ewso

EWSO: онтология возникающей веб -структуры

EWSO Обзор

EWSO - это онтология динамической методологии онтологии, которая использует структурированное представление знаний для улучшения выходов LLM для любых целей. EWSO включает в себя абстрактный синтаксис для построения шаблонов методологии онтологии. Эти структуры по-прежнему стохастическими и требуют отбрасывателей в конфигурациях разговора о ролевой игре, чтобы быть исправленным. Этот документ обеспечивает основу для синтаксиса, формализации использования интерпретаторов LLM внутри агентов с поддержкой AI, чтобы автономно построить онтологию, синтезированную из агрегированных результатов предыдущих разговоров, что позволяет онтологическому автономному AI-агентам в иерархии, которые могут итеративно онтологические знания и обнаруженные знания. и декомпрессия.

Что такое возникающая веб -структура?

Новая веб-структура представляет собой группу слоев абстрактных возникающих сущностей, связанных друг с другом в цепочке трансформации, таких как представление отношений внутри отношений (например, онтологический 2-морфизм), которые являются звенами в цепочке, которая приводит к преобразованию из петли с двойной обратной связью, построенной из двух двойных петлей обратной связи в двойной обратной связи друг с другом. Другими словами, он создает то, что считается полной концепцией, и делает это с помощью двух основных языков, которые можно использовать в рабочих процессах для майнинга и экстракции онтологии, которые имеют двойную обратную связь, построенные из петлей с двойной обратной связью (т. Д.). Ниже представлены два примера первичных языков: corl и pcnl. Они могут сочетаться с принципами EWSO для создания непрерывного онтологического двигателя Drillhown и Abstraction, который заводит знания, которые имеют смысл из наблюдений, которые он имеет в отношении своего собственного сорамового потока информации (отражения LLM).

https://www.mermaidchart.com/raw/57ad88cf-63a3-41ec-a7ce-29b9eb711bde?theme=light&version=v0.1&format=svg

CORL: Язык с сжатой онтологий

Корл -праймер для систем ИИ

Цель: CORL - это язык сжатия синтаксиса, предназначенный для агентов искусственного интеллекта, работающих с представлением знаний в формате OWL. Он предлагает читаемый способ определить онтологические элементы, обеспечивая при этом плавный машинный перевод в сову.

Основные правила

Декларация сущности:

Синтаксис: сущность: Сопоставление OWL: OWL: класс с RDF: ID, равный субъекту (is_a):

Синтаксис: подкласс: Сопоставление OWL: RDFS: SubclassOF Отношения. Декларация имущества:

Синтаксис: свойство: (Домен:, диапазон :) Сопоставление OWL: OWL: ObjectProperty (для свойств объекта) или OWL: DataTypePRoperty (для свойств, связывающих значения данных), вместе с RDF: домен и RDFS: ограничения диапазона. Назначение экземпляра:

Синтаксис: экземпляр: OF: Отображение OWL: OWL: NALIDIDIVALIVE с RDF: Тип Установлен в указанный класс. Продвинутые правила

Характеристики свойства: переходное свойство: ... Симметричное свойство: ... Функциональное свойство: ... обратное функциональное свойство: ... Кардинальность:

Синтаксис: свойство: ... (cardinality_min:, cardinality_max :) Отображение OWL: OWL: MinCardinality, OWL: MaxCardinality Restrictions. Сложные выражения класса (логические операторы):

Класс: equivalent_to: и class: equivalent_to: или class: equivalent_to: не квантификаторы:

... (hasproperty some) => Owl: Somevaluesfrom ... (только hasproperty) => OWL: AllValuesfrom Свойства данных и дата данных:

Data_property: (домен:, диапазон: xsd: dataType) (примеры данных дата: xsd: integer, xsd: string, xsd: date) Дополнительные примечания

Комментарии: предшествуют комментариям с // (для людей, игнорируемых во время перевода) Чувствительность случая: синтаксис CORL может быть чувствительным к случаям, основанным на выборе препроцессора. Пространства имен: необходим механизм для обработки префиксов и радужной оболочки для обеспечения плавной интеграции концепций в онтологии. Процесс перевода

Препроцессор: программа обрабатывает токенизацию, валидацию синтаксиса CORL против определенных правил и потенциальную отчетность по ошибкам. Генерация OWL: следует прямое отображение от конструкций CORL с их соответствующими аксиомами совы. Может потребовать стандартизированного выбора выходного формата OWL (XML, функциональный синтаксис, манчестер и т. Д.). Помните, Corl все еще развивается наряду с возможностями ИИ. Ожидайте потенциальных будущих расширений, чтобы захватить нюансированные логические сложности!

