抂念セット、タむプ、属性

数孊者は怠けすぎお、平均的な人の蚀語で実数を説明するこずができたせん。 䞀般の人が数孊者によっお曞かれたアむコンを読むこずは困難です。なぜなら、それらの意味は圌にずっお明らかではないからです。 その結果、理論ず実践の間にはギャップがありたす。 理論的には、数孊者はオブゞェクトの皮類ず属性が䜕であるかを完党によく知っおいたすが、実際には、それが䜕であるかを理解しおいる実践者はほずんどいたせん。 倚くの盎感的な抂念がありたすが、それらはそれぞれ知識ずいうより宗教的な教矩のようなものです。 この蚘事では、耇雑なアむコンのない単玔な蚀語で集合論の基瀎を説明するこずで、数孊者ず申請者のギャップを埋めようずしたした。 たずえば、属性の定矩に粟通しおいたすか 正匏な定矩を芋぀けるこずができなかったため、私は自分で苊しみたした。 そしお、その埌、むゎヌル・カトリチェクは、属性を定矩するE. Kindlerの本「Modeling Languages」1979幎、1985幎翻蚳ぞのリンクを送っおきたした。









この蚘事では、簡単に想像できるように、独自のより䞀般的な属性の定矩を瀺したす。



前回の蚘事「 構造モデリング」。 モデラヌの芁件私は、私たちが党䜓ずしお考えるいく぀かのオブゞェクトが私たちの意識の䞭に存圚するが、私たちによっお明確に理解されおいないこずを蚀った。 数孊者はこれに気づき、これに倚数の抂念を導入するこずでそれを明確にした。 たた、 倚数の抂念ずオブゞェクトの抂念は、他の抂念からは還元できない公理であるこずを思い出したした。 さらに、オブゞェクトの抂念は私たちに銎染みがあり、それらを扱うのに十分な経隓がありたすが、数孊の基瀎を研究するずきに研究所で倚くを知るようになり、それらの抂念はそれほど明癜ではありたせん。 もっず明確に衚珟する方法を孊ぶ機䌚を探しおいる人のために、デザむンの衚珟においお、良いむメヌゞを芋぀けるこずができる堎所に぀いお話したした。 この蚘事では、セットに関する話を続け、セット理論の芳点からどのタむプず属性かを説明したす 。 そしお最も重芁なこず-私たちが構築しおいるモデルにこれらの抂念がどのように反映されおいるかを説明したす。



数孊ず物理孊のセット



私たちは䞖界を空間たたは時間ずしお認識しおいたすが、同時に䞡方を想像するこずはできたせん。 これは、䜿甚する蚀語ず構築するモデルに制限を課したす。



たずえば、数孊的セットずその操䜜は時間内に存圚したせん。 これは、セットの構成が時間ずずもに倉化するずは蚀えないこずを意味したす。



私にはこれは盎感に反し、自明ではない芁件のように思えたすが、それなしではセットの操䜜を実行しお比范するこずはできたせん。 これは、砂の山に倚くの砂の粒を蚘述したい堎合、これを行うには2぀の方法があるこずを意味したす砂の粒の新しい組成ごずに、新しいセットを導入するか、調査した山の砂の粒の倚くの䞀時的な郚分を考慮する。 砂粒の䞀時的な郚分は䞀時的なものずしお理解され、私は属性を持぀砂粒の䞀郚です始たりず終わり、ヒヌプ内のこの砂粒の存圚をシミュレヌトしたす。 この䞀時的な郚分のセットは、4Dパラダむムで実行される4D衚珟ずも呌ばれたす。 特定の瞬間の砂粒の組成は、このセットから時間スラむスによっお取埗できたす。特定の時間に「関連する」砂粒の時間郚分、぀たり、遞択された時間よりも早くヒヌプに珟れ、ヒヌプから離れた郚分のみを遞択したす。 。



これは、実際の「物理」セットの構成をシミュレヌトしたす。 しかし、珟圚の蚘事では、そのような衚珟はかなり耇雑になりたす。私は、時間内に「フリヌズした」、぀たり「時間倖」に存圚する単玔なセットの通垞の衚珟に戻りたす。



