DE19908204A1 - Fraktales Netz n-ter Ordnung zum Behandeln komplexer Strukturen - Google Patents
Fraktales Netz n-ter Ordnung zum Behandeln komplexer StrukturenInfo
- Publication number
- DE19908204A1 DE19908204A1 DE19908204A DE19908204A DE19908204A1 DE 19908204 A1 DE19908204 A1 DE 19908204A1 DE 19908204 A DE19908204 A DE 19908204A DE 19908204 A DE19908204 A DE 19908204A DE 19908204 A1 DE19908204 A1 DE 19908204A1
- Authority
- DE
- Germany
- Prior art keywords
- units
- semantic
- unit
- network according
- fractal network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
Es wird ein fraktales Netz zum Behandeln komplexer Strukturen offenbart, das aus einer Vielzahl von Einheiten besteht. Das fraktale Netz enthält sowohl semantische Einheiten, die jeweils Informationsinhalte besitzen, als auch Verknüpfungseinheiten, die einen Beziehungsinhalt beschreiben. Der Beziehungsinhalt verknüpft jeweils zwei semantische Einheiten auf eine derartige Weise, daß die gegenseitige Beziehung der beiden verknüpften semantischen Einheiten durch den Beziehungsinhalt bestimmt wird.
Description
Die Erfindung betrifft ein fraktales Netz n-ter Ordnung
zum Behandeln komplexer Strukturen und insbesondere ein frak
tales bzw. fraktal-hierarchisches Netz mit einer Vielzahl von
semantischen Einheiten, mittels welchem semantisch struktu
rierte Informationen analysiert und bearbeitet werden können.
Mit der fortschreitenden Wandlung der Industriegesell
schaft in Richtung zur Informationsgesellschaft besteht zu
nehmend der Bedarf nach einem Werkzeug zur Verarbeitung der
anwachsenden Informationsflut. Insbesondere auf dem Gebiet
der Bilderkennung, Spracherkennung sowie Simulation wurden
eingehende Untersuchungen vorgenommen, um eine Vereinfachung
bei der Erkennung, Modifikation und Verwertung von komplexen
Strukturen, wie zum Beispiel Sprache und Bildern, zu ermögli
chen.
Derartige Systeme im Stand der Technik leiden jedoch un
ter einer geringen Flexibilität und einer außerordentlich
komplizierten Bereitstellung und Verarbeitung der verwendeten
Daten bzw. Informationen. Die zu verarbeitenden Daten sind
darüber hinaus im wesentlichen statisch.
Insbesondere bei dynamischen komplexen Strukturen oder
bei chaotischen technischen Systemen ist eine Verarbeitung
von derartigen Daten außerordentlich schwierig oder sogar un
möglich.
Im Stand der Technik ist es ferner bekannt, mit Hilfe der
Datenbeschreibungssprache XML bzw. eXtended Markup Language
(einem Derivat von SGML, ISO 8879) Informationsinhalte struk
turiert zu behandeln. Die Strukturierung kann dabei seman
tisch sein. Semantisch bedeutet hierbei, daß Verweise eines
Informationsinhalts auf andere Informationsinhalte eine Be
deutung tragen können. Hierbei ist es möglich, Metadaten zu
formulieren, das heißt, Daten, die Daten beschreiben. In der
Datenbeschreibungssprache XML ist es jedoch nicht möglich,
Informationen über Prozesse auf eine Art und Weise zu spei
chern, daß diese in eine Datenanalyse und in ein
"intelligentes" Verhalten eines semantischen Netzes selbst
einfließen können.
Der derzeit verwendete Stand der Technik auf dem Gebiet
des Wissens über Prozesse spiegelt sich in Methoden bzw. Ver
fahren zur Mustererkennung und Simulation wider. Obwohl der
zeit verwendete Methoden an sich sehr ausgereift sind, fehlt
jegliches Wissen über Objekte in deren semantischen Zusammen
hängen. In einer einfachen Betrachtung zur Verdeutlichung ist
demgemäß zu sagen, daß eine derzeit verwendete Mustererken
nung zum Beispiel also nichts davon weiß, daß "ein Nadelwald
im allgemeinen ein Wald ist" und "eine Brücke häufig einen
Fluß überquert".
Der vorliegenden Erfindung liegt daher die Aufgabe zu
grunde, ein fraktales Netz n-ter Ordnung zum Behandeln kom
plexer Strukturen zu schaffen, das er ermöglicht, Informatio
nen bzw. Wissen in strukturierter Form zu speichern und an
hand von diesen Daten zu analysieren und mit ihnen zu ver
knüpfen.
Diese Aufgabe der vorliegenden Erfindung wird durch die
im Anspruch 1 angegebenen Merkmale gelöst.
Genauer gesagt wird gemäß der vorliegenden Erfindung ein
fraktales Netz zum Behandeln komplexer Strukturen geschaffen,
das aus einer Vielzahl von Einheiten besteht. Das fraktale
Netz enthält sowohl semantische Einheiten, die jeweils Infor
mationsinhalte besitzen, als auch Verknüpfungseinheiten, die
einen Beziehungsinhalt beschreiben. Der Beziehungsinhalt ver
knüpft jeweils zwei semantische Einheiten auf eine derartige
Weise, daß die gegenseitige Beziehung der beiden verknüpften
semantischen Einheiten durch den Beziehungsinhalt bestimmt
wird.
Zentrales Element ist hierbei die semantische Einheit,
die ein "Objekt" oder einen "Prozeß der Welt" als Datenstruk
tur darstellt. Ein wesentliches Merkmal der semantischen Ein
heit ist die Fähigkeit, Informationsinhalte strukturiert zu
speichern und sich mit anderen semantischen Einheiten zu ver
netzen. Damit Zwei semantische Einheiten auf eine derartige
Weise verknüpft werden können, daß die Verknüpfung eine Be
deutung trägt bzw. semantisch ist, werden diese semantischen
Einheiten mit den speziellen Verknüpfungseinheiten miteinan
der verbunden. Eine derartige Verknüpfungseinheit kann zum
Beispiel ebenso implizit in einem strukturierten Informa
tionsinhalt einer semantischen Einheit vorgesehen sein.
Bei diesen Verknüpfungseinheiten kann es sich dabei um
eine spezielle Form von semantischen Einheiten handeln, die
Informationsinhalte und Beziehungsinhalte besitzen können.
Um eindeutige Operationen im in dem fraktalen Netz vor
handenen "Weltwissen" durchführen zu können, kann jeder se
mantischen Einheit eine Kennzeichnung zugeordnet werden, die
innerhalb dieses "Weltwissens" einmalig ist.
Ferner besteht ebenso die Möglichkeit, eine Datenstruktur
zu schaffen, die es ermöglicht, bereits im fraktalen Netz
existierende Informationen bzw. bereits im fraktalen Netz
existierendes Wissen jederzeit zu verändern und neue Teile
hinzuzufügen. Dadurch, daß das Wissen nicht nur Informationen
über Objekte beinhaltet, sondern auch Wissen über informa
tionsverarbeitende Prozesse, können in einem dynamischen Ab
lauf Inhalt und Struktur des Wissens verändert werden.
Komplexe Strukturen können hierbei Sprache, Bilder, Netze
oder chaotische Systeme, wie beispielsweise technische, kul
turelle, wirtschaftliche oder ökologische Zusammenhänge, dar
stellen.
Weitere vorteilhafte Ausgestaltungen der vorliegenden Er
findung sind Gegenstand der Unteransprüche.
Die vorliegende Erfindung wird nachstehend anhand von
Ausführungsbeispielen unter Bezugnahme auf die beiliegende
Zeichnung näher erläutert.
Es zeigt:
Fig. 1a bis 1e verschiedene Arten von in den Ausführungs
beispielen der vorliegenden Erfindung ver
wendeten Verknüpfungseinheiten;
Fig. 2 eine Darstellung eines fraktalen Netzes
n-ter Ordnung gemäß einem ersten Ausführungs
beispiel der vorliegenden Erfindung;
Fig. 3 strukturierte Informationsinhalte und Be
ziehungsinhalte in semantischen Einheiten
bzw. Verknüpfungseinheiten gemäß dem ersten
Ausführungsbeispiel der vorliegenden Erfin
dung;
Fig. 4a und 4b Darstellungen weiterer fraktaler Netze ge
mäß dem ersten Ausführungsbeispiel der vor
liegenden Erfindung;
Fig. 5 strukturierte Informationsinhalte in seman
tischen Einheiten mit Attributen gemäß dem
ersten Ausführungsbeispiel der vorliegenden
Erfindung;
Fig. 6 eine Darstellung eines fraktalen Netzes
n-ter Ordnung gemäß einem zweiten Ausfüh
rungsbeispiel der vorliegenden Erfindung;
Fig. 7a und 7b Darstellungen eines semantischen Netzes ge
mäß einem dritten Ausführungsbeispiel der
vorliegenden Erfindung;
Fig. 8a und 8b Darstellungen eines semantischen Netzes ge
mäß einem vierten Ausführungsbeispiel der
vorliegenden Erfindung; und
Fig. 9a bis 9c Darstellungen eines semantischen Netzes ge
mäß einem fünften Ausführungsbeispiel der
vorliegenden Erfindung.
Es folgt die Beschreibung von Ausführungsbeispielen der
vorliegenden Erfindung.
Bevor die Ausführungsbeispiele der vorliegenden Erfindung
detailliert beschrieben werden, ist folgendes zu sagen. Ein
fraktales Netz n-ter Ordnung zum Behandeln komplexer Struktu
ren besteht allgemein ausgedrückt aus einer Vielzahl von Ein
heiten. Das fraktale Netz enthält sowohl semantische Einhei
ten, die jeweils Informationsinhalte besitzen, als auch Ver
knüpfungseinheiten, die einen Beziehungsinhalt beschreiben.
