49 (Вопросы по разным темам с ответами (программирование))

49 Модели представления знаний.

1.5. Модели представления знаний

Несмотря на большое количество всевозможных моделей представления знаний, разработанных различными авторами у нас в стране и за рубежом, выделяют 4 основных, базовых формы представления знаний - семантические сети, фреймы, логическое представление и продукционное.

Модели представления знаний, используемые в конкретных приложениях - экспертных системах, интеллектуальных информационно-поисковых системах, системах общения и т. д. - обычно основаны на одной из этих базовых форм либо сочетают некоторые элементы сразу нескольких основных форм.

Использование того или иного представления зависит от предметной области и от типа задач, для решения которых создается система, основанная на знаниях. Так, если для определенного круга задач преобладают описательные, декларативные знания - знания о структуре, форме, свойствах объектов предметной области - то творят о структурной парадигме представления и обработки знаний. К таким задачам относятся, например, задачи классификации. Для них более применимы семантические сети и фреймы. Если же для решения задач необходимы, в первую очередь, знания о логических, причинно-следственных зависимостях между понятиями, закономерности, эвристические "рассуждения", то говорят о логической или процедурной парадигме. К подобным задачам, например, относятся задачи доопределения. В них в основном используются системы правил-продукций и логические модели.

В настоящее время разработано множество подходов к представлению знаний. В основе этих подходов заложено использование таких моделей представления знаний, как:

• формальные логические модели;

• продукционные модели;

• семантические сети;

• фреймовые модели;

• сценарии.

1.5.1. Формальные логические модели.

Основаны на логике высказываний, когда предметная область или задача описываются в виде фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. Наиболее распространенной формальной системой, используемой для представления знаний, является исчисление предикатов. Под предикатом понимается логическая функция, предназначенная для выражения свойств объектов реального мира или связей между ними. Выражения, в которых утверждается или отрицается наличие каких-либо свойств у объекта, называются высказываниями. Для именования объектов реального мира используются константы. Логические предложения или высказывания (представления фактов) носят названия атомарных формул. В простейшем случае запись факта имеет вид Р(х , у , z , ...), где Р - отношение, а х , у , z , ... - объекты, на которых оно задано. Представления фактов с помощью предикатов имеют следующий вид:

ОБСЛУЖИВАНИЕ (менеджер, клиент): менеджер обслуживает клиента

Для того чтобы придать формуле содержание, ее интерпретируют как утверждение, касающееся рассматриваемой предметной области. Интерпретация предиката - это множество всех допустимых связываний переменных с константами (подстановок констант вместо переменных).

Исчисление предикатов с кванторами (логика предикатов) для выражения отношений между объектами реального мира может использовать предложения, включающие не только константы, но и переменные. Модели, основанные на логике предикатов - М, в общем случае описываются следующей формальной системой:

М = <В, F,A, R>,

где В - множество базовых элементов или алфавит формальной системы;

F - множество синтаксических правил, позволяющих строить из В синтаксически корректные предложения - формулы;

А - выделенное множество формул, называемых аксиомами формальной системы, или некоторых синтаксически правильных предложений, заданных априорно;

R - конечное множество отношений между формулами, правила продукций, правила вывода или семантические правила, с помощью которых можно расширять множество А, добавляя в него аксиомы.

Достоинством логических моделей являются единственность теоретического обоснования и возможность реализации системы формально точных определений и выводов. Представление знаний в виде формул исчисления предикатов позволяет применить к ним формальные методы вывода. В частности, может быть использован метод резолюций, используемый в системах автоматического доказательства, обучения и синтеза программ.

Исчисление предикатов 1-го порядка в промышленных ЭС практически не используются. Эти логические модели применяются, в основном, в "игрушечных" системах. Они предъявляют высокие требования и ограничения к предметной области

К недостаткам логического представления знаний можно отнести и сложность создания подсистемы объяснения - одной из компонент систем, основанных на знаниях (СОЗ).

1.5.2. Продукционная модель.

Продукционная модель, или модель, основанная на правилах, позволяет представлять знания в виде совокупности специальных информационных единиц, именуемых правилами или продукционными правилами (продукциями). Структура правила имеет следующий вид:

ЕСЛИ (перечень условий), ТО (перечень действий).

Под "перечнем условий" (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний. "Перечень действий" (консеквент) - это действия, которые выполняются при успешном исходе поиска. Действия могут быть промежуточными - выступающими в дальнейшем как условия, и терминальными или целевыми - завершающими работу системы.

С помощью правил могут представляться как отношения объектов: пространственно-временные, причинно-следственные, функционально-поведенческие (ситуация - действие), так и сами объекты: объект-свойство (набор свойств - объект), атрибут - значение (используются в качестве переменных внутри правил). По своей сути продукционная модель предназначена для описания последовательности различных ситуаций или действий, но могут в какой-то мере использоваться для структурированного описания объектов.

По сравнению с логической моделью представления знаний, продукционная модель предполагает более гибкую организацию работы механизма вывода. Различаются два типа продукционных систем - с прямыми и обратными выводами. В зависимости от направления вывода возможна прямая аргументация и обратная. При прямой аргументации осуществляется управление исходными данными (от исходных данных к цели). Продукционные системы с прямыми выводами могут использоваться при решении задач интерпретации (по исходным данным нужно определить сущность некоторой ситуации), прогнозирования (из описания некоторой ситуации выводятся все следствия) и др.

