に向けて理想的な知識表現システム：グローバルサポートマップ

タラスフィラトフ

抄録

1つは、知識表現、人工知能や知識を意味アライメントマッピングの問題があるの各分野での一層の発展を阻害する最も重大な問題がある。 elaborated through unsupervised extraction of dependencies from large documents corpus , is proposed. その溶液中での進歩を大幅に情報検索 、 オントロジーの配置、関連性の計算は、論文ではグローバルな知識を多次元マップのコンセプトは、監視されていない依存関係の抽出による大規模な文書を策定テキストコーパスからの理解などのタスクのため、提案されている有益なものとなる。 また、直接の人間の問題-知識表現システムのインターフェイスと適応デコーダ前述の統一マッピングのコンセプトモデルを提案したとの相互作用のために取り組んでいます。 これらの2つのアプローチを基礎として知識表現システムの開発のための新世代の組み合わせを提案している。

キーワード： 知識表現、知識のマッピングは、人間のコンピュータの相互作用、オントロジーの配置、上位オントロジー、関連性の計算、情報検索、文書の類似性

1 。 はじめに

社会では、知識表現の分野をもっと最後の年で大幅になった[ 25 ] 。 人々は常に勉強をしようとしたと知識についての知識を分類する。 われわれは、紀元前5世紀のソクラテス [ 33は、ロジックと認識論の隆盛]初期[ 28日からの参照を見つけることができます] 中世。 以来、この問題を過去に重要であると考えられていたが 、 情報の時代にその意味を過大評価するのは難しい。

近代的な技術データの洪水では、過度の処理は難しいとしている人類systematise恵まれている。 人にとっては学習の年かかると、その後のレースに必要な情報、最新のプロの動向についていくには、特定の分野の専門家になること。

ITの知識エンジニアとデータマイニングの専門家の情報をオープンアクセスで利用可能の間で人気の信念である私たちの生活のあらゆる側面についての真実の事実を抽出しても十分に将来を予測する。 インテリジェントに多数の問題を解決する唯一の情報源からの情報を処理することです。 [ 35 ] 。

この要因を人類systematise 、アクセスおよびその集団的知識を活用するために知識表現システムの新世代を求めています。

現在の紙では 、 新しい時代知識表現システム（ KRS ） の開発のためのアイデアを提案する。

我々は 、 特定の分野における最近の研究成果をすぐに非常に大きな進歩を人間の知識表現と人間とコンピュータの相互作用の範囲につながるものと考えています。 これは、新しい視野を開かれ、多くのアプリケーションで大幅に人間の仕事の効率が向上します。 行われる必要がある唯一の点は、これらの成果を一緒に持参することです。

理想的なKRS人類のすべての知識を持つユーザーには便利なアクセスを提供する必要があります。 そのための要素です：

  • 人間は、彼/彼女に興味を持っている知識のいくつかの作品にアクセスするには、希望
  • データストレージ、および
  • 仲介システムは、人間の知識へのアクセスのためのインターフェイスを提供します。

ここに障害が発生するのは人間の能力と現在の技術レベルの制限が原因で発生している。

2 。 データストレージ

最新の2.1州

なければ、外部ソースからリアルタイムに必要な書類を取得できるように知識表現システムのデータストレージを必要とします。 今日の我々の理想的な勝利には2つのアプローチを概説することができますKRS ：手動でグローバルな知識の構造化オントロジーやシステム管理などの自動化、検索エンジンのインデックス作成と、アクセス可能な最も完全な生のドキュメントコレクション（ワールドワイドウェブ）の取得を伴うようなストレージ。 最初のアプローチの問題は、マニュアルの自然の中で-任意の試行を作成し、世界的な人間の知識ベースの詳細は、実際の使い勝手を維持するとの間の妥協の結果だろう。 ], UFO (Unified Framework Ontology) にもかかわらずがサイク[ 23 ] 、 WordNet [ 12 ] など、複数の上位オントロジーのプロジェクトが成功して、 DNS 、および長期の研究SUO相撲などの名前（標準アッパーオントロジーに基づく標準的な統一を目的として継続的なグローバルオントロジー精巧な理論的議論） [ 27 ] 、 UFOの（統合フレームワークオントロジー） 等

2番目のアプローチのために歴史的にWWWのデータの最新の脳の自動処理のため、現在利用可能な、包括的とされて最大の流行となった。 しかし最初のアプローチとは対照的に、自動化情報検索の問題をここで重要な役割を果たす。 テキストを理解し、自然言語処理の問題の1つの人工知能で、それにもかかわらず、最も効率的な解決策はまだなく、残る挑戦しています。 The second approach (automated indexing) therefore has major lacks in the accuracy of retrieval. 隣接の分類と関連性の計算は 、 いわゆる ' ウェブクラスタリングの問題[ 1の問題となっている] 。 2番目のアプローチ（自動インデックス）しているため、主要な検索の精度を欠いている。