Der Beziehungsinhalt verknüpft jeweils zwei semantische Ein
heiten auf eine derartige Weise, daß die gegenseitige Bezie
hung der beiden verknüpften semantischen Einheiten durch den
Beziehungsinhalt bestimmt wird. Unter dem verwendeten Aus
druck "semantisch" ist hierbei "eine Bedeutung tragen" zu
verstehen.
Derartige Verknüpfungseinheiten können dabei eine spe
zielle Form von semantischen Einheiten darstellen, die Infor
mationsinhalte und Beziehungsinhalte besitzen können.
Neben einer Verknüpfung von semantischen Einheiten über
Verknüpfungseinheiten besteht ferner die Möglichkeit, daß
eine oder mehrere Verknüpfungseinheiten ihrerseits über je
weils eine oder mehrere Verknüpfungseinheiten mit einer oder
mehreren semantischen Einheiten und/oder eine oder mehrere
Verknüpfungseinheiten ihrerseits über eine oder mehrere Ver
knüpfungseinheiten mit einer oder mehreren Verknüpfungsein
heiten verknüpft sind, wie es aus der nachfolgenden Beschrei
bung ersichtlich wird.
Derartige Beziehungsinhalte von Verknüpfungseinheiten
können im allgemeinen von einem Anwender frei gewählt werden.
Es ist jedoch sinnvoll, einige elementare Beziehungsinhalte
von Verknüpfungseinheiten in einer Basisbibliothek vorab zu
definieren. Als elementare Beziehungsinhalte von Verknüp
fungseinheiten können Austauschbeziehungen und Relationen an
gesehen werden. Austauschbeziehungen sind als derartige Be
ziehungen definiert, die einen abstrakten, stofflichen
und/oder kommunikativen Austausch zwischen semantischen Ein
heiten beschreiben. Relationen sind hingegen jene Beziehungs
inhalte von Verknüpfungseinheiten, die irgendwelche Beziehun
gen zwischen semantischen Einheiten beschreiben.
Die Fig. 1a bis 1e zeigen einige derartige elementare
Verknüpfungseinheiten, die einen Beziehungsinhalt beschrei
ben.
Im Fall von hierarchisch strukturiertem Wissen, wie im
fraktalen Netz, können Verknüpfungseinheiten vom Typ Aus
tauschbeziehung weiter in zwei Gruppen unterteilt werden.
In Fig. 1a ist eine Verknüpfungseinheit 1 vom Typ Aus
tauschbeziehung gezeigt, die semantische Einheiten in zuein
ander unterschiedlichen Hierarchieebenen des fraktalen Netzes
n-ter Ordnung miteinander verbindet. Es wird also die Art der
Beziehung von einer größeren, d. h., übergeordneten, semanti
schen Einheit zu einer kleineren, d. h., untergeordneten, se
mantischen Einheit und umgekehrt beschrieben. Das heißt mit
anderen Worten, daß ein Skalenwechsel durchgeführt wird. Ver
knüpfungseinheiten mit Beziehungen, welche die beiden genann
ten Merkmale, also einen Austausch und einen Skalenwechsel
aufweisen, werden nachstehend als Verknüpfungseinheiten vom
Typ VA/VS bezeichnet. Beim Ausdruck "VA/VS" steht demgemäß
der Ausdruck "VA" für "Austausch" und der Ausdruck "VS" für
"Skalenwechsel". Einfach ausgedrückt kann eine derartige Ver
knüpfungseinheit 1 vom Typ VA/VS in Richtung des in Fig. 1a
gezeigten Pfeils von A nach B als "A enthält B" und in umge
kehrter Richtung als "B ist Teil von A" angesehen werden.
Dies entspricht der Definition einer Einbettungshierarchie.
In Fig. 1b sind Verknüpfungseinheiten 2, 2a und 2b vom
Typ Austauschbeziehung gezeigt, die semantische Einheiten in
gleichen Hierarchieebenen des fraktalen Netzes n-ter Ordnung
miteinander verbinden. Das heißt mit anderen Worten, daß kein
Skalenwechsel durchgeführt wird. Verknüpfungseinheiten mit
Beziehungen, welche die beiden genannten Merkmale, also einen
Austausch und keinen Skalenwechsel aufweisen, werden nachste
hend als Verknüpfungseinheiten vom Typ VA/VH bezeichnet. Beim
Ausdruck "VA/VH" steht demgemäß der Ausdruck "VA" für
"Austausch" und der Ausdruck "VH" für "kein Skalenwechsel".
Einfach ausgedrückt kann eine derartige Verknüpfungseinheit
2a vom Typ VA/VH in Richtung von A nach B als "A ist Ein
gangsgröße von B" und in umgekehrter Richtung als "B ist Aus
gangsgröße von A" und kann eine derartige Verknüpfungseinheit
2b vom Typ VA/VH in Richtung von A nach B als "A wird be
schrieben durch B" und in umgekehrter Richtung als "B ist At
tribut von A" angesehen werden.
Ebenso können im Fall von hierarchisch strukturiertem
Wissen, wie im fraktalen Netz, Verknüpfungseinheiten vom Typ
Relation weiter in zwei Gruppen unterteilt werden.
In Fig. 1c ist eine Verknüpfungseinheit 3 vom Typ Rela
tion gezeigt, die semantische Einheiten in zueinander unter
schiedlichen Hierarchieebenen des fraktalen Netzes n-ter Ord
nung miteinander verbindet. Es wird also die Art der Bezie
hung von einer allgemeineren semantischen Einheit zu einer
spezielleren semantischen Einheit und umgekehrt beschrieben.
Das heißt mit anderen Worten, daß ein Skalenwechsel durchge
führt wird. Verknüpfungseinheiten mit Beziehungen, welche die
beiden genannten Merkmale, also eine Relation und einen Ska
lenwechsel aufweisen, werden nachstehend als Verknüpfungsein
heiten vom Typ VR/VS bezeichnet. Beim Ausdruck "VR/VS" steht
demgemäß der Ausdruck "VR" für "Relation" und der Ausdruck
"VS" für "Skalenwechsel". Einfach ausgedrückt kann eine der
artige Verknüpfungseinheit 1 vom Typ VR/VS in Richtung des in
Fig. 1c gezeigten Pfeils von A nach B als "A ist im speziel
len B" und in umgekehrter Richtung als "B ist im allgemeinen
A" angesehen werden. Dies entspricht der Definition einer
Ähnlichkeitshierarchie.
In Fig. 1d sind Verknüpfungseinheiten 4, 4a, 4b und 4c
vom Typ Relation gezeigt, die semantische Einheiten in glei
chen Hierarchieebenen des fraktalen Netzes n-ter Ordnung mit
einander verbinden. Das heißt mit anderen Worten, daß kein
Skalenwechsel durchgeführt wird. Verknüpfungseinheiten mit
Beziehungen, welche die beiden genannten Merkmale, also eine
Relation und keinen Skalenwechsel aufweisen, werden nachste
hend als Verknüpfungseinheiten vom Typ VR/VH bezeichnet. Beim
Ausdruck "VR/VH" steht demgemäß der Ausdruck "VR" für
"Relation" und der Ausdruck "VH" für "kein Skalenwechsel".
Einfach ausgedrückt kann eine derartige Verknüpfungseinheit
4a vom Typ VR/VH als "A ist (ortsbezogen) benachbart zu B",
kann eine derartige Verknüpfungseinheit 4b vom Typ VR/VH als
"A ist ähnlich zu B" und kann eine derartige Verknüpfungsein
heit 4c vom Typ VR/VH in Richtung von A nach B als "B folgt
auf A" und in umgekehrter Richtung als "A wird gefolgt von B"
angesehen werden.
Ferner zeigt Fig. 1e eine weitere Verknüpfungseinheit 5,
die in Richtung von A nach B als A hat Janus/Funktion B" und
in umgekehrter Richtung als "B ist Janus/Funktion von A" an
gesehen werden kann. Bezüglich einer detaillierteren Be
schreibung dieser Verknüpfungseinheit 5 wird auf die folgende
Beschreibung der Ausführungsbeispiele verwiesen.
Schließlich ist anzumerken, daß, wie es ersichtlich ist,
Verknüpfungseinheiten sowohl direktional, das heißt, gerich
tet, als auch bidirektional, das heißt, ungerichtet, sein
können.
Nachstehend erfolgt die Beschreibung eines ersten Ausfüh
rungsbeispiels der vorliegenden Erfindung.
Fig. 2 zeigt ein einfaches fraktales Netz, wobei anhand
von diesem das Zusammenwirken von vorstehend erläuterten Ver
knüpfungseinheiten mit anderen semantischen Einheiten, die im
fraktalen Netz vorhanden sind, verdeutlicht wird.
In Fig. 2 bezeichnet das Bezugszeichen 3 eine Verknüp
fungseinheit vom Typ VR/VS, bezeichnet das Bezugszeichen 4b
eine Verknüpfungseinheit vom Typ VR/VH und bezeichnen die Be
zugszeichen 6 jeweilige semantische Einheiten.
