کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6853977 1437282 2017 40 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A knowledge-based system for generating interaction networks from ecological data
ترجمه فارسی عنوان
یک سیستم مبتنی بر دانش برای تولید شبکه های متقابل از داده های اکولوژیکی
کلمات کلیدی
ناهمگنی معنایی، هستی شناسی، شبکه بیزی، کشف دانش، معماری معنایی، شبکه تعامل، تعاملات زیست محیطی،
ترجمه چکیده
ناهمگنی معنایی مانع تلاش برای یافتن، ادغام، تجزیه و تحلیل و تفسیر داده های زیست محیطی می شود. یک مطالعه موردی مورد استفاده قرار گرفته است که هدف آن خودکار سازی ادغام و تفسیر داده های زیست محیطی ناهمگن و گل ها است. یک پروتکل مبتنی بر دانش مبتنی بر سیستم توصیف و ارزیابی شده است. معماری معنایی این سیستم از ترکیبی از هستی شناسی ها و یک شبکه بیس برای نشان دادن و علل با داده های کیفی و غیرمستقیم محیط زیست و دانش استفاده می کند. این اجازه می دهد تا بافت سطح بالا و دانش علمی از تعاملات رفتاری بین گیاهان فردی و حشرات، و در نتیجه تعامل با اکولوژیک بین جمعیت گیاهان و حشرات کشف شود. سیستم به طور خودکار تداخلات زیست محیطی را به یک شبکه تعامل معنادار سازگار (یک طراحی جدید از یک مدل دامنه مفید سنتی) مونتاژ می کند. ما در مورد مشارکت استدلال احتمالاتی در کشف دانش، محدودیت های کشف دانش در مورد مطالعه موردی، تاثیر کار و توان بالقوه برای اعمال طراحی سیستم به مطالعه شبکه های تعامل محیطی به طور کلی بحث می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک سیستم مبتنی بر دانش برای تولید شبکه های متقابل از داده های اکولوژیکی
چکیده انگلیسی
Semantic heterogeneity hampers efforts to find, integrate, analyse and interpret ecological data. An application case-study is described, in which the objective was to automate the integration and interpretation of heterogeneous, flower-visiting ecological data. A prototype knowledge-based system is described and evaluated. The system's semantic architecture uses a combination of ontologies and a Bayesian network to represent and reason with qualitative, uncertain ecological data and knowledge. This allows the high-level context and causal knowledge of behavioural interactions between individual plants and insects, and consequent ecological interactions between plant and insect populations, to be discovered. The system automatically assembles ecological interactions into a semantically consistent interaction network (a new design of a useful, traditional domain model). We discuss the contribution of probabilistic reasoning to knowledge discovery, the limitations of knowledge discovery in the application case-study, the impact of the work and the potential to apply the system design to the study of ecological interaction networks in general.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Data & Knowledge Engineering - Volume 112, November 2017, Pages 55-78
نویسندگان
, , ,