このため、これらの問題を克服するためには、上記の方法の改善をもたらすことを継続的に努力しています。 一緒にご注文をお互いに他の種類の知識ベースとする既存のオントロジー [ 5 、 17例では、統一基準に沿ってオントロジープロジェクト（ SUO 、 BULO ） オントロジーの試みのため、特定の配列とオントロジーのマッピング技術を開発している] 。 多くの場合、自動情報検索の方法で（検索エンジン技術）オントロジーの場合は手動管理の欠点を減少させることを提案しています。 検索エンジンを支援するために手動で情報を指定することは、 WWWの文書およびそれらの間のハイパーリンクの常識的な意味[ 24を理解するために、他の面からいうと 、 改良開発されているハイパーテキスト基準] 。 それは、これらのハイブリッドなソリューションの利点と欠点を運ぶのに沿って対応する手法を理解する必要があります。

これらのアプローチの1つの欠点を一体化し、統合は不可能です：マッピングとは異なるシステムでのドキュメントと概念間の関係を確立するのは標準です。 この問題は修正の階層では数学的に解釈しているシステムの場合は1つのオントロジーのような解決されると、既存のアプローチ（例： www ） を克服。 しかしこれが上記の理由ではないようだ。 独立仲介標準この問題への潜在的なソリューションです。 そこにさまざまな種類の知識ベースのマッピングの相互リンクの方向で複数の取り組みをされている間はオントロジーマッピングの領域です。 の取り組みを1つの共通の欠点がある：マッピングや文書間の関係を確立するのは1つの標準規格です。 その後、それらのなしになる見通しだが、より持続可能な限り広く標準的なソリューションを開発されています認識した。

グローバルサポートマップ （ GKM ）の2.2の概念

我々は現実世界の知識概念を投影することを目的として、論理空間を構築することにより知識をマッピングするための単一の標準的な手の込んだことが可能であると考えています。 このようなモデル（我々はグローバルな知識の地図を呼び出す）文書や概念の類似性のレベルが上にマッピングを反映すべきことができます。

このモデルの主な目的は：

  • アライメントとクロスドキュメントや概念の（ WWWの、オントロジーのマッピング、電子図書館、ディレクトリなど）
  • 閲覧を通じて情報を取得
  • 常識的妥当性の高精度な自動計算

GKMしたがって 、 特定の条件では、数学的知識のストレージ/論理モデルが必要：つまり、人間との相互作用の知識表現されて、最適なタスクのため。 この条件の履行については、モデルの次元で考えなければならないか、その構造は人間の知識の構造。

そのための要件があります：

  • 次元とのマッピング。

の主な要因は、次元の意味（またはトピック）です。

  1. 人間の知識の各ポイントには、特定の概念にマッピングすることができるシステム空間の座標。
  2. 各ドキュメントやテキストポイント（ memes文書に分かれています-意味のある作品の数に） 、または1つのポイントをマッピングすることがあります。
  • 関連性の計算。
  1. それは数学的に2つの概念の間の空間にそれに対応する投影点間の距離を計算し、関連性を計算することが可能です。
  2. そのため、 'の間の距離を計算し、文書のマッピングと概念間の類似性'を計算することが可能です。
  • 均質性の空間。
  1. スペース（ ） 、連続均一均質である
  2. の意味と座標点間の距離を反映する場合は、ポイントç AとBの間に位置していますがそれをコンセプトç AもBも同様に関連していることを意味するので、意味の違いを反映しています。
  3. それ' 'の空間の知識源を見つけるには、隣接する領域にマッピングを参照することが可能です。

このような空間を数学的モデルの構築グローバルサポートマップの開発を可能にします。 （ GKM ）は、マニュアルの方法で情報を世界の人間の成長と変化を理解する上で上記の理由により継続的に詳しく説明しようとして価値のあるこのようなモデルではありません。 我々は利用可能なテキストのcorpusesからの依存関係やルールを抽出することが可能であり、我々のマッピングを目的として、これらのプロセッサを使用すると信じています。

我々の仮定の隅石は、一般的には後者の次元に1つのスペースとの距離に地図を与え、様々な人間の知識の科目の科目間の類似性のレベルを反映することが可能ですされています。 この仮定に基づいてLindenstrauss補題ジョンソンは、高次元の空間にEuclidian Ñポイントの設定はN次元空間へマッピングすることができますEuclidian表示

（ 2.1 ）

このような要因は、任意の2点間の距離の変化（ 1 ） [ 7 ] 。 ベクトル空間モデルは、一般に情報検索とテキストの分類で使用される高次元のベクトル[ 31の書類を表す] 。 統計関数を選択した上で）情報は、元の文書の件名を分類するのに十分なされたかによってこれらのベクトルが含まれ、特定のレベル（ 。

