خلاصه :
در ساخت عكس نهايي هوشمند، نمايش اطلاعات براي اتاقهاي كپسولي، كاربران، نقش هاي و ساير اطلاعات، يك مساله اساسي مي‌باشند. در اين جا ما يك شبكه معنايي به عنوان يك معرفي ( نمايش) ارائه مي‌دهيم و توانايي آنرا به عنوان پايه اي براي كار مداومي نمايش مي‌دهيم.

مقدمه
چندين سال است كه محقق در مورد مكانهاي هوشمند توسعه يافته است. كشف راههاي جديد كه يك room مي تواند با يك يا تعداد بيشتيرن كاربرد عوامل آنهاارتباط داشته باشد. بيشتر كار شامل تعريف بر هم كنش شخص جديد با اين مكانها، ساختن سيستم ها براي رديابي كاربران و ايجاد استفاده هاي جديد براي الگوريتمهاي يادگيري و طراحي مصنوعي مي‌باشد.

همچنانكه استفاده از اين محيط هاي هوشمند (IES) گسترش مي‌يابد، آنها ، لزوماً مقادير همواره در حال توليدي اطلاعات را در مورد كاربرانشان به منظور وفق دادن با خواسته‌هاي كاربران جمع آوري مي كنند. اطلاعات براساس علاقه مندي هاي كاربران كه با آنها در ارتباطند، موقعيت آنها ، web page هايي كه آنها ملاقات مي‌كند و ديگر جزئيات بيشمار كه ممكن است ما هرگز به آنها توجهي نداشته باشد، جمع آوري مي شوند.

تماماً اين اطلاعات لازمه است كه جمع آوري مي شوند و براي اين ساختاري محيطي، به طوري كه IE بتواند سيرع ساخته شود، و تصحيح فرضيات را مبني بر اين كه كاربران دوست دارند كه چه كاري بعداً انجام ميدهند،سازماندهي كند.
در اين جا پروژه Room هوشمند، با آغاز به شناسايي چنين اطلاعاتي (KR) نموده ايم، با استفاده از شبكه هاي معنايي بر پايه نمايش(معرفي). همانطور كه اين بزرگي ادامه يافت، ما آغاز به كشف برخي مزاياي ذاتي درا ين رويكرد نموده ايم:

– افزودن اطلاعات جديد به سيستم بسيار سرراست سات، اغلب بسادگي افزون يك واحد داده جديد وگسترش يك lnik مناسب
تعويض اطلاعات يك كار بسيار موضعي است، به ندرت نياز به تعويض‌هاي اساسي براي بخشهاي گسترده معرفي مي‌باشد. به طور مشابه، اطلاعات بي اعتبار اغلب مي توانند با الحاق يا جايگزيني به link هاي جالب انجام شوند.

استنباط كردن نيز سريع و ترسان است. نتايج موثري براي بازيابي همه link هاي يك نوع جاري يا برون كيف گره وجود دارد.
اعتقادي بر اين است كه شبكه هاي معنايي مناسب ترين معرفي براي گرفتن و در كپسول گذران تعداد بيشمار اطلاعات ورودي به درون محيط هوشمند باشند. در اين مقاله، حالتي از انحرافات را بررسي مي كنيم كه يك IE به نمايش اطلاعات تحميل مي شود و بحث مي كنيم كه شبكه هاي معنايي با اين الزامات موافقند.

۲- كار وابسته
تعداد زيادي مجلات وابسته به گسترش تيمهاي زمينه گرا وجود دارند. براي محيط هاي هوشمند ، Dey، Aboud و Selber يك “Toolkit زمينه” براي آشكارسازي حالت يك room و استفاده رخدادهاي ورودي براي راه اندازي تغييراتي در رابطه با كاربردهاي حساس به زمينه، ايجاد كرده اند. اين Tookit قادر به كرابردهاي بر پايه موقعيت است كه گروههايي از كاربراني كه به ساختمان ها وارد و خارج مي شوند پيدا مي‌كند و براي كنفرانس ها ( مذاكرات) همدستي مي‌كند .

API ي Lauff براي محاسبات حضور ابزار رودي مي گردد و سيگنالهايي به اجزا مي فرستد. ساختار عامل بار (OAA) ي Morany cheyrec Martin ، شامل تسهيلاتي براي عمل راه اندازي بر پايه اطلاعات زمينه اي است. در آزمايشگاه، Ajaykulkarni يك سيستم رفتاري كرانش پذير به نام ReBa ايجاد كرده كه مي تواند بسياري از اعمال دشوار را در به وقايع ايستگاه راه اندازي كند. هر چند، براي همه اين چارچوبها ، تفسير و استنباط كاربردها ،انجام شده كه بايد خوشدان تكه هاي اطلاعات مختلف را با تطبيق و جفت كنند وبه نظر مي رسد كه براي گسترش يك معرفي پيوسته از اطلاعات به دست آمده ، انجام شدند.

