Preserving quality of information by using semantic relationships

در برنامه های محاسباتی فراگیر و سنجش، بسیاری از دستگاه ها مانند سنسورها و پردازنده ها (که همپوشانی را انجام می دهند) به عنوان منابع غنی از اطلاعات و اطلاعات در طول مدت زمان طولانی خدمت می کنند. اغلب موارد این است که جریان اطلاعات تولید شده درون یک برنامه مستقل از یکدیگر نیست؛ در عوض، آنها روابط معناشناختی خاصی بین آنها دارند. برای مقابله با حجم زیاد اطلاعات تولید شده در طول زمان، گاهی اوقات لازم است فشرده سازی این جریان اطلاعات. با این حال، اغلب موارد این است که معنای اساسی و معناشناسی اطلاعات مهم است که برای حفظ سطح قابل قبول کیفیت اطلاعات به جای داده های واقعی در تمامیت آن حیاتی است. در این مقاله، ما نشان می دهیم که چگونه افزونگی معنایی و ابهام در یک منبع معنایی آگاهانه می تواند برای دستیابی به فشرده سازی با هدف توانایی بهبود معانی اساسی پیام های آن مورد بهره برداری قرار گیرد. ما گام های اولیه را برای گسترش اصول برنامه نویسی کد تئوری اطلاعات کلاسیک و نشان می دهیم که با استفاده از روابط استنتاج معنایی بین پیام های بیان شده و احتمالا در منبع، روش های فشرده سازی. ما یک آنتروپی معنایی را تعریف می کنیم؟ اندازه گیری برای یک منبع و نشان می دهد که آن را از بالا با اطلاعات متقابل بین مدل های آن و پیام های نحوی که تولید می کند محدود شده است. ما همچنین برخی از روابط استنتاج معنایی معناداری بر اساس منطق گویا را به دست می آوریم و الگوریتم های عملیاتی را به کار می بریم که ساختار گراف یک پایگاه دانش مشترک را برای تسهیل فشرده سازی معناشناختی از دست رفتن استفاده می کنند.