Resumen

Los sistemas de apoyo a decisiones basados en la representación del conocimiento mediante reglas deben estar equipados con mecanismos de gestión de reglas. La exploración efectiva de nuevos conocimientos en cada dominio de la vida humana requiere nuevos algoritmos de organización del conocimiento y una búsqueda exhaustiva de las estructuras de datos creadas. En este trabajo, el autor introduce una optimización tanto de la estructura de la base de conocimientos como del algoritmo de inferencia. Por lo tanto, se propone una nueva estructura de base de conocimientos organizada jerárquicamente que se basa en el método de análisis de clusters y un nuevo algoritmo de inferencia de encadenamiento hacia adelante que busca solo a los llamados representantes de los clusters de reglas. Utilizando el enfoque de similitud, el algoritmo intenta descubrir nuevos hechos (nuevos conocimientos) a partir de reglas y hechos ya conocidos. El autor define y analiza cuatro diversos métodos de generación de representantes para los clusters de reglas. Los resultados experimentales contienen el análisis del impacto de los mét

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Sistemas de apoyo a la decisión; Representación del conocimiento basada en reglas; Organización del conocimiento; Método de análisis de clusters; Algoritmo de inferencia de encadenamiento hacia adelante; Métodos de generación de representantes
• Keywords:Decision support systems; Rule-based knowledge representation; Knowledge organization; Cluster analysis method; Forward-chaining inference algorithm; Representative generation methods