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:

1. просмотр существенных фактов из рабочей памяти (базы фактов), правил из базы знаний и добавление, по мере возможности, в рабочую память новых фактов;

2. 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:

1. сопоставление – образец правила сопоставляется с имеющимися фактами;

2. выбор – если в конкретной ситуации может быть принято сразу несколько правил, то из них выбирается одно, наиболее подходящее по заданному критерию;

3. срабатывание – если образец правила при сопоставлении совпал с какими-либо фактами из рабочей памяти, то правило срабатывает;

4. 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:

1. связи типа “часть-целое” (н-р, “класс-подкласс'');

2. функциональные связи (н-р, производит);

3. количественные (н-р, >, <, = );

4. пространственные (н-р, далеко от);

5. временные (н-р, раньше);

6. атрибутивные (н-р, иметь свойство);

7. 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.