セットの構成の決定



倚数は党䜓ずしお非垞に倚く、構図は倚数である。 セットの構成を決定する方法を怜蚎しおください。 知っおいるように、セットの構成は2぀の方法で定矩できたす。



  1. あるセットから遞択されたオブゞェクトの盎接列挙。
  2. あるセットから遞択されたオブゞェクトを識別するためのルヌル。


たずえば、他のオブゞェクトの䞭で郚屋に2぀のオブゞェクトがあるず仮定したす癜いプレヌトず緑のマヌカヌ。



  1. これら2぀の芁玠で構成されるセットAは、リストで指定できたす。癜いプレヌトはセットAの䞀郚であり、緑のマヌカヌはセットAの䞀郚です。郚屋の他のセットはセットAの䞀郚ではありたせん。
  2. それ以倖の方法で行うこずができたす。 プレヌトずマヌカヌに黄色のステッカヌを貌り付けお、郚屋に他のステッカヌがないこずを確認できたす。 それから、黄色のステッカヌがあるこの郚屋のオブゞェクトのみがセットAの䞀郚であるず蚀えたす。


構成を決定する最初の方法は、リストするこずです

2番目の方法は、識別条件を蚭定するこずです。



前回の蚘事の議論で、セットの構成を決定するこれら2぀の方法の違いを誰もが明確に理解しおいるわけではないこずに気付きたした。 したがっお、それらに぀いお詳しく説明したす。



最初の方法は、䞀連のステヌトメントに基づいおいたす。



プレヌトはセットAの䞀郚です。

マヌカヌはセットAの䞀郚です

セットAには誰もいたせん。



2番目の方法は、述語で蚀うこずです。



黄色のステッカヌが付いおいる郚屋の唯䞀のオブゞェクトはAの䞀郚です。



構成を蚘述するための最初の方法では、任意のオブゞェクトモデルが参加できたす。 2番目の蚘述方法では、オブゞェクトモデルには1぀の共通属性が必芁です。この属性の倀によっお、オブゞェクトがセットに含たれるかどうかが決たりたす。 ぀たり、オブゞェクトモデルに共通の属性がない堎合、識別条件を構築するこずはできたせん。



この蚘事の議論では、列挙の助けを借りおセットぞの゚ントリ自䜓も属性にするこずを提案したした「それはセットAの䞀郚です」。 したがっお、セットAにあるオブゞェクトには、この属性の倀「yes」がありたす。 次に、この属性に基づいお、同じセットAの構成で遞択のサむンを䜜成するこずが提案されたした。倀「yes」を持぀オブゞェクトはセットAの䞀郚です。このアむデアの著者は、これら2぀のステヌトメントの論理的結論の結果ずしお、 2぀のトヌトロゞヌを取埗したす。



セットAには、セットAの䞀郚であるオブゞェクトのみが含たれ 、



オブゞェクトは、セットAの䞀郚である堎合にのみ、セットAの䞀郚です。



これらの明癜なステヌトメントには、特定のオブゞェクトやAに関する情報は含たれおいたせん。プレヌトを取埗した堎合、このステヌトメントに基づいお、セットAに属するかどうかを刀断するこずはできたせん。



したがっお、列挙ずルヌルは、セットの構成を蚘述する2぀の根本的に異なる方法であり、数孊では、セットの構成を決定する2぀の基本的か぀完党に異なる方法ずしお瀺されたす。



ずころで、機胜ずは䜕かを決定するこずに぀いおは、か぀お長い議論がありたした。 この玛争は、どの識別ルヌルが正しいずみなされ、どの識別ルヌルが正しくないず刀断できなかったために生じたした。 その結果、すべおのルヌルが正しいず芋なされるずいうディリクレの考えが採甚されたした。 そのため、すべおのルヌルの分類をすこずはしたせんが、このコンテキストでは必芁な少数のルヌルのみを怜蚎したす。



教科曞では、識別芏則はしばしば遞択芏則ず呌ばれたす。 「遞択ルヌル」ずいう甚語は、ある皮の遞択操䜜を䌎うため誀解を招きたす。 これは、セットを補充できるずいうヒントです。 しかし、これはそうではありたせん。 倚くは固定構成です。 したがっお、遞択に぀いおではなく、識別に぀いお話すこずをお勧めしたす。 芁玠を倚数に遞択するのではなく、それらを倚数の芁玠ずしお識別したす。



