کاربرد شبکه‌های معنایی در یک محیط هوشمند جهت نمایش اطلاعات

در ساخت عکس نهایی هوشمند، نمایش اطلاعات برای اتاقهای کپسولی، کاربران، نقش های و سایر اطلاعات، یک مساله اساسی می‌باشند. در این جا ما یک شبکه معنایی به عنوان یک معرفی ( نمایش) ارائه می‌دهیم و توانایی آن را به عنوان پایه ای برای کار مداومی نمایش می‌دهیم.

مقدمه

چندین سال است که محقق در مورد مکانهای هوشمند توسعه یافته است. کشف راههای جدید که یک room می تواند با یک یا تعداد بیشترین کاربرد عوامل آنها ارتباط داشته باشد. بیشتر کار شامل تعریف بر هم کنش شخص جدید با این مکانها، ساختن سیستم ها برای ردیابی کاربران و ایجاد استفاده های جدید برای الگوریتمهای یادگیری و طراحی مصنوعی می‌باشد.

همچنانکه استفاده از این محیط های هوشمند (IES) گسترش می‌یابد، آنها ، لزوماً مقادیر همواره در حال تولیدی اطلاعات را در مورد کاربرانشان به منظور وفق دادن با خواسته‌های کاربران جمع آوری می کنند. اطلاعات براساس علاقه مندی های کاربران که با آنها در ارتباطند، موقعیت آنها ، webpage هایی که آنها ملاقات می‌کند  و دیگر جزئیات بیشمار که ممکن است ما هرگز به آنها توجهی نداشته باشد، جمع آوری می شوند. تماماً این اطلاعات لازمه است که جمع آوری می شوند و برای این ساختاری محیطی، به طوری که IE بتواند سیرع ساخته شود، و تصحیح فرضیات را مبنی بر این که کاربران دوست دارند که چه کاری بعداً انجام میدهند،سازماندهی کند.

در این جا پروژه Room هوشمند، با آغاز به شناسایی چنین اطلاعاتی (KR) نموده ایم، با استفاده از شبکه های معنایی بر پایه نمایش(معرفی). همانطور که این بزرگی ادامه یافت، ما آغاز به کشف برخی مزایای ذاتی درا ین رویکرد نموده ایم:

– افزودن اطلاعات جدید به سیستم بسیار سرراست سات، اغلب بسادگی افزون یک واحد داده جدید وگسترش یک lnik   مناسب

تعویض اطلاعات یک کار بسیار موضعی است، به ندرت نیاز به تعویض‌های اساسی برای بخشهای گسترده معرفی می‌باشد. به طور مشابه، اطلاعات بی اعتبار اغلب می توانند با الحاق یا جایگزینی به link های جالب انجام شوند.

استنباط کردن نیز سریع و ترسان است. نتایج موثری برای بازیابی همه link های یک نوع جاری  یا برون کیف گره وجود دارد.

اعتقادی بر این است که شبکه های معنایی مناسب ترین معرفی برای گرفتن و در کپسول گذران تعداد بیشمار اطلاعات ورودی به درون محیط هوشمند باشند. در این مقاله، حالتی از انحرافات را بررسی می کنیم که یک IE به نمایش اطلاعات تحمیل می شود و بحث می کنیم که شبکه های معنایی با این الزامات موافقند.

تعداد زیادی مجلات  وابسته به گسترش تیمهای زمینه گرا وجود دارند. برای محیط های هوشمند ، Dey، Aboud و Selber  یک “Toolkit زمینه” برای آشکارسازی حالت یک room و استفاده رخدادهای ورودی برای راه اندازی تغییراتی در رابطه با کاربردهای حساس به زمینه، ایجاد کرده اند. این Tookit قادر به کرابردهای بر پایه موقعیت است که گروههایی از کاربرانی که به ساختمان ها وارد و خارج می شوند پیدا می‌کند  و برای کنفرانس ها ( مذاکرات) همدستی می‌کند . API ی Lauff برای محاسبات حضور ابزار رودی می گردد و سیگنالهایی به اجزا می فرستد.

