2. Продукционные модели
Продукционная модель – модель, основанная на представлении знания в виде правил «Если (условие), то (действие)».
«Условие» – некоторое предложение-образец, по которому осуществляется поиск в БЗ, а «действие» – действия, выполняемые при успешном исходе поиска.
Исходные факты (данные) – хранятся в базе фактов, а набора правил – в базе знаний. На основе базы фактов запускается машина вывода или интерпретатор правил – программа, управляющая перебором правил из базы знаний.
Машина вывода выполняет 2 функции:
просмотр существенных фактов из рабочей памяти (базы фактов), правил из базы знаний и добавление, по мере возможности, в рабочую память новых фактов;
определение порядка просмотра и применения правил.
В большинстве систем, основанных на знаниях, машина вывода – небольшая по объему программа из 2-х компонентов – компонента вывода и управляющего компонента.
Действие компонента вывода основано на применении правила modus ponens:
Если известно, что истинно утверждение А и существует правило вида «Если А, то В», тогда утверждение В также истинно.
Правила срабатывают, когда находятся факты, удовлетворяющие их левой части: если истинна посылка, то должно быть истинно и заключение.
Управляющий компонент определяет порядок применения правил и выполняет 4 функции:
сопоставление – образец правила сопоставляется с имеющимися фактами;
выбор – если в конкретной ситуации может быть принято сразу несколько правил, то из них выбирается одно, наиболее подходящее по заданному критерию;
срабатывание – если образец правила при сопоставлении совпал с какими-либо фактами из рабочей памяти, то правило срабатывает;
действие – рабочая память подвергается изменению путем добавления в нее заключения сработавшего правила. Если в правой части правила содержится указание на какое-либо действие, то оно выполняется.
Интерпретатор правил работает циклически.
Порядок применения и срабатывания правил зависит от стратегии вывода, которая определяет направление поиска (прямое, обратное) и способ его осуществления (в глубину, в ширину, по подзадачам, или иначе).
Продукционная модель привлекает наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода. Недостаток - при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу.
Примеры экспертных систем на основе продукционной модели – ЭКСПЕРТ, ЭКО и др.
3. Семантические сети
Семантическая сеть – это ориентированный граф, вершины которого есть понятия, а дуги – отношения между ними.
Понятия – абстрактные или конкретные объекты.
Наиболее часто используемые отношения:
связи типа “часть-целое” (н-р, “класс-подкласс'');
функциональные связи (н-р, производит);
количественные (н-р, >, <, = );
пространственные (н-р, далеко от);
временные (н-р, раньше);
атрибутивные (н-р, иметь свойство);
логические (н-р, и, или, не) и др.
Поиск решения в базе знаний типа семантической сети сводится к поиску фрагмента сети, отражающего поставленный запрос к базе.
Пример семантической сети
Преимущество - более других соответствует современным представлениям об организации долговременной памяти человека. Недостаток – сложность организации процедуры поиска вывода на семантической сети.
Экспертные системы, использующие семантические сети в качестве языка представления знаний, – PROSPECTOR, CASNET, TORUS.