ДЕКЛАРАТИВНО-ТЕМПОРАЛЬНИЙ ПІДХІД ДО ПОБУДОВИ ПОЯСНЕНЬ В ІНТЕЛЕКТУАЛЬНИХ ІНФОРМАЦІЙНИХ СИСТЕМАХ

Автор(и)

DOI:

https://doi.org/10.20998/2079-0023.2020.02.09

Ключові слова:

пояснення, знання, інтелектуальна інформаційна система, темпоральні правила, вимоги до пояснення

Анотація

Предметом дослідження є процеси побудови пояснень щодо запропонованих інтелектуальною інформаційною системою рішень. Пояснення подає в упорядкованому вигляді знання щодо результатів роботи інтелектуальної системи з урахування контексту його побудови. Мета полягає в розробці підходу до побудови опису знань для представлення пояснення, що забезпечує можливість тлумачення рішень інтелектуальної системи у онлайн-режимі, з використанням найбільш актуальних залежностей щодо стану предметної області та потреб користувача. Для досягнення поставленої мети вирішуються такі задачі: постановка узагальненої задачі формування пояснення та формулювання принципів її вирішення; визначення принципів побудови опису знань для пояснення; розробка підходу до побудови пояснення на основі інтеграції декларативного опису предметної області та темпорального опису процесу прийняття рішення. Запропоновано узагальнену постановку задачі формування пояснення у формі знаходження моделі тлумачення, що дає можливість мінімізувати неточність опису процесу отримання рішення відносно моделі процесу функціонування інтелектуальної системи в умовах обмежень на складність пояснення. Сформульовано принципи вирішення задачі побудови пояснення, які передбачають послідовне формування декларативного опису предметної області у вигляді відповідної онтології, а також опису процесу прийняття рішення в інтелектуальній системі на основі темпоральних правил, що дає можливість адаптувати пояснення на основі формального опису змін у предметній області. Запропоновано декларативно-темпоральний підхід до побудови пояснення в інтелектуальній інформаційній системі. Згідно даного підходу послідовно вирішуються задачі деталізації цілей пояснення в рамках визначеної концепції на основі використання онтології предметної області, формування пояснення з урахуванням структури інтелектуальної системи та взаємодії її складових, персоналізації пояснення у відповідності до вподобань користувача. Даний підхід дає можливість оперативно актуалізувати витлумачення, що створює умови для побудови пояснень в режимі онлайн.

Біографії авторів

Serhii Fedorovych Chalyi, Kharkiv National University of Radio Electronics

Doctor of Technical Sciences, Professor, Kharkiv National University of Radio Electronics, Professor of the Department of Information Control System, Kharkiv

Volodymyr Oleksandrovich Leshchynskyi, Kharkiv National University of Radio Electronics

PhD, Associate Professor, Kharkiv National University of Radio Electronics, Associate Professor of the Department of Software Engineering, Kharkiv

Irina Oleksandrivna Leshchynska, Kharkiv National University of Radio Electronics

PhD, Associate Professor, Kharkiv National University of Radio Electronics, Associate Professor of the Department of Software Engineering, Kharkiv

Посилання

Swartout W., Moore J. Explanation in Second Generation Expert Systems. David J.-M., Krivine J.-P., Simmons R. (ed) Second generation expert systems, Springer-Verlag. 1993, pp. 543–585.

Tintarev N., Masthoff J. A survey of explanations in recommender systems. The 3rd international workshop on web personalisation, recommender systems and intelligent user interfaces (WPRSIUI'07). 2007, pp. 801–810.

Arrieta A. B., Rodriguez N. A., Ser J.D., Bennetot A., Tabik S. González A. B., García S., Gil-López S., Molina D., Benjamins V.R., Chatila R., Herrera F. Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges toward Responsible AI. Information Fusion, Elsevier B.V. 2019, pp. 1–72.

Aggarwal, C. C.: Recommender Systems. Springer, New York. 2017, 498 p.

Núñez H., Angulo C., Català A. Rule-based learning systems for support vector machines. Neural Processing Letters. 2006, vol. 24. pp. 1–18.

Cunningham P., Doyle D., Loughrey J. An evaluation of the usefulness of case-based reasoning explanation. Proceedings of the International Conference on Case-Based Reasoning (ICCBR 2003). Trondheim, Springer. 2003, p. 122–130.

Donadello I., Dragoni M., Eccher C. Persuasive explanation of reasoning inferences on dietary data. First Workshop on Semantic Explainability ISWC 2019. 2019, pp.1–16.

Donadello I. Semantic image interpretation-integration of numerical data and logical knowledge for cognitive vision. Information and Communication Technology, University of Trento, 2018, pp. 141.

Chalyi S. F., Leshchynskyi V. O., Leshchynska I. O. Modelyuvannya poyasnen shodo rekomendovanogo pereliku ob’yektiv z urahuvannyam temporalnogo aspektu viboru koristuvacha [Modeling explanations for the recommended list of items based on the temporal dimension of user choice]. Sistemi upravlinnya, navigaciyi ta zv’yazku [Control, Navigation and Communication Systems], 2019, vol. 6, no. 58, pp. 97–101.

Daher J, Brun A., Boyer A. A. A review on explanations in recommender systems. Technical Report. LORIA Université de Lorraine. 2017, pp. 26.

Levykin V., Chala O. Method of determining weights of temporal rules in markov logic network for building knowledge base in information control system. EUREKA: Physics and Engineering. 2018, vol. 5, pp. 3–10.

Levykin V., Chala O. Development of a method for the probabilistic inference of sequences of a business process activities to support the business process management. Eastern-European Journal of Eenterprise Technologies. 2018, vol. 5/3(95), pp. 16–24.

Chalyi S., Leshchynskyi V., Leshchynska I. Method of forming recommendations using temporal constraints in a situation of cyclic cold start of the recommender system. EUREKA: Physics and Engineering. 2019, vol. 4, pp. 34–40.

Chalyi S., Pribylnova I. The method of constructing recommendations online on the temporal dynamics of user interests using multilayer graph. EUREKA: Physics and Engineering. 2019, vol. 3, pp. 13–19.

##submission.downloads##

Номер

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