- •Куперштейн л.М.
- •Та інтелектуальних систем
- •Рецензент: к.Т.Н., доцент Ревенок в.І.
- •Тема 1. Програмне забезпечення системного оброблення інформації
- •1.2 Системне програмування
- •1.3 Поняття мови програмування та їх історичний розвиток
- •1.4 Етапи підготовки програми
- •1.5. Поняття операційної системи
- •2.1. Класифікація засобів розробки додатків
- •Тема 2. Засоби створення програмних додатків
- •2.2. Класифікація додатків, що використовують бази даних
- •Тема 3: Структурована мова запитів sql
- •3.1. Компоненти скбд
- •3.2. Основні поняття sql
- •3.3. Типи даних sql
- •Символьні дані
- •Точні числа
- •Закруглені числа
- •Дата і час
- •3.4 Базові команди sql
- •Розділ group by
- •Розділ having
- •4.2. Перенесення додатку на інший комп'ютер.
- •5.3. Сталі та змінні.
- •5.4.Типи даних
- •5.5. Представлення значень у комп’ютері.
- •6.1.Арифметичні операції над даними
- •6.3.Команда присвоєння, суміщена з арифметичною операцією. Математичні функції
- •7.1. Умовні оператори Оператор if
- •7.3. Оператори вибору Оператор switch
- •Оператор break
- •Оператор continue
- •Оператор повернення
- •Оператор goto
- •Помічений оператор
- •Порожній оператор
- •Тема 9. Вступ до проблеми штучного інтелекту
- •9.1. Поняття та проблеми штучного інтелекту
- •Проблеми штучного інтелекту
- •9.2. Представлення знань
- •9.3. Рішення задач
- •9.4. Експертні системи
- •9.5. Засоби спілкування з еом на природній мові. Навчання.
- •9.6. Когнітивне моделювання. Обробка візуальної інформації і робототехніка
- •Тема 10. Експертні системи як різновид систем штучного інтелекту
- •10.1. Сучасний рівень розвитку експертних систем. Критерії вибору задач, що реалізуються методами і засобами штучного інтелекту
- •10.2. Ведення в експертні системи
- •10.3. Класифікація експертних систем
- •10.4. Інструментальні засоби для побудови експертних систем
- •Тема 11. Методологія проектування експертних систем
- •11.1. Етапи проектування експертних систем
- •Тема 12. Технологія проектування експертних систем на основі продукційної моделі
- •12.1. Продукційна модель експертних систем
- •Представлення знань.
- •12.2. Особливості організації логічного висновку
- •Запит користувача
- •12.3. Організація пошуку рішень у простих та складних ес
- •12.4. Приклади використання пм
- •Тема 13. Технологія проектування експертних систем на основі логічної моделі подання знань
- •13.1. Поняття логічної моделі знань
- •13.2. Характеристика мови предикатів першого порядку. Особливості подання знань
- •13.3. Апарат логічного висновку
- •13.4. Особливості машинної реалізації мови предикатів першого порядку
- •Тема 14. Поняття семантичної мережі та її використання в експертних системах.
- •14.1. Поняття та компоненти семантичних мереж
- •14.2. Класифікація семантичних мереж
- •14.3. Побудова та використання семантичних мереж
- •Тема 15. Технологія проектування експертних систем на основі фреймової моделі подання знань
- •Структура фрейма
- •15.2.Базові елементи фреймів
- •15.3. Загальний вигляд фреймової моделі.
- •Тема 16. Характеристика програмних засобів створення експертних систем
- •16.1. Експертна система «експерт»
- •16.2. Практична робота з системою «експерт». Робота користувача по створенню власної бази знань
- •16.3. Представлення знань і формування бази знань в системі internist
- •Тема 17: Базові концепції нейронних мереж
- •17.1. Історія нейронних мереж
- •17.2. Нейрон. Штучний нейрон. Принцип роботи
- •17.3. Активаційна функція та її різновиди
- •Лінійна функція активації з насиченням Лінійна передавальна функція
- •17.4. Обґрунтованість застосування нейромереж
- •Машина фон Неймана у порівнянні з біологічною нейронною системою
14.3. Побудова та використання семантичних мереж
Процес побудови семантичних мереж вимагає ретельного аналізу предметної області. Для формалізації та фіксації окремих результатів процесу аналізу предметної області розробляють короткий опис предметної області та словник предметної області. Також у процесі аналізу предметної області виконують узагальнення понять, результати якого описують та враховують при побудові семантичної мережі.
