Ontology analysis (Ex#22, 24):Ex#22

Ontology analysis (Ex#22, 24):
Ex#22 scored on average slightly worse than
the baseline. A surprise is the increase in score
for the Animals ontology, since with or
without the use of a reasoner, the results for
this ontology should be the same. The reason
for this increase is probably the same as
indicated for the Ex#1a&b experiments.
Another unexpected result was the decrease in
score for the Travel and Wine ontologies. A
reason for this might be that the additional
relations provided by reasoning are not fully
utilised, which we test in Ex#24 and Ex#27.
However, if we look at the error rates (the
ratio of entities populated versus not populated) in Table 6 we see a decrease in
errors for the Travel and Wine ontologies,
which can indicate that more relations
provided by the reasoner helps to populate
more entities.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ภววิทยา (Ex#22, 24):
Ex#22 คะแนนเฉลี่ยเล็กน้อยเลวกว่า
พื้นฐาน ประหลาดใจเป็นการเพิ่มขึ้นของคะแนน
สำหรับภววิทยาสัตว์ เนื่องจากมี หรือ
โดยไม่ใช้ reasoner ผลลัพธ์สำหรับ
ภววิทยานี้ควรเหมือน เหตุผล
เพิ่มขึ้นนี้อาจเป็นเหมือน
สำหรับทดลอง Ex#1a&b
ผลลัพธ์ที่ไม่คาดคิดอื่นถูกลดลงใน
คะแนนสำหรับการเดินทางและไวน์ ontologies A
เหตุผลนี้อาจที่จะเพิ่มเติม
ความสัมพันธ์โดยใช้เหตุผลไม่เต็ม
ใช้ ที่เราทดสอบใน Ex#24 และ Ex#27
อย่างไรก็ตาม ถ้าเรามองราคาผิดพลาด (
อัตราส่วนของเอนทิตีที่เติมกับไม่เติม) 6 ตาราง เราเห็นการลดลงใน
ข้อผิดพลาดสำหรับการเดินทางและไวน์ ontologies,
ซึ่งสามารถระบุเพิ่มเติมว่าความสัมพันธ์
โดยช่วย reasoner การใส่
เอนทิตีขึ้นไป

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์อภิปรัชญา (Ex # 22, 24):
อดีตที่ 22 คะแนนเฉลี่ยเล็กน้อยเลวร้ายยิ่งกว่า
พื้นฐาน ที่น่าแปลกใจคือการเพิ่มขึ้นของคะแนน
สำหรับอภิปรัชญาสัตว์เนื่องจากมีหรือ
ไม่ต้องใช้ reasoner ผลสำหรับ
อภิปรัชญานี้ควรจะเหมือนกัน เหตุผล
ของการเพิ่มขึ้นนี้อาจเป็นเช่นเดียวกับ
ที่ระบุไว้สำหรับอดีต # 1a & b การทดลอง
ผลที่ไม่คาดคิดอีกอย่างหนึ่งคือการลดลงของ
คะแนนสำหรับการเดินทางและจีส์ไวน์
เหตุผลนี้อาจจะมีที่เพิ่ม
ความสัมพันธ์ให้โดยให้เหตุผลไม่ได้อย่างเต็มที่
ใช้ซึ่งเราจะทำการทดสอบในอดีตที่ 24 และอดีต # 27
แต่ถ้าเรามองไปที่อัตราความผิดพลาด (
อัตราส่วนของประชากรเมื่อเทียบกับหน่วยงานที่ไม่ได้บรรจุ) ใน ตารางที่ 6 เราจะเห็นการลดลงของ
ข้อผิดพลาดสำหรับการเดินทางและไวน์จี,
ซึ่งสามารถบ่งบอกถึงความสัมพันธ์ที่มากขึ้น
โดย reasoner ช่วยในการเติม
หน่วยงานที่มากขึ้น

ผลลัพธ์ (ไทย) 3:

วิเคราะห์อภิปรัชญา ( อดีต# 22 , 24 ) :
อดีต# 22 คะแนนเฉลี่ยเล็กน้อยยิ่งกว่า
พื้นฐาน แปลกใจคือการเพิ่มคะแนน
สำหรับสัตว์อภิปรัชญา เพราะด้วยหรือ
โดยไม่ต้องใช้ของรีเซอเนอร์ ผล
อภิปรัชญานี้ควรจะเหมือนกัน เหตุผลสำหรับการเพิ่มขึ้นนี้อาจเป็น

( เหมือนที่อดีต# 1A & B
อื่นที่ไม่คาดคิด ผลการทดลอง มันลดลงใน
คะแนนสำหรับการ เดินทาง และ นโทโลจีไวน์ a
เหตุผลนี้อาจเป็นอีก
ประชาสัมพันธ์ โดยเหตุผลไม่เต็มที่
ใช้ซึ่งเราทดสอบใน# EX และ EX # 27 .
แต่อย่างไรก็ตาม ถ้าเราดูที่ค่าความคลาดเคลื่อน ( อัตราส่วนของประชากรกับหน่วยงาน
ไม่ใช่ประชากร ) ตารางที่ 6 เราเห็นลดลงใน
ข้อผิดพลาด สำหรับการเดินทางและนโทโลจีไวน์ ซึ่งสามารถแสดงความสัมพันธ์ที่มากขึ้น

โดย รีเซอเนอร์ช่วยเติม
นิติบุคคลเพิ่มเติม