Хідроботи

Теоретичнівідомості

Семантична мережа – графічна система позначень для поданнязнань в шаблонах пов’язанихвузлів і дуг. Більш формально: семантична мережа – цеорієнтований граф, вершиниякого – поняття, а дуги – відношенняміж ними. Мережнімоделі формально можназадати у виглядіH = < I, C1, C2,..., Сn, G>, де I – множинаінформаційниходиниць; C1, C2,..., Сn – множинатипівзв’язківміжінформаційнимиодиницями; G – відображення, щозадаєміжінформаційнимиодиницями, щовходять у I, зв’язки з заданого набору типівзв’язків. Для всіхсемантичних мереж спільним є декларативнеграфічнеподання, щоможевикористовуватися для поданнязнаньабостворенняавтоматизованих систем прийняттярішень на основізнань. Сама семантична мережа є моделлюпам’ятілюдини і не розкриваєповністюяким чином виконуєтьсяподаннязнань. Тому в контекстіподаннязнаньсемантична мережа повинна розглядатись як метод моделювання, в якомупередбаченіможливостіструктурування, механізмвиведення та процедуривикористаннязнань. Вершиниможутьявляти собою: поняття, події, властивості. Мітки вершин маютьпосилальний характер і являють собою деякіімена. Уролііменможутьвиступати, наприклад, слова природноїмови. Мітки дуг позначаютьелементимножинивідношень. При використаннісемантичноїмережі для поданнязнаньважливакласифікаціятипівоб’єктів і виділеннядеякихфундаментальнихвидівзв’язківміжоб’єктами. Незалежновідособливостейсередовища, щомоделюється, можнаприпускати, що будь-яка більш-менш складна його модель відображаєякі-небудьузагальнені, конкретні й агрегатніоб’єкти. Узагальненийоб’єкт – цедеякепоняття, що є відомим і широко використовуваним у предметномусередовищі, яке моделюється. Узагальненийоб’єктфактичноподаєпевним чином класоб’єктів проблемного середовища. Конкретний (індивідний) об’єкт – цепевним чином виділенаодинична (індивідна) сутність. Агрегатнийоб’єкт – об’єктпроблемногосередовища, щоскладенийпевнимчином з іншихоб’єктів, які є йогочастинами. Агрегатнимможе бути як узагальнений, так і конкретнийоб’єкт.

Хідроботи

1. Для виконання роботи використовується пакет OCTAVE

Встановлюємо пакет.

2. Будуємо мережу. Для цього спочатку представмо її графічним способом, щоб знати, як їїзадавати в MATLAB.

Рис. 2 Графічнезображеннямайбутньоїмережі “Характеристики особи”

3. Тепервласне і створюємонову мережу, у вікніфайловий менеджер вказуємопапку ізбібіліотекю(ver4)

4. Cтворюємовузли. Для вузлів-понять/об’єктівзадаємо тип ТА, для конкретнихзначеньзадаємо тип АБО.

Рис. 4 Створенннявузлів

5. Міжвузламизадаємозв’язкивідповідно до прийнятоївищемоделі.

6. Робимовізуалізаціювикликомвідповідноїфункції.

7. Дляреалізаціїпошукустворюємонеповнумережу, щовідповідатименаборухарактеристикодногоізрівнявузлів, якібудемошукати, абокопіюємостару і видаляємонепортібнівузли. Далістворюємовузол для пошуку, щопозначається знаком питання ‘? ’. Задаємотакийсамийзв’язок до нього, як в повніймережі. Тодіможеморобитипошук і вивестирезультати.

Висновок: на даній роботі я навчився складати семантичні мережі. Також опанував приципи побудови мереж виведення у Octave. Наоснові одержаних знань побудував власну семантичну мережу характеристик особи, застосував в нійпошук, задавши характеристики програміста та оримав програміста, як результат.

Код програми

SN=SNnew;

SN=SNaddORnode(SN, 'Programming language', 'Cooking', 'Write programs', 'Cooking smt');

SN=SNaddANDnode(SN, 'Person', 'Programmer', 'Cook', 'Knowledge', 'Skills');

SN=SNaddrelation(SN, 'Person', 'have', 'Knowledge');

SN=SNaddrelation(SN, 'Person', 'have', 'Skills');

SN=SNaddrelation(SN, 'Knowledge', 'example', 'Programming language');

SN=SNaddrelation(SN, 'Knowledge', 'example', 'Cooking');

SN=SNaddrelation(SN, 'Skills', 'example', 'Write programs');

SN=SNaddrelation(SN, 'Skills', 'example', 'Cooking smt');

SN=SNaddrelation(SN, 'Programming language', 'known by', 'Programmer');

SN=SNaddrelation(SN, 'Write programs', 'doing by', 'Programmer');

SN=SNaddrelation(SN, 'Cooking', 'used by', 'Cook');

SN=SNaddrelation(SN, 'Cooking smt', 'used by', 'Cook');

SNplot(SN, 'hierarchy');

SN1=SN;

SN1=SNdelnode(SN1, 'Cooking', 'Cooking smt', 'Programmer', 'Cook');

SN1=SNaddANDnode(SN1, '? ');

SN1=SNaddrelation(SN1, 'Worker', 'type', '? ');

figure;

SNplot(SN1, 'random');

Res=SNfind(SN, SN1);

fprintf('You are ');

disp(Res);