If Отношение р/е 7

AND Ежегодный прирост продаж 30%

THEN Количество = 400 000.

Правило 83 указывает, что инвестор желает инвестировать $400 000 в ценные бумаги отношения цен (доход по которым менее 7, и .ежегодный рост продаж по которым больше или равен 30%).

Рис. 6.10. Организация базы знаний эксперта и преференций инвестора

Интеграция и интерпретация референций

Интеграция преференций специфического инвестора (например, инве­стор 1 на рисунке 6.10) со значениями эксперта можно достичь просто слиянием соответствующих правил. Заметьте, однако, что это слияние должно иметь место только во время генерации конфликтного множества выводов. Оригинальная база знаний и преференций должна остаться не­тронутой.

Для разрешения потенциальных конфликтов относительно рейтингов и коэффициентов доверия (Сr) между знаниями эксперта и преференциями инвесторов, приоритеты могут быть продекларированы как на глобальном, так и на уровне правил. Для глобального объявления могут быть использо­ваны либо предложение

PRIORITY = EXPERT

либо

PRIORITY = INVESTOR

Чтобы объявить приоритет преференций на уровне правил, предложение PRIORITY может быть использовано следующим образом.

ПРАВИЛО Правило 10

PRIORITY = OVERRIDE

CR = 0.8

IF Компания = XY2

THEN Рейтинг = A

BECAUSE...

OVERRIDE-предложение означает, что преференции в правиле 10 имеют приоритет над потенциально конфликтными знаниями экспертов. YIELD-предложение означает противоположное.

Рис. 6.11. Интеграция знаний эксперта и преференций эксперта

При вычислении составных рангов, охватывающих знания эксперта и преференции инвестора, ранги в индивидуальных правилах в базе преферен­ций можно рассматривать таким же образом, как и базу знаний эксперта.

Изменения знаний производится при помощи специального приложения.

Источники для приобретения знаний

Нетрудно найти эксперта в различных областях инвестирования, от кото­рого можно было бы получить знания, но мало кто согласится предоставить свои знания для широкого использования. Одна причина заключается в вычислительной сложности, связанной с принятием решений об инвестициях, которая такова, что локальные эвристики часто являются несовместными, так что знания человека фрагментарны, изменчивы и локальны. Для того чтобы преодолеть эти ограничения, автоматическое приобретение знаний на основе методов обучения машин может быть использовано.

Для того чтобы иметь возможность отображения правил в виде классификации, объекты, входящие в правила, можно представить в виде иерархи­ческой структуры (рис. 6.12).

Объекты можно рассматривать как атрибуты в правилах, правила, которые включают более одного объекта, могут быть индексированы более чем обоими родительскими объектами. Эта классификация полезна для подтверждения и модификации правил для некоторого объекта. Используя фреймы, иерархиче­ская структура может быть представлена следующим образом.

Рис. 6.12. Формат и примеры правил иерархической структуры

Средства поддержания знаний

Метазнания (знания о знании) полезны для поддержания знаний. Реле­вантные метазнания включают сведения о том, как использовать знания (ли­бо для оценки отдельных бумаг, либо для решений купли/продажи) на про­тяжении некоторого горизонта инвестирования (долго-, средне- или кратко­срочного). Метазнания могут быть представлены расширением синтаксиса правил в формате, показанном на рис. 6.12.

Используя метазнания, инженер по знаниям может получить правила, ко­торые удовлетворяют критериям, таким как следующие.

1. Какие знания были включены в базу знаний в октябре?

2. Какие знания включены сегодня?

3. Какие знания необходимо применить для оценки ценных бумаг с точки зрения долгосрочной перспективы?

Пример синтаксиса правил, которые включают метазнания приведен на рис. 6.13.

Рис. 6.12. Иерархическая структура правил

{{ПРАВИЛО имя правила

CREDIBILITY: процент