Розробка експертних систем заснованих на знаннях
Розглядаються теоретичні основи наукових підходів щодо представлення знань, що можуть бути використанні для розробки і проектування експертних систем для різних предметних областей. Рассматриваются теоретические основы научных подходов к представлению знаний, которые могут быть использованы для разр...
Saved in:
| Published in: | Компьютерная математика |
|---|---|
| Date: | 2013 |
| Main Author: | |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2013
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/84736 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Розробка експертних систем заснованих на знаннях / Л.О. Катеринич // Компьютерная математика. — 2013. — № 1. — С. 117-122. — Бібліогр.: 6 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-84736 |
|---|---|
| record_format |
dspace |
| spelling |
Катеринич, Л.О. 2015-07-14T12:00:51Z 2015-07-14T12:00:51Z 2013 Розробка експертних систем заснованих на знаннях / Л.О. Катеринич // Компьютерная математика. — 2013. — № 1. — С. 117-122. — Бібліогр.: 6 назв. — укр. ХХХХ-0003 https://nasplib.isofts.kiev.ua/handle/123456789/84736 519.174.1 Розглядаються теоретичні основи наукових підходів щодо представлення знань, що можуть бути використанні для розробки і проектування експертних систем для різних предметних областей. Рассматриваются теоретические основы научных подходов к представлению знаний, которые могут быть использованы для разработки и проектирования экспертных систем для различных предметных областей. Theoretical foundations of scientific approaches to knowledge representation are considered that can be used in developing and designing expert systems for various object domains. ru Інститут кібернетики ім. В.М. Глушкова НАН України Компьютерная математика Экспертные системы, методы индуктивного вывода Розробка експертних систем заснованих на знаннях Разработка експертных систем основанных на знаниях Development of expert systems based on knowledge Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Розробка експертних систем заснованих на знаннях |
| spellingShingle |
Розробка експертних систем заснованих на знаннях Катеринич, Л.О. Экспертные системы, методы индуктивного вывода |
| title_short |
Розробка експертних систем заснованих на знаннях |
| title_full |
Розробка експертних систем заснованих на знаннях |
| title_fullStr |
Розробка експертних систем заснованих на знаннях |
| title_full_unstemmed |
Розробка експертних систем заснованих на знаннях |
| title_sort |
розробка експертних систем заснованих на знаннях |
| author |
Катеринич, Л.О. |
| author_facet |
Катеринич, Л.О. |
| topic |
Экспертные системы, методы индуктивного вывода |
| topic_facet |
Экспертные системы, методы индуктивного вывода |
| publishDate |
2013 |
| language |
Russian |
| container_title |
Компьютерная математика |
| publisher |
Інститут кібернетики ім. В.М. Глушкова НАН України |
| format |
Article |
| title_alt |
Разработка експертных систем основанных на знаниях Development of expert systems based on knowledge |
| description |
Розглядаються теоретичні основи наукових підходів щодо представлення знань, що можуть бути використанні для розробки і проектування експертних систем для різних предметних областей.
Рассматриваются теоретические основы научных подходов к представлению знаний, которые могут быть использованы для разработки и проектирования экспертных систем для различных предметных областей.
Theoretical foundations of scientific approaches to knowledge representation are considered that can be used in developing and designing expert systems for various object domains.
|
| issn |
ХХХХ-0003 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/84736 |
| citation_txt |
Розробка експертних систем заснованих на знаннях / Л.О. Катеринич // Компьютерная математика. — 2013. — № 1. — С. 117-122. — Бібліогр.: 6 назв. — укр. |
| work_keys_str_mv |
AT kateriničlo rozrobkaekspertnihsistemzasnovanihnaznannâh AT kateriničlo razrabotkaekspertnyhsistemosnovannyhnaznaniâh AT kateriničlo developmentofexpertsystemsbasedonknowledge |
| first_indexed |
2025-11-25T20:25:31Z |
| last_indexed |
2025-11-25T20:25:31Z |
| _version_ |
1850523263674875904 |
| fulltext |
Компьютерная математика. 2013, № 1 117
Экспертные системы,
методы индуктивного
вывода
Розглядаються теоретичні осно-
ви наукових підходів щодо пред-
ставлення знань, що можуть бу-
ти використанні для розробки і
проектування експертних систем
для різних предметних областей.
