Dergiler / International Journal of Advances in Engineering and Pure Sciences / 2023 / Cilt: 35 Sayı: 3

Özetleme Mekanizması Kullanılarak Bilgi Çizgesine Yeni Eklentiler

Novel Extensions to the Knowledge Graph Using the Hashing Mechanism

Sayfa
312–321
Yayın Tarihi
2023-09-30
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Çalışmamızın, bilgi çizgesinin iyileştirilmesine yönelik literatüre ve bilgi çizgesini kullanan yapay zeka yazılımlarının geliştirilmesine katkı sunması beklenmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bilginin doğasına ilişkin, onu şekillendiren çok çeşitli unsurlar bulunmaktadır.
📊
Temel Bulgular & Veri:Geliştirdiğimiz eklentiler sayesinde bir bilgi değiştiğinde onu etkileyen tüm bilgilerin otomatik güncellenmesi, belirsizlik, bilgiler arasında sıralama yapılamaması, bazı bilgilerin değişmez olarak tutulamaması ve bilgiler arasında hızlı bir karşılaştırmanın yapılamaması gibi yaygın bilgi çizgesi problemleri, örnek senaryolar üzerinden test edilerek çözüme kavuşturulmuştur.
💡
Sonuç & Katkı:Çalışmamızın, bilgi çizgesinin iyileştirilmesine yönelik literatüre ve bilgi çizgesini kullanan yapay zeka yazılımlarının geliştirilmesine katkı sunması beklenmektedir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Bilgi çizgesi · hashing · yapay zeka

Özet

Bilginin doğasına ilişkin, onu şekillendiren çok çeşitli unsurlar bulunmaktadır. Örneğin güvenirlik, tutarlılık, değişmezlik ve bağlam gibi mekanizmalar bunların başında gelir. Ancak söz konusu mekanizmaların bilgi çizgesinde temsil edilmesi oldukça yaygın bir problemdir. Çalışmamızda bu problemin çözümüne katkıda bulunmak amacıyla, bilginin karmaşık doğasına ilişkin güven, tutarlılık, değişmezlik ve bağlam gibi temel mekanizmalar, hashing teknolojisi kullanılarak bilgi çizgesine entegre edilmiştir. Çalışmamızda bu eklentiler, bilgi çizgesinden ayrı tutularak, yapıların işlevselliklerinin bozulmaması sağlanmıştır. Geliştirdiğimiz eklentiler sayesinde bir bilgi değiştiğinde onu etkileyen tüm bilgilerin otomatik güncellenmesi, belirsizlik, bilgiler arasında sıralama yapılamaması, bazı bilgilerin değişmez olarak tutulamaması ve bilgiler arasında hızlı bir karşılaştırmanın yapılamaması gibi yaygın bilgi çizgesi problemleri, örnek senaryolar üzerinden test edilerek çözüme kavuşturulmuştur. Çalışmamızın, bilgi çizgesinin iyileştirilmesine yönelik literatüre ve bilgi çizgesini kullanan yapay zeka yazılımlarının geliştirilmesine katkı sunması beklenmektedir.

Abstract

There are various elements related to the nature of knowledge that shape it. For example, mechanisms such as reliability, consistency, invariance and context are among the main ones. However, representing these mechanisms in the knowledge graph is a common problem. In our work, in order to contribute to the solution of this problem, basic mechanisms related to the complex nature of information such as trust, consistency, immutability and context are integrated into the knowledge graph using hashing technology. In our work, these plugins are kept separate from the knowledge graph so that the functionality of the structures is not impaired. Thanks to the plugins we developed, common knowledge graph problems such as automatic updating of all the information that affects a piece of information when it changes, ambiguity, inability to sort information, inability to keep some information immutable, and inability to make a quick comparison between information are tested and solved through example scenarios. Our work is expected to contribute to the literature on knowledge graph improvement and to the development of artificial intelligence software that utilizes knowledge graphs.

🔖

Bu Makaleye Atıf Yap

TAKAN, S. (2023). Özetleme Mekanizması Kullanılarak Bilgi Çizgesine Yeni Eklentiler. International Journal of Advances in Engineering and Pure Sciences, Cilt: 35 Sayı: 3, 312–321. https://ajindex.com/articles/963666

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Alsaig, A., Alagar, V., & Nematollaah, S., Contelog: A declarative language for modeling and reasoning with contextual knowledge. Knowledge-Based Systems, 207, 106403, (2020).
  2. Balakrishnan, D., Ziarek, L., & Kennedy, O., Fluid data structures. In 17th ACM SIGPLAN International Symposium on Database Programming Languages, 3–17., (2019). Bello López, P., & De Ita Luna, G., An Algorithm to Belief Revision and to Verify Consistency of a Knowledge Base. IEEE Latin America Transactions, 19(11), 1867–1874, (2021).
  3. Besançon, L., Da Silva, C. F., Ghodous, P., & Gelas, J.-P., A Blockchain Ontology for DApps Development. IEEE Access, 10, 49905–49933, (2022).
  4. Cambria, E., Ji, S., Pan, S., & Yu, P. S., Knowledge graph representation and reasoning. Neurocomputing, 461, 494–496, (2021).
  5. Cano-Benito, J., Cimmino, A., & García-Castro, R., Toward the Ontological Modeling of Smart Contracts: A Solidity Use Case. IEEE Access, 9, 140156–140172, (2021).
  6. Chen, X., Jia, S., & Xiang, Y., A review: Knowledge reasoning over knowledge graph. Expert Systems with Applications, 141, 112948, (2020).
  7. Chen, X., Xie, H., Li, Z., & Cheng, G., Topic analysis and development in knowledge graph research: A bibliometric review on three decades. Neurocomputing, 461, 497–515, (2021).
  8. Chen, Z., Wang, Y., Zhao, B., Cheng, J., Zhao, X., & Duan, Z., Knowledge Graph Completion: A Review. IEEE Access, 8, 192435–192456, (2020).
  9. Chowdhury, M. J. M., Colman, A., Kabir, M. A., Han, J., & Sarda, P., Blockchain Versus Database: A Critical Analysis. 2018 17th IEEE International Conference On Trust, Security And Privacy In Computing And Communications/ 12th IEEE International Conference On Big Data Science And Engineering (TrustCom/BigDataSE), 1348–1353, (2018).
  10. Christoforou, E., Nordio, A., Tarable, A., & Leonardi, E., Ranking a Set of Objects: A Graph Based Least-Square Approach. IEEE Transactions on Network Science and Engineering, 8(1), 803–813, (2021).
  11. Dai, Y., Wang, S., Xiong, N. N., & Guo, W., A Survey on Knowledge Graph Embedding: Approaches, Applications and Benchmarks. Electronics, 9(5), 750, (2020).
  12. Delgrande, J. P., & Schaub, T., A consistency-based approach for belief change. Artificial Intelligence, 151(1), 1–41, (2003).
  13. Grant, J., Molinaro, C., & Parisi, F., Probabilistic spatio-temporal knowledge bases: Capacity constraints, count queries, and consistency checking. International Journal of Approximate Reasoning: Official Publication of the North American Fuzzy Information Processing Society, 100