ОПЕРАЦИИ НАД ОПИСАНИЯМИ КОНЦЕПТОВ С ИСПОЛЬЗОВАНИЕМ
ИНТЕГРИРОВАННОГО ПОДХОДА К ПРЕДСТАВЛЕНИЮ ЗНАНИЙ
Трембач В.М.
МАИ
125871, Москва, ГСП,
Волоколамское ш., 4
e-mail: trembach@yandex.ru
Авторы :
Трембач В.М.
Источник: http://www.raai.org/resurs/papers/kolomna2009/doklad/Trembach.doc
1. ВВЕДЕНИЕ
Знания об окружающей действительности все шире используются в компьютерных
технологиях для решения задач в различных областях человеческой деятельности:
промышленности, науке, здравоохранении, образовании, военном деле и др..
Созданные, к настоящему времени, и используемые методы представления
знаний имеют ряд недостатков [2,4,6], что влияет на возможности представления
предметных областей и сужает множество допустимых операций над описаниями
элементов действительности. С учетом расширения множества различных задач,
требующих решения с использованием компьютерных технологий, повышаются
требования, как к методам представления знаний, так и к методам их эффективного
использования.
В статье рассматриваются операции над описаниями концептов с использованием
интегрированного подхода к представлению знаний.
2. ИНТЕГРИРОВАННЫЙ ПОДХОД К ПРЕДОСТАВЛЕНИЮ ЗНАНИЙ
Интегрированный подход к представлению знаний основывается на структурном и
процессном восприятии сущности реального мира. Этот подход ориентирован на
концептуальное представление действительности в виде онтологий. Особенностью
предлагаемого подхода к описанию онтологий является представление процессов
активизации входящих в их состав концептов. В [2] под формальной моделью онтологии
- ONTL понимается упорядоченная
тройка:
ONTL = <K, R, F>,
(1)
где K – конечное множество
концептов предметной области, которую представляет онтология ONTL; R – конечное множество
отношений между концептами рассматриваемой предметной области; F – конечное множество
функций интерпретации, заданных на элементах множеств K и R онтологии ONTL.
Использование ИППЗ предполагает расширение состава модели онтологии,
представляемой в виде многоуровневой, сложноорганизованной сети. Вершины такой
сети – концепты, а дуги – это сформированные связи между вершинами-концептами.
В множестве К к описаниям концептов
добавляются условия и признаки активизации этих концептов, а в множестве R к описаниям связей между
концептами дополнительно вводятся связи между признаками активизации этих
концептов. В рамках ИППЗ описание предметной области, которую представляет
онтология, может быть представлено множеством описаний концептов. Каждый из
атрибутов, описывающих концепт, – имя концепта (NК), предусловия (PRU), список имен ассоциаций
– (LNA), список имен связей – (LNR), множество
представлений ситуаций – (SPS), список имен концептов нижнего уровня (LNI) – входящих, постусловия
(PSU), список имен концептов
верхнего уровня (LNO)
– выходящих, выполняет свою, строго определенную роль в описаниях предметной
области.
NК
может выступать в роли идентифицирующего концепт элемента, т.е. обеспечивать
уникальность обозначения описания рассматриваемой сущности. Имя указывает на
описание конкретной сущности и эта его функция является достаточной для
структурного представления объектов. Для процессного подхода [2,3,6] имя должно
всегда выступать как признак – элемент логической функции, связывающей
состояние вершины сложноорганизованной сети или ее фрагмента с состоянием
входных элементов. Для этой цели в описании сущности может выделяться
дополнительный элемент – признак активизации сущности. Во многих задачах
признак активизации концепта и имя этого концепта могут представляться одним
элементом описания.
PRU – задают, с одной стороны, условия
активизации, а с другой – связи с признаками активизации других концептов.
PSU – отражают состояние концепта
(активизированное/ неактивизированное) и задают связи
данного концепта с другими концептами.
LNA – позволяет накапливать сведения для
формирования концептов верхнего уровня.
LNR –
задает имена, сформированных в формате концептов, связей.
SPS – задает множество представлений о
ситуациях, которые активизируют рассматриваемый концепт.
LNI и LNO отражают
таксономию понятий предметной области. Это позволяет представлять структуру
понятий онтологии в виде дерева или иерархии концептов (понятий) [2,3]. В
иерархической структуре онтологии можно выделить три типа концептов: входные,
внутренние и выходные.
