DOI: https://doi.org/10.30837/2522-9818.2017.2.062

МЕТОД ПОСТРОЕНИЯ СЕМАНТИЧЕСКОЙ СЕТИ РАСПРЕДЕЛЕННОГО ПОИСКА В Е-LEARNING

Nina Kuchuk, Roman Artiukh, Artem Nechausov




Аннотация


Предметом изучения в статье являются семантические сети распределенного поиска в Е-learning. Цель - синтез дерева решений и стратифицированной семантической сети для конструирования сетевыми интеллектуальными агентами в
Е-learning механизмов вывода в соответствии с требуемыми атрибутами и заданными отношениями. Получены следующие результаты. Предложена модель базового дерева решений в Е-learning. Для моделирования дерева решений в Е-learning использована логика предикатов первого порядка, позволившая: производить вычисления как в узлах дерева, так и на его ребрах, а на основе результатов вычислений принимать решения; применять операции разбиения для выбора отдельных фрагментов; уточнять решения при дальнейшем раскрытии верхних вершин выводов; расширить по вертикали и горизонтали многоуровневую модель. На первом этапе формализации модели был построен граф базового дерева решений, узлы которого представляют подструктуру, способную выполнить автономную подзадачу поиска. Второй этап – наполнение базового дерева семантической информацией и организация его взаимодействия с сетевыми интеллектуальными агентами. Для информационного обеспечения ветвей дерева решений в Е-learning предложен процесс стратифицированного расширения базового дерева решений, при котором детализировались узлы типа "решение" и устанавливались связи между полученными подузлами как на горизонтальном, так и на вертикальном уровне. Показано, что для задания множества целей и задач поиска на исследуемой структуре достаточно определить: графы целей и задач поиска каждого из типов узлов; множество ребер, определяющих зависимость выполнения целей поиска для узлов, которые не являются однотипными; множество указателей, устанавливающих возможные отношения по перераспределению ресурсов в соответствии с требованиями интеллектуальных агентов; отображения связи. Разработанная математическая модель базового дерева решений позволила построить стратифицированное расширение. Определение интенсионалов и экстенсионалов на данном расширении позволило использовать для поиска аппарат стратифицированных семантических сетей. Выводы. Предложен метод синтеза дерева решений и стратифицированной семантической сети, позволяющий при распределенном поиске в Е-learning рассматривать их в тесной взаимосвязи, в результате чего появляется возможность формализации процесса поиска и конструирования сетевыми интеллектуальными агентами механизмов вывода в соответствии с требуемыми атрибутами и заданными отношениями.

Ключевые слова


стратифицированная семантическая сеть; интенсионал; экстенсионал; дерево решений; Е-learning; интеллектуальный агент

Полный текст:


PDF

Литература


Kuchuk, G., Kharchenko, V., Kovalenko, A. and Ruchkov, E. (2016), "Approaches to Selection of Combinatorial Algorithm for Optimization in Network Traffic Control of Safety-Critical Systems", Proceedings of IEEE East-West Design & Test Symposium (EWDTS’2016), P. 384–389.

Gandal, Neil (2013), “The dynamics of competition in the internet search engine market.”, Handbook of Research on Effective Advertising Strategies in the Social Media Age, Vol. 19, P. 1103–1117, DOI:10.1016/S0167-7187(01)00065-0.

Jawadekar, Waman S. (2011), “Knowledge Management: Tools and Technology”, Knowledge management: Text & Cases, New Delhi: Tata McGraw-Hill Education Private Ltd, 319 p., ISBN 978-0-07-07-0086-4.

Voorhees, E.M. (2017), Natural Language Processing and Information Retrieval, available at :

http://citeseer.ist.psu.edu/voorhees99.natural.html.

Tauber D. (2004), RDF, available at : http://xmlhack.ru/texts//D6-RDF.

W3C GRDDL Specification, available at : http://www/w3.org/RDF/YR/GRDDL.

Risvik, K.M. and Michelsen, R. (2002), “Search engines and web dynamics”, Computer Networks, Vol. 39, no. 3. P. 289–302.

Manner, J. (2004), Mobility Related Terminology, Network Working Group, RFC 3753, 224 p.

Ian H. Witten, Eibe Frank and Mark A. Hall (2011), Data Mining: Practical Machine Learning Tools and Techniques, 3rd Edition, Morgan Kaufmann, 664 p., ISBN 9780123748560.

Fridman, A. (2004), “Knowledge Integrating in Situative Modelling System for Nature-Technical Complexes”, Proc. European Simulation and Modelling Conference (ESMc2004), Paris, France, 2004, P. 49–58.

Kuchuk, G. A., Kovalenko, A. A., Mozhaev, A. A. (2010), "An Approach to Development of Complex Metric for Multiservice Network Security Assessment", Statistical Methods of Signal and Data Processing (SMSDP – 2010): Proceedings of Int. Conf., NAU, RED, IEEE Ukraine section joint SP. Kyiv, P. 158–160.

Udaya, Sri K. and Vamsi, Krishna T. V. (2014), “E-Learning : Technological Development in Teaching for school kids”, International Journal of Computer Science and Information Technologies, P. 6124–6126.


Метрики статей

Загрузка метрик ...

Metrics powered by PLOS ALM

Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2017 Nina Kuchuk, Roman Artiukh, Artem Nechausov

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» 4.0 International License.

 
 Все статьи, опубликованные в журнале ITSSI, доступны на условиях лицензии CC BY-NC-SA 4.0
© 2017-2018 Научный журнал "Современное состояние научных исследований и технологий в промышленности", Харьков, Украина