An analysis of knowledge representation methods in intelligent decision-making support systems

• Published in: Technology audit and production reserves (Online) Vol. 5; no. 2(73); pp. 22 - 26
• Main Authors: Gaman, Oleksandr, Shyshatskyi, Andrii, Babenko, Vitalina, Pluhina, Tetiana, Degtyareva, Larisa, Shaposhnikova, Olena, Pronin, Sergii, Protas, Nadiia, Stasiuk, Tetiana, Kutsenko, Inna
• Format: Journal Article
• Language: English
• Published: 26.10.2023
• ISSN: 2664-9969; 2706-5448
• DOI: 10.15587/2706-5448.2023.289747

The scientific task, which is solved in the research, is the analysis of knowledge representation methods in intelligent decision-making support systems. The problem is explained by the fact that the form of knowledge representation significantly affects the characteristics and properties of the system. In order to operate all kinds of knowledge from the real world with the help of a computer, it is necessary to carry out their simulation. In such cases, it is necessary to distinguish knowledge intended for processing by computational devices from knowledge used by humans. In addition, with a large amount of knowledge, it is desirable to simplify the sequential management of individual elements of knowledge. A homogeneous representation leads to a simplification of the logic management mechanism and a simplification of knowledge management. The research is aimed at the analysis of knowledge representation methods in intelligent decision-making support systems. Currently, many models of knowledge representation have been developed. The main models include: logical models; frame model; network models (or semantic networks); production models. Therefore, the object of research is the intelligent decision-making support system. The subject of research is an intelligent decision-making support system. The following is set: – the methods (models, approaches) presented in the research for presenting knowledge in intelligent decision-making support systems in a canonical form are not advisable to use for a number of objective reasons given in subsection 3.1 of the research; – it is necessary to develop new (improvement of existing) representations of knowledge in intelligent decision-making support systems, which will have the advantages of these approaches without their disadvantages. Further improvement of these approaches to reduce the number of shortcomings and limitations of their application should be considered as the direction of further research. Наукове завдання, яка вирішується в дослідженні, є аналіз методів представлення знань в інтелектуальних системах підтримки прийняття рішень. Проблема пояснюється тим, що форма представлення знань істотно впливає на характеристики та властивості системи. Для того, щоб оперувати всілякими знаннями з реального світу за допомогою комп’ютера, необхідно здійснювати їхнє моделювання. У таких випадках необхідно відрізняти знання, призначені для обробки обчислювальними засобами, від знань, використовуваних людиною. Крім того, при великому обсязі знань бажано спростити послідовне керування окремими елементами знань. Однорідне представлення призводить до спрощення механізму управління логічним висновком та спрощення управління знаннями. Дослідження направлене на аналіз методів представлення знань в інтелектуальних системах підтримки прийняття рішень. Нині розроблено багато моделей представлення знань. До основних моделей відносяться: логічні моделі; фреймова модель; мережеві моделі (або семантичні мережі); продукційні моделі. Отже, об’єктом дослідження є інтелектуальні системи підтримки прийняття рішень. Предметом дослідження є інтелектуальні системи підтримки прийняття рішень. Встановлено наступне: – наведені в дослідженні методи (моделі, підходи) до представлення знань в інтелектуальних системах підтримки прийняття рішень в канонічному вигляді не доцільно використовувати по ряду об’єктивних причин, наведених в підрозділі 3.1 дослідження; – необхідно провести розробку нових (удосконалення існуючих) представлень знань в інтелектуальних системах підтримки прийняття рішень, які будуть мати переваги даних підходів без їх недоліків. Напрямком подальших досліджень слід вважати подальше удосконалення зазначених підходів для зменшення кількості недоліків і обмежень їх застосування.