Интеллектуальные информационные системы

      личности ( ФИО, Профессия, Подразделение, ... ).

      Если  объекты обладают частично пересекающимся набором предикатов, то осуществляется более сложная классификация объектов: класс объектов по значениям какого-либо свойства (признака) разбивается на  подклассы таким  образом,  что  класс  объектов  содержит  общие  для подклассов свойства и  связи,  а  каждый  из  подклассов  отражает  специфические свойства и связи, например:

    личности ( ФИО, Год рождения, Профессия, Подразделение, ... )

    инженеры ( ФИО, ВУЗ, Оклад, ... )

    рабочие ( ФИО, Разряд, Тарифная ставка, ... )

     При этом  подклассы  объектов  автоматически  наследуют общие свойства и связи вышестоящих классов, а совокупность взаимосвязанных по отношению обобщения  классов объектов образует иерархию наследования свойств.

      Отношение агрегации классов объектов ("целое" - "часть") отражает составные части  объектов, которое можно представить в бинарном виде на именах двух классов объектов:

      есть-часть ( Оборудование, Цех );

      есть-часть ( Рабочие, Цех ).

     Аналогично  представляются другие семантические  отношения:

• причина-следствие (Задолженность, Банкротство);
• аргумент-функция ( Спрос, Цена);
• средство-цель (Покупка акций, Прибыль);
• ассоциация (Производство, Обслуживание);
• хронология (Отгрузка, Поставка);
• пространственное положение (Сборка, Технический контроль).

Обычно  объектное знание представляется графически средствами ER-моделей (модель "Сущность - Связь") - см. [15].

      Функциональная  модель описывает преобразования фактов, зависимости между ними, показывающие, как одни факты обpазуются из дpугих. В качестве единицы функционального знания  определим функциональную зависимость фактов в виде импликации:

     А1_/\А2_/\А3_/\ ... /\Аn_ -> B,

означающей, что факт В имеет место только в том случае, если имеет

место конъюнкция фактов или их отрицаний  А1, А2, ... , Аn , например:

 

     сбыт (Товар, "Слабый") и

     прибыль (Товар, "Ничтожная") и

     потребители (Товар, "Любители нового") и

     число_конкурентов (Товар,"Небольшое") ->

     жизненный_цикл (Товар, "Выведение на рынок").

      Функциональную  зависимость фактов можно трактовать как отражение следующих отношений  фактов:

• "Причина" - "Следствие";
• "Средство" - "Цель";
• "Аргумент" - "Функция";
• "Ситуация" - "Действие".

  В качестве термов конъюнкции фактов могут выступать более сложные логические условия.

      Функциональная  модель строится   путем   последовательной декомпозиции целей, а именно: для  цели определяются подцели, для которых в свою очередь устанавливаются подцели и так дальше, пока в  качестве подцелей не окажутся исходные факты (процесс декомпозиции "сверху" - "вниз").  Каждой  цели  (подцели) соответствует некоторая задача (подзадача), которая не может быть решена, пока не будут достигнуты ее нижестоящие подцели (решены подзадачи). Таким образом, функциональная модель отражает в обобщенной форме процесс решения характерных для нее задач.

      Обычно  функциональные зависимости фактов представляются графически в виде деревьев целей или графов "И" - "ИЛИ" (рис. 2.2), в которых каждый зависимый факт представляет собой целевую переменную - корневую вершину, а определяющие его факты-аргументы - cвязанные с корнем подчиненные вершины, условие конъюнкции (совместности анализа факторов) обозначается пересекающей дугой, а условие дизъюнкции (независимости влияния на цель факторов) никак не обозначается, причем если какой-либо факт-аргумент, в свою очередь, определяется другими фактами-аргументами, то он становится подцелью. 

 

Рис. 2.2. Дерево целей - граф “И -ИЛИ” 

     Поведенческая модель отражает изменение состояний объектов в результате  возникновения некоторых событий, влекущих за собой выполнение определенных действий (процедур). Состояние объекта - это изменяющиеся во времени значения некоторого свойства. Набор действий, связанный с некоторым событием, составляет поведение объекта, которое выражается в  виде  правил  или  процедур.  Задача  определения поведенческой модели заключается в определении связей событий с поведением объектов и изменением их состояний. Как правило, событие отражается в форме сообщения, посылаемого объекту. Пример поведенческой модели в виде диаграммы потоков событий представлен в таблице 2.5.  

      Таблица 2.5.

ЗАКАЗ

2.4. Формализация базы  знаний

      На  этапе формализации базы знаний осуществляется выбор метода представления знаний. В рамках выбранного формализма осуществляется проектирование логической структуры  базы знаний.

      Рассмотрим классификацию методов представления знаний с точки зрения особенностей отображения различных  видов  концептуальных моделей,  а  именно:  соотношения структурированности и операционности, детерминированности  и неопределенности, статичности и динамичности знаний (рис. 2.3 ). 

Рис. 2.3. Классификация методов представления  знаний 

      Так, объектные методы представления  знаний в большей степени ориентированы  на представление структуры фактуального знания, а правила - операционного.

