Model-Based Information Retrieval in Intelligent Environments
Dokumentinformationen
| Autor | Norman Köster |
| instructor | Prof. Dr. Philipp Cimiano |
| Schule | Bielefeld University |
| Fachrichtung | Engineering |
| Dokumenttyp | doctoral thesis |
| Veröffentlichungsjahr | 2020 |
| Ort | Bielefeld |
| Sprache | English |
| Seitenanzahl | 239 |
| Format | |
| Größe | 10.00 MB |
- Intelligent Environments
- Human-Robot Interaction
- Model-driven Software Engineering
Zusammenfassung
I. Einleitung
Die Forschung zu menschlichem Verhalten und den (nicht-)verbalen Interaktionen in intelligenten Umgebungen hat in den letzten Jahren an Bedeutung gewonnen. Intelligente Systeme, wie Roboterbegleiter oder smarte Umgebungen, sind zunehmend in der Lage, wertvolle und robuste Kommunikation zu ermöglichen. Diese Systeme sind stark von den Daten und dem Wissen abhängig, die von verschiedenen Sensoren und Softwarekomponenten bereitgestellt werden. Die Herausforderung besteht darin, den Zugang zu einer Vielzahl von Daten und domänenspezifischem Wissen in einer verwaltbaren und unterstützenden Weise zu ermöglichen. Die vorliegende Dissertation untersucht die Anwendbarkeit eines modellgetriebenen Software-Engineering-Ansatzes (MDSE), um Entwicklern von intelligenten Systemen und Umgebungen den Informationsabruf zu erleichtern. Die Analyse zeigt, dass umfangreiche Modellierung des Domänenwissens den Abruf- und Abfrageerstellungsprozess bereits während der Entwurfsphase unterstützen kann.
1.1 Forschungsfragen und Beitrag
Die Dissertation formuliert zentrale Forschungsfragen, die sich mit der Gestaltung von domänenspezifischen Sprachen (DSL), Semantik und Komposition befassen. Diese Fragen sind entscheidend, um die notwendigen Konzeptualisierungen für die Bereitstellung einer erweiterbaren Graphabfragesprache zu identifizieren, die das verfügbare modellbasierte Wissen nutzt. Die Ergebnisse dieser Analyse sind von großer Bedeutung für die Entwicklung intelligenter Systeme, da sie die Effizienz und Benutzerfreundlichkeit der Abfrageerstellung verbessern können.
II. Graphbasierte Wissensrepräsentation und management
Die Verwendung von Graphen zur Strukturierung und Speicherung von Wissen in intelligenten Systemen ist ein zentrales Thema dieser Dissertation. Graphen ermöglichen es, domänenspezifische Entitäten und deren Beziehungen darzustellen. Die Dissertation untersucht die Rolle von Graphen in intelligenten Systemen und deren Beitrag zur Wissensverwaltung. Die Analyse zeigt, dass graphbasierte Strukturen eine effektive Methode zur Handhabung heterogener und komplexer Datenmengen darstellen. Die Implementierung eines vertikalen Prototyps, der einen funktionalen Teil des vorgeschlagenen Systems realisiert, wird ebenfalls beschrieben. Die Evaluation des Prototyps in einem realen Anwendungskontext zeigt, dass die Benutzerfreundlichkeit im Vergleich zu bestehenden Werkzeugen verbessert werden kann, insbesondere nach Überwindung der anfänglichen Lernkurve.
2.1 Daten Informations und Wissensmodellierung
Die Dissertation behandelt die Modellierung von Daten, Informationen und Wissen als fundamentale Aspekte der graphbasierten Wissensrepräsentation. Die Analyse der verschiedenen Ebenen der Datenmodellierung zeigt, dass eine klare Strukturierung der Informationen entscheidend für die Effizienz der Abfrageerstellung ist. Die Ergebnisse belegen, dass eine gut durchdachte Modellierung nicht nur die Benutzerfreundlichkeit erhöht, sondern auch die Qualität der abgerufenen Informationen verbessert.
III. Modellgetriebenes Software Engineering
Das Konzept des modellgetriebenen Software-Engineerings (MDSE) wird als Schlüssel zur Unterstützung der Entwickler von intelligenten Systemen hervorgehoben. Die Dissertation beschreibt die Grundlagen und Vorteile von MDSE, einschließlich der Anwendung in angrenzenden Domänen. Die Analyse zeigt, dass MDSE nicht nur die Effizienz der Softwareentwicklung steigert, sondern auch die Qualität der entwickelten Systeme verbessert. Die Dissertation bietet einen umfassenden Überblick über den MDSE-Entwicklungsprozess und hebt die Bedeutung der Modelltransformationen hervor, die für die Implementierung von intelligenten Systemen erforderlich sind.
3.1 Grundlagen und Einführung
Die Grundlagen des MDSE werden detailliert erläutert, einschließlich der Rolle von Modellen und Transformationen. Die Dissertation zeigt, wie MDSE-Ansätze die Entwicklung von intelligenten Systemen revolutionieren können, indem sie eine klare Trennung zwischen den verschiedenen Entwicklungsphasen ermöglichen. Die Ergebnisse dieser Analyse sind von großer Bedeutung für die zukünftige Forschung und Entwicklung im Bereich der intelligenten Systeme.
Dokumentreferenz
- Model-Based Information Retrieval in Intelligent Environments (Norman Köster)
- Graph-based Knowledge Management (Unbekannt)
- Domain-Specific Languages (Unbekannt)
- Embodied Interaction in Smart Environments (Unbekannt)
- The CSRA Project (Unbekannt)