Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Проектирование экспертных систем. Учебное пособие
.pdf
описаний, стал Теньер. Он использовал графическое представление для своей грамматики зависимостей. Его труды оказали значительное влияние на развитие лингвистики в Европе.
«Впервые семантические сети были использованы в системах машинного перевода в конце 50-х-начале 60-х годов. Первая такая система, которую создала Мастерман, включала в себя 100 примитивных концептов, таких, как, например,
НАРОД, ВЕЩЬ, ДЕЛАТЬ, БЫТЬ. С помощью этих концептов она описала словарь
объемом 15000 единиц, в котором также имелся механизм переноса характеристик
с гипертипа на подтип».
Семантические сети являются удобным инструментом изучения процессов
обучения, запоминания и рассуждения и по этой причине могут принести большую
пользу в развитии систем искусственного интеллекта
В конце 70-х семантические сети получили широкое распространение. «В 80х годах границы между сетями, фреймовыми структурами и линейными формами
записи постепенно стирались. Выразительная сила больше не является решающим
аргументом в пользу выбора сетей или линейных форм записи, поскольку идеи, записанные с помощью одной формы записи, могут быть легко переведены в другую».
В эти годы особо важное значение получили такие второстепенные факторы,
как читаемость, эффективность, легкость введения информации в таком представлении в компьютер, удобство редактирования и распечатки.
«Термин «семантическая» означает «смысловая», а сама семантика — это
наука, устанавливающая смысловые отношения между символами и объектами, которые они обозначают, т. е. наука, определяющая смысл знаков».
А. В. Андрейчиков считает, что общепринятого определения семантической
сети не существует. «Большинство авторов определяют ее как систему знаний некоторой предметной области, имеющую определенный смысл в виде целостного
образа сети, узлы которой соответствуют понятиям и объектам, а дуги — отноше-
41
ниям между объектами». «Или как представление предметной области в виде ориентированного графа, вершинами которого выступают понятия, а ребрами — связи
между ними».
Семантическую сеть образует выбранная из какой-либо области совокупность взаимосвязанных понятий. Семантическая сеть определяет, по сути, концептуальную модель предметной области (ПО). Она составляется из различных категориально различающихся понятий, а именно: объектов, свойств, операций, событий и т. д.
Семантическая сеть понятий содержит в первую очередь интенсиональные
знания (знания об абстрактных объектах) о предметной области. Если предметную
область рассматривать как совокупность понятий и связей (отношений) между
ними, то семантические сети дают возможность представлять знания о предметной
области в наглядной и структурированной форме, что не всегда возможно при других способах представления знаний. Если в сети предусмотрена иерархия обобщения, то появляется возможность использования механизма логического вывода, основанного на наследовании признаков. Например, начиная навигацию от исходного понятия, можно пользуясь связующей логикой и двигаясь по ребрам графа
целенаправленно достичь другого понятия за некоторое число шагов. Однако такая
навигация может стать простым перебором вариантов, если путь продвижения по
сети понятий не определен.
«Семантическую сеть можно рассматривать как композицию троек (синтагм
или триплетов) вида ArB, где A и B — два понятия, а r — связь между ними.
Связь между понятиями семантической сети выражает минимальный объем
знаний, простейший факт, относящийся к двум понятиям. Более сложные утверждения в рамках семантической сети могут быть определены путем выделения соответствующих подграфов. В естественном языке такие подграфы выделяются с
помощью отдельных законченных предложений, которые описывают определенные ситуации, возникающие между понятиями предметной области».
42
«В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения — это связи типа: «это» («AKO — A-Kind-Of», «is»), «имеет
частью» («has part»), «принадлежит», «любит». К характерной особенности семантических сетей можно отнести обязательное наличие трех типов отношений:
класс — элемент класса (цветок — роза);
свойство — значение (цвет — желтый);
пример элемента класса (роза — чайная).
Что касается классификации семантических сетей, можно выделить несколько видов, в зависимости от признака положенного в ее основу. Например, на
основе «типов отношений между понятиями.
По количеству типов отношений:
однородные — с единственным типом отношений.
неоднородные — с различными типами отношений.
По типам отношений:
бинарные — отношения связывают два объекта.
n-арные — отдельные специальные отношения связывают более двух
понятий.
Самыми частыми в использовании в «семантических сетях являются следующие отношения:
связи типа «Часть — Целое» (класс - подкласс, элемент-множество, и
т. п.);
функциональные связи (обычно определяемые глаголами «производит», «влияет»);
количественные (больше, меньше, равно);
пространственные (далеко от, близко от, за, под, над);
временные (раньше, позже, в течение);
атрибутивные связи (иметь свойство, иметь значение);
логические связи (И, ИЛИ, НЕ);
лингвистические связи и др.
