- Author
- Christophe Billiet (UGent)
- Promoter
- Guy De Tré (UGent)
- Organization
- Abstract
- Informatiesystemen zijn alomtegenwoordig en belangrijker dan ooit, en zijn vaak relatief gemakkelijk bevraagbaar. Ze bevatten uiteenlopende types data en informatie, waarvan temporele data en informatie een belangrijke subcategorie vormt. Echter, sommige van deze gegevens of informatie zijn onzeker, onnauwkeurig, vaag of op een andere manier imperfect en sommige bevragingen gebeuren het best flexibel, omdat mensen nu eenmaal flexibel omgaan met bepaalde data en informatie. Het adequaat modelleren, flexibel bevragen en analyseren van dergelijke imperfecte temporele data of informatie vormen dan ook belangrijke uitdagingen. Het wetenschappelijk onderzoek voorgesteld in deze dissertatie probeert oplossingen aan te reiken voor deze uitdagingen. In dit onderzoek wordt getoond hoe technieken en benaderingen uit de artificiële intelligentie (AI) gebruikt kunnen worden om imperfecte temporele data en informatie adequaat te modelleren. Daarenboven worden AI-technieken of -benaderingen voorgesteld om flexibele bevraging van imperfecte temporele data en informatie toe te laten en te ondersteunen en om de resultaten van dergelijke bevragingen optimaal te presenteren. Bovendien worden in dit wetenschappelijk werk AI-technieken of -aanpakken ontwikkeld om imperfecte temporele data en informatie tweedimensionaal te presenteren en om de analyse van dergelijke data te ondersteunen. Hierbij wordt steeds rekening gehouden met het uitzonderlijke temporele en imperfecte karakter van de betrokken data en informatie en de gerelateerde semantiek.
- Information systems are ubiquitous and more important than ever, and are often relatively easy to query. They contain a wide variety of data and information, of which temporal data and information form an important subcategory. However, some of this data or information is uncertain, imprecise, vague or otherwise imperfect, and some queries are best handled flexibly, as people naturally deal with certain data and information in a flexible manner. The adequate modelling, flexible querying and analysis of such imperfect temporal data or information therefore present significant challenges. The research presented in this thesis aims to provide solutions to these challenges. This research demonstrates how techniques and approaches from artificial intelligence (AI) can be used to model imperfect temporal data and information effectively. Furthermore, AI techniques or approaches are proposed to enable and support flexible querying of imperfect temporal data and information, and to present the results of such queries in the best possible way. Moreover, this research develops AI techniques or approaches to present imperfect temporal data and information 2-dimensionally and to support the analysis of such data. All these proposals consistently take into account the exceptional temporal and imperfect nature of the data and information in question, as well as the associated semantics.
Downloads
-
(...).pdf
- full text (Published version)
- |
- UGent only (changes to open access on 2031-07-06)
- |
- |
- 7.90 MB
Citation
Please use this url to cite or link to this publication: http://hdl.handle.net/1854/LU-01KXJFB405DKEN41M21V6WN9PH
- MLA
- Billiet, Christophe. Imperfect Time in Information Systems. Ghent University. Faculty of Engineering and Architecture, 2026.
- APA
- Billiet, C. (2026). Imperfect time in information systems. Ghent University. Faculty of Engineering and Architecture, Ghent, Belgium.
- Chicago author-date
- Billiet, Christophe. 2026. “Imperfect Time in Information Systems.” Ghent, Belgium: Ghent University. Faculty of Engineering and Architecture.
- Chicago author-date (all authors)
- Billiet, Christophe. 2026. “Imperfect Time in Information Systems.” Ghent, Belgium: Ghent University. Faculty of Engineering and Architecture.
- Vancouver
- 1.Billiet C. Imperfect time in information systems. [Ghent, Belgium]: Ghent University. Faculty of Engineering and Architecture; 2026.
- IEEE
- [1]C. Billiet, “Imperfect time in information systems,” Ghent University. Faculty of Engineering and Architecture, Ghent, Belgium, 2026.
@phdthesis{01KXJFB405DKEN41M21V6WN9PH,
abstract = {{Informatiesystemen zijn alomtegenwoordig en belangrijker dan ooit, en zijn vaak relatief gemakkelijk bevraagbaar. Ze bevatten uiteenlopende types data en informatie, waarvan temporele data en informatie een belangrijke subcategorie vormt. Echter, sommige van deze gegevens of informatie zijn onzeker, onnauwkeurig, vaag of op een andere manier imperfect en sommige bevragingen gebeuren het best flexibel, omdat mensen nu eenmaal flexibel omgaan met bepaalde data en informatie. Het adequaat modelleren, flexibel bevragen en analyseren van dergelijke imperfecte temporele data of informatie vormen dan ook belangrijke uitdagingen. Het wetenschappelijk onderzoek voorgesteld in deze dissertatie probeert oplossingen aan te reiken voor deze uitdagingen. In dit onderzoek wordt getoond hoe technieken en benaderingen uit de artificiële intelligentie (AI) gebruikt kunnen worden om imperfecte temporele data en informatie adequaat te modelleren. Daarenboven worden AI-technieken of -benaderingen voorgesteld om flexibele bevraging van imperfecte temporele data en informatie toe te laten en te ondersteunen en om de resultaten van dergelijke bevragingen optimaal te presenteren. Bovendien worden in dit wetenschappelijk werk AI-technieken of -aanpakken ontwikkeld om imperfecte temporele data en informatie tweedimensionaal te presenteren en om de analyse van dergelijke data te ondersteunen. Hierbij wordt steeds rekening gehouden met het uitzonderlijke temporele en imperfecte karakter van de betrokken data en informatie en de gerelateerde semantiek.}},
author = {{Billiet, Christophe}},
isbn = {{9789493513822}},
language = {{eng}},
pages = {{XXVI, 561}},
publisher = {{Ghent University. Faculty of Engineering and Architecture}},
school = {{Ghent University}},
title = {{Imperfect time in information systems}},
year = {{2026}},
}