ГИБРИДНЫЙ БИОИНСПИРИРОВАННЫЙ АЛГОРИТМ ОТОБРАЖЕНИЯ ОНТОЛОГИЙ В ЗАДАЧАХ ИЗВЛЕЧЕНИЯ И УПРАВЛЕНИЯ ЗНАНИЯМИ
Аннотация
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.
