ТЕМА 2: Методы представления знаний.

ТЕМА 2: Методы представления знаний. Предметное (фактуальное) и проблемное (операционное) знания. Декларативная и процедурная формы представления знаний. (4 часа)

Изучаемые элементы: Данные Ш и знания. ШПредметное (фактуальное) и проблемное (операционное) знания. ШДекларативная и процедурная формы представления знаний. ШМодели представления знаний. ШПродукционные модели. ШФреймовые сети. ШСемантические сети.

Данные – это отдельные факты, характеризующие объекты, процессы и явления предметной области и их свойства. При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы: n Д 1 – данные, как результат измерений и наблюдений n Д 2 – данные на материальных носителях (таблицы, протоколы, справочники) n Д 3 – модели данных в виде диаграмм, графиков, функций n Д 4 – данные в компьютере на языке описания данных n Д 5 – базы данных на машинных носителях информации

Знания – закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области. Знания основаны на данных, полученных эмпирическим путем. Они представляют собой результат мыслительной деятельности человека, направленный на обобщения его опыта, полученного в результате практической деятельности.

Знания – это хорошо структурированные данные, или данные о данных, или метаданные. При обработке на ЭВМ знания трансформируются аналогичными данными. Ш - знания в памяти человека как результат З 1 мышления Ш – материальные носители знаний (учебники, З 2 методические пособия) Ш – поле знаний – условное описание объекта З 3 предметной области, их атрибутов и связей Ш – знания, описанные на языках представления З 4 знаний (продукционные языки, семантические сети, фреймы) Ш – база знаний на машинных носителях З 5 информации

Для определения понятий применяют два способа: n на основе интенсионала – определения понятия через соотнесение с понятием более высокого уровня абстракции с указанием специфических свойств. Интенсионалы формулируют знания об объектах n на основе экстенсионала – соотношение с понятиями более низкого уровня абстракции или перечисление факторов относящихся к определённому объекту. Пример: «Понятие ПК» его интенсионал: ПК – дружественная ЭВМ, которую можно поставить на стол и купить менее чем за 2000$. Экстенсионал: ПК – Mac, IBM PC, Sincler.

Знания бывают: n Поверхностные – знания о видимых взаимосвязях между отдельными событиями и факторами в предметной области. n Глубинные – абстракции, аналоговые схемы отображающие структуру и природу процессов в данной предметной области. Эти знания объясняют явления и могут использоваться для прогнозирования поведения объектов.

Модели представления знаний. 1. Продукционная. Эта модель (модель основанная на правилах) позволяет представлять знания в виде предложений типа Если <условие>, то <действие>. Условие (антецедент) есть некоторое предложение образец, по которому осуществляется поиск в базе знаний, а под действием (консеквент) действие выполняемое при успешном исходе поиска. Такой вывод на базе знаний бывает прямой (от данных к концу цепи) и обратный (от цепи к данным для её подтверждения). Продукционная модель чаще всего используется в промышленных экспертных системах, привлекая разработчиков простотой и наглядностью, высокой модульностью. Имеется большое число программных средств реализующих продукционный подход: язык OPS, «оболочки» или «пустые» экспертные системы Expert System Builder и др.

2. Семантические сети. Семантика – наука устанавливающая отношения между символами и объектами, которые они обозначают, т. е. наука определения смысла знаков. Семантическая сеть – ориентированный граф, вершины которого это понятия, дуги – отношения между понятиями. В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения типа «это» (AKO-A- kind-of; is). Характерной особенностью семантических сетей является наличие трёх типов отношений: Класс – элемент класса (Цветок - Роза) Свойство – значение (Цвет - жёлтый) Пример элемента класса (Роза чайная)

Перерывчик!!!

По типам отношений семантические сети делятся на: § Бинарные (в них отношения связывают 2 объекта) § N-арные (в которых некоторые отношения связывают более двух понятий) § Другие типы Проблема поиска решений в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети соответствующего некоторой подсети отражающий предоставленный запрос к базе. n. Пример: на рисунке представлена семантическая сеть в качестве вершин которой выступают понятия: «человек» , «Иванов» , «Волга» , «автомобиль» «вид транспорта» , «двигатель» , «цвет» , «красный» .

