Методи представлення знань

У розвинених системах присутні всі способи зберігання знань.

Якщо ЕС працює з одним об'єктом, то факти зберігаються у вигляді пари Атрибут - Значення.
pred (A, B, C);
Напр. Пацієнт(Прізвище, Ім'я, Посада).

Правила продукції мають наступний вигляд:
Якщо <умова> той <висновок>;
<умова> -> <висновок>.

Прості ЕС часто базуються тільки на правилах, які складають базу знань.

Turbo Prolog є інтерпретатором, який здійснює логічний вивід шляхом уніфікації правив, починаючи від цільового предиката.

Основні рекомендації при складанні правил продукції:

1. використовувати мінімальну кількість умов в одному правилі;

2. уникати суперечливих правил;

3. правила повинні описувати структуру наочної області.

Якщо база знань невелика, то її будують на базі правил, які поміщаються безпосередньо в програму. Великі бази знань формують на основі фактів, які зберігаються на диску.

Приклад. Система визначає простудні захворювання.

Приклад роботи програми.

Представлення знань у вигляді правил продукції

Це найпоширеніший спосіб представлення знань.

if <умова> - > <дія>
<висновок>

Якщо всі умови, сполучені зв'язкою і істинні, то істинні і висновки.

У умову можуть входити логічні зв'язки: V ¬

X - > Y,
X- антецедент, Y - консеквент.

У більшості ЕС в правила продукції можна підставляти змінні, тоді воно перетворюється на метаправило.

Основною гідністю правил продукції є те, що знання представляються у вигляді незалежних фрагментів. У зв'язку з цим знання експертів найпростіше представляти у вигляді правил продукції. Крім того, правило продукції є одиницею для машини виводу, при чому воно використовується для виводу в тому ж вигляді, в якому зберігається в базі знань. Створення машини виводу, у разі коли знання представляються у вигляді правил продукції, значно спрощується.

Оскільки правила відносно відособлені, то їх легко додавати, змінювати і видаляти, при цьому БЗ залишається працездатною.

Велика кількість правил утрудняє роботу машини виводу. У розвинених ЕС кількість правил зазвичай не перевищує 10 тис.

Для того, щоб зберегти контроль множиною правив і прискорити роботу ЕС, застосовуються метаправила, тобто правила, які управляють роботою інших правил.

Метаправило має наступний вигляд:

<умова> - > <правило>

Переваги правил в ЕС:

1. Спрощують конструювання ЕС;

2. Спрощують витягання знань від експерта;

3. Правила легко пояснюють дію ЕС;

4. Оскільки правила незалежні один від одного, то БЗ легко модифікується і поповнюється;

5. Правило дозволяє легко розділяти хід міркувань, тобто здійснювати галуження;

6. Спрощує створення самонавчальних ЕС.

Представлення знань у вигляді семантичних мереж

Семантичні мережі вперше з'явилися в машинній лінгвістиці як засіб аналізу природної мови, пізніше вони почали застосовуватися для організації БЗ.

Семантична мережа - орієнтований граф, в кожному вузлі якого знаходяться об'єкти ПО, а дугами є відносини між об'єктами.

Найчастіше в базі знань зустрічаються зв'язки 2-х типів:

• указують на приналежність об'єкту до якого-небудь типу або класу
• характеризують відношення ціле - частина.

Семантика полягає у відсутності обмежень на кількість вузлів і типів зв'язків.

Семантичні мережі володіють спадкоємством властивостей, тобто один вузол може успадковувати властивості іншого вузла. Для того, щоб спадкоємство набуло чинності, 2-а об'єкту повинні бути зв'язані відношенням “є”.

Якщо Петя - пацієнт, то він успадковує всі властивості пацієнта. У зв'язку з цим не треба привласнювати йому знову ці атрибути.

Слабке місце в спадкоємстві семантичних мереж - є робота з виключеннями, оскільки якщо один пацієнт має властивість робота, то вона автоматично додається всім пацієнтам.

Вирішення цього конфлікту полягає в перетворенні виключення на закономірність, тобто додають ще один вузол “пацієнт, який працює”.

Якщо кількість виключень велика, то структуру мережі потрібно переглянути.

Семантична мережа в ЕС використовується також і для логічного виводу (у такому вигляді представляється умова і висновок).