Wenn nun im als fraktalen Netz vorhandenen "Weltwissen"
der Satz "Mensch ist im allgemeinen Säuger" darzustellen ist,
werden die mit "Mensch" und "Säuger" bezeichneten semanti
schen Einheiten 6 mit der direktionalen, das heißt, gerichte
ten, Verknüpfungseinheit 3 vom Typ VR/VS, genauer gesagt vom
Typ "ist im allgemeinen/ist im speziellen", miteinander ver
knüpft. Ist weiterhin die Aussage zu addieren, daß "Affe und
Mensch im Kontext Genanalyse zu 95% ähnlich sind", wird die
mit "Affe" bezeichnete semantische Einheit 6 mit der mit
Mensch bezeichneten semantischen Einheit 6 durch eine bidi
rektionale Verknüpfungseinheit 4b des Typs VR/VH, genauer ge
sagt des Typs "ist ähnlich zu", miteinander verknüpft. Die
Verknüpfungseinheit 4b weist in ihrem Informationsinhalt eine
Gewichtung von 95% auf. Die Verknüpfungseinheit 4b ist wei
terhin über eine (zuvor nicht erläuterte) Verknüpfungseinheit
vom Typ "im Kontext" mit der mit "Genanalyse" bezeichneten
semantischen Einheit 6 verknüpft.
Fig. 3 zeigt strukturierte Informationsinhalte und Bezie
hungsinhalte der in Fig. 2 gezeigten semantischen Einheiten
bzw. Verknüpfungseinheiten.
Im oberen Teil von Fig. 3 sind dabei die Informationsin
halte der jeweiligen semantischen Einheiten von Fig. 2 ge
zeigt, die eine Kennung, einen Namen und Kennungen der mit
ihnen verbundenen Verknüpfungseinheiten enthalten. So weist
die in Fig. 2 mit "Mensch" bezeichnete semantische Einheit 6
eine Kennung "1" und den Namen "Mensch" auf und ist mit Ver
knüpfungseinheiten verknüpft, die Kennungen "12" und "13"
aufweisen. Die in Fig. 2 mit "Säuger" bezeichnete semantische
Einheit 6 weist eine Kennung "2" und den Namen "Säuger" auf
und ist mit der Verknüpfungseinheit verknüpft, die die Ken
nung "12" aufweist. Die in Fig. 2 mit "Affe" bezeichnete se
mantische Einheit 6 weist eine Kennung "3" und den Namen
"Affe" auf und ist mit der Verknüpfungseinheit verknüpft, die
die Kennung "13" aufweist. Schließlich weist die in Fig. 2
mit "Genanalyse" bezeichnete semantische Einheit 6 eine Ken
nung "4" und den Namen "Genanalyse" auf und ist mit einer
Verknüpfungseinheit verknüpft, die die Kennung "134" auf
weist.
Im unteren Teil von Fig. 3 sind die Beziehungsinhalte der
jeweiligen Verknüpfungseinheiten von Fig. 2 gezeigt, die eine
Kennung, einen Namen, Kennungen der mit ihnen ggf. verbunde
nen Verknüpfungseinheiten, Kennungen, der durch sie verknüpf
ten semantischen Einheiten bzw. Verknüpfungseinheiten, und
die Art dieser Verknüpfung enthalten. So weist die in Fig. 2
gezeigte Verknüpfungseinheit 3 die Kennung "12" und den Namen
"ist im allgemeinen" auf, sie ist mit keiner anderen Verknüp
fungseinheit verbunden und verknüpft die semantische Einheit
der Kennung "1" direktional mit der semantischen Einheit der
Kennung "2". Die in Fig. 2 gezeigte Verknüpfungseinheit 4b
weist die Kennung "13" und den Namen "ist ähnlich zu" auf,
sie ist mit der Verknüpfungseinheit mit der Kennung "134"
verbunden und verknüpft die semantische Einheit der Kennung
"1" bidirektional mit der semantischen Einheit mit der Ken
nung "3", wobei sie ein Gewicht von 95% enthält. Schließlich
weist die in Fig. 2 gezeigte Verknüpfungseinheit "im Kontext"
die Kennung "134" und den Namen "im Kontext" auf, sie ver
knüpft die Verknüpfungseinheit 13 direktional mit der seman
tischen Einheit 4.
Wenn die in Fig. 3 gezeigten Zusammenhänge auf graphische
Weise dargestellt werden, ergibt sich demgemäß die Darstel
lung des fraktalen Netzes in Fig. 2.
Allgemein gesagt, ist festzuhalten, daß der von einer se
mantischen Einheit beschriebene Informationsinhalt eine Kenn
zeichnung und/oder eine Auflistung derjenigen Verknüpfungs
einheiten darstellt, die diese semantische Einheit mit ande
ren semantischen Einheiten verbindet, wobei die Kennzeichnung
vorzugsweise ein Name oder eine Seriennummer ist und der In
formationsinhalt ebenso vorzugsweise in strukturierter Form
vorliegt.
Die Verknüpfungseinheiten beschreiben Beziehungsinhalte,
die neben einem Informationsinhalt ebenso eine Verknüpfungs
kennzeichnung enthalten. Diese Verknüpfungskennzeichnung be
schreibt dabei die jeweilige Kennzeichnung der semantischen
Einheiten und/oder Verknüpfungseinheiten, die durch sie ver
knüpft sind, eine oder mehrere Richtungsangaben in Bezug zu
diesen verknüpften semantischen Einheiten und/oder Verknüp
fungseinheiten und/oder Gewichtungen der ein oder zwei Rich
tungsangaben beschreibt.
Wie aus dem ersten Ausführungsbeispiel ersichtlich ist,
besteht ferner die Möglichkeit, daß eine Verknüpfungseinheit
über eine andere Verknüpfungseinheit mit einer semantischen
Einheit verknüpft ist. Außerdem kann der Beziehungsinhalt der
Verknüpfungseinheit ggf. Informationen über die jeweilige Art
der Verknüpfung der in Beziehung stehenden semantischen Ein
heiten enthalten, wobei diese Art der Verknüpfung ggf. zu
sätzlich Informationen über eine Relation, d. h., einen Ver
gleich der jeweils verknüpften Einheiten, und/oder über eine
Austauschbeziehung, d. h., eine ein- oder zweiseitige Wechsel
wirkung der verknüpften Einheiten, enthält, wobei ferner die
Art der Verknüpfung zusätzlich darüber Informationen enthält,
ob ein Skalenwechsel erfolgt oder nicht. Diese Information
hinsichtlich eines Skalenwechsels kann bei einer Austauschbe
ziehung die Art der Beziehung zu einer größeren, d. h., über
geordneten, bzw. zu einer kleineren, d. h., untergeordneten,
semantischen Einheit oder umgekehrt oder die Art der Bezie
hung zu einer allgemeineren bzw. zu einer spezielleren seman
tischen Einheit beschreiben.
Die Fig. 4a und 4b zeigen weitere fraktale Netze gemäß
dem ersten Ausführungsbeispiel der vorliegenden Erfindung,
die dazu dienen, das Verständnis zu erleichtern.
In Fig. 4a ist ein fraktales Netz gezeigt, in dem eine
mit "Wald" bezeichnete semantische Einheit 6 über eine Ver
knüpfungseinheit 3 vom Typ VR/VS, genauer gesagt vom Typ "ist
im allgemeinen/ist im speziellen", mit einer mit "Segment be
zeichneten semantischen Einheit 6 verknüpft ist, wobei die
Verknüpfungseinheit 3 vom Typ VR/VS weiterhin eine Gewichtung
von 70% beinhaltet, wodurch sich die Aussage "Segment klassi
fiziert sich zu 70% Wald" ergibt. Hierbei kann die Verknüp
fungseinheit vom Typ VR/VS genauer mit VR/VS(+) bezeichnet
werden, da sich offensichtlich von der mit "Wald" bezeichne
ten semantischen Einheit 6 zu der mit "Segment" bezeichneten
semantischen Einheit 6 ein Skalenwechsel zu einer kleineren
Skala hin ergibt, wobei sich die kleinere Skala im vorliegen
den Anwendungsbeispiel durch eine kleinere Unschärfe in den
nicht näher beschriebenen Attributen von "Wald" und "Segment"
ergibt. In obigem Beispiel wird eine Ähnlichkeitshierarchie
formuliert, wobei bei einer unscharfen Wissensdarstellung der
Gewichtung (hier 70%) im Informationsinhalt der Verknüpfungs
einheit die Rolle einer Maßzahl für die Zugehörigkeit zu ei
ner entsprechenden Klasse (hier "Wald") zufällt. Wenn nun
weiterhin die Verknüpfungseinheit 1 vom Typ VA/VS, genauer
gesagt "besteht aus/ist Teil von" betrachtet wird, wird die
Aussage "Wald besteht aus Bäumen" geschaffen, was implizit
ausdrückt, daß ein Baum wesentlich kleiner als ein Wald ist,
sich also auf einer niedrigeren bzw. feineren Skala befindet.
In Fig. 4b ist ein fraktales Netz gezeigt, in dem eine
mit "Peter" bezeichnete semantische Einheit 6 über eine Ver
knüpfungseinheit 4 vom Typ VR/VH mit einer mit "Paul" be
zeichneten semantischen Einheit 6 verknüpft ist. Ferner ist
die Verknüpfungseinheit 4 vom Typ VR/VH über eine Verknüp
fungseinheit 2b vom Typ VA/VH, genauer gesagt vom Typ "wird
beschrieben durch/ist Attribut von", mit einer mit
"Freundschaft" bezeichneten semantischen Einheit 6 verknüpft.
Hierbei wird im Endeffekt die Aussage "Peter und Paul sind
Freunde" erhalten, da die Verknüpfungseinheit 2b unter Zuhil
fenahme der mit "Freundschaft" bezeichneten semantischen Ein
heit 6 einen abstrakten Austausch ("Freundschaft") näher be
schreibt.
