Автореферат (Исследование и разработка системы аргументации на основе пересматриваемых рассуждений для задачи обобщения)

3ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫАктуальность темы исследований.Важной задачей, возникающей при проектировании интеллектуальныхсистем поддержки принятия решений (ИСППР), является разработка такихмоделей и методов, которые способны функционировать в условиях неполных,не точных и, что еще более важно, противоречивых данных. Одним из активноразвивающихся направлений в области обработки таких данных и знанийявляется теория аргументации. На содержательном уровне под аргументациейбудем понимать процесс анализа некоторой задачи, в результате котороговыдвигается некоторое множество предположений, среди которыхпроизводится поиск противоречий и определяется возможность их разрешения.Один из основателей направления Искусственный Интеллект (ИИ) в РоссииД.А. Поспелов в своем докладе “Десять горячих точек в исследованиях поискусственному интеллекту” называет аргументацию одной из таких “горячих”точек, тем самым отмечая значимость и перспективность разработок по этомунаправлению.

В обозначенном выше докладе, отмечается, что логическийподход в его классической форме требует наличия полного перечня исходныхположений (аксиом), который бы обеспечивал замкнутость и полноту внекоторой предметной области. Однако различные практические задачи,решаемые методами ИИ, в большинстве случаев не позволяют построить такиеаксиоматические системы. Знания о предметных областях, как правило,являются неполными, неточными и лишь правдоподобными, что делаетприменение классического логического вывода малоэффективным и требуетприменения немонотонных и способных работать с противоречивыми даннымиметодов. Так, по А.С. Нариньяни противоречивость данных является одним изеё НЕ-факторов и требует специальных методов для её обработки.Аргументация успешно используется для работы с такими данными ипозволяет не только обнаруживать, но и во многих случаях снимать найденныепротиворечия.

Методы теории аргументации относятся к правдоподобным инемонотонным методам, так как все получаемые выводы не считаютсяабсолютно достоверными и могут быть пересмотрены на более поздних этапахрассуждений, при поступлении новых знаний или даже при новых выводах изсуществующих знаний, что даёт гораздо больше возможностей длямоделирования человеческих рассуждений.В классической логике достаточно одного доказательства дляподтверждения некоторого предположения. В теории аргументации же,ставится задача о доказательстве того, что существует больше доводов “за”,чем “против” этого предположения.О важности наличия моделей, методов и средств способных моделироватьнемонотонные рассуждения и работать с неполными и противоречивымиданными и знаниями, говорится во многих работах в области ИИ (см.,например, работы Д.А.

Поспелова, О.М. Аншакова, В.Н. Вагина, А.П.Еремеева, О.П. Кузнецова, С.О. Кузнецова, Г.С. Осипова, В.К. Финна, И.Б.Фоминых, Ф. Беснарда, А. Бонадренко, Г. Врейсвика, Б. Гантера, П. Данга, Д.4Мак-Дермотта, А. Какаса, Д. Нута, Г. Праккена, Д. Поллака, Г. Симари, А.Хантера, и др.).Объектом исследования являются системы аргументации на основепересматриваемых рассуждений. Предметом исследования являются методы иалгоритмы систем аргументации, и их применения для решения различныхзадач ИИ, в том числе задачи машинного обучения.Цель работы заключается в исследовании, разработке методов,алгоритмов и соответствующих программных средств, позволяющихпроизводить аргументационный вывод на основе пересматриваемыхрассуждений, а также применять разработанные средства для улучшенияточности классификации объектов в задаче обобщения.Приведем задачи, которые требовалось решить для достижения указаннойцели.1.

Исследование существующих методов и алгоритмов теории абстрактнойаргументации.2. Исследование немонотонных систем вывода, а именно теориипересматриваемых рассуждений.3. Разработка методов и алгоритмов применения пересматриваемых правилвывода для логики предикатов первого порядка (ЛППП).4.