Обратная аргументация - управляемая целями (от целей к исходным данным) применяется когда нужно проверить определенную гипотезу или небольшое множество гипотез на соответствие фактам (задачи диагностики).

Продукционные системы способны осуществлять выбор правил из множества возможных на данный момент времени. Выбор правил осуществляется в зависимости от задаваемых критериев (время, ресурсы, важность, достоверность получаемого решения и т.д.) с использованием стратегии "поиск в ширину". Для реализации стратегии "поиск в ширину" используется продукция вида:

NR; Q; P; A  В; D

где NR - имя продукции;

A  В - ядро продукции (собственно правило);

Q - предусловие выбора класса правил (сферу применения продукции);

Р - предусловие выбора правила в классе ( условие применимости ядра продукции;

D - постусловие правила, которое актуализуется только в том случае, если ядро продукции реализовалось. Определяет действия и процедуры, которые необходимо выполнить после реализации перечня действий.

В предусловиях и постусловиях могут задаваться дополнительные процедуры по вводу и контролю данных, математической обработке и т.д. Они помогают выбирать наиболее рациональный режим работы машины логического вывода и сокращать перебор относящихся к решению правил. Ядро продукции может иметь как простой (описание правил над единичными объектами) так и обобщенный характер (правила определяются на классах объектов).

Обработка неопределенностей знаний и результатов обычно основывается на методах обработки условных вероятностей Байеса или нечеткой логики Л. Заде.

Основными достоинствами продукционных моделей являются

модульность - продукции могут быть легко добавлены в базу знаний или исключены из нее и в каждой из продукций можно производить изменения, не затрагивая при этом содержимого других продукций;

единообразие структуры - основные компоненты продукционной системы могут применяться для построения интеллектуальных систем с различной проблемной ориентацией;

естественность - ядро продукции во многом аналогично процессу рассуждений эксперта;

нет необходимости задавать в явной форме способ взаимодействия одного правила с другим.

Недостатки

процесс вывода менее эффективен, чем в других системах, поскольку большая часть времени работы машины логического вывода затрачивается на непроизводительную проверку применимости правил;

процесс вывода трудно поддается управлению;

затруднительна оценка целостного образа знаний, содержащихся в системе;

при большом числе правил в продукционной системе могут возникать непредсказуемые побочные эффекты от изменения старого и добавления нового правила;

сложно представить родовидовую иерархию понятий.

1.5.3. Семантические сети

В основе модели семантической сети заложена формализация знаний в виде ориентированного графа с размеченными вершинами и дугами. В качестве вершин сети выступают понятия, факты, объекты события, состояния, ситуации и т.д., а в качестве дуг сети - отношения, которыми вершины связаны между собой. Формально сетевые модели могут представляться в виде

NM = <U, R1, ... , Rn, G>,

где U - множество информационных единиц,

R1, ... Rn - множество типов связей между элементами множества U, G - отображение, задающее между элементами множества U связи из заданного набора типов связей {Ri}.

В зависимости от типов связей {Ri} различают:

­- Классифицирующие сети. Используют отношения структуризации, которые позволяют вводить в базы знаний различные иерархические отношения между элементами множества U.

- Функциональные сети. Являются вычислительными моделями с наличием функциональных отношений. Позволяют описывать процедуры вычислений одних информационных единиц через другие.

- Сценарии. Используют каузальные отношения (причинно-следственные или устанавливающие влияние одних явлений или фактов на другие), а также отношения типов "средство - результат", "орудие - действие" и т.д.

Семантическая сеть является наиболее общей моделью представления знаний, т.к. в ней есть все средства для реализации характерных для знаний свойств: внутренней интерпретации, структурированности, семантической метрики и активности.

Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

• класс - элемент класса (кибернетическая система - компьютер);

• свойство - значение (температура - высокая);

• пример элемента класса (должность - программист).

Несколько классификаций семантических сетей, связанных с типами отношений между понятиями.

По количеству типов отношений:

• однородные (с единственным типом отношений);

• неоднородные ( с множеством типов отношений).

По типам отношений:

- бинарные (отношением связываются два объекта);

- N-арные (используются отношения, связывающие более двух понятий).

- связи типа "часть-целое" (БЫТЬ ЭЛЕМЕНТОМ КЛАССА, ЯВЛЯТЬСЯ - означает, что объект входит в состав данного класса, например: дисковод является устройством компьютера);

- функциональные связи (обычно определяются глаголами "влияет",производит" и др.);

• количественные (больше, меньше, равно и т.д.);пространственные (далеко от, близко от, за, под, над, ...);

• временные (раньше, позже, в течение, ...);

- атрибутивные связи (иметь свойство - позволяет задавать свойства объектов, например: процессор имеет встроенную память; иметь значение (аргумент-функция) - задает значение свойств объектов, например: работник офиса может иметь мобильный телефон);

- логические связи (И, ИЛИ, НЕ);

- причинно-следственные связи (являться следствием - низкие знания являются следствием пропуска занятий; ситуация - действие);

- лингвистические связи и др.

Достоинства семантических сетей:

- большие выразительные возможности;