のTychonoffの定理[ 26 ]の状態は、ポイントは、 1つのクラスのオブジェクトのプロパティを表すプロパティを、それぞれの空間で、他の近くに位置してくださいポイントを他のクラスのオブジェクトのプロパティを表現している。 of compactness [22] the mapping will be achieved where the distances between points represent the relevance of the corresponding documents. 我々のタスクでは、この上に投影されることがあります固定Ñ次元空間とデータ圧縮のための適切なアルゴリズム/次元削減のために小型の定理[ 22 ]達成される マッピング を使用してÑ文章の元のベクトル空間を意味での距離の間にポイントは、対応するドキュメントの関連性を表しています。

これはマッピングの精度の影響を与える要因：

  • は、計量機能を代表し、特徴空間の大きさ
  • サイズ、分散度と品質の文書コーパスの

その理論を提供現在の状況では手の込んだテクニックについては、マッピングに使用されるものと見られるのだが適用されます。 私たちは自動手動の専門家を意味する多くの合併症のため、ベースのマッピング不適用フォーカスすることを提案。

教師抽出（仮説）から2.3自動生成GKM

ためになる役に立つGKM （ WWWの）文書とその構造では世界の共通の人間の理解を表す言葉の本当のかなりの数のマッピングが含まれています。 したがって、 GKMのマニュアルの作成方法を検討する価値はないとの文書のマッピングを充填。 データマイニングの依存関係の書類は、原則不要なデータをコンピュータ処理やフィルタの利用可能な既存のコーパスからの知識表現を抽出するために使用する必要があります。

この文章の抽出のための依存関係の数多くの教師が試行されているかどうかはまだ疑問質問テクニック大きな文書コレクションの分析を通じて、持続可能な知識を提供するために抽出可能です[ 10 、 11 、 21 、 30 ] 。

のが一般的に3つのカテゴリーには、文書の内容に影響を及ぼす要因を分けるみましょう：

  1. 投稿者個人の要因（感情や動機中のテキストを、物理的、道徳的な状態を作成するには、思考と書く）
  2. その言語の文書を書くのに使用される言語（規則等）
  3. 人間の知識著者のサポート（特定の部品を直接または暗黙的に、文書による）を送信する

のは、人間の作者が利用可能なすべてのテキスト文書を処理することが可能です推測すると、すべての依存関係のルールを抽出させてください。 この場合には因子1の影響を最小限に抑えられます。 2因子の影響はあまり重要性を次のように原因の一つです：

1 ） 複数の言語でドキュメントをインデックスに登録されるため、相互の影響を減らすかもしれない

イ） 言語自体は人間の知識[ 18 ]は、 3月2日のsubfactor要因とその混合物でもある程度、抽出されているので、満足のいく成果を反映したものを表す

また理論的にして情報の多くは人間の知識、利用可能な露出に対応する書類を抽出することが可能です。 この情報のマッピングを仮定し、持続可能な空間をご提供しますGKMを変形させた。

2.4実施（実験）

宇宙では1つの座標にマッピングされて、各ドキュメントを建てた。 、 ' 'の空間や距離の比較対象のドキュメントを参照したり、クラスターの状況を明らかにし、具体的には、特定のトピックの名前を割り当てることが可能ですが関連性を反映して空間の座標。

ドキュメントのローカルコレクションコホネン次元SOMを2と3を使用しての私たちの実験では、文書の予測との間の距離が発射されていないのは、シリーズを通して安定を示している。 これが私たちの意見ではその際、そのマップの次元の補題Lindenstraussジョンソンに適合し、上記のように不足しているの証拠です。

残念ながら、これは適切な次元での実験を実施することは不可能です。 例えば 、 ジョンソン氏によるとLindenstrauss補題、 20000 の文書は58の次元を必要と10 ％の誤差をマップすることができます。 この要求される現代のコンピュータの計算能力を超えている。