43
Решения на базе знаний спроектированной в виде семантической сети сводятся к поиску такого фрагмента сети, который соответствует некоторой подсети,
связанной с поставленным запросом к экспертной системе.
Например, в качестве вершин могут выступать понятия «Человек», «Иванов», «Волга», «Автомобиль», «Вид транспорта», «Двигатель», а запрос может
быть связан с выявлением владельца заданного автомобиля.
Семантическая сеть как модель представления знаний была предложена американским психологом Куиллианом. «Основным ее преимуществом является то,
что она более других соответствует современным представлениям об организации
долговременной памяти человека (Скрэгг)».
В качестве главного недостатка этой модели можно отметить сложность организации процедуры логического вывода на семантической сети.
«В книге А. В. Андрейчикова семантические сети Куиллиана систематизируют функции отношений между понятиями с помощью следующих признаков:
множество-подмножество (типы отношений «абстрактное — конкрет-
ное», «целое — часть», «род — вид»);
индексы (свойства, имена прилагательные в языке и т. п.);
конъюктивные связи (логическое И);
дизъюнктивные связи (логическое ИЛИ);
связи по Исключающему ИЛИ;
отношения «близости»;
отношения «сходства — различия»;
отношения «причина — следствие» и др.
При построении семантической сети отсутствуют ограничения на число элементов и связей. Поэтому систематизация отношений между объектами в сети
необходима для дальнейшей формализации».
1.7.5 Гибридные экспертные системы
44
В рамках этого класса возможно объединение различных архитектур баз знаний. Фреймовая экспертная система легко объединяется с сетевой и получаются
сети фреймов. Такое соединение позволяет ускорить процесс поиска вывода за счет
двухуровневой организации – сначала на уровне фреймов, а уже затем - на уровне
слотов.
К сетям фреймов можно в их слотах подключить как продукционную, так и
логическую архитектуру.
С другой стороны, фрейм можно сделать логической единицей, либо ввести
в некоторые правила, когда необходимо к этим фреймам обращаться.
Таким образом, гибридный подход позволяет использовать достоинства архитектур, либо избегать их недостатков.
1.8
Методический аппарат машины вывода
Как было выяснено из исторического экскурса причинами успешного использования экспертных систем на практике могут быть в том, что при их построении были учтены уроки предшествующих исследований в области искусственного
интеллекта, в частности в отношении рациональности и иррациональности. С другой стороны, это может быть обусловлено тремя принципами (два из них впервые
высказаны Е. Фейгенбаумом).
1. Экспертная система тем эффективнее на практике, чем обширнее и глубже
ее база знаний и только во вторую очередь ее эффективность обусловливается используемыми методами (процедурами). До изобретения экспертных систем в исследованиях по искусственному интеллекту господствовала обратная точка зрения.
Источником интеллектуальности считали небольшое количество общих мощных
процедур вывода, таких как принцип резолюций.
2. Сами знания, позволяющие, как эксперту, так и экспертной системе получать эффективные решения интеллектуальных задач, имеют в основном эвристический характер. Они являются предметом длительного опыта, в большой степени
45
неопределенными, правдоподобными. Необходимо также подчеркнуть, что знания
экспертов имеют зачастую субъективный характер, то есть свойственны конкретному человеку.
3. Учитывая первые два принципа можно сделать вывод о возрастании роли
непосредственного взаимодействия пользователя с экспертной системой в виде
диалога, для более глубокого понимания логики решенной задачи и формирования
собственной точки зрения.
В соответствии с третим принципом интерфейс с пользователем должен
иметь:
способность вести диалог о решаемой задаче на языке, удобном поль-
зователю (эксперту), и, в частности, приобретать в ходе диалога новые знания;
способность при решении задачи следовать линии рассуждения, понят-
ной пользователю (эксперту);
способность объяснять ход своего рассуждения на языке, удобном для
пользователя (эксперта), что необходимо как при использовании, так и при совершенствовании системы (т. е. при отладке и модификации базы знаний).
Первое требование реализуется диалоговым компонентом ЭС и компонентом
приобретения знаний, а для выполнения второго и третьего требований в ЭС вводится объяснительный компонент. Кроме того, второе требование накладывает
ограничения на способ решения задачи: ход рассуждения в процессе решения должен быть понятен пользователю (эксперту)».