ساختار عامل بار (OAA) ی Morany cheyrec Martin ، شامل تسهیلاتی برای عمل راه اندازی بر پایه اطلاعات زمینه ای است. در آزمایشگاه، Ajaykulkarni یک سیستم رفتاری کرانش پذیر به نام ReBa ایجاد کرده که می تواند بسیاری از اعمال دشوار را در  به وقایع ایستگاه راه اندازی کند. هر چند، برای همه این چارچوبها ، تفسیر و استنباط کاربردها ،انجام شده که باید خوشدان تکه های اطلاعات مختلف را با تطبیق و جفت کنند و به نظر می رسد که برای گسترش یک معرفی پیوسته از اطلاعات به دست آمده ، انجام شدند.

پروژه آسان زیستی مایکروسافت، برسری معرفی هندسی مکان و استفاده از اطلاعات برای تسهیل هر چه کنش های کاربران کارهایی انجام داده است. اگر چه آنها مقدار زیادی از اطلاعات را از این چارچوب می گیرند، هیچ کوششی برای کپی کردن آن به یک دید بالاتری از اطلاعات انجام نمی‌شود.

در بحث بر روی نوع نمایش (معرفی ) که برای انواع این مکانهای انباری غالب می باشد، می توانیم به الزاماتی نظیر فراهم سازی یک KR توجه کنیم. Davisetal پنج نقش مختلف را که KRS بازی می‌کند  ، مرتب کرده است و در این جا با آنها را در زمینه یک IE امتحان می‌کنیم.

3-1- نماینده هایی برای دنیای واقعی

اولین وجلوترین ، معرفی باید به عنوان یک نماینده محاسبه ای برای هویت های دنیای واقعی عمل کند. در مورد یک فضای هوشمند، بسیاری از هویتهای به آسانی قابل شناسایی هستند مثل کاربران فضاها، خودشان و ابراز درون فضا مثل پروژکتورها ،دوربین ها، نورها ، تجهیزات برقی، کامپیوترها، وغیره برخی ها با سادگی کمتری شناسایی می شوند ولی هنوز نقاط متقابلی درد نیای واقعی بدارند مثل گروههای حرام، نقشهایی که می‌آفرینند، اعمالی که برای کارآیی نیاز دارند و غیره. این آیتم‌ها، نیاز دارند که در KR شامل شوند به طوری که فضا می تواند در مورد آنها استدلال کند و استنتاجهایی بر پایه آرایش آنها انجام دهد.

یکی از تاثیرات جنبی، این است که نماینده KR برای یک هویت دنیای واقعی نیاز به پیگردی نزدیک مورد هویت واقعی دارد از استنباط های غیر صحیح دوری کند. این می‌تواند کمک بزرگی کند با استفاده از یک KR که می‌تواند به سادگی بر اطلاعات جدید شامل طبقات اطلاعات که در زمان طراحی سیستم طرح ریزی نشده بودملحق شود.

2-3- الزامات وابسته به هستی شناسی

درست همانطور که KR عنوان می‌کند که جهان چیست، یک  بر روی این که محیط چه چیزی می‌تواند ببیند و بر روی آن عمل کند ، اعمال شده است، برای مثال ، معرفی اطلاعات برای دواربندی منطقی می تواند مداری مثل یک دسته AND، OR و بدون مدخل را ملاحظه قرار دهد و بنابراین می‌تواند رفتار مدار را بر پایه اعمالی که این مدخلها انجام می دهند، امتحان کنند. هر چند، مرعفی به آن معناست که چنین نمایشی احتمالاً عادت نداشته که سیمهایی را به یکدیگر متصل نشده اند جستجو کند. با جریان الکترون هایی در حین طراحی را امتحان کند. برعکس یک KR که در سطوح پایین تر از آنالیز مداربندی را در سطوح منطقی مشکل ساز کرده است. Dans et al رجوع می‌کند  به فیلتری که نمایش به عنوان مجموعه ای از انحرافات هستی شناسی دلالت شده با معرفی، به کار می رود.

