Conceptual Graphs and Fuzzy Logic: A Fusion for Representing and Reasoning with Linguistic Information

ظرفیت انسان برای برقراری ارتباط با استفاده از زبان به ما این امکان را می دهد که اطلاعات بیان شده در یک چارچوب بازنمایی غنی و انعطاف پذیر را ارائه، دریافت و درک کنیم. علاوه بر این، ما می‌توانیم بر اساس عبارات زبان طبیعی استدلال کنیم و بر اساس اطلاعاتی که آنها منتقل می‌کنند تصمیم بگیریم، اگرچه این اطلاعات معمولاً شامل اصطلاحات نادرست و حقایق نامشخص است. به طور خاص، نمودارهای مفهومی ابداع شده توسط جان سوا و منطق فازی که توسط لطفی زاده پایه گذاری شده است، هدف مشترک بازنمایی و استدلال با اطلاعات زبانی را دارند. در این مقطع، نمودارهای مفهومی ساختار نحوی را برای نگاشت صاف به زبان طبیعی و از زبان طبیعی فراهم می‌کنند، در حالی که منطق فازی یک پردازشگر معنایی برای استدلال تقریبی با کلماتی که معانی مبهم دارند، فراهم می‌کند. این جلد نتیجه ترکیبی یک برنامه تحقیقاتی میان رشته ای است که بر ادغام نمودارهای مفهومی و منطق فازی برای کارهای مختلف دانش و پردازش اطلاعات متمرکز شده است که شامل زبان طبیعی است. اول، این در مورد گراف های مفهومی فازی و مبانی برنامه نویسی منطقی آنها است، به عنوان یک زبان برنامه نویسی منطق مجموعه فازی مرتب شده مبتنی بر نمودار برای استدلال خودکار با ویژگی ها و انواع شی فازی. دوم، نمودارهای مفهومی را با کمی‌کننده‌های عمومی گسترش می‌دهد و عملیات استدلال مستقیم را روی این نمودارهای مفهومی توسعه‌یافته توسعه می‌دهد، که می‌توانند به و از گزاره‌های زبان طبیعی به طور کلی کمی نگاشت شوند. سوم، شباهت و معیارهای فرعی را بین انواع شی، نام ها و ویژگی ها تعریف می کند و از آنها برای بازیابی تقریبی دانش نشان داده شده در نمودارها استفاده می کند. در نهایت، یک روش مبتنی بر هستی شناسی قوی برای درک جستارهای زبان طبیعی با استفاده از نمودارهای مفهومی تودرتو پیشنهاد می کند.

The capacity for humans to communicate using language allows us to give, receive, and understand information expressed within a rich and flexible representational framework. Moreover, we can reason based on natural language expressions, and make decisions based on the information they convey, though this information usually involves imprecise terms and uncertain facts. In particular, conceptual graphs invented by John Sowa and fuzzy logic founded by Lofti Zadeh have the common target of representing and reasoning with linguistic information. At this juncture, conceptual graphs provide a syntactic structure for a smooth mapping to and from natural language, while fuzzy logic provides a semantic processor for approximate reasoning with words hav-ing vague meanings. This volume is the combined result of an interdisciplinary research programme focused on the integration of conceptual graphs and fuzzy logic for various knowledge and information processing tasks that involves natural language. First, it is about fuzzy conceptual graphs and their logic programming foundations, as a graph-based order-sorted fuzzy set logic programming language for automated reasoning with fuzzy object attributes and types. Second, it extends conceptual graphs with general quantifiers and develops direct reasoning operations on these extended conceptual graphs, which could be mapped to and from generally quantified natural language statements. Third, it defines similarity and subsumption measures between object types, names, and attributes and uses them for approximate retrieval of knowledge represented in graphs. Finally, it proposes a robust ontology-based method for understanding natural language queries using nested conceptual graphs.