Schließlich sei noch angemerkt, daß unter Zuhilfenahme
von Verknüpfungseinheiten vom Typ VR/VH, also Relationen ohne
Skalenwechsel, Assoziationen und Vergleiche definiert werden
können. Hierbei ist es häufig nützlich, die Gewichtung im In
formationsinhalt der Verknüpfungseinheit als Maßzahl der Ähn
lichkeit der verknüpften semantischen Einheiten aufzufassen.
Hierfür sind die Aussagen "der Mensch ist dem Affen zu 95%
ähnlich" und "auf den Winter folgt der Frühling" Beispiele.
Fig. 5 zeigt strukturierte Informationsinhalte von seman
tischen Einheiten mit Attributen gemäß dem ersten Ausfüh
rungsbeispiel der vorliegenden Erfindung.
Jede semantische Einheit kann in ihrem Informationsinhalt
Daten und Funktionen jeglicher Form ablegen. Gemäß dem ersten
Ausführungsbeispiel der vorliegenden Erfindung sind bereits
der Name der semantischen Einheit und ihre Kennung beschrie
ben worden. Darüber hinaus können Informationsinhalte der se
mantischen Einheiten und/oder Verknüpfungseinheiten neben
oder anstelle von statischen Daten auch Algorithmen, Funk
tionen und/oder mathematische Formeln enthalten.
Ferner besteht ebenso die Möglichkeit, daß semantische
Einheiten Informationsinhalte aufweisen, die Attribute dar
stellen, wobei diese Attribute andere semantische Einheiten
oder Verknüpfungseinheiten näher beschreiben (siehe zum Bei
spiel die mit "Freundschaft" bezeichnete semantische Einheit
6 in Fig. 4b). Das fraktale Netz weist dabei besondere Ver
knüpfungseinheiten auf, die dazu dienen, die Verknüpfung von
semantischen Einheiten, die Attribute darstellen, mit denje
nigen semantischen und/oder Verknüpfungseinheiten herzustel
len, denen diese Attribute zugeordnet sind (siehe zum Bei
spiel die Verknüpfungseinheit 2b in Fig. 4b). Diese besonde
ren Verknüpfungseinheiten 2b sind durch "wird beschrieben
durch/ist Attribut von" bezeichnet.
Diese Attribute können zum Beispiel Werte enthalten, die
Elemente aus einer Menge, einem Bereich, einer Liste oder ei
ner anderen geordneten oder ungeordneten Struktur sind. Diese
geordnete oder ungeordnete Struktur kann durch eine oder meh
rere Zahlen, Vektoren in n-dimensionalen Räumen, Textdaten,
Bilddaten, Videodaten, Audiodaten Kalenderdaten, Tabellen,
Geometriedaten, geographische Daten, Fuzzy-Logik-Mengen, In
ternet-Inhalte oder gebündelte Daten oder eine Kombination
von diesen gebildet sein, um auf vorteilhafte Weise
"Weltwissen" speichern zu können. Ein Beispiel hierfür ist in
Fig. 5 dargestellt, wobei aufgrund des selbstbeschreibenden
Charakters dieser Figur auf eine detailliertere Beschreibung
von dieser verzichtet wird.
Nachstehend erfolgt die Beschreibung eines zweiten Aus
führungsbeispiels der vorliegenden Erfindung.
Ein wesentliches Merkmal des zweiten Ausführungsbeispiels
der vorliegenden Erfindung ist die Möglichkeit, besondere se
mantische Einheiten in das fraktale Netz aufzunehmen, die in
der Lage sind, an anderen semantischen Einheiten bestimmte
Operationen auszuführen. Diese besonderen semantischen Ein
heiten werden im weiteren Verlauf als semantische Janus-Ein
heiten bezeichnet.
In diesem Zusammenhang bezeichnet eine semantische Janus-
Einheit 6 (siehe Fig. 6) eine besondere semantische Einheit,
die einen Algorithmus oder eine Sammlung von Algorithmen auf
weist, die den Informationsinhalt von semantischen Einheiten
verändern und/oder neue semantische Einheiten erzeugen bzw.
bestehende semantische Einheiten vernichten können. Eine se
mantische Janus-Einheit ist über jeweils eine besondere Ver
knüpfungseinheit 5 (siehe Fig. 1e) vom Typ "hat Ja
nus/Funktion/ist Janus/Funktion von" mit einer oder mehreren
semantischen Einheiten verbunden, in deren Nachbarschaft die
semantische Janus-Einheit operieren soll.
Dies bedeutet, daß die Funktionalität der semantischen
Janus-Einheit derart eingeschränkt ist, daß sie lediglich in
der Lage ist, an denjenigen semantischen Einheiten die be
stimmten Operationen durchzuführen, die sich in einem vorge
gebenen Nachbarschaftsbereich einer mit ihr verknüpften se
mantischen Einheit befinden. Ferner kann eine semantische Ja
nus-Einheit über eine oder mehrere Verknüpfungseinheiten mit
anderen semantischen Janus-Einheiten und/oder mit Attributen
verknüpft sein.
Im Detail kann eine semantische Janus-Einheit eine oder
mehrere der folgenden Operationen durchführen: das Erzeugen
neuer semantischer Einheiten; das Bündeln bereits vorhandener
semantischer Einheiten zu einer einzigen semantischen Ein
heit, die gegebenenfalls neu zu erzeugen ist; das Verändern
und/oder Löschen bereits vorhandener semantischer Einheiten;
das Vergleichen vorhandener semantischer Einheiten; das Er
fassen und Ändern von Werten der Attribute von semantischen
Einheiten; das Ausführen eines Algorithmus und/oder das Be
rechnen einer Funktion; das Erfassen eines Janus oder eines
Teils eines Janus, das heißt, das Klassifizieren eines Algo
rithmus oder eines Teils eines Algorithmus.
Die wesentliche Aufgabe einer semantischen Janus-Einheit
ist das Bündeln und Kontexten von Informationsinhalten. Hier
bei ist unter Bündeln das Berechnen von Informationsinhalten
einer als Zentrum dienenden semantischen Einheit aus den In
formationsinhalten von benachbarten semantischen Einheiten zu
verstehen. Unter Kontexten ist der zum Bündeln analog inverse
Vorgang zu verstehen, das heißt, Informationsinhalte der be
nachbarten semantischen Einheiten werden in Abhängigkeit der
Informationsinhalte der als Zentrum dienenden semantischen
Einheit geändert, wobei diese die Nachbarschaft definiert.
Auf diese Weise ist es zum Beispiel auf einfache Weise mög
lich, ständig aktuelle Statistiken einer Menge von semanti
schen Einheiten zu erhalten (Bündeln) bzw. Änderungen von
Rahmenbedingungen aktuell an eine Menge von semantischen Ein
heiten weiterzuleiten (Kontexten).
Fig. 6 stellt ein fraktales Netz n-ter Ordnung dar, das
dazu verwendet wird, die vorhergehend hinsichtlich des zwei
ten Ausführungsbeispiels der vorliegenden Erfindung gemachten
Ausführungen zu verdeutlichen.
Das fraktale Netz in Fig. 6 dient dazu, ein mittleres
Einkommen aktuell in Abhängigkeit jeweiliger Rahmenbedingun
gen richtig zu mitteln.
Genauer gesagt ist in Fig. 6 eine mit "Anwaltskanzlei MM"
bezeichnete semantische Einheit 6 gezeigt, die über jeweils
eine Verknüpfungseinheit 1 vom Typ VA/VS mit den "Müller"
bzw. "Maier" bezeichneten semantischen Einheiten 6 verknüpft
ist, was Verknüpfungen der Art "Anwaltskanzlei MM enthält
Müller/Müller ist Teil von Anwaltskanzlei MM" und
"Anwaltskanzlei MM enthält Maier/Maier ist Teil von Anwalts
kanzlei MM" schafft. In diesem Ausführungsbeispiel der vor
liegenden Erfindung ist die mit "Anwaltskanzlei MM" bezeich
nete semantische Einheit 6 über eine Verknüpfungseinheit 5,
also eine Verknüpfungseinheit vom Typ "hat janus/Funktion/ist
Janus/Funktion von", mit einer mit "Bündle" bezeichneten se
mantischen Einheit 6 verbunden, die demgemäß in diesem Aus
führungsbeispiel der vorliegenden Erfindung als semantische
Janus-Einheit hinsichtlich der mit "Anwaltskanzlei MM" be
zeichneten semantischen Einheit 6 wirkt. Als Eingangsgröße
dieser semantischen Janus-Einheit dient der zu bündelnde
Attributtyp, also in dem Fall dieses Ausführungsbeispiels das
Einkommen, das aus den individuellen Einkommen der Kanzlei
besteht. Als Ausgangsgröße dient der semantischen Janus-Ein
heit ein Attribut, in das das mittlere Einkommen geschrieben
wird. Ein wesentlicher Vorteil bei dieser Art der Statistik
erhebung besteht darin, daß beim Hinzufügen oder Wegnehmen
eines Anwalts zu bzw. von der Kanzlei keinerlei Änderungen am
Verfahren zum Berechnen des mittleren Einkommens erforderlich
sind.
Nachstehend erfolgt die Beschreibung eines dritten Aus
führungsbeispiels der vorliegenden Erfindung.
Ein wesentlicher Vorteil der zuvor beschriebenen Janus-
Einheit besteht darin, daß diese lediglich lokal in einer de
finierten Nachbarschaft wirkt. Demgemäß ist es wichtig, den
Begriff der Nachbarschaft genauer zu definieren. Dies erfolgt
nachstehend in diesem dritten Ausführungsbeispiel der vorlie
genden Erfindung.
