ОНТОЛОГИЧЕСКОЕ МОДЕЛИРОВАНИЕ СЛАБОСТРУКТУРИРОВАННОЙ ПРЕДМЕТНОЙ ОБЛАСТИ С ПРИМЕНЕНИЕМ НЕЧЕТКОЙ ЛОГИКИ

Рассмотрены проблемы построения и анализа слабоструктурированной предметной области с применением онтологической модели, а также исследуются проблемы нечеткого моделирования в рассматриваемой области. Сформированы основные классы и структурные связи предметной области, реализована онтология в редакторе Protégé путем иерархического построения сущностей. Приведены примеры описания онтологической модели с помощью языка OWL, описана технология обращения к элементам онтологии через язык запросов SPARQL. Проанализированы основные аспекты нечеткой логики, перечислены преимущества ее использования при построении онтологии, в том числе проведено построение функции принадлежности с помощью инструмента нечеткого моделирования – Fuzzy Logic Toolbox относительно рассматриваемого процесса. Сформирована система нечеткого вывода, которая позволила оценить степень принадлежности входных и выходных переменных рассматриваемому процессу. В качестве примера представлена онтология планирования работ по ремонту судна, а конкретно – подпроцесссогласования документов. Рассмотренная технология дает возможность проектировать и анализировать модели с разной степенью точности в условиях неопределенности.

1. Рыбин В.В. Основы теории нечетких множеств и нечеткой логики. М.: МАИ, 2007. 96 с.
2. Park J.-H., Kim K.-H., Bae J.-H.J. Analysis of shipbuilding fabrication process with enterprise ontology // Computers in Human Behavior. 2011. V. 27. N 5. P. 1519–1526. doi: 10.1016/j.chb.2010.10.021
3. Козырев И.В. Применение онтологий в задачах эксплуатации кораблей // Программные продукты и системы. 2013. № 2. С. 16–21.
4. Vatian A., Gusarova N., Artemova G., Dobrenko N. An ontology approach to storing educational information // Proc. Int. FRUCT Conference on Intelligence, Social Media and Web (ISMW FRUCT). St. Petersburg, 2016. Art. 7584772. doi: 10.1109/FRUCT.2016.7584772
5. Береснев А.Д., Гусарова Н.Ф., Сысоева В.В. Формирование онтологии инновационной предметной области для использования в системе управления обучением // Дистанционное и виртуальное обучение. 2016. № 8(110). С. 89–102.
6. Сосинская С.С. Представление знаний в информационной системе. Методы искусственного интеллекта и представления знаний. Старый Оскол: ТНТ, 2011. 215 с.
7. Курзаева Л.В. Нечеткая логика и нейронные сети в задачах управления социально-экономическими системами и процессами. Магнитогорск: МагГТУ им. Г.И. Носова, 2016. 113 с.
8. Громов Ю.Ю., Алексеев В.В., Иванова О.Г., Ивановский М.А., Мартемьянов Ю.Ф., Однолько В.Г. Неформальные модели представления знаний. Тамбов: Нобелистика, 2012. 93 с.
9. Морозова О.И., Соколов А.Ю., Хуссейн В.М. Метод нечеткого структурного анализа онтологий // Системи обробки iнформацii 2010. № 5. С. 104–107.
10. Гаврилова Т.А., Кудрявцев Д.В., Муромцев Д.И. Инженерия знаний. Модели и методы. СПб.: Лань, 2016. 324 с.
11. Giorgos Stoilos, Tassos Venetis, Giorgos Stamou, A fuzzy extension to the OWL 2 RL ontology language // Computer Journal. 2015. V. 58. N 11. P. 2956–2971. doi: 10.1093/comjnl/bxv028
12. Добров Б.В., Иванов В.В., Лукашевич Н.В., Соловьев В.Д. Онтологии и тезаурусы: модели, инструменты, приложения. М.: БИНОМ, 2009. 173 с.
13. Gegov A. Complexity management in fuzzy systems: a rule base compression approach // International Journal of Hybrid Intelligent Systems. 2008. V. 5. N 1. P. 55. doi: 10.3233/his-2008-5105
14. Bobillo F., Straccia U. Representing fuzzy ontology in OWL 2 // Proc. IEEE World Congress on Computational Intelligence. Barcelona, Spain, 2010. doi: 10.1109/FUZZY.2010.5584661
15. Джонс М.Т. Программирование искусственного интеллекта в приложениях. М.: ДМК Пресс, 2011. 312 с.
16. Кондратьев С.И. Методы автоматического управления судами. СПб.: СПбГПУ, 2002.
17. Nilavu D., Sivakumar R. Knowledge representation using type-2 fuzzy rough ontologies in ontology web language // Fuzzy Information and Engineering. 2015. V. 7. N 1. doi: 10.1016/j.fiae.2015.03.006
18. Straccia U. A fuzzy description logic for the semantic web / In: Capturing Intelligence. 2006. V. 1. P. 73–90. doi: 10.1016/S1574-9576(06)80006-7

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License