Представление знаний в экспертных системах

1. Знания. Модели представления знаний

К.пед.н., доцент Л.В.Курзаева
Магнитогорск, 2016
1

2. Данные и знания

Данные – это информация, полученная в
результате наблюдений или измерений
отдельных свойств (атрибутов),
характеризующих объекты, процессы и
явления предметной области.
Знание – форма существования и
систематизации результатов
познавательной деятельности человека.
2

3. Знание

Знание (в широком смысле) – совокупность понятий,
теоретических построений и представлений.
Знание (в узком смысле) – признак определенного
объема информации, определяющий ее статус и
отделяющий от всей прочей информации по критерию
способности к решению поставленной задачи.
Знание (с точки зрения представления знаний в
интеллектуальных системах) – это связи и
закономерности предметной области (принципы,
модели, законы), полученные в результате практической
деятельности и профессионального опыта,
позволяющего специалистам ставить и решать задачи в
данной области.
3

4. Отличие знаний от данных

внутренняя интерпретируемость;
структурированность;
связность;
семантическая метрика;
активность.
4

5. Классификация знаний

5

6. Классификация моделей знаний

6

7. Классификация моделей знаний

7

8. Требования к моделям знаний

общность (универсальность);
наглядность представления знаний;
однородность;
реализация в модели свойства активности знаний;
открытость;
возможность отражения структурных отношений
объектов предметной области;
наличие механизма «проецирования» знаний на
систему семантических шкал;
возможность оперирования нечеткими знаниями;
использование многоуровневых представлений
(данные, модели, метамодели, метаметамодели и т.д.).
8

9. Логико-алгебраическое представление знаний

S = < T,P,A,R >,
где Т – множество базовых (терминальных) элементов, из
которых формируются все выражения;
Р – множество синтаксических правил, определяющих
синтаксически правильные выражения из терминальных
элементов ФС;
А – множество аксиом ФС, соответствующих синтаксически
правильным выражениям, которые в рамках данной ФС
априорно считаются истинными;
R – конечное множество отношений {r1, r2, ..., rn} между
формулами, называемыми правилами вывода,
позволяющих получать из одних синтаксически правильных
выражений другие.
9

10. Примеры

10

11. Преимущества ЛАМЗ

высокий уровень формализации,
обеспечивающий возможность реализации
системы формально точных определений и
выводов;
согласованность знаний как единого целого,
облегчающая решение проблем верификации
БЗ, оценки независимости и полноты системы
аксиом и т.д.;
единые средства описания как знаний о
предметной области, так и способов решения
задач в этой предметной области, что позволяет
любую задачу свести к поиску логического
вывода некоторой формулы в той или иной ФС.
11

12. Недостатки

сложность использования в процессе
логического вывода эвристик,
отражающих специфику предметной
области
«монотонность»
«комбинаторный взрыв»
слабость структурированности описаний
12

13. Продукция

-выражение вида
(i); Q; P; A→B; N
, где
A→B – ядро продукции, интерпретирующееся фразой «ЕСЛИ А,
ТО В»
Q — сфера применения продукции, описывающая предметную
область или ситуацию.
Р — условие применимости ядра продукции (предикат). Если Р
истинно, ядро продукции активизируется;
N — постусловие продукции. Оно представляет собой
процедуру, которую следует выполнить после успешной
реализации ядра.
(#11); Q=«Оценка надежности поставщика»; (Задолженность =
"нет")&(Рентабельность = "удовл.") → Финансовое_состояние = "удовл
13

14. Ядро продукции

оценка реализации
(вероятность, возможность,
коэффициент уверенности)
обязательное
Если А, то с большой
долей уверенности
реализовать В.
необязательное
Если А, то вероятность
реализации В= 0,5
http://www.mari-el.ru/mmlab/home/AI/5/index.html
14

15. Продукционная система

PS=<F, P, I>, где
F – рабочая память (РП, БД, база фактов),
содержащая текущие данные;
P – база знаний (БЗ), содержащая множество
продукций;
I – интерпретатор, реализующий процесс
вывода
15

16. Пример

П1: Если «отдых – летом» и «человек –
активный», то «ехать в горы».
П2: Если «любит солнце», то «отдых
летом».
Предположим, в систему поступили данные:
«человек активный» и «любит солнце».
16

