ГИБРИДНЫЙ БИОИНСПИРИРОВАННЫЙ АЛГОРИТМ ОТОБРАЖЕНИЯ ОНТОЛОГИЙ В ЗАДАЧАХ ИЗВЛЕЧЕНИЯ И УПРАВЛЕНИЯ ЗНАНИЯМИ
Ключевые слова:
Онтология, гибридные алгоритмы, роевые методы, семантический вектор, биоинспирированный поиск, оптимизация, интеллектуальные агентыАннотация
Статья посвящена решению задачи отображения онтологических моделей в процес-
сах извлечения и управления знаниями. Актуальность и значимость данной задачи обуслов-
лены необходимостью сохранения достоверности и исключения избыточности знаний при
интеграции (объединении) структурированных информационных источников различного
происхождения. Близость и непротиворечивость понятийной семантики объединенного
ресурса при проводимом отображении является основным критерием эффективности
предложенных решений. В статье рассмотрены проблемы выбора соответствующих за-
даче подходов решения, сохраняющих семантику при отображении концептов. Обоснована
стратегия выбора биоинспирированного моделирования. Проанализированы аспекты эф-
фективности применения различных децентрализованных биоинспирированных методов.
Определены причины необходимости проведения гибридизации. Предложено решать зада-
чу отображения онтологических моделей с применением биоинспирированного алгоритма,
построенного на основе гибридизации оптимизационных механизмов алгоритмов бактери-
ального и кукушкиного поиска. Проведенная гибридизация данных алгоритмов позволила
объединить их основные преимущества: последовательный бактериальный поиск, обеспечивающий детальное исследование локальных областей, и значительное число глобальных
перемещений агента-кукушки при реализации полетов Леви. Для оценки эффективности
предложенного гибридного биоинспирированного алгоритма разработан программный
продукт и проведены эксперименты по отображению онтологий разного размера. Каж-
дый концепт любой онтологии имеет определенный набор атрибутов, являющийся семан-
тическим вектором признаков. Степень сходства семантических векторов сравниваемых
концептов отображаемых онтологий является критерием их интеграции. Для повышения
качества процесса отображения введена новая кодировка решений. Полученные количест-
венные оценки демонстрируют экономию времени при решении задач относительно боль-
шой размерности (от 500000 вершин онтографа) не менее 13 %. Временная сложность
разработанного гибридного алгоритма составляет Описанные исследования имеют
высокий уровень теоретической и практической значимости и напрямую связаны с реше-
нием классических задач искусственного интеллекта, направленных на поиск скрытых за-
висимостей и закономерностей на множестве элементов знаний.
