New Developments in Artificial Intelligence and the Semantic Web

More documents

Recommendations

Info

3.3.5 T5 Symbolinen malli ja mallin kutojaErilaisia malleja ja mallienluontimekanismeja (modelweaver) on kehitetty runsaasti mm. OMG:n toimesta(Bezevin 2005). OMG on verrannut erilaistenmalliratkaisujen ominaisuuksia seuraavasti. Tärkeitävertailtavia piirteitä ovat modulaarisuus, muunnettavuus,jäljitettävyys, formalisoitavuus, koodin suoritettavuus,aspektien poiminnan mahdollisuus ja ratkaisunerikoistamisen mahdollisuudet. MOF-mallien keskeinenheikkous on assosiaatioiden käsittelyssä. Koskaoliomallit voivat itsessään käyttää vain olioita, joidenheikkoutena on suljettu sisäinen rakenne, MOF-malleissajoudutaan jokainen assosiaatio pilkkomaan useiksiolioiksi (kuten association, associationEnd, link jalinkEnd). Pilkkomisen takia mallien läpikäynti vaatiipaljon ohjelmointia ja monimutkaisia algoritmeja.Takaisinmallintamisen kannalta tärkeimpiä mallienpiirteitä ovat modulaarisuus, muunnettavuus,jäljitettävyys, formalisoitavuus ja suoritettavuus. OMGtoteaa, että MDA:lla ei voida tuottaa suoritettavaa mallia,vaikkakin ”executable uml” on paljon käytetty käsite.Sen sijaan äskeisten teorioiden T1-T4 mukaan kehitettymalli on simuloitavissa eli mallinnettavissa niin pitkälle,että myös koodin sivuvaikutukset voidaan analysoida.Samalla simuloinnista saadaan tuloksena jälki (trace),joka vastaa dynaamisen analyysin tulosjoukkoa.Symbolinen malli on formalisoitavissa tarkkaan jamuutettavissa myös MDA-malleiksi ns. xmi-esitystavanavulla (XMI 2005).Symbolisen mallin keskeisin ja lähes ainoa rakenneon symbolinen elementti (SE), jolla on optimoituperintähierarkia. Se periytyy Symbolic-nimisestäluokasta, joka sisältää teorian T2 mukaiset määritelmät,parserin ja koodigeneraattorin. Eri tyyppiset elementit,jotka kuvattiin teorian T2 yhteydessä, toteutetaanperuselementin SE erikoistuksina. Kunkin elementinmuistiin tallennetaan siihen kuuluva koodi, joka onluontivaiheessa muuntamalla teorian T3 mukaiset T2:nrakenteet omiksi elementeikseen ja prosessoimalla saatukoodi vielä teorian T4 mukaisesti. Näin saadaan aikaanatomistinen malli.3.3.6 T6 Selektiivinen kyselyTunnetuin koodin tarkastelun menetelmä on nimeltäänviipalointi (slicing). Se tuottaa tietystä koodin osastasiihen suoranaisesti liittyvät muut ohjelmalauseetsuoritusjärjestyksessä joko taakse- tai eteenpäin.Viipalointiin liittyy kuitenkin paljon rajoituksia ja sesoveltuu vain koodin matalan tason tarkasteluun. Siksiolemme valinneet paremman perusmenetelmän, joka onnimeltään leikkely eli chopping.Chopping on tärkeä analysointikeino, joka tarkoittaahaluttujen kohteiden saavutettavuuden tutkimista. Se käyerinomaisesti syy-seuraussuhteiden käsittelyyn, joka onolennaista vianpaikannustehtävissä. Chopping pyrkiianalysoimaan kuvan 3 mukaan perättäistenfunktiokutsujen joukkoja, jotka alkavat tietystä Startkohdastaja etenevät aikajärjestyksessä Target-kohtaansaakka:Start = fk • fk-1 • ... •f • Target.Chopping-yhtälö voidaan ilmaista monella eri tavallasymbolista notaatiota käyttäen. Ilmaisu lopusta alkuun onmuotoa:Target = fk • fk-1 • ... •f (Start).Sisäkkäisessä muodossa se voidaan kirjoittaa:Target = f (f (f ( ... f( Start ) ) ) )Tai peräkkäisessä muodossa listana:Target = [f(XK), f(XK-1).. f(“Start”)].Chopping-analyysin ohjelmointi Prologilla onselväpiirteistä. Seuraava koodi sisältää rekursiivisensäännön, joka kerää informaatiota seuraavilta perättäisiltäsolmuilta, jotka on määritelty f-rakenteina sisältäenkunkin funktion nimen ja vastaavat argumentit. Tuloksetsaadaan kumulatiivisesti kerättyä predikaatin toiseenargumenttiin Sequence-muuttujan välityksellä:chopping (Target, [f(This)|Sequence]):-f(NextId,Arguments),NextId:chopping(Target,Sequence).Cstartf 1 f 2call q f k 1 f kstart qf 4f 3ret( )f 5f k 2exit qf k 3targetKuva 3. Chopping ohjausvuon tulkinnassa.3.3.7 T7 Tyhjentävä haku ongelman ratkaisijanaPerinteinen koodin analysointi tarkastelee tyypillisestiohjelman lauseiden välisiä suhteita sellaisenaan [Slicing,Reps] ilman korkeamman abstraktion malleja. Tarkkakäsittely johtaa usein laskennallisesti liian vaativiinalgoritmeihin, jos aluetta ei voida rajata tarpeeksi.Äsken kuvaamamme selektiivinen kysely, chopping, sensijaan tuottaa suppean tietoaineiston, joukon mallinelementtejä, jota voidaan käsitellä monin eri tavointyhjentävästi mm. tarkastelemalla eri suorituspolkuvaihtoehtoja,datan kulkua ja sivuvaikutuksia jamahdollisia aktivointeja eri tilanteissa.Yhden metodin osalta kaikki Penningtonintietotarpeet voidaan aina poikkeuksetta poimiatäydellisesti siten, että tuntemattomat parametritkäsitellään viittauksina. Mikä tahansa suorituspolkuvoidaan myös evaluoida yhtenä kokonaisuutena, jolloinvoidaan tutkia pienimpiä ilmiöitä koodista.111
Ohjelmasilmukoiden käsittely on silti ongelmallista, jossuorituskertoja tulee lukemattomia. Siinä tapauksessatoistokertoja on voitava rajoittaa. Samoin ulkoistenrajapintojen tulkitseminen ehtolausekkeissa vaatiialkujärjestelyjä ennen testausta.3.3.8 T8 Javan täydellinen relaatiomalliJavaa ja sen koodista kehitettyä symbolista malliatarkastellaan järjestelmällisimmin sitä vartensuunnitellun, yhtenäisen relaatiorajapinnan kautta. Näinvoidaan tunnistaa tärkeimmät käsitteet (entity) ja niidenväliset suhteet (relation), mikä tuottaa kelvollista tietoavianpaikannukseen. Relaatiomalli sisältää seuraavatperusmääritykset, joiden välisiä relaatioita on mahdollistatutkia: Luokan nimi, class Luokan jäsenet Luokan super-luokka Metodin sisä ltämät elementit Metodin sisältämät staattiset kutsut Metodin suorittamat dynaamiset kutsut Kuhunkin elementtiin liittyvät navigointitiedot. Kuhunkin elementtiin liittyvät sivuvaikutukset JäljityshistoriaKun koodin yksittäiset rakenteet saadaan näinyksittäisillä kyselyillä hallintaan, tarkastelua voidaanlaajentaa käyttämällä kyselyjen välillä loogisiaoperaatioita ja alakyselyjä.3.3.9 T9 SelitysmalliTietämysteknisesti tarkasteltuna koodin informaatio onmielenkiintoista. Halutessamme kysyä syyseuraussuhteita,koodista saadaan läpikäyntialgoritmillaloogiset ehdot ja rakenteet, jotka vaikuttavat kyseiseentarkasteluväliin. Saatujen symbolisten rakenteiden joukkovoidaan muuntaa luonnolliselle kielelle, esimerkiksienglanniksi, jolloin saadaan selväkielinen perusteluketjutarvittavine parametreineen.Yhteistä kaikelle käsittelylle on se, että saaduntulosinformaation muoto on aina sama kyselystäriippumatta. Se helpottaa ohjelmointia ja toteutusta jatulosten integrointia. Tulosinformaatiolle voidaan valitaerilaisia tulosteita ja tarkastelutapoja