- •Модели представления знаний
- •Декларативные и процедурные знания
- •2 Логическая модель представления знаний
- •Сетевая модель представления знаний
- •Фреймовая модель представления знаний
- •Продукционная форма представления знаний
- •Экспертные системы
- •Экспертные системы: базовые понятия
- •3 Составные части экспертной системы и порядок ее функционирования
- •По стадии создания выделяют:
- •4 Функционирование базы знаний экспертной системы
- •4.1 Обратный метод логического дедуктивного вывода
- •Прямой метод логического дедуктивного вывода
- •5. Этапы проектирования экспертной системы
- •5.1 Этап идентификации
- •Этап концептуализации
- •5.2.1 Атрибутивный подход к построению модели предметной области
- •5.2.2 Структурный (когнитивный) подход к построению модели предметной области
- •5.3 Этап формализации
- •Этап выполнения
- •Этап тестирования
- •Этап опытной эксплуатации
Этап концептуализации
На данном этапе проводится содержательный анализ проблемной
области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач. Этот этап завершается созданием модели предметной области (ПО), включающей основные концепты и
отношения. На этапе концептуализации определяются следующие особенности задачи [1]:
типы доступных данных;
исходные и выводимые данные,
подзадачи общей задачи;
применяемые стратегии и гипотезы; виды взаимосвязей между объектами ПО, типы используемых отношений (иерархия, причина
— следствие, часть — целое и т.п.);
процессы, применяемые в ходе решения;
состав знаний, используемых при решении задачи;
типы ограничений, накладываемых на процессы, которые применены в ходе решения;
состав знаний, используемых для обоснования решений.
Существует два подхода к процессу построения модели предметной области, которая является целью разработчиков ЭС на этапе концептуализации [1]:
Признаковый или атрибутивный подход предполагает наличие полученной от экспертов информации в виде троек «объект —
атрибут — значение атрибута», а также наличие обучающей информации. Этот подход развивается в рамках направления, получившего название «формирование знаний» или «машинное обучение» (machine learning).
Структурный (или когнитивный) подход, осуществляется путем выделения элементов предметной области, их взаимосвязей и семантических отношений.
5.2.1 Атрибутивный подход к построению модели предметной области
Признаковый или атрибутивный подход. Для атрибутивного подхода характерно наличие наиболее полной информации о предметной области: об объектах, их атрибутах и о значениях атрибутов. Кроме того,
существенным моментом является использование дополнительной
обучающей информации, которая задается группированием объектов в классы по тому или иному содержательному критерию. Тройки объект— атрибут—значение атрибута могут быть получены с помощью так называемого метода реклассификации, который основан на предположении что задача является объектно-ориентированной и объекты задачи хорошо известны эксперту. Идея метода состоит в том, что конструируются правила (комбинации значений атрибутов), позволяющие отличить один объект от другого [1].
На атрибутивном подходе базируются ЭС распознавания образов и автоматического группирования данных.
5.2.2 Структурный (когнитивный) подход к построению модели предметной области
Структурный подход к построению модели предметной области предполагает выделение следующих когнитивных элементов знаний [1]:
Понятия.
Взаимосвязи.
Метапонятия.
5.3 Этап формализации
На данном этапе все ключевые понятия и отношения выражаются на некотором формальном языке, который либо выбирается из числа уже существующих, либо создается заново. Другими словами, определяются состав средств и способы представления декларативных и процедурных знаний, осуществляется это представление и в итоге формируется описание решения задачи ЭС на предложенном (инженером по знаниям) формальном языке.
Выходом этапа формализации является описание того, как рассматриваемая задача может быть представлена в выбранном или разработанном формализме. Сюда относится:
указание способов представления знаний (фреймы, сценарии, семантические сети и т.д.)
определение способов манипулирования этими знаниями (логический вывод, аналитическая модель, статистическая модель и др.) и интерпретации знаний.
