Применение элементов искусственного интеллекта в решении прикладных задач

Вадим Николаевич Шмаль

Sergey Pavlov, master Plekhanov Russian University of Economics. Vadim Shmal, Ph. D., associate professor Russian University of Transport (MIIT).

Семантическая неоднородность

Семантическая неоднородность возникает, когда схема базы данных или наборы данных для одного и того же домена разрабатываются независимыми сторонами, что приводит к различиям в значении и интерпретации значений данных. Чтобы различать базы данных и наборы данных с разными целями и структурами авторства, метаданные в разных хранилищах данных иногда помечаются тегами метаданных, описывающими запрос и точку сбора. Это называется семантической неоднородностью.

Например, схемы базы данных могут быть разработаны для разных приложений с разными семантическими структурами, но с согласованностью. С другой стороны, наборы данных и ресурсы могут извлекаться разными способами и представлять разные информационные ресурсы. Аналитика данных — это процесс сведения информации к ее наиболее релевантной сути, оценки актуальности и интерпретации различных объектов данных и информационных точек на основе их связи с другими данными.

Семантическая неоднородность играет ключевую роль во многих случаях, например:

Эффективное управление знаниями, управление рассредоточенными, сложными и постоянно меняющимися активами знаний.

Создание ориентированной на человека инфографики, веб-приложений или аудиовизуального контента в системах управления знаниями.

Независимо разработанные базы данных знаний и мультимедийные среды (например, веб-сайты, веб-приложения) уже используются многими профессионалами. И теперь быстрорастущий рынок Интернета вещей (IoT) все больше внимания уделяет совершенствованию встроенных устройств, таких как интеллектуальные устройства и датчики, которые являются источниками знаний, а также информации. И хотя самоорганизующиеся и самонастраивающиеся системы все чаще встречаются в динамических промышленных системах, более разнообразные подходы новых поколений экспертов по всему миру вдохновляют на создание совершенно новых концепций в управлении знаниями. Это также проявляется в разработке подходов к базам данных для конкретных приложений, которые специфичны для каждой области или проекта.

Учитывая разные уровни накопления знаний в разных областях, мы не ожидаем, что базы данных для конкретных приложений в системах управления знаниями будут использоваться для всех видов данных. Только представьте, если бы в системе управления знаниями, основанной на данных, можно было бы найти только базу данных или запрос, который подходит для приложения. Это может показаться в некоторых случаях слишком простым, а иногда и слишком наивным. Когда мы имеем дело с несколькими системами данных для управления знаниями, мы ожидаем, что базы данных или механизмы запросов разного уровня сложности смогут работать вместе. Это могло привести к созданию многочисленных баз данных и механизмов запросов, что привело к семантической неоднородности.

В настоящее время, когда все больше и больше баз данных разрабатываются на основе конкретных баз данных по одной и той же теме, может возникнуть необходимость в определении новых наборов данных (образцов) для каждой базы данных или запроса к базе данных. Некоторые решения существуют, например, для классификации полей метаданных в базах данных и базах данных для разных коллекций. Но задача состоит в том, чтобы как можно чаще использовать существующие базы данных, а не создавать новые базы данных с разными целями.

Еще одним хорошим примером семантической неоднородности является множество программных платформ и механизмов обработки данных, используемых для веб-сервисов. У каждой платформы и базы данных есть свой способ отображения данных. Важно не использовать разные источники данных для разных веб-приложений, а найти способ согласовать разные источники данных с разными веб-приложениями. Хотя источники данных, управление данными, приложения и системы неоднородны, нам нужна база данных, которая предоставляет все необходимые данные, когда требуются разные приложения или системы. И по мере разработки новых платформ и баз данных можно ожидать, что семантическая неоднородность останется ключевой особенностью систем анализа данных.