Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
3.12 начало ОСНОВЫ БАЗ ДАННЫХ И ЗНАНИЙ.doc
Скачиваний:
2
Добавлен:
01.03.2025
Размер:
533 Кб
Скачать
☆

Достоинства и недостатки реляционных моделей.

К достоинствам относятся: простота представления д­анных реляционной модели благодаря табличной форме, минимальная избыточность данных при нормализации отношений. В реляционных моделях обеспечивается независимость программных приложений от данных, допускающая включение или удаление отношений, изменение атрибутного состава отношений. Универсальность процедур обработки данных является основой типовых средств в различных реляционных СУБД. К недостаткам реляционной модели можно отнести то, что нормализация реляционной модели приводит к значительной фрагментации данных, в то время как в большинстве задач необходимо объединение фрагментированных данных.

Базы знаний.

База знаний − это совокупность знаний, относящихся к определенной предметной области и организованная таким образом, чтобы с помощью специальных программных средств можно было осуществлять рассуждения, предположения и делать выводы.

Точного определения термину «знания» нет. Приведем некоторые из толкований термина:

  • Знания − это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области.

  • Знания − это хорошо структурированные данные, или данные о данных, или метаданные.

  • Знания − совокупность сведений, образующих целостное опи­сание, соответствующее некоторому уровню осведомленности об опи­сываемом вопросе, объекте и т.д.

С точки зрения искусственного интеллекта знания определяют как формализованную информацию, на которую ссылаются в про­цессе логического вывода.

Для знаний характерны: внутренняя интерпретируемость, структурируемость, связность и активность.

С точки зрения решения задач в некоторой предметной области знания удобно разделить на две категории — факты и эвристические знания. Первая категория описывает известные в данной области обстоятель­ства. Вторая категория зна­ний опирается на практический опыт специалиста-эксперта в данной предметной области.

Кроме того, знания делят на процедурные и декларативные.

Ис­торически первыми появились процедурные знания. Процедурные знания хранятся в виде описаний про­цедур, с помощью которых их можно получить. В виде процедурных знаний обычно описывают способы решения задач предметной области, различные инструкции, методики и т.п. Процедурные зна­ния − это методы, алгоритмы, программы решения различных задач в выбранной предметной области, они составляют ядро базы знаний. Процедурные знания образуются в результате осуществления проце­дур над фактами как исходными данными.

Декларативные знания — это совокупность сведений о характе­ристиках свойств конкретных объектов, явлений или процессов, представленных в виде фактов и эвристик. Исторически такие зна­ния накапливались в виде разнообразных справочников, с появле­нием ЭВМ приобрели форму баз данных. Декларативные знания часто называют просто данными, они хранятся в памяти в структурах данных: таблицах, списках.

Одной из наиболее важных проблем, характерных для систем искусственного интеллекта, является представление знаний. Суще­ствует множество моделей представления знаний для различных предметных областей, но большинство из них относятся к следую­щим классам:

  • логические модели;

  • продукционные модели;

  • семантичес­кие сети;

  • фреймовые модели.

Ло­гические модели основаны на классическом исчислении предика­тов первого порядка, когда предметная область описывается в виде набора аксиом. Вся информация, необходимая для решения задач, рассматривается как совокупность правил и утверждений, которые представляются как формулы в некоторой логике предикатов. Зна­ния отражают совокупность таких формул, а получение новых зна­ний сводится к реализации процедур логического вывода. Эта логи­ческая модель применима в основном в исследовательских «идеальных» системах, так как предъявляет высокие требования и ограничения предметной области.

Исследования процессов принятия решений человеком показа­ли, что рассуждая и принимая решение, человек использует продук­ционные правила (от англ. production — правило вывода, порождающее правило). Продукционная модель, основанная на правилах, позволяет представить знания в виде предложений: