Skip navigation
Please use this identifier to cite or link to this item: http://elar.nung.edu.ua/handle/123456789/3234
Title: Застосування абдукції в задачах класифікації даних про нафтогазові об'єкти
Authors: Шекета, В. І.
Демчина, М. М.
Гобир, Л. М.
Keywords: оптимізація
інтелектуальна підтримка прийняття рішень
буріння нафтових і газових свердловин
цільові функції
правила
база знань
абдуктивний фреймворк
коефіцієнти впевненості
обмеження
оптимизация
интеллектуальная поддержка принятия решений
бурение нефтяных и газовых скважин
целевые функции
правила
база знаний
абдуктивный фреймворк
коэффициенты уверенности
ограничения
Issue Date: 2014
Publisher: ІФНТУНГ
Citation: Шекета, В. І. Застосування абдукції в задачах класифікації даних про нафтогазові об'єкти / В. І. Шекета, М. М. Демчина, Л. М. Гобир // Нафтогазова енергетика. - 2014. - № 2. - С. 86-97.
Abstract: Роботу присвячено питанню використання засобів абдуктивних міркувань для задач видобування даних. Виконане дослідження свідчить, що класифікація даних може бути інтерпретована як одна з задач абдуктивного логічного програмування, яка дозволяє використовувати задані користувачем доменні обмеження. Інтерпретація моделей класифікації на основі дерев рішень абдуктивним способом з використанням доменних обмежень дає змогу отримати підвищення ефективності у випадку часткової відсутності вхідних даних. Також з метою розгляду імовірнісної інформації на основі базових та виведених формальних теорій було виконано розширення загального фреймворку до абдуктивного фреймворку, який базується на вагових коефіцієнтах та може використовуватися для видобування даних, що в кінцевому випадку дасть змогу покращити загальну якість результатів. Таким чином, було показано, що абдуктивні міркування можна використовувати в контексті задач класифікації для пояснення ходу міркувань виконаної класифікації і для підвищення загальної ефективності у випадку роботи системи із частково відсутніми вхідними даними і зовнішніми доменними знаннями. Такий підхід може бути удосконалений шляхом поєднання відмінних парадигм видобування даних, таких як: класифікація, асоціативні правила і кластеризація шляхом використання абдуктивного фреймворку з обмеженнями.
Работа посвящена вопросу использования средств абдуктивних рассуждений для задач извлечения данных. Проведенное исследование показывает, что классификация данных может быть интерпретирована как одна из задач абдуктивного логического программирования, которая позволяет использовать заданные пользователем доменные ограничения. Интерпретация моделей классификации на основе деревьев решений абдуктивним способом с использованием доменных ограничений, позволяет получить повышение эффективности в случае частичного отсутствия входных данных. Также с целью рассмотрения вероятностной информации на основе базовых и выводимых формальных теорий было выполнено расширение общего фреймворка к абдуктивному фреймворку, который базируется на стоимостных коэффициентах и может использоваться для извлечения данных, что в конечном итоге позволит улучшить общее качество результатов. Таким образом, было показано, что абдуктивние рассуждения можно использовать в контексте задач классификации для объяснения хода рассуждений выполненной классификации и для повышения общей эффективности в случае работы системы с частично отсутствующими входными данными и внешними доменными знаниями. Такой подход может быть усовершенствован путем сочетания отличных парадигм извлечения данных, таких как: классификация, ассоциативные правила и кластеризация путем использования абдуктивно- го фреймворка с ограничениями.
The research is devoted to utilization of the abductive reasoning means for data extraction problems. The conducted research shows that data classification can be interpreted as one of the abductive logic programming problems, which allows utilizing of user-defined domain restrictions. Interpretation of classification models based on decision trees made in accordance with the abductive method using domain restrictions allows increasing the efficiency in the case of partial lack of input data. In order to consider the probabilistic information with the help of the basic and output formal theories, the overall framework was also extended to abductive framework that is based on cost factors and can be used for data mining applications, which will ultimately improve the overall quality of the results. Thus, it was shown that abductive reasoning can be used in the context of classification problems to explain the course of reasoning of the made classification and improve the overall efficiency in the event of the system operation with the partial absence of the input data and external domain knowledge. This approach can be improved by combining different data mining paradigms such as classification, clustering, association rules and by utilizing abductive framework with restrictions.
URI: http://elar.nung.edu.ua/handle/123456789/3234
ISSN: 1993-9868
Appears in Collections:Нафтогазова енергетика - 2014 - № 2

Files in This Item:
File Description SizeFormat 
4102p.pdf716.29 kBAdobe PDFView/Open
Show full item record   Google Scholar


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.