知识相似度矩阵、前提结论相似度矩阵.ppt

知識關聯 ISSUE: 1 規則式知識相似度計算及知識關聯 平行對應 獨立關係 6各自獨立的知識群 不正常對應 矛盾關係 5知識的前提或結論出現相反結果之知識群 Z字型對應 因果關係 4某個知識結論為另一知識前提之知識群 交錯對應 多對多關係 3具有相同前提或結論的知識群 收斂對應 多對一關係 2具有相同結論的知識群 發散對應 一對多關係 1具有相同前提的知識群 對應方式 關係 知識關聯 知識關聯 ISSUE: 1 規則式知識相似度計算及知識關聯 Knowledge sets with same antecedents Knowledge sets with same consequents 知識關聯 ISSUE: 1 規則式知識相似度計算及知識關聯 One of knowledge sets with same antecedents or consequents One of knowledge sets with absolute or relative same knowledge 知識關聯 ISSUE: 1 規則式知識相似度計算及知識關聯 Knowledge sets in which an antecedent acts as the consequent of another knowledge instance Knowledge sets with contradictive antecedents or consequents 知識關聯 ISSUE: 1 規則式知識相似度計算及知識關聯 Independent Knowledge Sets Specially Related Knowledge Instance Sets ISSUE: 1 規則式知識相似度計算及知識關聯 (1) K1 and K9 4. Knowledge set with relative same knowledge (1) K15 and K17 (2) K7, K16 and K19 (3) K13 and K18 3. Knowledge set with absolute same knowledge (1) C1 and C9 (2) C7, C16, C19 and C20 (3) C12, C15 and C17 (4) C13 and C18 2. Knowledge set with completed same consequents (1) A7, A16 and A19 (2) A15 and A17 (3) A13 and A18 1. Knowledge set with completed same antecedents Knowledge Set Relationship 摘要 4. ISSUE: 2 規則式確定性知識加值處理推論模式 提出可信度指數理論表示存在衝突或重疊或對應數據大小不一致之知識。 依據知識關聯，建構規則式知識加值處理推論模式，進行合併、整合、刪除、創新、及新增等加值處理作業。 提升知識應用之附加價值。 知識加值處理的意義 ISSUE: 2 規則式確定性知識加值處理推論模式 增加知識整體表現及其應用之附加價值。包括： 1)知識表現方面：使知識表現更具整體性及代表性。 2)知識關聯方面：可確切呈現兩知識間之關聯及映射對應關係。 3)知識應用方面：知識本身可信度(Reliable Factor, RF)明顯表現出來，可避免做出錯誤決策。並可從知識庫找出與新知識(案例)最相似的歷史知識(案例)，配合知識式推理(Knowledge-Based Reasoning, KBR)或案例式推理(Case-Based Reasoning, CBR)輔助決策。 知識加值處理作業方式 ISSUE: 2 規則式確定性知識加值處理推論模式 (1)合併：對於具有相同前提(1對多對應)、相同結論(多對1對應)、相同前提及結論(多對多對應)等知識群，並且其前提或結論之間不存在矛盾或數據大小不一致之情況，可進行合併作業。 (2)整合：對於一知識結論為另一知識前提之因論關聯知識群(Z型對應)，可進行整合作業。 (3)創新：對於具有相同前提(1對多對應)、相同結論(多對1對應)、相同前提及結論(多對多對應)及矛盾關聯(不正常對應)等知識群，並且其前提或結論之間存在矛盾或數據大小不一致之情況，可進行創新作業，使知識本身可靠度明顯表現出來，可避免做出錯誤決策。 知識加值處理作業方式 ISSUE: 2 規則式確定性知識加值處理推論模式 (4)刪除：對於原有知識庫中含意相同的知識，進行刪除作業，減少知識儲存空間及搜尋運算時間。 (5)搜尋：可從知識庫搜尋找出與新知識(案例)最相似的歷史知識(