- •Глава 3. Общая схема интеллектуальной информационной системы
- •3.1. Основные компоненты интеллектуальной информационной системы (иис)
- •Примеры отношений включения
- •Характеристики использования знаний приложениями иис
- •3.2. Конструирование базы знаний
- •3.3. Техника вывода
- •3.4. Система естественно-языкового интерфейса (сеяи)
- •3.5. Технология работы интеллектуальных информационных систем (иис)
- •3.6. Байесовская сеть
- •Разработка прототипа системы поддержки решений
- •Оптимальные рекомендации
- •Искусственный интеллект в управлении инвестициями
Примеры отношений включения
Отношение подкласса между двумя реляционными схемами Ri и Rj могут быть выведены, если и только если одно отношение идентификаторов класса типа 1 вида ID Ri[Ki RjK выполняется. В том случае если между Ri и Rj выполняется отношение подкласса и отношение идентичности класса объектов между Ri и Rj не может быть выведено, Ri и Rj отображаются в классы объектов Оi и Оj, и Оj является генерализацией Оi. В нашем примере при данном идентификаторе ID#3 реляционные схемы «employees» и «secretaries» отображаются в ООБД-классы объектов WORKERS и SECRETARY, которые составляют специализацию EMPLOYEE.
Определение взаимосвязей между объектами и классами объектов вытекает из анализа идентификаторов класса типа 2 и типа 3. Рассмотрим спецификацию атрибутов класса объектов, представленных так называемыми «отношениями принадлежности» так же, как спецификации отношений группировки и агрегирования
Непервичные атрибуты схемы отношений становятся атрибутами классов объектов с идентификаторами типа 2 и могут интерпретироваться как ограничения ссылочной целостности между атрибутом или составным атрибутом X и областью атрибутов. Идентификатор типа 2 вида Ri[X] = Rj KJ соответствует отношению принадлежности между классами объектов Оi и Оj, в которые Ri и Rj ранее отображались. В нашем примере при данном ID#5, «куплен у» может рассматриваться как атрибут класса объектов MACHINE с доменом DEALER и, следовательно, отношение принадлежности «куплен у» определено между классами объектов MACHINE и DEALER.
Определение иерархии агрегирования и группировки вытекает из анализа отношения типа. Два или более идентификатора типа 3 вида Ri[X1] Rj1Kj1], Ri[X2]Rj2[Kj2], ..., Ri[Xn] Rjn[Kjn] таких, что Х1Х2, ..., Xn разбиение ключа Кi в составе Ri можно интерпретировать как отношение агрегирования. Предположим, что схемы Rk отношений отображаются в классы объектов Ок соответственно, тогда Оi составлен как агрегат класса объектов Oj1, ..., Ojn. В нашем примере при данных IDS#6 и #7, WORK_ASSIGNMENT рассматривается как агрегация EMPLOYEE и MACHINE, а при данном IDS#8 и #9 PRODUCTION интерпретируется как агрегирование WORK_ASSIGNMENT and PART.
Идентификатор типа 3 ID вида Ri[Xi]=RJ[KJ] можно интерпретировать как отношение группировки. Предположим, что Ri = Rj отображаются в классы объектов Оi и Oj, Оi можно рассматривать как группировку объектов базового множества Oj. В нашем примере при данных ID#10, PROJECT-TEAM можно рассматривать как группировку EMPLOYEE. IDS типа 4 также как идентификаторы, основанные на ключевых атрибутах могут интерпретироваться как ограничения целостности, которые не оказывают явного влияния на процесс проектирования
Следующий шаг включает действия по формированию основных и комплексных манипуляций над состояниями. Должны быть извлечены пре- и постусловия действий, и эксплицитно сформулированы для каждого класса объектов в операционной схеме. Темпоральные взаимозависимости, которые существуют между операциями, собираются в схеме поведения.
Для данной реляционной БД мы можем определить язык первого порядка L такой, что БД составляет интерпретацию для этого языка. L состоит из n-местного символа предиката для каждого n-арного отношения в БД и множества констант, по одной для каждого элемента в области базы данных. Функциональные символы (функторы) отсутствуют.
Язык может быть расширен, чтобы включить арифметические операции сравнения (<,>,>, <, =) как частные символы, которые имеют обычную интерпретацию. Запросы и ограничения целостности БД тогда могут быть выражены как формулы в L. Таким образом, ответ на запрос W(x1, x2,---xn), где х1,х2,...xn, — свободны в формуле W, состоит из множества кортежей < е1,е2,..-,еn > таких, что W(е1,е2,..-,еn) оценивается как истинная формула в БД. Далее БД находится в валидном (совместном) состоянии БД, если все формулы, соответствующие ограничениям целостности, оцениваются как истинные. В этом случае БД является моделью этого множества формул.
Определим теорию Т как совокупность (L,A,R), где L — язык первого порядка, А — множество аксиом, R — правила вывода.
Теория допускает БД как уникальную (единственную) модель. Это означает, что для любой формулы W в L W выводима в Т (Т W) . Аксиомы Т заключаются в следующем.
Высказывания (assertions): основные положительные литералы, которые соответствуют фактам БД.
Аксиомы выделения (партикуляризации): аксиомы, которые эксплицитно выражают допущения и ограничения обычных запросов к базе данных (ограничения целостности).
Аксиома замыкания области, которая утверждает, что нет других элементов, кроме тех, которые содержатся в БД (closed world assumptions —CWA).
Аксиома уникальности имен, которая утверждает, что элементы с различающимися именами различны.
Аксиома полноты, которая является аналогом аксиомы замыкания области на уровне объекта.
Аксиома равенства, которая необходима, так как предыдущие аксиомы используют предикат равенства.
Согласно этому определению, БД удовлетворяет ограничениям целостности W тогда и только тогда, когда и ответ на запрос, сформулированный как W(x1,….,xn) состоит из картежей <е1...еn > таких, что T - W<e1,...en >. Несмотря на то, что согласно этой точке зрения оценка запросов и ограничений целостности требует техники доказательства, БД остается обычной, т.е. недедуктивной базой данных. Никакие другие факты, кроме тех, которые зафиксированы в ней, не могут быть выведены из Т.
Знания в области искусственного интеллекта — это комплексные отношения объектов, представленные посредством интенсионального описания объектов (интенсиональное значение), в то время как исследования в области баз данных обеспечивают эффективный доступ к большим массивам экземпляров (экстенсиональных знаний) типа объекта. При этом на начальных стадиях развертывания работ в области искусственного интеллекта часто необходимость хранения больших объемов знаний игнорировалась, предполагалось, что знания хранятся в оперативной памяти.
Таблица 3.2