Поиск знаний - Knowledge retrieval

Поиск знаний стремится вернуть информацию в структурированной форме, совместимой с человеческими когнитивные процессы в отличие от простых списков элементов данных. Он использует ряд областей, включая эпистемология (теория познания), когнитивная психология, когнитивная нейробиология, логика и вывод, машинное обучение и открытие знаний, лингвистика, и информационные технологии.

Обзор

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 данными и поиск информации

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 мышление, рассуждения по аналогии
Модельдетерминированная модельстатистические 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, правило производства[необходимо разрешение неоднозначности ], Рамка, 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 вывод модели, методы поиска, организация результатов и т. д. Таблица 1, расширяющая сравнение ван Рейсбергена разницы между поиском данных и поиском информации,[14] суммирует основные характеристики поиска данных, поиска информации и поиска 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 используются дедуктивный вывод, а поиск информации использует индуктивный вывод.[14] Учитывая ограничения, связанные с предположениями различных логик, традиционная логика системы (например, Рог подмножество логика первого порядка ) не может эффективно рассуждать.[17] Ассоциативное рассуждение, рассуждения по аналогии а идея объединения рассуждений и поиска может быть эффективным методом 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

Из Информатика В перспективе была предложена и подробно исследована логическая структура, сосредоточенная на нечеткости запросов знаний.[19] Языки разметки для обоснования знаний и соответствующих стратегий, которые могут служить в качестве возможных основ логических рассуждений для поиска знаний на основе текста.[3]

Из наука о мышлении перспективы, особенно с точки зрения когнитивной психологии и когнитивной нейробиологии, нейробиологической основы для поиска знаний в человеческий мозг был исследован, и может служить когнитивная модель для поиска знаний.[20][21]

Связанные дисциплины

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

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.

Рекомендации

  1. ^ Фриш, А. Поиск знаний как специализированный вывод, Ph.D. Тезис, 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. ^ а б Мартин П. и Эклунд П. Поиск знаний и всемирная паутина, IEEE Интеллектуальные системы, 2000, 15(3): 18-25.
  4. ^ Ортель П. и Амир Э. Основа для поиска здравого смысла, Труды 7-го Международного симпозиума по логическим формализации Здравый смысл, 2005.
  5. ^ Трэверс, М. Визуальное представление структур знаний, Материалы 2-й ежегодной конференции ACM по гипертексту и гипермедиа, 1989: 147-158.
  6. ^ Яо, Ю.Ю. Системы поддержки информационного поиска, Труды Международной конференции IEEE 2002 г. по нечетким системам, 2002 г., 1092-1097.
  7. ^ Чжоу, Н., Чжан, Ю.Ф. и Чжан, Л. 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
  9. ^ Стефания Мариано, Андреа Кейси. Процесс поиска знаний: A тематическое исследование американского высокие технологии исследовательская, инжиниринговая и консалтинговая компания. VINE: Журнал информации и управление знаниями систем, 37 (3), 2007.
  10. ^ Йенс Гаммелгаард, Томас Риттер. Матрица поиска знаний: кодификация и персонификация как отдельные стратегии, Журнал управления знаниями, 9 (4), 133-143, 2005.
  11. ^ J.E.L. Фаррадейн. Анализ и организация знаний для поиска, Протоколы ASLIB, 22 (12), 607-616,1970.
  12. ^ а б Юй Яо, И Цзэн, Нин Чжун, Сянцзи Хуанг. Поиск знаний (KR). В: Материалы Международной конференции IEEE / WIC / ACM 2007 года по веб-аналитике, IEEE Computer Society, Силиконовая 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 В архиве 2016-10-17 на Wayback Machine
  14. ^ а б ван Рейсберген, C.J. Информационный поиск, Баттервортс, 1979.
  15. ^ Цзэн, Ю., Яо, Ю.Ю. и Чжун, Н. Извлечение знаний на основе гранулярной структуры [на китайском языке], Труды совместной конференции Седьмой конференции Грубый набор и Мягкие вычисления, Первый Форум Гранулярные вычисления и Первый форум Web Intelligence, 2007 г.
  16. ^ Баеза-Йейтс, Р. и Рибейро-Нето, Б. Современный информационный поиск, AddisonWesley, 1999.
  17. ^ а б Фензель Д. и ван Хармелен Ф. Объединение рассуждений и поиска в масштабе Интернета, IEEE Internet Computing, 2007, 11 (2): 96, 94-95.
  18. ^ Бернерс-Ли, Т., Холл, У., Хендлер, Дж. А., О’Хара, К., Шедболт, Н., Вайцнер, Д. Дж. Структура веб-науки, Основы и тенденции в веб-науке, 2006 г., 1 (1): 1-130.
  19. ^ Чен, Б. и Сян, Дж. Логическая структура поиска знаний с нечеткостью, Материалы Международной конференции IEEE / WIC / ACM 2004 года по веб-аналитике, 2004: 524-528.
  20. ^ Транель, Даниэль, 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 ты, но кто я ?!»: нейронные основы поиска собственных и социальных знаний у детей и взрослых, Журнал когнитивной неврологии, 19(8), MIT Press, Август 2007 г.