5.2. Продукционная модель представления знаний
Продукционная модель представления знаний наиболее распространена в приложениях. Модель реализуется правилами-продукциями следующего вида:
если <условие> то <заключение>.
В
качестве условия может выступать любая
совокупность суждений, соединенных
логическими связками «и» (
),
«или» (
).
Например, продукцией будет следующее правило:
если (курс доллара - растет) (сезон - осень) (число продавцов - убывает)
то (прогноз цен на рынке жилья - рост рублевых цен на квартиры).
Такого рода правила и знания о ценах, предложении и спросе на рынке жилья могут стать основой для базы знаний о рынке жилья и экспертной системы для риэлторской фирмы.
Продукционные модели удобны для представления логических взаимосвязей между фактами, так как они хорошо формализованы и соответствуют долговременной памяти человека.
5.3.Представление знаний в виде семантической сети
Часто для представления знаний используют семантические сети.
Семантическая сеть - это ориентированный граф, каждая вершина которого отображает некоторое понятие, а дуги соответствуют отношениям между понятиями.
Простейший пример семантической сети представлен на рис. 5.1. В данном примере вершины графа соответствуют группе крови человека. Дуги графа соответствуют отношению «совместимость по группе крови». То есть, если существует дуга (i,j), то человеку, имеющему группу крови j можно переливать кровь группы i.
На семантических сетях удобно отражать причинно-следственные связи. Например, тот факт, что причиной неритмичной работы предприятия является старое оборудование, а причиной последнего - отсутствие оборотных средств, может быть отражен на семантической сети. Для этого сеть должна содержать вершины «отсутствие оборотных средств», «старое оборудование», «неритмичная работа», соединенные дугами, соответствующими отношениям типа «быть причиной».
Достоинство семантических сетей - наглядность представления знаний, с их помощью удобно представлять причинно-следственные связи между элементами, а также структуру сложных систем. Недостаток таких сетей - сложность вывода, поиска подграфа, соответствующего запросу.
5.4. Фреймовая модель представления знаний
Фреймовая модель представления знаний задает остов описания класса объектов и удобна для описания структуры и характеристик однотипных объектов. Под фреймом понимают некоторую единицу представления знаний. Фрейм может рассматриваться как отдельный автономный элемент и как элемент сети.
Отдельные характеристики объекта называются слотами фрейма. Фреймы сети могут наследовать слоты других фреймов сети.
Различают фреймы-образцы (прототипы), хранящиеся в базе знаний, и фреймы-экземпляры, создаваемые для отображения реальных ситуаций для конкретных данных.
Например, возьмем такое понятие, как «функция». Различные функции могут отличаться друг от друга, но существует некоторый набор формальных характеристик для описания любой функции. Определим фрейм «Функция». Данный фрейм содержит:
описание аргументов функции,
описание значения функции,
описание функционального соответствия.
Могут быть определены фреймы «Аргумент», «Значение функции», «Функциональное соответствие». Далее можно определить фреймы «Тип аргумента», «Операция» и др. Фрейм «Функциональное соответствие» может состоять из слотов вычислительная процедура и сложность вычисления. Чтобы описать конкретное значение фрейма, необходимо каждому слоту придать конкретное значение.
Фреймовое представление данных достаточно универсальное. Оно позволяет отображать знания с помощью:
фрейм-структур - для обозначения объектов и понятий;
фрейм-ролей - для обозначения ролевых обязанностей;
фрейм-сценариев - для обозначения поведения;
фрейм-ситуаций - для обозначения режимов деятельности и состояний.
Например, фрейм-структурами являются понятия «заем», «вексель», «кредит». Фрейм-роли - «кассир», «клиент». Фрейм-сценарии - «страхование», «банкротство». Фрейм-ситуации - «функционирование», «безработица».
Фреймовое представление наглядно и позволяет получать описание системы в виде связанных иерархических структур.