•  Загальні поняття
•  Продукційна модель знань
•  Семантична модель знань
•  Фрейм
•  Логічна модель формальна

 Загальні поняття

Моделювання – процес представлення досліджуваного об'єкту деякою послідовністю інших об'єктів або подань, що реалізовують ті або інші сторони об'єкту, що вивчається, з необхідною точністю. Модель завжди переслідує певну мету, і залежно від мети змінюється сама модель. Модель ніколи не відображає всю глибину об'єкту, що вивчається. Розрізняють такі види моделей:

1. Модель предметної області.
2. Модель бази даних.
3. Модель бази знань.

Кожна модель зберігає знання про модельований фрагмент предметної області (інформаційній моделі) і виконує мовну функцію. Цей мовний компонент має велике значення при активізації моделі на ЕОМ. Перший етап побудови моделі пов'язаний з виявленням структури моделі на основі апріорної інформації, а другий етап пов'язаний з введенням в неї емпіричної інформації і є результатом узагальнення спостережень за реальним об'єктом.

При моделюванні знань і даних існує два аспекти: математичний і інструментальний. З точки зору математики модель може бути представлена безліччю відношень. Виникнення і розвиток інструментального аспекту обумовлене тим, що через відсутність в теорії банків інформації формальних методів побудови моделей ЕОМ прийняла на себе функції побудови моделей і стала інструментом побудови моделей. Ця модель призначена для опису на семантичному (смисловому) рівні ПО і навколишнього середовища. Вона є засобом інтерпретації вмісту бази знань. З точки зору інструментального аспекту моделювання знань, інтерес представляють мовні засоби опису моделі. Мови представлення знань можна розбити на три групи: логічні, реляційні, продукційні.

До логічних відносяться мови, засновані на численні висловів і предикатів. Основою реляційних мов є облік зв'язків (відношень) між предметами реального світу і їх властивостями.

Найбільш перспективною з мов даного типа є мова підстав на фреймах. Фрейм виступає як одиниця інформації, яка розглядає мінімальне необхідне число ознак в описі предмету, без яких цей предмет не існує.

Основою мови продукційного типа є поняття продукції, що складається з двох частин: умови і дії. Умовою є опис деякої ситуації, а дію визначає набір операцій, які необхідно здійснити, якщо вхідні параметри відповідають описаній ситуації.

 Продукційна модель знань

Продукційна модель – модель, заснована на правилах, дозволяє представити знання у вигляді пропозицій типа – «Якщо (умова), то (дія)».

Під «умовою» (антецедент) розуміється деяке речення-зразок, по якому здійснюється пошук в базі знань, а під «дією» (консеквентом) - дії, що виконуються при успішному результаті пошуку (вони можуть бути проміжними, такими, що наступають далі як умови, і термінальними або цільовими, які завершують роботу системи). Найчастіше виведення на такій базі знань буває прямим (від даних до пошуку мети) або зворотним (від мети для її підтвердження - до даних).

Дані – це вихідні факти, що зберігаються в базі фактів, на підставі яких запускається інтерпретатор правил, що перебирає правила з продукційної бази знань.

Продукційна модель найчастіше застосовується в промислових експертних системах. Вона приваблює розробників своєю наочністю, високою модульністю, легкістю внесення доповнень і змін і простотою механізму логічного виведення. Існує велика кількість програмних засобів, що реалізовують продукційний підхід (мова OPS 5; «оболонки» або «порожні» ЕС — EXSYS Professional, Карра, ЕКСПЕРТ і ін.).

 Семантична модель знань

Термін семантична означає «смислова», а сама семантика – це наука, що встановлює відношення між символами і об'єктами, які вони позначають, тобто наука, що визначає сенс знаків. Мережа – це орієнтований граф, вершини якого – поняття, а дуги – відношення між ними. Як поняття зазвичай виступають абстрактні або конкретні об'єкти, а відношення – це зв'язки типа: «це» («АКО — A-kind-of» «is»), «має частиною» («has part»), «належить», «любить».

