
- •Понятие модели в математике, информатике и языкознании
- •Требования к математическим моделям. Изоморфизм и гоморфизм.
- •Информационная модель. Этапы построения информационной модели
- •Достоинства и недостатки логического описания языковой системы
- •Множества и отношения в знаковом моделировании
- •Понятие алгоритма. Свойство алгоритма.
- •Этапы построения математической модели
- •Моделирование фонологических процессов: двухуровневая, порождающая и динамическая модели. (кодзасов)
- •Основные положения предикационной концепции языка
- •10. Моделирование языковой ситуации: модель внутренней структуры объекта и функциональная модель речевого общения
- •11. Основные принципы и направления в функциональной грамматике
- •13. Уровни представления в модели смысл-текст
- •14. Процедурная семантика ф. Джонсона-Лэрда
- •15. Когнитивная семантика: метафоризация значения
- •16. Принципы организации когнитивной грамматики р. Лангакера
- •17. Категории когнитивной грамматики: организация лексического значения
- •18. Категории когнитивной грамматики: семантика и действительность, фигура и фон
- •19. Дескриптивная грамматика: принципы и методы
- •20. Аппликативная модель Шаумяна
- •21. Ассоциативная грамматика Караулова
- •22. Исчисление иллокутивных актов по Дж. Сёрлю
- •23. Модели представления и обработки знания: логические и продукционные модели
- •24. Модели представления и обработки знаний: семантические сети и фреймы
- •25. Модель представления и обработки знаний: нейронные сети
- •26. Классификация глаголов по б. Левин
- •27. Логические основы моделирования языковой ситуации: мышление и язык; семиотический подход
- •28. Семантическая теория у. Вайнрайха
- •29. Формальная семантика в рамках генеративной грамматики
- •30. Организация языкового аппарата человека в минималистской теории генеративной грамматики
- •31. Генеративная (порождающая) грамматика: стандартная и расширенная стандартная грамматика
- •32. Модули в расширенной теории генеративной грамматике
- •33. Моделирование коммуникации по Лассвелу, Шеннону, Якобсону, Бахтину, Барту
- •34. Структурные элементы коммуникации
23. Модели представления и обработки знания: логические и продукционные модели
Логические модели
Логические модели представления знаний реализуются средствами логики предикатов. Предикатом называется функция, принимающая только два значения - истина и ложь - и предназначенная для выражения свойств объектов или связей между ними. Выражение, в котором утверждается или отрицается наличие каких-либо свойств у объекта, называется высказыванием.
Знания, которые могут быть представлены с помощью логики предикатов, являются либо фактами, либо правилами. При использовании логических методов сначала анализируется структура предметной области, затем выбираются соответствующие обозначения и в заключении формируются логические формулы, представляющие собой закономерности рассматриваемой области. Множество таких формул является логической программой, содержащей информацию о ПО.
Основная идея подхода при построении логических моделей представления знаний состоит в том, что вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода.
В основе логических моделей представления знаний лежит понятие формальной теории, задаваемое четверкой: S = <В, F, A, R>, где В — счетное множество базовых символов (алфавит), F — множество, называемое формулами, А — выделенное подмножество априори истинных формул (аксиом), R — конечное множество отношений между формулами, называемое правилами вывода.
Достоинства логических моделей представления знаний:
1. В качестве «фундамента» здесь используется классический аппарат математической логики, методы которой достаточно хорошо изучены и формально обоснованы.
2. Существуют достаточно эффективные процедуры вывода, в том числе реализованные в языке логического программирования Пролог.
3. В базах знаний можно хранить лишь множество аксиом, а все остальные знания получать из них по правилам вывода.
Однако действительность не укладывается в рамки классической логики. Так называемая человеческая логика, применяемая при работе с неструктурированными знаниями, — это интеллектуальная модель с нечеткой структурой, и в этом ее отличие от «старой» (классической) логики. Таким образом, логики, адекватно отражающей человеческое мышление, к настоящему времени еще не создано.
Продукционные модели
Психологические исследования процессов принятия решений человеком показали, что рассуждая и принимая решения, человек использует правила продукций, или продукционные правила (от англ. Production — правило вывода, порождающее правило).