Der Begriff der Nachbarschaft ist eng mit dem Begriff Di
stanz verbunden. Eine erste semantische Einheit wird dann als
zu einer zweiten semantischen Einheit benachbart definiert,
wenn eine Distanz zwischen diesen kleiner als ein vorgegebe
ner oder berechneter Wert, das heißt, ein Grenzwert, ist. Da
bei hängt ein Maß der Distanz von Informations- und/oder Be
deutungsinhalten der semantischen Einheiten ab, über die die
zweite semantische Einheit von der ersten semantischen Ein
heit aus erreichbar ist.
Zum Beispiel ist es möglich, das Maß der Distanz mit Ge
wichtungen in Verknüpfungseinheiten zu berechnen, wobei in
diese Berechnung ebenso der Typ der Verknüpfungseinheit ein
geht.
Die Fig. 7a und 7b zeigen ein einfaches Beispiel für
eine derartige Verwendung eines Distanzmaßes gemäß dem drit
ten Ausführungsbeispiel der vorliegenden Erfindung.
Gemäß dem in Fig. 7a gezeigten fraktalen Netz soll die
Aufgabe gelöst werden, die Nachbarschaft Bekanntenkreis zu
der mit "Paul" bezeichneten semantischen Einheit 6 zu ermit
teln. Dies wird dadurch erzielt, daß lediglich über Verknüp
fungseinheiten 7 vom Typ "ist befreundet mit" gelaufen wird,
wobei hier angenommen wird, daß als Maß für Freundschaft die
Gewichtung der Verknüpfungseinheiten 7 vom Typ "ist befreun
det mit" angegeben wird und Freunde von Freunden ebenso als
zum Bekanntenkreis gehörig zählen.
Die Gewichtung der Verknüpfungseinheiten 7 vom Typ "ist
befreundet mit" kann zum Beispiel mittels einer Logarithmus
funktion in eine Distanz überführt werden. So beträgt die Di
stanz zwischen der mit "Paul" bezeichneten semantischen Ein
heit 6 und der mit "Peter" bezeichneten semantischen Einheit
6 zum Beispiel:
d(Paul, Peter) = -log(0,8) = 0,10.
Wenn nun in der mit "ermittle Bekanntenkreis" bezeichne
ten semantischen Janus-Einheit 6, die den Bekanntenkreis der
mit "Paul" bezeichneten semantischen Einheit 6 ermittelt, ein
Grenzwert für eine maximale Distanz von 0,2 festgelegt wird,
ergibt sich in diesem Ausführungsbeispiel als Bekanntenkreis
der mit "Paul" bezeichneten semantischen Einheit 6 die mit
"Peter" bezeichnete semantische Einheit 6 mit einer Distanz
von 0,1, die mit "Mary" bezeichnete semantische Einheit 6 mit
einer Distanz von 0,07 sowie die mit "Jakob" bezeichnete se
mantische Einheit 6 mit einer Distanz von 0,12. Nicht im Be
kanntenkreis enthalten ist jedoch die mit "Anne" bezeichnete
semantische Einheit 6 mit einer Distanz von 0,25.
Hierbei wird die Distanz der mit "Paul" bezeichneten se
mantischen Einheit 6 zu der mit "Jakob" bezeichneten semanti
schen Einheit 6 wie folgt berechnet:
d(Paul, Jakob) = d(Paul, Mary) + d(Mary, Jakob) =
-log(0,85) - log(0,9) = -log(0,85.0,9) = 0,12.
-log(0,85) - log(0,9) = -log(0,85.0,9) = 0,12.
Die vorstehend genannte Berechnung gilt analog für die
Distanz von der mit "Paul" bezeichneten semantischen Einheit
6 zu der mit "Anne" bezeichneten semantischen Einheit 6. Ge
nauer gesagt werden zur Bestimmung der Distanz die jeweiligen
Gewichtungen der Verknüpfungseinheiten 7 vom Typ "ist be
freundet mit" multipliziert. Hierbei kann sich der Bekannten
kreis ändern, ohne daß es notwendig ist, das Verfahren zur
Berechnung des Bekanntenkreises zu ändern.
Wenn nun eine mit "Pauls Bekanntenkreis" bezeichnete se
mantische Einheit 6 zu bilden ist, welche zum Beispiel als
Ergebnismenge einer Anfrage als Antwort an das fraktale Netz
zurückgegeben werden kann, dann muß, wie es in Fig. 7b ge
zeigt ist, diese mit "Pauls Bekanntenkreis" bezeichnete se
mantische Einheit 6 von der mit "ermittle Bekanntenkreis" be
zeichneten semantischen Janus-Einheit 6 erzeugt werden und
mit den entsprechenden mit Namen bezeichneten semantischen
Einheiten 6 verknüpft werden. Hierbei ist zu beachten, daß
die mit Namen bezeichneten semantischen Einheiten 6, die im
Bekanntenkreis enthalten sind, also gemäß diesem Ausführungs
beispiel die mit "Paul", "Mary" und "Jakob" bezeichneten se
mantischen Einheiten 6, automatisch mit Verknüpfungseinheiten
1 vom Typ VA/VS, genauer gesagt vom Typ "enthält/ist Teil
von", mit der mit "Pauls Bekanntenkreis" bezeichneten seman
tischen Einheit 6 verknüpft werden, wie es durch gestrichelte
Linien in Fig. 7b dargestellt ist.
Wie es vorhergehend beschrieben worden ist, wird gemäß
diesem Ausführungsbeispiel eine Distanzfunktion dazu verwen
det, um den Abstand zwischen jeweils zwei semantischen Ein
heiten anzugeben. Obgleich in diesem Ausführungsbeispiel eine
bestimmte mathematische Funktion, daß heißt, die zuvor ge
nannte logarithmische Funktion, dazu verwendet worden ist, um
die Distanz aus dem Gewicht der Verknüpfungseinheiten zu be
stimmen, sei hier festgehalten, daß andere geeignete mathema
tische Funktionen eines veränderbaren Parameters G als die
Distanzfunktion festgelegt werden können, wobei dieser Para
meter G in jeder Verknüpfungseinheit vorhanden ist und die
Stärke der Verknüpfung jeweiliger semantischer Einheiten aus
drückt.
Nachstehend erfolgt die Beschreibung eines vierten Aus
führungsbeispiels der vorliegenden Erfindung.
Um in einem fraktalen Netz vorhandenes Wissen erweitern
zu können, besteht die Notwendigkeit, neue Eingabedaten vor
zugsweise automatisch mit bereits bestehendem Wissen zu ver
knüpfen. Aus diesem Grund müssen die Eingabedaten in Form von
semantischen Einheiten vorliegen, das heißt, es müssen seman
tische Eingabeeinheiten existieren. Diese müssen ferner eine
Kennung besitzen, die sie von den semantischen Einheiten des
bereits im fraktalen Netz vorhandenen Wissens unterscheidet.
Mit einem iterativen Klassifikations- bzw. Identifikations
vorgang werden Verknüpfungseinheiten vom Typ VR/VS oder VR/VH
zwischen den semantischen Eingabeeinheiten und den zugeordne
ten semantischen Einheiten des Wissens erzeugt. Hierbei be
deutet Klassifikation/Identifikation, daß der Informationsin
halt jedes Eingabedatums zu einer oder mehreren entsprechen
den semantischen Einheiten des Wissens in Relation gesetzt
wird. Die Gewichtung der Relation ist ein Maß für die Zugehö
rigkeit der Eingabeeinheit zur entsprechenden semantischen
Einheit des Wissens.
Die Fig. 8a und 8b zeigen einen Klassifika
tions/Identifikationsvorgang eines Satzes in einem semanti
schen Netz gemäß dem vierten Ausführungsbeispiel der vorlie
genden Erfindung. Genauer gesagt zeigt Fig. 8a eine Ausgangs
situation und zeigt Fig. 8b eine Ergebnissituation.
Als Beispiel dient der Satz "Der Schlüssel steckt im
Schloß.", dessen Sinn ohne Hintergrundwissen nicht erschlos
sen werden kann, da "Schloß" einerseits ein Verriegelungsme
chanismus und andererseits ein Gebäude sein kann.
Die Aufgabe der in Fig. 8a gezeigten mit
"Klassifikationsjanus" bezeichneten semantischen Janus-Ein
heit 6 besteht nun darin, die mit "Schloß" bezeichnete seman
tische Einheit 6 auf der linken Seite dieser Figur richtig
mit dem im fraktalen Netz vorhandenen Weltwissen zu verknüp
fen. Dies geschieht dadurch, daß zum Beispiel durch eine syn
taktische Voranalyse erkannt wird, daß die mit "Schlüssel"
und "Schloß" bezeichneten semantischen Einheiten 6 auf der
linken Seite von Fig. 8a über die mit "stecken" bezeichnete
semantische Einheit 6 miteinander in Verbindung stehen. Im
bereits fraktalen Netz vorhandenen Weltwissen ist anderer
seits eine mit "Schlüssel" bezeichnete semantische Einheit 6
auf der rechten Seite von Fig. 8a durch eine nicht näher be
schriebene Relation vom Typ VR/VH mit der mit "Schloß" be
zeichneten semantischen Einheit 6 auf der rechten Seite von
Fig. 8a verbunden, die einen speziellen Verriegelungsmecha
nismus darstellt. Ferner ist diese mit "Schlüssel" bezeich
nete semantische Einheit 6 auf der rechten Seite von Fig. 8a
jedoch nicht mit der mit "Schloß" bezeichneten semantischen
Einheit 6 ganz rechts in Fig. 8a verbunden, die ein speziel
les Gebäude darstellt.
