Přidání znalosti ve formální konceptuální analýze pomocí formulí pro zavislosti atributu

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989592%3A15310%2F08%3A00005465" target="_blank" >RIV/61989592:15310/08:00005465 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Adding background knowledge to formal concept analysis via attribute dependency formulas

Popis výsledku v původním jazyce

We present a way to add user's background knowledge to formal concept analysis. The type of background knowledge we deal with relates to relative importance of attributes in the input data. We introduce AD-formulas which represent this type of backgroundknowledge. The background knowledge serves as a constraint. The main aim is to make extraction of clusters from the input data more focused by taking into account the background knowledge. Particularly, only clusterswhich are compatible with the background knowledge are extracted from data. As a result, the number of extracted clusters becomes smaller, leaving out non-interesting clusters. We present illustrative examples and results on entailment of background knowledge such as efficient testing of entailment and a complete systems of deduction rules.

Název v anglickém jazyce

Adding background knowledge to formal concept analysis via attribute dependency formulas

Popis výsledku anglicky

We present a way to add user's background knowledge to formal concept analysis. The type of background knowledge we deal with relates to relative importance of attributes in the input data. We introduce AD-formulas which represent this type of backgroundknowledge. The background knowledge serves as a constraint. The main aim is to make extraction of clusters from the input data more focused by taking into account the background knowledge. Particularly, only clusterswhich are compatible with the background knowledge are extracted from data. As a result, the number of extracted clusters becomes smaller, leaving out non-interesting clusters. We present illustrative examples and results on entailment of background knowledge such as efficient testing of entailment and a complete systems of deduction rules.

Druh

D - Stať ve sborníku

CEP obor

BD - Teorie informace

OECD FORD obor

—

Projekt

<a href="/cs/project/1ET101370417" target="_blank" >1ET101370417: Hierarchická analýza složitých dat</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2008

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of 23rd Annual ACM Symposium on Applied Computing

ISBN

978-1-59593-753-7

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

Association for Computing Machinery

Místo vydání

New York, USA

Místo konání akce

—

Datum konání akce

—

Typ akce podle státní příslušnosti

—

Kód UT WoS článku

—