Классификация моделей представления знаний

Для хранения данных используются базы данных (для них характерны большой объем и относительно небольшая удельная стоимость информации), для хранения знаний — базы знаний (небольшого объема, но исключительно дорогие информационные массивы).

База знаний — основа любой интеллектуальной системы, где знания описаны на некотором языке представления знаний, приближенном к естественному. Сегодня знания приобрели чисто декларативную форму, т. е. знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному языку и понятных неспециалистам.

Совокупность знаний нужных для принятия решений, принято называть предметной областью или знаниями о предметной области. В любой предметной области есть свои понятия и связи между ними, своя терминология, свои законы, связывающие между собой объекты данных предметной области, свои процессы и события. Кроме того, каждая предметная область имеет свои методы решения задач. Решая задачи такого вида на ЭВМ используют информационные системы, ядром которых является база знаний, содержащая основные характеристики предметных областей.

Базы знаний базируются на моделях представления знаний, подобно базам данных, которые основаны на моделях представления данных (иерархической, сетевой, реляционной, постреляционной и т.д.)

При представлении знаний в памяти интеллектуальной системы традиционные языки, основанные на численном представлении данных, являются неэффективными. Для этого используются специальные языки представления знаний, основанные на символьном представлении данных. Они делятся на типы по формальным моделям представления знаний. Наиболее часто используется на практике классификация моделей представления знаний, приведённая на рис. 6, где модели представления знании делятся на детерминированные (жёсткие) и мягкие.

Детерменированные модели включают в себя фреймы, логико-алгебраические модели, семантические сети и продукционные модели. Мягкие модели включают в себя нечеткие системы, нейронные сети, эволюционные модели, гибридные системы.

С моделированием знаний непосредственно связана проблема выбора языка представления. В целях классификации моделей представления знаний выделяется девять ключевых требований к моделям знаний:

1) общность (универсальность);

2) наглядность представления знаний;

3) однородность;

4) реализация в модели свойства активности знаний;

5) открытость;

6) возможность отражения структурных отношений объектов предметной области;

7) наличие механизма «проецирования» знаний на систему семантических шкал;

8) возможность оперирования нечеткими знаниями;

9) использование многоуровневых представлений (данные, модели, метамодели, метаметамодели и т. д.).

Рис. 6. Модели представления знаний

Модели представления знаний не удовлетворяют полностью эти требования, чем и объясняется их многообразие и активное развитие этого направления.

Семантические сети

Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними. Термин "семантическая" означает"смысловая", а сама семантика — это наука, устанавливающая отношения между символами и объектами, которые они обозначают, т. е. наука, определяющая смысл знаков. Модель на основе семантических сетей была предложена американским психологом Куиллианом.

В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения это связи типа: "это" ("АКО — A-Kind-Of, "is" или "элемент класса"), "имеет частью" ("has part"), "принадлежит", "любит".

Можно предложить несколько классификаций семантических сетей, связанных с типами отношений между понятиями.

По количеству типов отношений:

Ÿ однородные (с единственным типом отношений);

Ÿ неоднородные (с различными типами отношений).

По типам отношений:

Ÿ бинарные (в которых отношения связывают два объекта);

Ÿ N-арные (в которых есть специальные отношения, связывающие более двух понятий).

Наиболее часто в семантических сетях используются следующие отношения:

Ÿ элемент класса (роза это цветок);

Ÿ атрибутивные связи /иметь свойство (память имеет свойство — объем);

Ÿ значение свойства (цвет имеет значение — желтый);

Ÿ пример элемента класса (роза, например — чайная);

Ÿ связи типа "часть-целое" (велосипед включает руль);

Ÿ функциональные связи (определяемые обычно глаголами "производит", "влияет"...);

Ÿ количественные (больше, меньше, равно...);

Ÿ пространственные (далеко от, близко от, за, под, над...);

Ÿ временные (раньше, позже, в течение...);

Ÿ логические связи (и, или, не) и др.

Минимальный состав отношений в семантической сети таков:

Ÿ элемент класса или АКО;

Ÿ атрибутивные связи /иметь свойство;

Ÿ значение свойства.

Недостатком этой модели является сложность организации процедуры орга­низации вывода.

Пример семантической сети для предложения типа "Поставщик осуществил поставку изделий для клиента до 1 июня 2010 года в количестве 10 000 штук" представлен на рис. 7.

Рис.7. Пример семантической сети.

Фреймы

Фрейм – это минимально возможное описание сущности какого-либо события, ситуации, процесса или объекта. В историческом плане развитие фреймовой модели связано с теорией фреймов М. Минского, определяющей способ формализации знаний, используемый при решении задач распознавания образов (сцен) и понимания речи. «Отправным моментом для данной теории служит тот факт, что человек, пытаясь познать новую для себя ситуацию или по-новому взглянуть на уже привычные вещи, выбирает из своей памяти некоторую структуру данных (образ), называемую нами фреймом, с таким расчетом, чтобы путем изменения в ней отдельных деталей сделать ее пригодной для понимания более широкого класса явлений или процессов». Другими словами, фрейм — это форма описания знаний, очерчивающая рамки рассматриваемого (в текущей ситуации при решении данной задачи) фрагмента предметной области.

Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:

Ÿ фреймы – структуры, для обозначения объектов и понятий (заем, залог, вексель);

Ÿ фреймы – роли (менеджер, кассир, клиент);

Ÿ фреймы – сценарии (банкротство, собрание акционеров, празднование именин);

Ÿ фреймы – ситуации (тревога, авария, рабочий режим устройства) и др.

Различают фреймы-образцы или прототипы и фреймы-экземпляры, которые создаются для отображения реальных фактиче­ских ситуаций на основе поступающих данных.

Фрейм имеет имя (название) и состоит из слотов.

Традиционно структура фрейма может быть представлена как список свойств:

(ИМЯ ФРЕЙМА:

(имя 1-го слота: значение 1-го слота),

(имя 2-го слота: значение 2-го слота),

…………….

(имя N-гo слота: значение N-го слота)).

Ту же запись можно представить в виде таблицы (см. табл. 1), дополнив ее двумя столбцами.

Таблица 1 .Структура фрейма

Имя фрейма
Имя слота	Значение слота	Способ получения значения	Присоединенная процедура

В таблице дополнительные столбцы (3-й и 4-й) предназначены для описа­ния способа получения слотом его значения и возможного присоединения к тому или иному слоту специальных процедур, что допускается в теории фреймов. В качестве значения слота может выступать имя другого фрейма, так образуются сети фреймов.

Широко известны такие фреймо-ориентированные экспертные системы, как ANALYST, МОДИС.

Нейронные сети

Нейроны - специализированные клетки, способные принимать, обрабатывать, кодировать, передавать и хранить информацию, организовывать реакции на раздражения, устанавливать контакты с другими нейронами, клетками органов. Уникальными особенностями нейрона являются способность генерировать электрические разряды и передавать информацию с помощью специализированных окончаний — синапсов.