El término integridad aplicado a las bases de conocimiento se refiere a dos conceptos diferentes.
En lógica formal, una base de conocimientos KB está completa si no existe una fórmula α tal que KB ⊭ α y KB ⊭ ¬α.
Ejemplo de base de conocimientos con conocimientos incompletos:
KB := { A ∨ B }
Entonces tenemos KB ⊭ A y KB ⊭ ¬A.
En algunos casos, se puede completar una base de conocimiento consistente con el supuesto de mundo cerrado , es decir, agregando todos los literales no implicados como negaciones a la base de conocimiento. Sin embargo, en el ejemplo anterior, esto no funcionaría porque haría que la base de conocimientos fuera inconsistente:
KB' = { A ∨ B, ¬A, ¬B }
En el caso donde KB := { P(a), Q(a), Q(b) }, KB ⊭ P(b) y KB ⊭ ¬P(b), entonces, con el supuesto de mundo cerrado, KB' = { P(a), ¬P(b), Q(a), Q(b) }, donde KB' ⊨ ¬P(b).
En la gestión de datos, la integridad es un metaconocimiento que se puede afirmar para partes de la base de conocimiento mediante afirmaciones de integridad. [1] [2]
Por ejemplo, una base de conocimientos puede contener información completa para los predicados R y S, mientras que no se afirma nada para el predicado T. Considere las siguientes consultas:
P1: - R(x), S(x) P2: - R(x), T(x)
Para la Consulta 1, la base de conocimientos devolvería una respuesta completa, ya que solo se cruzan los predicados que en sí mismos son completos. Para la Consulta 2, no se pudo llegar a tal conclusión, ya que el predicado T es potencialmente incompleto.
{{cite journal}}: Citar diario requiere |journal=( ayuda ){{cite journal}}: Citar diario requiere |journal=( ayuda )