Одній з перших експертних систем, успішно використовуваних семантичну мережу, була система PROSPECTOR. Семантична мережа в цій системі є ієрархічний граф, який побудований на правилах.

Машина виводу починає роботу від проб і просувається по мережі, використовуючи правила, піднімаючись до гіпотез.

Якщо початкових даних недостатньо, то система оцінює, яка гіпотеза найбільш вірогідна і указує які потрібно узяти додаткові геологічні проби.

Переваги:

· просте і повне відображення наочної області

· правила спадкоємства

· легке включення нових вузлів

У разі великих семантичних мереж застосовують розбиття мережі на осяжні області. При цьому усередині кожної області повинні переважати внутрішні зв'язки.

Представлення знань у вигляді фреймів

Фрейм дозволяє узагальнити переваги семантичних мереж і правил продукції. Фрейм - вікно. Фрейм є складною структурою, яка складається з окремих елементів, званих слотами (slot).

Фрейми містять правила продукції, факти, посилання на зміст слотів цього і інших фреймів. Деякі слоти можуть бути порожніми або містити вказівки як отримати ці знання.

Ім'я Фрейма
Ім'я слота	Зміст
клас	РС комп'ютер
тип	IBM PC
марка	Pentium 4
…	…

Slot (Frame, X)

Frame (Slot, X)

Роджер Шенк отрицает концептуальную основу человеческой памяти.

Фрейми бувають наступних типів:

	фрейми - структури, що включають об'єкти і поняття (фрейм - інститут)
	фрейми - ролі (викладачі, студенти)
	фрейми - сценарії (фрейм навчання)
	фрейми - ситуації (іспити, заліки)

Наступні способи отримання знань слотами:

	за умовчанням (від фрейма зразка)
	шляхом спадкоємства від фрейма батька

(AKO – A-Kind-Of)

	по формулі або процедурі, заданій в даному слоті
	явно, з діалогу з користувачем
	з бази даних

Таким чином, всі заповнення слотів діляться на декларативних і процедурних.

Процедурні знання легко програмуються на ЕОМ, але в них важко вносити зміни.

Декларативні знання - легко формувати і змінювати, але на них важче будувати ЕС.

Якщо система дозволяє вносити дані безпосередньо до фрейма з клавіатури, то говорять, що вона працює з активними значеннями, а відповідний фрейм буде активним. У активний фрейм можна вносити будь-які зміни, при цьому ЕС

вносить всі зміни і повертається до потрібного етапу міркувань. Це дозволяє прослідкувати вплив окремих чинників на виводи і рекомендації експертної системи, тобто можна прослідкувати хід вирішення експертної системи.

Фрейми використовують для 2-х цілей:

1. для зберігання знань;

2. для управління логічним виводом.

Зв'язки між фреймами підтримуються через імена слотів.

При цьому використовуються системи класифікацій, званих таксономіямі. Таксономії встановлюють межі прав спадкоємство, яке розповсюджується на членів класу, а також властивості, які властиві класу в цілому.

Механізм спадкоємства оголошується або власним (коли його дані зберігаються у фреймі), або запозиченим (із слота в іншому фреймі).

Такий підхід економить пам'ять, оскільки немає дублювання. Крім того зв'язки типу AKO дозволяють успадковувати властивість фреймів-батьків, також їх не дублюючи:

Фрейми задають (при управлінні логічним виводом) логічні структури для машини виводу. Правила, що відносяться до приватного завдання, можуть об'єднуватися в один фрейм або в один клас фреймів. При цьому машина виводу звертається до цього класу або фрейма тільки коли вирішується відповідне завдання. Це дозволяє прискорити логічний вивід, оскільки машина виводу працює не зі всіма правилами відразу.

При цьому зв'язки між класами задають шлях вирішення проблеми.

1. Фрейми використовують в більшості складних ЕС

2. Використовуються для створення інструментарію ЕС - порожні ЕС.

Бази знань заповнюються у міру створення ЕС.

1. Фрейми об'єднують всі можливості семантичних мереж і правил продукції.

2. Вони зберігають факти і правила, а також структури, які управляють машиною виводу.

3. Фрейми дозволяють достатньо повно відображати внутрішню структуру наочної області шляхом таксономій і при цьому поєднує декларативні і процедурні знання. Недоліком вважають складність структур.

Фрейми не рекомендується використовувати для простих ЕС.