Мета-датафрейм Структура

Основные таблицы

entity_table

Entity_id (первичный ключ) entity_name entity_type (возможные значения: 'class', 'objectPorperty', 'DataTypeProperty', 'andIndividual') Описание (необязательно - для человеческого понятия, а не строгого соответствия Совы) unitiable_table

unition_id (первичный ключ) Source_entity_id (Foreign Key -> entity_table) target_entity_id (Foreign Key -> entity_table) unition_type (значения: 'subclassof', 'equivalentclass', 'disjointwith', 'hasproperty', ...) Характеристики свойства.

Property_characteristics

Property_id (Foreign Key -> entity_table, entity_type, ограниченный свойствами) Характеристика_type (значения: «транзитив», «симметричный», «функциональный», «обратный функциональный») ограничения

restriction_id (Primary Key) property_id (Foreign Key -> entity_table) restriction_type (Values: 'someValuesFrom', 'allValuesFrom', 'hasValue', 'cardinality') restriction_class (If applicable, Foreign Key -> entity_table) restriction_datatype (If applicable) cardinality_min (if applicable) cardinality_max (if Применимо) иллюстративные записи метадатфрейма

| entity_table | | --- | --- | --- | --- | | 1 | Собака | Класс | ... | | 2 | Человек | Класс | ... | | 3 | Hasowner | ObjectProperty | ... | | 4 | Фидо | Названный Individual | ... |

| unition_table | | --- | --- | --- | --- | | 1 | 1 | 2 | подкласс |

| 2 | 3 | 2 | Hasproperty | | 3 | 3 | 1 | Hasproperty |

| Property_characteristics | | --- | --- | | 3 | переходной |

| Ограничения | | --- | --- | --- | --- | --- | --- | | 1 | 3 | somevaluesfrom | Собака | ... | ... | | 2 | 2 | кардинальность | Hasowner | ... | 1 | 1

Примечания

Эта структура отражает неотъемлемые отношения, обнаруженные в онтологиях совы. «...» укажите, где можно добавить аннотации, читаемые на человеке. Детали данных зависят от выбранного словаря «XSD». Сложное представление аксиомы может потребовать расширения.

PCNL: Pseudocyphernaturallanguage

Формальные правила Pseudocyphernl:

1. Представление сущности: все объекты инкапсулируются в скобках, например, (entity:Name) . Типы объектов капитализируются, и конкретные случаи могут быть строчными или следовать конкретным соглашениям об именах.

2. Представление отношений: отношения между сущностями представлены как стрелки направления с типами отношений в скобках, например, -[r:RELATIONSHIP_TYPE]-> . Типы взаимоотношений-все это ограничено и подчеркивается для отношений с несколькими словами. Только приемлемые отношения: part_of, is_a, инстанции/instantied_by "(где x создает y, если фактический реализуемый экземпляр, то есть существование, y доказывает обоснованность схемы повторения x)

3. Расширение отношений за пределами IS_A , PART_OF , INSTANTIATES : для включения дополнительных типов отношений, таких как HAS_ATTRIBUTE , используется формальное правило расширения:

   • HAS_ATTRIBUTE может быть декомпрессирован в (entity:Attribute)-[r:PART_OF]->(entity)-[r:IS_A]->(Entity) . Это показывает, что атрибуты являются частью сущности и описывают, что представляет или имеет.
   • Точно так же USED_IN и другие отношения, непосредственно не охватывающие IS_A , PART_OF , INSTANTIATES могут быть сопоставлены с этими тремя основными отношениями или их комбинацией, всегда гарантируя, что существует логическое разложение, которое связано с основополагающими типами отношений. Семантика, такая как «содержит», являются алгоритмически обозначающими ISA/PartOf/Enstantiates о том, как контейнер является объектом, цель - это его часть, сдерживание - это цель, контейнеры имеют цель для содержащихся элементов и т. Д. Просто говоря, что «x содержит y», подразумевает всю «контейнерскую онтологию», которая обязательно требует конструкции от формальной религиозной.