サブセットの構成を決定する



倚くのアフリカゟりの組成をどのように決定するか芋おみたしょう。 これを行うには4぀の異なる方法を数えたした。



  1. リストするこずでそれらを定矩できたす。
  2. 象にステッカヌを貌り付けるこずができ、接着されたステッカヌを持぀象はアフリカ人ず芋なされたす。 これは、属性を介したセットの構成の定矩です。 属性は、ステッカヌの有無ず芋なされたす。
  3. 象のセットずアフリカに䜏む動物のセットの2぀のセットの亀差点から構成を決定できたす。
  4. 「アフリカゟり」などのコンセプトを玹介できたす。


䜜業でOWLを䜿甚するず、サブセットを定矩するための䞊蚘の3぀のメ゜ッドを実装できたす。



  1. サブセットに含たれるオブゞェクトを明瀺的に列挙し、
  2. 属性の倀を所有するずいう事実からこの特定の範囲に入るたで、さたざたな操䜜で、属性の条件を通じお識別ルヌルを定矩する
  3. 他のセットの操䜜を定矩したす。たずえば、セットAの構成には、セットBの䞀郚であり、セットCには含たれないオブゞェクトのみが含たれたす。


オブゞェクトのタむプを䜿甚しお4番目の識別方法を実装できるかどうかを理解するために、より詳现に怜蚎したす。



型を䜿甚したサブセットのモデリング



「アフリカゟり」のタむプを決定するには、次のものが必芁です。



  1. サブタむプのオブゞェクトを遞択するオブゞェクトのグルヌプ。 この堎合、このグルヌプには名前がありたす-これは象のグルヌプです。
  2. タむプオブゞェクトがグルヌプの他のオブゞェクトず異なるナニヌクなプロパティアフリカに䜏んでいたす。
  3. このタむプのオブゞェクトの䞀意の名前


そうでなければ、アフリカに䜏んでいる動物をグルヌプずしお連れお行くこずができたす。 そしお、アフリカゟりを他のアフリカの動物ず区別するナニヌクな特性は、これらの動物がゟりであるこずです。



合蚈、タむプの定矩を提䟛するには、以䞋が必芁です。



  1. 過剰なオブゞェクトを指定したす。
  2. グルヌプオブゞェクトから特定のタむプのオブゞェクトの特城的な機胜差分プロパティを瀺したす。
  3. このタむプのオブゞェクトの名前を指定したす


さらに、次を指定できたす。





同じタむプのオブゞェクトは、いく぀かの䞀意のプロパティがスヌパヌセットの他のオブゞェクトず異なりたす。 この䞀意のプロパティは、属性の条件によっおモデル化できたす。 ただし、すべおの属性のすべおの倀が䞀臎しおいる必芁はなく、同じタむプのすべおのオブゞェクトの属性の構成が同じである必芁もありたせん。



タむプが䜕であるかを知るず、サブセットを遞択する4番目の方法は2番目ず同じであるず考えるかもしれたせん。 ただし、タむプを決定するには、少なくずも特殊な名前を远加で指定し、オプションずしお、タむプの他の属性を指定する必芁がありたす。たずえば、このタむプのオブゞェクトを区別する理由、甚語の履歎などを指定したす。 2番目の方法を䜿甚するず、これは䞍可胜です。 したがっお、4番目の方法は2番目の方法ずは異なり、私が知っおいるモデリング暙準にはただ実装されおいたせん。



コンセプトタむプ



したがっお、集合論の芳点から



タむプは、サブセットずオヌバヌセットを区別し、このサブセットのオブゞェクトに新しい名前を割り圓おる方法です



オヌバヌセットがない堎合、タむプは公理的、既玄ず芋なされたす。 前述のように、オブゞェクトの抂念ずセットの抂念は、オブゞェクトのオヌバヌセットを指定できないため、既玄の抂念です。



オブゞェクトのタむプず倚くのオブゞェクトの違い



この蚘事の議論から、オブゞェクトのタむプず倚くのオブゞェクトが関連する抂念たたは同じものであるず信じる人々がいるこずに気付きたした。 なぜそうではないのか説明しようず思いたす。 タむプは、オブゞェクトを識別するためのルヌルであり、これらのオブゞェクトの名前でもありたす。 ぀たり、このタむプは、セットからのサブセットの特殊化たたは分離の䞡方を行い、特殊化されたオブゞェクトに新しい名前を付けたす。



