Graph-based Knowledge Representation: Computational Foundations of Conceptual Graphs

این کتاب بازنمایی دانش مبتنی بر نمودار و فرمالیسم استدلالی را که از نمودارهای مفهومی نشات می‌گیرد، با تمرکز اساسی بر ویژگی‌های محاسباتی مطالعه می‌کند.

دانش را می‌توان به روش‌های مختلف به صورت نمادین نشان داد. نویسندگان نمودارهای برچسب گذاری شده را برای مدل سازی و کیفیت محاسباتی خود انتخاب کرده اند.

ویژگی های کلیدی فرمالیسم ارائه شده را می توان به شرح زیر خلاصه کرد:

• همه انواع دانش (هستی شناسی، حقایق، قواعد، محدودیت ها) دارای گراف هایی هستند که به راحتی و بصری ارائه می کنند. ابزارهای قابل درک برای نشان دادن دانش،

• مکانیسم های استدلال مبتنی بر عملیات تئوری گراف هستند و این به ویژه اجازه می دهد تا مشکل اساسی را به سایر مسائل اساسی در علوم رایانه مرتبط کند (مانند شبکه های محدودیت، پرس و جوهای پیوندی در پایگاه‌های داده)،

• از نظر منطقی پایه‌گذاری شده است، یعنی دارای معنایی منطقی است و مکانیسم‌های استنتاج نمودار صحیح و کامل هستند،

• الگوریتم‌های استدلال کارآمد، بنابراین مبتنی بر دانش وجود دارد. سیستم هایی را می توان برای حل مشکلات واقعی ساخت.

به طور خلاصه، نویسندگان سعی کرده اند به این سوال پاسخ دهند:

`` تا کجا ممکن است با نمایش دانش با نمودارها و استدلال با عملیات گراف به بازنمایی و استدلال دانش بپردازیم؟''

This book studies a graph-based knowledge representation and reasoning formalism stemming from conceptual graphs, with a substantial focus on the computational properties.

Knowledge can be symbolically represented in many ways, and the authors have chosen labeled graphs for their modeling and computational qualities.

Key features of the formalism presented can be summarized as follows:

• all kinds of knowledge (ontology, facts, rules, constraints) are labeled graphs, which provide an intuitive and easily understandable means to represent knowledge,

• reasoning mechanisms are based on graph-theoretic operations and this allows, in particular, for linking the basic problem to other fundamental problems in computer science (e.g. constraint networks, conjunctive queries in databases),

• it is logically founded, i.e. it has a logical semantics and the graph inference mechanisms are sound and complete,

• there are efficient reasoning algorithms, thus knowledge-based systems can be built to solve real problems.

In a nutshell, the authors have attempted to answer, the following question:

``how far is it possible to go in knowledge representation and reasoning by representing knowledge with graphs and reasoning with graph operations?''