Разработка алгоритмов обнаружения конфликтов для ЛППП.5. Разработка алгоритма вычисления степеней обоснования для аргументов.6. Программнаяреализациясистемыаргументациинаосновепересматриваемых рассуждений.7. Исследование возможности применения методов аргументации вмашинном обучении.8. Разработка методов, алгоритмов и программных средств для улучшенияточности классификации в задаче обобщения.9. Проверка работы алгоритма и его программной реализации на тестовыхзадачах аргументации, а также на тестовых задачах обобщения.Методы исследования. Поставленные задачи решаются с использованиемметодов дискретной математики, математической логики, теории информации,искусственного интеллекта, а также методов анализа вычислительнойсложности алгоритмов.Достоверность научных положений.

Достоверность и обоснованностьнаучных результатов подтверждена теоретическими выкладками, даннымикомпьютерного моделирования, сравнением полученных результатов срезультатами, приведёнными в научной литературе, а также результатамипроведенных экспериментов.Научная новизна.1. Алгоритмы применения пересматриваемого вывода и нахожденияконфликтов с помощью механизма унификации в системах аргументации дляЛППП. Предложенные алгоритмы позволили реализовать системуаргументации на основе теории пересматриваемых рассуждений, способнуюработать с выражениями ЛППП.52. Алгоритм вычисления степеней обоснования, позволяющий находитьколичественную оценку меры достоверности аргументов.3.

Метод улучшения точности классификационных моделей в задачеобобщения с помощью применения аргументации. Предложенный методпозволяет улучшить набор классификационных правил, получаемых методамииндуктивного формирования понятий с помощью применения методоваргументации в условиях наличия шума в обучающих выборках.4. Алгоритмформированиябесконфликтногомножестваклассификационных правил для задачи обобщения, основанный напредложенном методе.Практическая значимость работы заключается в создании программногокомплекса, реализующего систему аргументации на основе пересматриваемыхрассуждений, способную проводить немонотонный вывод и работать спротиворечивыми данными. Кроме того, реализована подсистема, позволяющаяполучать улучшенные классификационные модели для задачи обобщения.Практическая значимость работы подтверждена использованиемполученных результатов в системах электронной коммерции ООО «Зеленыйквадрат» и в учебном процессе в ФГБОУ ВПО «НИУ «МЭИ» при изучениидисциплины “Математическая логика”, о чём имеются акты о внедрении.Реализация результатов.Результаты диссертационной работы вошли в отчёты по НИР,выполняемым кафедрой ПМ и ВТ по грантам РФФИ № 11-07-00038-а“Исследование и разработка методов и инструментальных средствдостоверного и правдоподобного вывода в интеллектуальных системахподдержки принятия решений”, № 14-07-00862 “Методы и инструментальныесредства интеллектуального анализа данных в системах поддержки принятиярешений”, № 15-01-05567 “Исследование и разработка методов и алгоритмовиндуктивного формирования понятий в интеллектуальных системах поддержкипринятия решений”, вотчет по НИР в рамках проектной частигосударственного задания № 2.737.2014/К, а также отчёты по НИР,выполняемыми по гранту “У.М.Н.И.К.”.На разработанный в диссертационной работе программный комплексвыдано свидетельство о государственной регистрации программы для ЭВМ№2015610956 "Система аргументации на основе пересматриваемыхрассуждений" от 21.01.2015г.Апробация работы.Основные положения и результаты диссертации докладывались на многихнаучно - технических конференциях и симпозиумах, в том числе:1) доклад «Методы и алгоритмы нахождения степеней обоснования всистемах аргументации» на международной конференции«Открытыесемантические технологии проектирования интеллектуальных систем» (OSTIS2014), Минск, Беларусь;2) доклад “Argumentation Approach and Learning Methods in IntelligentDecision Support Systems in the Presence of Inconsistent Data” на конференцииICCS 2014, Кэрнс, Австралия;63) доклад “Обзор методов нахождения степеней обоснования в системахаргументации” на 14-ой национальной конференции по искусственномуинтеллекту с международным участием КИИ-2014, Казань;4) доклад “Modeling defeasible reasoning for argumentation” намеждународной конференции “BRICS-CCI’2013 – 1st BRICS Countries Congresson Computational Intelligence and CBIC’2013 – 11th Brazilian Congress onComputational Intelligence”, 2013, Ресифе, Бразилия;5) доклад на симпозиуме “SPITSE Symposium 2014.