В общем случае продукционное правило можно представить в следующем виде: i: S; L; A→B; Q
где i — индивидуальный номер продукции;
S — описание класса ситуаций, в котором данная структура может использоваться;
L — условие, при котором продукция активизируется;
А→В — ядро продукции, например: «ЕСЛИ A1, A2,,..., Ап ТО В» . Такая запись означает, что «если все условия от A1 до Аn являются истиной, то В также истина» или же «когда все условия от A1 до Аn становятся истиной, то следует выполнить действие B»;
Q — постусловие продукционного правила, описывает операции и действия (процедуры), которые необходимо выполнить после выполнения В. Например, внести изменения в данные либо в саму продукцию. Пример:
ЕСЛИ у является отцом х , ( A 1 )
z является братом у, ( A 2 )
ТО z является дядей х , (В)
В этом случае n =2. При n =0 получаем знания, состоящие только из вывода, то есть простой факт, например, «Атомный вес железа равен 55,8471». Суть использования правил продукции для представления знаний состоит в том, что левой части ставится в соответствие некоторое условие, а правой части — действие: ЕСЛИ <перечень условия>, ТО <перечень действий>. В такой интерпретации левая часть правил оценивается по отношению к базе данных (известному набору фактов) системы, и если эта оценка в определенном смысле соответствует логическому значению «ИСТИНА», то выполняется действие, заданное в правой части продукции.
При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Механизм выводов связывает знания воедино, а затем выводит из последовательности знаний заключение.
В продукционных системах, основанных на знаниях, процесс обработки информации может осуществляться двумя способами. Первый предполагает обработку информации в прямом направлении (метод сопоставления), когда образцом для поиска служит левая часть продукционного правила — условие, то есть задача решается в направлении от исходного состояния к целевому. Это соответствует стратегии «от данных к цели» или стратегии управления данными. После разрешения возникающих конфликтов выполняются правые части продукционных правил, что соответствует логическому выводу новых утверждений. После добавления выведенных утверждений в базу данных процедура повторяется. Процесс оканчивается, если выполняется продукционное правило, предписывающее прекращение поиска, или в базу данных поступает утверждение, являющееся решением. При втором подходе обработка информации осуществляется в обратном направлении — метод «генерации» или выдвижения гипотезы и ее проверки (стратегия «от цели к данным»). При каждом обратном движении возникает подцелевое состояние, из которого целевое может быть получено при прямом движении. В этом случае проверяются правые части продукционных правил с целью обнаружить в них искомое утверждение. Если такие продукционные правила существуют, то проверяется, удовлетворяется ли левая часть продукционного правила. Если да, то гипотеза считается подтвержденной, если нет — отвергается.
Таким образом, продукционные правила могут применяться к описанию состояния и описывать новые состояния (гипотезы) или же, напротив, использовать целевое состояние задачи как базу, когда система работает в обратном направлении. При этом продукционные правила применяются к целевому описанию для порождения подцелей (образуют систему редукций).
Свойства продукционных моделей:
Модульность — отдельные продукционные правила могут быть добавлены, удалены или изменены в базу знаний независимо от других; кроме того, модульный принцип разработки (сборки) продукционных систем позволяет автоматизировать их проектирование.
Каждое продукционное правило — самостоятельный элемент знаний (локальный источник знаний); отдельные продукционные правила связаны между собой только через поток данных, которые они обрабатывают.
Простота интерпретации — «прозрачная» структура продукционных правил облегчает их смысловую интерпретацию.
Естественность — знания в виде «что делать и когда» являются естественными с точки зрения здравого смысла.
Недостатки продукционных систем проявляются тогда, когда число правил становится большим и возникают непредсказуемые побочные эффекты от изменения старого и добавления нового правила. Кроме того, затруднительна оценка целостного образа знаний, содержащихся в системе.
Продукционные модели (наряду с фреймами) являются наиболее распространенными средствами представления знаний. Они близки к логическим моделям, что позволяет организовывать на их базе эффективные процедуры вывода, и в то же время более наглядно (чем классические логические модели) отражают знания. Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой логического вывода.