Семантические сети и экспертные системы

Формализация базы знаний

На этапе формализации базы знаний осуществляется выбор метода представления  знаний (совокупность средств структурирования и обработки единиц знаний). В  рамках выбранного формализма осуществляется проектирование логической структуры  базы знаний.

Классификация методов представления знаний с точки зрения особенностей отображения различных видов концептуальных моделей: соотношения структурированности и операционности, детерминированности и неопределенности, статичности и динамичности знаний.

Рис.3. Классификация методов предоставления знаний

Объектные методы представления знаний в большей степени ориентированы на представление структуры фактуального знания, а правила -операционного.

• Логическая модель реализует  и объекты, и правила с помощью  предикатов первого порядка, является строго формализованной моделью  с универсальным дедуктивным  и монотонным методом логического  вывода;  
• Продукционная модель позволяет осуществлять эвристические методы вывода на правилах и может обрабатывать неопределенности в виде условных вероятностей или коэффициентов уверенности, а также выполнять монотонный или немонотонный вывод;

• Семантическая сеть отображает разнообразные отношения  объектов;  
• Фреймовая модель, как частный случай семантической сети, использует для реализации операционного знания присоединенные процедуры;  
• Объектно-ориентированная модель, как развитие фреймовой модели, реализуя обмен сообщениями между объектами, в большей степени ориентирована на решение динамических задач и отражение поведенческой модели.

Реализация ЭС

На этапе реализации экспертной системы происходит физическое наполнение базы знаний и настройка  всех программных механизмов в рамках выбранного инструментального средства, а при необходимости и программирование специализированных модулей программного инструмента.

Особенности реализации экспертной системы во многом определяются характером инструментального средства, в качестве которого могут выступать:

• программные оболочки (пустые ЭС),
• средства автоматизации проектирования ЭС (генераторы, интегрированные среды),
• языки представления знаний (языки инженерии знаний, программирования).

Оболочки ориентированы  на работу с пользователем-непрофессионалом в области программирования. Использование оболочки сводится лишь к вводу БЗ. Каждая оболочка характеризуется фиксированным способом представления знаний и организации логического вывода. Оболочки имеют реализованные механизмы вывода, накопления, объяснения знаний, диалоговый компонент, что, с одной стороны, упрощает разработку программной части экспертной системы, поскольку не требуется программирование, а с другой стороны, усложняет разработку базы знаний вследствие возможного несоответствия формализма системы требованиям структуры.

Использование языков представления  знаний таких как: язык логического  программирования PROLOG, язык функционального  программирования LISP, язык объектно-ориентированного программирования SmallTalk, язык продукционных  правил OPS5 и др. повышает гибкость разрабатываемой системы и одновременно увеличивает трудоемкость разработки.

Наиболее приемлемыми  инструментальными средствами для  создания экспертных систем являются генераторы или интегрированные  среды разработки, например, G2 (фирма Gensym, дистрибьютор фирма ArgusSoft), ART-Enterprise (фирма Inference, дистрибьютор фирма Мета-технология), GURU (фирма MDBS, дистрибьютор фирма ЦПС Тверь), которые позволяют настраивать программные средства на особенности проблемных областей, при необходимости предоставляют возможность программировать на встроенных языках и осуществлять эффективный экспорт/импорт данных с другими инструментальными средствами. Они объединяют в себе различные методы решения задач, представления и интерпретации знаний. В их состав могут входить компоненты, модифицирующие или позволяющие строить свои оболочки. Эти инструментальные средства позволяют разработчику не программировать все или часть компонентов ЭС, а выбирать их из заранее составленного набора. Инструментальные средства создания и поддержки экспертных систем являются дорогостоящими продуктами и стоят от тысяч до десятков тысяч долларов. Однако, для готовых баз знаний инструментальные средства могут поставляться в исполнительской версии (RUN-TIME) на порядок дешевле.

В процессе жизненного цикла  разработки экспертной системы инструментальные средства могут сменять друг друга  по мере расширения базы знаний. Так, на этапе проектирования прототипа  требуется его быстрая разработка в ущерб производительности, в  то время как на этапе разработки промышленной версии на первый план выходит обеспечение эффективности функционирования.

На выбор инструментальных средств экспертной системы, в основе которых лежит определенный метод  представления знаний, основное влияние  оказывает класс решаемых задач (проблемных областей) и соответственно характер полученной концептуальной модели, определяющий множество требований в части отображения объектов, действий над объектами, методов обработки неопределенностей, механизмов вывода.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2. Семантические сети. ER-модели.Фреймы

Термин семантическая  означает смысловая, а сама семантика – это наука, устанавливающая отношения между символами и объектами, которые они обозначают, т.е. наука, определяющая смысл знаков.

Семантическая сеть – это ориентированный граф, вершины которого – понятия, а дуги – отношения между ними.

Понятиями обычно выступают  абстрактные или конкретные объекты, а отношения – это связи типа: "это" ("is"), "имеет частью" ("has part"), "принадлежит", "любит". Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

• класс – элемент класса;
• свойство – значение;
• пример элемента класса.

Можно ввести несколько  классификаций семантических сетей. Например, по количеству типов отношений:

• однородные (с единственным типом отношений);
• неоднородные (с различными типами отношений).

По типам отношений:

• бинарные (в которых отношения связывают два объекта);
• n-арные (в которых есть специальные отношения, связывающие более двух понятий). Наиболее часто в семантических сетях используются следующие отношения:
• связи типа "часть-целое" ("класс-подкласс", "элемент-множество" и т.п.);
• функциональные связи (определяемые обычно глаголами "производит", "влияет"...);
• количественные (больше, меньше, равно...);
• пространственные (далеко от, близко от, за, под, над ...);
• временные (раньше, позже, в течение...);
• атрибутивные связи ( иметь свойство, иметь значение ...);
• логические связи (и, или, не) и др.

