmi jednoduché - z logického pohledu se jedná o jednoduchou binární relační strukturu vyjma relací has a a is a. Sémantiku těchto relací lze vyjádřit pravidlem has a(?x,?y), is a(?z,?x) has a(?z,?y).. neumožňují vyjádřit nemonotónní znalosti (podobně jako FOL). etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 9 / 112

Sémantické sítě Sémantické sítě (3) jsou velmi jednoduché - z logického pohledu se jedná o jednoduchou binární relační strukturu vyjma relací has a a is a. Sémantiku těchto relací lze vyjádřit pravidlem has a(?x,?y), is a(?z,?x) has a(?z,?y).. neumožňují vyjádřit nemonotónní znalosti (podobně jako FOL). neumožňují vyjádřit n-ární relace. Ty je nutné nejprve reifikovat. etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 9 / 112

Sémantické sítě Sémantické sítě (3) jsou velmi jednoduché - z logického pohledu se jedná o jednoduchou binární relační strukturu vyjma relací has a a is a. Sémantiku těchto relací lze vyjádřit pravidlem has a(?x,?y), is a(?z,?x) has a(?z,?y).. neumožňují vyjádřit nemonotónní znalosti (podobně jako FOL). neumožňují vyjádřit n-ární relace. Ty je nutné nejprve reifikovat. neumožňují vyjádřit složitější konstrukty, jako kardinality: Každý člověk má nejvýše dvě nohy., dědení vlastností každý otec je i rodičem, aj. etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 9 / 112

Sémantické sítě Sémantické sítě (3) jsou velmi jednoduché - z logického pohledu se jedná o jednoduchou binární relační strukturu vyjma relací has a a is a. Sémantiku těchto relací lze vyjádřit pravidlem has a(?x,?y), is a(?z,?x) has a(?z,?y).. neumožňují vyjádřit nemonotónní znalosti (podobně jako FOL). neumožňují vyjádřit n-ární relace. Ty je nutné nejprve reifikovat. neumožňují vyjádřit složitější konstrukty, jako kardinality: Každý člověk má nejvýše dvě nohy., dědení vlastností každý otec je i rodičem, aj. Wordnet, sémantické wiki, aj. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 9 / 112

Sémantické sítě Sémantické sítě Wordnet hyponyma, hypernyma odpovídají is-a relaci (příp. ako relaci). Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 10 / 112

Sémantické sítě Sémantické sítě Wordnet hyponyma, hypernyma odpovídají is-a relaci (příp. ako relaci). meronyma, holonyma odpovídají has-a relaci Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 10 / 112

Sémantické sítě Sémantické sítě Wordnet hyponyma, hypernyma odpovídají is-a relaci (příp. ako relaci). meronyma, holonyma odpovídají has-a relaci synonyma, antonyma? Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 10 / 112

Sémantické sítě Sémantické sítě Wordnet hyponyma, hypernyma odpovídají is-a relaci (příp. ako relaci). meronyma, holonyma odpovídají has-a relaci synonyma, antonyma? http://wordnet.princeton.edu/ Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 10 / 112

Sémantické sítě Sémantické sítě http://www.visuwords.com/ Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 11 / 112

Rámce Rámce frame: Škoda Favorit slots: is a: osobní auto ma motor: čtyřdobý benzínový ma prevodovku: manuální ma karburator: hodnota: Jikov předpoklad: Pierburg c strukturovanější než SN ([MvL93]) etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 12 / 112

Rámce Rámce frame: Škoda Favorit slots: is a: osobní auto ma motor: čtyřdobý benzínový ma prevodovku: manuální ma karburator: hodnota: Jikov předpoklad: Pierburg c strukturovanější než SN formuláře, které obsahují sloty (binární relace). ([MvL93]) etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 12 / 112

Rámce Rámce frame: Škoda Favorit slots: is a: osobní auto ma motor: čtyřdobý benzínový ma prevodovku: manuální ma karburator: hodnota: Jikov předpoklad: Pierburg c Každý slot může mít několik facetů (omezení na používání slotu), např. kardinalitu, defaultní hodnotu, apod. strukturovanější než SN formuláře, které obsahují sloty (binární relace). ([MvL93]) etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 12 / 112