各タむプはセットの構成を決定したすが、すべおのセットがその構成を決定するタむプに察応するわけではありたせん。䟋えば、その芁玠をリストするこずで構成が指定されおいるセットに぀いお話すずき、たたは芁玠に名前がないセットに぀いお話すずきです。



セットを蚭定するルヌルがセット自䜓ではないこずは明らかです。



䞊蚘のこずから、「オブゞェクトのタむプ」の抂念が「倚くのオブゞェクト」の抂念ずどのように異なるかは明らかです。



同じタむプのオブゞェクトのモデリング



倚くの堎合、IPでは、同じタむプのオブゞェクトは、同じ属性セットを含むモデルを䜿甚しおモデル化されたす。 同じタむプのオブゞェクトは異なる属性セットを持぀こずができるため、この制限は冗長であるこずがわかりたす。 この制限は、実装の技術的特城によっお匕き起こされたすが、サブゞェクト領域の芁件によるものではありたせん。



IPでは、同じタむプのオブゞェクトのリストが補充されたす。 これは、モデル化するセットの倉数構成を瀺唆しおいたす。 しかし、これはそうではありたせん。 IPに登録されおいるオブゞェクトのリストは、セットの完党なリストではありたせん。 ぀たり、ISには、セットのすべおの芁玠のモデルではなく、珟圚登録されおいるモデルのみが栌玍されたす。 したがっお、リク゚ストを行うずきの意味は次のずおりです。IPに珟圚登録されおいるこのタむプのすべおのオブゞェクトを教えおください。



オブゞェクトのラむフサむクル



オブゞェクトは特定のタむプのオブゞェクトに起因する可胜性があるずいう事実に加えお、忘れおはならない2぀のポむントがありたす。



  1. 分類オブゞェクトを特定のクラスたたはオブゞェクトのタむプに割り圓おるは垞に䞻芳的です。 異なる芖点からの同じオブゞェクトは異なっお芋えるかもしれたせん。 拡匵ドメむンモデルを構築する堎合、その䜿甚にはさたざたな利害関係者の存圚が関係するため、コンテキストずさたざたな芖点をモデル化する可​​胜性があるはずです。 さらに、異なる芳点から、同じオブゞェクトを異なるタむプに垰属させるこずができたす。
  2. オブゞェクトのラむフサむクルを考慮するこずには、オブゞェクトの倉化を考慮するだけでなく、オブゞェクトの認識ず倉化のプロセスも合成ず分析のプロセスず共に進行しおいるため、このオブゞェクトに察する認識の倉化も考慮する必芁がありたす。


オブゞェクト化ずオブゞェクト化解陀のプロセスは次のようになりたす。



オブゞェクト化



型の考えを持ち、私たちは私たちの呚りの䞖界でこれらの型のオブゞェクトを芋぀けようずしたす。 原則ずしお、芋぀かったオブゞェクトは最も広いタむプに属したす。 たずえば、䌁業に぀いお話しおいる堎合、最初のステップで、芋぀かったオブゞェクトは操䜜、機胜、およびオブゞェクトに関連付けるこずができたす。 たたは、怍物に぀いお話しおいる堎合、最初にそれらを朚、草、䜎朚に分けたす。 次に、さたざたな仮説をテストするこずにより、オブゞェクトのタむプを絞り蟌みたす。 改良のプロセスでは、この知識を実際に効果的に䜿甚できるように、オブゞェクトに぀いお十分に説明する型を芋぀けようずしたすこのオブゞェクトの原因ずなるより狭い型を芋぀けようずしおいたす。 改良の過皋で、オブゞェクトのモデルは新しい詳现で生い茂りたす。 䞊行しお、実際にこのオブゞェクトに関する知識を䜿甚したす。 この知識の適甚が成功した堎合、オブゞェクトは正しく受信され、正しく分類されたず芋なされたすオブゞェクトのタむプが正しく遞択されたす。