برای یک IE، هستی شنسای تعریف می‌کند  که IE در جهان چگونه بنظر می رسد. وقتی که باد روی دوربین، سروکار داریم، آیا مردم را به همان صورتی که هستند ، می بینید به صورت حبابهایی رنگی که از طریق room پیدا می کند؟ آیا ما گفتار ورودی را تشخیص می دهیم همانطوری که به یک شخص تعلق دارد یا فقط به عنوان یک شکل موجی که از یک میکروفون می آید ؟ در واقع TE نیاز دارد که در هر دوی این حدود و شاید کمی مابین کار کند، ازوقتی که دوربین ها فقط قادرند که حبابهایی را که می یابند گزارش کمتر ولی این نیاز دارد که با یک شخص ، در برخی نقاط متحد باشد. بنابراین، KR ، باید بتواند Link های بین این سطوح فراهم کند.

3-3- تئوری استدلال

KR،  همچنین، نشان می دهد که استنباطها چگونه توسط تیمهای استدلال ، ساخته می شوند و پیوندها را در انواعی از استنباط که توسط سیستم توصیه می شوند، قرار می دهد. برای اکثر قسمتها، IE قیود اضافی بر این نمایش اعمال نمی کند ، هر چند نیاز نیست که بسیاری از استنباط های آنرا بر زمینه جریان فقط، پایه گذاری کنیم، کشیدن انواع زیادی از اطلاعات را در مورد محیط، شامل حالت های ابزاری، کاربردهای اجرایی جاری، کاربران، حضور ابزار همراه و یک تنوع وسیعی از سایر حسگرها و محرکها.، تمام این اطلاعات در استنباطهایی که IE در حدود جهان دارد، شرکت می‌کنند.

3-4 رسانه‌ای برای محاسبه

از وقتی که KR در فضای محاسبه ای کار می کند، باید قادر باشد که به طور موثر (کارا) از طریق فرآیندهای محاسبه‌ای ، بدون اشغال زیان، حافظه یا فضای دیسک مفرط، کار کند. به علت مقدار زیادی از طالاعاتی که IE باید قادر به تولید باشد این احتیاجات شاید بیشتر اهمیت داشته باشد. KR باید قادر به جمع آوری مقادیر زیادی اطلاعات همزمان و link های موثر با همه باشند.

3-5 رسانه‌ای برای عبارت انسان:

بالاخره، KR عادت  داشته که دید انسان را از دین ارائه نماید. این نیاز دارد به این ، که موضوعات نماینده ای برای هر آیتم باشد که ما در محیط بیان می کنیم و این توابع نماینده به صورت یک روش سررایت توضیح و تفسیر دین باشند. پس، KR نیاز دارد که برای استفاده ساده باشد و نماینده قابل خواندن توسط انسان باشد. یکی از نتایج این احتیاجات افزودن اطلاعاتی که باید کمی مترکز باشند، در هنگام وارد کردن اطلاعات جدید به سیستم باید نیاز به تعمیرات فقط کمی کوچک و مکانهایی خوب شناخته شده  در نمایش باشد.

• خلاصه
• مقدمه
• 2- كار وابسته
• 3. نمايش اطلاعات و محيط هايي هوشمند
• 3-1- نماينده هايي براي دنياي واقعي
• 2-3- الزامات وابسته به هستي شناسي
• 3-3- تئوري استدلال
• 3-4 رسانه‌اي براي محاسبه
• 3-5 رسانه‌اي براي عبارت انسان:
• 4- سناريو
• 5- توصيف شبكه معنايي:
• 6- مديريت جلسه
• 6.1 مديريت موقعيت
• 7- كاربرد مديريت جلسه
• 8- نتيجه گيري و كارهاي آتي