Модели представления знаний в интеллектуальных информационных системах Продукционные модели
Продукционная модель основана на правилах. Она позволяет представить знания в виде предложений, состоящих из двух частей – “если” и “то”.
Под условием понимается некоторое предложение (образец), по которому осуществляется поиск в базе знаний. А под действием понимается некоторая система операций при успешном исходе поиска.
Действия могут быть промежуточными, выступающими далее как другие условия, а могут быть терминальными (целевыми), т.е. завершающими работу.
При использовании продукционной модели база знаний состоит из набора правил. Перебором правил управляет программа, которая называется машиной вывода (интерпретатором).
Вывод бывает прямым – от данных к цели, а также обратным – вывод от цели для ее подтверждения к данным.
Данные представляют собой исходные факты, на основе которых запускается машина вывода.
Пример:
Имеется фрагмент базы знаний, включающей только 2 правила:
R1 – если «отдых планируется летом и человек активный», то «следует ехать в горы».
R2 – если «любит солнце», то «отдых следует запланировать летом».
Данные: человек активный, любит солнце.
Проход правил:
Шаг 1. Пробуем правило R1 – не работает, нет данных.
Шаг 2. Пробуем правило R2.
Проход 2.
Шаг 1. Пробуем правило R1 – активизируется правило «ехать в горы».
Обратный вывод:
1й проход
Шаг1. Цель ехать в горы, пробуем R1, данных нет, они становятся целью, ищется правило в переменной цели.
Шаг2. Отдых летом подтверждает R2 и активизирует ее.
Шаг3. Пробуем R1, подтверждается цель.
Продукционная модель чаще всего применяется в промышленных экспертных системах.
Рассматриваемая модель привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений, простотой механизма логического вывода.
Существует представительное множество программных средств, реализующих продукционную модель. Например, OPS-5, EXSIS, СПЭИС.
Семантические сети
Термин семантические сети означает «смысловая».
Семантика – наука, которая устанавливает отношения между символами и объектами, которые они объясняют, т.е. наука, определяющая смысл знаков.
Семантическая сеть – ориентированный граф, вершины которого представляют понятия, а линии (дуги) отображают отношения между ними (пример на рис.1).
Понятиями обычно выступают абстрактные или конкретные объекты. Отношения – это связи между этими объектами.
Существует несколько классификаций семантических сетей:
По количеству отношений различаются:
Однородные семантические сети с единственным типом отношений;
Неоднородные семантические сети с различными типами отношений.
По типам отношений выделяются:
Бинарные семантические сети, в которых отношения связывают два объекта;
Парные семантические сети, в которых отношения связывают более чем два понятия.
Наиболее часто используются в семантических сетях:
Связь «часть – целое» (класс – подкласс, элемент – множество);
Функциональные связи (производит, владеет);
Количественные отношения (A > 0, B < 0);
Пространственные отношения (далеко от, близко от, над, за и т.п.);
Временные (раньше, позже, одновременно);
Атрибутивные (иметь свойство, иметь значение);
Логические связи – «И», «ИЛИ», «НЕ».
Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети согласно поставленному вопросу.
Рисунок 1 – Модель в виде семантической сети
Преимущества модели:
- совпадает с тем, как человек познает мир;
- соответствует долговременной памяти человека.
Недостатки:
- сложность с поиском вывода.
Реализации: NET, PROSPECTOR, CASNET, TORUS – языки представления знаний в виде семантической сети.