Характерною особливістю семантичних мереж є обов'язкова наявність трьох типів відношень:

• клас – елемент класу (квітка – троянда);
• властивість – значення (колір – жовтий);
• приклад елементу класу (троянда – чайна).

Можна запропонувати декілька класифікацій семантичних мереж, пов'язаних з типами відношень між поняттями. За кількістю типів відношень:

1. Однорідні (з єдиним типом відношень).
2. Неоднорідні (з різними типами відношень).

За типами відношень:

1. Бінарні (у яких відношення зв'язують два об'єкти).
2. N-арні (у яких є спеціальні відношення, що зв'язують більше двох понять).

Найчастіше в семантичних мережах використовуються такі відношення:

• зв'язки типа «частина – ціле» («клас – підклас», «елемент – безліч» і т.д.);
• функціональні зв'язки, які визначуються зазвичай дієсловами – виконує, кількісні (більше, менше, дорівнює);
• просторові (далеко від, близько від, за, під, над);
• часові (раніше, пізніше, протягом);
• атрибутивні зв'язки (мати властивість, мати значення);
• логічні зв'язки (І, АБО, НЕ);
• лінгвістичні зв'язки і ін.

Проблема пошуку рішення в базі знань типа семантичної мережі зводиться до завдання пошуку фрагмента мережі, що відповідає деякій підмережі, що відображає поставлений запит.

 

Дана модель представлення знань була запропонована американським психологом Килліаном. Основною її перевагою є те, що вона більш за інших відповідає сучасним уявленням про організацію довготривалої пам'яті людини. Недоліком цієї моделі є складність організації процедури пошуку виведення на семантичній мережі. Для реалізації семантичних мереж існують спеціальні мережеві мови, наприклад NET [Цейтін, 1985], мова реалізації систем Simer+mir [Осипов, 1Э97] і ін. Широко відомі експертні системи, що використовують семантичні мережі як мову представлення знань, - PROSPECTOR, CASNET, TORUS [Хейес-рот і ін. 19S7; Durkin, 1998].

 

 Фрейм

Термін фрейм (від англійською «frame», що означає «каркас» або «рамка») був запропонований Марвіном Лі Мінським в 70-і роки як позначення структури знань для сприйняття просторових сцен. Ця модель, як і семантична мережа, має глибоке психологічне обґрунтування. Фрейм – це абстрактний образ для представлення деякого стереотипу.

Фреймом також називається і формалізована модель для відображення образу Розрізняють фрейми-зразки, або прототипи, що зберігаються в базі знань, і фрейми- екземпляри, які створюються для відображення реальних фактичних ситуацій на основі даних, що поступають.

Модель фрейму є досить універсальною, оскільки дозволяє відображувати все різноманіття знань про світ через такі елементи:

• фрейми-структури, що використовуються для позначення об'єктів і понять (заїм, застава, вексель);
• фрейми - ролі (менеджер, касир, клієнт);
• фрейми - сценарії (банкротство, збори акціонерів, святкування іменин);
• фрейми - ситуації (тривога, аварія, робочий режим пристрою) і ін.

Традиційно структура фрейму може бути представлена як список властивостей:

(ІМ'Я ФРЕЙМА;
     (ім'я 1-го слота; значення 1-го слота),
     (ім'я 2-го слота: значення 2-го слота),
     (ім'я N-го слота: значення N-гo слота)).

При використанні табличної форми подання фрейму можна використовувати додаткові стовпці призначені для опису способу здобуття слотом його значення і можливого приєднання до того або іншого слота спеціальних процедур, що допускається в теорії фреймів.