kuten what, why taihow, jolloin näytölle syntyvä aineisto saadaanvastaamaan parhaiten käyttäjän tekemää kyselyä.Tulostuksessa voidaan toki käyttää myös luonnollistasemantiikkaa ja sen esitysasua, mutta se on ohjelmoijillevieraampi.3.3.10 T10 Pragmaattisen tulkinnan teoriaYlläpito sisältää paljon erilaisia tehtäviä ja alatehtäviä,joissa koodin tarkastelu on tarpeen. Aiheen laajuudenjohdosta sitä käsitellään tässä kohdassa vain muutaminesimerkein Penningtonin tietotarvemäärittelyn pohjalta: Jokainen työkalun tuotos, joka johdattaa käyttäjäävianpaikannustehtävässä ja supistaa alkuperäistäinformaatiojoukkoa, on pragmaattista informaatiota. Jokainen perehtymistilanteessa käyttäjälle tuotettuvastaus kysymyksiin what, why ja how, onpragmaattista informaatiota. Jokainen syy-seuraussuhdetta erittelevä haku, jokaon kohdistettu vian määritykseen, tuottaapragmaattista vian rajauksen informaatiota. Jokainen metodin suorituspolkujen hahmottamiseenliittyvä kokonaisuus palvelee vianhaun tarpeitatutkittaessa ohjelman pysähtyvyysongelmia. Jokainen kriittisen kuuntelijaolion tiloihin liittyväkysely tuottaa pragmaattista informaatiota.Teknologiamielessä pragmaattisen informaationtarkastelu vaatii käyttäjän tarpeiden tunnistamista jametodologian sovittamista niihin. Saatu tietämys onkuitenkin arvokasta, sillä se palvelee kiireistä käyttäjäähänen jokapäiväisessä työssään sellaisenaan.4 MetodologiaEdellä kuvattu ontologia ja tietämyksen määrittely eriteoria-alueineen toimivat lähtötietoina metodologiantarkastelulle.4.1 Metodologian toteutusSeuraavassa esityksessä Peircen semioottista käsitteistöä,jonka muodostavat merkki (sign), kohde (object) jalogiikalla toteutettava tulkinta (interpretant, logic L),lähestytään symbolista alkaen. Yhdistämällä nämäkäsitteet saadaan hahmoteltua kokonaisuus SOL. Malli(M) määritellään yksinkertaisesti säiliöksi, joka sisältäämalliin luodut oliot. Mallin analysointi (A) tapahtuukyselyiden (Q, Query) avulla oliorajapinnan kautta.4.1.1 Symbolin toteutus (S)Kieliopista saadaan suoraan kaikki symbolit, jotkaviittaavat lähdekoodin muuttujiin. Niitä ovat luokan nimi,metodi, attribuutti ja muuttujanimet. Koodin tarkasteluuntämä metoditarkkuus ei vielä riitä, koska kun saatuasymbolista mallia halutaan tutkia esimerkiksivianpaikannuksen tarkoituksessa, tarvitaan suorituspoluntarkkuus ja sen toteuttamiseen suorituspolkuelementti.New Developments in Artificial Intelligence and the Semantic WebProceedings of the 12th Finnish Artificial Intelligence Conference STeP 2006 112
Page 1 and 2:
Publications of the Finnish Artific
Page 3 and 4:
Sponsors and Partners of STeP 2006i
Page 5 and 6:
Table of ContentsSemantic Web at Wo
Page 7 and 8:
2 Use scenarioOur initial use scena
Page 9 and 10:
Combining owncontent withcommercial
Page 11 and 12:
The ontology editor Protégé 3.1 w
Page 13 and 14:
- Ontologies contain knowledge that
Page 15 and 16:
2005) concentrates on post-visitors
Page 17 and 18:
To summarise, we can conclude that
Page 19 and 20:
2006). The system is based on metad
Page 21 and 22:
Figure 1: The situation ontologyFig
Page 23 and 24:
tionElement. All the instances of t
Page 25 and 26:
exercise together. John and Michael
Page 27 and 28:
scheme there is no notion of reific
Page 29 and 30:
J. Sowa. Knowledge Representation.