Workshops andSummerschool”, Ильменау, Германия;6) презентация на научной сессии НИЯУ МИФИ-2014, Москва.Публикации. Основные результаты, полученные при выполнениидиссертационной работы, опубликованы в 20 печатных работах, из них 4 – вжурналах, относящихся к списку ВАКа.Структура и объем работы. Диссертация состоит из введения, четырехглав, заключения, списка использованной литературы (78 наименований) иприложений.

Диссертация содержит 147 страниц машинописного текста (безприложений), 39 рисунков, 4 диаграммы.СОДЕРЖАНИЕ РАБОТЫВо введении обоснована актуальность темы диссертации, ее научнаяновизна и практическая значимость, сформулированы цель работы иприведено краткое содержание диссертации по главам.В первой главе рассматриваются основные понятия теории аргументации исодержится обзор различных формализаций теории аргументации. В работах вобласти ИИ аргументация, в наиболее общем смысле понимается, как процессанализа некоторой задачи, в результате которого выдвигается некотороемножество предположений, называемых аргументами, определяются причинноследственные связи и находятся конфликты между ними (тем самымопределяются аргументы и контраргументы), и, если это возможно,определяется достоверность аргументов (т.е.

определяется является лиаргумент приемлемым или нет). Выделяют следующие основные составляющиепроцесса аргументации: постановка задачи, анализ, получение новых фактов,обнаружение конфликтов и противоречий и решение задачи. Под конфликтомбудем понимать бинарное отношение, задаваемое на множестве аргументов,также называемое отношением атаки, и характеризующее наличиепротиворечия в выводах, получаемых в системах аргументации.Рассматриваются различные свойства бинарного отношения атаки междуаргументами.

В частности, показывается, что в общем случае отношение атакине обладает свойством антирефлексивным, что приводит к возможностисамопоражения аргументов, и не является антитранзитивным, что приводит квозможности появления циклов поражения.Приводится анализ приемлемости аргументов. Под приемлемостью(acceptability) аргументов понимается механизм в системе аргументации,7который позволяет определять, какие аргументы являются достоверными, т.е.какие аргументы стоит учитывать, а какие нет.Приводится обзор различных формализаций теории аргументации средикоторых: абстрактные системы, предложенные Дангом и позднее развиваемыеПраккеном и Сартором. В этих системах аргументы представляются какэлементы множества, в котором задано бинарное отношение “атака”. Вэтих системах авторы полностью абстрагируются от внутреннейструктуры аргументов и природы множества аргументов.

В такихсистемах отсутствует механизм получения новых аргументов, и задачасводится к поиску неконфликтующих аргументов на заданноммножестве аргументов; cистемы аргументации на основе модальных многозначных логик; cистемы логической аргументации на основе пересматриваемыхрассуждений. Аргументы в таких системах представляются какпоследовательность рассуждений, ведущих к заключению, каждый шагкоторых может подвергнуться поражению. Кроме того, вводитсяпонятиепересматриваемогоследствия,являющегосяпересматриваемым аналогом импликации.Приводится обоснование выбора для исследования и практическойреализации системы аргументации на основе пересматриваемых рассуждений,так как она обладает рядом очевидных преимуществ: является немонотонной системой, что предоставляет большевозможностей для моделирования различных типов рассуждений, атакже позволяет динамически добавлять, удалять и изменятьинформацию в базе знаний. сохраняется семантика задачи; обладает механизмом вывода новых аргументов из уже имеющихся; основывается на языке формальной логики, что существенно упрощаетработу системы.Вводятся формальные определения аргументов и интересов в системахпересматриваемых рассуждений.