Проблема поиска решения  в базе знаний типа семантической  сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.

Основное преимущество этой модели – в соответствии современным представлениям об организации долговременной памяти человека. Недостаток модели – сложность поиска вывода на семантической сети.

Для реализации семантических  сетей существуют специальные сетевые  языки, например NET и др.

Широко известны экспертные системы, использующие семантические  сети в качестве языка представления  знаний – PROSPECTOR, CASNET, TORUS.

ER-модель. ER-модель явилась основой, из которой могут быть порождены три существующие модели данных: сетевой модели, реляционной модели и модели набора сущностей, представляя данные более строго и естественно и одновременно обеспечивая независимость данных от приложений (ER- модель основывается на теории множеств и реляционной теории). С тех пор было предложено множество расширений ER-схем, чтобы обеспечить более мощные средства выражения семантики данных: механизмы задания иерархии подклассов классов сущностей, некоторых семантических ограничений типа "часть-целое", реификаций как классов сущностей, благодаря которым можно было распознавать общие характеристики сущностей различных классов. Примеры таких моделей - "semantic data modeling", "extended ER modeling", "hyper-semantic data modeling", "OMT approach" и др.

Ограничения ER-модели и её расширений в том, что они, описывая семантику "сущностей", позволяют интерпретировать данные одним единственным способом.

Например, допустим, что модель данных Интегрированной Системы Информационных Ресурсов (ИСИР) РАН будет содержать тип ресурса "Научная организация" вместе с некоторыми атрибутами и соотношениями. Сущностями этого типа будут служить конкретные научные организации. С помощью механизма иерархии классов можно понять, к какому типу относится данный ресурс (к типу "Организация"), однако самому типу "Научная организация" в процессе моделирования данных обычно можно дать только одну интерпретацию. Поэтому, повторно использовать данное

понятие "Научная организация" не удастся, т.к. этот термин в разных контекстах (т.е. при различных точках зрения видения предметной области) имеет разное значение. Например, с научной точки зрения нас будут интересовать такие аспекты, как направление научных исследований, список

ведущих научных сотрудников  и т.д. В административной структуре  интересен управленческий состав, организационные  вопросы. В плане внешних связей данной организации полезна информация о рейтинге и научном сотрудничестве, филиалах и т.д.

Фреймы. Представление знаний в форме фреймов (прообразов) впервые было разработано М. Мимским в 1975г. Фрейм относится к психологическим понятиям, касающихся нашего восприятия. По структуре он представляет собой иерархию отношений типа: “абсолютное - конкретное”. Сложные объекты представляются комбинацией нескольких фреймов, образующих фреймовую сеть. На самом верхнем уровне фрейма представлена фиксированная информация - факт, который обычно считается истинным (имя фрейма). На последующих уровнях расположено множество так называемых слотов, которые обязательно должны быть заполнены конкретными значениями и данными. В общем, фрейм - единица представления знаний, заполненная в прошлом, детали которой могут быть изменены согласно текущей ситуации. В одной системы различные фреймы могут иметь одинаковые слоты. В одном фрейме одинаковых слотов не должно быть. Некоторые слоты фрейма обычно определяются значениями по умолчанию. Фреймовые системы связаны с информационно - поисковыми сетями. Если фрейм - кандидат не соответствует текущей проблеме, то он включается в другую сеть.

Основные свойства фреймов.

1. Базовый тип. В этом типе запоминается только наиболее важные объекты данного предмета, на основании которого строятся фреймы.

2. Процесс сопоставления фреймов и объектов реальности. При сопоставлении обязательно задаются цели сопоставления.

При этом:

1) в начале выбирается  базовый фрейм;

2) если в каком-то  слоте возникает ошибка, то этому  слоту (атрибуту) присваивается новое  значение;

3) если не находится  подходящего фрейма из данной системы, то добавляется новый, удовлетворяющий этой системе.

3. Необходимо сохранение иерархической структуры фреймов, что позволяет использовать информацию верхних структур фреймами нижних структур.

4. Для создания сложных систем создают межфреймовые сети, для чего используют указатели различия фреймов.

Сеть фреймов.

Иерархическая структура  основывается на отношениях “абстрактной конкретности”. Кроме абстрактной  конкретности при построении фреймов  используют отношение “часть - целое”, которые позволяют, объекты нижнего уровня показать частью объектов верхнего уровня.

IS-A - “абстрактная конкретность”

PART-OF - “часть-целое”

В отношении PART-OF нельзя использовать наследование свойств или атрибутов. Если это необходимо, используют отношение IS-A.

Описание фреймов.

Имя слота

 

(атрибута) 

Указатель

 

наследования 

Указатель

 

атрибута слота 

Значения

 

слота 

Демон 

 

Слот 1

 

Слот 2

 

- - -     

Имя фрейма - уникальное имя в сети фреймов. Имя слота – уникальное имя во фрейме.

Указатель наследования показывают, какую информацию об атрибутах слота из фреймов верхнего уровня наследуют слоты с теми же именами во фреймах нижнего уровня.

Принимаемое значение указателей наследования следующие:

U - уникальное имя;

S - уникальное свойство;

R - наследование с установлением границ;

O - игнорируется наследование;

Указатель атрибутов  показывает, является ли данный слот типом  данных или служит указателем другого  фрейма.

Значение слота должно совпадать с указанным типом  данных и при этом выполняться  указанный тип наследования.

Демон - процедура, автоматически  запускаемая при выполнении некоторого условия. Запуск осуществляется при обращении к соответствующему слоту.

Механизм выбора реализуется  через присоединительную процедуру. Данный механизм позволяет описывать иерархическую сетевую программу управления выводом.