重要なことはここに言及することは、スペースを1つの投影マッピング補題の条件を満たすことができますの最大次元を与えるには、必要な最小限の実効値ではありません。 補題つまり最悪の場合のために実際に表示されることはないと考えています Ñ ポイントの設定の値を与える。 次元検出のための方法とそのための効果的な次元のデータを計算するために、特定のデータのマッピングのための寸法の正確な数を決定使用する必要があります設定してください。 そこに表面再建の背景から来るためのテクニックを知られています。 sをして、 1つの最新の作品です チェン、 yとZの呉の王と[ 4 ]は、主要成分分析を通じて次元検出方法[ 8 ]を発表しています。 したがって、データの固有の次元を抽出することがあります。 実際にこの値は最大次元の投影のための必要以上に低くなっています 最悪の場合の理論上のドキュメントの同じ番号、これは重要な計算時間を削減することができます。 我々は反復的な評価方法に基づいて、同じ目的の別の方法として検討することができます。 我々の場合には次元削減の目的は、効果的な情報源との間のマッピングは、常識的類似性投影点間の距離によって表現されるEuclidianを確立することです。 任意の次元削減手法のランダムな選択には、 入力データのプリンシパル（のようなコンポーネントの解析、自己組織マップ、 Sammon再建や三角測量） 、適切な場合の出力次元未満の場合には、予測される不安定な再計算で設定し、各拠点からの撮影のマッピングを保持しないだろうとの予測との間の距離が違ってくるだろう。 また、入力のときに効果的な次元多様体のマッピングのため、ある程度の距離を自由に保持されます次元削減に応じて使用されているメソッドを使用すると仮定することができます。 無作為に選ばれたため、代わりの解決策を選択次元削減手法のマッピングの増分次元並列の評価と結合されます。 32]. たとえば、成長SOMs [ 19 、 32に記載の技術 ] 。 計算時間を短縮することを目指し、ノードの数を動的にして新しいノードには一様に重みベクトルは、隣に元の重みベクトルのことを意味するように設定されている古いものとの間で分散増加しています。 同じテクニック次元 （営） に適用する機会が各Dの手順を評価するためのステップを与えるだろう。 評価基準の予測との間の距離を安定化される。 2つ以上の自己組織マップの特定の予測の間に対距離と並列で実行されることがありますこの目的のために、各反復で比較している。 我々はここでは繰り返しの段階を理解するときの次元SOMを増加した結果、ネットワークの新しいパラメータを安定化された。

私たちのテキスト文書のコレクションからは、グローバルサポートマップを確立するためのより良いアプローチの実験的評価のための次のモデルを提案上記をまとめる。

トンのdatase ：ベクトル空間モデル（各文書の寸法との機能のランク付けの機能に対応する次元のベクトルとして表さ座標）を使用する。

特徴選択機能 ：最も効果的な定義されている。

ベクトルのサイズ ：経験的に確立される。

データ処理とストレージ。

次元削減の手法は、マッピングを使用する必要があります。 2つのアプローチがあります：

1 ）事前には、固有の次元を計算すると、既知の次元でのマッピングを別の次元削減手法を評価する;

イ） 'いくつかのマッピングで増分次元の評価手法'を並列に実行されている-は、入力データをランダムに選択しただけのメソッドを使用することがあります。

入力 ：文書の特徴ベクトル。

出力 ： GKM座標。

評価 ：

最初の文書とそのマッピングの予測との間の距離Euclidian対応の 1 ） 常識的評価。

別の起動するまでの間にこれらの対距離の予測 2 ）安定化法で使用される場合ランダムに選択されています。

3 。 インターフェイス

3.1 理想的な知識表現のインターフェイス

知識表現システムのインターフェイス部分は、理想的なシステムの検討が重要です。 ユーザからの要求を受信すると、両方のタスクと同等の知識を伝達する重要なデータの構造化とストレージの課題となっています。 現在の紙では、知識表現システムは、新世代のための相互作用の問題に向けての方法で注文するかどうかは、現代の技術のことを意味して理想的なインターフェースを提供することが可能ですoverviewedさを確立するために議論する。

そのタイプのインデックス' 'している主に現代の知識表現と情報検索システムでは、 人間のユーザの相互作用をサポートするために使用されているインターフェイス、つまり、ユーザーが探していると正確に指定しても、言葉は知っている必要があります。 このようなインターフェイスの一般的な例が検索エンジンです。 前述したように、検索エンジンと WWWの文書のコーパスのほとんどが完了するまでの最新知識表現システムを現在、この中の人気の理由。 同時にそれは、 'インデックス'インターフェイスを使用するように自然ではない人間がよく知られていますが、 ' のようなブラウジングのアプローチを非常に低い確立されている唯一の代替[ 16 ] 。 その知識をマッピングし、それぞれの科目に応じて自動分類や文書の表現を許可していませんの配置の問題がある理由。 しかし、統一的な知識のマッピング領域の問題を解決して、新たな可能性'の向上、より自然なインターフェイスを構築するためのタイプを参照'が表示されます。

3.2高次元の視覚化

その結果、世界の写像空間n次元ここで、 nは視覚的な表現の問題を解決する必要がある高さに言及している。 人間のため 、 3次元空間を想像するのは、ノースダコタの最適な方法- > 3Dの表現が評価される可能性があります。 インターフェースを介して、または複数の次元削減手法表現手法を用いる可能性があります。

が重要なのは、エラードキュメント間の関連性の計算中に、最小化されると、さらに、他のシステムからも、関連するドキュメントの検索には、ささいな課題となる、統一マッピング領域の知識の助けを得ています。 この度は、システム彼/彼女のユーザーは、それを送ることはありませんが、関連性の低い文書に興味を持っているトピックに位置している、ということは、エンドユーザ。

3.3情報のリクエストチェーン

被験者のタスクをマッピングするときと場所を、関連性の計算と知識の閲覧スペースは残っている最も重要な課題を解決するために解決される、最初の要求の問題があります。 -の状態では、次のプロセスは通常、最新の情報検索システムをされている関与が要求される情報：

人間の部： 1 ）イマジネーション- > 2 ）言語学的構造の形成- > 3 ）のマニュアル、キーボード入力（音声入力） - >機械部： 4 ）言語のデコード- > 5 ）マッチングと場所- > 6 ）書類のマッチングの可視化

チェーンの長さとは明らかにされているデータの消失や破損している言語のエンコードとデコードのために重要な二重。 まず、ユーザーが短い文章には、認知言語学的画像を策定している。 第二に、システム内のユーザーの関心を命令の対象を理解し、文を解読する必要があります。 チェーンの最初の要求の記述、現代の検索エンジンのシステムのできない' 'の要求は、エンドユーザーの多大な時間が失われる結果を理解するためのユーザーの不満の原因になります。 これらの検索インターフェイスの制限に起因するエラーや不便さの程度と非常に重要な意味を持つより正確な検索と文書は、統一のマッピングが導入の場所の影響を最小限に抑えられます。

そのため 、 理論的に検討するには、少なくとも 、 単位、データ損失の原因とされて短鎖は理想的な人間の< - >知識表現システムの相互作用の創出の可能性を排除が必要です：

人間の部： 1 ）イマジネーション- > [リクエストを渡される 経て 直接人間の脳GKM ） マッチングコンバータ] - > 2の座標と場所- > 3 ）書類のマッチングの可視化

私たちはこの目的のために脳のコンピュータインターフェース（ BCI ）の分野における最新の成果の概要。

3.4ブレインコンピュータインターフェース

ost significant advances in the area have been made into artificial limb control ie motoring functions of the brain [3] and the interpretation and processing of visual signals. BCIの研究に30年以上と、まだとても若いし、急速に開発している事項予定されています。 メートル、最大瞬間、最近の 韓国ドラマOST の分野で著しい進歩義肢制御つまり脳の機能を自動車にされている[ 3 ]との解釈と視覚的な信号の処理。 これらの成果を含む複数の実験動物と人間の中に被写体が確認されている。 研究者は、動物や人間の脳の力を借りて、デバイスを制御することを学ぶ機械や電子機器が正常に統合報告書、その他の転送と視覚的な信号の解読に成功[ 15 、 20レポート] 。

脳のコンピュータに密接な機能的神経イメージング研究は、様々な技術を効果的に特定の物理的特性から、人の脳の状態を記録するために開発されているインターフェイスの分野に関連している。 BCI最も生産性の観点からは最近の神経画像技術を機能的磁気共鳴画像と呼ばれています ) （ fMRI ） [ 6 、 13 ] 。 この手法は時間をかけて別の分野で脳の血流のダイナミクスと高い精度で記録することができます。 この結果、様々な脳の領域が、特定の活動や、人間の認知過程の活性化のパターン間の接続を確立することができます。 それは、この手法は、多くの選択肢とは異なり、非侵襲的な注射を伴う重要であるとされていません。 しかし今日では、 fMRIのハードウェアは非常に高価で、おもくるしいていることに注意する必要があります。

これは実験の詳細は、脳の重要な新しい状況に適応する。 例えば、自動車整備士の衝動マニピュレータまたはコンピュータのマウスカーソルを制御するため、脳は徐々に区別することができたし、個別に制御することを学ぶマニピュレータ義肢から使われていた。 レーベデフは、潜在的には、身体表現に人工のデバイスを組み込むことができる脳の可塑性'の効果を挙げている。 [ 20 ]

さらには、認知州[ 15を検出する機会を話し合う神経画像の分野での最近の出版物] 。 この規定は、私たちの注目の人間KRSの相互作用のBCIの応用の可能性に焦点を当てた。

これは現実世界のオブジェクトを別の認知的状態を特定の地域活性化と脳の特定のパターンに対応するリンク知られています。 一人は現在、これらのパターンをデコードする（ここでの注意）や視覚的なオブジェクトの場合には人に指示されている画像です（つまり、直面している、建物、家具） 、さらには、オブジェクトのオブジェクトのクラスを識別するためには出席されて重畳刺激指向を理解することができます'色と向き。 [ 15 ]これらのプロセスと遠くから、現時点では理解されて複雑です。 より詳細な調査方法を低次と高次脳の信号を特定の認知機能との相関関係を明らかにする方法時間をかけて、パターン変化の空間的特性と、様々な影響の下で、それの多様な主体の活性化のパターンを推定することが可能ですが限度;しかし等は'の正確な知識を計算'人間の脳で行われたと考えられています関連BCIsの建設に重要なされていません。 [ 20 ]共通のデータマイニング技術を様々な神経画像センサからの有益な情報を抽出し、一定の認知が適用される国との接続を確立することがあります。

そこに真剣に知識表現の分野でBCIのアプライアンスの成功に影響する可能性は重要な問題です。 2つのマイナーな問題を時間を一般化し、同じ精神状態の異なるインスタンスの問題です。 それは、同じ精神状態の脳の地域活性化のパターンが異なることがあります時間をかけて知られています。 同じ精神状態の異なるインスタンスにも、コンテンツのパターンなどの要因に応じて変更されたイメージを与える可能性があります。 [ 15 ]この柔軟性の高い空間リサンプリングと分類アルゴリズムが必要としてヘインズとリーズで使用することを提案する。 私たちはこれらの問題を効果的な技術の開発により解決されると信じています。

怪しげな質問をほかの国への外挿小説認知の問題がある。 ヘインズとリーズは、可能な知覚認知オレゴン州の数 、 無限大であることに注意が訓練のカテゴリの数は必ずしも制限されています。 [ 15 ]このため、小規模の訓練は、デコーダの経験から得た、全く新しいカテゴリを設定する一般的に訓練を受けることが重要です。 外挿を意味する場合は脳の活性化のパターンが実際にいくつかの体系的パラメトリック空間に配置されていますが可能となる。 この発見されるが、それが精神的なコンテンツ[ 15のいくつかの種類の少なくとも可能であると考えられています]のまま。 神経回路パターンの分類の場合には抽象的な形空間確かにそれが我々グローバルサポートの地図上に人間の脳認知状態のマッピングの可能性について、以前の本稿で説明することができるという理論が存在する。 この達成されているのは、最初のリクエストの上述の " 問題"と"理想的な人間の< - > KRS " チェーンを確立することも可能となる解決されます。

3.5 Learnableデコーダ

今では脳の画像処理としては、別の脳領域の活性化を区別することが可能ですが、最新の成果は、人のおかげで私たちは人間の認知地図を開始するためのデコーダを作成することが可能ですlearnable推定することがあります、さまざまな話題について考えているよく知られています知識表現システムの知識を地図上に述べています。 人間とコンピュータの相互作用のための理想的な方法は、驚異的なスピードと精度のシステムとの通信を可能に設立される可能性があります。 言語学的相互作用のデータの損失が少なく段階の除去のためになります。 速度との相互作用の効果を結果的に増加する。 これらの2つの要因を、様々な職業の人々が大幅に自分の仕事の効果を高めることができます。 [ 6日から、 15 ]は、脳の特定の場所の衝動regularitiesはすべての人間に共通している知識の科目があります知っているので、これらの機能を人為的呼び出すことができます。 しかし、これらのリンクの大半が個人主義と言われているはず。 したがって、デコーダを個別に適応する必要があります。

また、個人やデコーダの効率と学習能力にかかっているとの訓練は明らかだ。 私たちは人工のインターフェースでは、実験から失われた手足の代わりに使用されて、この推定することができます。 人間と動物の頭の中で特別な方法で人工マニピュレータ、さらに別々に本物の手足と人工1つを制御する [ 20学ぶ移動に集中することができた。

私たちは、人工神経回路網-ベースのメカニズムは、デコーダの問題の最善の解決策だと考えている上記を考慮した。

デコーダの学習プロセス

1 ） GKMランダムに選択されているのは、多次元空間の座標との点。

2 ） 複数の文書には、隣接するエリアでのマッピングを持つ （ 計量Euclidian ）が使用されている選択されていると、人間のオペレータに表示されます。

3 ） 演算子は彼 / 彼女の心は、与えられたトピックを認知し、メモリに関連するオブジェクトに出席するため集中しています。

4 ） fMRIは、神経画像データをハードウェアでの時間の特定の期間にわたって収集されています。

5 ） このデータは、空間的な再サンプリングやノイズリダクションのアルゴリズムは、現在の訓練の繰り返しパターンを参考に特徴を抽出する目的で処理されています。

6 ） 作成したデータは、神経回路網の入力を取得しています。 GKM選択のポイントの出力GKMに関連付けるため、特定の脳の活性化パターンには、神経回路網の訓練に座標を取得している。

Human brain to Knowledge Representation System bridge interface

知識表現システムブリッジインターフェイスに人間の脳

図3.1は、デコーダの訓練の過程

In such way an individualistic decoder may be trained not only for human <-> KRS interaction but basically human <-> any mechanism interaction. It is known [6, 14] that, there are certain anthropogenic regularities of brain mapping, ie in our case it is possible to generalize the linkage of neuroimaging patterns with GKM coordinates over different operators. To make use of it, special ‘anthropogenically pre-trained’ neural nets may be used. These basic networks are to be prepared through massive collective learning of the same decoder involving a big number of human operators. This will significantly reduce the training time compared to randomly initiated neural network. It might likely occur that it is worthwhile to create different pre-trained decoders for people from different cultural/social/educational clusters. It also remains to be found of how much use the decoder is going to be for immediate use without individual training.