Основним принципом організації банків знань на основі семантичних мереж є поділ екстенсіональних й інтенсіональних знань. При цьому екстенсіональна семантична мережа є основою бази даних, а інтенсіональна – бази знань.
У семантичній мережі можуть бути продані такі види об’єктів, як поняття, події, спеціалізовані методи рішення. Опис об’єктів предметної області виводиться на природно-мовний рівень. Збільшення номенклатури об’єктів знижує однорідність мережі і призводить до необхідності збільшення арсеналу методів виведення.
Багатомірність семантичних мереж дозволяє подавати в них числені семантичні відношення, що зв’язують окремі поняття, поняття і події в речення, а також речення в текстах; крім того, у семантичній мережі може бути відбита семантична ієрархія взаємної підпорядкованості спеціалізованих методів.
Усі знання, включаючи факти, що знову надходять, а також деякі спеціалізовані методи рішення накопичуються у відносно однорідній структурі пам’яті. На мережах визначається ряд більш-менш уніфікованих семантичних відношень між об’єктами, яким відповідають уніфіковані методи виведення. Методи виведення в сукупності з цілями (запитами) визначають області семантичного знання, що має відношення до поставленої задачі, формулюючи акт розуміння запиту і певний ланцюг виведень і неповних виведень, що відповідають рішенню задачі.
На кожній стадії формування рішення можна чітко розділити повне знання системи (повна семантична мережа) і поточне знання – збуджена область мережі, у якій здійснюються певні операції (процес розуміння, виведення і т.д.).
Десигнат є важливим поняттям у семантичних мережах. Це унікальне внутрисистемне ім’я, що ставиться у відповідність деякому об’єкту предметної області, якщо про нього в даний момент немає повної інформації. Десигнат відбиває найбільш значимий зміст об’єкта, зокрема, просто факт його існування.
Порожні місця заповнюються в процесі нагромадження даних значеннями відповідного атрибута. Таким чином, у момент першого згадування про об’єкт у базі знань заводиться його десигнат, яким можна маніпулювати, не очікуючи повної інформації про об’єкт. Уведення десигнатів збільшує гнучкість семантичної мережі, однак їхнє використання вимагає додаткових обчислювальних ресурсів.
Операції модифікації бази знань на семантичних мережах зводяться до видалення і додавання нових вершин і ребер. Проблема пошуку рішення в базі знань типу семантичної мережі зводиться до задачі пошуку фрагмента мережі, відповідного деякій підмережі, що відображає поставлений запит до бази знань.
Особливістю семантичної мережі як механізму подання знань є єдина база знань і механізм виведення.
Базові операції пошуку інформації в мережі забезпечують пошук вершини чи ребра за іменем, переходячи від однієї вершини до іншої по зв’язках і від одного зв’язку до іншої через суміжні вершини. Мета пошуку – одержання знань, поданих у мережі і необхідних для вирішення задачі.
Операція зіставлення зі зразком є одним з потужних засобів маніпуляції знаннями. Сутність її полягає в такому. Інформаційна потреба, що визначає зміст і ціль запиту базі знань, описується автономною семантичною мережею – мережею запиту, яка побудована за тими ж правилам і відображує ті ж об’єкти і відношення, що продані в системі знань семантичною мережею.
Пошук відповіді на запит реалізується зіставленням мережі запиту з фрагментами семантичної мережі, що подає систему знань. Позитивний результат зіставлення дозволяє одержати одну з відповідей на запит. Усі відповіді можна одержати шляхом виявлення всіх порівнянних з мережею запиту фрагментів.
Метод перехресного пошуку використовується в семантичних мережах нарівні з методом зіставлення. При цьому здійснюється пошук відношень між поняттями. Відповідь на запит формується шляхом знаходження вершини, у якій перетинаються дуги, що йдуть з двох вершин.