Пример семантической сети Двигатель Красный Значение Цвет Имеет Свойство Это Волга Автомобиль Вид транспорта Любит Принадлежит Это Иванов Человек

Данная модель представления знаний была предложена американским психологом Куиллианом. Преимуществом данной модели является то, что она более других соответствует представлению об организации долговременной человеческой памяти. Недостатком её является сложность организации, процедуры поиска, вывода на семантической сети. Для организации семантических сетей существуют специальные сетевые языки, например: Net(1985), Simer+Mir(Осипов, 1997) и др.

3. Фреймы Фрейм – абстрактный образ для представления некоего стереотипа восприятия. Термин фрейм (каркас, рамка) был предложен Марвином Минским в 70 -е годы для обозначения структуры знаний, для восприятия пространственных сцен. В психологии известно понятие абстрактного образа например: произнесение вслух слова «комната» порождает у слушателя образ комнаты: жилое помещение с четырьмя стенами, полом, потолком, окнами, дверью, площадью 6 -20 м 2. Из этого описания ничего нельзя убрать. Например, убрав окна, получим чулан. Но в описании есть «дырки» или «слоты» - незаполненные значения некоторых атрибутов, например: количество окон, цвет стен, высота потолка…

В теории фреймов такой образ комнаты называется «фреймом комнаты» . Т. е. формализованная модель для отображения образа. Различают фреймы-образцы (прототипы) хранящиеся в базе знаний и фреймы-экземпляры, которые создают для отображения реальных ситуаций на основе поступающих данных. Модель фреймов является универсальной т. к. позволяет отобразить всё многообразие значений о мире, через: Фреймы-структуры для обозначения объектов и понятий (заём, залог, вексель) Фреймы-роли (менеджер, кассир, клиент) фреймы-сценарии (банкротство, собрание акционеров, празднование именин) фреймы-ситуации (тревога, авария, рабочий режим устройства).

Структура фрейма может быть представлена как список свойств: Имя фрейма: (имя 1 -го слота: значение 1 -го слота) (имя 2 -го слота: значение 2 -го слота) … … … (имя n-го слота: значение n-го слота) Важнейшим свойством теории фреймов является заимствование из теории семантических сетей – наследование свойств, которое проходит по АКО-связям. Пример: В сети, показанной на рисунке, понятие «ученик» наследует свойства фреймов «ребенок» и «человек» , 5 которые находятся на более высоком уровне иерархии.

Пример фреймовой сети: Человек Ребёнок Ученик КАК Млекопитающее АКО Человек АКО Ребёнок УМЕЕТ Мыслить Возраст 0 -16 лет учится в школе Рост 50 -180 см возраст 7 -17 лет Любит Сладкое носит форму

В сети, показанной на рисунке, понятие «ученик» наследует свойства фреймов «ребенок» и «человек» , которые находятся на более высоком уровне иерархии. Так на вопрос: «Любит ли ученик сладкое? » , следует ответить: «да» , т. к. этим свойством обладают все дети, что указано во фрейме «ребенок» . Наследование свойств может быть частичным, т. к. возраст для учеников не наследуется из фрейма «ребенок» , т. к. указан явно в собственном фрейме.

4. Формальные логические модели. Традиционно в представлении знаний использовались эти модели, основанные на классическом исчислении предикатов 1 -го порядка, когда предметная область или задача описывались в виде набора аксиом, в качестве логических связок использовались логические операции (и, или, исключительное или). Исчисление предикатов 1 -го порядка в промышленных экспертных системах практически не используется. Эта логическая модель применяется в основном в исследовательских системах, т. к. предъявляет высокие требования и ограничения к предметной области. В промышленных экспертных системах используются различные модификации этих моделей, реализуемых с помощью таких программных средств, как Prolog.