© Л.О. Катеринич, 2013
УДК 519.174.1
Л.О. КАТЕРИНИЧ
РОЗРОБКА ЕКСПЕРТНИХ
СИСТЕМ ЗАСНОВАНИХ НА
ЗНАННЯХ
Вступ. Одним, із важливих напрямків засто-
сування інформаційних технологій є розроб-
ка експертних систем (ЕС). Вона, як відомо,
потребує використання значної кількості
людських ресурсів, у тому числі програмістів
та експертів у відповідних предметних
областях.
Ефективність роботи ЕС залежить як від
структури знань експерта, так і від моделю-
вання процесу логічного виведення в певній
предметній області. Сама предметна область
може значно впливати як на структуру знань
експерта на логічному та фізичному рівнях,
так і на логічну модель виведення. Тому
ефективність існуючих ЕС залежить як від
вдало вибраних способів подання знань, так і
від методів реалізації логічного виведення,
розроблених у системі.
У методології формалізації знань ЕС ши-
роко застосовується представлення їх у базі
знань поверхнево. Основна причина такого
підходу полягає у складності процесу пред-
ставлення знань будь-якої предметної
області, для якої він здійснюється вперше. У
знаннях експерта можуть бути несумісності,
двозначності, повтори або інші недоліки. Ці
недоліки не стають очевидними доти, доки
не будуть зроблені спроби формально пред-
ставити ці знання в ЕС [1]. Евристичний ха-
рактер мають поверхневі знання і, по суті, є
емпіричними правилами, набутими на підс-
таві досвіду, які можуть сприяти досягненню
рішення з приблизною точністю. Евристики
здатні забезпечувати пошук оптимальних
Компьютерная математика. 2013, №1
118
шляхів вирішення багатьох
задач з різних предметних
областей. Крім того, мето-
дологія формалізації знань,
що призвела до
Л.О. КАТЕРИНИЧ
120 Компьютерная математика. 2013, № 1
успішної розробки ЕС, дозволила створити інтелектуальні системи, які не
обов’язково містять експертні знання.
Спеціалізовані знання, відомі лише обмеженій кількості осіб, вважаються
експертними знаннями. Звичайні знання – це знання, які можна отримати з за-
гальнодоступних інформаційних ресурсів. До звичайних знань можна віднести
знання про те, як розв’язувати рівняння або здійснювати певні обчислення.
Програмні системи, засновані на звичайних знаннях, які дозволяють вико-
нувати математичні операції як з числовими, так і з символьними даними широ-
ко застосовуються. Відповідні системи не можна віднести до класу ЕС, оскільки
методи, які лежать в їх основі, не належать до евристичних.
Незважаючи на це, терміни «система, заснована на знаннях» та «експертна
система» часто сприймаються як синоніми. Експертні системи, фактично, стали
розглядатися, як підхід до програмування, альтернативний щодо традиційного
алгоритмічного програмування [2, 3].
Формалізація знань. Вивчення проблеми формалізації знань започатковано
в багатьох наукових дисциплінах. Наука про знання називається епістемологією.
Ця наука займається вивченням характеру, будови, функціонування і походжен-
ня знань. Слід виділити також область психології, яка присвячена дослідженню
процесів сприйняття інформації людиною – когнітологію або науку про пізнан-
ня. Вивчення процесу пізнання представляє собою вивчення способу, в який
люди засвоюють або обробляють інформацію. Для розробки програмних систем,
здатних ефективно емітувати роботу експертів-людей, необхідне використання
когнітивних методик.
Програмні емулятори експертів призначаються для задач, що не мають
задовільного алгоритмічного рішення. Для отримання їх прийнятного рішення
використовуються логічні висновки. Ключовою вимогою до ЕС є реальність
висновків та недопущення їх двозначності.
ЕС відрізняється від програмних систем із чітко визначеним алгоритмічним
спрямуванням завдяки наявності наступних ознак.