Wenn nunmehr eine Nachbarschaftsanalyse der mit
"Schlüssel" und "Schloß" bezeichneten semantischen Einheiten
6 und von deren Verknüpfungseinheiten im Weltwissen durch die
mit "Klassifikationsjanus" bezeichnete semantische Einheit 6
durchgeführt wird, ergibt sich, daß die mit "Schloß" bezeich
nete semantische Eingabeeinheit 6 auf der linken Seite in
Fig. 8a als eine semantische Einheit "Schloß" klassifiziert
wird, die ein spezieller Verriegelungsmechanismus ist. Ent
sprechend wird aus der Nachbarschaftsanalyse, die oft auch
Kontext genannt wird, die mit "stecken" bezeichnete semanti
sche Einheit 6 als Spezialfall der im im fraktalen Netz vor
handenen Weltwissen nicht weiter definierten Relation 2 zwi
schen den mit "Schlüssel" und "Schloß" bezeichneten semanti
schen Einheiten 6 klassifiziert. Hieran sind die Vorteile der
mit "Klassifikationsjanus" bezeichneten semantischen Einheit
6 deutlich zu erkennen. Es kann nicht nur die mit "Schloß"
bezeichnete semantische Einheit 6 auf der linken Seite in
Fig. 8a richtig klassifiziert werden, sondern es kann auch
gelernt werden, daß "stecken" eine mögliche Relation zwischen
den mit "Schlüssel" und "Schloß" bezeichneten semantischen
Einheiten 6 ist, wie anhand der gestrichelten Linien in Fig.
8b gezeigt wird, die die Ergebnissituation darstellt. Wie es
aus dieser Figur ferner ersichtlich ist, kann somit ebenso
das erlernte neue Wissen in das im fraktalen Netz vorhandene
Wissen aufgenommen werden.
Zusammenfassend ist also zu sagen, daß semantische Ein
heiten und/oder Teile des fraktalen Netzes klassifizierbar
sind. Diese Klassifizierung erfolgt dabei derart, das dasje
nige Maß bestimmt wird, das angibt, wie gut die betreffenden
semantischen Einheiten bzw. das fraktale Teilnetz an die mo
mentane Stelle paßt, und/oder diejenige Stelle ermittelt
wird, an die die betreffenden semantischen Einheiten bzw. das
fraktale Teilnetz besonders gut paßt. Vorzugsweise enthalten
die semantischen Einheiten eine Markierung, die angibt, ob es
sich um eine neue Eingabeeinheit oder eine bereits vorhandene
semantische Einheit handelt, wobei Eingabeeinheiten gegebe
nenfalls als fraktales Teilnetz vorliegen und/oder gegebenen
falls noch nicht über Verknüpfungseinheiten mit dem fraktalen
Netz verbunden sind. Die Aufnahme einer neuen semantischen
Einheit bzw. eines neuen Teilnetzes in das fraktale Netz er
folgt hierbei unter Berücksichtigung der Klassifikation.
Diese neuen semantischen Einheiten sind mit einer Start-Ja
nus-Einheit verknüpfbar. Ferner besteht ebenso die Möglich
keit, den semantischen Einheiten und/oder Verknüpfungseinhei
ten dahingehend Beschränkungen hinsichtlich derjenigen Arten
von Einheiten aufzuerlegen, mit denen sie verknüpfbar sind.
Obgleich es vorhergehend nicht erwähnt worden ist, können
ebenso eine oder mehrere Ein/Ausgabevorrichtungen vorgesehen
sein, mittels der bzw. denen das fraktale Netz oder ein Teil
von diesem ein- oder ausgegeben werden können.
Nachstehend erfolgt die Beschreibung eines fünften Aus
führungsbeispiels der vorliegenden Erfindung.
Es ist ein häufiger Fall, daß von einer semantischen Ein
heit eine Instanz, die Spezialfall dieser semantischen Ein
heit ist, erzeugt werden soll. In diesem Fall kann man die
semantische Einheit als Elternteil und die spezielle Instanz
als Kind bezeichnen. Ein erzeugtes Kind soll dabei einen Teil
der Nachbarschaft seines Elternteils erben. Ein diesen Fall
behandelndes fraktales Netz ist in den Fig. 9a bis 9c ge
zeigt. Hierbei ist es nützlich, wenn eine in den Fig. 9a
bis 9c mit "Vererbungsjanus" bezeichnete semantische Janus-
Einheit 6, die mit dem Elternteil verbunden ist, den Erzeu
gungs- und Vererbungsprozeß ausführt. Wie in Fig. 9c gezeigt,
können die Informationsinhalte der neu erzeugten semantischen
Einheiten mit Informationsinhalten, die aus Eingabedaten oder
anderen Quellen stammen, überschrieben werden.
Genauer gesagt wendet die in den Fig. 9a bis 9c ge
zeigte mit "Vererbungsjanus" bezeichnete semantische Einheit
6 zum Beispiel das folgende Verfahren an.
Der "Vererbungsjanus" wählt eine Nachbarschaft um den El
ternteil, mit dem er verbunden ist, aus. Eine Nachbarschaft
kann auf vielfältige Art und Weise definiert werden, zum Bei
spiel dadurch, daß nur über Verknüpfungseinheiten vom Typ
VA/VS(+), "wird beschrieben durch", und "hat Janus/Funktion
von" gelaufen werden darf, und daß nur direkte Nachbarn ge
wählt werden können. Im konkreten Anwendungsbeispiel ist die
Nachbarschaft der "Person" dadurch definiert, daß nur über
Verknüpfungseinheiten vom Typ "wird beschrieben durch" gelau
fen werden darf, d. h. daß "Augenfarbe" in der ausgewählten
Nachbarschaft der "Person" liegt, aber "Lebewesen" nicht in
der ausgewählten Nachbarschaft der "Person" liegt (siehe Fig.
9a). Es ist hierbei jedoch anzumerken, daß auch andere, für
den jeweiligen Anwendungszweck geeignete Nachbarschaften de
finiert werden können.
Nachfolgend wird eine semantische Einheit "Kind" ("neue
Person" in Fig. 9b) erzeugt, die eine spezielle Instanz der
semantischen Einheit "Elternteil" ("Person" in Fig. 9b) ist.
Das "Kind" wird über eine Verknüpfung 3 vom Typ VR/VS(+) mit
dem "Elternteil" verknüpft. Danach werden für alle semanti
schen Einheiten aus der ausgewählten Nachbarschaft ebenfalls
Kinder erzeugt. Diese Kinder werden ebenfalls über Verknüp
fungen vom Typ VR/VS(+) mit ihren jeweiligen Elternteilen
verknüpft. Im Anwendungsbeispiel wird also das Kind
"Augenfarbe der neuen Person" erzeugt und mit der semanti
schen Einheit "Augenfarbe" verknüpft (siehe Fig. 9b).
Schließlich werden alle Kinder entsprechend der Verknüpfung
ihrer jeweiligen Elternteile untereinander verknüpft. Im An
wendungsbeispiel werden also die Kinder "neue Person" und
"Augenfarbe der neuen Person" durch die Verknüpfungseinheit
2b miteinander verknüpft (siehe Fig. 9b).
Abschließend können die Informationsinhalte der Kinder
durch Informationsinhalte aus Eingabeobjekten oder anderen
Quellen überschrieben werden. Im Anwendungsbeispiel wird das
Kind "neue Person" durch "Herr Otto Maier" und das Kind
"Augenfarbe der neuen Person" durch "grün" überschrieben
(siehe Fig. 9c).
Allgemein ist zu sagen, daß die vorstehend anhand von
veranschaulichenden Ausführungsbeispielen näher erläuterte
Erfindung zum Beispiel besondere Vorteile in verteilten Rech
nersystemen (wie zum Beispiel Netzwerken, INTRANET, INTERNET
usw.) bietet, wobei die Informations- und Verknüpfungsobjekte
über eine Vielzahl von Rechnersystemen (Prozessoren) und
Speichersystemen verteilt sein können. Dadurch ist es zum
Beispiel möglich, daß viele Benutzer (weltweit) auf ein der
artiges fraktales Netz n-ter Ordnung zugreifen oder dieses
aufbauen und nutzen können. Typische Anwendungsbeispiele
hierfür sind (multimediale) Dokumenten-Management-Systeme,
geographische Informationssysteme mit heterogenen struktu
rierten Daten und Meta-Daten, d. h., Daten, die Inhalt und
Struktur von Daten-Blöcken beschreiben, sowie Projekt-Manage
ment-Systeme zur Strukturierung und Überwachung von Ge
schäftsprozessen.
Weiterhin eignet sich das zuvor beschriebene erfindungs
gemäße fraktale Netz nicht nur zur Bearbeitung von zum Bei
spiel Sprachdaten, Bilddaten oder Netzwerkstrukturen, sondern
auch zur Behandlung sogenannter chaotischer Systeme, die zum
Beispiel technische, kulturelle, wirtschaftliche oder ökolo
gische Zusammenhänge beschreiben. Die komplexen Strukturen
können darüber hinaus sowohl statisch als auch dynamisch
sein, wobei das Analysieren und/oder Bearbeiten der komplexen
Strukturen insbesondere ein Beschreiben, Suchen, Verändern
und/oder Simulieren beinhalten kann.
Bezüglich weiterer Merkmale und Vorteile der vorliegenden
Erfindung wird ausdrücklich auf die Offenbarung der Zeichnung
verwiesen.
