Семинар № 8. Способы представления знаний в межкультурном общении.

Общие вопросы для обсуждения.

1. Модели представления знаний.

Модель представления знаний – это способ записи знаний, предназначенный для отображения текущего состояния объектов некоторой предметной области и отношений между ними, а также изменение объектов и отношений.

Модель представления знаний может быть универсальной, то есть применимой для большинства предметных областей, или специализированной, то есть разработанной для конкретной предметной области.

С понятием моделирования знаний неразрывно связана проблема выбора языка представления знаний. Для классификации моделей представления знаний выделяется семь ключевых требований к моделям знаний:

• общность (универсальность);

• наглядность представления знаний;

• однородность;

• реализация в модели свойства активности знаний;

• открытость;

• возможность отражения структурных отношений объектов предметной области;

• возможность оперирования нечеткими знаниями;

Ни одна из существующих на данный момент моделей не может в полной мере удовлетворить этим требованиям, именно это причина активных исследований в области представления знаний.

1.Продукционная модель.

Продукционную модель можно считать самой распространенной моделью представления знаний. Пример такой модели:

ЕСЛИ у фигуры три стороны И один угол равен 90° ТО это прямоугольный треугольник.

Системы обработки знаний, которые используют продукционную модель называются «продукционными системами». В состав таких систем входят база правил (знаний), рабочая память и интерпретатор правил (решатель), реализующий определенный механизм логического вывода. Любое продукционное правило состоит из двух частей: антецендента и консеквента. Антецедент - это посылка правила (условная часть), состоит из элементарных предложений, соединенных логическими связками «и», «или». Консеквент (заключение) включает одно или несколько предложений, выражающих либо некоторый факт, либо указание на определенное исполняемое действие.

Существуют два типа продукционных систем – с прямыми и обратными выводами. Прямые выводы выполняют стратегию «от фактов к заключениям». При обратных выводах выдвигаются гипотезы вероятностных заключений, которые могут быть подтверждены или опровергнуты на основании поступающих фактов. Существуют системы и с двунаправленными выводами.

Основные достоинства систем продукционного вида – это простота представления знаний, легкость организации логических выводов и модульность применения правил (легко удалять и добавлять знания в базе знаний).

К недостаткам таких систем относятся:

• низкая эффективность обработки знаний;

• неясность взаимных отношений правил;

• отсутствие гибкости в логическом выводе;

• сложность оценки целостного образа знаний.

При разработке небольших систем на основе данной модели проявляются положительные качества продукционной модели, но с увеличением объема знаний все сильнее проявляются ее недостатки.

Чаще всего вывод на такой базе знаний бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения — к данным). Дан­ные — это исходные факты, хранящиеся в базе фактов, на основании кото­рых запускается машина вывода или интерпретатор правил, перебирающий правила из продукционной базы знаний (см. далее).

Продукционная модель чаще всего применяется в промышленных экс­пертных системах. Она привлекает разработчиков своей наглядностью, вы­сокой модульностью, легкостью внесения дополнений и изменений и просто­той механизма логического вывода.

2.Семантические сети.

Семантическая сеть — это граф, дуги которого есть отношения между вершинами (значениями). Семантические сети появились как модель СПЗ при решении задач разбора и понимания смысла естественного языка.

Достоинства семантических сетей:

• универсальность, семантическая сеть позволяет представить любую существующую систему в виде схемы;

• наглядность системы знаний, представленной графически;

• близость структуры сети, представляющей систему знаний, семантической структуре фраз на естественном языке.

Недостатки семантических сетей:

• формирование и модификация семантической модели затруднительны;

• поиск решения в семантической сети сводится к задаче поиска фрагмента сети, соответствующего подсети, отражающей поставленный запрос;

• чем больше отношений между понятий, тем сложнее использовать и модифицировать знания.

Семантические сети широко используются в экспертных системах в качестве языка представления знаний (например, в экспертной системе PROSPECTOR), в системах распознавания речи и понимания естественного языка. Непосредственное отношение к сетевым моделям имеют исследования по реляционным, сетевым и иерархическим БД. Кроме того, проводятся исследования, которые используют семантическую сеть для создания глобальной базы знаний на основе Интернета.

Несмотря на недостатки семантическая сеть, в связи со своей наглядностью и легкостью создания незаменима в обучении. Также модель необходима на начальных этапах создания проектов для рассмотрения его обобщенно.

Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними.

В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения — это связи типа «это» («АКО — A-Kind-Of», «is»), «имеет частью» («haspart»), «принадлежит», «любит».

Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

• класс — элемент класса (класс работников — менеджер);

• свойство — значение (образование — высшее);

• пример элемента класса (менеджер — Иванов И.И.).

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

По количеству типов отношений:

а) однородные (с единственным типом отношений);

б) неоднородные (с различными типами отношений).

По типам отношений:

а) бинарные (в которых отношения связывают два объекта);

б) n-арные (в которых есть специальные отношения, связывающие бо­лее двух понятий).

Наиболее часто в семантических сетях используются следующие отношения:

• Связи типа «часть—целое» («класс—подкласс», «элемент—множество»,...);

• функциональные связи (определяемые обычно глаголами «производит», «влияет»,…);

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

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

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

• атрибутивные связи (иметь свойство, иметь значение);

• логические связи (и, или, не);

• лингвистические связи.

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе.

Данная модель представления знаний была предложена американским психологом Куиллианом. Основным ее преимуществом является то, что она более других соответствует современным представлениям об организации долговременной памяти человека.