1. ЕС моделює не стільки фізичну природу певної предметної області,
скільки механізм мислення людини стосовно рішення задач у цій предметній
області. Це істотно відрізняє ЕС від систем математичного або імітаційного мо-
делювання. Не можна стверджувати, що програма повністю відтворює психо-
логічну модель фахівця певної області (експерта). Важливо те, що в ній основна
увага приділяється відтворенню засобами комп’ютерної техніки способу вирі-
шення проблем, що застосовується експертом. Тобто реалізації міркувань так
само, як це робить експерт.
2. ЕС, крім виконання обчислювальних операцій, формує певні висновки,
ґрунтуючись на тих знаннях, якими вона володіє. Знання в системі представлені,
як правило, на спеціальній мові й зберігаються окремо від програмного коду, що
формує висновки та міркування. Цей компонент програми прийнято називати
базою знань.
РОЗРОБКА ЕКСПЕРТНИХ СИСТЕМ ЗАСНОВАНИХ НА ЗНАННЯХ
Компьютерная математика. 2013, № 1 121
3. Під час рішення задач, ЕС, в основному, використовуються евристичні
методи, які, на відміну від алгоритмічних, не завжди гарантують успіх. Евристи-
ка, за своєю суттю, є приблизним правилом, яке в програмному вигляді пред-
ставляє знання експерта, набуте за мірою накопичення практичного досвіду,
внаслідок вирішення схожих проблем.
Методи формальної логіки. Формування несуперечливих логічних
висновків здійснюється на основі методів формальної логіки. Вони базуються на
твердженні, що за наявності необхідної кількості істинних фактів висновок зав-
жди має бути істинним. На відміну від них, неформальна логіка ґрунтується на
методах переконання, що не базуються на фактах, а побудовані на
непідтверджених відомостях, які допускають суперечливості.
В основу ЕС покладені методи формальної логіки. Це визначає ключове
значення способу представлення знань в ЕС, оскільки від нього залежить повно-
та і точність аналізу фактів. Крім того, від правильного вибору способу такого
представлення залежить весь хід розробки, а також ефективність, швидкодія та
зручність супроводу системи.
Окрім формальних правил, у процесі міркування використовуються й
змістовні правила, які враховують зміст понять і суджень. До змістовних правил
належать правила неповної індукції, правила аналогії, пояснення, передбачення
тощо. Особливістю змістовних правил є те, що їх не можна застосовувати до
суджень і понять, зміст яких нам невідомий. Запис змістовних правил за допо-
могою символів не повинен вводити в оману щодо їх змістовного характеру. Та-
ким чином, якщо схема (набір формул) застосовується в будь-яких випадках без
звертання до змісту, то вона виражає формальне правило. А якщо існує хоча б
один випадок, коли схема не може бути застосована без посилання на зміст, то
вона виражає змістовне правило.
Представлення знань. З тематикою представлення знань тісно пов'язана не
менш важлива тематика представлення даних, яка розглядається в проектуванні
баз даних (БД) [2, 4]. БД розглядаються як репозитарії поточних даних, а не
знань, але вони можуть бути базовим матеріалом для аналізу прихованих
закономірностей з метою формування знань.
Ще один важливий науковий підхід, який має бути втілений у технології
представлення знань, полягає в семантичних розробках, що дозволяють систе-
матизувати значення символів, що їх описують. ЕС повинні володіти здатністю
розпізнавати знаки. Тобто, вони, як представники систем штучного інтелекту,
мають розуміти основні значення як простих – статичних знаків (наприклад,
знаку Stop), так і знаків, що характеризують типові елементи поведінки (наприк-
лад, людина почервоніла – хвилюється). Проведення досліджень у цьому на-
прямку є основою наукової області, що має назву семіотика [5, 6].
В ЕС для представлення знань окрім правил можуть використовуватися
символи формальної логіки.
Л.О. КАТЕРИНИЧ
122 Компьютерная математика. 2013, № 1
Важливою частиною процесу проведення міркувань є логічне виведення
висновків із посилок. Для графічного способу представлення силогізмів добре
підходять діаграми Венна, що показує всі можливі відношення між скінченним
набором множин. Кожен еліпс на діаграмі Венна представляє певну множину,
тобто колекцію об'єктів. Таким чином, механізм теорії множин може бути успі-
шно застосований для формального представлення знань у логічній моделі [6].
