Transitivity in Relations Between Time Intervals

Zusammenfassung

Die in der Vergangenheit entworfenen Wissensrepräsentationsparadigmen zur Darstellung von Zeitbezügen zeichnen sich entweder durch mangelnde Ausdruckskraft, oder durch geringe Effizienz aus. Ausgehend von einer Klassifikation der Paradigmen in „zeitachsen-orientierte Ketten“ und „Beziehungsnetze“ wird eine Repräsentation durch „transitive Ketten“ vorgeschlagen, die die Vorteile beider Gruppen unter Ausnutzung der transitiven Eigenschaften einiger temporalen Grundrelationen vereinigt, nämlich die Transparenz und Ökonomie der zeitachsen-orientierten Ketten und die Ausdruckskraft der Beziehungsnetze, ohne dabei auf anwendungsgebietspezifisches Wissen angewiesen zu sein. Weiter wurde ein transitivitätsbasierter Constraint-Propagation-Algorithmus formuliert. Sowohl sein Speicherplatzbedarf wie auch die Rechenzeit weisen eine wesentlich niedrigere Komplexität auf als der Allensche Grundalgorithmus, im Vergleich zu dem Allenschen „Referenzintervallmodell“ bietet die auf transitiven Ketten basierte Representation Vorteile bzgl. Nutzbarkeit für automatische Inferenzsysteme sowie Vollständigkeit der Inferenzen.

Abstract

The paradigms developed in the past for the representation of temporal references have frequently suffered from either insufficient expressiveness or low efficiency. Classifying the paradigms in “time lines” and “relation networks”, a representation through “transitive chains” is proposed, which integrates the strengths of both groups: the transparency and the efficiency of time line chains and the expressiveness of relation networks. It uses transitivity of some of the elementary temporal relations, being independent from the domain-specific knowledge. Further, a transitivity-based constraint propagation algorithm is formulated. Its space requirements as well as computing time are substantially lower than those of J. Allen’s basic algorithm. Moreover, the transitive chain model is superior to Allen’s “reference interval” model in its usability for automatic reasoning and completeness of its inferences.