Rámce Rámce frame: Škoda Favorit slots: is a: osobní auto ma motor: čtyřdobý benzínový ma prevodovku: manuální ma karburator: hodnota: Jikov předpoklad: Pierburg c Každý slot může mít několik facetů (omezení na používání slotu), např. kardinalitu, defaultní hodnotu, apod. Facety nám umožňují nemonotónní odvozování. strukturovanější než SN formuláře, které obsahují sloty (binární relace). ([MvL93]) etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 12 / 112

Rámce Rámce frame: Škoda Favorit slots: is a: osobní auto ma motor: čtyřdobý benzínový ma prevodovku: manuální ma karburator: hodnota: Jikov předpoklad: Pierburg c strukturovanější než SN formuláře, které obsahují sloty (binární relace). ([MvL93]) Každý slot může mít několik facetů (omezení na používání slotu), např. kardinalitu, defaultní hodnotu, apod. Facety nám umožňují nemonotónní odvozování. Lze definovat démony triggery pro akce prováděné na facetech (čtení, změna, smazání). Lze je použít např. pro ověřování konzistence. etr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 12 / 112

Rámce Rámce (2) Příklad Škoda Favorit typicky má karburátor typu Pierburg, tento Škoda Favorit však má karburátor typu Jikov. rámce lze sdružovat do scénářů. Ty představují typické situace, např. návštěva restaurace, apod. [MvL93] Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 13 / 112

Rámce Rámce (2) Příklad Škoda Favorit typicky má karburátor typu Pierburg, tento Škoda Favorit však má karburátor typu Jikov. rámce lze sdružovat do scénářů. Ty představují typické situace, např. návštěva restaurace, apod. [MvL93] OKBC - http://www.ai.sri.com/ okbc Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 13 / 112

Rámce Rámce (2) Příklad Škoda Favorit typicky má karburátor typu Pierburg, tento Škoda Favorit však má karburátor typu Jikov. rámce lze sdružovat do scénářů. Ty představují typické situace, např. návštěva restaurace, apod. [MvL93] OKBC - http://www.ai.sri.com/ okbc Protégé - http://protege.stanford.edu/overview/protege-frames.html Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 13 / 112

Rámce Rámce (2) Příklad Škoda Favorit typicky má karburátor typu Pierburg, tento Škoda Favorit však má karburátor typu Jikov. rámce lze sdružovat do scénářů. Ty představují typické situace, např. návštěva restaurace, apod. [MvL93] OKBC - http://www.ai.sri.com/ okbc Protégé - http://protege.stanford.edu/overview/protege-frames.html Apollo - http://apollo.open.ac.uk Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 13 / 112

Rámce Rámce (2) Příklad Škoda Favorit typicky má karburátor typu Pierburg, tento Škoda Favorit však má karburátor typu Jikov. rámce lze sdružovat do scénářů. Ty představují typické situace, např. návštěva restaurace, apod. [MvL93] OKBC - http://www.ai.sri.com/ okbc Protégé - http://protege.stanford.edu/overview/protege-frames.html Apollo - http://apollo.open.ac.uk Apollo CH - http://labe.felk.cvut.cz/ falc/apollo Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 13 / 112

Rámce (3) - Apollo CH Rámce Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 14 / 112

Rámce (4) - Protégé Rámce Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 15 / 112

Rámce Rámce a sémantické sítě - shrnutí velmi jednoduché struktury pro reprezentaci znalostí, Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 16 / 112

Rámce Rámce a sémantické sítě - shrnutí velmi jednoduché struktury pro reprezentaci znalostí, nemonotónní odvozování, Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 16 / 112

Rámce Rámce a sémantické sítě - shrnutí velmi jednoduché struktury pro reprezentaci znalostí, nemonotónní odvozování, ad-hoc odvozovací procedury, překlad do FOL není jednoduchý, a tedy ani jednoznačný, Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 16 / 112

Rámce Rámce a sémantické sítě - shrnutí velmi jednoduché struktury pro reprezentaci znalostí, nemonotónní odvozování, ad-hoc odvozovací procedury, překlad do FOL není jednoduchý, a tedy ani jednoznačný, problémy dotazovací jazyk, debugging. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 16 / 112