17. Прямой вывод

1-й проход
Шаг 1. Пробуем П1; не работает (не хватает
данных «отдых – летом»).
Шаг 2. Пробуем П2; работает, в базу поступает
факт «отдых – летом».
2-й проход
Шаг 3. Пробуем П1; работает, активируется
цель «ехать в горы», которая и выступает как
совет, который дает ЭС.
17

18. Обратный вывод

1-й проход
Шаг 1. Цель – «ехать в горы»: пробуем П1
– данных «отдых – летом» нет, они
становятся новой целью, и ищется
правило, где она в правой части.
Шаг 2. Цель «отдых – летом»: правило П2
подтверждает цель и активирует ее.
2-й проход
Шаг 3. Пробуем П1; подтверждается
искомая цель.
18

19. Преимущества

простота и гибкость выделения знаний;
отделение знаний от программы поиска;
модульность продукционных правил (правила не
могут «вызывать» другие правила);
возможность эвристического управления поиском;
возможность трассировки «цепочки
рассуждений»;
независимость от выбора языка
программирования;
продукционные правила являются
правдоподобной моделью решения задачи
человеком.
19

20. Семантическая сеть -

Семантическая сеть это ориентированный граф, вершины
которого — понятия, а дуги — отношения
между ними.
соответствие
современным
представлениям
об организации
долговременной
памяти человека
сложность поиска
решения.
«Весенним утром король взял слуг и отправился
в лес на конную прогулку»
1968-69 гг., Р. Куиллиан
20

21. Вершины семантической сети

Состояния и ситуации предметной области
Физические и абстрактные понятия
Характеристики
Глагол, отглагольное
существительное
Семантическая валентность – лингвистические отношения, бинарные
связи между предикатом и каждым его актантом
21

22. Типы отношений

лингвистические;
элемент класса (роза – это цветок);
атрибутивные связи /иметь свойство (память имеет
свойство – объем);
значение свойства (цвет имеет значение желтый);
пример элемента класса (роза, например, чайная);
связи типа «часть-целое» (велосипед включает руль);
функциональные связи (определяемые обычно глаголами
«производит», «влияет» и др.);
количественные (больше, меньше, равно и др.);
пространственные (далеко от, близко от, за, под, над и
др.);
временные (раньше, позже, в течение и др.);
22
логические связи (и, или, не) и др.

23. Виды лингвистических отношений

Агент (А) – одушевлённый возбудитель
действия;
Контрагент (К) – сила, против которой
направлено действие;
Объект (О) – вещь, являющаяся объектом
действия;
Адресат (D) – лицо, в пользу или во вред
которому совершается действие;
Инструмент (I) – неодушевлённый
предмет или сила, составляющая причину
действия или состояния;
Результат (R) – вещь, которая возникает в
результате действия и т.д.
23

24. Классификации семантических сетей

(по количеству типов
отношений)
однородные (с
единственным типом
отношений);
неоднородные (с
различными типами
отношений).
По типам отношений:
бинарные и n-арные.
24

25. Пример семантической сети

Уровни
формального
обучения
определяют
Квалификационные
уровни
включает
Рамка
квалификаций
ECTS
включает
используют
используют
Результаты
обучения
Дескрипторы
уровней
суперкласс для
использует
Таксономия Блума
Компетенция
включает
Базовые знания в
различных областях
включает
включает
Профессиональные
знания
Знания
включает
Качества
личности
Умения
включает
Информационноаналитические
умения
включает
включает
Рефлексивные
качества и
ответственность
включает
Проективнодеятельностные
умения
включает
включает
Адаптивность,
способность к
развитию
включает
Коммуникативность
Мотивированность

26. Вывод знаний в семантической сети

Задаются исходные события (признаки) и целевые (
гипотезы)
Значения признаков известны (истинно, ложно, пока
неизвестно, неизвестно)
Объект вывода – гипотеза (рекомендации, диагнозы,
прогнозы и др.
Условие вывода – существование гипотезы
Решение – оценка истинности гипотезы
Проблема поиска решения в базе знаний типа семантической сети
сводится к задаче поиска фрагмента сети, соответствующего
некоторой подсети, соответствующей поставленному вопросу
SIMER, ПОЭТ
26