1.8.1
Понятие формальной системы
Машина вывода (интерпретатор) «формально может быть представлена чет-
веркой:
I = <V, S, K, W>, (1.4)
46
где V – процесс выбора из множеств B и R подмножества активных продук-
ций Bv и подмножества активных данных Rv , соответственно, которые планируются к использованию в очередном цикле работы интерпретатора. Механизм выбора может быть тривиальным (на каждом цикле выбираются все правила и все
данные) или более сложным», в котором дополнительными процедурами (такими
как метод ветвей и границ) устраняются из рассмотрения те правила, условия которых заведомо не удовлетворяются данными рабочей памяти. В усложненных системах могут быть использованы: иерархия правил, метаправила или более сложные схемы управления, подобные сетям Петри;
S – процесс сопоставления, определяющий множество означиваний, т. е. мно-
жество пар:
где рi є Pvi , d
правило (р
R
, причем каждое рi применимо к элементам множества
i
vi
) - данные (di), (1.5)
i
{di} (будем также говорить, что «рi удовлетворяется на элементах множества {di}»).
Операция сопоставления может потребовать много времени, так как в общем случае влечет за собой означивание многих переменных.
«K – процесс разрешения конфликтов (или процесс планирования), опреде-
ляющий, какое из означиваний будет выполняться. Механизм разрешения конфликтов может быть неявным или явным (например, в виде некоторого множества
метаправил или процедур, описывающих выбор выполняемого правила). Метаправила позволяют обеспечить прямым и понятным способом применение динамических эвристик для разрешения конфликтов;
W – процесс, осуществляющий выполнение выбранного означенного правила
(т. е. выполнение действий, указанных в правой части правила). Результатом выполнения является модификация данных в R или операция ввода-вывода».
Рассмотрим логическую модель, как пример аксиоматической системы для выясне-
ния смысла введенных формализмов.
47
B
A
A
В качестве множества базовых элементов Т обычно используются элементы языка ло-
гики предикатов: переменные, константы, функциональные и предикатные символы и вспомогательные знаки.
Кроме того, «в качестве множества правил построения правильных (сложных) объектов
логики предикатов выступают правила построения формул логики предикатов.
Множество аксиом - это множество формул, истинность которых постулируется
без доказательства.
Постулаты логики предикатов имеют вид схем аксиом. Схема аксиомы - это
математическое выражение», которое выводит на конкретную аксиому всякий раз при подстановке вместо какой-то буквы одной и той же формулы.
Схемы аксиом логики предикатов таковы:
1.А(ВА)
2. (А В) ((А (В С)) (А С))
3.А (ВА&В)
4а.А&ВА
4в. А & В В
5а. А А V В (1.6)
5в. В А V В
6. (А С) ((В С) (А V В С))
7.(АВ) ((А
8. А
)
А)
9. х А(х) А (t )
10.А(t) хА(х)
Постулаты арифметики:
1. А (о) & х (А (х) А (х)) А (х) (аксиома индукции)
2. а´ = b´ а = b
3. а = bа = сb = с)
4. a+0=a
48
n
,...,,
21
n
,...,,
21
n
,...,,
21
n
,...,,
21
,
,
5. a·0=0 (1.7)
6. а' =0
7. a=ba´=b´
8. a+b´=(a+b)´
9.ab´=ab+a.
Здесь A,B,C - формулы; х- переменная; t-терм; а,b,с- целые числа; операция (')
(штрих) соответствует добавлению к числу единицы: а'=а+1.
Кроме того, «каждое правило вывода имеет структуру вида:
(1.8)
,
означающую, что если выведены формулы , называемые посылками,
то выводима также формула , называемая заключением».
Выводимость формулы из формул , означает такое отношение между
этими формулами, что всякий раз, когда истинна каждая из формул , истинна
также формула .
По определению, аксиома имеет структуру , т.е. не выводима из других формул
(множество посылок пусто).
Имеют место «следующие основные свойства для отношения выводимости.
1. Рефлективность:
2. Транзитивность:
(если выводима из и из выводима , то из выводима формула ).
3. Монотонность:
49
,
,
,
,
B
BAA ,
(если из выводима формула , то присоединение к формулы не отменяет вы-
водимость ).
4. Теорема дедукции: Если из и выводима формула , то из выводима фор-
мула импликация).
Верна также обратная теорема:
Теорема дедукции имеет весьма важное значение в логике. Действительно, чтобы
доказать выводимость
(1.9)
заменим формулу эквивалентной формулой , где - символ пустой формулы
(лжи). Используя эквивалентную замену , получим»
. (1.10)
Таким образом, установлен следующий важный факт "для доказа
тельства выводимо-
сти следует показать, что , т.е., что из и следует противоречие".
Основными правилами вывода в логике предикатов считаются два правила:
modus pones и generalization.
Правило modus pones:
(1.11)
утверждает, что если истинны формулы А и АВ, то истинна формула В.
Правило generalization:
50
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]