4. Conclusions

In this paper we have aimed to pursue a target-oriented approach to the problem of research and development of the next generation Knowledge Representation Systems. As a result, innovative concepts have been proposed for both data storage and interface parts of an idealistic KRS.

The concept of the Global Knowledge Map is an idea of multidimensional homogeneous mapping space as an addressing mechanism enabling easy information retrieval and relevance calculation for the information units stored in heterogeneous data warehouses such as WWW , ontologies etc. There have been multiple works on this issue trying to elaborate both visual and semantic mappings of massive documents collections as described in corresponding surveys [2, 9, 29, 34]. However no single concept has found wide application until now. The reasons we believe, along with calculation and implementation difficulties, have roots in the shortcomings of the proposed models. Most mapping models use 2D or 3D space whereas there are theoretical grounds mentioned in this paper which allow us to argue that low dimensional space mapping is not appropriate for real word application . Consequently, here we propose a concept of self-organising multidimensional Global Knowledge Map. The means for automated construction of such unified mapping space are proposed employing the principles of unsupervised extraction and dimensionality reduction techniques. A model for experimental evaluation of described system is proposed.

A possibility of direct human – KRS interface scheme have been concurrently studied. It was revealed that the current stage at which the area of Brain Computer Interfaces potentially allows the construction of such direct chain from the point of view of information request. A concept of learnable decoder applying neuroimaging hardware and neural network based converter is proposed.

The issue of psychological concerns, individual and social impact that might be caused by the technologies proposed was not examined. It is obvious that certain approaches such as brain computer interfaces might, when implemented, violate individual privacy and cause unexpected after-effects. Therefore this is a subject for careful study by researchers in corresponding fields.

There are multiple assumptions and blank spots in the model described. Undoubtedly it must be evaluated through experiments, elaborated and improved with appropriate techniques. This will demand collaborative research and development involving researchers and organisations of various fields. Moreover, there are certain technology barriers to overcome in order to build a described system. Such as: calculation complexity in the case of unsupervised knowledge mapping; a matter of low accessibility and portability of neuroimaging hardware in the case of neuroimaging – global mapping decoder. Nevertheless we believe the ideas presented would be beneficial for researchers working towards elaboration of knowledge representation systems of the next generation.

References

[1] J. Allan et al, Challenges in information retrieval and language modeling: report of a workshop held at the center for intelligent information retrieval, University of Massachusetts Amherst, September 2002, ACM SIGIR Forum 37 (1) (2003) 31-47.

[2] A. Becks , S. Sklorz , M. Jarke , Exploring the Semantic Structure of Technical Document Collections, in: Proceedings Cooperative Information Systems, 7th International Conference ( CoopIS 2000 ) , Eilat, Israel, 2000 , pp. 120-125.

[3] JM Carmena, MA Lebedev, CS Henriquez, MAL Nicolelis, Stable ensemble performance with single neuron variability during reaching movements in primates , Journal of Neuroscience 25 (46) (2005) 10712-10716.

[4] S. Cheng, Y. Wang, Z. Wu, Provable Dimension Detection using Principal Component Analysis, in: Proceedings of the twenty-first annual symposium on Computational geometry , Pisa, Italy, 2005, pp. 208-217.

[5] N. Choi, I. Song, H. Han, A Survey on Ontology Mapping, ACM SIGMOD Record, 35 (3) (2006), 34-41.

[6] D. Cox, R. Savoy, Functional magnetic resonance imaging (fMRI) “brain reading”: detecting and classifying distributed patterns of fMRI activity in human visual cortex, Neuroimage 19 (2003) 261-270.

[7] S. Dasgupta, A. Gupta, An elementary proof of a theorem of Johnson and Lindenstrauss, Random Structures and Algorithms, 22 (1) (2003) 60 – 65.

[8] C. Ding, X. He, K-means Clustering via Principal Component Analysis, in: Proceedings of International Conference in Machine Learning (ICML 2004), Banff , Canada , 2004, pp. 225-232.

[9] M. Dodge , Mapping the World-Wide Web, in: Preferred Placement: The Hit Economy, Hyperlink Diplomacy, and Web Epistemology, Symposium of the Design & Media Research Fellowship, Jan Van Eyck Akademie, Amsterdam, Netherlands, 1999, pp. 81-98.

[10] J. Dolling, Commonsense Ontology and Semantics of Natural Language, Zeitschrift für Sprachtypologie und Universalienforschung (STUF) 46 (2) (1993) 133–141.

