Name
Abstract | ||
|---|---|---|
Situations, the semantic interpretations of context, provide a better basis for selecting adaptive behaviours than context itself. The definition of situations typically rests on the ability to define logical expressions and inference methods to identify particular situations. In this paper we extend this approach to provide for efficient organisation and selection in systems with large numbers of situations having structured relationships to each other. We apply lattice theory to define a specialisation relationship across situations, and show how this can be used to improve the identification of situations using lattice operators and uncertain reasoning. We demonstrate the technique against a real-world dataset. RÉSUMÉ. Les situations, les interprétations sémantiques du contexte, fournissent une meilleure base pour sélectionner des comportements adaptatifs que le contexte lui-même. La définition des situations repose typiquement sur la capacité de définir des expressions logiques et des méthodes d'inférences pour identifier des situations particulières. Dans ce papier, nous éten- dons cette approche pour fournir une organisation et une sélection efficaces à des systèmes avec un très grand nombre de situations entretenant des relations structurées entre-elles. Nous appliquons les treillis de Gallois pour définir une relation de spécialisation sur les situations, et nous montrons comment le résultat peut être utilisé pour améliorer l'identification de situa- tions utilisant les opérateurs du treillis et le raisonnement incertain. La technique présentée est finalement validée sur un ensemble de données de taille réelle. |
Year | DOI | Venue |
|---|---|---|
2008 | 10.3166/ria.22.647-667 | Revue d'Intelligence Artificielle |
Keywords | Field | DocType |
bayesian net- work mots-clés : systèmes,treillis,context-aware computing,lattice theory,réseaux bayésiens,systèmes contextuels,incertitude,situation,uncertainty,semantic interpretation,expert systems | Expression (mathematics),Computer science,Inference,Expert system,Theoretical computer science,Bayesian network,Artificial intelligence,Operator (computer programming),Software architecture,Hierarchy,Semantics,Machine learning | Journal |
Volume | Issue | Citations |
22 | 5 | 20 |
PageRank | References | Authors |
0.99 | 16 | 4 |
Name | Order | Citations | PageRank |
|---|---|---|---|
| Juan Ye | 1 | 125 | 9.82 |
| Lorcan Coyle | 2 | 612 | 31.96 |
| Simon A. Dobson | 3 | 198 | 24.85 |
| Paddy Nixon | 4 | 1285 | 116.64 |