УДК 004.891.2+004.021
Н.О. Билык
Донецкий национальный технический университет, г. Донецк
кафедра систем искусственного интеллекта
МОДЕЛИ И АЛГОРИТМЫ ОБНОВЛЕНИЯ ЗНАНИЙ ЭКСПЕРТНЫХ СИСТЕМ НА ОСНОВЕ ОНТОЛОГИЧЕСКОГО ПОДХОДА
Аннотация
Билык Н.О. Модели и алгоритмы обновления знаний экспертных систем на основе онтологического подхода. Произведен анализ использования онтологии для интеллектуализации программных продуктов. Рассмотрены задачи, решаемые с помощью онтологии. Предложено использование онтологического подхода для обновления знаний в экспертных системах.
Ключевые слова: онтологический подход, обновление знаний с помощью онтологических методов.
Постановка проблемы
Экспертные системы являются очень актуальными в данный момент, но возникают проблемы, при их использовании спустя определенный промежуток времени. Проблема заключается в том, что информации, которую содержит система, становится недостаточно, вследствие чего конечный пользователь получает некорректные результаты. Для решения этой проблемы необходимо выполнить следующие этапы:
- определить, с помощью каким методов будет построена экспертная система;
- определить, каким образом можно автоматизировать обновление знаний экспертной системы;
- определить, с помощью каких подходов и методов, можно производить поиск информации.
Анализ литературы
Выполнен анализ методов онтологического подхода, задач, решаемых с помощью онтологии, и интеграции разнородных источников данных[1]. Рассмотрены подходы для построения экспертных систем и метод создания фрейм-системы на основе реляционной базы данных[2]. Проведен анализ методов построения баз знаний, использующих интеллектуальный подход, а так же разработки систем, основанных на знаниях[3]. Рассмотрены алгоритмы автоматического построения онтологий с использованием различных технологий Semantic Web[4].
Цель статьи
Провести анализ методов автоматического обновления информации на основе онтологического подхода.
Постановка задачи исследования
Рассмотреть методы обработки информации из сети Интернет. Привести онтологические подходы для поиска и обработки информации. Предложить применение экспертных систем совместно с онтологическим подходом.
Анализ методов построения онтологий
Для того чтобы исследовать методы построения онтологии, сначала разберемся с самими понятием. Одно из самых известных было сформулировано Грубером: онтология – это спецификация концептуализации. Концептуализация – это структура реальности, рассматриваемая независимо от словаря предметной области и конкретной ситуации.
Ни для кого не секрет, что сейчас основным источником информации является Интернет, его технологии мы и будем рассматривать. Технологии Semantic Web присущи следующие свойства:
- аннотирование данных, накопленных в Интернете за время его развития;
- мета-описание данных на основе онтологий;
- взаимное отображение онтологий;
- интеллектуальные сервисы, которые учитывают и понимают семантику данных.
Наибольшее распространение в Semantic Web получили следующие форматы описания данных:
- ODL − стандарт ODMG объектно-ориентированных БД;
– RDFS (Resource Definition Framework Schema) − стандарт позволяет описывать схемы классов и их свойств с учетом отношений между ними;
- OWL (Web Ontology Language) − специализация RDFS, которая ориентированна на писание предметных онтологий.
RDF предоставляет простой, но мощной язык описания ресурсов, основанный на триплетах (triple-based) «Субъект-Предикат-Объект» и спецификации URI. Спецификация RDF опирается на ранние стандарты, лежащие в основе Web:
– Unicode служит для представления символов алфавитов различных языков;
– URI используется для определения уникальных идентификаторов ресурсов,
– XML и XML Schema – для структурирования и обмена информацией и для хранения RDF (XML синтаксис RDF).
На рис.1 представлена диаграмма, называемая стеком Semantic Web.
Рисунок 1 – стек Semantic Web
Информационный поиск
Необходимо отметить, что использование онтологий для информационного поиска в реальных предметных областях имеет набор особенностей:
- онтология должна быть очень большой величины;
- онтологии должны точно устанавливать связи с языковыми единицами – терминами предметной области,
- методы информационного поиска подразумевают использование онтологий для анализа связных текстов, для которых не существует хорошо развитых методов автоматической обработки.