[11] O. Etzioni, M. Cafarella, D. Downey, A. Popescu, T. Shaked, S. Soderland, D. Weld, A. Yates, Unsupervised named-entity extraction from the Web: An experimental study. Artificial Intelligence 165 (2005) 91-134.

[12] C . Fellbaum , WordNet: An Electronic Lexical Database, The MIT Press, Cambridge , MA , USA , 1998.

[13] J. Ford, F. Makedon, T. Steinberg, C. Owen, S. Johnson, A. Saykin, Stimulus tracking in Functional Magnetic Resonance Imaging (fMRI), in: Proceedings of the sixth ACM international conference on Multimedia , Bristol, UK, 1998, pp. 445-454.

[14] J. Haynes, G. Rees, Predicting the stream of consciousness from activity in human visual cortex, Current Biology, 15 (2005) 1301-1307.

[15] J. Haynes, G. Rees , Decoding mental states from brain activity in humans , Nature Reviews Neuroscience 7 (7) (2006) 523-534 .

[16] M. Hertzum , E. Frokjaer , Browsing and Querying in Online Documentation: A Study of User Interfaces and the Interaction Process , ACM Transactions on Computer-Human Interaction, 3 (2) (1996) 136-161.

[17] Y. Kalfoglou, M. Schorlemmer, Ontology mapping: the state of the art, The Knowledge Engineering Review 18 (1) (2003) 1-31.

[18] P. Kay, W. Kempton, What is the Sapir-Whorf Hypothesis? American Anthropologist 86 (1) ( 1984) 65-79.

[19] K. Lagus, S. Kaski, T. Kohonen, Mining massive document collections by the WEBSOM method, Information Sciences 163 (1-3), Special issue on Soft computing data mining (2004) 135-156.

[20] M. Lebedev, M. Nicolelis, Brain-machine interfaces: past, present and future, Trends in Neurosciences 29 (9) (2006) 536-546.

[21] X. Li, P. Morie, D. Roth, Semantic Integration in Text: From Ambiguous Names to Identifiable Entities , AI Magazine, Special Issue on Semantic Integration 26 (1) (2005) 45-68.

[22] D. Marker, Model Theory: An Introduction, Springer-Verlag, International, 2002.

[23] C. Matuszek, M. Witbrock , R. Kahlert, J. Cabral, D. Schneider, P. Shah and D. Lenat . Searching for Common Sense: Populating Cyc from the Web, in: Proceedings of the Twentieth National Conference on Artificial Intelligence, Pittsburgh , Pennsylvania , USA , 2005, pp. 1430-1435.

[24] D. Millard, M. Ross , Web 2.0: Hypertext by Any Other Name, in: Proceedings of ACM Conference on Hypertext and Hypermedia 2006, Odense , Denmark , 2006, pp. 27-30.

[25] L. Morgenstern, Knowledge Representation and commonsense reasoning: Reviews of four books. Artificial Intelligence (170) (2006) 1239-1250.

[26] J. Munkres, Topology, 2nd edition, Prentice Hall, International, 2002.

[27] I. Niles , A. Pease, Towards a Standard Upper Ontology, in: Proceedings of the 2nd International Conference on Formal Ontology in Information Systems (FOIS-2001), Ogunquit , Maine , USA , 2001, pp. 17-19.

[28] L. P. Pojman, The Theory of Knowledge: Classic and Contemporary Readings , 3rd Edition, Late of Clare Hall, Cambridge University , Cambridge , 2003.

[29] F. Rossi, V isualization methods for metric studies, in: Proceedings International Workshop on Webometrics, Informetrics and Scientometrics & Seventh COLLNET Meeting , Nancy , France ( 2006 ), pp. 356-366.

[30] D. Roy, E. Reiter, Connecting language to the world, Artificial Intelligence 167 (1-2), Special volume on connecting language to the world (2005) 1-12.

[31] F. Sebastiani, M achine learning in automated text categorization, ACM Computing Surveys (CSUR), 34 (1) (2002) 1-47.

[32] U. Seiffert , B. Michaelis , Growing 3D-SOM’s with 2D-input layer as a classification tool in a motion detection system , in: Proceedings International Conference on Engineering Applications of Neural Networks (EANN ’96), Abo Akademis Tryckeri, Turku , Finland , 1996 , pp. 351-354 .

[33] J. Sowa, Knowledge Representation. Logical, Philosophical and Computational Foundations, Brooks/Cole, Pacific Grove , CA , USA , 2000.

[34] T. Villmann et al, Theory and Application of Neural Maps, in: Proceedings European Symposium on Artificial Neural Networks (ESANN’2004), Bruges , Belgium , 2004, pp. 25-38.

[35] A. Zanasi, Text Mining and its Applications to Intelligence, CRM and

Knowledge Management, WIT Press, Southampton , UK , 2005.

[?]
Share This