Концепты из выражения (1), с учетом описаний их
атрибутов, могут представляться следующим образом:
K =
<NK, PRU, PSU, LNA, LNR, SPS, LNI, LNO
>,
(2)
где NK – имя концепта; PRU –
предусловия концепта; PSU – постусловия
концепта; LNA – список имен ассоциаций концепта; LNR – список
имен связей данного концепта с другими; SPS –
множество представлений о ситуациях, активизирующих концепт; LNI – список
имен концептов определяющих рассматриваемый; LNO – список
имен определяемых концептов.
В соответствии с моделью (2) описываются элементы базы
знаний, один из фрагментов которых представлен на рис. 1.
Рис. 1. Структура единицы представления знания о реальном
мире
3. ОСНОВНЫЕ ОПЕРАЦИИ
Для работы с представлениями действительности существуют
различные операции. Способ выполнения операций часто зависит от используемого
языка описания представления действительности [5]. Ниже будут представляться
способы выполнения операций применительно к интегрированному методу
представления знаний.
Основными операциями с использованием интегрированного подхода к
представлению знаний являются: преобразование представления фрагмента знаний к
полному виду; поиск фрагмента по образцу; вставка/исключение фрагмента;
обобщение; операции сходства/различия, планирование.
Таксономия понятий предполагает наличия элементарных понятий,
которыми можно задавать любой концепт в рамках представления рассматриваемой
действительности. Фрагмент знаний может представляться:
·
в виде сетевой структуры концептов, где не все концепты представлены
элементарными понятиями;
·
в виде набора имен концептов;
·
именем концепта.
Представление фрагмента знаний является полным, если все входные концепты
описания фрагмента являются элементарными. Для фрагментов, у которых не все
входные концепты являются элементарными, необходимо выполнить операцию
преобразования представления фрагмента к полному виду. Данная операция
выполняется следующим образом. Рассматриваются описания всех входных концептов,
которые не являются элементарными. В рассматриваемом описании из предусловий PRU выбираются имена
признаков, образующих условие. Если соответствующий признаку концепт является
входным, то дальнейшее рассмотрение описания этого концепта не проводится, а
рассматриваются описания тех концептов, которые не являются элементарными.
Операция преобразования представления фрагмента к полному виду завершается при
условии, что все входные концепты описания фрагмента знаний являются
элементарными.
Поиск фрагмента по образцу может выполняться различными способами. Если
фрагмент сводится к одному концепту с именем, то происходит поиск концепта с
таким именем. Если такого концепта нет, то поиск прекращается, так как нет
искомого концепта. Если концепт найден, то происходит анализ найденного
концепта искомому.
При задании фрагмента несколькими концептами поиск происходит через
операцию преобразования представления фрагмента к полному виду. В этом случае
образец для поиска представляется множеством элементарных понятий.
Активированные концепты самого верхнего уровня будут соответствовать искомому
фрагменту.
Операции вставки/исключения основываются на машинном обучении методом
взвешивания связей. Основными этапами создания новых концептов – представлений
действительности, являются [6]:
·
поступление информации о ситуации;
·
анализ поступившей информации;
·
формирование имени концепта новой ситуации;
·
формирование/ запрос оценки использования концепта рассматриваемой ситуации;
·
усиление весов положительно оцененных связей и уменьшение весов отрицательно
оцененных связей;
·
анализ весов связей в описании нового концепта;
·
задание признака окончания формирования нового концепта.
Для вставки фрагмента знаний выполняется его преобразование к полному виду,
после чего он подается как обучающий пример с положительной оценкой. После
определенных предъявлений примера будет сформирован в базе знаний необходимый
фрагмент. Для операции исключения фрагмента он подается как обучающий пример с
отрицательной оценкой. В итоге задаваемый фрагмент будет исключен из базы
знаний.
Операции обобщения могут выполняться по тому же принципу, что и предыдущие.
Отличием операций обобщения от операций вставки/удаления является содержание
обучающих примеров. В качестве примеров для операции обобщения используются
концепты, имена которых указаны в списке имен концептов-ассоциаций. Активизация
этих концептов, вместе с рассматриваемым, является условием активизации нового,
обобщающего концепта.
