Mindey, 
標準化的公共情報超類別
基於方程式的本體庫，創建用於數據源分類的標準超類別，使數據更具可操作性。
因此，我們的想法是，使用方程式模型的本體庫（F(X)=Y），我們可以創建特定的超類別來對分類系統和數據源進行分類。 檢查協作文檔。 例如，它的零版本可能看起來像這樣：
條件（Y）
1. 目標 200
- TSV 210：技術-科學視野。
- NPL 210：國家政策目標，
- NLG 210：國家立法目標，
- RLG 210：地區立法目標，
- OP 210：組織政策目標，
- RDG 210：區域發展目標，
- NMG 210：NGO / NPO任務目標，
- ECI 210：種族文化意向，
- INTT 210：國際條約，
2. 想法 400
- ICAT 220：行業類別代碼，
- PCAT 220：產品類別代碼（例如HS），
- ACAT 220：經濟活動類別代碼（例如NACE，SIC，NAICS），
- PTN 450：專利號，
- SPN 420：科學出版物編號（例如DOI），
- TRP 430：技術報告，
- PROT 430：實驗室或者醫學治療程序（例如Protocol-Online），
- INBS 410：腦力激盪的創新想法（例如半面包店），
- CD-REPO 430：代碼存儲庫（電腦程序），
- ISTD 220：工業標準代碼。
3. 計劃 300
動作（X）
4. 運作 500
- CPU-OPS 510：浮點運算，
- NET-RQST 511：網絡請求操作，
- UI-MOVE 510：用戶界面移動，
- ORG-TASK 530：組織任務，
- ORG-PROD 533：組織產品（製造操作），
- TRD-ORD 520：市場貿易訂單 (GAAP 分類, IFRS 分類)，
- MTF 526：資金轉移，
- ATF 523：資產轉移（例如裝運），
- ITF 511：信息傳輸（例如，消息、文件上傳等，與NET-RQST重疊），
- MED-OP 534：醫療手術，
- LAB-OP 534：實驗室操作，
- WEB部署 511：基於CI/CD的在線系統部署操作。
實體（F）
5. 資產 300
↳1）代理人 330, 370
↳2）事項 310, 320, 460, 470, 480
- NREID 310：國家房地產ID（例如，地籍），
- NTEID 310：國家有形資產ID（例如，國家汽車註冊單，國家電話註冊單），
- INSTRID 480：儀器/工業機械ID，
- COMIDS 470：商品產品單位編號，
- FINIDS 470：金融產品單位編號，
- WASID 320：（Web資產ID，例如MAC地址）。
↳3）主題 100*
6. 地方 150*
- RLOC 151：真實位置（例如地址），WGS，WCS/FITS，
- VLOC 153：虛擬位置（例如IP、IPv6地址、神經網絡區域），計算機/電話地址寄存器（4.3 +十億個IP地址），思想在神經網絡中的位置等。
7. 事件 120
項目
Network Resource Vocabulary Development Group
The sole purpose is to introduce, evolve and maintain data alignment protocol.
+[項目]
甚至對於在我們的[類別]（/ intents / tree）中爲導入的數據進行排序（甚至在這裏，在0-> oo :)上也可能有用。
May be useful even for making order in our categories for imported data even here, on 0 -> oo :)
當前，在導入數據集時，開始使用它，會自動生成源類別，如下所示：
“ Y：IDEA：TRP：NTRS”，以引用NASA技術報告服務器。
Currently, while importing datasets, started using it, auto-generating categories for sources, like so:
Y:IDEA:TRP:NTRS, to refer to NASA Technical Reports Server.//導入數據集
如何導入數據集？
//while importing datasets How do I import a dataset?
還有更多需要考慮的事情。今天，我們有公司深入學習特定模型來回答特定問題。例如，身份和麪部識別模型，天氣模型等以及這些特定模型被集成決策系統用作決策的資源。
因此，就像我們在抽象網絡層上建立一層網絡協議時（例如OSI模型中的層）一樣，我們實際上可以擁有用於學習的模型，從頭開始構建社交AI，並結合多個標準化AI模型。
對機器學習的模型進行版本控制和標準化後，我們可以指定這些模型的質量和盲點，並採取措施自信地進行版本控制，逐步改進並在派生應用程序中使用它們。
例如，假設對“漫畫”概念的定義不是由字典定義的，而是由ANN定義的，例如Manga GAN，並變成了類似於ISO標準的東西“漫畫”的外觀模型。許多AI系統已經過版本控制，例如Google Translate，並且它們的屬性是已知的。因此，請考慮我們構建並標準化AI模型的許多概念和複雜現象。
也許此評論值得一提，即有關AI模型的ISO標準化思想的文章。
There is something more to consider. Today, we have companies deep-learning specific models to answer specific questions. For example, identity and face recognition models, weather models, etc., and these specific models are being used as a resource by integrative decision systems to make decisions.
So, just like we had layers of abstraction while building network protocols one upon another (e.g., layers in OSI model), we could actually have standards for deep-learned models, build social AI from ground up, combining multiple standardized AI models.
Having versioned and standardized machine-learned models would allow us to work on specifying the qualities and blind-spots of these models, and take actions to confidently version, incrementally improve, and use them in derived applications.
For example, imagine that definition of a concept "Manga" is defined not by a dictionary, but by an ANN, like Manga GAN, and becomes something like an ISO standard model of what "Manga" looks like. Many AI systems are already versioned, like, for example Google Translate, and the properties of them are known. So, think of many concepts and complex phenomena that we build AI models of, and standardize.
Perhaps this comment merits a separate post, of an idea of ISO standardization for AI models.
實際上，通過時間和對功能網絡和世界地圖助手，我想出了一個更緊湊，更實用的高級分類系統。它圍繞系統的概念展開，僅涉及五類概念：“ 100：資源”，“ 200：類別”，“ 300：系統”，“ 400：方法”和“ 500：操作”。有關詳細信息，請參見V2（“網絡資源詞彙”）。我目前使用它來組織所有已爬網的數據。遵循類似的模式，我們將HTTP響應與HTTP狀態代碼進行分類。也許這裏的這些超級類別可以用來擴展該網絡資源詞彙。
我想知道，其他人是否已經做了類似的事情，他們想出了什麼方法。
Actually, through time and reflections on Network of Functions and World Mapping Assistant, I had come up with a higher level categorization system that is more compact and usable. It revolves around the concept of Systems, and involves only 5 classes of concepts:
100: Resource,200: Category,300: System,400: Method, and500: Operation. The details are on V2 ("Network Resource Vocabulary"). I currently use it to organize all crawled data. It follows a similar pattern how we categorize the HTTP responses with HTTP Status Codes. Perhaps these supercategories here could be used to extend that network resource vocabulary.I wonder, is there something similar already done by others, and what approaches had they come up with.