МИНИСТЕРСТВО ОБРАЗОВАНИЯ РФ
Нижегородский государственный архитектурно – строительный
Университет
ЛЕКЦИИ
ПО КУРСУ “Представление знаний в информационных системах”
для студентов специальности “Информационные системы и технологии”
Составил к.т.н. доцент А.Я. Лахов
Н.Новгород - 2003
Лекция №1
Данные и знания
Данные – это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.
При обработке на ЭВМ данные трансформируются, условно проходя следующие этапы:
D 1 – как результат измерений и наблюдений;
D 2 – данные на материальных носителях информации (таблицы, протоколы, справочники);
D 3 – модели (структуры) данных в виде диаграмм, графиков, функций;
D 4 – данные в компьютере на языке описания данных;
D 5 – базы данных на машинных носителях информации.
Знания – это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.
При обработке на эвм, знания трансформируются алогично данным
Z 1 – знания в памяти человека как результат мышления;
Z 2 – материальные носители знаний (учебники, методические пособия);
Z 3 – поле знаний – условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;
Z 4 – знания, описанные на языках представления;
Z 5 – база знаний на машинных носителях информации.
Существует множество способов определять понятия. Один из широко применяемых способов основан на идеи интенсионала. Интенсионал понятия – это определение его через соотнесение с понятием более высокого уровня абстракции с указанием специфических свойств. Интенсионалы формируют знания об объектах. Другой способ определяет понятие через соотнесение с понятиями более низкого уровня абстракции или перечисление фактов, относящихся к определённому объекту. Это есть определение через данные, или экстенсионал понятия.
Знания традиционно делят на процедурные и декларативные. Исторически первичными были процедурные знания , то есть знания, «растворённые» в алгоритмах. Они управляли данными. Для их изменения требовалось изменять программы. Однако с развитием искусственного интеллекта приоритет данных постепенно изменялся, их всё большая часть знаний сосредотачивалась в структурах данных (таблицы, списки, абстрактные типы данных), то есть увеличивалась роль декларативных знаний.
Модели предоставления знаний
Существует десятки моделей предоставления знаний для различных предметных областей. Они могут быть отнесены к следующим классам:
продукционные модели;
семантические сети;
фреймы;
формальные логические модели.
Продукционная модель
Продукционная модель или модель, основанная на правилах, позволяет предоставлять знания в виде предложений типа «если (условие), то (действие)».
Под «условием» ( антецедентом ) понимается некоторое предложение - образец, по которому осуществляется поиск в базе знаний, а под «действием» ( консеквентом ) – действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия и терминальными или целевыми, завершающими работу системы).
Чаще всего вывод на такой базе знаний бывает прямой (от данных к поиску цели) или обратный (от цели для её подтверждения – к данным). Данные – это исходные факты, хранящиеся в базе фактов, на основании которых запускается машина вывода или интерпретатор правил, перебирающий правила из продукционной базы знаний.
Семантические сети.
Термин семантическая означает «смысловая», а сама семантика – это наука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков.
Семантическая сеть – это ориентированный граф, вершины которого - понятия, а дуги – отношения между ними.
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». Характерной особенностью семантических связей является обязательное наличие трёх типов отношений:
класс – элемент класса (цветок – роза);
свойство – значение (цвет – жёлтый);
пример элемента класса (роза – чайная);
Можно предположить несколько классификаций семантических сетей, связанных с типами отношений между понятиями.
По количеству типов отношений:
однородные (с единственным типом отношений).
Неоднородные (с различными типами отношений)
По типам отношений:
Бинарные (в которых отношения связывают два объекта).
N – арные (в которых есть специальные отношения, связывающие более двух понятий)
Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающий поставленный запрос к базе.
Пример
На рисунке изображена семантическая сеть. В качестве вершин тут выступают понятия: «человек», «Иванов», «Волга», «автомобиль», «вид транспорта» и «двигатель».
значение
Двигатель
свойство
имеет
частью
это
это
любит
например
Красный
Цвет
Волга
Автомобиль
Вид
транспорта
принадлежит
Иванов
Человек
Рис1.1. Семантическая сеть.
Фреймы
Термин фрейм (от английского frame), что означает «каркас» или «рамка» был предложен для обозначения структуры знаний для восприятия пространственных сцен.
Различают фреймы – образцы, или прототипы, хранящиеся в базе значений, и фреймы – экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний в мире через:
фреймы – структуры, использующиеся для обозначения объектов и понятий (заём, залог, вексель);
фреймы – роли (менеджер, кассир, клиент);
фреймы – сценарии (банкротство, собрание акционеров, празднование именин);
фреймы – ситуации (тревога, авария, рабочий режим устройства) и др.
Традиционно структура фрейма может быть представлена как список свойств:
(ИМЯ ФРЕЙМА:
(имя 1-го слота: значение 1-го слота),
(имя 2-го слота: значение 2-го слота),
...
(имя N-го слота: значение N-го слота)).