Claims (31)
1. Fraktales Netz zum Behandeln komplexer Strukturen, wo
bei das fraktale Netz aus einer Vielzahl von Einheiten
besteht, dadurch gekennzeichnet, daß das fraktale Netz
sowohl
semantische Einheiten, die jeweils Informationsinhalte besitzen, als auch
Verknüpfungseinheiten enthält, die einen Beziehungsin halt beschreiben, der jeweils zwei semantische Einhei ten derart verknüpft, daß die gegenseitige Beziehung der beiden verknüpften semantischen Einheiten durch den Beziehungsinhalt bestimmt wird.
semantische Einheiten, die jeweils Informationsinhalte besitzen, als auch
Verknüpfungseinheiten enthält, die einen Beziehungsin halt beschreiben, der jeweils zwei semantische Einhei ten derart verknüpft, daß die gegenseitige Beziehung der beiden verknüpften semantischen Einheiten durch den Beziehungsinhalt bestimmt wird.
2. Fraktales Netz nach Anspruch 1, dadurch gekennzeichnet,
daß die Verknüpfungseinheiten eine spezielle Form von
semantischen Einheiten sind, die Informationsinhalte
und Beziehungsinhalte besitzen können.
3. Fraktales Netz nach Anspruch 1 oder 2, dadurch gekenn
zeichnet, daß der von einer semantischen Einheit be
schriebene Informationsinhalt eine Kennzeichnung
und/oder eine Auflistung derjenigen Verknüpfungseinhei
ten darstellt, die diese semantische Einheit mit ande
ren semantischen Einheiten verbindet.
4. Fraktales Netz nach Anspruch 3, dadurch gekennzeichnet,
daß die von dem Informationsinhalt beschriebene Kenn
zeichnung ein Name und/oder eine Seriennummer ist.
5. Fraktales Netz nach Anspruch 3, dadurch gekennzeichnet,
daß die von dem Informationsinhalt beschriebene Aufli
stung in strukturierter Form vorliegt.
6. Fraktales Netz nach einem der Ansprüche 1 bis 5, da
durch gekennzeichnet, daß der von einer Verknüpfungs
einheit beschriebene Beziehungsinhalt eine Verknüp
fungskennzeichnung enthält, die die jeweilige Kenn
zeichnung der durch sie verknüpften semantischen Ein
heiten, eine oder zwei Richtungsangaben in Bezug zu
diesen verknüpften semantischen Einheiten und/oder Ge
wichtungen G der ein oder zwei Richtungsangaben be
schreibt.
7. Fraktales Netz nach einem der Ansprüche 1 bis 6, da
durch gekennzeichnet, daß ebenso eine oder mehrere Ver
knüpfungseinheiten ihrerseits über jeweils eine oder
mehrere Verknüpfungseinheiten mit einer oder mehreren
semantischen Einheiten und/oder eine oder mehrere Ver
knüpfungseinheiten ihrerseits über eine oder mehrere
Verknüpfungseinheiten mit einer oder mehreren Verknüp
fungseinheiten verknüpft sein können.
8. Fraktales Netz nach einem der Ansprüche 1 bis 7, da
durch gekennzeichnet, daß der Beziehungsinhalt einer
Verknüpfungseinheit ggf. Informationen über die jewei
lige Art der Verknüpfung der in Beziehung stehenden se
mantischen Einheiten enthält.
9. Fraktales Netz nach Anspruch 8, dadurch gekennzeichnet,
daß die von einer Verknüpfungseinheit beschriebene Ver
knüpfungsart ggf. zusätzlich Informationen über eine
Relation VR, d. h., über einen Vergleich der jeweils
verknüpften Einheiten, und/oder über eine Austauschbe
ziehung VA, d. h., über eine ein- oder zweiseitige Wech
selwirkung der verknüpften Einheiten, enthält.
10. Fraktales Netz nach Anspruch 8 oder 9, dadurch gekenn
zeichnet, daß die von einer Verknüpfungseinheit be
schriebene Verknüpfungsart zusätzlich Informationen
darüber enthält, ob bei der Verknüpfungsart ein Skalen
wechsel VS oder kein Skalenwechsel VH erfolgt.
11. Fraktales Netz nach einem der Ansprüche 8 bis 10, da
durch gekennzeichnet, daß der Beziehungsinhalt einer
Verknüpfungseinheit eine aus den Paarungen VS/VR,
VS/VA, VH/VR oder VH/VA bestehende Information über die
jeweilige Art der Verknüpfung enthält.
12. Fraktales Netz nach Anspruch 10 oder 11, dadurch ge
kennzeichnet, daß die Skalierungsinformation VS dazu
dient, die Art der Beziehung zu einer größeren, d. h.,
übergeordneten, bzw. zu einer kleineren, d. h., unterge
ordneten semantischen Einheit zu beschreiben.
13. Fraktales Netz nach Anspruch 10 oder 11, dadurch ge
kennzeichnet, daß die Skalierungsinformation VS dazu
dient, die Art der Beziehung zu einer allgemeineren
bzw. zu einer spezielleren semantischen Einheit zu be
schreiben.
14. Fraktales Netz nach einem der Ansprüche 1 bis 13, ge
kennzeichnet durch eine Distanzfunktion, die den seman
tischen Abstand zwischen jeweils zwei semantischen Ein
heiten angibt.
15. Fraktales Netz nach Anspruch 6 und 14, dadurch gekenn
zeichnet, daß die Distanzfunktion über eine geeignete
mathematische Funktion eines veränderbaren Parameters G
festgelegt wird, der in mehreren Verknüpfungseinheiten
vorhanden sein kann und die Stärke der gegenseitigen
Verknüpfung ausdrückt.
16. Fraktales Netz nach einem der Ansprüche 1 bis 15, da
durch gekennzeichnet, daß die Informationsinhalte der
semantischen Einheiten und/oder Verknüpfungseinheiten
neben oder anstelle von ggf. statischen Daten auch Al
gorithmen und/oder Funktionen und/oder mathematische
Formeln enthalten.
17. Fraktales Netz nach einem der Ansprüche 1 bis 16, da
durch gekennzeichnet, daß die Informationsinhalte von
zumindest einigen der semantischen Einheiten Attribute
darstellen, die andere semantische Einheiten oder Ver
knüpfungseinheiten näher beschreiben.
18. Fraktales Netz nach Anspruch 17, dadurch gekennzeich
net, daß das Netz weiterhin besondere Verknüpfungsein
heiten enthält, die dazu dienen, die Verknüpfung von
Attribute darstellenden semantischen Einheiten mit den
jenigen semantischen Einheiten und/oder Verknüpfungs
einheiten herzustellen, denen diese Attribute zugeord
net sind.
19. Fraktales Netz nach Anspruch 17 oder 18, dadurch ge
kennzeichnet, daß die Attribute ggf. Werte enthalten,
die Elemente aus einer Menge, einem Bereich, einer Li
ste oder einer anderen geordneten oder ungeordneten
Struktur sind.
20. Fraktales Netz nach Anspruch 19, dadurch gekennzeich
net, daß die das jeweilige Attribut darstellende geord
nete bzw. ungeordnete Struktur durch Zahlen, Kalender
daten, Audiodaten, Videodaten, Textdaten, Tabellen,
Bilddaten, Geometriedaten, Fuzzy-Logik-Mengen oder ge
bündelte Daten oder eine Kombination aus diesen gebil
det ist.
21. Fraktales Netz nach einem der Ansprüche 1 bis 20, da
durch gekennzeichnet, daß das Netz zusätzlich spezielle
semantische Einheiten, Janus-Einheiten, enthält, die in
der Lage sind, an anderen semantischen Einheiten be
stimmte Operationen auszuführen.
22. Fraktales Netz nach Anspruch 21, dadurch gekennzeich
net, daß jede Janus-Einheit über eine oder mehrere Ver
knüpfungseinheiten mit einer oder mehreren anderen se
mantischen Einheiten verknüpft ist, wobei die Funktio
nalität der Janus-Einheit derart eingeschränkt ist, daß
sie lediglich in der Lage ist, an denjenigen semanti
schen Einheiten die bestimmten Operationen auszuführen,
die sich in einem vorgegebenen Nachbarschaftsbereich
dieser einer oder mehreren verknüpften semantischen
Einheiten befinden.
23. Fraktales Netz nach Anspruch 21, dadurch gekennzeich
net, daß eine Janus-Einheit ggf. über eine oder mehrere
Verknüpfungseinheiten mit einer oder mehreren anderen
Janus-Einheiten verknüpft ist.
24. Fraktales Netz nach einem der Ansprüche 21 bis 23, da
durch gekennzeichnet, daß eine Janus-Einheit in der
Lage ist, eine oder mehrere der folgenden Operationen
auszuführen: das Erzeugen neuer semantischer Einheiten;
das Bündeln bereits vorhandener semantischer Einheiten
zu einer einzigen, ggf. neu zu erzeugenden semantischen
Einheit; das Verändern und/oder Löschen bereits vorhan
dener semantischer Einheiten; das Vergleichen vorhande
ner semantischer Einheiten; das Erfassen und die Ände
rung der Werte von Attributen; das Ausführen eines Al
gorithmus und/oder das Berechnen einer Funktion; das
Erfassen und/oder Verändern von Algorithmen; das Erfas
sen eines Janus oder eines Teils eines Janus.
25. Fraktales Netz nach einem der Ansprüche 1 bis 24, da
durch gekennzeichnet, daß semantische Einheiten
und/oder Teile des fraktalen Netzes klassifizierbar
sind.
26. Fraktales Netz nach Anspruch 25, dadurch gekennzeich
net, daß die Klassifizierung durch Bestimmung desjeni
gen Passungsmaßes erfolgt, das angibt, wie gut die be
treffenden semantischen Einheiten bzw. das fraktale
Teilnetz an eine gegebene Stelle paßt, und/oder durch
Ermittlung derjenigen Stellen im fraktalen Netz, an de
nen die betreffenden semantischen Einheiten bzw. das
fraktale Teilnetz besonders gut passen, wobei die je
weiligen Passungsmaße mitangegeben werden können.