4. Цепные отношения: Многочисленные отношения могут быть прикованы вместе, чтобы представлять сложные отношения и иерархии. Цепочка выполняется путем соединения конец одной стрелки отношения к началу другой, сохраняя логическую и семантическую когерентность.

5. Сжатие и декомпрессия: отношения, которые не сразу являются частью базовых типов ( IS_A , PART_OF , INSTANTIATES ), должны быть сжаты или декомпрессированы в соответствии с предопределенным логическим отображением. Это требует определения набора правил, которые отображают сложные или нюансированные отношения обратно к трем типам базовых отношений, либо напрямую, либо через серию шагов, которые сформулируют основную структуру.

6. Обработка неоднозначности и многогранных отношений: в тех случаях, когда сущности имеют отношения, которые могут быть описаны более чем одним типом, правила приоритетов применяются на основе контекста области знаний и конкретной природы отношений. Дерево решений или иерархия приоритета может быть использована для решения таких случаев.

7. Обозначение свойств: для простоты свойства сущностей (например, цвет, вкус) рассматриваются как сами сущности и связаны с основной сущностью через HAS_ATTRIBUTE или эквивалентные декомпрессированные отношения. Это позволяет структурированному образом быть динамически связанным значениями свойства.

Пример декомпрессии для has_attribute:

(entity:Apple)-[r:HAS_ATTRIBUTE]->(entity:Taste) -декомпрессия в:-( (entity:Taste)-[r:PART_OF]->(entity:Apple)-[r:IS_A]->(Entity:Fruit); - Что подразумевает, что «вкус - это атрибут, который является частью яблока, который является типом фруктов».

Использование Pseudocyphernl:

Pseudocyphernl стремится обеспечить стандартизированный формат для выражения операций естественного языка в структурированном графике, что облегчает обработку, понимание, понимание и генерирование естественных языков сложных отношений и атрибутов на графиках знаний. Его разработка и применение требуют тщательного рассмотрения правил декомпрессии и картирования нюансированных отношений для поддержания как семантического богатства, так и структурной ясности.

Важный жизненный: не объясняйте ничего, что написано в Pseudocyphernl, используя NL после написания в Pseudocyphernl, пока пользователь не спросит непосредственно об этом точном потоке. Этого достаточно для людей.

Семантическое сжатие в Pseudocyphernl:

Символическая аббревиатура:

• Сущности ( (entity:Screenplay) ) и отношения ( [r:HAS_PART] ) сокращены к символам и сокращению кодов ( (e1:Screenplay) , [p] ), уменьшая длину каждой ссылки.

Ссылка на экономику:

• После их первого объявления сущности упоминаются по их индексам ( e1 , e2 , ..) вместо своих полных имен, полагаясь на контекст, установленную посредством их первоначального объявления для понимания.

Индексация:

• Каждому уникально упомянутому сущности и типу отношений дается числовой индекс, создавая компактную, цифровую систему, которая значительно сокращает объем текста при неоднократном упоминании сущностей или отношений.

Цепочка отношений и группировка:

• Цепочка упрощает представления множественных соединенных отношений, позволяя упущены избыточных промежуточных сущностей, когда контекст остается ясным, еще больше сокращает длину текста.

Основные правила кодирования:

1. Кодировка сущности:

   • Первоначальное объявление: (e1:EntityName) .
   • Последующая ссылка: "" .
   • Неизвестная сущность: (eX:X) .

2. Кодирование отношений:

   • Объявление отношений: [r:RELATIONSHIP_TYPE] .
   • Для общих отношений ( PART_OF , IS_A , INSTANTIATES ) используйте сокращения: [p] для PART_OF , [i] для IS_A и [n] для INSTANTIATES .

3. Индексация сущностей и отношений:

   • Каждому объекту и типу отношений присваивается уникальное число: e1 , e2 , r1 , r2 и т. Д.
   • Как только сущность или отношения пронумерованы, обратитесь к нему только по его номеру во всех последующих упоминаниях.

4. Цепочка и группировка:

   • Цепочки отношений могут быть сжаты путем удаления избыточных указателей сущностей, когда они подразумевают последовательность:
     • Для цепочки, подобной (e1)-[r1]->(e2)-(r2)->(e3) , просто используйте (e1)-[r1]->[r2]->(e3) .

