Gráf alapú következtetés továbbfejlesztése: Automatikus logika következtetés gráf feldolgozó rendszerekkel
A Kiberfizikai Rendszerek (CPS) az elmúlt évtizedekben jelentős figyelmet kaptak az ipar és a kutatók részéről. A CPS-ek intelligens eszközökből épülő elosztott rendszerek, melyek több érzékelőt is használva képesek a különböző szenzorokkal mért adatokat gyűjteni, és a mérések alapján következtetni és beavatkozni.
Azonban a nagy elosztott rendszerek kifejlesztése komoly kihívást jelentő feladat, ami nagy mennyiségű számítási és integrációs feladattal jár. A különböző forrásból származó mérési adatok gyakran inhomogén tudásbázist eredményeznek, amely potenciálisan hiányos vagy akár inkonzisztensek lehetnek. Hatékonyan következtetni egy ilyen rendszerben kihívást jelentő feladat. Automatizáció nélkül csak a fejlesztőre támaszkodhatunk, ami egy sok munkát jelentő feladat lehet, valamint hiba esetén hibás lépéseket vezethet be (ami érvénytelenítheti az egész tudásbázis tartalmát), vagy elmulaszthatja a következtetési lépéseket (ami a tudásbázist kevésbé pontossá teheti). Összefoglalva a rendszert inkonzisztenssé vagy hiányossá teheti.
Ezen értekezés célja olyan technika nyújtása, amely képes automatikusan kinyerni következtetési szabályokat a tudásbázisok számára. Ezenkívül teljesítménytesztek végrehajtása gráf adatbázisok hatékonyságának értékelésére, amikor őket szabványosított teszteknek és munkaterheléseknek vetnek alá. Ezek a tesztek objektív mértékeket kívánnak nyújtani az adatbázis képességeiről a grafikus feladatok kezelésében, például lekérdezésben, átkutatásban és gráf adatok frissítésében. Ezeknek a teszteknek az eredményei segítik a tudásbázis fejlesztőket és felhasználókat abban, hogy tájékozott döntéseket hozzanak a gráf adatbázis rendszerek kiválasztásában és optimalizálásában a specifikus alkalmazások és felhasználási esetek számára.
A dolgozatunkban egy olyan módszert mutatunk be, amely lehetővé teszi a mérési adatok hatékony tárolását egy gráfadatbázisban. Ezenkívül automatizált folyamatot nyújtunk a következtetési szabályok származtatásához, hogy a tárolt adatok helyességét vizsgáljuk. Különböző adatbázis méretekre kiterjedő lekérdezési értékeléseket végezünk, és összehasonlító elemzést végzünk alternatív adatbázisrendszerekkel szemben. Végül megvizsgáljuk a megoldásunkat a Trainbenchmark nevű mérési környezet segítségével.
Az optimális következtetési szabályok megtalálása lehetővé teszi számunkra, hogy szisztematikusan generáljuk a következtetési szabályokat, amelyek felgyorsítják a rendszer fejlesztését, valamint javíthatjuk a következtetési képességét. Ez a megközelítés lehetővé teszi, hogy hatékonyabban működjön az adatbázis, elősegítve annak pontos és gyors adatfeldolgozását, miközben minimalizálja a hibalehetőségeket.
szerzők
-
Baksa Máté
Mérnök informatikus szak, alapképzés
alapképzés (BA/BSc) -
Papp Inez Anna
Mérnök informatikus szak, alapképzés
alapképzés (BA/BSc) -
Ruszka Martin
Mérnök informatikus szak, alapképzés
alapképzés (BA/BSc)
konzulensek
-
Ficsor Attila
doktorandusz, Mesterséges Intelligencia és Rendszertervezés Tanszék -
-