Булеві представлення, що мають наразі статус сучасних представлень, доз-
воляють міркувати про порожні класи об'єктів. Тобто, дозволяють створювати
логічні конструкції для прогнозування наслідків використання результатів
послідовності дій, які планується отримати вперше.
Ще один внесок у розвиток символічної логіки, зроблений Булем, полягав у
тому, що вчений дав визначення поняття формулюванням аксіом. Формулюван-
ня аксіом, згідно з Булем, складається з символів, які використовуються для
представлення об’єктів і класів, а також операцій алгебри – для маніпулювання
цими символами.
Приклад моделі подання асоціативних знань. Визначимо формальну
систему, як сукупність об’єктів.
1. Два скінчені алфавіти К1 і К2.
2. Символи х, у – змінні, які набувають значень із К1 і К2.
3. Два одномісні предикатні символи P, R і один двомісний – Q.
4. Знак імплікації “→” і знак пунктуації “,”.
5. Скінчена послідовність А1, А2,…, Аk правильно побудованих формул
відповідно до далі поданого означення.
Елементи множин К1 і К2 будемо позначати с1, с2, …, сn і п1, п2, …, пm
відповідно.
Термами системи над алфавітом К1 будемо називати символи алфавіту та
змінну х. Термами системи над алфавітом К2 будемо називати символи алфавіту
та змінну у.
Атомарною формулою системи назвемо вирази вигляду P(t1), R(t2),
Q(t1, t2), де t1, t2 – терми над алфавітами К1 і К2 відповідно.
Правильно побудованою формулою (ППФ) системи будемо називати ато-
марну формулу і вирази вигляду:
P(t1) → Q(t2, t1) → R(t2);
R(t2) → Q(t2, t1) → P(t1).
ППФ без змінних будемо називати твердженням. Вивідним твердженням
системи будемо називати будь-яку аксіому або формулу без змінних, яку можна
отримати з аксіом за рахунок скінченої кількості застосувань наступних правил,
які назвемо правилами виведення:
− підстановка символів із К1 і К2 замість змінних х і у відповідно;
− виведення формули Х2 із формул Х1 і Х1→Х2 за умови, що Х1 – атомар-
на формула (правило МР).
Наведемо інтерпретацію предикатів на прикладі ЕС «Н-ГОМЕОПАТ» [3]:
P(x) – «у пацієнта є симптом х»;
РОЗРОБКА ЕКСПЕРТНИХ СИСТЕМ ЗАСНОВАНИХ НА ЗНАННЯХ
Компьютерная математика. 2013, № 1 123
Q(y, x) – «у препарата у є симптом х»;
R(y) – «препарат у призначити пацієнту».
Тоді формальну систему знань можна задати наступною послідовністю аксіом:
Q(x, y);
P(х) → Q(y, x) → R(y);
R(y) → Q(y, x) → P(x);
P(x).
За умови, що алфавіти К1 і К2 визначають множини препаратів і симптомів,
фактичну модель знань системи можна описати аксіомами цієї системи, підстав-
ляючи замість змінних х, у елементи відповідних алфавітів.
Як приклад визначення діагнозу пацієнта, розглянемо систему над алфаві-
тами К1 = {п1, п2, п3} і К2 = {с1, с2, с3, с4, с5}. Нехай на початку діагностування у
пацієнта було виявлено симптом с2. Тоді фактичну модель знань, з урахуванням
характеризації кожного препарату множиною симптомів, можна подати наступ-
ними твердженнями:
P(c2); P(с2) → Q(п3, с2) → R(п3);
Q(п1, с1); P(с3) → Q(п3, с3) → R(п3);
Q(п1, с2); P(с4) → Q(п3, с4) → R(п3);
Q(п2, с2); P(с5) → Q(п3, с5) → R(п3);
Q(п2, с3); R(п1) → Q(п1, с1) → P(с1);
Q(п3, с4); R(п1) → Q(п1, с2) → P(с2);
Q(п3, с1); R(п1) → Q(п1, с3) → P(с3);
Q(п3, с5); R(п1) → Q(п1, с4) → P(с4);
P(с1) → Q(п1, с1) → R(п1); R(п1) → Q(п1, с5) → P(с5);
P(с2) → Q(п1, с2) → R(п1); R(п2) → Q(п2, с1) → P(с1);
P(с3) → Q(п1, с3) → R(п1); R(п2) → Q(п2, с2) → P(с2);
P(с4) → Q(п1, с4) → R(п1); R(п2) → Q(п2, с3) → P(с3);
P(с5) → Q(п1, с5) → R(п1); R(п2) → Q(п2, с4) → P(с4);
P(с1) → Q(п2, с1) → R(п2); R(п2) → Q(п2, с5) → P(с5);
P(с2) → Q(п2, с2) → R(п2); R(п3) → Q(п3, с1) → P(с1);
P(с3) → Q(п2, с3) → R(п2); R(п3) → Q(п3, с2) → P(с2);
P(с4) → Q(п2, с4) → R(п2); R(п3) → Q(п3, с3) → P(с3);
P(с5) → Q(п2, с5) → R(п2); R(п3) → Q(п3, с4) → P(с4);
P(с1) → Q(п3, с1) → R(п3); R(п3) → Q(п3, с5) → P(с5).
Побудуємо виведення тверджень R(п1) і R(п2) в цій системі:
(P(c2), P(с2) → Q(п1, с2) → R(п1)) => (Q(п1, с2) → R(п1), Q(п1, с2)) => R(п1); (1)
(P(c2), P(с2) → Q(п2, с2) → R(п2)) => (Q(п2, с2) → R(п2), Q(п2, с2)) => R(п2). (2)
Отримання нових знань в системі забезпечується наступними виведеннями:
(R(п1), R(п1) → Q(п1, с1) → P(с1)) => (Q(п1, с1) → P(с1), Q(п1, с1)) => P(с1); (3)
(Rп2), R(п2) → Q(п2, с3) → P(с3)) => (Q(п2, с3) → P(с3), Q(п2, с3)) => P(с3). (4)
Л.О. КАТЕРИНИЧ
124 Компьютерная математика. 2013, № 1
Ці нові знання визначають можливість існування у пацієнта додаткових
симптомів. У цьому випадку модель знань доповнюється твердженнями P(с1)
і Р(с3). Для першого з них, зокрема, існує виведення:
(P(с1), P(с1) → Q(п3, с1) → R(п3)) => (Q(п3, с1) → R(п3), Q(п3, с1)) => R(п3). (5)
Отже, в результаті обстеження пацієнту будуть призначені препарати
п1, п2, п3.
Висновки. Розглянуто основні наукові підходи та напрямки щодо представ-
лення та подання знань для розробки ЕС, заснованих на знаннях. Показано, що
замало мати лише дані. Для розробки ЕС необхідно керуватися і володіти не
лише інструментарієм, а й мати певні знання з суміжних наук.
1. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры. – М.: Финансы и ста-
тистика. – 1987. – 191 с.
2. Андон Ф.И., Балабанов А.С. Выявление знаний и изыскания в базах данных: подходы,
модели, методы и системы // Проблеми програмування. – 2000. – № 1–2. – С. 513 – 526.
3. Уинстон П. Искусственный интеллект. – М.: Мир, 1980. – 519 с.
4. Катеринич Л.О. Деякі підходи до побудови систем, заснованих на знаннях // Компью-
терная математика. − 2012. − Вип. 1. − С. 111 − 119.
5. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети:
Учеб. пособие. – М.: Издательство физико-математической литературы, 2001. – 224 с.
6. Hall L.O. The choice of ply operator in fuzzy intelligent systems // Fuzzy Sets and Systems. –
1990. –Vol. 34. – Р. 135 – 144.
Одержано 22.01.2013
Л.О. Катеринич
РАЗРАБОТКА ЕКСПЕРТНЫХ СИСТЕМ ОСНОВАННЫХ НА ЗНАНИЯХ
Рассматриваются теоретические основы научных подходов к представлению знаний, которые
могут быть использованы для разработки и проектирования экспертных систем для различ-
ных предметных областей.
L.O. Katerynych
DEVELOPMENT OF EXPERT SYSTEMS BASED ON KNOWLEDGE
Theoretical foundations of scientific approaches to knowledge representation are considered that
can be used in developing and designing expert systems for various object domains.
Про автора:
Катеринич Лариса Олександрівна,
асистент кафедри інформаційних систем факультету кібернетики
Київського національного університету імені Тараса Шевченка.
|