Все эти факторы ограничивают внедрение онтологий в поисковые механизмы информационно-поисковых систем.
Поисковая машина использует запрос как входные данные для получения того или иного результата – выборки из коллекции документов, соответствующих запросу. В данном случае возникает проблема с формированием точных запросов, так как в ином случае наша система получит не релевантную информацию от поисковой системы.
Внедрение онтологии в экспертную систему (ЭС)
Если представить экспертную систему в общем виде, то мы уведем программу, состоящую из классов и объектов, имеющие заданные значения свойств. Каждый раз при обращении к системе пользователь задает определенные свойства объекта, по которому хочет получить рекомендацию. Не всегда система обладает знаниями, которые хотел бы получить пользователь, поэтому необходимо внедрить механизм, который будет хранить информацию о запросах к ЭС, тех случаев, когда в базе знаний не нашлось подходящего решения. Именно опираясь на эту информацию, программа должна собирать статистику запросов пользователей. Если запросы, или определенная часть структуры запросов, для которой нет решения, повторились,- есть смысл производить поиск информации на внешних ресурсах. В этом случае формируется запрос к онтологии, с уже сформированной по статистике, структурой свойств. С помощью онтологических методов мы производим поиск информации на внешних ресурсах. После того, как мы отправили запрос поисковой системе, проанализировали информацию и у нас уже есть конечный результат, мы можем передавать информацию из онтологии в нашу систему, тем самым, обновляя знания. Желательно, чтобы процесс обновления базы знаний происходил в диалоге с пользователем, так как не всегда информация, размещенная в сети Интернет, является корректной. Так же, желательно, чтобы поиск знаний и обновление, происходили по требованию пользователя, без учета статистики. Возможны случаи, когда поиск информации по заданной структуре запроса не даст результатов, таким образом, обновления знаний не будут произведены.
Можно производить обновления знаний ЭС в автоматическом режиме, то есть, обновляя данные с определенной периодичностью, но мы не должны забывать о доли риска, так как информация, находящаяся в базе знаний будет иметь не точности. Так же, стоит отметить, что такие действия повлекут аппаратные и ресурсные затраты, что приведет, в последствии, к дополнительным финансовым затратам.
Желательно, чтобы в ЭС была внедрена система безопасности, которая будет защищать, от постороннего доступа, тем самым, уменьшая количество нежелательных пользовательских запросов, которые повлекут к обновлению знаний.
Мы должны понимать, что онтология и система не должна противоречить друг другу, то есть их структуры должны быть схожими.
Классы и экземпляры онтологии переносятся в среду ЭС. Как правило, они отображаются на классы и экземпляры языка программирования, на котором реализуется система.
Аксиомы, построенные на этапе создания онтологии, отражаются частично в структуре классов среды программирования ЭС, а частично в правила ЭС. После выполнения каждого правила, которое изменяет, удаляет или добавляет факты, в онтологии происходит контроль противоречий, что будет защищать ее от вхождения в противоречивое состояние (рис.2).
Рисунок 2 – Интеграция онтологии в ЭС
Выводы
В результате исследования были выявлены методы и алгоритмы автоматического обновления информации на основе онтологического подхода. Рассмотрена технология Semantic Web. Предложено применение ЭС совместно с онтологией. Внедрение онтологии в экспертную систему позволит сэкономить, как у экспертов, так и у конечных пользователей огромное количество времени на обновлении знаний и обеспечит более точные результаты работы.
Литература
1. Соловьев В.Д. Онтологии и тезаурусы / В.Д. Соловьев, В.В. Иванов, Б.В. Добров.– Казань, Москва. 2006. – 157 с.
2. Аксенов К.А. Построение оболочки экспертных систем для предметной области процессов преобразования ресурсов // Современные проблемы науки и образования. – 2012. – № 6;
URL: www.science-education.ru/106-7849
3. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. − СПб.: Питер, 2001.
4. Рабчевский Е.А. Автоматическое построение онтологий / Интернет-ресурс. - Режим доступа: http://shcherbak.net/avtomaticheskoe-postroenie-ontologij.