• Логическая модель реализует и объекты, и правила с помощью предикатов первого порядка, является строго формализованной моделью с универсальным дедуктивным и монотонным методом логического вывода “от цели к данным”;
• Продукционная модель позволяет осуществлять эвристические методы вывода на правилах и может обрабатывать неопределенности в виде условных вероятностей или коэффициентов уверенности, а также выполнять монотонный или немонотонный вывод;
• Семантическая сеть отображает разнообразные отношения объектов;
• Фреймовая модель, как частный случай семантической сети, использует для реализации операционного знания присоединенные процедуры;
• Объектно-ориентированная модель, как развитие фреймовой модели, реализуя обмен сообщениями между объектами, в большей степени ориентирована на решение динамических задач и отражение поведенческой модели.

      Логическая  модель  предполагает унифицированное описание объектов и действий  в виде  предикатов  первого порядка.   Под   предикатом понимается  логическая  функция на N - аргументах (признаках),  которая принимает истинное или ложное  значение  в зависимости от  значений аргументов.  Отличие   заключается   в   том,   что   для   объектов соответствующие реляционные отношения задаются явно в виде  фактов,  а действия  описываются как  правила,  определяющие  логическую формулу вывода фактов из других фактов. Пример фрагмента базы знаний подбора претендентов  на  вакансии в языке логического программирования ПРОЛОГ представлен на рис. 2.4.  (Обозначения:  ":-" - "если", "," - "и", "." - "конец утверждения").

         vibor(Fio,Dolgnost):-

                pretendent(Fio, Obrazov, Stag),

                vacancy(Dolgnost, Obrazov, Opyt),

                Stag>=Opyt.

          pretendent("Иванов","среднее" 10).

          pretendent("Петров","высшее", 12).

          vacancy("менеджер", "высшее", 10).

          vacancy("директор", "высшее", 15).

Рис. 2.4. Пример фрагмента базы знаний на языке  ПРОЛОГ

      Механизм  вывода   осуществляет   дедуктивный   перебор    фактов, относящихся  к  правилу по принципу "сверху - вниз",  "слева - направо" или обратный вывод методом поиска в глубину.  Так,  в ответ на  запрос vibor(X,Y) получим: X="Петров", Y="менеджер".

      Правила могут связываться в цепочки  в результате использования одинакового  предиката  в  посылке одного и в заключении другого правила.

      Для логической модели характерна строгость  формального  аппарата получения  решения. Однако, полный последовательный                     перебор  всех возможных решений  может  приводить   к   комбинаторным   взрывам,   в результате чего поставленные задачи могут решаться  недопустимо большое время. Кроме того,  работа с  неопределенностями  знаний  должна  быть запрограммирована в виде самостоятельных метаправил, что на практике затрудняет разработку баз знаний с помощью логического формализма.

      Продукционные модели используются для решения более сложных задач, которые основаны на применении эвристических методов представления знаний,  позволяющих настраивать механизм  вывода на особенности проблемной области и учитывать неопределенность знаний.

  В продукционной модели основной единицей знаний служит правило  в виде: "если <посылка>, то <заключение>", с помощью которого могут быть выражены       пространственно-временные,       причинно-следственные, функционально-поведенческие (ситуация - действие) отношения объектов. Правилами могут быть описаны и сами объекты: "объект - свойство" или "набор свойств - объект", хотя чаще описания объектов фигурируют только в качестве переменных ("атрибут - значение") внутри правил. В основном продукционная модель  предназначена для описания последовательности различных ситуаций   или   действий   и   в   меньшей   степени   для структурированного  описания объектов.

      Продукционная модель предполагает более гибкую организацию работы механизма вывода по сравнению с логической моделью.  Так, в зависимости от направления  вывода  возможна как прямая аргументация,  управляемая данными (от данных к цели),  так и обратная,  управляемая  целями  (от целей к данным). Прямой вывод используется в продукционных моделях при решении, например, задач интерпретации, когда по исходным данным нужно определить  сущность некоторой ситуации или в задачах  прогнозирования, когда из описания некоторой ситуации требуется вывести все следствия.  Обратный  вывод применяется, когда нужно проверить определенную гипотезу или небольшое множество  гипотез  на  соответствие  фактам,  например,   в   задачах диагностики.

      Отличительной особенностью  продукционной  модели  является также способность осуществлять выбор правил из множества возможных на данный момент времени  (из конфликтного набора) в зависимости от определенных критериев, например, важности, трудоемкости, достоверности получаемого результата и  других характеристик проблемной области. Такая стратегия поиска решений называется  поиском в ширину.  Для ее  реализации   в описание продукций вводятся предусловия и постусловия в виде:

     < A, B, C -> D, E >, где

-  импликация  С - > D представляет собственно  правило;

-  А  - предусловие выбора класса правил;

-  B - предусловие выбора правила в  классе;

- Е - постусловие правила, определяющее  переход на следующее правило.

     В предусловиях  и  постусловиях  могут  быть   заданы   дополнительные процедуры, например,   по  вводу  и  контролю  данных,  математической обработке и т.д. Введение предусловий и постусловий позволяет выбирать наиболее рациональную стратегию работы механизма  вывода,  существенно сокращая перебор относящихся к решению правил.