NEURO SYMBOLIQUE KB

Le moteur de Graphe de Connaissance logiCells est une base No-SQL qui peut être embarquée ou déployée en dehors du moteur d’application logiCells. Cette base permet de mettre en oeuvre de la Business Intelligence orientée connaissances au sein des systèmes d’information d’entreprise.

arguments

principales fonctions

Les données de vos clients et celles qui gravitent autour d’eux sont cruciales. Permettez à vos clients d’aller plus loin…

01 structure unique

– Structure unique permettant la gestion du cycle de vie Donnée/Information/Connaissance/Sagesse

02 IMPORTS

– Import de données et structure de table depuis SGBDR,

-Import de données et structure de connaissance depuis OWL,

– Création d’imports spécifiques via du code par exemple depuis des structures No-SQL,

03 facilité

– Manipulation CRUD des concepts depuis du code et/ou depuis un langage logique expressif,

– Gestion de transactions intégrées,

– Capacité de séparer donnée/connaissance via le couplage du graphe avec une base de données SQL transactionnelle et/ou décisionnelle,

– Bibliothèque extensible d’algorithmes opérationnels ou sémantiques,

04 ouverture au monde

– Couplage avec les algorithmes de Machine Learning standards via un moteur Python ou JavaScript intégré

– Couplage avec d’autres modules de la gamme :

– Tous les autres modules/produits de la gamme logiCells embarquent le moteur de logiCells Knowledge Graph sous une forme allégée ou complète suivant la version.

TRANSFORMATIONS LOGIQUES/SEMANTIQUE

Pattern matching

Le moteur structure une ontologie des types permettant d'identifier les sous-patterns. Le mécanisme extensible d'instanciation permet alors d'identifier les instances classifiées dans ces sous-motifs, s'ils sont satisﬁables.

Integrated indexing

Le système de type est structuré en index ordonnés (sur la partie indexée du type) en qui peut être complété par des index inférés basé sur des équivalences de type ou des sous-types. Ces index complémentaires permettent alors d'accélérer certains traitement, donc l'instanciation en mode logique

Langages logiques

Le moteur de graphe dispose d'un DSL logique (L-Logic) qui permet de valoriser les manipulations déclaratives dans le graphe. Des langage logiques autres comme FOL (Logique d'ordre 1) ou OWL (logique de description) peuvent aussi se transposer comme des types ou des instances dans l'hypergraphe

Index et +

Des index supplémentaires, adaptés au métier, peuvent être ajoutés pour accélérer l'algorithmique

Inférences Logiques

Le système d'inférence initialement inactif peut être complété par des modules de transformation de graphes optionnels. Les modules peuvent être ajoutés en fonction du type de manipulation logique que l'on souhaite faire réaliser à l'hypergraphe. : recherche de sous-graphe (homorphis ), résolution, calcul des séquents.

Induction

Un mécanisme inductif extensible peut être mis en place pour générer des types composites à partir d'exemples. On dispose alors de la capacité d'apprendre des motifs à partir d'exemples minimalistes et de les renforcer.

Instanciation

Les sous-types composites de type jointure peuvent être vus comme des programmes à exécuter. Là aussi, un mécanisme extensible permet plusieurs types de stratégies : jointure sur graphe, évaluation fonctionnelle (cas d'une structure composite composée de fonctions élémentaire, programmation par contrainte, résolution d'un système analytique.

BIBLIOTHEQUES D'ALGORITHMES

Recherche op.

Une librairie d'algorithmes de recherche opérationnelle open-source est mise à disposition des développeurs pour utiliser les fonctionnalités avancées de l'hypergraphe.

IA Neuronale

Des librairies Python sont disponibles pour coupler l'Hypegraphe aux IA neuronales comme les modèles transformer, le graph embedding etc.

SYSTEMES DE COUCHES

Architecture en couche

Il est possible de séparer l'information dans des couches indépendantes que l'on peut coupler sans les fusionner aﬁn de maintenir un cycle de vie et une sécurisation indépendante des couche.

Cryptage

Chaque couche peut disposer de sa propre clé de décryptage rangée dans un wallet utilisateur.L'accès au wallet permet alors d'accéder à la couche et de la coupler aux autres.

ARCHITECTURE REPARTIE

Classical Clustering

Il est possible de déﬁnir un Cluster d'Hypergraphe Conceptuel qui va se synchroniser aﬁn de mettre en place des mécanismes Cloud usuels de répartition de charge.

P2P Clustering

En présence d'un réseau P2P public ou privé, on peut mettre en place un mécanisme de synchronisation entre pairs et plus particulièrement entre les couches disponibles sur ces pairs.

Distributed Transaction

Un mécanisme de transaction distribué peut être mis en place.

Service Oriented

Les mécanismes CRUD sur la base de connaissance, mais aussi les mécanismes logiques peuvent être interrogés ou déclenchés via des protocoles REST FULL, de queue de Message ou P2P.

VERSION EMBARQUÉE

Version embarquée

Le module d'hypergraphe peut être accédé comme un module Python, DotNet ou Java

SYSTEME DE TYPE INTEGRE

N-Ary Relations

La base de connaissance est basée sur la manipulation de structures N-Aire et non pas simplement de relations binaires (comme dans les Property Graph) ou de relations ternaires (comme dans les RDF Data Store) ce qui fait que nous disposons d'une structure d'hypergraphe.

Types Composites

Le types dans l'hypergraphe peuvent être des structures composites par jointure (and) ou union (or)

Data and Types

La structure d'hypergraphe dispose naturellement à la fois de la notion de type et de la notion d'instance de ces types, assez similaire à ce que l'on rencontre en programmation objet.

Types Quantiﬁés

Il est possible de déﬁnir des quantiﬁcateurs sur les types simples ou composites aﬁn de restreindre leurs instances par rapport au type non quantiﬁé. En visualisation d'un hypernoeud comme un programme, les quantiﬁcateurs se représentent comme des contraintes d'exécution sur l'instance.

Négation de types

Il est aussi possible de déﬁnir un type par négation complète ou partielle d'un type. Une négation partielle ne concerne qu'un sous motif d'un type.

Variables

Le système logique manipulé par l'hypergraphe permet une manipulation de type logique propositionnelle, mais aussi de type logique d'ordre 1 où les concepts disposent de variables. Un mécanisme de mappage des variables intégrées (mappage polyadique) permet de simplifier la manipulation d'expressions logiques complexes.

démarche

vision et architecture

ontologies

décrire le monde

une démarche BI maîtrisée

Uses cases métier

Exploiter la puissance des graphes de connaissances permet d’optimiser le pilotage de projets complexes et de faciliter la prise de décision.

découvrez maintenant notre

logiCells Decentralized Network (LDN)

Le logiCells decentralized Network est un réseau Pair à Pair professionnel qui permet de mettre en œuvre des architectures distribuées sur le cloud, mais aussi sur le Edge, ceci sans serveur central.

logiCells

55 RUE LABOURDONNAIS 97400 SAINT-DENIS

contact@logicells.com