Системы представления знаний и их применение для представления информации стандартов

Центральной научной проблемой является разработка способов, систем, методов формализации (представления) знаний. В настоящее время разработано около 10 так называемых моделей знаний, но универсального метода представления знаний не существует. Объясняется это тем, что предметные области чрезвычайно разнородны, обладают множеством специфических особенностей и плюс к этому до сих пор полностью не разгаданы принципы работы человеческого мозга. На практике наибольшее распространение получили такие модели представления знаний:

ü логическая модель;

ü модель в виде продукционных правил;

ü семантические сети;

ü фреймовое представление.

Логические модели знаний

Логические модели (ЛМ) знаний являются основой человеческих рассуждений и умозаключений. ЛМ описываются подходящими исчислениями: исчисления высказываний и исчисления предикатов. В общем виде эти формальные системы могут быть представлены в виде четверки:

где Т – множество базовых элементов;

Р – множество синтаксических формул, на основе которых из Т строятся так называемые правильно построенные формулы;

А – множество правильно построенных формул, элементы которого называются аксиомами;

F – правила вывода, которые из множества А позволяют получать новые правильно построенные формулы.

Правильно построенная формула есть высказывание, истину или ложность которого можно установить. Из подобного рода высказываний с помощью логических связок могут быть образованы более сложные высказывания, которые в свою очередь могут принимать значение ИСТИНА или ЛОЖЬ.

Логические связки:

«И» - конъюнкция ( );

«ИЛИ» - дизъюнкция (V);

«ЕСЛИ – ТО» - импликация ( );

«НЕ» - отрицание (-).

Предикаты I^го порядка – это высказывания отнесённые к объектам определенного типа. Предикаты бывают одноместные и многоместные. Одноместные отражают свойства определенного объекта или классов объекта и имеют вид ,

где Р – отражает свойства (отношение),

х – символ предметной переменой, отражающий объект; может принимать два значения: 1 – истина, 0 – ложь, если объект х обладает свойством Р, то 1, и наоборот.

Об истинности или ложности формул ничего сказать нельзя, пока не будут заданы конкретные значения переменных. Например, двухместный предикат .

Продукционная модель

Наиболее простой и самой распространенной моделью является модель в виде продукционных знаний. В общем виде под продукцией понимают выражение типа

где (i) – имя продукции;

Q – элемент, характеризующий сферу применения продукции;

В – элемент, характеризующий условия применения ядра продукции;

ядро продукции;

знак следования (импликации);

N –элемент, характеризующий постусловия продукции.

Центральным элементом продукции является ядро. Парами А и В могут быть «посылка – действие», «посылка – вывод», «явление – реакция». В упрощенном виде правило записывается так:

ЕСЛИ А₁, А₂,….А_m; то В (*),

Выражение (*) читается так: если все условия А₁ - А_m – истина, то В – тоже истина. В другой интерпретации: если имеют место ситуации А₁ - А_m, то необходимо выполнить действие В.

Более сложные конструкции ядра допускают в правой части альтернативный выбор: ЕСЛИ А; то В₁, ИНАЧЕ В₂.

Если имеет место недетерминированный вывод, то

ЕСЛИ А; то ВОЗМОЖНО В;

или

ЕСЛИ А; то с ВЕРОЯТНОСТЬЮ Р МОЖНО ОЖИДАТЬ В.

Классическая продукционная система состоит из трех частей:

ü глобальная база данных, содержащая факты или утверждения из области решаемой задачи (рабочее поле);

ü база правил, содержащая знания о предметной области;

ü интерпретатор правил, осуществляющий процесс решения задачи (машина вывода).

Продукционная система работает циклически. На каждом цикле (в соответствии с выбранной стратегией) левая или правая части ядра сравниваются на соответствие с текущим состоянием рабочей памяти. В случае совпадения правила применяются. Интерпретатор правил использует стратегию управления для нахождения нужных правил, пока не окажется ни одного правила, которое удовлетворяло бы заданным условиям, либо пока не будет найдена команда останова.

Семантические сети

Используется как средство построения универсальных баз знаний, содержащих информацию общего характера о внешнем мире. В общем случае семантическая сеть представляет собой набор множеств:

где R₁,…R_д – система отношений, определенных на элементах множеств х₁,..х_n.

Фундаментальным свойством семантической сети является способность отображать разнородную информацию о предметной области. В упрощенной постановке семантическая сеть может быть представлена в виде ориентированного графа, где вершины (узлы) – понятия, а дуги – отношения между ними (теоретико – множественные, логические, лингвистические).

Типы отношений:

ü класс – элемент класса (например, стол);

ü пример элемента класса (например, ученический стол);

ü связь типа «часть – целое»;

ü функциональные свойства (объект свойства, свойства значения);

ü атрибутивные связи (количественные, временные, пространственные);

ü логические связи (и, или, не).

Вывод решения в базе знаний типа семантической сети сводится к поиску фрагмента сети (подсети), представляющей вопрос. В семантической сети удобно представлять декларативные знания, а узким местом является представление процедурных знаний.

Преимуществом данной модели представления знаний является то, что оно в большей степени соответствует современным представлениям об организации долговременной памяти человека.

Недостатком является трудность организации (построения) механизмов вывода на семантические сети, т.к. произвольная структура, различные типы вершин и связей между ними требуют большого разнообразия процедур обработки информации, что значительно усложняет разработку программного обеспечения.

Фреймовое представление

Имеет глубокое психологическое обоснование и удовлетворяет всем свойствам (признакам) знаний: структурированности, связности, активности. Фрейм (каркас, рамка) можно определить как структуру данных для описания стереотипной ситуации. Фрейм в общем виде можно представить как структуру данных вида:

где f – имя фрейма; - слот, где v_i - имя слота; g_i – значение слота.

Для фрейма характерна некоторая внутренняя структура, причем высокие уровни этой структуры содержат некоторую постоянную информацию, отличающую данный фрейм от множества других фреймов.

В качестве значения слота может выступать имя другого слота. Таким образом, во фреймах легко осуществить декомпозицию знаний. В качестве имя слота может быть ссылка на слот более высокого уровня, таким образом, можно организовать родо – видовую классификацию. В качестве слота могут быть ссылки вызова тех или иных процедур для использования, таким образом, можно представить процедурную информацию.

Достоинства фреймового представления знаний:

ü отражает концептуальную основу организации человеческой памяти;

ü модель гибкая и наглядная;

ü позволяет в сжатом виде представить структуры отношений.

Недостатком фреймового представления знаний является отсутствие прямых методов для декларативного описания того как данные, хранимые во фреймах могут быть использованы.

Для представления информации стандартов применяется фреймовое представление знаний. Например,