6. Модели представления знаний.

Знания это формализованная информация, на которую ссылаются или используют в процессе логического вывода.

Если рассматривать знания с точки зрения задач в некоторой ПО, то их удобно разделить на две большие категории:

1. Факты (хорошо известные в данной ПО обстоятельства, например из литературы).

2. Эвристика, основывается на собственном опыте эксперта, накопленном в результате многолетней практики (играет решающую роль в эффективности системы).

Знания так же можно разделить на факты (фактические знания, А это А) и правила (знания для принятия решений, ЕСЛИ – ТО)

При проектировании модели представления знаний следует учитывать такие факторы:

1. Однородность представления, приводит к упрощению механизмов управления логическим выводом и упрощению управления знаниями.

2. Простота понимания, представление должно быть понятно экспертам и пользователям системы. В противном случае затрудняется приобретение знаний и их оценка.

Модели:

1. логическая модель ей свойственна единственность теоретического обоснования и возможность реализации системы формально точных определений и выводов.

2. продукционная модель, основана на правилах, позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие»;

3. сетевые модели или семантические сети – как правило, это граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами;

4. фреймовые модели – основывается на таком понятии как фрейм. Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.

6. Механизмы вывода в эс.

Бывают механизмы с прямым и обратным выводом.

Прямой вывод – опорной точкой служат предоставляемые данные, процесс оценки приостанавливается в узлах с отрицанием, причем в качестве заключения (если не все дерево пройдено) используется гипотеза, соответствующая самому верхнему уровню дерева (корню).

Обратный вывод – строится обратная цепочка рассуждений, оцениваются только те части дерева, которые имеют отношение к заключению. Недостатки обратного вывода: необходимо большое количество данных, не имеющих прямого отношения к заключению.

В двунаправленном выводе сначала оценивается небольшой объем полученных данных и выбирается гипотеза, а затем запрашиваются данные, необходимые для принятия решения о пригодности данной гипотезы.

6. Разработка базы знаний. Дерево решений.

База знаний – база правил (состоит из набора правил выбора и база данных содержащая много фактов)

Дерево решения используется для описания подобных задач и позволяет проследить весь ход рассуждений. Окружности и прямоугольники называются вершинами, линии, соединяющие вершины, называются дугами или ветвями. Окружности – вершины решений. Прямоугольники – вершины логических выводов. Логические выводы могут быть частными или общими. Если вершина логического вывода имеет более одной ветви, то она является локальным выводом.

Разработка:

1. Выбрать из дерева решений прямоугольник, такая вершина называется текущей.

2. Найти окружность, расположенную по соседству с текущей вершиной логического вывода.

3. Повторять шаг 2 до тех пор, пока не будут исчерпаны все вершины решений или не встретится новая вершина логического вывода.

4. Каждую из найденных вершин решения необходимо преобразовать в один из операндов условной части правил, при этом значения, связанные с ветвью, представляют собой условия для этого операнда.

5. Выбранный логический вывод необходимо преобразовать в результирующую часть правил.

Дополнение

Пример

Д ерево (граф) принятия решений строится на основе правил вывода. Граф принятия решений называется деревом, потому что имеет свои вершины и ветви. Вершины служат для проверки условий (обозначаются окружностями или эллипсами), а также для вывода сообщений о фактах и результатах решения (обозначаются прямоугольниками). Ветви соединяются вершинами и указывают направления пути решения. Обычное направление сверху вниз. Составим дерево решения для нашего примера (рис. 1). Пусть база данных заполнена ответами и рассчитана сумма накопленных баллов S. Обратите внимание! Мы считаем, что эта сумма не определена (точнее является изменяющейся величиной), ведь табл. 15 – это только один из множества возможных вариантов. Первый блок проверяет выполнение условие S < 280. При проверке любого условия возможны два исхода: «Условие выполнено» (ветка «ДА») и «Условие не выполнено» (ветка «Нет»). Если условие S < 280 выполняется, абитуриент получает оценку «Неудовлетворительно» (первый блок принятия решения). Если условие S < 280 не выполняется, значит, набранная абитуриентом сумма баллов больше 280. В этом случае нужно установить, в каком диапазоне находится сумма баллов. По ветке «Нет» от первого блока проверка условий приходим на второй блок проверки, где записано условие S < 340. При его выполнении очевидно, что сумма баллов находится в диапазоне 280-340, т.е. абитуриент получает оценку «Удовлетворительно». По ветке «Да» идем к вершине «Удовл.» В случае невыполнения данного условия очевидно, что сумма балов равна или превысила значение 340. Поэтому по ветке «Нет» происходит переход к последнему блоку проверки условия S < 400. При выполнении данного условия (ветка «Да») абитуриент получает оценку «Хорошо», при невыполнении (ветка «Нет») – оценку «Отлично»

Дополнение