Модели знаний.
Информационные технологии экспертных систем
При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения к данным). Данные это исходные факты, на основании которых запускается машина вывода программа, перебирающая правила из базы. Под условием понимается… Читать ещё >
Модели знаний. Информационные технологии экспертных систем (реферат, курсовая, диплом, контрольная)
Знания это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. Для хранения знаний используются базы знаний. Знания могут быть классифицированы по следующим категориям:
поверхностные знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области;
глубинные абстракции, аналогии, схемы, отражающие структуру и процессы в предметной области.
Существуют десятки моделей представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам:
продукционные;
семантические сети;
фреймы;
формальные логические модели.
Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа: Если (условие), то (действие).
Под условием понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под действием действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия, и терминальными или целевыми, завершающими работу системы).
При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения к данным). Данные это исходные факты, на основании которых запускается машина вывода программа, перебирающая правила из базы.
Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.
Семантическая сеть это ориентированный граф, вершины которого понятия, а дуги отношения между ними.
Понятиями обычно выступают абстрактные или конкретные объекты, а отношения это связи типа: «это» («is»), «имеет частью» («has part»), «принадлежит», «любит». Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:
класс элемент класса;
свойство значение;
пример элемента класса.
Выделяют несколько классификаций семантических сетей:
по количеству типов отношений (однородные с единственным типом отношений; неоднородные с различными типами отношений);
по типам отношений (бинарные в которых отношения связывают два объекта; n-парные отношения, связывающие более двух понятий).
Наиболее часто в семантических сетях используются следующие отношения:
связи типа «часть-целое»;
функциональные связи;
количественные;
пространственные;
временные;
атрибутные связи;
логические связи.
Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.
Основное преимущество этой модели в соответствии современным представлениям об организации долговременной памяти человека. Недостаток модели сложность поиска вывода на семантической сети.
Под фреймом понимается абстрактный образ или ситуация. В психологии и философии известно понятие абстрактного образа. Например, слово «комната» вызывает у слушающих образ комнаты: «жилое помещение» с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6−20 м2. Из этого описания ничего нельзя убрать (например, убрав окна, мы получим уже чулан, а не комнату), но в нем есть «дырки», или «слоты», это незаполненные значения некоторых атрибутов количество окон, цвет стен, высота потолка, покрытие пола и др.
В теории фреймов такой образ называется фреймом. Фреймом называется также и формализованная модель для отображения образа.
Структуру фрейма можно представить так:
ИМЯ ФРЕЙМА:
- (имя 1-го слота: значение 1-го слота),
- (имя 2-го слота: значение 2-го слота),
- (имя N-гo слота: значение N-гo слота).
Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы экземпляры, которые создаются для отображения реальных ситуаций на основе поступающих данных.
Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:
фреймы-структуры, для обозначения объектов и понятий (заем, залог, вексель);
фреймы-роли (менеджер, кассир, клиент);
фреймы-сценарии (банкротство, собрание акционеров, празднование именин);
фреймы-ситуации (тревога, авария, рабочий режим устройства) и др.
Важнейшим (главным) свойством теории фреймов является заимствованное из теории семантических сетей наследование свойств.
Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также ее гибкость и наглядность.
В представлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов I порядка, когда предметная область или задача описывается в виде набора аксиом. Эта логическая модель применима в основном в исследовательских «игрушечных» системах, так как предъявляет очень высокие требования и ограничения к предметной области. В промышленных же экспертных системах используются различные ее модификации и расширения.
Модели знаний продукционная, фреймовая, семантических сетей обладают практически равными возможностями представления знаний. Дополнительно каждая модель знаний обладает следующими свойствами:
продукционная модель позволяет легко расширять и усложнять множество правил вывода;
фреймовая модель позволяет усилить вычислительные аспекты обработки знаний за счет расширения множества присоединенных процедур;
модель семантических сетей позволяет расширять список отношений между вершинами и дугами сети, приближая выразительные возможности сети к уровню естественного языка.