Page 31 and 32:
teroperable, but also the values us
Page 33 and 34:
Figure 2: Kullervo departs for the
Page 35 and 36:
Figure 4: The painting of figure 3
Page 37 and 38:
new information with respect to the
Page 39 and 40:
Figure 7: Using Google Maps in CULT
Page 41 and 42:
M. Junnila, E. Hyvönen, and M. Sal
Page 43 and 44:
an area or domain of the Earth’s
Page 45 and 46:
Initial Ontology ConstructionRule
Page 47 and 48:
An entity point represents the coor
Page 49 and 50:
Maps application where Ajax 12 is u
Page 51 and 52:
Improving the Quality of Medication
Page 53 and 54:
send it back to the electronic pres
Page 55 and 56:
Each component in the architecture
Page 57 and 58:
RosettaNet and Semantic Web Service
Page 59 and 60:
hierarchies and a middleware adapte
Page 61 and 62:
44 47 20448 52 dozen53 92 93 Better
Page 63 and 64:
“Pip3A1RequestForQuoteRespond”
Page 65 and 66: CASCOM: Context-Aware Service Coord
Page 67 and 68: Towards reflective information mana
Page 69 and 70: the capability to provide the peopl
Page 71 and 72: Steven Pinker. The Language Instinc
Page 73 and 74: 2 Cybernetics as controlNew useful
Page 75 and 76: The parameters μ s and λ s are fi
Page 77 and 78: fully eliminated, and the closed lo
Page 79 and 80: neocybernetic model structure. In g
Page 81 and 82: New Developments in Artificial Inte
Page 83: New Developments in Artificial Inte
Page 87 and 88: Object-oriented declarative model s
Page 89 and 90: directly in C++ programs as instanc
Page 91 and 92: Solving and Rating Sudoku Puzzles w
Page 93 and 94: e equal to 45. Constrained optimiza
Page 95 and 96: Table 1. The comparison of how effe
Page 97 and 98: University Press, London, 1859, A r
Page 99 and 100: amount of the data grows the neural
Page 101 and 102: towards more accurate results. We c
Page 103 and 104: • Environment: Neoybernetic syste
Page 105 and 106: 5 LinearityThe system is in a state
Page 107 and 108: Phosphor content [w%]Phosphor conte
Page 109 and 110: merkki. Toisin kuin merkit, tulkinn
Page 111 and 112: analysoinnin perusmenetelmillä. Si
Page 113 and 114: 3.3 Kieliopin määritelmäKieliopi
Page 115: translaatiolausekkeiden kautta sek
Page 119 and 120: (observer), joka mallin käsittelyn
Page 121 and 122: Työkalun evaluointiprosessi on vie
Page 123 and 124: Risto.lahdelma@cs.utu.fi aiyron@utu
Page 125 and 126: where x j are decision variables,
Page 127 and 128: J 1 Set of pure alloying materials,
Page 129 and 130: from 0 to 1 based on an increasing
Page 131 and 132: First, the fuzzy parameters such as
Page 133 and 134: New Developments in Artificial Inte
Page 135 and 136: This requires modeling of the subje
Page 137 and 138: Timo Honkela, Ville Pulkki, and Teu
Page 139 and 140: Maintenance Comprehensiontasks to b
Page 141 and 142: 5. Symbolic result set is a set of
Page 143 and 144: We defined Symbolic to be an indepe
Page 145 and 146: 1.4Q/A2.3.9.1 Influence modelEach P
Page 147 and 148: Norman Wilde,and Ross Huitt, "Maint
Page 149 and 150: speaking, not communicable.” Late
Page 151 and 152: For example, the tag ’skin’ or
Page 153 and 154: pages 3-7, Paris, France, October 1
show all

New Developments in Artificial Intelligence and the Semantic Web

Create successful ePaper yourself

Delete template?

Save as template?