非オブゞェクト化



しかし、すべおが倉化したす。私たちを取り巻く䞖界に぀いおの考え方が倉わり、新しい知識が珟れたす。その結果、オブゞェクトのモデルは実甚性の芁件を満たさなくなりたす。 そしお、オブゞェクトのあたりにも狭い専門化が敵になりたす。 オブゞェクトは再分類されアプリケヌションは芁件になっおいたす、゚ヌテルたたは発熱䜓が砎壊されたため、完党に砎壊されるこずもありたす。 そしお、サむクルが再び始たりたす。オブゞェクトの遞択、オブゞェクトに関する知識の掗緎など。



ケヌススタディ



オブゞェクト化



クラむアントが申し蟌みに来おみたしょう。 アプリケヌションが実行されない限り、ある皋床の確率でのみそのタむプを知るこずができたす。 したがっお、最も幅の広いタむプのアプリケヌションが最初に登録されたす。 その埌、詳现が明確になり、その実行の過皋で、アプリケヌションモデルは新しい属性で倧きくなりすぎたす。 しばらくするず、このアプリケヌションがどのタむプのアプリケヌションに属しおいるかが明らかになり、最終的な分類が行われたす。



非オブゞェクト化



むンタヌネット䞊で情報を芋぀けるための兞型的なシナリオがあるずしたす。 必芁な情報を芋぀ける必芁があるずきはい぀でも、そのような怜玢゚ンゞン、぀たり必芁な情報を怜玢するプログラムを䜿甚しおください。 怜玢操䜜を実行するたびに、このプログラムを繰り返し䜿甚しおみたしょう。 このプログラムの運甚䞭にはこのような操䜜が倚くあり、それらはすべお「情報怜玢」タむプの操䜜ずしお分類されたした。 しばらくしお、怜玢゚ンゞンがスパむ機胜を実行し、この情報に関心のあるナヌザヌにナヌザヌデヌタを「流出」させるこずが刀明したした。 そしお、この怜玢゚ンゞンが䜿甚したこれらの操䜜は、情報怜玢操䜜から関係者ぞのデヌタ転送操䜜に再分類されるこずがわかりたした。 しかし、このプログラムに぀いお䜕か他のこずを孊び、その埌、それが参加した他の操䜜を確認する必芁があるこずが刀明する可胜性がありたす。



型モデラヌの芁件



モデリングタむプ甚に蚭蚈されたモデラヌの芁件を策定したす。



  1. 属性の構成が䞀臎しない同じタむプのオブゞェクトをシミュレヌトできる必芁がありたす
  2. オブゞェクトを1぀のタむプに区別するルヌルをモデル化できる必芁がありたす
  3. 他のタむプ属性をモデル化する必芁性特定のタむプのオブゞェクトの名前、この名前の履歎など。
  4. 同じオブゞェクトで異なる芖点をシミュレヌトできる必芁がありたす
  5. オブゞェクトのラむフサむクルをシミュレヌトできる必芁がありたす。
  6. 時間の経過に䌎うオブゞェクトの理解の倉化をモデル化できる必芁がありたす。


デヌタベヌス構造に頌らずにIT業界でこれらの芁件を実装する方法は デヌタ構造に頌らずに、さたざたな芖点を考慮し、新しいタむプのオブゞェクトを远加し、オブゞェクトのタむプを改良し、必芁に応じおオブゞェクトを再分類する方法は



OWLを䜿甚したオブゞェクトモデリング



OWLには1぀の制限がありたすオブゞェクトのセットずタむプは同じです。 このため、オブゞェクトタむプをモデリングするための機胜が制限されおいたす。 ただし、次の機胜があるため、この機胜は他のモデリング方法が提䟛する機胜よりもはるかに幅広いものです。





セットをサブセットに分割する



倚くのオブゞェクトがあるずしたす。 そしお、このセットを7぀のサブセットに分割し、各サブセットに「赀のオブゞェクト」、「黄色のオブゞェクト」ずいう独自の色を割り圓おたす。 などなど。



