ISSN 2071-8594

Российская академия наук

 

К. И. Пахомова, А. В. Коробко "Применение анализа формальных понятий для интеллектуальной поддержки принятия решений"

Аннотация.

Статья посвящена изучению и систематизации современных направлений интеллектуальной поддержки принятия решений, использующих метод анализа формальных понятий (АФП). Рассмотрен опыт современных исследователей применения АФП для классификации, формирования рекомендаций, построения онтологий и информационного поиска. Описаны основные категории решаемых задач, используемые свойства алгебраической решетки и возможности метода АФП. Определены основные преимущества применения метода для развития авторской теории интеллектуальной поддержки оперативной аналитической обработки гетерогенных данных на основе интегральной OLAP-модели.

Ключевые слова:

искусственный интеллект, анализ формальных понятий, OLAP, поддержка принятия решений, аналитическая модель.

Стр. 37-46.

DOI 10.14357/20718594190405

Полная версия статьи в формате pdf.

1. Коробко А.В., Пенькова Т.Г., Поддержка оперативной аналитической обработки данных на основе базы знаний о кубах-концептах. 2011. C. 136–143.
2. Belohlavek R., Concept lattices and order in fuzzy logic. Annals of Pure and Applied Logic. 2004. Vol. 128, pp. 277–298.
3. Ganter B., Wille R. Formal Concept Analysis. Springer-Verlag Berlin Heidelberg. 1999.
4. Davey B.A., Priestley H.A., Introduction to Lattices and Order. Cambridge: Cambridge University Press. 2002.
5. Poelmans, J., Kuznetsov, S.O., Ignatov, D.I., & Dedene, G., Formal Concept Analysis in knowledge processing: A survey on models and techniques. Expert Systems with Applications. 2013.Vol. 40, pp. 6601-6623.
6. Kuznetsov, S.O., & Poelmans, J., Knowledge representation and processing with formal concept analysis. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2013.Vol. 3, pp. 200-215.
7. Kuznetsov S.O., Galois Connections in Data Analysis: Contributions from the Soviet Era and Modern Russian Research. In: B. Ganter, G. Stumme, R. Wille, Eds., Formal Concept Analysis: Foundations and Applications, Lecture Notes in Artificial Intelligence (Springer), Stateof-the Art Ser. 2005.Vol. 3626, pp. 196-225.
8. Obiedkov S., Modeling Ceteris Paribus Preferences in Formal Concept Analysis. In: Cellier P., Distel F., Ganter B. (eds) Formal Concept Analysis. ICFCA 2013. Lecture Notes in Computer Science. Springer. Berlin. Heidelber. 2013.Vol 7880.
9. Богатырев М. Ю., Нуриахметов В. Р., Вакурин В. С. Методы анализа формальных понятий в информационных системах технической поддержки // Известия ТулГУ. Технические науки. 2013.
10. Poelmans, J. et al. Text Mining Scientific Papers: A Survey on FCA-Based Information Retrieval Research. In: Petra Perner, Ed., Proc. 11th Industrial Conference on Data Mining (ICDM 2012), Lecture Notes in Computer Science (Springer). 2012.Vol. 7377, pp. 273-287.
11. Carpineto C., Romano G., Using Concept Lattices for Text Retrieval and Mining. In: Ganter B., Stumme G., Wille R. (eds) Formal Concept Analysis. Lecture Notes in Computer Science, Springer, Berlin, Heidelberg. 2005. Vol. 3626.
12. Ignatov D.I., Introduction to Formal Concept Analysis and Its Applications in Information Retrieval and Related Fields. In: Braslavski P., Karpov N., Worring M., Volkovich Y., Ignatov D. (eds) Information Retrieval. RuSSIR 2014. Communications in Computer and Information Science. Springer. Cham. 2015.Vol. 505.
13. Финн В. К. О машинно-ориентированной формализации правдоподобных рассуждений в стиле Ф. Бэкона – Д. С. Милля // Семиотика и информатика. 1983. №20. C. 35–101.
14. Кузнецов С.О. Автоматическое обучение на основе анализа формальных понятий // Автоматика и телемеханика.2001. №10. C. 3–27.
15. Prokasheva O., Onishchenko A., Gurov S. Classification Methods Based on Formal Concept Analysis. Formal Concept Analysis Meets Informational Retrivial. Workshop colocated with 35th European Conference on Informational Retrivial (ECIR 2013). 2013.pp. 1–10.