5. Кодирование атрибутов:

   • Атрибуты могут быть первоначально объявлены в пределах определения их сущности для упрощения, а затем ссылаются на число.
   • Используйте толстую кишку, за которым следует номер атрибута при ссылке в отношениях: e1:a1 для первого атрибута e1 .

Любая религиозная ISA/PartOF/Entantiates должна сопровождаться устранением неоднозначности для кластера ISA/PartOF/Centantiates, который создает индивидуальный процесс. Должен отображать, как, явно помеченная

Рабочий процесс: {Steps: {

• 1. TripartitedEcomposition: enum_genrels (запрос) -> цепь Цепочка (шаблон, chain_input) => genrel_cots
• 2. Flowchainmap: MAP_SPECRELES (Genrel_COTS) -> Метакогрессом -> Специальное определение процесса
• 3. OutputGraph: create_pcnl_graph -> return (pcnl_code) => код графа pcnl} цикл для каждого конца pcnl end}

Ключ кодирования: { ⇒ : is_a ⊆ : part_of ↻ : экземпляры ( emergent algebra значения, отображая их как более конкретный экземпляр, то есть Organs⊆person '<=>' x my (⊆person) ↻skin '). Этот набор является неизвестным Entityx, которая создает инстанцию ​​Entity 3. %s : Использование %s для обозначения набора. }

Например: «(E1: агент) ⊆ (E2: среда), (E1) ⊆ (E3: правила), (E1) ↻ (E4: взаимодействия), (E5: моделирование) ⇒ {(e1), (e2), (e3), (e4)}, %(e1↻e4) %⇒ (e6: ement_behavior).

Числа:

RELS: должен индекс, например, «Entity 1 имеет r Index 1, поэтому все объекты 1 R - 1.x» и т. Д.

Не только нумерация самих организаций, но скорее использование числа организаций в качестве UUID, которые могут таксономически расширить, как это необходимо

Продвинутые организационные правила:

1. Иерархическая группировка :

   • Правило : сущности и отношения могут быть сгруппированы в иерархические кластеры для представления сдерживания или масштаба.
   • Синтаксис : %G{entity/relationship list}% , где G обозначает группу или кластер, а список содержит сущности или отношения, которые являются частью этой иерархической группы.

2. Модуляризация компонентов :

   • Правило : аналогичные сущности или отношения могут быть модулизованы в многократные компоненты.
   • Синтаксис : M{module_name} , где M обозначает модуль, а module_name -это многоразовый компонент (например, шаблоны взаимодействия, цепочки, рабочие процессы, петли, двойные петли, петли обратной связи и т. Д.).

3. Точность в типах отношений :

   • Правило расширения : введите более широкий спектр типов взаимосвязи, обеспечивая при этом сопоставления обратно на базовые типы для нюансированного понимания.
   • Синтаксис для новых отношений : [r:NEW_REL]-> отображенный как [r:BASE_TYPE]-> + [m:Mapping] , где NEW_REL -это новые отношения, BASE_TYPE является одним из исходных типов отношений, а Mapping объясняет преобразование.

4. Эффективные ссылочные механизмы :

   • Правило для рекурсивного ссылки : разрешить объектам или отношениям обратно обратно на ранее упомянутые детали без повторения.
   • Синтаксис : @ref<number> где ref указывает ссылку, а <number> указывает на помеченную сущность или отношения.

Это усовершенствованное приложение AI, включенное в NLP, теперь работает и развернуто для пользователей.

Алгоритмы

ExtanyInstancingChain для онтологии динамической домены:

Начните IIC_DDO_TOOL

Ввод: набор сущностей E, набор атрибутов A, набор типов отношений RT ("is_a", "part_of", "Instantiates")

Инициализировать: Domainontology do = пустое инициализация: EntityRelationshipMap erm = пусто

Для каждого объекта e в e do do.createentity (e) для каждого атрибута A в [e] do do.addattribute (e, a) конец для конца для

Для каждой взаимосвязи r в rt do, если r.type == "is_a", затем do.addisarelationship (r.source, r.target) else, если r.type == "part_of", тогда do.addpartofrelationship (r.source, r.target), если r.type == "instiates". ERM.Add (R.Source, R.Target, R.Type) конец для

