1. Họ và tên: Nguyễn Văn Thẩm 2. Giới tính: Nam 3. Ngày sinh: 27/06/1982 4. Nơi sinh: Nam Định 5. Quyết định công nhận nghiên cứu sinh số: 778/QĐ-ĐT ngày 21 tháng 08 năm 2017 của Hiệu trưởng trường Đại học công nghệ, Đại học Quốc gia Hà Nội. 6. Các thay đổi trong quá trình đào tạo: Không 7. Tên đề tài luận án: Khôi phục tính nhất quán và tích hợp tri thức sử dụng mô hình xác suất 8. Chuyên ngành: Hệ thống thông tin 9. Mã số: 9480104.01 10. Cán bộ hướng dẫn khoa học: GS.TSKH Nguyễn Ngọc Thành; TS. Trần Trọng Hiếu 11. Tóm tắt các kết quả mới của luận án: Luận án đã đạt được một số kết quả chính như sau: Thứ nhất, luận án đề xuất một kiến trúc xây dựng hệ thống tích hợp các cơ sở tri thức xác suất. Thứ hai, luận án đề xuất hai phương pháp khôi phục tính nhất quán: Mô hình khôi phục tính nhất quán của cơ sở tri thức xác suất theo chuẩn và mô hình khôi phục tính nhất quán của cơ sở tri thức xác suất phi chuẩn. Cụ thể, luận án đề xuất các toán tử khôi phục; xem xét và đề xuất một tập các tiên đề mà các toán tử này nên thỏa mãn. Tiếp theo, luận án chứng minh các mối quan hệ lôgic trong tập các tiên đề này. Luận án phát biểu và chứng minh bài toán khôi phục tính nhất quán cũng như đề xuất thuật toán khôi phục tính nhất quán và đánh giá độ phức tạp của thuật toán này bằng chứng minh toán học. Cuối cùng, luận án tiến hành cài đặt, đánh giá và phân tích về độ tin cậy của các kết quả thu được cũng như chi phí thực hiện các thuật toán trong mô hình đã đề xuất trên các bộ thực nghiệm. Thứ ba, luận án đề xuất hai phương pháp tích hợp các cơ sở tri thức xác suất: Phương pháp tích hợp dựa trên khoảng cách và phương pháp tích hợp dựa trên giá trị xác suất. - Với cách tiếp cận dựa trên khoảng cách, luận án đề xuất kiến trúc chung của một hệ thống tri thức dựa trên xác suất. Theo khía cạnh lý thuyết, một số định lý được đề xuất và chứng minh để cung cấp nền tảng toán học cho việc xây dựng mô hình tích hợp. Bài toán tích hợp được xem xét dựa trên một tập các sự kiện trong một hồ sơ cơ sở tri thức xác suất và chấp nhận các cơ sở tri thức đầu vào không nhất quán và đa dạng về cấu trúc. Luận án đã tìm hiểu và khai thác thế mạnh của 21 hàm khoảng các phân kỳ để sử dụng chúng trong tiến trình tích hợp. Theo khía cạnh thực nghiệm, một số thuật toán tích hợp dựa trên 21 hàm khoảng cách phân kỳ được đề xuất. Thông qua kết quả của các thực nghiệm, luận án tiến hành đánh giá và so sánh hiệu suất tính toán cũng như kết quả tích hợp thu được giữa các thuật toán theo 3 chuẩn khi số sự kiện và các tham số đầu vào được thay đổi. - Với cách tiếp cận dựa trên giá trị xác suất, luận án đề xuất đề xuất hai toán tử tích hợp tri thức. Sau đó, luận án xem xét một tập các tính chất kỳ vọng mà hai toán tử tích hợp tri thức này nên thỏa mãn. đề xuất các thuật toán tích hợp tri thức xác suất dựa trên giá trị xác suất; đánh giá độ phức tạp của các thuật toán bằng chứng minh toán học. 12. Khả năng ứng dụng trong thực tiễn: Các kết quả nghiên cứu của luận án có thể được ứng dụng rộng rãi trong các hệ thống hỗ trợ quyết định, hệ thống web ngữ nghĩa, hệ thống truy xuất thông tin đa phương tiện, hệ thống hình ảnh y học, hệ thống thông tin hợp tác, cơ sở dữ liệu đa phương tiện, hệ thống suy luận, hệ thống chuyên gia phân tán cũng như hệ thống chuyên gia nhằm nâng cao độ chính xác của hệ thống chẩn đoán dịch bệnh, hệ thống dự báo kinh tế, hệ thống dự báo thời tiết; hệ thống ứng phó với biến đổi khí hậu, phòng chống thiên tai, dịch bệnh; và các lĩnh vực khác. Những hệ thống này phục vụ cho nhiều mặt của đời sống xã hội cũng như an ninh quốc phòng. 13. Những hướng nghiên cứu tiếp theo: - Tiếp tục tìm hiểu và nghiên cứu thêm về các kỹ thuật chuyển đổi và biểu diễn cơ sở tri thức xác suất để xây dựng và cài đặt hệ thống con “Xây dựng cơ sở tri thức xác suất” từ cơ sở tri thức trong thực tế; về các luật giảm ràng buộc xác suất để xây dựng và cài đặt hệ thống con “Giảm các ràng buộc xác suất” trong hệ thống tích hợp các cơ sở tri thức xác suất. - Cải thiện các thuật toán khôi phục tính nhất quán và tích hợp các cơ sở tri thức xác suất theo hướng hiệu quả hơn về hiệu suất tính toán cũng như xây dựng một bộ dữ liệu chuẩn phục vụ cho các nghiên cứu và thực nghiệm tiếp theo. 14. Các công trình đã công bố có liên quan đến luận án: Van Tham Nguyen, Trong Hieu Tran (2017), "Inconsistency Measures for Probabilistic Knowledge Bases", In: Proceedings KSE 2017, IEEE Xplore, pp 156-161. Van Tham Nguyen, Ngoc Thanh Nguyen, Trong Hieu Tran, Do Kieu Loan Nguyen (2018), "Method for restoring consistency in probabilistic knowledge bases", Journal of Cybernetics and Systems, Taylor & Francis, Volume 49, pp 317-338. (SCIE Journal, IF=1.433). Van Tham Nguyen, Trong Hieu Tran (2018), "Solving inconsistencies in probabilistic knowledge bases via inconsistency measures", In: Prof. of ACIIDS 2018, Lecture Notes in Artificial Intelligence, Springer, pp 3-14. Van Tham Nguyen, Ngoc Thanh Nguyen, Trong Hieu Tran (2018), "Framework for Merging Probabilistic Knowledge Bases", In: Prof. of ICCCI 2018, Lecture Notes in Artificial Intelligence, Springer, pp 31-42. Van Tham Nguyen, Ngoc Thanh Nguyen, Trong Hieu Tran (2019), "Algorithms for Merging Probabilistic Knowledge Bases", In: Prof. of ACIIDS 2019, Lecture Notes in Artificial Intelligence, Springer, pp 3-15. Van Tham Nguyen, Ngoc Thanh Nguyen, Trong Hieu Tran (2019), "A distance-based approach for merging probabilistic knowledge bases", Journal of Intelligent & Fuzzy Systems IOS Press, Volume 37, pp 7265-7278. (SCIE Journal, IF=1.851) Van Tham Nguyen, Ngoc Thanh Nguyen, Trong Hieu Tran (2021), "A model for building probabilistic knowledge-based systems using divergence distances", Journal of Expert Systems with Applications, Elsevier, Volume 174, pp 114494. (SCIE Journal, IF=5.452). |