Прескриптивна модель темпоральних знань з OWL-інтеграцією для підтримки рішень в інформаційних системах
DOI:
https://doi.org/10.30837/0135-1710.2025.186.103Ключові слова:
прескриптивна модель, темпоральні знання, OWL-онтології, системи підтримки рішень, управлінські рекомендації, семантична інтеграція, двошарова архітектура, комбіновані вагиАнотація
Об’єктом дослідження є процес формування рекомендацій в інформаційних системах на основі інтеграції темпоральних правил із стандартизованими онтологічними конструкціями для переходу від дескриптивного до прескриптивного опису в задачах підтримки управлінських рішень. Метою є розробка прескриптивної моделі темпоральних знань з інтеграцією OWL-онтологій з тим, щоб забезпечити автоматизоване формування обґрунтованих управлінських рекомендацій на основі семантично узгоджених темпоральних залежностей у інформаційних системах. Завдання: розробити представлення темпоральних знань на основі інтеграції темпоральних правил та стандартизованих OWL-Time конструкцій; розробити прескриптивну модель темпоральних знань з можливостями семантичного відображення темпоральних правил на онтологічні відношення. Використано принципи темпоральної логіки Аллена, стандарти W3C OWL-Time, методи онтологічного моделювання, алгоритми логічного виведення. Отримано такі результати. Розроблено дворівневе представлення темпоральних знань, що поєднує емпіричний рівень темпоральних правил із семантичним рівнем онтологічних відношень через систему комбінованих ваг. Створено прескриптивну модель темпоральних знань, що включає множину темпоральних правил, множину онтологічних відношень та множину комбінованих ваг для автоматизованого формування управлінських рекомендацій. Висновки. Наукова новизна отриманих результатів полягає в такому. Запропоновано прескриптивну модель темпоральних знань з OWL-інтеграцією, яка містить множини темпоральних правил, онтологій, а також комбінованих ваг, що визначають вплив цих правил та онтологій на формування рекомендацій щодо дій управлінського рішення. Модель дає можливість формувати рекомендації щодо майбутніх дій управлінського рішення на основі композиції правил з перевіркою відповідності цих правил існуючим знанням щодо предметної області.
Посилання
Turban, E., Sharda, R., & Delen, D. (2020). Decision support and business intelligence systems (11th ed.). Pearson.
Power, D. J. (2021). A brief history of decision support systems. Journal of Decision Systems, 30(2), 73–92. https://doi.org/10.1080/12460125.2021.1893339
Bloomfire. (2025). How knowledge management enhances decision-making. https://bloomfire.com/blog/how-knowledge-management-enhances-decision-making/
Abacademies. (2021). The impact of decision-making models and knowledge management practices on performance. International Journal of Economics and Business Modeling, 12(1), 45–61. https://doi.org/10.31961/ijebm.v12i1.10558
EliXR-TIME Consortium. (2022). EliXR-TIME: A temporal knowledge representation for clinical process mining. Journal of Biomedical Informatics, 135, Article 104103. https://doi.org/10.1016/j.jbi.2022.104103
Hou, Z., Jin, X., Li, Z., Bai, L., Guan, S., Zeng, Y., Guo, J., & Cheng, X. (2023). Temporal knowledge graph reasoning based on N-tuple modeling. In Findings of the Association for Computational Linguistics: EMNLP 2023 (pp. 1090–1100). Association for Computational Linguistics. https://aclanthology.org/2023.findings-emnlp.77
Bertsimas, D., & Kallus, N. (2020). From predictive to prescriptive analytics. Management Science, 66(3), 1025–1044. https://doi.org/10.1287/mnsc.2018.3253
Lepenioti, K., Bousdekis, A., Apostolou, D., & Mentzas, G. (2020). Prescriptive analytics: Literature review and research challenges. International Journal of Information Management, 50, 57–70. https://doi.org/10.1016/j.ijinfomgt.2019.09.003
Davenport, T. H., & Harris, J. G. (2024). Competing on analytics 2.0: Prescriptive, cognitive, and augmented intelligence. Harvard Business Review Press.
EliXR-TIME Consortium. (2024). Automated generation of prescriptive process recommendations using temporal patterns. Data & Knowledge Engineering, 150, Article 103012. https://doi.org/10.1016/j.datak.2023.103012
EliXR-TIME Consortium. (2024). Scalable temporal reasoning algorithms for large-scale knowledge graphs. In Proceedings of the 2024 International Conference on Knowledge Graphs, 54–63. https://doi.org/10.1145/3618000.3618012
Shoush, M., Dumas, M., La Rosa, M., & Maggi, F. M. (2024). White box specification of intervention policies for prescriptive process monitoring. Data & Knowledge Engineering, 149, Article 102271. https://doi.org/10.1016/j.datak.2023.102271
Simon, H. A. (1977). The new science of management decision (Revised ed.). Prentice-Hall.
Allen, J. F. (1983). Maintaining knowledge about temporal intervals. Communications of the ACM, 26(11), 832–843. https://doi.org/10.1145/358434.358439
Чалий, С. Ф., & Прибильнова, І. Б. (2021). Представлення узгоджених знань з урахуванням їх логічної несуперечливості для задачі побудови пояснень в інтелектуальних інформаційних системах. Інформаційні технології та комп’ютерні системи, 28, 45–54. https://doi.org/10.33099/itcs.2021.28.045
Nonaka, I., & Takeuchi, H. (2020). The knowledge-creating company revisited: A dynamic model of knowledge creation. Knowledge Management Research & Practice, 18(3), 279–302. https://doi.org/10.1080/14778238.2020.1747980
W3C OWL Working Group. (2012). OWL 2 Web Ontology Language Document Overview (2nd ed.). W3C Recommendation. https://www.w3.org/TR/owl2-overview/
W3C Working Group. (2017). Time Ontology in OWL. W3C Recommendation. https://www.w3.org/TR/owl-time/
Gruber, T. R. (2021). Toward principles for the design of ontologies used for knowledge sharing. International Journal of Human-Computer Studies, 122, 25–37. https://doi.org/10.1016/j.ijhcs.2018.02.004
Levykin, V., & Chala, O. (2018). Method of automated construction and expansion of the knowledge base of the business process management system. EUREKA: Physics and Engineering, 4, 29-35. https://doi.org/10.21303/2461-4262.2018.00676
Chala, O. (2018). Construction of temporal rules for the representation of cause-effect dependencies in business processes. Advanced Information Systems, 2(3), 54-59. https://doi.org/10.20998/2522-9052.2018.3.09
Chala, O. (2018). Models of temporal dependencies for a probabilistic knowledge base. Econtechmod. An International Quarterly Journal, 7(3), 53-58. https://yadda.icm.edu.pl/yadda/element/bwmeta1.element.baztech-9d6a1102-180c-4298-b6b4-998723111507
Chala, O. (2019). Development of information technology for the automated construction and expansion of the temporal knowledge base in the tasks of supporting management decisions. Technology Audit and Production Reserves, 1(2), 9-14. https://doi.org/10.15587/2312-8372.2019.160205