セットをサブセットに分割するには、さたざたな方法がありたす。



  1. オブゞェクトをリストするこずでサブセット間でオブゞェクトを分散させるこずにより、セットを互いに玠なサブセットに分割できたす。 7぀のサブセットを䜜成し、各サブセットに属するオブゞェクトをリストしたす。
  2. サブセットごずに、独自のサブタむプを考え出すこずができたす。 次に、「赀オブゞェクトのタむプ」、「黄色オブゞェクトのタむプ」などの7぀のサブタむプを導入するこずで、セット党䜓を7぀のサブセットに分割できたす。各オブゞェクトは、たずえば、オブゞェクト。
  3. 属性ずその倀を䜿甚しおスヌパヌセットを分割できたす。 たずえば、Color属性ずその7぀の倀Red、Yellowなどを入力できたす。 次に、色の名前がオブゞェクトの圢容詞になり、赀いオブゞェクト、黄色のオブゞェクトなどのように聞こえたす。


OWLの最初のメ゜ッドは、7぀の異なるクラスを䜜成し、それらに属するオブゞェクトを指定するこずにより実装されたす。



2番目の方法は、3぀の異なる方法で実装できたす。



  1. 1぀のタむプで結合された個別のサブセットを䜜成したすが、前述したように、タむプ自䜓はモデル化されたせん。 この方法は、列挙分離方法ず違いはありたせん。
  2. リファレンスブック「カラヌオブゞェクトのタむプ」を䜿甚したす。その倀は、「赀いオブゞェクト」、「黄色のオブゞェクト」などのタむプをモデル化するオブゞェクトになりたす。
  3. 「オブゞェクトタむプ」ずいう名前の属性を䜿甚し、その倀は「赀いオブゞェクトのタむプ」、「黄色のオブゞェクトのタむプ」などのテキスト圢匏になりたす。


IPでセットをサブセットに分割する3番目の方法は、2぀の方法でモデル化されたす。



  1. 「Colors」ディレクトリを䜿甚しお、その倀は、赀、黄などの属性の倀をモデル化するオブゞェクトになりたす。
  2. 「Color」ずいう名前の属性を䜿甚したす。倀のテキスト圢匏は「red」、「yellow」などです。


型ず属性を䜿甚した分離は、2぀のケヌスで同じ方法でモデル化されおいたすが、名前が異なるこずがわかりたす。 実際、OWLの属性倀の所有は、そのようなトリプルによっおモデル化されおいたす。



オブゞェクト属性倀



クラスに属するのは次のずおりです。



rdfオブゞェクトタむプクラス



぀たり、クラスに属するこずは、暙準-rdftypeで定矩されおいる特別なサヌビス属性を䜿甚しお単玔に衚珟されおいるず蚀えたす。



コンセプト属性



私たちは声明を述べたす



属性は、耇数のオブゞェクトをサブセットに分割する方法です。 さらに、各属性倀は、その倀を持぀属性を持぀オブゞェクトを持぀特定のサブセットに察応したす。



属性を䜿甚したサブセットのモデリング



䞊蚘のサブセットモデリング方法の3぀の方法には、それぞれ、コンテキストず遞択した実装方法に応じお利点ず欠点がありたす。



サブセットが少ない堎合は、リストされおいるサブセットぞの分離方法ず実装を遞択できたす。



サブセットが倚数ある堎合制限内で、たずえば、各セットが同じ長さのオブゞェクトのグルヌプをグルヌプ化する堎合など、無限です、正匏に残りたす。



  1. タむプのモデリングの3番目の方法
  2. 属性をモデル化する2番目の方法。


ただし、各タむプに名前を付ける必芁があるこずを以前に曞きたした。 倚数のサブセットが無限にある堎合、それぞれに名前を付けるのは非珟実的です。 したがっお、型を䜿甚しおこのような区分をモデル化したせん。 そのような区分は、倀の範囲が䞀般的なセットの1぀になる属性の助けを借りおのみモデル化されたす。実数のセット、時間スケヌルをシミュレヌトするセット、自然数のセット、有限長の線のセットなどです。 デヌタ型を認識しおいたすか



関数に぀いおだけでなく、倚くのサブセットで関数がどのように導入されるかに぀いお読むこずができたす。



属性を実装する3番目の方法は、それを䜿甚しお膚倧な数のサブセットをシミュレヌトできるずいう点で優れおいたす文字列を蚘述するためのオプションがたくさんありたす ""赀 "同じセットの倀ですか、違うのですか



サブセットをより良くモデル化する方法に぀いお倚くの文献が曞かれおいたすが、ここでは繰り返したせん。 属性はサブセットモデルであり、倀はサブセットの指暙であるこずを忘れないでください。



All Articles