Як значення слота може виступати ім'я іншого фрейму, так утворюються мережі фреймів. Існує декілька способів здобуття слотом значень у фреймі-екземплярі:

• за замовчуванням від фрейма-зразка (Default-значення);
• через спадковість властивостей від фрейму, вказаного в слоті АКО;
• по формулі, вказаній в слоті;
• через приєднану процедуру;
• явно з діалогу з користувачем;
• з бази даних.

Найважливішою властивістю теорії фреймів є запозичення з теорії семантичних мереж — так зване спадковість властивостей. Спадковість відбувається по АКО-зв'язках (A Kind of = це). Слот АКО вказує на фрейм більш високого рівня ієрархії, звідки неявно успадковуються, тобто переносяться, значення аналогічних слотів.

 

Формально фрейм – це тип даних вигляду:

F=<N, S₁, S₂, S₃>,

де N – ім’я об’єкту;

 S₁ – множина слотів, що містять факти, визначаючі декларативну семантику фрейму;

 S₂ – множина слотів, які забезпечують зв’язки з іншими фреймами (каузальні, семантичні та інш.);

 S₃ – множина слотів, які забезпечують перетворення, що визначають процедурну семантику фрейму.

Основні переваги фреймів як моделі подання знань є здатність відображати концептуальну основу організації пам'яті людини. Спеціальні мови представлення знань в мережах фреймів FRL (Frame Representation Language), KRL (Knowledge Representation Language), фреймова «оболонка» Карра і інші програмні засоби дозволяють ефективно будувати промислові ЕС. Широко відомі такі орієнтовані для фрейму експертні системи, як ANALYST, МОДІС, TRISTAN, Alteftld.

 Логічна модель формальна

Основна ідея при побудові логічних моделей знань полягає в наступному – вся інформація, необхідна для вирішення прикладних завдань, розглядається як сукупність фактів і тверджень, що представляються як формули в деякій логіці. Знання відображуються сукупністю таких формул, а здобуття нових знань зводиться до реалізації процедур логічного виведення.

У основі логічних моделей знань лежить поняття формальної теорії, картежем, що задається у вигляді:

S=<A, F, A_x, R>,

де  A – множина базових символів (алфавіт);

F – множина, звана формулами;

A_x – виділена підмножина апріорі дійсних формул (аксіом);

R – кінцева множина відношень між формулами, так звані правила виведення.

Основні переваги логічних моделей знань:

• як «фундамент» тут використовується класичний апарат математичної логіки, методи якої досить добре вивчені і формально обґрунтовані;
• існують досить ефективні процедури виведення, в тому числі реалізовані в мові логічного програмування «Пролог»;
• у базах знань можна зберігати лише безліч аксіом, а всі останні знання отримувати з них за правилами виведення.

У логічних моделях знань слова, що описують суть предметної області, називаються термами (константи, змінні, функції), а слова, що описують відношення суті, – предикатами. Предикат – логічна N-арна пропозиціональна функція, визначена для предметної області і така, що набуває значень або істинності, або помилковості. Пропозиціональною називається функція, яка ставить у відповідність об'єктам з області визначення одне з значень істина/брехня. Предикат набуває значень «істина» або «брехня» залежно від значень вхідних в нього термів.

Спосіб опису предметної області, який використовується в логічних моделях знань, приводить до втрати деяких нюансів, властивих природному сприйняттю людини, і тому знижує описову можливість таких моделей. Складнощі виникають при описі «багатосортних» світів, коли об'єкти не є однорідними.

Так, вислови: «2 + 2 = 4» «Москва – столиця Росії» мають одне і те ж значення «істина», але різний сенс. З метою подолання складнощів і розширення описових можливостей логічних моделей знань розробляються псевдофізичні логіки, логіки, що оперують з нечіткими знаннями, емпіричними кванторами, забезпечуючі індуктивні (від приватного до загального), дедуктивні (від загального до приватного) і традуктівні (на одному рівні спільності) виведення. Такі розширені моделі, що об'єднують можливості логічного і лінгвістичного підходів, прийнято називати логіко - лінгвістічними моделями предметної області.