Операции сходства/различия базируются на методе интерпретации
рассматриваемого фрагмента с последующей оценкой полученных результатов.
Изначально проводится преобразование описания фрагмента к полному виду, после
чего проводится его интерпретация. Результат интерпретации получает оценку в
виде оценочной функции, например, отношения числа активизированных концептов к
числу максимально возможных концептов для рассматриваемой ситуации. Используя
допуски, пороги делается вывод о сходстве/различии фрагмента. Данная операция
может использоваться при оценке компетенций обучаемых. Более сложным методом
оценки сходства/различия и выявления недостающих в фрагменте концептов,
является использование метода планирования. В этом случае фрагмент
представляется как исходное состояние, а эталон – как целевое состояние. В этом
случае возможно формирование индивидуальных планов решения по восполнению
отсутствующих концептов.
Рис. 2. Окно интерфейса системы
управления базами знаний
Важной операцией является операция планирования,
включающая два этапа – собственно формирование плана решения и реализацию этого
плана. Планирование операций для перехода из текущего состояния в требуемое
может включать несколько шагов. На начальном шаге происходит сравнение
требуемого состояния с текущим. При несовпадении формируется запрос к описанию
проблемной области для поиска множества операций, необходимых для перевода в
требуемое состояние. По этому запросу выбираются и предусловия концептов
(операций), из которых формируется требуемое состояние для следующего шага
планирования и т.д., до тех пор, пока на одном из шагов планирования будут
устранены различия между текущим и требуемым состояниями.
На этапе реализации начинать выполнение необходимо
с операций, которые спланированы на последнем шаге планирования. Тогда, после
выполнения операций, спланированных на первом шаге планирования, требуемое
состояние будет достигнуто [6].
4. ДЕМО-ВЕРСИЯ СИСТЕМЫ УПРАВЛЕНИЯ БАЗАМИ ЗНАНИЙ
Использование интегрированной модели представления знаний позволяет решать
большой круг задач. Представление задач и способы их решения во многом схожи с
теми, что использует человек в повседневной деятельности.
На рис. 2 представлено окно системы управления базой знаний в режиме
редактора базы знаний. Кроме функций редактора базы знаний, в системе
реализованы режимы обучения, распознавания (интерпретации), планирования,
реализации сформированного плана решения задачи. Кроме того имеется возможность
визуального представления фрагмента и содержимого небольшой базы знаний.
Преставления действительности, формируемые экспертами, техническими
системами, описываются с помощью интегрированного подхода к представлению
знаний в виде сложноорганизованной сети концептов. Вариант сетевого
представления действительности, в данном случае – это процесс сборки
компьютера, показан на рис.3.
Рис.3. Визуализация фрагмента базы знаний
5. ЗАКЛЮЧЕНИЕ
Рассмотренные операции ориентированы для работы с интегрированным методом
представления знаний. Представленная демо-версия системы управления базами
знаний использует большинство этих операций. При интерпретации фрагментов
знаний используются весовые коэффициенты для оценки результатов. При развитии
демо-версии, помимо весовых коэффициентов возможно использование факторов
уверенности нечеткой логики Л.Заде [1].
Особенностью данного подхода к использованию операций над концептами
является универсальность описания представлений действительность, их
возможность к развитию, без дополнительных преобразований концептов.
Литература
1.
Батыршин И.З. Основные операции нечеткой логики
//Новости искусственного интеллекта. - 2001. - №4. - С.18-22.
2.
Гаврилова Т.А., Хорошевский В.Ф., Базы знаний интеллектуальных систем – СПб.:
Питер, 2000.
3.
Гаврилова Т.А. Онтологический подход к управлению знаниями при разработке
корпоративных информационных систем// Новости искусственного интеллекта. –
2003. - №2. – С.24-29.
4.
Осипов Г.С. Приобретение знаний интеллектуальными системами: Основы теории и
технологии. - М.: Наука. Физматлит, 1997.
5.
Поспелов Д.А., Осипов Г.С. Введение в прикладную семиотику. Глава 5. Операции в
семиотических базах знаний// Новости искусственного интеллекта. - 2002. - №6. - С.28-35
6.
Трембач В.М. Компьютерные методы представления и
формирования знаний для синтеза планов решений// Новости искусственного
интеллекта. – 2005. - №3. – С.51-62