پروژه آسان زيستي مايكروسافت، برسري معرفي هندسي مكان و استفاده از اطلاعات براي تسهيل هر چه كنش هاي كاربران كارهايي انجام داده است. اگر چه آنها مقدار زيادي از اطلاعات را از اين چارچوب مي گيرند، هيچ كوششي براي كپي كردن آن به يك ديد بالاتري از اطلاعات انجام نمي‌شود.

۳٫ نمايش اطلاعات و محيط هايي هوشمند :
در بحث بر روي نوع نمايش (معرفي ) كه براي انواع اين مكانهاي انباري غالب مي باشد، مي توانيم به الزاماتي نظير فراهم سازي يك KR توجه كنيم. Davisetal پنج نقش مختلف را كه KRS بازي مي‌كند ، مرتب كرده است و در اين جا با آنها را در زمينه يك IE امتحان مي‌كنيم.

۳-۱- نماينده هايي براي دنياي واقعي
اولين وجلوترين ، معرفي بايد به عنوان يك نماينده محاسبه اي براي هويت هاي دنياي واقعي عمل كند. در مورد يك فضاي هوشمند، بسياري از هويتهاي به آساني قابل شناسايي هستند مثل كاربران فضاها، خودشان و ابراز درون فضا مثل پروژكتورها ،دوربين ها، نورها ، تجهيزات برقي، كامپيوترها، وغيره برخي ها با سادگي كمتري شناسايي مي شوند ولي هنوز نقاط متقابلي درد نياي واقعي بدارند مثل گروههاي حرام، نقشهايي كه مي‌آفرينند، اعمالي كه براي كارآيي نياز دارند و غيره. اين آيتم‌ها، نياز دارند كه در KR شامل شوند به طوري كه فضا مي تواند در مورد آنها استدلال كند و استنتاجهايي بر پايه آرايش آنها انجام دهد.

يكي از تاثيرات جنبي، اين است كه نماينده KR براي يك هويت دنياي واقعي نياز به پيگردي نزديك مورد هويت واقعي دارد از استنباط هاي غير صحيح دوري كند. اين مي‌تواند كمك بزرگي كند با استفاده از يك KR كه مي‌تواند به سادگي بر اطلاعات جديد شامل طبقات اطلاعات كه در زمان طراحي سيستم طرح ريزي نشده بودملحق شود.

۲-۳- الزامات وابسته به هستي شناسي
درست همانطور كه KR عنوان مي‌كند كه جهان چيست، يك بر روي اين كه محيط چه چيزي مي‌تواند ببيند و بر روي آن عمل كند ، اعمال شده است، براي مثال ، معرفي اطلاعات براي دواربندي منطقي مي تواند مداري مثل يك دسته AND، OR و بدون مدخل را ملاحظه قرار دهد و بنابراين مي‌تواند رفتار مدار را بر پايه اعمالي كه اين مدخلها انجام مي دهند، امتحان كنند. هر چند، مرعفي به آن معناست كه چنين نمايشي احتمالاً عادت نداشته كه سيمهايي را به يكديگر متصل نشده اند جستجو كند. با جريان الكترون هايي در حين طراحي را امتحان كند. برعكس يك KR كه در سطوح پايين تر از آناليز مداربندي را در سطوح منطقي مشكل ساز كرده است. Dans et al رجوع مي‌كند به فيلتري كه نمايش به عنوان مجموعه اي از انحرافات هستي شناسي دلالت شده با معرفي، به كار مي رود.

براي يك IE، هستي شنساي تعريف مي‌كند كه IE در جهان چگونه بنظر مي رسد. وقتي كه باد روي دوربين، سروكار داريم، آيا مردم را به همان صورتي كه هستند ، مي بينيد به صورت حبابهايي رنگي كه از طريق room پيدا مي كند؟ آيا ما گفتار ورودي را تشخيص مي دهيم همانطوري كه به يك شخص تعلق دارد يا فقط به عنوان يك شكل موجي كه از يك ميكروفون مي آيد ؟ در واقع TE نياز دارد كه در هر دوي اين حدود و شايد كمي مابين كار كند، ازوقتي كه دوربين ها فقط قادرند كه حبابهايي را كه مي يابند گزارش كمتر ولي اين نياز دارد كه با يك شخص ، در برخي نقاط متحد باشد. بنابراين، KR ، بايد بتواند Link هاي بين اين سطوح فراهم كند.

۳-۳- تئوري استدلال
KR، همچنين، نشان مي دهد كه استنباطها چگونه توسط تيمهاي استدلال ، ساخته مي شوند و پيوندها را در انواعي از استنباط كه توسط سيستم توصيه مي شوند، قرار مي دهد. براي اكثر قسمتها، IE قيود اضافي بر اين نمايش اعمال نمي كند ، هر چند نياز نيست كه بسياري از استنباط هاي آنرا بر زمينه جريان فقط، پايه گذاري كنيم، كشيدن انواع زيادي از اطلاعات را در مورد محيط، شامل حالت هاي ابزاري، كاربردهاي اجرايي جاري، كاربران، حضور ابزار همراه و يك تنوع وسيعي از ساير حسگرها و محركها.، تمام اين اطلاعات در استنباطهايي كه IE در حدود جهان دارد، شركت مي‌كنند.

۳-۴ رسانه‌اي براي محاسبه
از وقتي كه KR در فضاي محاسبه اي كار مي كند، بايد قادر باشد كه به طور موثر (كارا) از طريق فرآيندهاي محاسبه‌اي ، بدون اشغال زيان، حافظه يا فضاي ديسك مفرط، كار كند. به علت مقدار زيادي از طالاعاتي كه IE بايد قادر به توليد باشد اين احتياجات شايد بيشتر اهميت داشته باشد. KR بايد قادر به جمع آوري مقادير زيادي اطلاعات همزمان و link هاي موثر با همه باشند.

۳-۵ رسانه‌اي براي عبارت انسان:
بالاخره، KR عادت داشته كه ديد انسان را از دين ارائه نمايد. اين نياز دارد به اين ، كه موضوعات نماينده اي براي هر آيتم باشد كه ما در محيط بيان مي كنيم و اين توابع نماينده به صورت يك روش سررايت توضيح و تفسير دين باشند. پس، KR نياز دارد كه براي استفاده ساده باشد و نماينده قابل خواندن توسط انسان باشد. يكي از نتايج اين احتياجات افزودن اطلاعاتي كه بايد كمي متركز باشند، در هنگام وارد كردن اطلاعات جديد به سيستم بايد نياز به تعميرات فقط كمي كوچك و مكانهايي خوب شناخته شده در نمايش باشد.

۴- سناريو
به عنوان مثال از معرفي خوب اطلاعات براي يك IE، سناريوي زير را در نظر بگيريد. Amy به تعداد اداره‌اش قدم مي‌زند و مي بيند كه يك email به روز دريافت كرده است. خواندن Mail، در مي يابد كه خلاصه اي از ديداري است كه آن روز، زودتر اتفاق افتاده است. به طور معمول، او به اين ديد كه توجه داشته است ولي آنرا به دليل وعده ملاقات با يك دكتر از دست داده است. چون كه نرم افزار و مديريت ديدار قادر بود كه بفهد كه او به طور معمول يك علاقه منظم بوده و اين كه او حاضر نبوده است، بنابراين، خلاصه اي از بحث‌هاي ملاقات را تنظيم و براي او ارسال كرده است.

خلاصه ، بحث هاي عمده را مشخص مي‌كند و به جزئيات بيشتري در حين گزارش موقعيت مي پردازد. همچنين، خلاصه تعداد از آيتم‌هاي موردعلاقه ويژه او را – بخصوص آيتم‌هاي عملي را كه اختصاصاً براي اوانجام شده است، مشخص مي‌كند .

براي اطلاعات بيشتر از نكات ويژه اي كه اين خلاصه مي تواند فراهم كند ، او بر روي link آن آيتم كليك مي‌كند و قادر به ديدن ملاقات ثبت شده با جزئيات بيشتر مي شود. از اينجا ، او م يتواند از ضبط كننده ويدئويي اين ملاقات درخواست كند، با اشاره به زماني كه يك آيتم اولين بار بيان نداشت از آنجا كه آيتم ويژه فراهم كردد تعدادي از اعتبارات گزارش شده ، مي تواند ارضا شود، ملاقات ضبط شده را با اطلاعات لازم و تعدادي از يادداشت هاي توضيحي خودش مي نويسد براي اندازه گيري خوب، او از كامپيوتر مي خواهد كه “گزارش اعتبارات گروهي را واكنشي كند. ” و به يك link سند اعتبارات نتيجه اضافه كند. پس از آن، اطلاعات نوشتاري را به اعضاي ملاقات شامل شده درا ين گفتگو، Mail مي‌زند. به علاوه ، نرم افزار مديريت ديداري، خواهد فهميد كه اين آيتم كامل شده است و آنرا به عنوان آيتم صورت جلسه اي بازبيني توسط گروه اضافه مي‌كند .

موارد بالا، نشان مي دهد سطح اطلاعاتي را كه كاربران مفيد مي بينند. دارا بودن فضاهاي ديداري علاقه مندان ديدار پيدا مي كنند، فهميدن و كمك به مردمي كه حضرو ندارند، اجازه به مردم كه صورت خودكار كاركنند، فهم ارتباط مردم مثل همكاران و ناظران همه اين ها براي ايجاد محيط‌هاي هوشمند كه به ما كمك مي كنند ، مهم مي‌باشند.

