Extracting Decision Rules from Linguistic Data Describing Economic Phenomena. The Approach Based on Decision Systems over Ontological Graphs and PSO

Krzysztof Pancerz; Arkadiusz Lewicki

doi:10.56583/br.1085

Data publikacji : 2014-06-09

Tom 12 Nr 1 (2014)

Ekstrakcja reguł decyzyjnych z danych lingwistycznych opisujących zjawiska ekonomiczne. Podejście oparte na systemach decyzyjnych nad grafami ontologicznymi oraz optymalizacji rojem cząstek

Krzysztof Pancerz

Arkadiusz Lewicki

DOI: https://doi.org/10.56583/br.1085

Abstrakt

Celem artykułu jest przedstawienie heurystycznej metody ekstrakcji najbardziej ogólnych reguł decyzyjnych z danych lingwistycznych, opisujących zjawiska ekonomiczne, zawartych w systemach decyzyjnych nad grafami ontologicznymi. Systemy decyzyjne tego typu zaproponowane zostały w celu poradzenia sobie z lingwistycznymi wartościami atrybutów opisującymi rozważane obiekty, które są pojęciami umieszczonymi w przestrzeniach semantycznych reprezentowanych przez grafy ontologiczne. Grafy ontologiczne dostarczają nam pewną dodatkową wiedzę (tzw. wiedzę bazową) o relacjach semantycznych pomiędzy pojęciami, która może być pomocna w procesach klasyfikacji. Jako heurystykę zaproponowano optymalizację rojem cząstek (Particle Swarm Optimization ) uważaną za metodę odnoszącą sukces w wielu zastosowaniach.

Słowa kluczowe:

reguły, systemy decyzyjne, grafy ontologiczne, optymalizacja rojem cząsteczek

Inne teksty tego samego autora

Jarosław Bielak, Andrzej Burda, Mieczysław Kowerski, Krzysztof Pancerz, Modelowanie i prognozowanie wypłat gotówki w banku , Barometr Regionalny. Analizy i Prognozy : Tom 13 Nr 4 (2015)
Krzysztof Pancerz, Andrzej Burda, Piotr Grochowalski, Wiesław Paja, Ontologiczny generator testów wiedzy z tekstów na przykładzie wiedzy o geografii Polski , Barometr Regionalny. Analizy i Prognozy : Tom 19 Nr 1 (2023)
Andrzej Burda, Krzysztof Pancerz, Klasteryzacja i wizualizacja wzorców bankructwa przy użyciu samoorganizujących się map Kohonena , Barometr Regionalny. Analizy i Prognozy : Tom 12 Nr 3 (2014)
Krzysztof Pancerz, Olga Mich, Algorytmy klasteryzacji danych numerycznych w eksploracji serwisów ogłoszeń nieruchomości , Barometr Regionalny. Analizy i Prognozy : Tom 12 Nr 3 (2014)
Krzysztof Pancerz, Piotr Grochowalski, Aneta Derkacz, W stronę ontologii miejscowości w Polsce: przykład województwa mazowieckiego , Barometr Regionalny. Analizy i Prognozy : Tom 14 Nr 3 (2016)
Krzysztof Pancerz, Aleksandra Tu-Van, Norbert Tu-Van, Proces wyjaśniania ocen kondycji przedsiębiorstw w układach potencjał-ryzyko - studium eksperymentalne , Barometr Regionalny. Analizy i Prognozy : Nr 4 (14) (2008)

Szczegóły

Bibliografia

Statystyki

Autorzy

Pobierz pliki

PDF (English)

Zasady cytowania

Pancerz, K., & Lewicki, A. (2014). Ekstrakcja reguł decyzyjnych z danych lingwistycznych opisujących zjawiska ekonomiczne. Podejście oparte na systemach decyzyjnych nad grafami ontologicznymi oraz optymalizacji rojem cząstek. Barometr Regionalny. Analizy I Prognozy, 12(1), 133–140. https://doi.org/10.56583/br.1085

Wskaźniki altmetryczne

Cited by / Share

Licencja

Utwór dostępny jest na licencji Creative Commons Uznanie autorstwa – Użycie niekomercyjne – Bez utworów zależnych 4.0 Międzynarodowe.