16. Онищенко А. А., Гуров С.,И. Классификация на основе АФП и бикластеризации: возможности подхода // Прикладная математика и информатика: Труды факультета Вычислительной математики и кибернетики. 2011. Т. 38. С. 77-87.
17. Prokasheva O., Efficiency improvement of the FCA-based classification algorythm. 2013.Vol. 1, pp. 550–556.
18. Trabelsi, M., Meddouri, N., & Maddouri, M., New Taxonomy of Classification Methods Based on Formal Concepts Analysis. FCA4AI@ECAI. 2016.Vol. 1703, pp. 113–120.
19. Sahami M., Learning classification rules using lattices (Extended abstract). In: Lavrac N., Wrobel S. (eds) Machine Learning: ECML-95. ECML 1995. Lecture Notes in Computer Science (Lecture Notes in Artificial Intelligence), Springer, Berlin, Heidelberg. 1995.Vol. 912, pp. 343–346.
20. Coulet A., Domenach F., Kaytoue M., Napoli A., Using Pattern Structures for Analyzing Ontology-Based Annotations of Biomedical Data. In: Cellier P., Distel F., Ganter B. (eds) Formal Concept Analysis. ICFCA 2013. Lecture Notes in Computer Science. Springer. Berlin. Heidelberg. 2013.Vol. 7880.
21. Bertet K. et al. Semantic Web: Big Data, Some Knowledge and a Bit of Reasoning. 2017.
22. Stumme, G., Maedche, A., FCA-MERGE: Bottom-Up Merging of Ontologies. IJCAI.2001, pp. 225–234.
23. Cimiano P., Hotho A., Stumme G., Tane J., Conceptual Knowledge Processing with Formal Concept Analysis and Ontologies. In: Eklund P. (eds) Concept Lattices. ICFCA 2004. Lecture Notes in Computer Science. Springer, Berlin, Heidelberg. 2004. Vol. 2961.
24. Benítez-Caballero M.J., Medina J., Ramírez-Poussa E., Attribute Reduction in Rough Set Theory and Formal Concept Analysis. In: Polkowski L. et al. (eds) Rough Sets. IJCRS 2017. Lecture Notes in Computer Science. Springer. Cham. 2017.Vol. 10313, pp. 513–525.
25. Liu, M., Shao, M., Zhang, W., & Wu, C., Reduction method for concept lattices based on rough set theory and its application. Computers & Mathematics with Applications. 2007.Vol. 53, pp. 1390–1410.
26. Kent R.E., Rough Concept Analysis. In: Ziarko W.P. (eds) Rough Sets, Fuzzy Sets and Knowledge Discovery. Workshops in Computing. Springer. London. 1994.
27. Zhi H., Realization of Rough Set Approximation Toplogical Operations Based on Formal Concept Analysis. International Journal of Intelligence Science. 2014. Vol.4, pp. 65–69.
28. Cordero P. et al. Knowledge discovery in social networks by using a logic-based treatment of implications, Knowledge-Based Syst. Elsevier B.V. 2015.Vol. 87, pp. 16–25.
29. Ignatov, D.I., Kuznetsov, S.O., Concept-based Recommendations for Internet Advertisement. 2008.Vol. 433, pp. 157–166.
30. Игнатов Д.И., Кузнецов С.О. Методы разработки данных (Data Mining) для рекомендательной системы Интернет-рекламы // Одиннадцатая национальная конференция по искусственному интеллекту с международным участием. М,: Ленанд. 2008.
31. Medina J., Pakhomova K., Ramírez-Poussa E., Recommendation Solution for a Locate-Based Social Network via Formal Concept Analysis. In: Cornejo M., Kóczy L., Medina J., De Barros Ruano A. (eds) Trendsin Mathematics and Computational Intelligence. Studies in Computational Intelligence. Springer. Cham. 2019.Vol. 796, pp. 131–138.
32. Lakhal L., Stumme G., Efficient Mining of Association Rules Based on Formal Concept Analysis. In: Ganter B., Stumme G., Wille R. (eds) Formal Concept Analysis. Lecture Notes in Computer Science. Springer, Berlin, Heidelberg. 2005.Vol. 3626, pp. 180–195.
33. Stumme, G., Taouil, R., Bastide, Y., Pasquier, N., & Lakhal, L., Computing iceberg concept lattices with Titanic. Data Knowl. Eng. 2002.Vol. 42, pp. 189–222.
34. Abdullah Z., Saman M.Y.M., Karim B., Herawan T., Deris M.M., Hamdan A.R., FCA-ARMM: A Model for Mining Association Rules from Formal Concept Analysis. In: Herawan T., Ghazali R., Nawi N., Deris M. (eds) Recent Advances on Soft Computing and Data Mining. SCDM 2016. Advances in Intelligent Systems and Computing. Springer. Cham. 2017.Vol. 549, pp. 213–223.