Résumé
Un graphe conceptuel est un formalisme de représentation de connaissances et de raisonnements. Ce formalisme a été introduit par en 1984. Depuis cette date, ce formalisme a été développé suivant trois directions principales : interface graphique de la logique du premier ordre, système diagrammatique pour la logique du premier ordre, formalisme de représentation de connaissances et de raisonnement basé sur les graphes. Dans cette approche les graphes conceptuels servent d'interface graphique pour la logique du premier ordre (calcul des prédicats). Une formule logique est représentée par un graphe biparti étiqueté, les sommets d'une des deux classes représentant les prédicats et les sommets de l'autre classe représentant les arguments de ces prédicats. À ce titre, les graphes conceptuels constituent l'un des formats proposés par l'ISO dans le cadre de la Common Logic. Dans cette approche le modèle n'a pas de mécanismes spécifiques de raisonnement. Pour faire des raisonnements les graphes sont traduits par des formules de logique, puis un démonstrateur logique doit être utilisé. Une autre direction poursuit dans la voie des graphes existentiels de Charles Sanders Peirce, qui étaient une des origines des graphes conceptuels tels que proposés par Sowa. Dans cette approche, développée, en particulier, par Dau, plutôt que des graphes au sens de la théorie des graphes, les graphes conceptuels sont des diagrammes, et les opérations de raisonnement sont effectuées par des opérations sur ces diagrammes. Ces opérations sur les diagrammes sont difficilement automatisables. Les graphes, au sens classique de la théorie des graphes, sont au cœur du troisième point de vue développé, en particulier, par Chein et Mugnier et le groupe de Montpellier. Les connaissances sont, comme dans les deux approches précédentes, représentées par des graphes étiquetés mais cette fois-ci les mécanismes de raisonnement sont basés sur des opérations de graphes, en particulier sur l'homomorphisme de graphes (cette opération était appelée 'projection' dans les premiers travaux sur les graphes conceptuels, mais cette opération est sans relation avec l'opération appelée projection dans les bases de données).
À propos de ce résultat
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
Concepts associés (7)
Réseau sémantique
Un réseau sémantique est un graphe marqué destiné à la représentation des connaissances, qui représente des relations sémantiques entre concepts. Le graphe est orienté ou non orienté. Ses sommets représentent les concepts, et les liens entre les sommets (nœuds) représentent les relations sémantiques, reliant les champs lexicaux. Un réseau sémantique peut être instancié, par exemple,dans une base de données orientée graphes ou un schéma conceptuel. Les réseaux sémantiques normalisés sont exprimés sous forme de triplets RDF.
Graphe conceptuel
Un graphe conceptuel est un formalisme de représentation de connaissances et de raisonnements. Ce formalisme a été introduit par en 1984. Depuis cette date, ce formalisme a été développé suivant trois directions principales : interface graphique de la logique du premier ordre, système diagrammatique pour la logique du premier ordre, formalisme de représentation de connaissances et de raisonnement basé sur les graphes. Dans cette approche les graphes conceptuels servent d'interface graphique pour la logique du premier ordre (calcul des prédicats).
Knowledge representation and reasoning
Knowledge representation and reasoning (KRR, KR&R, KR2) is the field of artificial intelligence (AI) dedicated to representing information about the world in a form that a computer system can use to solve complex tasks such as diagnosing a medical condition or having a dialog in a natural language. Knowledge representation incorporates findings from psychology about how humans solve problems and represent knowledge in order to design formalisms that will make complex systems easier to design and build.
Afficher plus
Cours associés (2)
CS-612: Topics in Natural Language Processing
This seminar course explores advanced topics in natural language processing through a mix of reading, reviewing, and writing academic papers.
Afficher plus
Séances de cours associées (15)
Inférence des connaissances
Explore l'inférence des connaissances, les techniques d'intégration et la correspondance des schémas dans l'intégration des données.
Prédiction de lien : Inférence de connaissance
Discute de la prédiction des liens dans les graphiques et les modèles de connaissances comme TransE.
Comprendre les graphiques de connaissances
Explore le concept de Knowledge Graphs et leur rôle dans l'intégration des données et la compréhension sémantique, montrant des exemples et des applications du monde réel.
Afficher plus
MOOCs associés (4)
Simulation Neurocience
Learn how to digitally reconstruct a single neuron to better study the biological mechanisms of brain function, behaviour and disease.
Simulation Neurocience
Learn how to digitally reconstruct a single neuron to better study the biological mechanisms of brain function, behaviour and disease.
Afficher plus