Метод поширення активності та техніки перетинань – особливий тип генерації висновку, використовуваний у семантичних мережах. Цей метод відіграє важливу роль в обробці контекстів. Процес здійснюється побудовою ланцюжків виведення на основі уведених висловлень у всіх напрямках доти, поки не виявиться перетинання де-небудь у мережі.
Перевагами семантичних мереж є:
– великі виразні можливості мережних моделей;
– зручність та логічна прозорість – опис подій і понять проводиться на рівні, дуже близькому до природної мови;
– забезпечується можливість зчеплення різних фрагментів мережі;
– відношення між поняттями і подіями утворюють досить невелику і добре формалізовану множину;
– можливість відображення структури, що властива знанням, оскільки відношення можуть бути явно специфіковані;
– для кожної операції над даними і знаннями можна виділити з повної мережі, що подає всю семантику, деяку частину мережі (фрагмент), яка охоплює необхідні в даному запиті смислові характеристики;
– розміщення в базі знань навколо відповідної вершини всієї точно відомої інформації тієї чи іншої концепції;
– ефективний інформаційний пошук, оскільки асоціації між об’єктами визначають шляхи доступу, що проходять по базі знань.
Недоліками семантичних мереж є:
– складність організації процедури пошуку у процесі виведення на семантичній мережі;
– відсутність достатньо розробленої денотаційної і, особливо операційної семантики. Остання, як правило, використовує прості розуміння, пов’язані з реалізацією методів пошуку по шляхах доступу. Числені формалізми, що підтримують мережні схеми, не мають необхідного рівеня повноти синтаксису і семантики;
– програш семантичних мереж у поданні чисто структурних відношень, які легко реалізуються численням предикатів (логічні зв’язування, квантори спільності й існування) або процедуральному поданні (рівнобіжні процеси, динамічні події);
– менша виразна сила семантичних мереж у порівнянні з логікою предикатів. Зокрема, має певну складність відображення квантифікаторів. Деякі недоліки можуть бути усунуті за допомогою реалізації механізму спадкування: субконцепти успадковують властивості суперконцептів, якщо тільки це явно не заборонено. Як засоби подолання недоліків пропонувалося також уведення функцій Сколема в семантичних мережах, поділ семантичних мереж на частини. Остання пропозиція виявляється корисною для відображення в системі як самих планів, цілей і гіпотез, так і пропозицій системи про плани, цілях і гіпотези передбачуваного партнера.
Використання семантичних мереж
Семантичні мережі можуть бути записані практично на будь-якій мові програмування на будь-якій машині. Найпопулярніші в цьому відношенні мови LISP і PROLOG. Однак багато версії були створені і на FORTRANе, PASCALе, C та іншими мовами програмування. Для зберігання всіх вузлів і дуг необхідна велика пам'ять, хоча перші системи були реалізовані в 60-х роках на машинах, які були набагато меншими і повільнішими від сучасних комп'ютерів.
Одною з найпоширеніших мов, розроблених для запису природної мови у вигляді мереж є PLNLP (Programming Language for Natural Language Processing) Мова Програмування для обробки природної мови, створена Хайдерном. Ця мова використовується для роботи з великими граматиками з великим покриттям. PLNLP працює з двома видами правил: 1. за допомогою правил декодування проводиться синтаксичний аналіз лінійного мовного ланцюжка і будується мережа.
2. за допомогою правил кодування сканується мережа, породжується мовний ланцюжок або інша трансформована мережа.
Крім спеціальних мов для семантичних мереж було також розроблено спеціальне апаратне забезпечення. На звичайних комп'ютерах можуть бути успішно виконані операції з мовами синтаксичного аналізу й операції сканування мереж. Однак для великих баз знань знаходження потрібних правил або доступ до передзнання може знадобитися дуже багато часу. Щоб дозволити різним процесам пошуках проходити одночасно Фальман розробив систему NETL, яка представляє собою семантичну мережу, що може використовуватися з паралельним апаратним забезпеченням. Таким чином він хотів створити модель людського мозку, в якому сигнали можуть рухатися по різних каналах одночасно. Інші вчені розробили паралельне програмне забезпечення для пошуку найбільш вірогідної інтерпретації двозначних фраз природної мови.