Bibliografia

Chaffin, R., and D.J. Hermann. 1988. “The Nature of Semantic Relations. A Comparison of Two Approaches.” In Relational Models of the Lexicon. Representing Knowledge in Semantic Networks, edited by M.W. Evens, 289–334. Cambridge England; New York: Cambridge University Press.

Cios, K.J., W. Pedrycz, R.W. Swiniarski, and L. Kurgan. 2007. Data Mining. A Knowledge Discovery Approach. New York: Springer.

Greco, S., B. Matarazzo, and R. Slowiński. 2001. “Rough Sets Theory for Multicriteria Decision Analysis.” European Journal of Operational Research no. 129 (1): 1–47. doi: 10.1016/S0377-2217 (00)00167-3. DOI: https://doi.org/10.1016/S0377-2217(00)00167-3

Han, J.W., Y.D. Cai, and N. Cercone. 1992. “Knowledge Discovery in Databases — an Attribute-Oriented Approach.” Very Large Data Bases: VLDB – 92:547–559.

Ishizu, S., A. Gehrmann, Y. Nagai, and Y. Inukai. 2007. “Rough Ontology. Extension of Ontologies by Rough Sets.” Human Interface and the Management of Information: Methods, Techniques and Tools in Information Design, LNCS Proceedings no. 4557:456–462. DOI: https://doi.org/10.1007/978-3-540-73345-4_52

Kohler, J., S. Philippi, M. Specht, and A. Ruegg. 2006. “Ontology Based Text Indexing and Querying for the Semantic Web.” Knowledge-Based Systems no. 19 (8): 744–754. doi: 10.1016/j.knosys.2006.04.015. DOI: https://doi.org/10.1016/j.knosys.2006.04.015

Kudoh, Y., M. Haraguchi, and Y. Okubo. 2003. “Data Abstractions for Decision Tree Induction.” Theoretical Computer Science no. 292 (2): 387–416. doi: 10.1016/S0304-3975(02)00178–0. DOI: https://doi.org/10.1016/S0304-3975(02)00178-0

Lukaszewski, T., J. Józefowska, and A. Lawrynowicz. 2012. “Attribute Value Ontology — Using Semantics in Data Mining.” In ICEIS 2012 — Proceedings of the 14th International Conference on Enterprise Information Systems, Volume 2, Wroclaw, Poland, 28 June – 1 July, 2012, edited by L.A. Maciaszek, A. Cuzzocrea and J. Cordeiro, 329–334. Wrocław, Poland: SciTePress.

Łukaszewski, T., J. Józefowska, A. Ławrynowicz, and Ł. Józefowski. 2011. “Handling the Description Noise Using an Attribute Value Ontology.” Control and Cybernetics no. 40 (2): 275–292.

Midelfart, H., and J. Komorowski. 2002. “A Rough Set Framework for Learning in a Directed Acyclic Graph.” Rough Sets and Current Trends in Computing, Proceedings no. 2475:144–155. DOI: https://doi.org/10.1007/3-540-45813-1_18

Milstead, J.L. 2001. “Standards for Relationships Between Subject Indexing Terms.” In Relationships in the Organization of Knowledge, edited by C.A. Bean and R. Green, 53–66. Dordrecht-Boston-Norwell, MA: Kluwer Academic Publishers. DOI: https://doi.org/10.1007/978-94-015-9696-1_4

Mitchell, T.M. 1982. “Generalization as Search.” Artificial Intelligence no. 18 (2): 203–226. doi: 10.1016/0004-3702(82)90040–6. DOI: https://doi.org/10.1016/0004-3702(82)90040-6

Mitchell, T.M. 1997. Machine Learning, McGraw-Hill series in computer science. New York: McGraw-Hill.

Neches, R., R. Fikes, T. Finin, T. Gruber, R. Patil, T. Senator, and W.R. Swartout. 1991. “Enabling Technology for Knowledge Sharing.” AI Magazine no. 12 (3): 36–56.

Nunez, M. 1991. “The Use of Background Knowledge in Decision Tree Induction.” Machine Learning no. 6 (3): 231–250. doi: 10.1007/Bf00114778. DOI: https://doi.org/10.1007/BF00114778

Pancerz, K. 2012a. “Dominance-Based Rough Set Approach for Decision Systems over Ontological Graphs.” In Proceedings of the Federated Conference on Computer Science and Information Systems, September 9–12, 2011. Wrocław, Poland, edited by M. Ganzha, L. Maciaszek and P. M., 323–330. Wrocław: Polskie Towarzystwo Informatyczne; IEEE Computer Society Press.

Pancerz, K. 2012b. “Toward Information Systems over Ontological Graphs.” In Rough Sets and Current Trends in Computing, edited by J. Yao, Y. Yang, R. Słowiński, S. Greco, H. Li, S. Mitra and L. Polkowski, 243–248. Berlin: Springer Berlin Heidelberg. DOI: https://doi.org/10.1007/978-3-642-32115-3_29

Pancerz, K. 2013a. “Decision Rules in Simple Decision Systems over Ontological Graphs.” In Proceedings of the 8th International Conference on Computer Recognition Systems CORES 2013, edited by R. Burduk, K. Jackowski, M. Kurzyński, M. Woźniak and A. Żołnierek, 111–120. Cham-Heidelberg-New York-Dordrecht-London: Springer International Publishing. DOI: https://doi.org/10.1007/978-3-319-00969-8_11

Pancerz, K. 2013b. “Semantic Relationships and Approximations of Sets: An Ontological Graph Based Approach.” In 6th International Conference on Human System Interactions (HSI). June 06–08, 2013. Gdańsk, Sopot, Poland, edited by W.A. Paja and B.M. Wilamowski, 62–69. Gdańsk: IEEE. DOI: https://doi.org/10.1109/HSI.2013.6577803

Pawlak, Z. 1991. Rough Sets. Theoretical Aspects of Reasoning about Data, Theory and decision library Series D, System theory, knowledge engineering, and problem solving. Dordrecht-Boston: Kluwer Academic Publishers.

Poli, R. 2008. “Analysis of the Publications on the Applications of Particle Swarm Optimisation.” Journal of Artificial Evolution and Applications no. 2008:1–10. doi: 10.1155/2008/685175. DOI: https://doi.org/10.1155/2008/685175

Poli, R., J. Kennedy, and T. Blackwell. 2007. “Particle Swarm Optimization.” Swarm Intelligence no. 1 (1): 33–57. doi: 1007/s11721-007-0002-0. DOI: https://doi.org/10.1007/s11721-007-0002-0

Srikant, R., and R. Agrawal. 1997. “Mining Generalized Association Rules.” Future Generation Computer Systems no. 13 (2–3): 161–180. doi: 10.1016/S0167-739x(97)00019-8. DOI: https://doi.org/10.1016/S0167-739X(97)00019-8

Storey, V.C. 1993. “Understanding Semantic Relationships.” The International Journal on Very Large Data Bases no. 2 (4): 455–488. doi: 10.1007/BF01263048. DOI: https://doi.org/10.1007/BF01263048

Vapnik, V.N. 1998. Statistical Learning Theory, Adaptive and Learning Systems for Signal Processing, Communications, and Control. New York: Wiley.

Winston, M.E., R. Chaffin, and D. Herrmann. 1987. “A Taxonomy of Part-Whole Relations.” Cognitive Science no. 11 (4): 417–444. doi: 10.1207/s15516709cog1104_2. DOI: https://doi.org/10.1207/s15516709cog1104_2

Krzysztof Pancerz

br@akademiazamojska.edu.pl

Afiliacja:

Wyższa Szkoła Zarządzania i Administracji w Zamościu Polska

Arkadiusz Lewicki

br@akademiazamojska.edu.pl

Afiliacja:

Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie Polska