۵- توصيف شبكه معنايي:
به منظور كاربرد يك سناريوي مشابه سناريوي بالا، و با رعايت متودي كه IE به اين نمايش اعمال مي كند، نياز به KR داريم كه به آساني، بسياري از موضوعات مختلف را در كپسول مي‌گذارد و ارتباطي را توسط متن ، شامل موارد زير بكار مي گيرد:
– مردم همانند Amy و علاقه مندان ملاقات كننده .
– ديدار و هر مورد ضبط شده
– اسنادي مثل اعتبارات و بودجه
– آيتم هاي سخنراني مانند آيتم اعمال و نوشته‌هايي كه Amy فراهم كرده است
– تمايلات ( بطوري كه سستم مي تواند بفهمد كه Amy به ديدار نرسيده براي اين او معمولاً خاطر است)

– مالكيت آيتم هاي عملي
– مسئووليت پذيري ها ، مانند مسئوليت پذيري Amy در برابر كارمندانش
وايت ادامه مي يابد. آنچه لازم است نمايشي است كه مي تواند اطلاعات موضوعي مانند مردم وملاقات را ذخيره كند ولي به سادگي ارتباطات بين آنها را پيدا ودنبال كند.
چنين نمايشي را شبكه معنايي نام دارد كه ريشه در كار Quilliaw بر روي استدلال در محيط هاي كامپيوتري دارد. اينكار، اطلاعاتي را به عنوان گروه هاي مفهومي در رابطه با link هاي ارتباطي سمتي نشان مي دهد، كه جهان را به عنوان نموداري سمتي نمايش مي‌دهد.

بنابراين كشف چارچوب اطلاعات در چنين سيستمي ، يك كار سر راست است مثل حركت از يك گروه در طول يك يا تعداد بيشتري link براي كشف اطلاعات وابسته. براي مثال ، يافتن همه همكاران Amy بايد به سادگي شروع بر روي گره اي باشد كه Amy را حركت مي دهد از يك link «متصدي گروه» براي يافتن سازماندهي اي كه او انجام مي دهد و پس در ادامه link هاي «يك عضو» از گروه در بين كاركنان فردي./ اين ساختار كه شكار كردن اطلاعات را براي يك سيستم هوشمند در يك موضوع ويژه، به خوبي كشف ارتباطات بين دو موضوع مختلف، آسان مي‌كند.

شبكه معنايي همچنين، بسياري از شرايط اعمال شده توسط IE را ارضا مي‌كند . در كپسول گذاشتن در فرم شامل خواندن توسط انسان ( همچنين از طريق شبكه هاي نموداري يا نمايش هاي متني ساده) آسان است افزودن اطلاعات جديد در يك روش تممركز ساده است وساختن استنباطها اغلب ، صرفاً‌جمع آوري Link ها و ادامه آنها است.

بسياري از كارها در پشت شبكه هاي معنايي در مقياس وسيع تري توسط كنسرسيوم شبكه وسيع جهاني به عنوان بخشي از پروژه شبكه معنايي ادامه مي يابد. بيشتر اين پروژه بر روي آدرس دهي مساله مركزي شبكه هاي معنايي بزرگتر – تيتر نوشتاري،متمركز است مساله يكي كردن هستي شناختي بزرگ يا چند گانه
مديريت جلسه
ما اكنون ساختارهاي معنايي را براي كنترل جلسات همانطور كه رخ مي‌دهد ، و Link كردن موضوعات مهم جلسه اي كه شركت مي كنند، هستيم. اطلاعات نوعي كه در طلو يك جلسه گرفته مي‌شود شامل ؟؟ دين جلسه، آيتم هاي عملي، استدلالهاي پشتيباني و مخالف، و اعتباراتي شامل منابع نمايشي يا شبكه‌اي مردم به عنوان علاقه مندان جلسه، ناشران اسناد، افزايش دهندگان مطلب، link مي‌شوند وقتي كه جلسات در محيط هاي ابزاري رخ مي دهند، مي توانند به گريذه هاي ويدوئي يا صوتي در جريان Link شوند.

استفاده از اين فلسفه كه جلسات اطلاعات اوليه نيستند، ولي صرفاً يك چارچوب براي سنجيدن و ارسال اطلاعات مي‌باشند، موضوعات مورد بحث در نرم افزار مديريت جلسه،مي‌تواند با هم مرتبط شوند. اين ، امكان بازبيني طرحها را همانطور كه از بين يك گروه طولاني جلسات عبور مي‌كند و پرسش سوالات سيستم را با توجه به موضوعات جاري بحث‌هاي جلسات قبلي فراهم مي‌كند .