1. 데이터 :
* 사실 : 이들은 엔티티와 그 관계에 대한 기본 정보입니다. 예를 들어, "존은 학생입니다"또는 "파리는 프랑스의 수도입니다."
* 규칙 : 이러한 사실 사이의 관계는 새로운 지식을 도출하는 데 사용될 수 있습니다. 예를 들어, "누군가가 학생이라면 그들은 또한 사람이기도합니다"또는 "비가 내리면 땅이 젖어 있습니다."
* 개념 : 이들은 기업 그룹을 대표하는 추상적 인 아이디어 또는 범주입니다. 예를 들어, "동물", "차량"또는 "감정".
* 관계 : 이들은 다른 엔티티 또는 개념이 어떻게 연결되어 있는지 정의합니다. 예를 들어, "자본이 있습니다", ""또는 "원인"의 일부입니다.
2. 구조 :
* 지식 표현 : 지식 기반에서 데이터가 구성되고 표현되는 방식. 일반적인 방법은 다음과 같습니다.
* 시맨틱 네트워크 : 노드가 개념을 나타내는 그래프와 가장자리는 그들 사이의 관계를 나타냅니다.
* 프레임 시스템 : 데이터는 특정 객체 또는 개념을 나타내는 데이터 구조 인 프레임으로 구성됩니다.
* 논리 프로그래밍 : 공식적인 논리를 사용하여 지식을 논리적 진술로 표현합니다.
* 온톨로지 : 특정 영역 내의 개념과 관계에 대한 공식적인 설명.
* 메타 데이터 : 소스, 생성 날짜 및 유효성과 같은 데이터 자체에 대한 정보.
3. 추론 능력 :
* 추론 엔진 : 지식 기반을 사용하여 논리적 규칙과 추론 방법을 적용하여 새로운 지식을 도출하는 시스템.
* 쿼리 언어 : 지식 기반에서 질문을하고 정보를 검색하는 데 사용되는 언어.
4. 응용 프로그램 :
* 전문가 시스템 : 의학, 금융 또는 엔지니어링과 같은 특정 도메인에서 의사 결정을 자동화하는 데 사용됩니다.
* 정보 검색 : 대규모 데이터 세트에서 관련 정보를 검색하고 검색하는 데 사용됩니다.
* 자연어 처리 : 기계가 인간 언어를 이해하고 처리 할 수 있도록하는 데 사용됩니다.
* 로봇 공학 : 로봇이 자신의 환경을 이해하고 결정을 내릴 수 있도록하는 데 사용되었습니다.
지식 기반의 예 :
* Wikipedia : 다양한 주제에 관한 기사의 방대한 지식 기반.
* Google 지식 그래프 : Google 검색을 강화하는 대규모 지식 기반.
* dbpedia : Wikipedia에서 추출한 지식 기반.
* WordNet : 단어를 동의어 세트로 그룹화하는 영어의 어휘 데이터베이스.
본질적으로, 지식 기반은 기계가 세계에 대한 추론을 통해 "생각"하고 문제를 해결할 수있는 정보의 저장소 역할을합니다.