27. Fraktales Netz nach einem der Ansprüche 1 bis 26, da
durch gekennzeichnet, daß die semantischen Einheiten
eine Markierung enthalten, die angibt, ob es sich um
eine neue Eingabeeinheit oder eine bereits vorhandene
Einheit handelt, wobei Eingabeeinheiten ggf. als frak
tales Teilnetz vorliegen und/oder ggf. noch nicht über
Verknüpfungseinheiten mit dem Netz verbunden sind.
28. Fraktales Netz nach Anspruch 26 und 27, dadurch gekenn
zeichnet, daß die Aufnahme einer neuen Einheit bzw. ei
nes neuen Teilnetzes in das fraktale Netz unter Berück
sichtigung der Klassifikation erfolgt.
29. Fraktales Netz nach Anspruch 27 oder 28, dadurch ge
kennzeichnet, daß neue semantische Einheiten mit einer
Start-Janus-Einheit verknüpfbar sind.
30. Fraktales Netz nach einem der Ansprüche 1 bis 29, da
durch gekennzeichnet, daß den semantischen Einheiten
und/oder Verknüpfungseinheiten Beschränkungen hinsicht
lich derjenigen Arten von Einheiten auflegbar sind, mit
denen sie verknüpfbar sind.
31. Fraktales Netz nach einem der Ansprüche 1 bis 30, ge
kennzeichnet durch eine oder mehrere Ein/Ausgabevor
richtungen zur Ein- bzw. Ausgabe des fraktalen Netzes
oder eines Teils desselben.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19908204A DE19908204A1 (de) | 1998-10-02 | 1999-02-25 | Fraktales Netz n-ter Ordnung zum Behandeln komplexer Strukturen |
EP99970183A EP1116108A1 (de) | 1998-10-02 | 1999-09-24 | Fraktales netz n-ter ordnung zum behandeln komplexer strukturen |
JP2000575023A JP2002526856A (ja) | 1998-10-02 | 1999-09-24 | 複合構造を処理するためのn次フラクタルネットワーク |
PCT/EP1999/007137 WO2000020964A1 (de) | 1998-10-02 | 1999-09-24 | Fraktales netz n-ter ordnung zum behandeln komplexer strukturen |
US10/197,150 US20020188436A1 (en) | 1998-02-10 | 2002-07-15 | Nth- order fractal network for handling complex structures |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19845555 | 1998-10-02 | ||
DE19908204A DE19908204A1 (de) | 1998-10-02 | 1999-02-25 | Fraktales Netz n-ter Ordnung zum Behandeln komplexer Strukturen |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19908204A1 true DE19908204A1 (de) | 2000-04-06 |
Family
ID=7883275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19908204A Withdrawn DE19908204A1 (de) | 1998-02-10 | 1999-02-25 | Fraktales Netz n-ter Ordnung zum Behandeln komplexer Strukturen |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19908204A1 (de) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1213660A2 (de) * | 2000-06-24 | 2002-06-12 | International Business Machines Corporation | Verständnis von Bedeutung mittels lokaler, durchdringender Intelligenz |
WO2004036337A2 (en) * | 2002-10-15 | 2004-04-29 | Definiens Ag | Information extraction using an object based semantic network |
US7523079B2 (en) | 1999-04-19 | 2009-04-21 | Definiens Ag | Situation dependent operation of a semantic network machine |
US7574053B2 (en) | 1999-12-14 | 2009-08-11 | Definiens Ag | Method for processing data structures |
US7801361B2 (en) | 2002-10-15 | 2010-09-21 | Definiens Ag | Analyzing pixel data using image, thematic and object layers of a computer-implemented network structure |
US7873223B2 (en) | 2002-10-15 | 2011-01-18 | Definiens Ag | Cognition integrator and language |
US8019134B2 (en) | 2006-11-16 | 2011-09-13 | Definiens Ag | Automatic image analysis and quantification for fluorescence in situ hybridization |
US8542899B2 (en) | 2006-11-30 | 2013-09-24 | Definiens Ag | Automatic image analysis and quantification for fluorescence in situ hybridization |
US8594410B2 (en) | 2006-08-28 | 2013-11-26 | Definiens Ag | Context driven image mining to generate image-based biomarkers |
-
1999
- 1999-02-25 DE DE19908204A patent/DE19908204A1/de not_active Withdrawn
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7523079B2 (en) | 1999-04-19 | 2009-04-21 | Definiens Ag | Situation dependent operation of a semantic network machine |
US7574053B2 (en) | 1999-12-14 | 2009-08-11 | Definiens Ag | Method for processing data structures |
EP1213660A3 (de) * | 2000-06-24 | 2009-03-18 | International Business Machines Corporation | Verständnis von Bedeutung mittels lokaler, durchdringender Intelligenz |
EP1213660A2 (de) * | 2000-06-24 | 2002-06-12 | International Business Machines Corporation | Verständnis von Bedeutung mittels lokaler, durchdringender Intelligenz |
US7146380B2 (en) | 2002-10-15 | 2006-12-05 | Definiens Ag | Extracting information from input data using a semantic cognition network |
US7467159B2 (en) | 2002-10-15 | 2008-12-16 | Definiens Ag | Generating applications that analyze image data using a semantic cognition network |
WO2004036337A3 (en) * | 2002-10-15 | 2004-09-30 | Definiens Ag | Information extraction using an object based semantic network |
WO2004036337A2 (en) * | 2002-10-15 | 2004-04-29 | Definiens Ag | Information extraction using an object based semantic network |
US7801361B2 (en) | 2002-10-15 | 2010-09-21 | Definiens Ag | Analyzing pixel data using image, thematic and object layers of a computer-implemented network structure |
US7873223B2 (en) | 2002-10-15 | 2011-01-18 | Definiens Ag | Cognition integrator and language |
US9245337B2 (en) | 2002-10-15 | 2016-01-26 | Definiens Ag | Context driven image mining to generate image-based biomarkers |
US8594410B2 (en) | 2006-08-28 | 2013-11-26 | Definiens Ag | Context driven image mining to generate image-based biomarkers |
US8019134B2 (en) | 2006-11-16 | 2011-09-13 | Definiens Ag | Automatic image analysis and quantification for fluorescence in situ hybridization |
US8391575B2 (en) | 2006-11-16 | 2013-03-05 | Definiens Ag | Automatic image analysis and quantification for fluorescence in situ hybridization |
US8542899B2 (en) | 2006-11-30 | 2013-09-24 | Definiens Ag | Automatic image analysis and quantification for fluorescence in situ hybridization |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3650417T2 (de) | Informationsaufzeichnungs- und Wiederauffindungssystem. | |
EP1183619B1 (de) | Situationsabhängig operierendes semantisches netz n-ter ordnung | |
DE60002876T2 (de) | Darstellung, verwaltung und synthese von technischen inhalten | |
EP1258812B1 (de) | Virtuelle Datenbank heterogener Datenstrukturen | |
DE60130475T2 (de) | Durchführung von kalkulationen eines tabellenkalkulationstyps in einem datenbanksystem | |
DE60121231T2 (de) | Datenverarbeitungsverfahren | |
DE3685671T2 (de) | Aufzeichnungs- und wiederauffindungsverfahren fuer chemische strukturdaten. | |
DE10149693A1 (de) | Objekte in einem Computersystem | |
DE19627472A1 (de) | Datenbanksystem | |
EP1690219A2 (de) | Inferenzmaschine | |
EP1166228B1 (de) | Verfahren zur nutzung von fraktalen semantischen netzen für alle arten von datenbank-anwendungen | |
DE19908204A1 (de) | Fraktales Netz n-ter Ordnung zum Behandeln komplexer Strukturen | |
WO2021104608A1 (de) | Verfahren zum erzeugen eines engineering-vorschlags für eine vorrichtung oder anlage | |
EP1224579A2 (de) | Verfahren zur behandlung von datenobjekten | |
DE10218905A1 (de) | Verfahren und Vorrichtung zur Zugriffssteuerung in Wissensnetzen | |
WO2021190715A1 (de) | Computerimplementiertes verfahren und verteiltes speichersystem zum bereitstellen vertrauenswürdiger datenobjekte | |
EP1116108A1 (de) | Fraktales netz n-ter ordnung zum behandeln komplexer strukturen | |
DE112019006203T5 (de) | Verfahren zur Klassifizierung von Inhalten und Verfahren zur Erzeugung eines Klassifizierungsmodells | |
EP1285315B1 (de) | Informationsverarbeitungssystem und verfahren zu dessen betrieb | |
DE10103845A1 (de) | Rechnersystem | |
EP2050022A1 (de) | Verfahren zur herstellung skalierbarer bildmatrizen | |
EP1187001A2 (de) | Integriertes Wissens-Technologiesystem | |
EP2320358A2 (de) | Computerimplementiertes Verfahren zum automatischen wissensbasierten Erzeugen von anwenderrelevanten Daten | |
Finkes | A hierarchical Eclipse-based editor for system dependency graphs | |
Liedtke et al. | Peter C. Lockemann, Marcus Adams, Martin Bever, Klaus R. Dittrich, Barbara Ferkinghoff, Willi Gotthard, Angelika M. Kotz |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8127 | New person/name/address of the applicant |
Owner name: DELPHI 2 CREATIVE TECHNOLOGIES GMBH, 80331 MUENCHE |
|
8128 | New person/name/address of the agent |
Representative=s name: WINTER, BRANDL, FUERNISS, HUEBNER, ROESS, KAISER, |
|
8127 | New person/name/address of the applicant |
Owner name: DEFINIENS AG, 80331 MUENCHEN, DE IBM INTERNATIONAL |
|
8141 | Disposal/no request for examination |