27. Фрейм -

Фрейм минимальная структура информации,
необходимая для представления знаний о
стереотипных классах объектов, явлений,
ситуаций, процессов и др.
27

28. Представление фрейма

Основная единица фрейма – слот:
(имя_слота):{(А1,у1)},{r1},
где Aj — имя признака; y1 — его значения;
r — некоторая связь с другими-слотами.
Представление фрейма в общем виде:
<имя_фрейма>:
[<роль1>] (<имя_слота1> : <значение_слота1>);
[<роль2>] (<имя_слота2> : <значение_слота2>);
[<рольn>] (<имя_слотаn> : <значение_слотаn>).
28

29. Схема фрейма

29

30. Пример фрейма

Роль
ПОЛУЧЕНИЕ:
Имя фрейма
ОБЪЕКТ (КНИГА: (Автор, Л.Н. Толстой),
Имя слота
(Название, Воскресение));
Имя признака
АГЕНТ (СТУДЕНТ: (Фамилия, Сидоров));
Значение
признака
МЕСТО (БИБЛИОТЕКА: (Название, им. Н.В.
Гоголя), (Расположение, г. Москва)).
Ситуация : «Студент Сидоров получил книгу Л.Н.Толстого
«Воскресение» в библиотеке им. Н.В. Гоголя в Москве»
30

31. Характеристики фреймовой модели

предложена М. Минским с целью борьбы с высокой
размерностью сетевых моделей;
основана на принципе кластеризации
(фрагментации) знаний;
каждый фрейм можно рассматривать как фрагмент
сети, объединяющий сущности на основе
семантической близости;
верхний уровень фрейма представляет
соответствующее понятие, а последующие уровни —
терминальные слоты, которые содержат конкретные
значения;
база знаний — сеть фреймов с корневой вершиной.
31

32. Особенности фреймовой модели

возможность смешанного заполнения
слотов константами (как в базе данных) и
переменными;
возможность наличия пустых слотов;
размещение в слотах указателей на
другие фреймы (наследование частей)
для создания сети;
размещение в слотах имен выполняемых
процедур.
32

33. Виды фреймов

фреймы-образцы,
или прототипы
хранятся в базе знаний
фреймы-структуры,
для обозначения
объектов и понятий
(заем, залог, вексель)
фреймы-ситуации (тревога,
авария, рабочий режим
устройства)
фреймы-экземпляры
создаются для отображения
реальных ситуаций на основе
поступающих данных
фреймы-роли
(менеджер, кассир,
клиент)
фреймы-сценарии (банкротство,
собрание акционеров,
празднование именин)
33

34. Вывод решения в фреймовой модели

механизм вывода — сопоставление (matching)
Различают синтаксическое сопоставление,
когда сравнивается структура единиц знания
(фреймов или слотов), и семантическое
сопоставление, когда сравнивается содержимое
этих единиц.
Результат сопоставления может быть бинарным
(да/нет) или иметь параметрический характер
(введенный параметр отражает степень
сопоставимости образцов).
34

35.

FRL - Frame Representation Language
(frame СТОЛ (purpose (value(размещение предметов для
деятельности рук)))
(type (value(письменный)))
(colour (value (коричневый))))
ПРОЦЕДУРАЛЬНЫЕ
средства (демоны)
IF-DEFAULT - по умолчанию
IF-NEEDED - если необходимо
IF-ADDED - если добавлено
IF-REMOVED - если удалено
35

36.

36

37. IS-A (AKO)

(frame (name (Cube))
Иерархия фреймов в сети
(isa (Block World))
isa – фрейм более высокого уровня
(length (NULL))
(width (IF-DEFAULT (use length)))
(height (IF-DEFAULT (use length))))
(frame (name (B1))
(isa (Cube))
(color (red))
(length (80)))
(frame (name (B2))
(isa (Cube))
(color (green))
(length (65))
(who_put (value (NULL))
(IF_NEEDED (askuser))))
37

38.

38

39.

39

40. Продукционно-фреймовая модель’

Объект-условие (Цель)
=
гипотеза
Простые (сложные=фреймы)
объекты
Продукции= причинно-следственные
отношения между объектами
прямой
обратный
‘реализована в инструментальной системе Leonardo, предназначенной для
40
создания, отладки и функционирования экспертных систем

41. Успехов!

41