Достоинства и недостатки продукционной модели.

Сильные стороны :

— Простота создания и понимания отдельных правил;

— Простота пополнения и модификации;

— Простота механизма логического вывода.

Слабые стороны :

— Отсутствие возможности описания взаимных отношений

правил;

— Сложность анализа целостного образа знаний;

— Несоответствие структуры знаний системы структуре знаний

человека. В частности, структура базы знаний продукционной

системы не позволяет описывать метазнания и свойственную

человеческому мышлению нечеткую логику.

Семантическая сеть является способом визуального описания связей между любыми видами объектов. Она состоит из узлов (например, людей, мест, предме­тов, понятий, событий или действий) и связей (взаимоотношении между узлами типа «является», «имеет», «сделай из» и т. п.). Семантические сети используются разработчиками систем с базой знаний для определения тех элементов базы знаний, которые связаны с декларативным описанием объектов, связей и взаимоотношений. Семантические сети наиболее широко используются при подтверждении правильности знаний экспертами в данной предметной области. Пример семантической сети приведен на рис. 1.

Фрейм также является структурой для представления отдельных частей знаний. В противоположность семантическим сетям, здесь знания сгруппированы в отдельную единицу, называемую фреймом. Фрейм имеет матричную структуру и содержит взаимосвязанные знания, касающиеся характеристик понятия, значения характеристик и соответствующие модели поведения. Специалисты по зна­ниям используют фреймы для представления в базе знаний декларативных и процедурных знаний.

Важным моментом во фреймовой теории является понятие фрейма – однажды

определенной структуры данных для представления некоторого

концептуального объекта. Информация, относящаяся к конкретному фрейму,

содержится в слоте. Все фреймы объединяются в иерархическую структуру,

интегрирующую в себе декларативные и процедурные знания. Данная структура

отображает целостный образ знаний, которому свойственна иерархичность

концептуального представления.

Каждый фрейм описывает один концептуальный объект, а конкретные свойства

этого объекта – в слотах. В качестве слота может использоваться специфичная

процедура вывода – присоединенная процедура. Фреймовую систему без

механизма присоединенных процедур часто рассматривают как базу данных

системы продукций.

Отличительной чертой фреймовой модели является возможность комбинации

декларативных и процедурных знаний в одной единице представления знаний –

фрейме, возможность иерархического построения базы знаний согласно степени

абстракции понятия, а также возможность реализации любой системы вывода на

основе обмена сообщениями – объектно-ориентированного метода управления

выводом.

Пример приведен на рис. 2.

Совет	1 5 членов
Члены совета	встречаются каждую пятницу
Собрания совета	проводятся в 15-00
Голубая комната	Место встречи совета

Рис.2

Извлечение и приобретение знаний

Под приобретением знаний понимается способ автоматизированного построения базы знаний посредством диалога эксперта и специальной программы (при этом структура знаний заранее закладывается в программу). Эта стратегия требует существенной предварительной проработки предметной области.

Термин извлечение знаний касается непосредственного живого контакта инженера по знаниям и источника знаний. Авторы склонны использовать этот термин как более емкий и более точно выражающий смысл процедуры переноса компетентности эксперта через инженера по знаниям в базу знаний экспертной системы.

Извлечение знаний - это процедура взаимодействия эксперта с источником знаний, в результате которой становятся явными процесс рассуждений специалистов при принятии решения и структура их представлений о предметной области.

В настоящее время большинство разработчиков экспертных систем отмечают, что процесс извлечения знаний остается самым "узким" местом при построении промышленных систем.

Процесс извлечения знаний - это длительная и трудоемкая процедура, в которой инженеру по знаниям, вооруженному специальными знаниями по когнитивной психологии , системному анализу, математической логике и пр., необходимо воссоздать модель предметной области, которой пользуются эксперты для принятия решения.

Можно выделить три основные стратегии проведения стадии получения знаний при разработке ЭС:

1) С использованием ЭВМ при наличии подходящего программного инструментария, иначе приобретение знаний.

2) С использованием программ обучения при наличии репрезентативной (то есть достаточно представительной) выборки примеров принятия решений в предметной области и соответствующих пакетов прикладных программ, иначе формирование знаний.

3)Без использования вычислительной техники путем непосредственного контакта инженера по знаниям и источника знаний (будь то эксперт, специальная литература или другие источники), иначе извлечение знаний.