Poslední úprava: RNDr. Michal Kopecký, Ph.D. (10.05.2017)
Při současné záplavě informací je třeba mít modely zpracování informací, které je uspořádají dle relevance.
Cílem přednášky je propojit různé informační modely (hlavně deklarativní: deduktivní a induktivní) a obohatit je o rozměr uspořádání.
Studenti se naučí základy vícehodnotového logického programování, datový model a algoritmus pro výpočet top-k výsledků bez potřeby vidět všechna data.
V induktivní části přednášky se pracuje s ohodnocenými daty pro predikci uspořádání se základy experimentování a měr pro vyhodnocení.
Vhodná je znalost logiky, databází a pravděpodobnosti a statistiky.
Poslední úprava: RNDr. Michal Kopecký, Ph.D. (10.05.2017)
With the current flood of information it is necessary to have processing models, which provide relevance ordering.
The aim is to inter-link several information models (mainly declarative: deductive and inductive ) and extend them with ordering.
We treat basics of multi-valued logic programming, data model and algorithm calculating the top-k results without necessity to see all of data.
In the inductive part of the lecture we work with rated data for prediction of ordering with basics of experimentation and measure for evaluation.
Knowledge of logic, databases and probability is suitable.
Literatura -
Poslední úprava: RNDr. Michal Kopecký, Ph.D. (09.05.2019)
Fagin, Lotem, Naor. Optimal aggregation algorithms for middleware, J. Computer and System Sciences 66 (2003), pp. 614-656, http://researcher.watson.ibm.com/researcher/files/us-fagin/jcss03.pdf
Učební materiál na webu předmětu
Poslední úprava: RNDr. Michal Kopecký, Ph.D. (09.05.2019)
Fagin, Lotem, Naor. Optimal aggregation algorithms for middleware, J. Computer and System Sciences 66 (2003), pp. 614-656, http://researcher.watson.ibm.com/researcher/files/us-fagin/jcss03.pdf
Supporting material on the course web
Sylabus -
Poslední úprava: RNDr. Michal Kopecký, Ph.D. (10.05.2017)
Informační modely a uspořádání
Motivační problémy, use-case, data, výzva, cíl, co/kdo je lepší
Různé způsoby reprezentace a prezentace dat, informací, znalostí
Lineární Monotónní Preferenční Model
Faginův datový model a prahový top-k algoritmus
Lineární Monotónní Preferenční Model a Faginův datový model
Prahový algoritmus, korektnost
Míry úspěšnosti algoritmů
Odporučovací systémy a personalizace - příklady off-line dat, míry úspěšnosti
Indukce, učení, abdukce - Experiment v informatice
Vícehodnotové logické programování
Vícehodnotové charakteristické funkce množin jako kódovaní uspořádání, vícehodnotová logika, spojky
Vícehodnotový modus ponens - Deklarativní modely - model dedukce, indukce, dotazování
Vícehodnotový modus ponens, reziduované operátory a korektnost
Vícehodnotové logické programování/Datalog - korektnost modelu
Rámec pro převoditelnost informačních modelů
Formální model korektní převoditelnosti/transformace úloh
Informační modely a uspořádání
Různé způsoby reprezentace a prezentace dat, informací, znalostí - výhody, slabiny, výzvy - teorie a praxe
Různé způsoby reprezentace, prezentace a automatizace důkazů, výpočtů, dotazů, vyhledávání - výhody, slabiny, výzvy - teorie a praxe
Poslední úprava: RNDr. Michal Kopecký, Ph.D. (10.05.2017)
Information models and ordering
Motivation problems, use-case, data, challenge, goal, who/what is better
Various representation and presentations of ordering in data, information, knowledge
Linear Monotone Preference Model
Fagin's data model and threshold top-k algorithm
Lineární Monotónní Preferenční Model a Faginův datový model
Threshold algorithm, Correctness
Measures of algorithm success
Recommender systems and personalization - examples of offline data, measures of success
Induction, learning, abduction - Experiments in computer science -
Many valued logic programming
Many valued characteristics of sets as a tool for coding ordering, many valued logic, connectives
Many valued modus ponens - declarative models - model of deduction, induction, querying
Many valued modus ponens, residuated operators and correctness
Many valued logic programming/Datalog and correctness
Framework for transferability of information models
Formal framework for correct transformation of tasks
Information models and ordering
Various representation and presentations of data, information, knowledge - strength, weakness and challenges - theory and everyday life
Various representation, presentations and automation of proofs, computations
