El término completitud aplicado a las bases de conocimiento se refiere a dos conceptos diferentes.
En lógica formal, una base de conocimiento KB está completa si no existe una fórmula α tal que KB ⊭ α y KB ⊭ ¬α.
Ejemplo de base de conocimiento con conocimiento incompleto:
KB := { A ∨ B }
Luego 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 conocimiento 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 conocimientos mediante afirmaciones de integridad. [1] [2]
Por ejemplo, una base de conocimiento puede contener información completa para los predicados R y S, mientras que no se afirma nada para el predicado T. Consideremos entonces las siguientes consultas:
Pregunta 1:- R(x), S(x) Pregunta 2:- R(x), T(x)
En el caso de la consulta 1, la base de conocimientos devolvería una respuesta completa, ya que solo se intersecan los predicados que son completos. En el caso de la consulta 2, no se pudo llegar a esa conclusión, ya que el predicado T es potencialmente incompleto.
{{cite journal}}: Requiere citar revista |journal=( ayuda ){{cite journal}}: Requiere citar revista |journal=( ayuda )