- •3.12 Основы баз данных и баз знаний.
- •Данные.
- •Реляционная модель представления данных.
- •Логические связи в реляционной модели.
- •Нормализация таблиц-отношений
- •Операции с данными в реляционной модели
- •Достоинства и недостатки реляционных моделей.
- •Базы знаний.
- •Если (список условий), то (следует выполнить перечень действий).
- •Экспертные системы.
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:
