- •Глава 1 Основные понятия экономических информационных систем
- •1.1 Основные понятия и определения экономических информационных систем
- •1.2 Принципы построения и функционирования эис
- •1.3 Критерии эффективности эис
- •1.4 Классификация эис
- •1.5 Теория организации. Использование концепции многоуровневых систем в теории организаций.
- •1) Участники.
- •2) Структура организации
- •3) Методология.
- •1.6 Формализация основных понятий теории opганизаций в рамках теории многоуровневых систем
- •1.7 Предметная область
- •1.8 Компоненты экономических информационных систем
- •1.9 Классификация и основные свойства единиц информации
- •Пример:
- •Основные операции над единицами информации:
- •1.10 Экономические показатели и документы
- •1.11 Детализация представлений эис
- •1.12. Жизненный цикл эис
- •1.13. Цели и методы модификации эис
- •Глава 2. Модели данных
- •2.1. Модели данных. Реляционная модель данных
- •2.2. Функциональные зависимости и ключи
- •2.3. Нормализация отношений
- •2.4. Вторая и третья нормальные формы отношений
- •2.5. Ациклические базы данных
- •2.6. Сетевая модель данных
- •2.7.Организация веерного отношения в памяти эвм
- •2.8. Иерархическая модель данных
- •2.9. Сравнение моделей данных
- •2.10. Модель инвертированных файлов и информационно-поисковые системы
- •Глава 3. Методы организации данных
- •3.1 Методы организации данных в памяти эвм
- •3.2. Последовательная организация данных.
- •3.3. Цепная (списковая) организация данных
- •3.4. Древовидная организация данных
- •3.5. Сравнение методов организации данных
- •3.6. Организация данных во внешней памяти эвм
- •Глава 4. Моделирование предметных областей в экономике.
- •4.1. Семантические модели данных
- •4.2. Модель сущностей и связей
- •4.4. Базы знаний
- •4.5. Продукционная модель знаний
- •4.6. Фреймы
- •4.7. Семантические сети для представления знаний
- •4.8. Сравнение моделей знаний
- •4.9. Тезаурусы экономической информации
- •Глава 1 Основные понятия экономических информационных систем .. 3
- •1.1 Основные понятия и определения экономических информационных систем ……………………………………………………………………………….3
- •Глава 2 Модели данных ……………………………… ……………... 31
- •Глава 3 Методы организации данных ………………………………. 49
- •Глава 4 Моделирование предметных областей в экономике.
4.4. Базы знаний
В современных системах управления вопрос о принятии решений информационной системой требует фиксации знаний об управляемом объекте и реализации моделей принятия решений, характерных для человека-специалиста (инженера, технолога, экономиста, бухгалтера). Способность человека накапливать и использовать знания, принимать решения можно назвать естественным интеллектом, соответствующие возможности информационной системы получили название искусственный интеллект.
Система понятий для представления знаний существенно отличается от понятий для представления данных, поэтому отображение знаний производится в базу знаний. Вместе с тем база знаний способна хранить данные как простую разновидность знаний.
Запросы, которые формулируются пользователями информационной системы, реализуются одним из двух возможных способов:
- сообщения, являющиеся ответом на запрос, хранятся в явном виде в БД, и процесс получения ответа представляет собой выделение подмножества значений из файлов БД, удовлетворяющих запросу;
- ответ не существует в явном виде в БД и формируется в процессе логического вывода на основании имеющихся данных.
Последний случай принципиально отличается от рассмотренной ранее технологии использования баз данных и рассматривается в рамках представления знаний, т. е. информации, необходимой в процессе вывода новых фактов. База знаний содержит:
- сведения, которые отражают существующие в предметной области закономерности и позволяют выводить новые факты, справедливые в данном состоянии предметной области, но отсутствующие в БД, а также прогнозировать потенциально возможные состояния предметной области;
- сведения о структуре ЭИС и БД (метаинформация);
- сведения, обеспечивающие понимание входного языка, т. е. перевод входных запросов во внутренний язык.
Принято говорить не о "знаниях вообще", а о знаниях, зафиксированных с помощью той или иной модели знаний.
Принципиальными различиями обладают три модели представления знаний - продукционная модель, модель фреймов и модель семантических сетей.
4.5. Продукционная модель знаний
Продукционная модель состоит из трех основных компонентов:
- набора правил, представляющего собой в продукционной системе базу знаний;
- рабочей памяти, в которой хранятся исходные факты и результаты выводов, полученных из этих фактов;
- механизма логического вывода, использующего правила ц соответствии с содержимым рабочей памяти и формирующего новые факты.
Каждое правило содержит условную и заключительную части. В условной части правила находится одиночный факт либо несколько фактов (условий), соединенных логической операцией "И".
В заключительной части правила находятся факты, которые необходимо дополнительно сформировать в рабочей памяти, если условная часть правила является истинной.
Пример
Предположим, что в рабочей памяти хранятся следующие факты:
-доля выборки записей равна 0,09;
ЭВМ - PC XT.
Правила логического вывода имеют вид:
1) Если метод доступа индексный, то СУБД - dBASE 3.
2) Если метод доступа последовательный, то СУБД - dBASE 3.
3) Если доля выборки записей <0,1, то метод доступа - индексный.
4) Если СУБД - dBASE 3 и ЭВМ - PC XT, то программист -Иванов.
Механизм вывода сопоставляет факты из условной части каждого правила с фактами, хранящимися в рабочей памяти. В данном примере сопоставление условия правила 3 с фактами из рабочей памяти приводит к добавлению нового факта "Метод доступа - индексный" и исключению правила 3 из списка применяемых правил.
С учетом нового факта становится справедливой условная часть правила 1, и в рабочей памяти появляется факт "СУБД -dBASE З". Далее становится применимым правило 4, что приводит к фиксации в рабочей памяти факта "Программист - Иванов". В этот момент дальнейшее применение правил невозможно, и процесс вывода останавливается. Наш пример показывает, что применимость каждого правила из базы знаний в процессе вывода вовсе не обязательна.
Новые факты, полученные механизмом вывода:
- метод доступа - индексный,
-СУБД-dBASE 3,
- программист - Иванов.
В приведенном примере для получения вывода правила применялись к фактам, записанным в рабочей памяти, и в результате применения правил добавлялись новые факты. Такой способ действий называется прямым выводом. Возможен также обратный вывод целей. В качестве цели выступает подтверждение истинности факта, отсутствующего в рабочей памяти. При обратном выводе исследуется возможность применения правил, подтверждающих цель, необходимые для этого дополнительные факты становятся новыми целями и процесс повторяется.
Предположим, что в нашем примере запрос цели имеет вид:
? "программист - Иванов".
Эта цель подтверждается правилом 4. Необходимые для правила 4 факты - "ЭВМ - PC XT" и "СУБД - dBASE 3". Первый из них присутствует в рабочей памяти, а второй становится новой целью. Для этой цели требуется подтверждение правила 1 или правила 2. Факт-условие правила 2 не содержится в рабочей памяти и не является заключением существующих правил. Поэтому данная ветвь обратного вывода обрывается. Для применения правила 1 необходим факт "Метод доступа - индексный", он является заключением правила 3, а условие правила 3 соблюдается (в рабочей памяти хранится факт "Доля выборки записей равна 0.09").
В итоге первоначальная цель "программист-Иванов" признается истинной.
В случае обратного вывода условием останова системы является окончание списка правил, которые относятся к доказываемым целям. При прямом выводе останов происходит по окончании списка применимых правил. Следует отметить, что на каждом шаге вывода количество одновременно применимых правил может быть любым (в отличие от примеров, приведенных выше). Последовательность выбора подходящих правил не влияет на однозначность получаемого ответа; однако может существенно увеличить требуемое число шагов вывода. В реальных базах знаний с большим числом правил это может существенно снизить быстродействие системы. В системах с обратным выводом есть возможность исключить из рассмотрения правила, не имеющие отношения к выводу требуемых целей, и тем самым несколько ослабить указанный отрицательный эффект. По этой причине системы с обратным выводом целей получили большее распространение.
Представление знаний в виде набора правил имеет следующие преимущества:
- простота создания и понимания отдельных правил;
- простота механизма логического вывода.
К недостаткам этого способа организации базы знаний относятся:
- неясность взаимных отношений правил;
- отличие от человеческой структуры знаний.