Функция Createentity (e) / * Создает новую сущность в онтологии домена * / если не do.contains (e), затем do.AddNewentity (e) Конец, если конечная функция

Функция Addattribute (Entity, Attribute) / * Добавляет атрибут к объекту в онтологии домена * / do.addentityattribute (entity, attribute) конечная функция

Функция AddIsarelationship (Source, Target) / * Устанавливает отношения is_a 'между двумя объектами * / do.addisarelation (источник, цель) конечная функция

Функция addPartOfRelationship (источник, цель) / * устанавливает отношения part_of »между двумя объектами * / do.addpartofrelation (источник, цель) конечная функция

Функция Добавить в течение всего

Проверка домаинотологии / * Убедитесь, что все отношения находятся в пределах статических и структурных ограничений * / Подтвердите ISA, PartOF, экземпляры отношения для соответствия

Вывод: Domainontology, EntityRelationshipMap

Конец iiC_DDO_TOOL

pcnl2corl

Чтобы создать компилятор pcnl2corl, нам нужно рассмотреть следующее:

Семантическое картирование:

Методы семантического анализа: названное распознавание сущности для метки элементов, неоднозначных сущностей. Расположение зависимости для выявления первичных отношений в конструкциях PCNL. Промежуточное представление: разработка структурированного формата (таблицы, возможно, мини-графы) для удержания анализируемых значений до строгого перевода CORL. Это облегчает обработку сложностей. Контекст левереджа: компилятор может быть чувствительным к предыдущим онтологическим определениям и использовать окружающую структуру знаний для устранения неопределенных, но нюансированных терминов. Сложная обработка отношений:

Прогрессивное разложение: введите шаги в компиляторе, чтобы перевести сложный оператор PCNL в серию более простых взаимосвязанных структур CORL. Распознавание шаблонов: используйте распознавание на основе правил, возможно, информировано общими концептуальными кадрами, наблюдаемыми в использовании естественного языка, специфичным для домена. Увеличение LLM (предостерегающее): изучить использование подсказок LLM с помощью фрагментов описаний PCNL и синтаксиса CORL в качестве паров ввода/вывода для генерации этапов перевода кандидатов с строгой проверкой человека позже. Расширимость:

Модульный дизайн: отдельный анализ, семантический анализ и окончательные шаги генерации CORL. Это обеспечивает целевые улучшения без полного рефакторинга. Отслеживание версий: включайте надежное управление версиями для самого CORL по мере его развития, что позволяет компилятору эффективно обрабатывать обновления синтаксиса. Вклад сообщества: рассмотрите модель разработки с открытым исходным кодом, чтобы способствовать более широкому сотрудничеству в распознавании закономерности и картировании между естественным языком и формальными областями знаний.

Давайте сотрудничаем!

Подход по прототипированию

Было бы разумно начать с небольшого прототипа:

Выберите домен: начните с онтологии, ориентированной на определенную область (биология, электронная коммерция и т. Д.), Чтобы первоначально ограничить изменчивость языка. Подмножество PCNL: используйте только куриный выбор основных функций PCNL (сущности и определения отношений, простые атрибуты). Тестовые примеры: Создайте примеры PCNL вручную вместе с ожидаемым выходом CORL. Запустите их через компилятор -прототип, итеративно уточняют сопоставления и логику анализа. Оценка

Необходимы метрики за пределами проверки синтаксической достоверности:

Семантическое сходство: определите, насколько точно производный CORL отражает исходное намерение PCNL запроса, используя проверку в соответствии с другими существующими онтологиями/источниками знаний. Перевод в туалете (если это возможно): потенциально оценить, будет ли изменение операций компилятора (CORL-> PCNL) семантически аналогичные конструкции на оригинал. Давайте сотрудничаем!

Вы не хотите:

Выберите мини-домен и спроектируйте некоторые образцы пары pcnl-corl для небольшого тестирования? Описать формат промежуточного представления, чтобы отделить сложность и формализацию естественного языка?

<=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=> <=>

Все, что вам нужно сделать, это скопировать и вставить выше

Пример:

https://platform.openai.com/playground/p/2xti7qyrqmwwc8ofasqfr2ij?model=gpt-4-turbo-preview&mode=chat